GAITC智能传媒专题｜方毅：让数用好，把数用好

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

　　“变量激荡 增量涌现”。6月23日，由中国人工智能学会主办，CAAI 智能传媒专业委员会、中国传媒大学数据科学与智能媒体学院、媒体融合与传播国家重点实验室、新浪新闻承办的2024全球人工智能技术大会·智能传媒专题活动在杭州拉开帷幕。每日互动股份有限公司董事长方毅受邀出席并发表主题演讲，分享了公司通过大数据与人工智能赋能产业创新和城市交通管理的最新实践。

　　核心观点：

　　数据智能与人文含义：数据智能不仅要用数据计算数据，更要理解数据背后的人文含义，实现更深层次的洞察。

　　AI赋能数智营销创新：基于数据智能与大模型计算，实现了品牌用户无种子建模。通过自然语言对话即可快速生成目标投放人群，极大简化了营销流程。

　　数智绿波助力城市畅通：每日互动通过千亿级数据训练及数据智能算法演进，优化原有交通信号灯配时方案，显著提升车速和通行效率，促进城市繁荣。

　　以下为演讲实录

　　上一次我在这个会场做过一个分享，讲的是数据的人文含义。到了现在，在大量数据的投喂下，大模型已经能够讲出富有人文含义的自然语言。这也是我们一直在思考的，如何让大数据突破“数据计算数据”，理解每个“数据异常”背后所包含的人文含义。这是我们公司非常重要的能力，使得我们在很多领域有所建树。

　　以前，我们做营销使用的是“数智营销五步法”，但是难在“巧妇难为无米之炊”。比如帮助品牌去做广告的时候，必须先有品牌的“种子用户”，然后再在每日互动的大数据池子中去洞察，找到“种子用户”高出全量人群20%以上的特征，进行建模-投放-归因。

　　所以能否无种子建模？我们基于自身的大数据能力，建模出了1万个品牌的用户画像。这之后我们做了两个关键步骤。一个是基于建模，找到该品牌用户在每日互动数据池中50个左右关键词的词云，以这些词云的浓度大小来覆盖和描述这个人群。同时我们也从目前主流的大模型那里“问答案”，比如问出喜欢喝蒙牛某一款牛奶的人群是什么样的，并让大模型从某些角度来进行描述。大模型也能给出50来个词，但是跟建模出来的50个词不同。

　　这里就会涉及人工智能最关键的一个知识，叫“共生即关联”。既然这50个词跟另外50个词同时描述一个对象，它们之间肯定存在某种关系。我们就把两列描述词组编织在一起形成2500条线。1万个品牌就形成了2500万条关联的编织。在这个基础上，我们推出了自己的“AITA智选人群工具”，实现了用AI定向TA（AI-Targeting Audience）。现在，只要通过简单的自然语言对话，品牌主就可快速、自助式生成符合需求的目标投放人群。整个过程，以前可能要请机构调研三个月，要做100页PPT，现在3秒钟就自动生成了。

　　再和大家分享一个我们“数据智能，跨界赋能”的案例。疫情后杭州的车辆增加了40%。现在，杭州的地面道路通行也还是不限号的。在这种情况下车速反而提升了25%。车增加了40%，到现在不限行增加了25%，同时提速25%，所以1.4×1.25×1.25。也就是杭州现在的通行效率几乎翻倍，而且在几乎“零成本”的情况下。那么我们是怎么做到的呢？

　　首先做数智交通，必须要感知每一个车道、每一个相位的车流量。之前基本上依靠硬件。后来王坚院士提出来，全世界最远的距离是摄像头跟红绿灯之间的距离，希望用视觉智能把车流量计算出来。但是无论哪种方案，几乎一个路口都要花30万—80万的成本。更要命的是，平均每年会有10%—20%的传感器坏掉，维护成本很高。但是2021年之后，大量的新能源车和智能网联车上市，40%的在途车辆具有蓝牙跟WIFI。我们通过深度数据挖掘，就可以“零成本”算出每一个路口的状况，即四个相位每一天的车流量和每一个方向的车辆比。

　　大家知道，最恨的并不是道路拥堵，最恨的是明明对向没有车，还让我读秒。因此，如果要在降低绿灯配时最小必要周期的同时实现绿波带，精准切片和精准配时就非常重要。在我们之前，杭州的某一个路口交警在白天和晚上分别给绿灯配了2个时长，白天用140秒钟配一个路口，晚上压缩到100秒。而通过我们的产品配出来是133秒、127秒、121秒，有更多时段。事实上，1到3秒钟就可以过一辆车，几个时机积累下来车道就会有溢出。这样数据智能就可以赋能信号灯精准配时，提高道路通行效率。

　　另一方面，我们认为车流同样也符合波粒二象性。在路口看车是粒子，在空中看车是波；白天是波，夜里是粒子。基于这个思考，我们用数据生成了绿波自动配时方案。以前一条绿波做完之后，比如文二路、文三路是单行线，而且绿波导致学院路、莫干山路这些路被截断。现在是全部恢复双向通行，让临街店面能够繁茂起来，同时横竖都是绿波带。这就是数据智能在交通管理里面，以极低成本实现了极高的效率提升。

　　目前，我们在交通信控系统中用得较多的还是澳大利亚的SCATS系统，它要人工写脚本才能够把这个配置方案写下去。现在我们用人工智能去写脚本，那些脚本在大模型预训练下非常简单；写完之后自动安装进程序里；最后一步让交警点确认键，确认之前我们做好预测。交警只要做价值判断，不用做太多的技术论证；点完之后又可以闭环监测，所以整个效果非常好。

　　那么过程中，我们主要用了哪些人工智能的方法呢？第一步，我们是用了1000亿条数据进行训练；中间把这些训练的数据经过强化学习之后，推导出整个方案。之后我们有了一个物理引擎，用波粒二象性的想法来做交通仿真，在下发的时候用了RPA，用了AI Agent，而最后是闭环监测这些技术。没有那么高深，但是非常实战。所以我们用了50天时间，把杭州400多公里的绿波带全部做完。后来碰上了亚运，亚运组委会过来说：杭州想要向全世界“炫一下”我们如何做到精密智控。所以我们又与有关部门一起研发了“亚运数字专用道”。而这些车道，杭州全程只启用了0.8%的时间，保障了1万次、4万辆车次的赛事车辆100%准点到达，但是99.2%的时间亚运专用道与老百姓共享。所以很多人以为亚运专用道坏了，从来没有启用过，因为他没有碰上那0.8%的时间。这就是杭州向全世界“炫了一个技”。

　　谢谢各位！