【元脑伙伴共行记】佳都科技：知行合一的智慧交通，需要知行合一的生态协同

01 闯关：从车辆段到正线，到视觉大模型实战

从所内实车验证、正线实车验证到正线试运行，三阶段闯关层层递进。

第一阶段就上难度，实验环境中预埋了50个故障点，规则还有点残酷。其中的关键故障点，基于视觉大模型的大铁车辆故障工业图像检测系统必须100%检出，漏检一个即被淘汰。

第二阶段测试更“不讲人情”，系统在真实环境上线，试用期三个月，但人工巡检团队也不闲着，依旧照常工作。只不过，算法与经验的比赛已经开始，若是系统的检测效率败下阵来，对不起，仍将淘汰。

经过多轮测试，场上选手仅剩为数不多的几家公司，佳都科技成功突围。基于视觉大模型的车辆检测系统即将正式上岗，但还需完成第三轮闯关——佳都科技此后需持续进行模型迭代，持续推进场景创新。

这场发生在真实轨交业务场景的闯关测试，检验的是视觉大模型的实战能力。要看清它的技术来路，时间还要拨回2023年。

2023年，佳都科技“知行交通大模型”正式发布。名称取自“知行合一”之意——既要“感知信息”，通过“知行交通大模型+交通佳鸿操作系统”双技术底座，精准知悉复杂的交通数据（如客流、设备故障、路况等）；又要“落地执行”，通过各类场景智能体，将分析结果转化为实际的调度、运维、服务等可落地的“行动”方案。

不过，“知行”的能力并非一蹴而就，而是伴随版本迭代逐步形成。

“‘知行交通大模型1.0’解决了‘能说会答’的问题，可以用于智能客服等场景。”佳都科技中央研究院院长王凯强调，不同于“一场景对应一算法”的小模型，也不同于缺乏专业知识的通用大模型，“知行交通大模型1.0”深度融合了佳都科技，20余年交通行业的数据与知识沉淀。

技术起步的同一年，双方合作也正式启程。王凯补充说：“也就是在2023年，佳都科技与浪潮信息签约，成为浪潮信息广东战略合作伙伴联盟的首批6家成员之一，并确立区域与行业协同框架。”

此后，知行交通大模型的技术研发开始从“能说会答”向更复杂的感知与决策演进。彼时，人工智能技术也开始探索如何进入更复杂的生产场景，模型的能力从语言理解扩展到视觉、多模态和时空决策。

2024年，佳都科技开始在“知行交通大模型2.0”中，正式引入了多模态全家桶。也就是在此前自然语言大模型的基础上，新增了视觉大模型、多模态大模型、时空决策大模型。

这可是项关键性的技术突破。其中，视觉大模型的关键应用之一，便是大铁（铁路车辆故障）工业图像检测。当然它也可以应用到更多的场景中，比如，在城市轨道交通运营场景中，既能实现支付兼容、安检互认、票制互通，以及信息共享；也可基于实时客流、天气、突发交通事件等信息，对精准客流进行预测，并动态优化交通组织方案与运力调度配置，减少城市路网拥堵。

02 由“点”到“线”，再到“面”，技术迭代与场景实践同步推进

技术进入生产场景的同时，双方合作也从区域与行业的协同，逐步细化至智能交通管理、城市交通流优化、AI交管方案等具体业务领域。技术层面，模型版本的迭代是主线；应用层面，场景范围的持续扩展则是另一条清晰的推进路径。

“初期，用户只给了佳都科技一个路口，之后解决方案延伸到一条街道，再之后方案又覆盖到整个城市最拥堵的CBD区域，”王凯分享了一个真实的场景故事。

在大交通领域，佳都科技聚焦智慧轨交和智慧城市交通。相较于轨道交通对沿线场景的串联，城市交通更需要全局视角——不仅要解决单个路口的拥堵，还要理解路口之间的联动，以及学校、医院、商圈等城市功能单元对交通流量的影响。

第一步，是解决一个拥堵路口的问题。佳都科技接入摄像头、地磁线圈、雷达等多源感知数据，让“知行交通大模型”学习不同时段、天气条件下的车流规律。AI信控智能体据此动态调整信号配时，使早高峰排队长度缩短近三成。单点验证见效后，用户决定将方案扩展到一条街。

从“点”到“线”，模型需要掌握上下游路口间的车流传导，实现“绿波协调”；从“线”到“面”，模型还要理解CBD内写字楼、学校、医院、商圈等不同场景的出行规律，判断拥堵为何发生、何时发生，又将如何传导。

