当今世界各大城市普遍面临交通拥堵、事故频发等难题，这些“城市交通病”不仅影响居民出行体验，更造成巨大的经济损失。据统计，交通拥堵带来的损失占城市居民可支配收入的20%，每年约合2,500亿元人民币，约相当于城市GDP的5%～8%1。如何缓解拥堵、提升交通效率已然成为提升人民收入，提高生活体验的重要话题。在此背景下，人工智能（AI）技术迅速崛起，并逐步影响交通运输领域。智能交通系统利用AI、大数据、物联网等新技术，以实现减少拥堵、提高安全、节能减排，并为自动驾驶等创新提供支撑。对于企业而言，AI驱动的智能交通不仅将改变城市交通运行方式，也将重塑相关产业格局，带来新的机遇。
AI在智能交通系统中的应用
借助AI的强大数据分析能力，交通管理部门可以对摄像头、测速仪等收集的海量数据进行实时分析，从而预测未来的交通流量走势和帮助提前疏导，避免或减少拥堵点的出现。比如，通过对摄像头、传感器采集的实时车流信息进行分析，AI赋能的智能交通信号灯管理系统能够自调整红绿灯时长，以匹配当前交通需求。此外，神经网络等算法能利用历史数据预测短时交通状态，帮助管理者提前采取措施疏导交通。例如，通过机器学习持续优化交通模型，城市可以动态调整交通策略，实现交通流量的整体优化。这些模型为交通管理部门提供了高效、精准的预测与优化算法，帮助其制定更加合理的信号配时和调度决策。
此外，自动驾驶汽车是AI在交通领域最引人注目的应用之一。通过计算机视觉、深度学习和传感融合，自动驾驶车辆能够感知周围环境并自主决策路线和速度灯一系列驾驶行为。在辅助驾驶方面，AI赋能的高级驾驶辅助系统（ADAS）已广泛用于车辆的碰撞预警、智驾领航等功能，一定程度上提高了行车安全性，提升了驾驶舒适度。随着技术成熟，全球自动驾驶汽车市场正迅猛增长，预计将从2023年的约19,211亿美元增至2030年的约136,324亿美元，年复合增长率高达32.3%2。这显示出自动驾驶技术巨大的商业潜力，吸引了大量企业投入研发。从美国的特斯拉到中国市场涌现的一批造车新势力，越来越多汽车厂商将自动驾驶和辅助驾驶技术融入产品设计，并作为核心卖点之一。这一趋势不仅反映了行业技术升级的方向，也显著影响了消费者的购车偏好，使辅助驾驶逐步成为影响购车决策的重要因素。华为ADAS赋能的问界品牌，更是助力赛力斯的股价在一年内从不到30元人民币暴涨至120元人民币。从各个方面来看，AI赋能驾驶辅助系统，的确引领了当代汽车产业的发展方向，并且为全自动驾驶的实现提供了方向。
数字转型的机遇
运营效率的大幅提升无疑是数字转型带给相关企业最直接的好处之一。通过对业务流程的数字改造和对海量运营数据的AI分析，企业管理者能够发现流程瓶颈并进行优化决策。例如，在物流和公共交通调度中，引入AI的路线规划系统可同时考虑实时路况、天气和历史情况等因素，计算出最优行驶路径与配送顺序。在共享出行领域，AI同样可以带来效率的革新。出行服务平台可以利用机器学习预测供需变化，并通过智能调度算法实现车辆与乘客的高效匹配，尽量减少车辆空驶和乘客等待时间，同时提升司机接单效率，进而提升司机的收入。这些数据驱动的决策优化，使企业能够用更少的资源完成更多的业务，提升服务水平的同时降低时间和人力浪费，有效控制和降低企业的成本，进而提升收入，创造更高的商业价值。在数字经济时代，“用数据说话”成为企业制胜的关键，善用AI从数据中提炼洞见，将使中小企业在运营效率上显著领先于传统同行。
AI辅助的智能交通还为企业履行社会责任、实现可持续发展提供了机遇。在安全性方面，AI驱动的驾驶辅助和交通监测系统可以显著降低事故率。车辆上的摄像头、激光雷达、毫米波雷达和智能驾驶系统能够实时识别危险、发出预警，主动干预刹车3，甚至进行主动变道，以避免碰撞。据统计，这类AI安全系统可将交通事故发生率降低20%～30%，有效保障司机、乘客和行人的安全。此外， AI优化交通信号和路径规划后，车辆在路上的平均停留时间和不必要绕行显著减少。例如，新加坡等采用AI交通管理系统的城市据报道道路拥堵降低了约25%4，城市车辆尾气排放随之下降。
