“看得懂、管得快”，多模态大模型首次赋能全域城市治理

极目新闻记者 黄永进

2025年全球数字经济大会上，北京市联合40余个国际伙伴城市成立全球数字经济城市联盟，围绕数字基建、跨境数据治理等议题，搭建跨国协同平台，助力全球城市发展。作为大会东道主，北京市在智慧城市建设领域持续深耕，众多人工智能赋能行业发展的创新实践竞相涌现。其中，多模态大模型在北京市经开区城市治理场景中的首次应用尤为瞩目，百度智能云“视频大模型全域智能训练赋能城市治理”案例成功获评“北京市人工智能赋能行业发展典型案例”，展示了技术创新与城市治理的深度融合。

多模态大模型助力城市治理由人治向智治转变

当前城市治理中，“治理问题多、服务人员少、管理成本高”的痛点普遍存在，成为阻碍城市治理体系迈向更高水平的现实瓶颈。北京市经开区作为城市治理与科技创新的前沿阵地，在赋能城市治理民生服务领域成效显著。

针对辖区内各委办局对城市智能化治理的共性需求，2024年北京经开区营商环境建设局作为北京市智慧城市场景创新需求清单（第一批）场景开放单位，开放城市治理场景需求，期望建设基于大模型技术的城市影像视频智能分析场景，重点攻关大体量视频综合分析技术突破及工程化应用，并率先在城市治理事件领域开展技术应用试点验证。

百度智能云作为场景承接单位，率先将视觉多模态大模型技术应用到城市治理场景中，通过视频感知体系和算法仓的“软硬解耦”架构，构建起基于多模态大模型的视频解析中台，实现了城市治理智能应用技术新突破。

北京市经开区依托百度智能云泛政多模态大模型构建起全流程智能化治理平台，通过精准算法分析，提取四千余种城市治理要素的结构化数据，将视频转化为动态事件流与数据流，实现城市治理问题的智能发现预警，自动立案追踪，案件审核结案，赋能城市治理问题处置提效，为城市治理从人工主导转向智能辅助研判提供技术支撑。

目前，该平台已接入北京市经开区全域视频，实现了对亦庄区域内百余种城市治理场景的全天候巡检，事件预警信息对接经开区治理链平台，治理问题智能流转，辅助城市管理相关部门进行城市治理精细化、常态化、智能化监管。平台上线以来在多个场景中展现出实战能力。

4月，全球首个人形机器人半程马拉松赛事在北京市经开区举行，平台在大型活动保障中发挥了关键辅助作用。工作人员利用少量样本图片，快速训练出 “铁马倒伏” 等临时特殊算法，随后对沿线七百多路摄像头进行灵活配置，成功实现了对重点区域的智能监控。这一举措有效辅助了保障人力的精准调配，确保了活动期间各项秩序井然，为这次活动的顺利举办提供了坚实的技术支持。

6月，北京全市进入汛期。在防汛应急响应工作中，面对上千路视频防汛点位，平台能够实现分钟级检索，迅速识别并筛选出积水点位，还能根据积水程度进行分级预警。预警信息通过京办系统及时推送至城管部门，为相关部门快速开展应急处置工作提供了精准依据，大幅提升了防汛应急响应效率，为城市安全度汛筑牢了科技防线。

针对城市管理中的诸多顽疾，平台在社会治理攻坚方面表现优异。面对黑车整治、无照游商、沿街晾晒等频发问题，平台中定制了五十余种视频识别算法，实现全域全天候智能巡检。自上线以来，平台已辅助政府部门累计办结典型事件百余起，显著提升了非现场监管效能。

在城市部件巡检工作中，平台同样表现出色。通过在全区重点点位部署视频算法，并结合移动巡检设备，平台针对道路开挖、道路遗撒、树木倒伏等事件进行智能巡检，实现了城市基础设施全天候、全覆盖监测，为城市基础设施的安全稳定运行提供了可靠保障。

应用大模型进行非现场执法成为城市治理新趋势

随着大模型与行业数据的深度融合，视觉智能技术将在政务等领域持续释放价值，推动城市治理迈向更精准、更高效的新高度。百度智能云泛政多模态大模型，支持零样本执法任务定义、指令式视频调阅、智能化告警分析功能赋能非现场执法管理工作，正驱动城市治理从人工巡查转向智能视觉研判。

相比传统“小模型”的一事一模型，百度泛政多模态大模型场景覆盖面广、理解力强、训练成本低。新场景能力拓展的开发周期可缩短70%、节省50%以上标注人力，提升场景拓展效率，快速响应客户定制化场景需求。面向城市中的高频事件，大模型平均识别准确率在90%以上。此外，泛政多模态大模型支持将大参数量模型蒸馏至小参数量模型，满足不同频次、性价比需求。

据悉，百度智能云泛政多模态大模型已在北京市、内蒙古鄂尔多斯等数十个城市的城市治理场景中落地，其多模态感知与智能执法辅助能力正深度重塑城市治理逻辑。这种非现场执法模式的普及，破解了传统城市治理中“人力不足、取证困难”等业务难题。随着大模型对复杂场景的理解能力持续进化，未来城市治理将逐步迈向更高效、更精准的新阶段。

（来源：极目新闻）