六年的发展，阿里云从关注交通单一关键环节开始，到思考如何应对大交通治理方、运营方、服务方的现实挑战，围绕交通“规、建、管、养、运、服”进行体系化建设，利用平台化技术综合优化交通资源。这是阿里云交通部门自身发展和转型的历程，也是阿里云与交通行业一起极速奔向全局智能的历程。

本文观点来自：

张磊 阿里云智能城市大脑首席科学家

邓兵 阿里巴巴达摩院城市大脑实验室资深算法专家

肖露 阿里云智能交通物流行业总经理

“今天下，车同轨，书同文，行同伦。”——《礼记·中庸》

自古以来，交通便在人类文明发展史上扮演着重要角色。秦始皇统一六国以后修建直道，堪称中国最早的高速公路；长城烽火台白天放烟晚上放火，和当下V2X（Vehicle to Everything，车用无线通信技术）、车和车互联的理念非常相似；汽车、轮渡与飞机次第而来，当技术的进步足以支撑人类探索海陆空，交通的内涵也大大拓展，无远弗届。

与此同时，交通行业正迎来一场数字化的内生变革。“十四五”规划中明确提出，加快建设交通强国，在智能交通领域推动数字产业化探索。

从城市大脑说起

阿里云在交通领域的探索，要从具有标杆意义的城市大脑说起。2016年，中国工程院院士、阿里云创始人王坚博士向杭州市政府提出，“建设城市大脑解决城市病”；2019年，王坚博士进一步提出一个问题：能不能把杭州市道路上跑的车辆数清楚？如果数不清楚有多少车，交通管理也就无从谈起。

城市大脑综合运用视频识别、流计算、视觉计算加速等技术，对杭州全城视频数据流进行实时分析，通过数字化手段数清楚了路上跑着多少车辆。

除了能够很好解决交通管理这一刚性难题，城市大脑还帮助阿里云沉淀了数据分析的逻辑和算力底盘，后来扩展到智慧高速、智慧港口、智慧航空等实践中，这是一脉相承的通用能力。

六年的发展，阿里云从关注交通单一关键环节开始，到思考大交通治理方、运营方、服务方的现实挑战，围绕“规、建、管、养、运、服”进行体系化建设，利用平台化技术综合优化交通资源——这是阿里云交通团队自身发展和转型的历程。

如今，阿里云提出了更高的数字化愿景，逐步从城市交通领域走向综合交通的各大领域。一方面能不能进一步数清楚道路、港口、机场、铁路枢纽、航道上，到底有多少人在开车、骑单车、步行、坐飞机、坐高铁、运载货物；另一方面，阿里云从城市交通信控场景接入，沉淀解决交通行业共性痛点和供需问题的解决方案，在智慧高速、物流上云、智慧机场、智慧航司、智慧海事、智慧港口等数字化创新领域，都有了新的实践。

从最早的云平台、数字中台和业务中台，到可视化分析能力、PaaS层数据接口、AI能力调用接口，到行业知识图谱和行业模型相结合的云控平台、出行服务平台、货运物流服务平台，逐步进化成为产业智能的核心，让云计算、大数据、人工智能之上的感知智能、认知智能、决策智能和行业能力实现紧密耦合。

最终，阿里云悟到：交通系统的本质是，更高效地优化基础设施和各类载具资源供给，更安全地满足个人出行、货运物流的需求；而数字化技术，能够做的就是“计算”，计算个人、货物的移动需求，计算实时各要素位移的状态，实现高效、精准地匹配和调度。

全要素、全时段、全覆盖的数字化

交通作为传统基建的重要组成，焕发数字化新生的第一步，是建立数字空间的交通全要素数字孪生。

现实来说，今天交通新基建的数字化能力，还有一定的局限性，有三个典型问题：

第一，夜间、恶劣天气，智能化能力急剧下降，因为传统AI靠视觉感知。

第二，设备覆盖有限，存在大量的数据盲区。但优化决策依赖精准全链路数据，否则决策有局限性。

第三，智能设备，如摄像机、雷达、测速、天气传感器等设备之间的孤立性，像盲人摸象，都是局部信息，很难为总体优化提供信息支撑。

针对这三个问题，阿里云对应从三个方向解决技术难题。

1.全时段。做到不受夜晚、雨雪恶劣天气干扰，指标不退化。传统的方式是爆闪灯，但对驾驶员非常不友好，而且覆盖的距离也比较有限。阿里云采用融合多元传感器：视觉AI加上毫米波雷达。

