2020年11月，中国领先的产业数字化研究与咨询机构爱分析正式发布了《2020爱分析·中国智慧城市厂商全景报告》。
摘要
国内智慧城市建设正在如火如荼的开展中，截至2020年，全球约50%的智慧城市建设正发生在中国一一超过500座城市正开展智慧城市试点建设。而在“新基建”加持下，更多的城市投身于智慧城市建设洪流中，对于5G、人工智能、物联网、大数据等新技术的投入不断上升。
基于对国内智慧城市领域甲方用户与厂商的调研，爱分析认为中国智慧城市发展呈现四大趋势：
1.新基建构建万物互联，从上层应用场景出发的5G+AloT建设将高速发展。
2.城市中台类应用将支撑智慧城市各应用场景落地。
3.人工智能将赋能未来政务服务应用。
4.智慧城市将从“城市+数字化”建设转向由顶层规划指导的“数字城市”建设。
根据ISO（国际标准化组织）的定义，智慧城市指在已建环境中对物理系统、数字系统、人类系统进行有效整合，从而为市民提供一个可持续的、繁荣的、包容性的综合环境系统。
国内智慧城市建设主要集中实现城市应用场景的数字化改造，打造“城市+数字化”，赋能垂直应用领域。如杭州市智慧交通改造，改造试点区域通行时间减少15.3%，实现拥堵与事故的自动报警，准确率达92%。
在技术性基础设施建设中，智慧安防、智能电网、智慧交通是国内建设三大主要应用场景。根据IDC数据，2019年三大应用场景投资规模约占总支出额的43%。目前，政府正大力推进“互联网+政务”、“数字中国”等相关建设，这些都是与城市治理与市民服务优化高度相关的领域，这也充分说明，国内智慧城市建设目前正处于从技术性的基础设施建设，向更看重政府治理与服务优化的政务服务建设的转型期。
爱分析基于对国内智慧城市厂商的调研，准确定义了16个智慧城市数字化应用场景，同时遴选出在这些数字化场景中具备成熟解决方案和落地能力的厂商，如下图所示。
(注：以下所有场景中的厂商均按音序排序）
以下是爱分析对16个智慧城市应用场景的定义以及遴选出的代表厂商。
2.1.政府
2.1.1.公安部门
2.1.1.1.智慧安防
终端用户：
公安部门、政府部门、社会企业等
核心需求：
-
传统视频安防作用于事后追溯阶段，针对危险情况无预防能力，不能有效防范危险事件发生。利用人工智能技术赋能前端摄像头设备，基于人脸识别、人体结构化信息，及时捕获危险人员信息，呼叫周围安全人员，做到事前预警防范；
-
视频安防目前已渗透到日常生产生活，当危险事件发生时，安防系统的联动能力也尤为重要。基于视频图像处理、危险动作识别以及AI算法训练平台等功能，不局限于安防场景，将日常生产生活中的危险行为与违规操作进行AI算法训练形成算法模型，赋能智能摄像机，起到危险事件发生时及时联动警示作用；
-
传统视频安防在进行事后追溯的过程中,需要对录像视频进行回放寻找,查找效率较低。基于智能安防的管理平台，可以通过结构化后的人脸与人体照片进行信息查询,有效提高人员与行为查找效率；
-
传统视频安防管理平台功能性较差,无法满足如今安防场景需求。智慧安防基于人工智能与大数据技术，基于统一的管理平台进行管控，有效提高管理能力。
-
智慧安防中碎片化场景较多，且使用场景需求不同，厂商应具备定制化服务能力、较强的场景理解能力以及良好的服务意识；
-
智慧安防中大多数应用场景需要一体化解决方案， 要求厂商具备软硬件解决方案提供能力；
-
针对智慧安防中的场景定制化算法的需求，厂商需要具备AI算法开发平台或AI算法定制服务能力；
-
由于场景特殊性，智慧安防强调厂商的技术支持能力与售后反应速度，要求智慧安防厂商具备较强的技术支持团队与问题反馈能力。
2.1.1.2.智慧警务
