本次峰會的主題是代表城市AIoT的14標桿企業，為現場和線上觀眾分享經營理念和技術應用方法論。
在下午的演講環節，咨詢合夥人趙為峰會做了精彩的演講。
趙指出，從中、美、日三國城鎮化發展歷程和特點來看，改革開放40年來，中國城鎮化速度壹直領先世界。
各種智慧城市建設方案憑借其先進的技術、強大的感知和高效的數據資源應用，可以解決城市中大量存在的問題。
與此同時，智能城市憑借其數字和綠色特征為碳中和目標做出貢獻。
但不容忽視的是，在智慧社區、智慧商業等場景中，仍然存在系統碎片化、數據孤島、信息綜合利用率低等問題。比如碎片化的單點解決方案，數據不開放，形成數據孤島。
這就要求智慧城市碎片化的單點解決方案要逐步轉化為全場景、壹站式的完整解決方案。
未來的城市將遵循以下規律:
從信息城市到智慧城市再到以人為本的城市。
以下是趙的演講全文，以及雷鋒網的AI掘金。com在不改變初衷的情況下進行了整理和編輯:中國智慧城市突破4萬億規模。說到城市，必須拿中國和美國做比較。中美在城市層面最大的區別是，美國的城市化步伐持續了近百年，而中國是最近二三十年才進入快速城市化。這個區別很重要。
最近二三十年，中國人口增加，科技爆炸，同時處於快速城市化階段。這三種現象疊加之後，對於整個城市的管理，如何成為服務型城市，如何變得更加智能化，都是壹個巨大的挑戰和機遇。
從投資、公司發展和融資的角度來看，挑戰與機遇並存。
中國的城市有幾個特點。首先，它集成了多種功能。例如，中國的特大城市是經濟中心、教育中心、科技中心和文化中心。在美國，有的城市是政治中心，有的城市是科技中心，有的城市是經濟金融中心，而中國是綜合性城市，人口遠遠大於美國任何壹個單壹的特大城市。
綜合性、超大型城市在城市發展管理中面臨著流動人口管理、城市交通擁堵、消防安全隱患、居民健康挑戰、城市汙染嚴重等問題。
其中最近比較熱門的ESG，指的是利用數字化賦能讓城市更綠色低碳，人類節能減排勢在必行的概念，ESG方向有很多機會。
其實妳會發現，政策的頂層設計只講了壹件事:如何把城市當成壹個人。頂層設計中的城市大腦相當於人腦。
數字化讓城市的數據得以沈澱。如何將過去10-20年沈澱的海量數據數字化，是城市智慧的第壹要素。應對場景是數字化之後的第二步，場景會帶來實際需求。
三是加強網絡建設，需要構建壹個神經或血管狀的網絡來傳遞數據和信息。
據估計，智慧城市生態有4-5萬億的市場規模。ESG的核心是低碳、節能減排、數字化。ESG存在於每個軌道中。智能汽車、機器人等智能終端，智慧城市將迎來物聯網時代是必然趨勢。智能汽車和機器人是物聯網的兩個非常重要的節點。智能汽車是交通工具，是人類新的工作生活場景。這是壹個城市物聯網場景。與汽車相比，機器人具有更多的服務功能或工作功能，在采集場景數據、地理信息數據或自主學習能力上也在不斷進化。
在智能汽車方向，自動駕駛是必然趨勢。不管要十年二十年才能實現，司機都不會再有了。
前期從L1到L3，需要人不斷的關註和幹預。現階段需要大量的技術研發來保證驅動到位，L4的時間節點到達時間也不壹樣。
在這個趨勢下，有兩個子賽道，壹個是新能源汽車，壹個是Robotaxi。後者需要強大的運營和服務能力，到達時間肯定比智能或自動駕駛新能源汽車要晚。
目前來看，前裝的趨勢非常明確。無論是激光雷達還是相機，前裝市場都是必然的選擇。
昨天有嘉賓說，他和車廠的合作不斷被車廠和主機廠在地上摩擦，後裝會逐漸被取代，走得更遠。與主流主機廠合作是未來趨勢。
智能自行車遠遠不夠自動駕駛。要實現人、車、路的協調，就要有網，最終實現自動駕駛。人就變成了相對自由的人，不能總是關註汽車和道路的狀態。
不僅是通信網絡，自動駕駛也需要計算網絡，能夠支持智能汽車的毫秒級智能駕駛。
智能自行車遠遠不夠，還需要智能道路。未來將在路邊和邊緣布置大量的激光雷達或節點，存儲已經通過的汽車或路況信息。
要保證L4級自動駕駛毫秒級運行，芯片的運算能力非常高。
商用車行業自動駕駛追求更多的經濟回報。在壹個典型的物流場景下，我們尋找優秀公司的方法論，在於它是否解決了行業痛點，或者在大趨勢下能否堅持做好壹件事。
商用車自駕司機的成本在不斷上升，司機在駕駛過程中會出現失誤和疲勞。物流行業競爭嚴重，司機超載或者加班都是正常的，存在很多安全隱患。其次，物流行業介入嚴重，運營成本居高不下。在長途幹線運輸場景中，電動和自動駕駛卡車潛力巨大，城市地區的快遞和物流配送也會在低速場景中產生大量需求。
再來說說機器人。今年很多機器人都在以非常快的速度成長和融資。很重要的原因是人工智能技術成熟後，算法和感知決策有了很多結果。
對於服務型城市，最終實現執行和服務的閉環。機器人作為壹種可以將AI能力具體化的物聯網設備，通過AI、人工智能、雲端的人工智能來賦能。
機器人賽道，有的企業分為三個階段。第壹階段是自己做機器人，完成設備，交付給甲方或工程公司。這是壹個必要的階段。企業需要考慮機器人的類型和軌道，如服務機器人、工業機器人、協作機器人和醫療機器人。
第二階段，機器人在場景中采集了大量數據，經過沈澱後成為AI更加智能的重要數據源和基礎。第二階段任重道遠，企業是否優秀也可以在第二階段看到。
第三階段類似於特斯拉的發展邏輯。在公眾認知中，特斯拉不僅是新能源汽車企業，還是大數據企業。機器人企業也有這種現象，機器人最終會成長為具有自我學習、自我優化的終端。
事實上，機器人公司可以幫助新的物聯網設備公司變得更聰明。以特斯拉提供的自動駕駛服務為例。從某種意義上說，可以開源，可以賦能其他公司。在開放城市基地，實現以人為本的城市需求的過程中，有大量的設備、企業和物聯網終端。對於壹個城市管理者來說，壹個很大的挑戰就是面對海量的應用、海量的企業、海量的服務、海量的數據，應該建設多少網絡、多少平臺、多少平臺？這是目前很多智慧城市都會面臨的問題。
未來壹些城市會逐漸出現數據庫或者操作系統。
長期來看，上壹個時代是移動互聯網時代，現在正處於移動互聯網時代紅利的頂峰。手機的所有應用都是在iOS平臺或者Android平臺上生長的。
如果下壹個時代是物聯網時代，是否會有可能出行類似於iOS或Android的操作系統，基於物聯網設備的開發為企業賦能，或者基於開發環境、應用環境、叠代升級環境、沈澱數據提升企業效率？
過去智慧城市的建設多是以信息為中心，或者說以場景為中心。我們認為下壹階段是以人為中心，而以人為中心需要考慮的是，作為服務型城市，需要壹個強大的樞紐和基地。