距離展會開幕還有:
0天 0時 0分 0秒
0天 0時 0分 0秒
2025年，交通大模型的建設推進動作頻頻。僅在8月中旬就迎來兩項重要進展：13日，京雄高速公路河北段面向運營全業務場景的大模型體系正式上線，構建了施工規范智能監管、智慧設備智能聯動、交通信息AI報亭、跨車型逃費智能稽核等6個大模型拓展應用場景；16日，交通大模型創新與產業聯盟在北京正式成立，聯盟在交通運輸部指導下組建，由中國交通建設集團擔任理事長單位，首批單位共55家，這標志著綜合交通運輸大模型建設從分散探索邁向協同共建的新階段。
推動進展
從概念探索到場景落地 今年以來，國家大力推動人工智能與實體經濟深度融合，加速大模型在垂直行業的落地應用，截至目前已有多個交通大模型發布。 2月，廣西交科集團有限公司基于DeepSeek-R1自主研發的交通領域垂直大模型——“科寶”正式發布。該模型深度整合了高速公路建設、管理、養護、運營及服務全業務流程，實現了數據庫信息的智能查詢、專業規范的精準檢索以及養護決策的智能推理等核心功能。 3月，陜西交控集團、山東高速集團、江西交投集團、河南交投集團、安徽交控集團、內蒙古交通集團等六省份交通企業聯合發布了“經緯交通大模型”。該模型具備行業知識深度融合、全鏈路決策優化、安全可信賴體系等三大核心能力，旨在通過構建“四位一體”的模型能力框架，解決交通AI場景構建能力分散、通用大模型行業適配不足、技術標準不統一、數據要素價值挖掘不充分等行業難題，為行業提供高效、專業的智能化服務。 5月，中城交（上海）科技有限公司發布上海首個交通領域多模態大模型——通達大模型。它具備兩項核心能力，一是擔任“專家顧問”，為管理人員提供專業知識服務；二是輔助交通組織管理，通過視頻監控和物聯網設備，敏銳捕捉每個路口的車流量變化、周邊道路的通行態勢，在極短時間內完成海量數據模擬，精準制定交通信號優化方案。 6月，寧波交警攜手大華股份正式發布交管行業實戰AI大模型——寧波交警“鷹智”大模型。“鷹智”大模型構建了“通識問答+知識中樞+智能問數+以文搜圖”四維賦能體系，助力寧波交警在法規檢索、警情分析、數據研判、精準查緝以及事故追逃等場景實現高效應用。值得一提的是，寧波交警與大華股份創新研發了融合智能體，將具備差異化能力的不同智能體進行入口統一和自動協同，通過智能拆解與跨模塊協作完成復雜任務，實現自然語義下復雜交通問題的“一站式”解決。 方案構建 算力 算法 數據 總體架構圖 大模型總體架構如上圖所示。基礎大模型通過大量通用數據集預訓練，掌握多場景數據的豐富結構和模式，具備處理多種基礎任務的能力，確保模型使用的廣泛性和通用性。一般基礎大模型建設包括自然語言基礎大模型和視覺基礎大模型。自然語言基礎大模型覆蓋政務、金融、法律、傳媒、交通、信息技術、工程制造等領域的通用知識，并具備文本生成、問答、閱讀理解等基礎技能。視覺基礎大模型具備圖像分類、物體檢測、實例分割、語義分割、姿態估計、目標跟蹤、異常識別、視頻分類的基礎能力。通過基礎大模型，結合行業專業知識和細分任務場景專有知識，支撐上層交通大模型和場景大模型。 交通大模型基于基礎大模型，通過深度學習和模型訓練，整合交通相關的專業知識如交通法規、交通報告、用戶反饋、媒體評論等，以實現對交通行業知識的理解和任務的專業化處理。在交通行業大模型具備的專業知識基礎上，基于特定業務場景的專有任務和數據需求，通過深度調優訓練得到場景模型。基于場景模型，聚焦對專項任務的賦能支撐，如交通運行監測、應急保障、養護科學決策、經營分析、道路養護、橋隧養護、辦公OA、報告寫作等。 北京交科公路勘察設計研究院有限公司信息化分院高級工程師李照彬[1]表示，大模型核心要素包括算力、算法、數據，在構建過程中需要考慮數據集建設、模型訓練、知識庫建設、意圖中控等。 算力部署。大模型的訓練和推理需要強大的算力支持。目前，算力分為訓練算力和推理算力，訓練算力需求高，推理算力門檻較低。企業可根據需求通過云端或本地部署大模型，云端部署雖便捷但存在數據安全問題，而本地部署雖成本高但能提供更好的定制化能力。 數據集建設。