造就第331位讲者 崔晓波

• TalkingData创始人&CEO

今天跟大家谈两个词——城市，数据。

首先，我们来看一组数据。

截至去年，中国活跃的移动手机数量已经将近13亿部。手机已成为人类生活习惯的一部分。

其次，可穿戴设备飞速发展。有将近4千万人日常佩戴着可穿戴设备。

再次，物联网设备同样在迅速发展。

所有这一切都使得数据的体量、维度呈现指数级的爆发。

数据多到什么程度呢？

中国一年内产生数据的体量是350亿EB。也就是说，如果我们把这些数据存在1T一块的硬盘里面，这些硬盘可以铺满中国960万平方公里的土地，尚有剩余。

这才是大数据！

我们平时经常会把这些数据与传统的数据概念混在一起。事实上，只有呈指数级增长的数据才能称之为“大数据”。

建一座数字城市，研究这个真实的世界

随着大数据的体量、存储量、维度的高速发展，我们的计算能力同步提升，逐步产生了智能。

此时，一个问题摆在我们面前。那就是，随着数据体量的增加、算力的增长，我们看待世界的角度会不会发生变化？

我认为，我们看世界的角度将从实体物质化转化为数据虚拟化。

这句话有点抽象。

我先给大家讲一个故事，让大家更容易理解。

去年我去美国参观了很多无人车的企业。我去到谷歌旗下Waymo公司的主要实验城市——凤凰城，还参观了它的实验基地。意外发现每个研究员面前都有两块屏幕。其中一块屏幕上贴了一张纸条，上面用红字写的英文simulation，翻译过来叫模拟。

对此，我很好奇。于是，我就拍拍旁边一个研究员的肩膀问：为什么你要贴这个纸条？

他说：以前我们是不贴的。但是后来，我有时候我分不清楚哪个是真实世界，哪个是我们用数字模拟的世界。在我眼中，它们好像看起来已经差不多了。

Waymo无人车在虚拟世界中进行测试

为什么像谷歌这样的顶尖公司要做数字模拟的世界？

拿无人车来说，谷歌，花了十年时间，积累了大约400万英里的路测数据。而特斯拉，每年只能收集100万英里左右的路测数据。

但是，要实现无人驾驶，大家知道需要多少路测数据吗？

至少一亿英里。

按照现在这个速度是完全不可能的。

那怎么来解决？

他们就开发了一套模拟系统，把凤凰城每一个建筑物、每一条道路，甚至每一棵树木、障碍物都数字化了，形成了一座数字城市。

在这座模拟城市里，会用很多无人车的模拟程序在“跑”，一天时间就能积累100万英里的路测数据。

现在，无论是研究城市，还是研究别的商业问题，慢慢地已经不需要在实体世界里做了，都可以把它们放在数字世界里去研究。利用增强学习的方法，加速AI对世界的理解，并产生对世界的反馈。这将是未来所有的行业都必须经历的一个阶段。

将居民重新分类，新的城市规划便诞生了

我们想象的城市是什么？是钢筋水泥的建筑，还是休闲之地？

其实，城市并非冷冰冰的，也不是静态的，而是像脉搏一样时刻跳动着。

现在的城市规划与之前最大不同是什么？技术让我们可以实时看到城市中的变化，使得动态响应的模型成为可能，而看待城市的方法也会随之改变。

这是一张北京城区图，里面主要有两种颜色：红颜色表示高收入人群，蓝颜色表示低收入人群。

这是非常传统的研究城市方法，源于18世纪工业时代。那时候资源非常匮乏，属于中心型的供给，因此在很多城市中产生了金融街、CBD等等。

实际上，这种城市结构会造成非常大的交通压力、配套设施压力、教育设施的压力等等。

这种模式肯定是无法适应未来城市的。

仔细观察这张图会发现，在北京这样人口密集的城市里，其实已经出现了一些问题。

这个现象我们叫“时空折叠”。

什么叫时空折叠？

就是不同收入层次的人，虽然在同一座城市生活，却因为生活习惯、工作性质、作息时间等种种原因，鲜有机会有所交集、发生交互。而一个真正有活力的城市，需要不同层次的人频繁交流与交互。这在理论上早已经被证明了。

时空折叠会带来各种安全的问题、贫富分化的问题、相应设施配给等等各种各样的问题。

那么，有没有方法能够来解决这个问题？

我们在北京做了一些实验。目前，北京的常住人口将近2600-2700万。我们采集1000万居民的数据。这些数据包括他们在线下所有行为、位置和轨迹的数据以及线上所有行为、访问习惯、访问网址的数据。

通过大数据的方法，我们尝试将人群重新分类，而不仅仅是像过去那样，简单地按照收入结构或者白领蓝领划分。

当我们用机器学习、矩列的方法细分时，会发现很有意思的事情。你会发现在大城市，所有人群的习惯已经改变了，不再以朝九晚五上班族为主，出现了一些新的群体。

这些新群体的名字实际上是我们取的。

比如“居家深宅幸福奶爸”群体。他们每天待在家里，玩游戏、关注母婴类产品，经常收快递。这群人的比例并不低。

还有我们称之为“城市自由工”的新群体。这个群体的诞生是由于共享经济与外卖快递行业的发展，让城市中出现很多自由职业。他们大部分住在远郊区县，每天通勤距离非常远。整天都待在室外，且在城市里活动范围特别广泛。

