用AI大模型打通城市治理“最后一公里”

■ 深圳特区报记者 李丽

“泥头车遗撒问题真让人头疼，有没有科学的解决方案？”去年5月，深圳天健城市服务有限公司带着这一需求找到深圳理工大学时，谁也没想到，这一句话需求将成为持续一年的技术攻关的起点。

在“政府指导、国企牵头、高校合作”的协同创新模式下，深圳理工大学计算机科学与人工智能学院助理教授韩瑞泽、李朝率领团队接下了这道“产业考题”。师生们以“视觉大模型+大语言模型”的多模态融合技术为底座，围绕泥头车遗撒治理与公园智能化管理两大场景，开展算法研发与系统构建，最终交付了一整套可部署的AI处理后台，并在试点场景中完成技术流程验证，实现项目顺利结题。

破题：从“一句话需求”到“可落地方案”

“团队首先要把‘泥头车遗撒’分解成可量化、可实施的技术指标。”李朝坦言，深层难点在于，AI系统不仅要实现视觉层面的目标检测与事件识别，更要完成认知层面的语义理解——即“读懂”其背后复杂的法律法规与行政流程，将其转化为“发现遗撒后该由哪一责任主体处置、依据何种规范处理、遵循怎样的闭环流程”等一系列标准化、可执行的行为决策。

破局关键在于技术路线“升维”。该团队未沿用传统计算机视觉（CV）的技术路径，取而代之的是多模态大模型架构：以视觉编码器感知物理世界的时空信息，以大语言模型承载世界知识与规则推理能力，通过跨模态对齐与融合，使AI系统对开放场景中的未知目标与复杂事件具备“零样本”或“少样本”的外推与泛化能力。

“针对泥头车遗撒场景，系统可自动识别问题路段，基于内置的法规知识库研判责任归属与处置流程，完成闭环处理后向终端反馈结果，并自动生成整改评分与结构化报告。”李朝介绍，目前整套系统已完成内部技术流程贯通，并在公园及泥头车相关道路场景中完成实地测试与性能验证。

攻关：一场走出“实验室”的“双向奔赴”

今年，项目正式结题。团队交付给企业的不是一篇论文，而是一整套“API系统”——一个可部署的AI处理后台，更是一套可落地的“工程解”。

韩瑞泽介绍，项目启动初期，深圳理工团队几乎每天都要从光明区驱车一个多小时赶往福田区，与企业工程师、产品经理、场景需求负责人开会讨论、反复论证，连续几周连轴转，直到在磨合中达成技术路线与阶段性方案。

回顾一年来的工作，校企双方都有着相同的感受：这不是“甲方提需求、乙方做交付”的外包，而是“联合攻关、共同迭代”的协同创新。从数据采集与清洗、模型训练与调优，到系统开发与集成、技术文档撰写与交付，每一个环节都嵌入了双方的深度参与。

布局：当高校科研遇上大湾区“产业雨林”

当大模型企业席卷市场，高校AI团队做横向项目的独特价值在哪里？两位老师给出了清醒的思考。在李朝看来，“高校做前期技术攻关，企业做工程化实现，更利于取长补短。”韩瑞泽认为，高校拥有不可替代的“双重特质”：一是愿意“扎”进具体场景做针对性突破，能在企业“算不过账”的细分领域啃下硬骨头。二是敢于承担探索性任务，避免“试错”给企业带来的风险与压力。

在韩瑞泽和李朝的眼中，大湾区尤其是深圳，正是AI应用实践的绝佳场域。这里不仅拥有全球最完整的智能硬件产业链和上下游配套，更集聚了从智能制造到智慧城市、从低空经济到精准医疗的丰富应用场景；先行示范区的制度优势与产学研深度融合的创新生态，让技术从实验室到产业化的路径被压缩至最短。当“源头创新”遇上“产业雨林”，校企“牵手”的每一次深耕，都能在这片土壤中找到最适配的落点。