但雷达感知域和视觉感知域不同，频率和特性都不一致，需要数据统一；其次，风吹日晒，会造成设备偏移，一段时间后要做动态校正映射矩阵；最后，如果视觉和雷达产生了冲突，你相信谁？相信的依据是什么？第一种各自计算分析，再投票，称之为“后融合”；第二种设计深度学习网络模型，实现数据驱动——阿里云选择了后者。在夜间、恶劣天气的感知能力可以达到白天的99.5%。

2.全覆盖。传统摄像机能够支撑的范围大概为200米，如果做全域覆盖，设备建设成本非常高。如何解决？

阿里云采用的解决方案是在深度学习模型里，加上超小目标检测和分割能力，针对特别细小的目标，进行超分辨率放大，保证车辆细节感知。要知道，在真实应用中，超过600米的图像像素已经非常小，把它抠出来并识别出，就可以实现提升一倍以上感知距离。同时，在深度学习模型里，增加盲区的认知推理，比如靠近大桥的地方，已经超出人眼的感知范围，但通过车流的变化，可以推断是否有异常情况。

这样就可以利用技术手段，低成本地解决覆盖距离的问题。

3.全要素。交通全要素包括运动物体的属性、行为逻辑、客观环境。

这里要实现的交通目标是：真实的物理位置、速度、方向、尺寸、车道，要完全量化、一一对应。对交通事件，如违法、违规等行为，要实时感知，第一时间发现，快速决策、避免二次事故。同时准确判断道路环境，快速发现能见度、路面状况的微小变化，以降低未来更大的损失。

这里的技术难点在于，细致识别需要高分辨率图像，而高分辨率图像会导致计算量很大；但反之，如果没有足够的数据量，计算效果又会不好。

最终，阿里云利用视觉融合激光点云技术，结合边缘云的软硬一体技术底座，从底层的含光800芯片、倚天710芯片，到上层集成高效的算法模块、模型编译和加速推理，对各类交通设施的静态、动态实现二三维重构，耗时降低的同时性能极大提升。最终可以把车辆真实的物理尺寸精确感知出来，误差控制在0.15米以内，大约为一张A4纸的尺寸误差。只要道路之间的冗余足够，就可以很好地控制车流。把图像域转化到频域，可以使高分辨率达到非常好的效果，解决了路面细致识别的问题，这项研究发表在2021年CVPR Oral的论文中。

成宜高速是全国交通强国的试点，全线157公里，每年50%的时间是雾天。阿里云与蜀道集团合作，利用雷视融合激光点云技术、边缘云软硬一体技术，实现了黑夜、雾天，各种车辆实时动态、路面要素的精准感知，无死角覆盖。阿里云可以对各类交通元素进行静态毫米级、动态厘米级的定位，把道路上各种类型的载具接近实时的数字化还原。

不只是大路网，在航道、港口，也有“海上智控”的需求，形成“大水网”。它们同样需要各种感知手段，包括卫星、无人机、雷达、物联网、卫星电话、视频等设备进行数据采集，构建整个大水网的动态数字孪生，小到一条渔船，大到一条商船，实时还原运行轨迹。

全局智能的运营管控决策

当交通的全要素、全时段、全覆盖的数字化建立之后，数字孪生实现了物理空间和数字空间的对应关系。那么无法靠现实世界试错模拟的情况，通过大规模宏观和微观仿真，对不同决策进行系统推演，都能对未来进行预测，然后对推演结果进一步优化，得以向交通系统的管理者提供智能化服务，产生创新价值。

目前，阿里云对公路、航道、铁路、机场、人流，都在做大规模的区域级、城市级仿真，实现全局智能的决策支撑。出行前的路线推荐可以把交通拥堵减少10%-20%，出行时通过感知融合和边缘计算，实现极致的路口资源分配，让路口的稀缺时空资源尽量做到不浪费，也能减少拥堵。

起初在高速公路数字化方面，阿里云主要实现了及时发现各类事件、及时应对、做被动管理的解决方案。如今由被动转向主动管控，可以提前预测事件发生的趋势和可能性，对高速公路的道路、桥梁、隧道、边坡，进行实时高频监测，预测道路上发生事件的概率，主动管理、管控高速和高速周边的重要节点，提前减少高速上的拥堵，降低养护成本。

