“馬路上最常見的訊號燈，其實已經有一百多年的歷史，而在這一百多年裡，竟然沒有什麼變化。”
在2018世界交通大會上，阿里雲機器智慧首席科學家閔萬里感慨道。
“訊號燈從出場第一天起，它的智慧就被寫死了。”閔萬里說，“訊號燈是個近視眼，它透過一些感測器（來觀察），只能看到眼下，只能看到剛剛發生的事情。而有了大資料和人工智慧，一切都開始變化了。有了高德地圖的資料，每輛用APP導航的車在哪裡、要往哪裡去，一目瞭然。看得見，想得遠，自然比別人做的多。”
網際網路+訊號燈比傳統的只用感測器的訊號燈更加有預見性，因為它可以清晰地感知到還有多少車在上游路口將要過來，進而判斷十分鐘後應該是紅燈還是綠燈，發現哪些路段的紅綠燈設定不合理，改事後諸葛為未卜先知。
基於這個想法，阿里雲和高德地圖推出了城市大腦智慧交通公共服務版，一個普惠式的、免費的城市大腦公共服務。這個系統中有預警解決方案，誘導解決方案、管理解決方案和研判解決方案，透過這種連線的紐帶形成高效的功能。
透過預警系統發現交通擁堵，透過排程系統和預警系統來幫助交通管理部門對擁堵和事故進行快速處理，同時可以提供車輛分流的解決方案，透過高德導航的提示來進行分流，並在事後進行事件評估，形成一個閉環過程。
舉例而言，如果北京四環發生了擁堵，交警可以在城市大腦上規劃分流到三環，這種政府推薦的方案在使用者規劃路徑的時候會直接顯示在高德的前端，直接實現自動化的連線。
一個比較直觀的成果是給救護車提供一路綠燈。在杭州蕭山區的實踐中，城市大腦為交通做出整體的最佳化，為救護車提供全程綠色資訊通道。在救護車到達擁堵路口前10秒或20秒，訊號燈自動變綠，清空擁堵車輛，保障救護車暢通無阻。總計壓縮通行時間7分鐘，提速50%，最後的差距可能是生死之別。
“智慧在端，智慧在雲”
未卜先知聽起來容易，實現起來卻非常難，主要是難在算力。
如果每個路口都提前預知將要來到的車流，基於未來的路況和需求進行調配，需要的計算量是無與倫比的。
閔萬里說，網際網路APP資料上行是資料來源材料之一，加上交通當中自己的資料，為智慧交通提供了豐富的原材料，而當原材料更加豐富的時候，也需要更加好的配方和加工方法生產出更加優良的產品和商品，比如把訊號燈單點最佳化變成區域最佳化。
阿里雲將電商當中的經驗借鑑到了交通中。雙十一交易的資料量極大，堪稱最複雜的資料洪峰，阿里將那個場景下資料的運輸能力轉移到垂直行業中去。
目前，阿里雲在杭州和上海的城市大腦當中，實現了對影片全量實時計算，而不是事後抽查。在杭州做到了主動預警主動發現，以前是巡檢在控制檯觀察，現在則是全景線上，準確率95%以上。
資料的完整就使得創新成為可能，閔萬里用吃東西來做比喻。交通系統不挑食，能處理影片當中的非結構化資料，甚至APP資料，才能長出強健的聰明的智慧體。不光不挑食，還要能消化得了，也就需要計算能力。
閔萬里說，2011年，還只能望數興嘆。但是到了2016年，隨著雲端計算的出現，這一切變得迎刃而解了，連一個小白使用者也能在很短的時間內得到超量的計算能力。
北京訊號燈配時最佳化使路口平均延誤下降了6%。
城市大腦在高架路上的應用，上海高架預測精度提高10%。
在這種充分的計算能力下，透過交通配時最佳化節約下來的時間，相當於給每個人每天節約了6分鐘。
阿里雲團隊實現這一切，利用的只是既有的資料資源，而沒有在交通燈和馬路上新增任何新的探頭等硬體，從程式碼和方法論上著手得到了這些百分比的提升。這是閔萬里一直強調的“智慧在端、智慧在雲”的體現，也是雲端計算的巨大價值所在。
強調開放，讓演算法融入行業
阿里和高德的合作實現了資料和演算法在交通領域的作用發揮，但在資料和演算法這兩層之上的應用智慧平臺，閔萬里表示，他們還需要更多的生態夥伴來開創。
他用石油來比喻。阿里雲將原始資料加工成易於理解的資料提供給合作伙伴，就像原有的石油經過提煉之後，等待大家做成橡膠、汽油甚至高品質的汽油。他表示，石油的第一層提煉已經完成了，下面將交給其他的合作伙伴。
