根据一份来自Navigant Research的报告显示,智能城市技术是一个蓬勃发展的行业,预计将在未来10年翻一番。
该报告表示,全球智能城市技术收入将从今年的880万美元增长到2023年的275亿美元,全球越来越多的城市采用智能城市技术实现可持续发展目标,对东当地经济和改善服务。
在无线通信、传感器网络、地理空间分析、移动计算、数据分析和云计算等领域的发展,将有助于解决能源管理、水管理、城市流动、街道照明和公共安全等问题。
Navigant Research研究总监Eric Woods表示:“信息和通信技术正在深入快速扩展城市的新技术设施中,深度嵌入到城市结构中,深刻改变城市运转的方式,以及人们在这些环境中生活和工作的方式。城市领导人们正在利用这些创新实现可持续发展目标,促进当地经济和改善服务。”
智能城市最大的市场驱动力就是城市人口增长。据联合国统计,2010年到2050年期间,居住在城市中的人口数量将从36亿增加到63亿,随之而来对这些技术的需求,将帮助城市控制服务成本。
Navigant Research的报告探讨了全球智能城市市场的演变情况,详细介绍了关键技术市场的影响,包括智能电网、水管理、交通运输、建筑节能和政府服务。
该研究还对比了智能城市的不同方法,并提供了每个主要世界地区值得注意的智能城市项目的综合概述。对智能城市行业和地区细分市场的智能城市技术规模和增长的预测将延续至2023年。
该报告还研究了智能城市的重要市场动因和挑战,以及竞争格局。
预计最大的区域市场是亚太区,该地区的智能城市技术预计到2023年将达到113亿美元的规模。
北美洲的城市预计将在减轻气候问题以及更新核心基础设施方面起到重要作用。
欧洲的城市预计将在满足该地区环境、经济和社会目标方面起到类似的领导作用。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。