目前，全国已经有四川、浙江、广东等20多条高速公路落地高速公路主动管控方案。例如广东高速的车流量预测与管控仿真，算法模型能做到15分钟内的预测，且准确率达到98.7%，同时结合两小时内交通数据，可以对未来发生交通事故概率较大的路段做预警，实现主动干预。

在机场数字机坪方面，2019年就实现了每辆飞机起降间所有保障节点的数字化，可以有针对性地查看机场机坪中存在哪些效率问题。如今更进一步实现了整个机场（包括数字机坪、数字航站楼）的全局智能。当有航空限流、天气状况时，机场能通过智能化调度大幅度提升航班运行效率，与传统人工调度相比，操作效率提升超过90%。

在首都国际机场，双方通过运筹优化、认知反演等方法在50秒内刷新1700架次航班的停机安排，将廊桥停机位利用率提高了10%，相当于每天额外有20000位旅客不用再乘坐摆渡车。

在水运领域，阿里云也利用同样的方法提升港口运行效率和港口运行安全。通过与宁波舟山港集团联合打造的“港口智能运营管控平台”，实现桥吊单机效率提升5%，港口的靠岸效率、场内运输效率、堆场效率、生产运行效率整体提升5%以上，集装箱卡车等待时间、通过时间缩短8%以上。

仅看数字不足以体现该解决方案的实际价值。实际上，提升5%的作业效率，从定性的角度来说，这意味着，实现了真正意义上的有人/无人集装箱卡车的作业混编；从定量的角度来说，对拥有10个泊位的梅山港，提升5%，意味着两年能多出1个泊位，而一个泊位的建设成本大概在10亿元人民币。

交通出行、运输服务一体化

交通是一个高频产生数据的领域。创新的解决方案、获得数据创新的价值是阿里云展开交通领域探索的底层逻辑。阿里巴巴集团本身也有丰富的交通元素，如菜鸟、高德、飞猪、千寻位置等。阿里云结合阿里巴巴集团的多元能力，补足版图，可以解决很多原本IT系统解决不了的问题。

比如，把智能交通大脑的上帝视角，通过高德等APP客户端，以伴随式服务的方式直接提供给道路的用户。如遇堵车，驾驶员看到的不只是红黄绿，而且是通过上帝视角的车载系统，了解前方具体情况，也可以了解服务区是否有排队、提供什么的服务等详情。高德的出行服务还与车厂合作，利用车路协同、5G、V2X等技术，通过车载OBU、车载系统，或者手机，提供增值信息服务。另外，菜鸟可以抓住综合交通枢纽，包括机场、铁路站、地铁站、物流仓储等节点，把跨方式的交通服务打通，降低企业物流的等待时间，提升效率。

同时，阿里云与众多交通行业的合作伙伴，集合感知、边缘计算、芯片、算法、通信技术打造软硬一体的智能硬件，实现更低的数据采集成本、统一编码的时空数据高效融合、打造统一的数据模型，把行业多年积累下来的知识通过AI知识图谱云化，建立行业的数据模型，共享行业数据资产，共同提升“仿真、推演、预测”能力，让行业知识不仅为技术人员所用，而且为业务人员所用。

衣食住行，是人类亘古不变的基本生活需求。人和货品的“位移需求”从未改变，但实现安全出行、智能感知和预测供需平衡、高效调配供需双方等目标的方法和手段，正发生天翻地覆的变化。机场、港口、航道、公路、城市交通等基础设施正全面优化，极速奔向全局智能。

对话肖露：阿里云智慧交通业务是如何演进的？

技术与业务真正融合，才能产生模式创新；只有吸纳社会各方面的创新力量，才能带动产业真正进步。

秉承共创与融合的理念，让传统交通基建与新技术碰撞出智慧的火花。《云栖战略参考》专访阿里云智能交通物流行业总经理肖露，详解阿里云在交通领域的方法论以及差异化能力。

《参考》：从加入阿里云以来，你一直都在交通行业耕耘，在团队建设和业务层面感受到哪些变化？

肖露：阿里有句土话叫“拥抱变化”——我是2018年加入阿里云的，几年时间里，经历了很多变化，这些变化也是我们自我成长的过程。

第一，团队快速发展。从内部孵化，在实践和学习中逐步成长为具有行业能力和数字化能力的团队，到现在有了公路、城市、航空、水运、物流等多个细分领域的专业人才加入。

第二，服务的广度和深度上的变化。从2016年阿里云发布城市大脑开始，我们一直在探索基于云计算、大数据、互联网的能力和交通行业的深度合作。2018年，我们选择“两个一”市场赛道：做深一个细分行业，高速公路；做好一个样板，南方航空公司。一方面因为民用航空本身非常国际化、重服务体验、市场化，对信息化的接受度和依赖性较高；另一方面，阿里云有非常强的云计算、大数据、人工智能技术能力，阿里巴巴集团的高德地图、金融支付、菜鸟等，都可以通过产业融合产生化学反应。