终端用户：
公安局指挥部、刑事部、治安防控部、支持部等
核心需求：
-
面对当前的公安业务新挑战，公安部门推动公安系统智能化改造，打破系统原有信息孤岛，挖掘潜在隐藏信息，分析关联关系，形成知识网络，通过技术手段辅助决策“人、事、地、物、组织”等刑侦关键要素；
-
目前公安行业的智能化应用主要停留在感知智能，强调前端数据的采集以及后端视频解析能力，认知智能的应用推广有限，导致公安数据信息规模庞大、数据复杂，办案人员需要面对大量数据。同时，违法犯罪活动本身具备隐蔽性、团伙性等特征，在技术高速发展的背景下，又呈现出网络化、智能化、复杂化等新特征，大大增加了公安人员的办案难度，智慧警务建设推动提升公安信息化、智能化、现代化水平，推动公安工作跨越式发展；
-
针对刑侦场景，公安部门利用人工智能技术，实现重点人员关联分析、异常事件挖掘、重点场所关联分析、物品关联分析、团伙关系分析、相似案件推理等一系列智能辅助功能, 提高公安机关办案效率;
-
移动化发展也是智慧警务的重要发展方向，当前,警务工作越来越呈现出紧迫性、强移动、高突发性的特点，并且警务人员,尤其是基层民警,在外勤作业时经常面临不同情况的各类采集、记录等大量复杂信息工作。移动警务设备可以助力民警出警、现场勘查、信息采集、信息核验、巡防互动等工作，实现民警快速出警及社会基础信息采集工作，为基层干警减负、增资；
-
针对有一定犯罪企图的重点人员，利用智能手段，建立重点人员预警模型，并通过智慧化手段，及时发现违法组织，阻止治安事件发生。
-
公安领域存在大量的非结构化、半结构化信息，厂商在构建人工智能应用的过程中需要较强的数据治理能力；
-
各地公安机关具备自身特点，在构建平台应用的过程中，需要较多定制化需求，要求厂商定制化能力较强，具备较好的服务意识；
-
公安实战经验转换为公安领域应用模型，需要厂商具备一定公安行业模型积累。
2.1.2.交通部门
2.1.2.1.智慧交通
终端用户：
交通运输厅（局、委）、综合规划司、公路局、水运局、运输服务司等
核心需求：
-
面对城市交通拥堵问题，交通部门门]利用人工智能与大数据技术，将前端感知设备采集的数据形成人、车、道路的大交通关系图谱。通过交通业务模型，智慧城市交通系统实现对路口信号灯的实时调度；
-
针对突发情况导致的道路无法通行，交通部门需要快速响应并进行路径规划,合理指挥车辆规避风险路段，将影响降到最小。通过动态知识图谱技术，将时空概念引入，形成关系性知识，更迅速的进行道路规划；
-
电警、卡口、人脸抓拍摄像机的广泛使用使得交通大数据中具有海量车牌与人脸照片，通过人工智能与大数据技术可以快速构建人、车关系图谱，快速检索居民与同行人的轨迹信息；
-
大交通领域涉及较多港口、机场、火车站、客运站等人员密集场景，需要构建此类特殊场景下的安全防范系统;
-
智慧交通系统与公安系统、政府系统、信用城市系统等智慧城市各业务系统需实现安全打通,实现各业务系统间的赋能。
-
交通领域存在大量的视频、图片等信息，厂商在构建应用的过程中需要较强的数据分析能力,辅助决策；
-
针对道理拥堵、路径规划等应用场景需要厂商具备相应算法模型，并根据各地实际情况进行模型优化；
-
在构建智慧交通平台的过程中有较多定制化需求，要求厂商定制化能力较强，具备较好的服务意识。
2.1.3应急管理部门
2.1.3.1应急管理
终端用户：
应急管理部门
核心需求：
-
在智慧消防的建设中，物联网前端设备采集大量数据，应急管理部门依托海量多维数据,基于大数据及人工智能技术，对消防安全要素进行多维关联分析,提高推理判断准确率,辅助应急管理部门决策；
-
