打造高质量“AI与交通”生态系统

我国的交通运输与人工智能的结合正在全面深入发展，展现出“全方位渗透、场景驱动、数据互通、智能提升”的特点，这对交通运输行业的高质量提升起到了显著的催化作用。

交通运输部联合相关部门发布了《“人工智能+交通运输”典型应用场景创新行动方案》，宣布启动首批“人工智能+交通运输”典型应用场景项目的建设工作。这一方案围绕智能驾驶、智慧公路、智能铁路等10个领域，首批推出41个重点应用场景的建设指南。这表明“人工智能+交通运输”正在从规划设计走向具体实施。

近几年，人工智能与交通运输的深度融合体现出“全面渗透、场景引导、数据流通、智能化支撑”的明显特征，为交通运输行业的高质量发展提供了深远的推动力。

尽管如此，仍有一些关键问题亟需关注。比如，在融合过程中，核心算法、高端传感器和车规级芯片等关键领域仍显不足，跨运输方式和区域的数据孤岛问题亟待解决，数据安全、算法伦理以及系统韧性等潜在风险也需引起重视，产业协同创新生态亟需完善。因此，需要采取系统的和前瞻性的策略，打造一个开放、安全和协同的融合环境。

强化技术攻关是关键。核心技术是发展的基础，进一步深化融合需要在动态场景感知、实时定位导航和复杂环境下的自主决策等共性技术上实现突破。针对车规级芯片和高端传感器等“卡脖子”环节，应组织创新主体协同攻关，提升核心软硬件的自主保证水平，加快构建一个包括多种运输方式、基础设施、运输服务以及行业治理等领域的交通运输大模型技术基础。需要引导创新资源向这些关键领域集中，以弥补细分领域的技术短板，形成自主可控和安全可靠的交通人工智能技术创新体系。

进一步强化场景驱动。具体应用场景是试验和推动进步的“催化剂”。应围绕智能驾驶、智慧公路等领域，持续发布典型场景的建设指南，突出民生需求，涉及综合客运服务、城市公共交通智能调度和路径优化管理等高频应用场景。

夯实数据和计算能力基础也是不可或缺的一环。数据是人工智能发展的关键，计算能力则是驱动其运转的核心。加速建设综合交通运输信息平台和大数据中心，打破跨部门和跨方式的信息孤立，建立高质量的数据集和公共数据授权运营机制，以充分释放数据的价值。促进产学研之间的深度数据共享，建设高质量的人工智能大模型训练数据集。

培育产业生态则需要多元创新主体的共同参与。集结国内人工智能领域的企业、高校和科研机构，共享计算资源、共同建设语料库和模型训练，形成开放而融合的共赢生态。充分发挥创新主体，加大基础研究和应用研究的力度，加快人工智能技术成果的转化。同时，组织“十百千”创新行动，推动人工智能在交通运输领域的全面赋能，培育未来产业。

有效的治理体系是保证人工智能与交通运输融合新生态健康发展的前提。应加快制定“人工智能+交通运输”的应用安全指南，形成覆盖应用全生命周期和各业务领域的安全治理框架。鼓励企业围绕新技术与新业态，在生产、测试、交互和服务等方面制定标准规范。