第三，想法和实践的层出不穷、快速迭代。第一年，我们还在自我证明、验证想法的阶段，找到机会让客户知道阿里云已经切入了交通行业。之后我们逐渐深入理解行业需求，一步步探索：2019年，我们开始尝试沉淀“交通的行业产品”；2020年，我们切入到公路领域，得到了很多客户支持，尤其是突破到高速公路的数字化系统建设；2021年，基于产品技术的沉淀，我们又开始酝酿适用公路、水路、民航、城市交通等领域的通用型解决方案，初步形成了有独立见解的行业数字化转型的方法论和理念。

这个变化是层层递进、滚动向前的，不是线性的先后顺序。市场、产品以及战略规划上，几乎每个季度都在不停地优化调整。

《参考》：最初在进入交通领域时，阿里云有什么积累？交通行业的现实条件是什么样的，为什么阿里云认为有一个合适的切入点？

肖露：相对来讲，交通运输行业是基础性、先导性和服务性行业。近40年来，其发展重心在基础建设上，满足国民经济的基本运输需求，解决“走得了”的问题，但在信息化程度上不平衡，也不够充分。应当说，国家在修路建桥方面的投入是非常巨大的，但当基础设施建设到了一定阶段，就会要考虑基础设施的数字化。同时，在客货出行方面，更加注重“走得好”和“走得安全”“走得绿色”，这些都需要信息化手段予以提升、改造。

阿里巴巴作为一家互联网公司，其实与交通行业有不少相似之处，都是网络型产业，涉及大量C端客户及大量数据分析和运用。但如何进一步将交通和互联网融合呢？

首先，交通服务人们的衣食住行，是一个高频产生数据的行业，如果交通大数据用得好，将产生更大的价值，这与互联网有共同的诉求；

其二，阿里巴巴本身有很丰富的交通元素，如高德、飞猪、千寻位置等，都有非常强的交通属性。只是当时资源比较分散，没有聚合在一起；

其三，随着阿里云的快速发展，云计算、大数据、人工智能技术可以解决一些传统信息化手段解决不了的问题，只不过一时难以获得此类技术发展的红利。

比如缓解交通问题就需要海量数据处理、实时计算、超大规模仿真等，传统的IT供应商和专业公司可能没有这么强大的算力支撑。再加上阿里云在2016年就已经开始沉淀城市大脑的技术能力，内外结合，可以让阿里云有机会借助城市交通管理的经验，拓展并深入运用到整个交通运输体系中。

《参考》：2016年阿里云城市大脑就已经发布了，为什么后续没有持续聚焦在城市大脑上？

肖露：城市大脑沉淀的技术能力非常多，包括交通行业数据模型与算法、数据与业务中台能力，都在智慧高速、智慧港航的实践中得到复用，是一脉相承的。

但城市大脑比较聚焦于城市交通的精细化管理，而城市交通只是交通运输体系的一个组成部分，其他还有公路、航空、港航、物流等领域。在和交通运输行业的合作中，我们发现，交通运输的数字化需要围绕“规、建、管、养、运、服”多维度进行全要素系统化建设，而不仅仅是管理。如果只讲城市大脑，行业内人士会有质疑。

这促使我们重新思考市场战略：沉淀适用于交通物流行业全场景、全环节，能够解决行业痛点和供需矛盾，同时又源自城市大脑能力沉淀的融合解决方案。

《参考》：当时是如何选择细分行业的？

肖露：最开始第一年，我们与南方航空合作，它也是国企数字化转型的样板。在这个过程中，我们发现，从产生高频数据的角度讲，中国航司每天乘客数量相对稳定，业务暂时不会出现爆发性增长。

我们希望找到更多产生数据的场景，让阿里云的技术能对国计民生有更大的助力。铁路和公路就是这样的领域，是国家及各地政府基建升级需求最大的两个领域。其中，铁路是个相对封闭的体系。但公路领域不一样，公路市场够大、衔接交通方式够多、服务人群够广。同时公路对基础设施数字化、运行管控智能化、出行服务品质化需求迫切，对交通参与者行为和状态数据依赖性很强，已经到了亟待数字化转型的阶段。