目前ET城市大腦專案已經實施了許多行業生態的合作方案，包括不同供應商的細分領域，還與公路協會合作，加上清華大學、上海交大等高校，成立了未來交通實驗室，以支撐未來的科學研究能力。
閔萬里感嘆目前這方面的應用與資料體量相比太少了，價值密度沒有充分挖掘，需要更多的人來釋放資料的價值。“價值的釋放一定是透過行業當中源源不斷創新，絕不是靠阿里雲工程師寫一些程式碼。”他說道。
因此，他呼籲一個開放的AI 生態，並表示這絕對不是顛覆式的，而是一個共贏的模式。最終的願景是超越雲端計算，因為雲只是基礎設施，最終的目的是在雲的基礎上創造出來的應用智慧。
打破資料孤島
會上，高德地圖副總裁董振寧也強調了開放的重要性。他說，資料是城市大腦的最重要的血液和養分，所有人都知道資料有巨大的價值，卻不懂得怎樣使自己手中的資料產生價值，自己緊握著這些資料，“放在口袋裡不跟別人分享”，資料成為一盤散沙，就創造不出應有的價值。
他認為，解決資料孤島問題有四種路徑：
第一，要有資料的處理能力。大量的資料匯聚起來後，需要有云計算的資源進行資料處理，有充足的算力對資料底盤進行處理，才能創造資料的價值。
第二，選擇有價值的資料，用有價值的資料創造更多的價值。阿里和高德在進行城市大腦磨合的時候，把目標聚焦在交通和安全領域，也是出於資料價值的考慮。這兩個領域一個涉及到國計民生，一個涉及國家安全。“創造頭部的價值是很重要的能力。”董振寧說。
第三，解決資料孤島很重要的手段，是存量和增量的問題。很多人進行資料匯聚的時候首先考慮的是存量的資料，但存量資料其實反而不好獲得，高德提出的方法是先取得增量資料，透過增量資料帶動存量資料。他們疊加了高德海量的資料和透過AI的海量影片，作為增量資料，“這樣之後再對存量資料進行獲取，會獲得很好的資料基礎。”
第四，也是董振寧認為最有效的手段，是國家強制性的干預。在城市大腦已經落地的一些城市如杭州、上海等，這種手段就發揮了作用，杭州專門成立了大資料管理局來進行這種所有部門資料的匯聚。
城市大腦匯聚的資料分為三類，一類是靜態資料，也就是是路網資料，第二類是城市物聯網資料，像高德、共享單車提供的網路設施的物聯網的資料，還有一類資料是影片資料，透過影片匯聚的功能，基於阿里雲進行資料匯聚，同時透過各種方式來構建城市感知系統，構成城市大腦的資料底盤。
董振寧說，網際網路公司目前的科學研究還更多在基礎研究上，但網際網路在工程上則需要進行前瞻性的探索。透過高畫質地圖對所有的資料進行攝入，構成統一的表達性，物聯網資料、高德的資料在交通的表達上是一致的，為下一步的工作融合不同資料來源之間的資料。
城市交通大腦的可持續發展，關鍵需要一個開放的生態系統，“如果沒有開放系統和更多人的加持，如果單靠一兩個公司這個智慧大腦是不可能構建的。”董振寧說。
資料人才轉型
在資料和AI人才的偏重上，閔萬里說，資料團隊和AI團隊都同樣重要。據閔萬里介紹，阿里雲ET城市大腦團隊現有約300人，在大資料和雲端計算方面的人才配備較為充足，但人工智慧方向還有大量人才缺口。大部分行業專家不懂程式碼，而演算法專家並不瞭解交通行業。
如何堵上人工智慧人才不足的缺口？我們應該給行業專家配一個演算法工程師？還是讓行業專家學寫程式碼？
閔萬里也曾在大資料文摘的專訪中談過這一問題，他認為兩種做法都有可能，但是難度不一樣。
“第一個是傳統行業的專家瞭解這些雲端計算的技術或者是大資料深度挖掘的技術再去做這個行業的升級換代，聽起來很美好，但是執行起來很難，原因在哪？當他已經成為一個行業專家的時候，基本上是單位的頂樑柱，他的動力在哪？因為他面臨重新學習的過程，單位能讓他去嗎？
但是反過來，我們的技術專家，我說過我們願意走到車間去，我們願意去學習行業專家的一些知識，我們有激勵的機制讓大家沉到場景中去，我們可能會學的很快就沒有非技術的阻礙了。所以說從現實的效果來看，技術人走出去可能效果更快。”