现有AI技术的能力边界内，应急管理可以做到怎样的程度？_专栏

本周与多位客户深入讨论了应急管理，激发了笔者对这一话题的思考，尤其是在考虑到AI技术的快速发展时，笔者谨慎地加入了能力边界这一定语。

首先，AI技术的迅猛发展不可忽视。每天都有新的大模型发布，不断刷新榜单，甚至榜单内对模型性能评测的体系也在以日为颗粒度迅速迭代。面对AI技术不断被激发的上限想象力，业者往往难以确定可行的方向和时机。

其次，AI技术在实际应用中面临着巨大的困难。即使一个技术在解决方案中已经得以应用，它可能并不总是有效。即便在大模型时代，非事实性错误如幻觉仍然可能影响用户体验，这在先前的讨论中已经有所提及。

因此，笔者认为加入“现有AI技术的能力边界内”这一定语是探讨场景落地类型话题的前提条件。

回到应急管理话题。在10月24日，十四届全国人大会议第六次会议审议通过了国务院关于增发国债支持灾后恢复和提升防灾减灾救灾能力的议案。这次增发1万亿元国债的目的是支持灾后恢复和提升防灾减灾救灾能力的项目建设，是中央政治局会议部署的重要安排，旨在补短板、强弱项、造福民生。

这一万亿级的政策令人回想起2008年的四万亿经济刺激计划。尽管我们了解当前的经济环境不容乐观，但为什么选择在应急领域出台政策呢？笔者认为，越是在大环境不利的情况下，越需要重视守护基本盘。国家通过应急管理可以增强基本盘的稳定，应对天灾和人祸，有了应急的保障，国家的抗风险能力就会更强，避免像人生病一样在遇到突发的情况时无法应对。

那么，现在的AI技术在应急领域能够发挥怎样的作用呢？

主要的应用领域将会是自然灾害应急能力提升工程。政策要求支持实施预警指挥工程、救援能力工程、巨灾防范工程和基层防灾工程，加强各级应急指挥部体系，提升防灾避险能力。在这些工程中，AI可以提供有力的支持。

首先是大模型的应用。举例来说，应急实训、模拟规划和现场调度。

应急实训是一个基于当前大模型能力的可靠应用场景。通过将员工的应急工作手册、应急处理流程等语料输入大模型，训练后的大模型可以具备应急工作知识，通过对员工进行应急知识的培训和考试。大模型相对成熟的chatbot应用能力使得交互更加灵活，通过适当的规则设计和外挂题库，也可以降低幻觉的影响。

模拟规划是和数字孪生相配套的应用，通过在虚拟环境中模拟更多应急情况的可能性，帮助管理者完善应急工作手册、应急处理流程和应急基础设施。大模型的生成能力可以给予数字孪生系统很好的仿真数据输入。相比传统的应急规划，基于AI的模拟规划可以更好地发现不足点，并将应急资源投入到最实用的地方。

现场调度是上述两个应用成熟后的应用。在应急时刻，机器算力通常比人脑算力更为高效，配合视觉和物联系统的感知输入，应急GPT可以根据实时变化的环境条件和模拟训练的结果，推理出最优解，作为应急指挥人员的有力辅助。

这些应急应用示例需要根据客户的实际应急场景进行大量的模型微调和增量训练，非常适合在边缘侧进行。

云锦微最新推出的边云一体的下一代空间计算OS - 云锦OS，定位于可以在低资源硬件上运行的国产开源模型计算平台，为客户解决了在部署大模型时的一系列问题。这包括无需复杂配置，去N卡的全国产化，以及获得最优算力成本。受益于自主知识产权的训推一体框架VT-Transformer，云锦OS较常规框架可以把训练成本降低5倍，推理性能提升3倍。

关于如何基于云锦OS定制部署大模型的应急GPT方案，可以点击下图入群探讨。

在小模型方面，即任务模型或专家模型，尽管大模型备受瞩目，小模型由于其精度和成本的优势仍然具有广泛的应用前景。在各种先进案例的架构中，大小模型的协同使用已经变得越来越普遍。

以云锦微的边缘AI智能体为例，该智能体允许企业或服务提供商快速地编程和部署，减少对上游供应商的依赖。这个解决方案包括视觉EC终端和VTStation训练一体机两部分。视觉EC终端使用现有的安防摄像头捕捉实时视频流，运行视觉算法并触发事件警报。VTStation训练一体机提供了一个算法生成工具的图形界面，使客户能够以无需编码的方式完成算法生成、数据标注、微调和版本管理，以满足监测需求。此外，VTStation训练一体机还提供了一个主动告警中控APP。