还有一类“年轻文艺的买买买的女性”人群。她们经常关注化妆、购物信息，热衷出入演出场所。

慢慢地，人以群分的基础真的出现了。未来会按照人的生活轨迹、活动习惯、生活方式去划分。大数据不再是冷冰冰的，而是以人为本，反映人的生活习惯和个性特征。

怎么样才能让这些人在城市中活得比较舒服、比较爽？

我们做了名叫“city lens（城市透镜）”的新系统，经由传感器，把城市里的人、物、街道及公共设施等数据收集上来。

但这些都是静态的数据，不是最关键的。关键在于，我们用这些数据建立起一个立体的城市响应模型。

图中红色部分是北京国贸的中国大饭店。

可以看到我们重新划分的那七类人群的活动频率、活动习惯以及他到底何时会出现在这里。

基于这种新方法，我们对未来城市的建设思路会截然不同。未来城市不是中心供给，而是我们针对这些人群的聚集地，重新规划城市里的资源。

不再是这里建一个金融街，那里规划一个CBD，另一处是大学区。而是这些都融合在一个区域里面。

只要有人群聚集的地方，就需要配备一个类似新加坡邻里中心那样的社区中心，解决所在居民的所有学习、工作、生活问题，让他们享有足够的基础设施，并减少通勤时间。

这就是我们研究未来城市如何建设的新方法。

数据应该取之于民，用之于民

我们发现光研究人的行为远远不够。尽管太多的政府与企业很在乎大数据所反映的人的行为。但我们发现人的行为一点都不重要，重要的是行为背后的心智。也就是他为什么要做这件事情？他为什么是这样的生活习惯？

这是我们与MIT的Media Lab（媒介实验室）合作的一个项目。我们用乐高搭起了一座“模拟”城市，这实际上是一个数字化模拟系统。

这个系统用来干什么？它曾在法国巴黎用来实现与市民的交互。

我最近看了很多中国的智慧城市项目，觉得大家的思路似乎都还局限在管理、监管、洞察等方面，但我觉得这不是未来的智慧城市。

真正的智慧城市，是在它想改变交通设施规划或者新建一幢建筑物时，听证会是由市民高度参与的。不仅有市长、规划部门站在哪儿，还会有市民站在旁边。

参与者可以拿一个乐高说，我想把这个建筑物移到那个位置去。我想把这个商业写字楼与那个住宅地产换换位置。而每次的调整，模拟系统会重新算出新的数字。

例如，当地的通勤指数会因此变成什么样，会不会产生新的拥堵？房价会不会升高？消费指数会不会下降？这才是未来市民非常关心的事。

我们看到一些先进的城市的规划与建设，往往是回归本质的，是以人为本的。

为了深入研究，我们又做了一些研究项目。其中较有代表性的是北京的大栅栏规划。

大栅栏位于北京的前门，是非常有名的旅游区，做设计的人特别喜欢去。

大栅栏中间有一条街叫杨梅竹斜街。左边的图与右边的图，布置完全不一样。左边是政府的规划，是把这块区域全部推平，建了一些高大上的商业区，入驻很多所谓的老字号；右边没动，全是四合院、老城区、老胡同。

从热力图上，我们可以清楚地看到，白天的人流全都去了老宅区和四合院，没有人喜欢去那些规划出来的高大上商业区。

于是，我们就做了一个实验，开发了一款游戏。让杨梅竹斜街的居民像搭乐高一样，按照自己的想法摆放各种建筑物。

不同的颜色代表不同类型的基础设施，例如餐厅、便民设施、小卖部。大爷大妈甚至小孩都过来做游戏。

结果特别好玩。你会发现当地居民非常有想象力。他们的摆法我们都想不出来。但是，你最终会发现居民设计的社区比规划部门设计得更合理，更贴近他们的生活，贴近社区的本质。

如果大家有机会去杨梅竹斜街，可以看到许多四合院放了很多很先进的设备，为的是让当地居民感受美好的生活。

这就是我们所说的人本数据。也是为什么做城市规划必须以人为本的原因。

我们要回归到城市和数据的本质。数据应该取之于民，用之于民。

做“正直”的数据公司

七年前我们创业时，几个创始人坐在公园里，一直在想如何将数据做到极致？它到底能解决什么问题？

当时，我们总结了两句话。

第一句是，数据会改变企业的决策。越来越多的中国的企业不会只靠拍脑袋、靠直觉、靠官职大小、靠嗓门高低来决策，而会用数据驱动的方法创造商业价值。

第二句是，数据将会改变人类的生活品质。这是我们的一个初心。大家已经看到数据与城市一旦结合，力量强大到足以改变城市的规划与市民的舒适度。

上个月，我与英国前首相卡梅伦探讨了人工智能这个话题。我说，现在很多人工智能的程序已经能改变选举的结果了，你们这些政治家会不会觉得以后要失业了？

卡梅伦听后特别激动。就此，我们探讨了好久，最后一致觉得，有一个东西其实是人工智能无法具备的，那就是integrity，正直。

因为人工智能是没有人性的，它既可以作恶，也可以为善。作为未来的城市建设者和大数据拥有者，最重要的，其实已经变成了“正直”。

现在市场上非常多的乱象，大家可能都被卖房子、卖保险的人骚扰过。根源在于那些数据资产的拥有者、使用者偏离了“正直”这个轨道。

七年前，我们想用数据改变企业决策，改善大家的生活。

时至今日，我们觉得首先要做一家正直的大数据公司，这才是目前这个阶段对于我们来说最重要的。

编辑：汉岚

校对：其奇

造就：剧院式演讲，发现创造力

更多精彩内容，敬请点击蓝字“了解更多”。