综上所述，AI赋能的数字转型并不只是带来商业利益，也让企业有机会通过科技创新改善交通安全、减少对环境的破坏。这对于注重社会责任和长期可持续发展的企业来说，是难能可贵的。
挑战以及新的发展
尽管AI赋能智能交通前景诱人，但在数字转型过程中也将面临诸多挑战。对于许多中小企业而言，引入AI意味着不菲的投入，包括软件开发、硬件设备升级以及专业人才引进等。自ChatGPT 爆火以来，AI的发展似乎越来越依赖于算力的提升。从大语言模型到高阶辅助驾驶系统，越来越多的企业把宣传点放在花了多少成本，使用了多少算力训练模型，大有一种“算力为王”的趋势。然而，高昂的算力成本是绝大部分企业都难以承受的。幸运的是，除了算力的提升，我们还可以选择算法效率提升这一条道路。最近刷遍社交网络的Deepseek最吸引人的便是开源以及低廉的部署成本。据开发者的尝试，在本地部署基础的Deepseek 7B5模型只需要4,000元人民币左右的硬件成本，而部署能满足企业服务的Deepseek 70B模型的硬件成本不到100,000元人民币，同时本地部署还能保证企业数据的隐私性。可以说，算法效率的提升以及开源共享，极大程度提高了中小企业引入AI的可行性。即使只考虑已有算法和模型的应用，不考虑研究更高效的算法，引进AI方面的专业人才、对开源模型和算法进行针对性地调参调优，也可以让AI对企业进行有效的赋能。
另一方面，AI的高速发展也使得法律法规的制定出现了一定的滞后性，这也是企业不得不考虑的问题。例如，尽管自动驾驶汽车的概念已经火热了超过5年，汽车自动驾驶能力的等级划分标准仍不明确，责任归属和法律地位尚不明晰，需要等待完善。面对这种不确定性，中小企业管理者可能担心投入技术研发后，由于政策障碍无法顺利商业化。据一项针对小企业的调查显示，有50%的业者将政府监管的不确定性视为采用AI的主要顾虑之一6。对于这样的政策和监管挑战，企业应及时跟进行业动态和政策动向，积极参与行业协会和标准制定讨论，发出自身声音。同时，也可设立相关团队或咨询顾问，确保产品和服务设计满足当前法规要求，并预留弹性以适应未来政策调整。
综上所述，AI赋能正成为智能交通系统发展的强劲驱动力。对于企业而言，拥抱这一数字转型趋势将带来多种可能：通过AI缓解交通痛点，可以创造巨大的社会和经济效益，运营效率提升、成本下降、安全与可持续水平的提高都为企业提供了前所未有的机遇。同时，我们也必须清醒地认识到其中伴随的技术投入，政策合规等方面可能存在一些挑战。
参考文献：
[1] 王卉彤, & 刘传明. (2020). 中国100个城市交通拥堵的空间格局研究. 财经研究, (1), 62–72.
[2] Keymakr. The Future of Mobility: AI in Automotive & Transportation, 2023
[3] Bipartisan Policy Center. Small Business and AI: 2023 Poll Results, 2023
在此感谢InnoHK、香港特别行政区政府及人工智能金融科技实验室（AIFT）对本文的支持。
（AIFT竭力但不能保证内容之准确和可靠，亦不会承担因任何不准确或遗漏而引起的任何损失或损害。 )
- 王卉彤, & 刘传明. (2020). 中国100个城市交通拥堵的空间格局研究. 财经研究, (1), 62–72. ↩︎
- https://www.fortunebusinessinsights.com/zh/autonomous-vehicle-market-109045 ↩︎
- 智能驾驶系统和相关设备，使得汽车自动紧急刹车系统（AEB）的准确性和可用范围大幅度提高。 ↩︎
- Keymakr. The Future of Mobility: AI in Automotive & Transportation, 2023 ↩︎
- 参数规模（B = Billion/十亿）代表模型的复杂度和学习能力，参数越多，通常理解和生成能力越强。 ↩︎
- Bipartisan Policy Center. Small Business and AI: 2023 Poll Results, 2023 ↩︎