及早预防各类事故灾害的发生是应急管理部门的重要工作内容。通过对过往发生事故灾害的原因分析，应急管理部门]可利用人工智能技术关联关键影响因素建立事故灾害预测模型,辅助预测事故灾害发生；
-
在灾后的救援工作中会积累大量救援经验知识，但很难做到经验互享。应急管理部门通过人工智能技术，建立应急管理领域知识库，为高效、专业的救援工作提供支持；
-
当灾害事件发生时，政府机关需针对社会舆情动态及时作出反馈以稳定民众情绪。政府机关将舆情信息进行分类，并发现各类信息关联关系，快速挖掘民众关注焦点。应急管理部门利用大数据及人工智能技术，帮助政府机关及时针对热点事件作出反馈。
-
应急管理行业属性较强，需要厂商具备一定行业背景;
-
针对舆情分析、事故灾害预测、灾后救援等应用场景需要厂商具备相应算法模型,并可根据各地实际情况进行模型优化；
-
在构建应急管理平台的过程中，有较多定制化需求，要求厂商定制化能力较强，具备较好的服务意识；
-
政府对于信息安全的高度重视，厂商应满足相应等保要求；
-
应急管理领域存在大量的非结构化、半结构化信息，厂商在需要较强的大数据能力。
2.1.4.政府服务部门
2.1.4.1.一网通管
终端用户：
政府办公厅、大数据中心等
核心需求：
“一网通管”的核心是统筹建设连接各地区政府有关部门的“互联网+监管”系统，主要目标是协同监管、并且强化监管事项的事中事后监管。
-
目前，“互联网+监管” 系统已初步完成了主体功能建设。但全国各级、各部门]政府的监管依旧相对独立，政府需要统筹政务资源，建设统一监管 平台，使政府机构之间信息共享,工作联动，实现协同监管以及全局监管的目标，提高整体监管效率；
-
由于监管事项流程复杂，各环节权责不够分明，目前的“互联网+监管”系统无法跟踪各事项进展，使政府监管缺乏及时性。政府需要借助大数据、机器学习等Al技术，对监管流程进行梳理并制定标准化工作流程，界定清晰的工作边界，帮助政府实时监测各环节处置情况，提高政府对事中事后的监管效率；
-
依托联通的政务数据，政府可以实现对重点事项及突发性事件进行智能化研判，匹配形成相应的处置方案，提高对突发事件的响应效率，实现“主动管理”的转型。
-
政务业务系统相对独立，厂商应具备一定的整体规划能力和系统对接能力，将政务监管子系统归集到统一的功能性平台上；
-
政务监管专业性强，厂商需要对政策、政务知识、监管规则等知识有一定了解，帮助政府打造政务知识库以及监管规则库；
-
厂商需要具备大规模数据集成和数据资产管理的能力，打通数据，对数据进行归集和管理。
2.1.4.2.一网通办
终端用户：
政府办公厅、大数据中心等
核心需求：
一网通办”的核心是整合政府数据资源，优化办理流程，搭建统一互联网政务服务总门户，使民众只登陆一次便可高效便捷办理政务。
-
目前，政务办理依然以部门]独立的方式提供公共服务，数据库管理分散,数据管理能力不足。政府需要建立统一的资源共享体系，实现跨层级、跨部分、跨系统、跨业务的数据共享和交换，使民众通过一个入口能够办理所有业务；
-
政务办理具有专业性强、流程环节多、处理情形复杂等特点，导致传统的政务办理需要多部门人力的配合，且办理周期长。政府需要根据具体政务流程和办理特点梳理政务办理规则，通过AI算法赋能形成政务知识库，从而降低人力成本，提高工作效率；
-
政务办理网络化转型缺乏完整的顶层设计,导致业务系统分散独立，政府需要将所有的政务数据和办理流程归集到一个功能性平台，搭建互联网政务服务总门户；
-
政务业务线繁杂，民众在办理业务时不能精准定位办理窗口。政府需要基于政务知识库建设的业务办理系统介入，为民众提供精准的政策推荐和窗口指引服务，提高政务办理效率以及民众使用体验。
