近几年来，城市大脑概念可谓如火如荼。相比于前两年大家对这一概念比较陌生，如今相信大部分读者应该都已经知道，所谓城市大脑的基本内涵，是指用公路上的大量摄像头，来识别车流、车牌和车辆，以及一些路段广场上机遇摄像头执行人脸识别和人流判断。

这些“城市之眼”收集的数据，一方面可以帮助提升城市安防的智能化水准，比如预判人群拥堵、识别交通事故与可疑车辆等等；另一方面，城市大脑的作用主要体现在和交通灯、高架桥准入闸口的互动上。通过对车辆数据的识别和判断，进而用城市大脑进行交通指挥，被广泛相信是治理城市拥堵的有效方式。

这些技术逻辑近两年被反复讨论，加之科技巨头的不断加注与宣传，很可能让大众觉得城市大脑已经非常完善，可以真正承担一座城市的“AI交通指挥官”。然而事实上并非如此，从一种产业构思到实际落地，城市大脑，或者称作智慧城市系统，还面临着非常多物理世界中客观存在的困难与障碍。尤其是城市摄像头体系本身，与后加入的AI大脑，二者其实存在着无法忽视的“代沟”。

这个问题应该如何解决，近两年也有相当多的学术讨论。比如中国工程院院士、中国计算机学会理事长，北京大学教授、博导高文提出的“数字视网膜”理念，就广为产学各界重视。在这一问题中构成了一种代表性的解题方案。

我们似乎可以从数字视网膜应运而生的现实问题，以及其发展思路中，共同探讨这样两个问题：城市的智能，距离我们究竟有多远？而如果希望拉进这个距离，目前有哪些急需开展的工作？

从这个角度思考，我们或许会发现数字视网膜既是一种学术创新，也是一个新的产业机遇。

“眼疾”未愈，城市大脑依旧幼稚

城市大脑概念，在现实执行中面临的第一个问题，也可能是根源的问题之一，就是原本并不用于智能计算的城市摄像头，如何与AI带来的识别，甚至智能分析能力连接在一起？

这个问题涉及一个基本矛盾，就是智能发生在哪里。

今天一般的城市大脑与智慧城市项目，主要是将摄像头收集来的视频数据进行存储，从而在云端用算法就行识别和分析。

而这里就有很多矛盾滋生了出来，比如传统摄像头收集的视频数据过于庞大，清晰度也欠佳，AI算法很难识别。

即使摄像头能够提供高清数据，但由于拍摄的视频没有进行特征提取，于是从提取到识别、检索，再到推理的全链计算都必须发生在云端。这带来的数据量非常庞大，云端将承受难以负载的数据压力，从而影响识别精度与数据处理准确度。同时，把基础视频数据堆积到云端，客观上也会造成过大的延迟，很难满足交通场景里实时反应的刚性需求。

同时，城市综合体每天产生的视频数据，其本质上堪称一个“数据包袱”。这些数据存在哪？存多久？谁来看？如何检索？在海量数据面前，这些问题一一成为了城市数据管理体系的重担。

那么如果让摄像头自己具备识别能力呢？这是如今智慧城市的主要解决方案，但是由于此前的原版摄像头不便拆卸，想要加入新的识别能力就要加装一个新的摄像头。于是我们看到了拍照摄像头、人脸识别摄像头、车牌识别摄像头、车辆识别摄像头等等；在路口抬头一看，简直能激发密集恐惧症。

这些“智能摄像头”识别出的数据，本质上无法做到汇融与底层打通，而是只能各自为政。后端的AI也就只能偏听偏信，无法进行完整的交通场景分析，给出真正的“智能建议”。

那么如果让识别和推理的全套AI能力都发生在摄像头里呢？这带来的问题就是端侧算力不够充沛，无法支撑复杂的计算。如果在每个摄像头都加载大量AI算力和专用硬件模组，那将是一笔无法负担的成本。而且想要让AI全局化理解城市，各摄像头也必须进行全局汇总。

这样左右为难的问题，就是今天城市智能从理想到现实的差距。高文院士将之总结成“存储难，检索难，识别难和功能多样化”四个问题，并且形象地比喻为城市的“自闭症”和“弱视”。

那么如何破解城市的种种“眼疾”呢？如果也用仿生学来比喻，那就是今天城市有了云计算和AI作为大脑，也有了摄像头作为眼睛，但是二者之间缺少一样东西：视网膜。