政府须加快推进“人工智能+交通运输”相关技术指南、标准规范建设，尽快明确人工智能辅助决策的法律效力与责任边界。

　　来源丨中国交通报

　　今年的政府工作报告提出，持续推进“人工智能+”行动。这一决定在意料之中。年初以来，人工智能领域可谓热闹非凡。DeepSeek横空出世，各大科技企业、垂直行业动作频频，一个又一个模型推出，一项又一项应用的诞生，让我们看到人工智能更加趋于“好用”。

　　河北省秦皇岛市交通运输局在交通运输安全生产与应急管理系统部署DeepSeek大模型；山东高速集团搭建“DeepSeek交通大模型+企业管理小模型+路桥运营小模型”平台……交通运输点多、线长、面广，有丰富的场景、海量的数据，是人工智能发展的新型重要领域。当前，交通运输部门运用这一独特的优势抢抓机遇，推动人工智能在交通运输率先突破，为抢占全球发展战略制高点贡献交通力量。

　　业内研究人士在接受本报采访时表示，离用好人工智能，交通运输行业还有很多工作需要做，例如如何遴选模型落地“小切口”；如何构建私有化知识库及高质量数据集；如何进行私有化训练；如何生成垂直领域的优质智能体应用，以及如何推动模型的持续训练和迭代升级等一系列问题。

　　在DeepSeek之前，人工智能早已融入交通运输行业。在基础设施方面，大模型等AI技术让基础设施病害检测、大型设备故障预测等更加精准、高效；在载运工具与装备方面，催生出自动驾驶汽车、智能船舶、智能高铁、智慧码头、无人机、无人仓等新形态装备；在行业治理方面，提升了交通流预测、交通管控和运行调度的科学化和精细化水平。

　　人工智能在这些场景发挥重要作用，离不开数据做支撑。数据是人工智能发展的关键基石与战略要素，高质量、高可信、精标注的数据是人工智能生成高质量内容的重要保障。交通运输部规划研究院基础所副所长李琳琳认为，应加快推动“人工智能+交通运输”高质量数据集建设。

　　北京市人工智能发展起步早、基础好，全产业链布局成效显著。去年7月，《北京市推动“人工智能+”行动计划（2024—2025年）》将交通领域列为重点应用方向，明确自动驾驶、智慧物流等应用场景的发展目标。北京市交通委员会相关负责人表示，今年北京交通将推进基础设施建设与数据共享，加大交通基础设施智慧化升级改造力度，推动交通数据跨部门、跨地区共享，为人工智能赋能交通运输提供沃土。

　　人工智能爆火之后，AI幻觉成了大家关注的新问题。AI幻觉是指大语言模型编造它认为是真实存在的甚至看起来合理或可信的错误信息。研究人员将这种情况主要归咎于数据缺陷。

　　广西计算中心有限责任公司总工程师杨程表示，只有构建基于本地规范架构的私域知识库体系，而不是全网数据，用户才能够得到更精准、更深入的回答，AI才能成为更懂使用者的“专家”。

　　“为更好使用人工智能，我们打造广西交投数据中台，构建了一套完整的数据治理体系，涵盖数据的梳理、采集、存储、管理和应用等全流程环节。”杨程说，通过推进320多亿条数据上云，经过清洗和建模，形成了通行费收入、经营管理等18个数据域。目前，广西高速公路部门利用“大模型+大数据”，开展短时车流预测，能够提前30分钟精准预测路网“堵点”。

　　“但普遍来看，行业内数据治理与共享机制尚未成熟，数据分散且缺乏统一标准与共享平台，导致人工智能模型难以获得全局性数据支撑。”江苏苏州交投集团科创中心经理袁希一建议，应当建立国家级或省级交通数据中台，统一标准实现数据确权与安全共享。

　　今年2月，由苏州交投集团联合创建的苏州市人工智能创新应用实验室（智慧公路）已经启动，汇聚苏州交投本部和子公司10余个多源异构数据系统，拥有400余类10亿余条数据资源。实验室旨在汇聚海量交通数据，形成交通语料库与高质量数据集，支撑人工智能应用构建。

　　人工智能很“能”，但也有很多不能。特别是在交通运输行业，大模型部署完后，什么可以干，干得怎么样，场景的适配和优化很重要。交通运输部规划研究院信息所总工程师李柏丹说，行业部门需要深度剖析业务问题和实际应用需求，而不是为了接入而接入，明确哪些应用场景可以通过大模型实现优化和创新，哪些通过轻量化部署就可以解决关键问题。

　　除了需求分析，用好人工智能还需要对大模型进行垂直领域的优化和微调。同济大学交通运输工程学院副教授沈煜认为，交通运输行业要以业务流程等为驱动，有计划地实现AI与核心业务场景的深度融合，使用行业的垂直领域数据对模型进行微调，让模型学习到领域特定的知识和模式，适应行业的特点和需求。

　　年初以来，江苏、海南、四川、安徽、山东省交通运输厅等单位纷纷完成DeepSeek大模型本地化部署。其中，山东省交通运输厅依托在建的“山东省交通运输智慧大脑”项目，通过百度智能云千帆大模型平台接入DeepSeek大模型，适配实际业务需求，初步打造了“全景驾驶舱数字人”“交通智搜”等核心能力。

　　百度智能云交通业务总监刘斌介绍，“全景驾驶舱数字人”利用“深度”混合大模型实现面向自然语音的“问策”“问数”和“问答”等交互范式，通过“智能讲解”、运行监测“智能问数”等功能，可提升工作效率。

　　除大语言模型外，广西计算中心有限责任公司研发的灾毁视觉感知大模型成功入选交通运输部示范案例。杨程介绍，针对边坡塌方、桥梁坍塌、道路结冰等不同场景，通过多模态大模型实现时序动态逻辑识别，不仅能够低成本辅助结构物健康监测，还能进行实时监测与灾情分析。同时，初步研发的高速公路灾毁视觉感知大模型，能够对边坡、桥梁等结构物垮塌进行实时监测，并提供详细的灾毁情况文字分析，为后续的救援和修复工作提供了重要依据。

　　DeepSeek之所以爆火，一是开源，二是降低了技术门槛。但也因此具有两面性——开源带来了更多安全风险，也可能印证技术革新大幅提高效率，资源消耗不减反增的“杰文斯悖论”。华为昇腾计算业务副总裁郝圣伟说：“以前用的开源模型参数规模可能是70B，把一个模型训练起来几十张推理卡就够了，而671B的DeepSeek做一个二次后训练则需要几百张卡。”换句话说，把DeepSeek训练成垂直大模型的成本也许更高，而这种差距很可能是数百万元。

　　无论如何，拥抱AI已是大势所趋。业内专家普遍认为，相关部门须加快推进“人工智能+交通运输”相关技术指南、标准规范建设，尽快明确人工智能辅助决策的法律效力与责任边界，让人工智能更好适配核心场景。

　　记者了解到交通运输部正在加快出台“人工智能+交通运输”实施意见，将从技术供给、场景赋能、要素保障、生态产业等方面对未来5年工作谋篇布局，为新业态健康发展提供制度保障。