-
厂商需要具备大规模数据集成和数据资产管理的能力，打通政务数据，对数据进行归集和管理；
-
政务办理专业性强，厂商需要对政策、政务办理流程等知识有一定了解，帮助政府打造政务知识库并进行流程优化；
-
政务业务系统相对独立，厂商应具备一定的整体规划能力和系统对接能力，将政务办理子系统归集到统一的功能性平台上。
2.1.4.3.智慧生态
终端用户：
政府环保部门等
核心需求：
智慧生态的核心是为环保、工业等企业提供污染物排放的监控和管理的辅助决策建议，提高污染物排放管理的效率。
-
智慧生态的核心需求是控制污染物的排放。管理部门需要建立环境监测系统对环境污染的关键指标进行实时监测、分析，并根据分析结果提出废弃物治理，能源规划，趋势预测等辅助决策建议，从而提升环境治理效率；
-
智慧生态管理的难点是数据分散。智慧生态涉及多业务系统数据，过去管理粗放、信息不通畅。管理部门]需要全面梳理环境治理数据，一库归集水、气、污染源等相关环境数据，并实现灵活拓展、运营优化的目标；
-
生态数据的标准化面临着较大挑战，当前仅环保业务应用的数据类型就高达几十种。数据来源于不同的数据生产部门，其组织管理方式、标准、参考体系各不相同，给生态大数据的快速形成与综合应用提出了挑战。管理部门需要结合生态治理的专业知识对数据标准、数据格式、数据共享交换方式进行统一规范。
-
厂商应具备针对智慧生态应用场景开发数据分析算法与模型的能力，从而实现关键指标的实时监测、未来趋势的预测，以及异常情况的预警功能，达到精准治理的目标；
-
智慧生态涉及的领域较多且子系统孤立，厂商应具备-定的整体规划能力和平台对接能力；
-
生态数据多样复杂、标准不统一、厂商需要具备生态数据治理的能力；
-
智慧生态涉及大气、噪声、辐射、水、土壤等方面的治理，具有一定的行业属性，厂商需要具备相应的专业知识。
2.1.4.4.移动政务平台
终端用户：
政府办公厅、大数据中心等
核心需求：
移动政务平台通过移动端为公众提供信息发布、信息采集、信息交互类服务，目标能够高效便捷的实现民众与政务信息的交互。
-
在新冠疫情的推进下，民众对不受时空限制完成政务办理的核心需求增长速度加快。政府需要借助通信技术加速完善政务网络化转型，通过打造移动政务平台使民众可以充分利用零散时间，远程进行办理政务，提高政务办理效率和民众体验；
-
移动政务平台的另一核心需求是便捷。目前，政务办理依然以部门]独立的方式提供公共服务，导致业务系统分散独立。政府需要建设统一的政务平台，打通各部门数据,使民众通过一个入口能够办理所有业务；
-
民众希望政务服务覆盖范围更广，例如应急管理能力、大数据收集功能以及分析应用功能，同时对政务信息提供的有效性、实时性等交互要求更加严格。因此政府需要基于云计算和相关技术，打造功能覆盖范围更广的移动政务平台，提高用户交互体验，满足民众对高效便捷的政务服务的期望增长。
-
移动政务依赖通信技术，厂商需要具备一定云计算、通信计算能力；
-
政务信息分散，厂商需要具备大规模数据集成和数据资产管理的能力，打通政务数据,对数据进行归集和管理；
-
政务信息涉及知识专业性强，厂商需要对政策、政务办理流程等知识有一定了解，帮助政府优化数据处理流程和用户交互体验；
-
政务业务系统相对独立，厂商应具备--定的整体规划能力和系统对接能力，将政务办理子系统归集到统一的功能性平台上。
2.1.4.5.智慧城市治理平台
终端用户：
政府部门、城市大数据局等
核心需求：
-
智慧城市建设中，信息基础设施在不断的完整，城市管理者需要构建顶层平台,将智慧城市中的计算能力、数据资源以及各应用场景的智能化应用相融合，形成智慧城市治理平台,对城市进行实时分析；