中国的公路网非常发达，在2020年底已达16万公里，但东西部公路发展存在明显差异：东部地区已逐步进入“后建设”时代，注重扩容改造和网络效能提升，更关注降本增效，提升用户体验；西部地区公路大发展，但信息化水平相比东部是落后的。客户关心建设成本的同时希望能借助外力“弯道超车”，而不是以落后的方式进行修建，同时西部也需要技术来解决高山、隧道等地理因素带来的安全问题。所以，传统的方式无法支撑东西部公路未来的建设，需要通过融合创新来解决业务难题。

当时我们分析，公路可以作为一个可深挖的赛道，但是公路领域的市场范围太大了，包括高速公路、国省干线、农村公路、城市道路等等。于是，我们再次聚焦到高速公路，适度关注国省干线公路，毕竟国家对高速公路的信息化建设要求高，数字化需求相对强烈。

再后来我们又拓展到机场、物流、港航等赛道，形成了今天阿里云交通物流的版图。

《参考》：在早期，被客户挑战最多的是什么？

肖露：当时我们花了一年时间，找寻能够接受我们理念和能力的客户。这是很难的，因为修路架桥本身是一个非常传统的领域。第一年，我们拜访了很多客户，大家合作的热情也很高，但客户会先问：“上了阿里云，是不是安全风险就能降低，就能解决拥堵了？”讨论之后给出的结论是：“你们的达摩院很强、互联网很强、新零售很强，但这跟交通有什么关系呢？你们不懂交通。”我们至少花了半年时间，拜访了不少于20个高速公路建设方、业主方、监管方，希望能找到有共同理念、认同我们的客户。后来我们换了一个思路：不应该用我们的逻辑去思考客户，而是要与客户共创、一起去探索和实践。

幸运的是，我们找到了这样的客户，愿意和我们一起思考如何将传统修路架桥的业务与科技融合，思考引领数字交通的新理念，将他们想象中智慧交通的未来告诉我们，而我们也能把自己的想法，从一个场景开始尝试，逐步深入。

随着与客户深度共创，对场景深入研究，我们很快发现，可以发挥高德、钉钉以及数据中台的能力，为客户提供一系列场景化解决方案，包括全覆盖态势感知、一路多方高效协同、精准及时的伴随式服务等，实现高速公路管控的精准感知、精确分析、精细管控、精心服务。发展到今天，我们已经为全国50多条高速公路路段提供了智慧化解决方案，服务全国20多个省的建设方和运营方。

《参考》：传统领域和数字领域，两个不同领域的人如何形成共识？这种经验可能对所有从业者都非常有价值。

肖露：抛开技巧不谈，我认为关键是“以终为始”的终局意识，设定非常明确的业务目标，研究真实的业务痛点。例如，宁波舟山港给我们提出的难题是，希望通过数字化手段将港口集装箱调度的整体效率提升5%。这看似是非常简单的个位数指标，拆解开来却发现，它意味着全流程数字化能力的提升，这就很难了。在这过程中，需要判断哪些是可以改变的，哪些是需要跟客户达成共识的，最终带来真正的业务价值，才是打动客户的关键。

《参考》：应该在很多情况下，客户的想法你们不理解、你们的想法客户不理解。现在回头看，哪些是真的不懂业务，哪些是技术认知的差距？两种情况的比例是怎样的？

肖露：我们肯定没有客户懂业务，客户可能没有我们懂云、大数据和人工智能，这是事实。除了一些传统IT领域，只要涉及客户业务，80%的点都对不上。比如，项目前，客户经常会问我们：“为什么要做一套系统去支撑高并发呢？”“如果系统迁移到云上，我要如何操作？”

这就需要有业务与技术专家参与，作为桥梁，他们既能听懂客户诉求，也能把阿里云的能力与客户业务结合起来。而且，项目结束并非就真的结束了，我们还需要和客户一起做项目沉淀，也让团队在实战场景中不断摸索，形成数字化融合行业能力的解决方案。最后，形成一种机制：有相应的专业人才，有实战场景，不断提升专业能力，形成数字化技术与行业场景融合的闭环——这对客户也是有价值的积累，我们经常讲“交付一个项目，打造一支队伍”。