數據是大模型效果的基礎，典型的數據集建設流程包括數據采集與清洗，脫敏、去重、糾錯、格式統一；數據加工標注通過人工或半自動方式形成標簽數據、QA數據、COT數據，采用多種方式擴充數據集規模和多樣性，保障模型的通用泛化能力的同時提升模型的專業能力；數據持續優化，在使用過程中收集用戶訪問方式，持續更新，提高效果。 模型訓練。模型訓練分為多個階段：預訓練讓模型掌握基礎語言規律；繼續預訓練在交通領域數據上深化專業能力；監督微調（SFT）針對具體任務優化模型表現；強化學習（RL）通過獎勵機制提升決策能力；指令微調則讓模型精準響應用戶命令。 模型訓練示意圖 知識庫建設。通過檢索增強生成（RAG）技術，從外部知識庫動態獲取相關數據，增強生成結果的準確性和可溯源性，可減少大模型的“幻覺”問題。然而，知識庫建設面臨無法全面總結信息、數據質量要求高和需要大量數據審計的挑戰，可通過優化提示詞工程提升模型輸出的準確性和實用性。 意圖中控。對智能問答、數據查詢、簡報生成等不同需求的語義理解，將不同場景問題進行初步控制篩選，匹配不同任務流，實現意圖驅動的動態響應，通過大模型實現精準解析與多輪對話管理，避免傳統關鍵詞檢索的局限性；智能化任務編排結合語義搜索與API調用。實現“查詢－決策－執行”閉環（如“檢索庫存→生成調撥指令→聯動調度系統”）。 支撐軟件。大模型構建還需要基礎支撐工具。模型資源管理軟件主要包括大模型開發平臺門戶、用戶工作空間管理、用戶空間資產管理及基礎大模型調測等功能。API網管軟件對外提供API服務，支持HTTP、HTTPS，websocket訪問；支持API注冊、授權、測試的全生命周期管理；支持API的監控統計和分析。模型數據處理軟件專注于自然語言大模型訓練所需語料的開發。向量化處理軟件用于專注于增強自然語言大模型的搜索能力。意圖中控軟件主要用于通過對智能問答、智能問數、簡報生成等不同需求的語義理解，將不同場景問題進行初步控制篩選，匹配不同任務流。
發展趨勢
從 “智能化筑基期”到 “智能化躍升期”
2025年6月，中國公路學會與東南大學牽頭聯合編制的《公路行業人工智能技術發展路線圖》[2]（以下簡稱《路線圖》）正式發布，明確指出了公路行業AI大模型的發展趨勢與路線。
《路線圖》指出，公路行業AI大模型發展趨勢包括S0：傳統 AI 階段（對應OpenAI早期單一任務模型階段）；S1：大語言模型階段（對應OpenAI L1:Chatbot）；S2：多模態智能體+具身智能階段（對應 OpenAI L2:Reasoner+L3: Agent階段）；S3：通用人工智能（AGI）階段（對應 OpenAI L4:Innovator+L5:Or ganizer階段）。
公路行業形成涵蓋大語言模型、多模態大模型、具身智能+多模態模型的AI大模型技術圖譜。《路線圖》中認為，大語言模型近期成熟度“中”，已落地政務智能化、規劃設計優化等領域，中期及遠期成熟度“高”，其高效推理技術可優化路口通行效率。多模態大模型近期成熟度“低”，中期“中”，遠期“高”，在復雜系統協同與全生命周期管理中潛力大，如助力交通基礎設施智慧養護。具身智能+多模態模型處于探索期，近期和中期成熟度“低”，遠期“中”，在物理世界交互、全域感知仿真中具前瞻性，有望支撐全域路網運行監測。
圖片來源：《公路行業人工智能技術發展路線圖》
《路線圖》還指出，公路行業 AI 大模型技術路線圖，未來十年將分為 “智能化筑基期”（0～5年）與 “智能化躍升期”（5～10年）。
在智能筑基階段，核心技術圍繞交通大模型的高效落地和協同計算架構展開，賦能智能審批、仿真自動化、風險主動預警、設施智慧運維等關鍵場景，提升決策精準度與運維效能。
進入智能躍升階段，技術聚焦系統級復雜問題與環境自適應控制。具身智能成熟及云端智能等協同，催生“多模態交通流感控一體化”等應用，使交通系統具備閉環能力，實現從“工具智能”向“系統智能”“生態智能”進化，推動交通向“智慧有機體”轉型。
總體來看，盡管面臨數據孤島、算力瓶頸、行業標準不統一等現實挑戰，2025年的交通大模型發展依然展現出創新活力。值得注意的是，大模型不是替代人類的“黑科技”，而是賦能行業的“新工具”。未來需要進一步明確哪些應用場景可以通過大模型實現優化和創新，哪些通過輕量化部署就可以解決關鍵問題，從而更好地利用大模型技術賦能交通運輸未來發展。
*文章來源于中國交通信息化