“对大模型世界的理解，就是对城市运行规律的理解。”王凯表示，这既需要前沿理论，也离不开一线信控经验，而最终，这二者经验都会沉淀到模型中。

从一个路口到一片区域，应用范围不断扩大，也对模型训练、算力调度和持续迭代提出了更高要求，并推动双方从场景合作进一步走向工程协同。

03 技术继续演进，合作超出预期

2024年年末，“元脑中国行”城市行期间，佳都科技签约加入EPAI种子计划，依托元脑企智EPAI平台，加速交通大模型训推与场景落地。

加入“种子计划”后，佳都科技将大模型研发的触角深探至工程细节的最底层。为了让“知行交通大模型”脱胎换骨，佳都科技算法团队联合浪潮信息的工程力量展开了常态化攻坚。佳都科技所践行的是不再依赖现成的开源方案，而是亲自动手进行底层算子级调优，充分释放硬件性能。

浪潮信息把压箱底的“软硬功夫”都拿了出来——从算力调度、集群搭建，到把硬件性能“榨干”的底层调优，全链路支持佳都科技，而当遇到端口直联、硬件异常这类“超纲”难题时，浪潮信息也第一时间下场兜底，正是这种“随叫随到”的工程支持，极致调优换来的是肉眼可见的实战红利：正在攻坚的3.0版本更是实现技术跃迁，在显存占用骤降四分之三的同时，迭代速度反提2.5倍。

依托这套硬核的工程体系，佳都科技在相同硬件预算下，跑出了比同行快两倍以上的迭代节奏。有趣的是，这种“抠算力”的底层优化思路，与后来引爆行业的DeepSeek五大核心杀手锏之一不谋而合，可大幅降低大模型训练的资源开销。

随着知行交通大模型3.0版本的能力成熟，工程优化进一步转化为场景成果。佳都科技陆续推出了智慧巡查智能体、运维智能体、行车计划智能体、‌AI信控智能体、节能智能体。例如，应用于地铁场景上岗的智慧巡查智能体，可实现对地铁保护区的空地立体化巡检；行车计划智能体可对接现有客流预测系统，精准预测大型活动、演唱会等特殊事件期间的线网客流，预测仅需约3分钟。

在这些应用中，运维智能体支持对站台门、通信、电扶梯等多专业设备进行故障诊断与趋势预测分析，故障诊断准确率可达99%。即使故障发生后，其也可自动生成工单，并连同维修建议，一并匹配推送至对口维修工程师。

由此，AI不再只是辅助分析，而是开始重构业务流程：发现故障、生成并推送工单、给出维修建议，都可由AI完成。运维工程师与大模型的互动，不再是人找模型去互动，而是模型找人去解决问题。这背后，是浪潮信息对算力的“深知”与佳都对场景的“实干”深度咬合，让算法与算力同频共振，把“知行合一”从理念落地为实实在在的效率跃升。

当这些能力走出研发环节，双方合作也进入规模化落地阶段。此后，“大模型+智能体”方案陆续应用于济南地铁、广州地铁、东莞地铁等多个轨道交通项目。

对王凯而言，合作的价值不只在于共同完成项目，更在于关键时刻的工程支持。“有时候，浪潮信息提供的支持，甚至超出预期。” 

这种“超出预期”，在模型落地阶段体现得尤为具体。通常，服务器间以光纤交换机，实现跨集群互联。“但能不能不用光纤交换机，将端口与端口进行直联？”佳都科技希望实现数据无损传输，也希望帮助用户大幅降低训练成本。“这种方式理论上可行，但实际上很少这么干。”王凯说。

直联测试启动后，数据传输很快出现异常，硬件系统好像也出现了故障。之所以是“好像”，是因为佳都科技也不知道是服务器硬件问题，还是光模块问题。“这种极限的压力测试，显然超出了浪潮信息的维保范围。”王凯说：“但实际上，浪潮信息不仅解决了问题，还协助佳都科技搭建集群，完成后续模型落地应用。”

显然，这就是超出预期的合作，这里的“知行合一”，不再是理念层面的呼应，而是生态共建的共建：浪潮信息以算力调优、算法协同、工程兜底为“知”，佳都科技以场景落地、业务重构、规模迭代为“行”。双方从底层工程到上层应用，从单点突破到规模化复制，彼此能力互补、价值共生，共同沉淀可复用的行业方法论，让“知行合一”的智慧交通真正跑起来。

* 智能时代浪潮下，产业变革既源于技术创新，更来自生态协同。浪潮信息“元脑生态”正是这片孕育未来的沃土，以开放性、前瞻性持续赋能千行百业。《元脑伙伴共行记》是一档记录渠道生态进化历程的纪实故事。我们以“技术-商业-生态”三重镜头，追踪见证生态赋能的价值跃迁。