至顶网CIO与应用频道 09月06日 北京消息:国际媒体Technode近期拜访滴滴北京总部。在报道中,Technode指出,在成立五年之际,作为全球共享出行的领先者,滴滴正通过投资合作推动业务的国际化。与此同时,凭借平台积累的大量数据,滴滴也在利用数据分析技术,与中国的城市管理者合作,给城市规划和交通管理提供更多信息,助力智慧城市的发展。
中国共享出行巨头滴滴出行正在推动大数据和人工智能技术的发展。滴滴一方面通过合作,扩大在全球范围内的影响力,另一方面也致力于技术开发,目标是成为智慧交通和汽车技术的全球领先者。
今年4月,滴滴完成了55亿美元融资,估值达到500亿美元。过去一段时间里,滴滴正在走向全球各地,投资了多个地区的打车公司。
在东南亚,滴滴和软银今年7月联合领投了地区领先者Grab一轮20亿美元的融资。8月,滴滴与来自迪拜的Careem达成合作协议,涉足中东和北非市场。此外,滴滴投资了Taxify,后者目前在欧非地区的18个国家服务于250万用户。在投资Careem之前,滴滴还领投了巴西共享出行企业99。

滴滴希望,预测算法能减小出行市场的供需失衡问题,最终解决该问题
然而,滴滴关心的并不仅仅是国际化发展。滴滴表示,该公司的7000名员工中有50%是工程师和数据科学家。在2015年的TechCrunch北京大会上,滴滴战略副总裁朱景士曾表示,与美国的城市相比,中国的城市带来了更大的挑战,这促使工程师寻找更先进的技术解决方案。
那么,滴滴正在如何利用大数据,协助解决中国城市的交通拥堵问题?正如可视化工具所展示的,滴滴利用由数据驱动的智能匹配技术,给乘客寻找司机,确保给定区域的整体交通效率最大化。图上的红点表明这里对出租车和专车有额外需求,绿点则表明车辆供大于求。
Technode参观了滴滴的北京总部,与负责滴滴城市交通项目的数据分析师王占伟进行了对话。根据王占伟的介绍,滴滴通过3种方式,协助政府部门解决中国城市的交通问题。
1.滴滴给城市发展经济学家提供帮助

滴滴可以实时监控,哪些地区有用户正在呼叫滴滴
“在中国地图上,可以看到400座城市有彩色点在闪烁。滴滴可以实时监控,哪些地区有用户正在呼叫滴滴。”王占伟告诉Technode,“滴滴的运营情况非常形象地反映了某座城市,甚至整个地区的经济和人口动态。”
王占伟指出,滴滴的数据表明,除珠三角、长三角和京津冀地区之外,四川将成为中国下个增长和区域一体化中心。
滴滴正在迅速开拓除一二线以外的中国其他城市,甚至深入某些欠发达的城镇和郊县。滴滴的服务已经覆盖了中国823个欠发达郊县中的518个。在非一二线城市中,滴滴解决了普遍存在的司乘之间讨价还价问题,因此备受用户欢迎。
“这给地方就业和经济活力带来了改变。”王占伟表示,“经济而高效的交通方式帮助小城市与主要中心城市共同发展。”
2.滴滴的目标是预测和消解交通拥堵,目标即将实现
王占伟表示,大数据科学家的终极目标是实现预测,进而做出干预。借助数据分析技术,通过分析存量交通数据和实时数据,滴滴已经具备了预测交通拥堵的能力。
“今天,在某些特定区域,我们可以提前15分钟预测需求,准确率高达85%。在此基础上,我们设计并开发了预测派单模型,派遣车辆更快地到达打车需求旺盛的区域。”王占伟表示,“如果我们可以在整座城市中、提前更长时间实现这样的预测,那么会看到什么样的结果?用更多的数据去训练算法,我们的技术就会不断优化,交通管理者就可以更完美地预测何时会发生交通拥堵,提前采取措施防止拥堵的发生。”
3.滴滴正在与交管部门合作,缓解城市拥堵
与新加坡和赫尔辛基等城市类似,中国的城市管理者也在建设可持续发展的“智慧城市”。滴滴认为,该公司可以在这一过程中扮演重要角色。目前,滴滴正在与包括南京、深圳、济南和武汉在内的20座城市合作,用数据去助力交通管理。
在济南的试点项目中,滴滴协助地方交警部门协调调度和监控系统。除提供实时交通数据之外,滴滴也开展了智慧信号灯、交通引导屏以及潮汐车道等项目。王占伟表示,通过将交通管理技术应用于济南的主要道路,滴滴使道路通行时间缩短了10%至20%。“济南全市有900个十字路口,我们为其中的约100个十字路口开发信号灯技术。如果我们能覆盖全市的所有信号灯,那么交通拥堵问题可以得到极大地缓解。”

济南快速路上的滴滴大屏幕帮助司机更好地根据实时交通信息规划路线
滴滴表示,来自数据分析的信息甚至可以帮助地方交通部门负责人更好地评估辖区内的交通运行和管理情况。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。