-
智慧城市建设的关键是顶层设计,在数字化转型的背景下，系统项目规划需要从业务应用设计向整体化顶层设计转变，智慧城市治理平台是顶层规划中的重要载体；
-
智慧城市治理平台建设过程中包含城市中台类应用，有效实现各级各类数据汇聚共享，并服务于各细分领域应用。同时平台架构于各政府部门系统之上，基于城市中台类应用，为政府提供辅助决策。
-
智慧城市治理平台涉及大数据、人工智能、物联网等多技术领域,需要厂商具备较强的技术能力；
-
构建城市中台类应用需要厂商深入城市治理的业务场景，打通各层级数据,构建业务模型，需要厂商具备一定的行业经验，有同类型案例背书;
-
由于各城市之间存在一定需求差异， 厂商需具备较强的服务意识与定制化能力；
-
政府对于信息安全的高度重视，厂商应满足相应等保要求、电子政务安全等系列标准的要求。
-
厂商需具备一定的智慧城市治理平台运营能力。
2.1.5.大数据局
2.1.5.1.城市大数据平台
终端用户：
政府部门、城市大数据局等
核心需求：
城市大数据平台的核心是对城市各领域数据进行归集、治理、目标为上层智慧城市应用开发提供基础。
-
城市运营所产生的数据来自不同数据平台，数据平台独立分散，难以为智慧城市开发提供支持。政府需要通过顶层规划，整合分散的数据平台，统一数据治理标准，实现数据平台的集中建设；
-
城市运营所产生的数据跨行业、跨地区，数据存在碎片化的问题。政府需要通过AI技术创建数据关联，横向贯通各领域数据，实现数据之间更好的共享开放；
-
各数据平台有不同的管理者和运营模式。在智慧城市的建设中，需要城市大数据平台归集数据管理权，并由专门的城市管理者负责运营，解决数据管理运营的难题；
-
目前，数据治理普遍停留在资源归集的层面，缺乏质量管理意识。而城市大数据来源广泛且结构各异，由于缺乏有效的数据治理，数据应用价值大大降低。智慧城市建设需要大数据平台提供针对数据生命周期的一站式服务，提高数据利用率。
-
城市运营数据多样复杂、标准不统一，厂商需要具备大数据治理能力；
-
构建城市大数据平台需要厂商深入城市治理的业务场景，打通各层级数据，需要厂商具备一定的行业经验，有同类型案例背书，
-
由于各城市之间存在一定需求差异，厂商需具备较强的服务意识与定制化能力。
2.1.5.2.数据可视化
终端用户：
政府部门、商业企业等
核心需求：
数据可视化旨在借助于图形化手段，清晰有效地传达与沟通信息。因此数据可视化对数据和场景特征的呈现方式有较高的要求。
-
决策性建议通常需要结合多部门、多场景的数据,需要对全领域的核心指标进行态势监测和掌控。数据可视化系统能够通过对面板布局进行重组，将多部门、多类型数据融合,并在同一屏幕上呈现，实现全面互联互通，提高决策性建立的效率和准确度；
-
传统的数据可视化方式单一，以平面静态的方法展示数据为主。数据可视化系统将不同的组件进行组合，利用三维柱图、热图等多种形式展示，提高数据的可读性；
-
数据呈现通常存在维度单一的情况，不能将数据所蕴含的价值完全体现。目前，通过时间、空间、地理信息系统等维度的辅助，数据可视化系统将数据的时空信息和变化趋势用更加直观和立体的方式呈现，提高信息价值的使用效率；
-
数据可视化系统支持集成系统，能够实现对视频监控、生态环境等数据的实施监测，提高对异常情况的响应效率。可视化系统凭借先进的人机交互方式，实现用户对数据的探索式分析，可广泛应用于监测智慧、分析研判、展示汇报等场景。
-
数据需求和应用场景不同，厂商应具备根据需求研发定制化组件的能力；
-
厂商需要一定的信息资源整合与展示能力，实现多部门、多类型的数据融合互通；