《参考》：能否举例说一下阿里云服务的几个典型客户？

肖露：客户一直伴随和支持着阿里云各个阶段的成长。

与蜀道集团合作的过程中，最开始在成都绕城高速建设了“智慧眼”，实现了感知智能；成都第二绕城高速测试时，开始车路协同、智慧高速的尝试；今年与峨汉高速的合作中，希望实现对桥梁隧道的数字化。在港口数字化转型中，我们与宁波舟山港集团打造智慧港口；在物流骨干网运输体系数字化建设中，我们还帮助专注于自动驾驶的物流运输企业嬴彻科技，基于云原生的能力，提升AI算法研发的效率问题；在数字化航司的实践中，我们和南航实现了基于双中台的全业务数字化转型，与中国联合航空实现了数字化营销的模式创新。

《参考》：港口、航司、高速公路等领域的数字化建设，有共性吗？

肖露：现在大家都在讲数字化，也更懂数字化了。四年前，客户对上云的安全性和必要性还有疑问，如今国家发改委已经明确将云计算写进“新基建”的工作范畴。政府提倡数字化改革，央国企也在积极推动数字化转型。交通运输部相关政策多次提到“推动大数据、云计算、数据中心在交通领域的应用，推动国家新一代交通控制网的建设”。虽然共性之下，每个细分赛道的痛点是不一样的，但经过四年的迭代，阿里云利用云计算、大数据、数字孪生、边缘计算等技术优势，既能打造通用的交通行业解决方案，也能聚焦细分赛道的不同场景提供差异化的解决方案。

《参考》：在数字港口建设中，有哪些创新的本土经验和实践吗？

肖露：过去中国的港口学习荷兰鹿特丹、新加坡等国际港口，但今天来看，中国港口已经发展出独特优势，尤其在吞吐量、数字化能力方面，在全球范围都有一定领先性。

中国港口的建设要考虑本土现实，在经历了上世纪90年代“央地统筹、地方为主”的改革之后，我国港口曾经一度是“国有民营各类主体齐上、港区岸线建设失控”的局面。目前，各大港口按照“沿海一省一港”的新格局进行港口资源整合，意在减少无效竞争。但至今，全国80%左右港区或重点码头的经营，仍面临效率不高、资源浪费的问题。前几年上海洋山港、青岛港的全自动化码头建设，是在全球有引领性的标杆。但问题是，只有新港建设时才会采用全自动化的技术，而且要耗费几十亿元的资金；小的港口集团、传统码头，在效益没有那么好的情况下，需要智慧化的解决方案，即在投资有限的情况下，也能建设一个技术先进的数字化系统，确保运营效率和效益的提升。当然，这很难。我们在宁波舟山港的实践就是一个高性价比、有参考意义的探索。

《参考》：大交通领域还有一部分是物流，阿里巴巴在物流行业有很大优势，但之前并没有怎么提过，为什么？

肖露：物流行业以运营和服务效率提升为主，除了头部企业之外，还有非常多中小企业，场景也非常多元。阿里巴巴有一定的优势，一方面本身作为上游企业可以牵引，另一方面在公有云上能够搭建更好的系统。

过去四年，我们一直坚决执行“云上物流”战略。从“三通一达”开始，它们占了很大一部分市场份额，核心业务已经基本实现全面上云；另外，中国邮政也是阿里云混合云的大客户。所以，物流的骨干网络、大的核心节点大约百分之九十的核心系统都在阿里云上，可以实现各种运输方式更高效的联动。今天我们再讲物流，需要从另一个高度来看。物流效率的提升是一个体系化的事情，不只有快递，还包括城际运输、货运、集装箱运输、骨干网运输等等，它属于供应链体系。将物流产业链上下游激活，把物流枢纽园区、城市道路、高速、港口、机场全部打通，物流才能发挥出更大的价值，才能真正体现立体交通效率提升的系统性优势。

《参考》：未来的挑战和展望是什么？

肖露：最大的挑战是我们能力的提升要跟得上行业的发展，人才永远都是最大的挑战，希望不断有优秀的人才能够加入进来。同时也希望更多人认识到阿里云今天在大交通领域的投入——不仅是和客户做业务，更是在探索前沿技术与传统基建的融合。这无论对监管方、业主方、建设方，还是对普通消费者、新基建与传统基建的融合，都有利于民生服务的全面提升，有利于经济的高质量发展。

本文摘自《云栖战略参考》2022第三期

扫码限时申领纸质版

↓↓