分享
收藏
点赞
还没下水的人,未必比抢着下水的人差
随着“人工智能+交通运输”相关政策和行动方案陆续发布,各地交投集团、交通主管部门、科研院所、科技企业,几乎都开始行动起来了。
几乎所有的交投集团都在忙着做AI:有的忙着编制项目可研,研究还能申报什么新项目;有的开始组建 AI 团队、招聘算法人才;有的积极参加创新大赛,争取拿几个奖项;还有的更直接,把原来的信息化项目换个名字,加上大模型、智能体,就成了 AI 项目。
交投集团的内部也很有意思,以前做智慧高速的,现在研究交通大模型;以前做数据平台的,现在开始讲智能体;以前做系统集成的,也纷纷给自己贴上AI标签……
看起来,整个交通行业都在加速AI转型。
但我想说一句:交通行业现在不缺宣布入局 AI 的人,真正缺的是能把 AI 用起来的人。
政策在推动,技术在进步,大家积极探索当然是好事。但热闹归热闹,究竟有多少是真正的业务创新,又有多少只是借着 AI 的风口重新包装项目?
如果把这轮 AI+交通运输比作一场游泳比赛,有人还站在岸上,有人刚刚下水,有人在岸边练习,还有人已经游起来了……
先说第一类还站在岸上的企业。
面对这轮AI热潮,有些交投集团并没有急着成立大模型团队,也没有马上投资建设智算中心。有人在观察,有人在等待,也有人觉得自己的业务基础还不具备条件。
在今天的行业氛围里,这种做法可能显得不够积极。
别人已经发布了交通大模型,自己还没有动静;别人上线了几十个智能体,自己连一个像样的AI应用都没有。
尤其是国有交通企业,面对政策要求和同行竞争,多少会有些压力。
但我反而觉得,暂时不下水并不丢人。
AI不是买一套软件,也不是建一个平台。它需要数据、流程、人员和持续运营能力。
有些企业连基础数据都没有治理好,各业务系统之间互不相通,一线员工每天还要在不同系统之间反复切换。这时候急着上一个大模型,最后很可能只是把原来的问题搬进一个更炫酷的软件界面里。
与其花大钱建一个暂时用不起来的平台,不如先把业务流程理顺,把数据基础打好。
当然,观望也不能成为永远不行动的理由。技术已经成熟、同行已经跑通的场景,如果还一直停留在讨论阶段,那就不是谨慎,而是错过机会。
没有急着宣布自己在做AI,不代表落后;急着宣布自己在做 AI,也不代表领先。
第二类已经开始下水了的企业。
他们正在编制项目可研,研究AI建设方向,争取试点项目,采购相关技术,或者在原有数字化建设基础上寻找新的应用机会。
这其实是当前行业里最值得观察的一群人。
毕竟,政策方向明确之后,总要有人把它变成具体工作。项目要不要做、预算怎么安排、技术怎么选、团队怎么组建,都需要有人去推动。
问题在于,当AI和项目申报、投资安排、考核任务联系起来时,一些企业做事的顺序就可能变了。
正常的逻辑应该是:
业务遇到了什么问题?现有手段为什么解决不了?AI 能不能解决?如果能,需要投入多少,能带来什么价值?
但现实中,有些项目的逻辑却变成了:
现在有 AI 的政策机会,我们手里有什么项目可以包装?原来的系统能不能增加几个 AI 功能?今年还能不能再申报一个新平台?
两种逻辑,最后做出来的东西可能完全不同。
最简直直接“见效快”的就是项目改名。
以前准备建设一个智慧高速平台,现在增加大模型接口、知识库和智能问答,就变成了交通大模型项目;原来已经规划的数据平台,加上几个智能体,又成了AI中台。
传统信息化建设当然有价值,很多AI应用也确实离不开原有的数字化基础。
但如果建设内容没有实质变化,业务流程没有改变,投资逻辑也没有改变,只是项目名称换了一遍,那么这究竟是AI转型,还是借AI重新争取一次建设机会?
恐怕项目负责人自己最清楚。
项目名称里有多少个AI并不重要,重要的是AI到底改变了什么。
第三类企业,已经开始认真研究AI了。
有的组建算法团队,有的与高校、科研院所合作研究交通大模型,有的参加各种创新大赛,开发智能体、制作原型、展示技术成果。
相比单纯给项目改名字,这至少向前走了一步。
技术研究本身没有问题,创新大赛也有价值。交通行业确实需要有人探索新的技术路线。
但研究AI、展示AI和应用AI,毕竟是三回事。
在实验环境里,模型能够识别图片、回答问题、生成报告,说明技术有了一定能力。
可一旦放到真实的高速公路、港口和运输企业,情况就复杂多了。
以高速公路养护为例。
现在路面病害识别已经有了不少技术探索,一个团队开发出识别模型,在测试图片上取得不错的效果,这当然值得肯定。
但真正投入使用,还要面对不同天气、光照、路面材质和行车速度。识别结果是否准确?误报、漏报会不会增加养护人员的工作量?能不能自动形成巡检工单?最后究竟减少了多少人工巡查?
这些问题,不是做一个演示系统就能回答的。
我见过一些技术交流,现场演示非常精彩,模型回答得头头是道,智能体一个接一个地展示。
可交流结束后,真正的问题来了:这个东西谁在用?哪个部门愿意接手?每天处理多少业务?出了问题谁负责?