-
数据来源丰富，需要不同系统和终端支持，厂商应具备平台对接能力,支持数据在平台间的流动和使用。
2.1.5.3.政务云
终端用户：
政府相关部门
核心需求：
-
政府管理理念发生转变，深化“放管服”改革,简政放权、放管结合、优化服务，建立服务型政府。政务信息化建设加快向“数据共享、业务协同”的方向升级；
-
国家在推进数字政府的建设过程中，通过政务上云，从而实现资源集约化建设,打破“数据孤岛”与“信息烟囱”的现象；
-
传统电子政务不能有效整合政务服务资源，政府部门需要提高各部门间的信息流转效率，完善政府与群众的沟通效率，推动“网通办”建设,实现群众“最多跑一次”；
-
政府云有效降低政府对于传统基础设施的采购成本，避免重复建设。同时，政务云服务商提供运维服务将有效缓解政府部]运维力量薄弱的问题；
-
政府部门关注信息系统安全性，政务云基于多层级安全保障体系以及专业的服务团队，提高信息系统整体安全性。
-
各地区基础设施建设水平参差不齐，且使用场景需求不同，厂商应具备定制化服务能力，较强的场景理解能力以及良好的服务意识；
-
在垂直领域如公安、税务等领域政务云系统建设中，厂商需要具备一定的相关行业积累；
-
政府对于信息安全给予高度重视，厂商应满足相应等保要求、云计算服务网络安全审查以及电子政务安全等系列标准的要求。
2.2.公共服务
2.2.1.产业园
2.2.1.1.智慧园区
终端用户：
政府部门、地方运营商等
核心需求：
智慧园区的核心是帮助工业、产业等园区进行人流统计、产业规划以及服务提升，提高产业园的管理效率和综合服务能力。
-
产业发展与服务升级是智慧园区的核心需求，智慧园区需要利用AI算法模型和数据平台在更大范围内提高园区招商引资以及吸引人才的竞争力，同时提高园区的综合服务能力；
-
传统园区无法及时采集和统计分析数据，且生成的数据相对孤立无法进行主动判断与整体判断，导致领导层无法获得辅助信息的数据困境。园区需要通过大数据处理、NLP、 知识图谱等技术，创建数据关联并挖掘数据价值，从而实现精细化管理，及时发现业务问题以及预测业务趋势；
-
智慧园区需要保障人员以及环境的安全。园区人员流动大、出入人员构成复杂以及对温度、湿度、水/电系统的偶然问题和火种丢弃的意外情况敏感度高，导致园区安全管理难度高、效率低。因此，园区需要利用Al赋能的传感器、智能摄像头等设备大规模覆盖园区空间，实时监控环境，保证园区内的人员及环境安全；
-
传统园区孤立系统多，智能化水平低且大多依赖人力进行管理运营，存在着运营成本高，资产利用率低的现象，需要智慧园区解决方案建设统一平台,，优化园区配置、降低人力运营成本、并提升管理效率。
-
厂商应具备针对智慧园区应用场景开发数据分析算法与模型的能力，能够赋能园区进行产业规划，优化管理、商区服务等；
-
智慧园区数据负荷大,厂商需要能够建设数据平台，对园区物联网数据、园区管理数据、企业经营数据等进行规范化管理、采集和分析；
-
智慧园区对安防要求较高，厂商需要具备一定的Al算法能力以及硬件设备能力保证人员及环境安全；
-
各园区数字化建设水平参差不齐，且使用场景需求不同，厂商应具备定制化服务能力,较强的场景理解能力以及服务能力；
-
智慧园区涉及的功能模块以及业务领域较多，厂商应具备一定整体规划能力和平台对接能力。
2.2.2.社区
2.2.2.1.智慧社区
终端用户：
政府部门、公安部门、社区物业、社区居民等
核心需求：
智慧社区的核心是保障居民生活的安全。在安全性能的基础上，智慧社区提供其它更贴近居民生活场景的服务，实现社区服务的精细化、场景化和智能化。
-
