top of page

智慧城市需大數據決策系統

Updated: Apr 28

「香港智慧城市峰會2018年」上周在會展中心舉行,探討香港未來建設智慧城市的基本條件。從國內外成功案例可見,智慧城市要有一個懂得運用大數據作決策的智慧政府,當中能充分滙聚大數據的基礎建設是關鍵之一。

政府面對困難多於企業

近幾年服務於多個城市的數據委員會,我體會到各地政府推進數位化城市的困難,相對於傳統企業其實有過之而無不及。十年來的落地經驗告訴我,這種轉型分為數位化、數據化、數學化3個階段,能玩得轉的企業大部分是borndigital的互聯網企業。

過去20年的大數據生產者無不是互聯網的超級企業,而且都是隨着新時代社會需求而集中於搜尋引擎、電子商務、溝通/社交軟體等領域。

在這過程中,大數據成為了創新企業的重要原料及資產。在移動智慧終端機、人工智能、大數據的普及下,民眾對政務服務的便捷性已經有着新期待。 洞悉這種變化的城市也主動求變,例如杭州政府就推行了「最多跑一次」計劃,通過資訊標準化及數據共用,簡化各種申請流程,基本上把政務服務在網上全覆蓋。

南韓首爾政府更通過大量手機位置數據,分析夜間乘客出行需求而重新設置夜間巴士路線,提升乘客的便捷及安全度。 各部門須協作互通

隨着政府推動數位化城市的步伐加速,上述兩個案例顯示大數據可以作為連接工具,把不同政府部門的服務化繁為簡,並以大數據作為更精細化的分析工具,尤其是涉及跨部門的審批。

你應該更容易體會到,為什麼智慧城市的背後需要一個讓政府變得更聰明的大數據決策系統,但前提是必須處理好各部門之間的數據互通。

英國倫敦在這方面走得很前,為了協調跨部門的協作而特別成立了Greater London Authority's IntelligenceTeam,讓不同機構的數據更容易打通,共同為「智慧城市」目標服務。 我想強調的是,近年來大數據被體現為人工智能得以重生的原料,但大家千萬不要忘記,大數據同時也是協助政府和企業做好決策的依據。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page