有些项目,最后停留在比赛获奖;有些研究成果,停留在论文和原型;还有些团队,模型研究得很热闹,却始终找不到愿意长期使用它的业务部门。
这并不意味着技术研究没有价值。问题在于,不能把技术探索的成果直接当成业务转型的成果。
会做AI演示,不等于会做AI产品;会做AI产品,也不等于能把它变成交通行业的生产力。
在岸边练习没有错,但不能练了几年,还把自己当成已经学会游泳的人。
第四类企业,已经开始把AI用到实际业务中了。
他们未必有最响亮的大模型名称,也未必拥有规模最大的智算中心,但已经有一些应用进入了日常工作。
比如,在高速公路运营管理中,工作人员过去要从几个系统里导出数据、整理表格、制作报告。现在通过自然语言对话,就能直接查询数据、分析运营情况。
管理人员也不必事事等着下属准备材料,自己就可以围绕业务问题进行数据分析和辅助决策。
再比如,利用AI辅助完成大量重复的信息查询、材料审核和风险筛查,让员工把更多时间花在真正需要人工判断和处理的事情上。
这些应用没有那么炫酷,却解决了实实在在的问题。
而且,AI技术还在快速发展,今天能做到的事情,过一段时间可能又有新的实现方式。真正的应用不是上线那一天就结束了,而是要根据业务变化不断调整和打磨。
判断一家企业是不是真的游起来了,问问这三个问题:
第一,AI 有没有进入真实业务,而不是只在发布会上展示?
第二,有没有可以验证的结果?比如减少了多少人工、缩短了多少处理时间、改善了哪些运营指标?
第三,项目交付以后,有没有人持续使用、维护和改进?
如果这三个问题都有明确答案,即使没有举办过盛大的发布会,也可能比那些声势浩大的项目走得更远。
到底什么样的公司在“裸泳”?
我认为,技术探索失败、试点效果不理想,都不算裸泳。创新本来就有试错成本,今天做不好,不代表明天没有机会。
真正值得警惕的是:明明还没有掌握游泳的本领,却已经开始向外界宣称自己游得很好。
这类情况,在AI热潮中并不难发现。
有的项目发布了交通大模型,但核心能力主要来自外部成熟模型,自身的数据、算法和业务应用却没有形成多少积累。
有的项目上线了几十个智能体,但这些智能体与真实业务流程联系不深,究竟有多少人在用、每天处理多少业务,却说不清楚。
有的项目建成了智算中心,建设投资很明确,但算力需求究竟有多大、实际使用率有多少、后续运营成本由谁承担,却没有同样清楚的答案。
还有的项目,本质上还是传统的信息化建设,只是增加了模型接口、知识库和对话功能,就把它包装成了一次 AI 转型。
这些现象背后,其实还有一个更值得思考的问题:为什么有些 AI 项目,建设得越热闹,离真正的业务价值反而越远?
我觉得,这和交通行业长期以来的项目建设模式有很大关系。
在不少大型项目中,建设单位、技术供应商、项目验收方和最终使用者,根本就不是同一拨人。
供应商希望项目签约、交付;建设单位希望完成投资和建设任务;项目管理者希望按期验收;而一线业务人员真正关心的,是这套系统到底好不好用,能不能帮自己解决问题。
这些目标并不天然一致。
如果项目验收只看功能上线、技术参数达标,却不关注长期使用和实际业务效果,那么一套系统即使建成后无人问津,也可能顺利通过验收。
以前的信息化项目如此,今天的AI 项目也可能如此。
甚至因为大模型和智能体更容易包装,这种现象可能更加突出。
一个能够对话的界面,很容易让人产生智能化已经实现的印象。但真正的业务能力,藏在数据质量、流程衔接、异常处理和持续迭代这些不太容易展示的地方。
所以,我认为真正的裸泳,不是用了别人的模型,也不是没有自己的算法团队。
真正的裸泳,是把技术采购说成自主能力,把演示效果说成业务成效,把项目建成说成转型成功,却拿不出证据证明 AI 真正创造了价值。
交投集团做AI,当然值得鼓励。
交通场景复杂,运营链条长,收费、养护、监控、应急处置都有值得探索的空间。但行业需要警惕一种熟悉的惯性:每次新技术出现,大家都先忙着立项、采购、建设和验收,等项目交付了,再慢慢考虑怎么用。
如果这一轮AI也这样走,最后很可能只是给过去的信息化工程换了一套名字。
我并不认为,硬件采购多、使用外部模型或者智能体数量少,就能直接证明一家企业在裸泳。
真正的判断,应该回到项目本身:投入是不是对应真实需求,技术有没有解决实际问题,系统有没有人持续使用,效果有没有被验证。
现在还在研究阶段的企业,不必急着宣布成果;正在补数据基础的企业,也没必要假装已经走到前沿。能把一个场景做实,比同时铺开几十个场景更值得肯定。
至于那些已经发布了大模型、建成了智算中心、上线了几十个智能体的企业,也不妨给时间一点机会。
三年后,再去高速公路现场看看。
收费站的人是不是还在重复查找同一份资料?监控中心处理事件是不是更快了?养护部门是不是少做了一些重复统计?模型有没有持续更新?系统出了问题,还有没有人维护?
这些问题,比今天发布会上的掌声更能说明问题。
真正的AI转型,不是宣布自己有了一个大模型,而是三年以后,业务人员还愿意用它,企业也愿意继续为它投入。
至于谁在裸泳,水会给出答案。
未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明等材料,与我们联系,我们将及时沟通与处理。
好文章,需要你的鼓励
祥波
特邀作者