社区治理的核心是保障安全。社区人员具有一定的流动性，且出入社区的人员构成复杂，社区存在人员信息管理难度大、管理技术要求高的问题。因此，社区需要利用Al赋能的智能摄像头等设备以及Al算法，实时监控环境，建设人员信息管控系统，解决动态人员管理以及身份识别等问题，提高社区整体安全性能；
-
随着社区治理智能化意识增强，居民对解决方案的要求不再局限于安防，而是希望扩张到与居民相关的其他业务，例如智慧家居、智慧养老等更精准的应用场景,使社区居民生活更加便利且更具品质；
-
智慧社区的建设需要智能硬件设备作为基础，包括家庭安装的感应器、用于视频监控的智能摄像头以及定位器等。目前，硬件层存在着设备老旧、运行状态不稳定、使用效率低且设备渗透率低的问题，需要利用AI赋能的硬件设备进行整体的升级和更大范围的布控；
-
传统社区智慧化改造过程中,存在子系统相对独立,难以互相兼容和对接的问题,需要智慧社区解决方案建设统一平台， 打通各系统数据，联通各业务平台，进行统一标准的管理。
-
智慧社区对安防要求较高，厂商需要具备一定的Al算法能力以及硬件设备能力保证人员及环境安全;
-
智慧社区涉及的功能模块以及业务领域较多，厂商应具备定制化服务能力,较强的场景理解能力；
-
各社区智能硬件设备渗透率不同，智能化建设水平参差不齐且数据分散,厂商应具备一定整体规划能力和平台对接能力。
2.2.3.基建相关部门
2.2.3.1. 5G基础设施
终端用户：
通信管理局等
核心需求：
-
智慧城市将向万物互联的方向发展，大量的信息交换要求通信的线路设施提供更大带宽、更强的运载能力；
-
各行业应用的流量增加以及云化服务的持续渗透，使得社会对于5G建设具备持续性需求；
-
5G无线网络将有效解放智能物联设备的安装布线限制，为AloT设备的安装场景提供更多选择。同时，稳定的网络也是AloT设备正常运行的必要保障。
2.2.3.2. AIoT设备
终端用户：
政府部门、公安、商业企业、工业企业、社区等
核心需求：
AIoT设备是人工智能技术与物联网在实际应用中的落地融合。通过AI算法赋能,，AIoT设备主动提供适用于场景的服务，并实现智能单品的互联互通。因此AloT设备对边缘计算能力要求较高。
-
城市运行所产生的人、地、物、事、组织等各类数据交叉融合成块，但数据块之间相互独立。智慧城市需要通过AI赋能物联网设备，使规模庞大的设备和数据块之间实现网络连接和数据共享；
-
传统物联硬件设备无法深度利用城市运行中产生的各类数据。基于视频结构化处理、人像识别等Al技术，AloT 解决方案能够赋能loT设备，在采集数据的基础上,识别基本信息，利用信息构建知识，实现监测预警等底层应用，同时也能为场景中的深度应用做好基础准备；
-
物联网与人工智能的核心都是数据，但传统硬件设备采集的数据来源单一且缺乏支持场景的历史数据，导致预测结果效果不佳。智慧城市的建设需要在更复杂多变的场景中完成大规模的AloT的部署，弥补缺失场景数据的维度和规模；
-
智慧城市建设对数据获取的速度和精度要求较高，AloT 设备能够快速采集城市运行中所产生的数据 (包括图像视频、烟雾浓度、光线强弱等多类数据)，且通过图像增强、降噪等Al技术，提高数据获取的精度，为AI算法提供高质量数据储备。
-
厂商应具备一定的边缘计算能力，使设备在边缘端能够提供相应的智能服务；
-
厂商应具备一定Al算法模型研发的能力，提高数据获取的速度与精度,从而保证数据的规模与质量；
-
AIoT采集的数据来源丰富，数据格式多样，厂商需要具备数据治理的能力，能够对多种感知资源关联叠加，实现信息和状态关联融合，从而决策性辅助建议。
链接：
提取码：o74l
