大模型企业开始在交通场景赚钱了

先看几个关键数字：佳都科技上半年营收29.78亿元，同比增长18.40%，扣非净利润355.18万元，成功扭亏为盈。这份成绩单的背后，核心驱动力其实不难找——聚焦智慧轨道交通和智慧城市交通这两条主赛道，同时让AI大模型真正落地，为各项业务带来了稳健增长。

具体来说，在智慧轨道交通这个场景里，佳都科技拿下了天津、合肥、济南、宁波等多个城市的新线项目。随着订单落地，自主研发的智慧出行系列AI产品——智能语音识别、虚拟客服、人脸识别系统等——也开始批量部署。智慧城轨、智能运维、线网指挥、智慧节能这些场景化的解决方案，正在实实在在地为地铁运营创造价值，也让乘客的出行体验更加智能化。

报告期内，佳都科技在AI行业大模型上的研发投入明显加大了力度。产品迭代速度很快，先后发布了佳都知行交通大模型V2.0和智慧运营管控平台。更值得关注的是，他们还与广州市交警支队合作，基于这个大模型提供了车驾管电子书等多款产品。这种从轨道交通向城市交通管理延伸的思路，路径很清晰。

至于智慧城市场景，佳都科技正在探索“一网统管”、城市运行管理平台、大数据指挥中心等业务方向。核心逻辑是一样的——用AI大模型技术去赋能各个行业应用场景，从而带动收入和利润质量稳步提升。

当然，盯上智慧交通这块蛋糕的不止佳都科技一家。包括百度、商汤科技和港科大（广州）在内的头部企业和科研机构，都已经拿出了各自的方案。AI大模型在交通流预测、智能信号控制、公共交通优化、智能停车管理这些方向上的应用潜力，正在被快速验证。

举个例子，百度去年4月发布的“基于交通大模型的全域信控缓堵解决方案”，算是第一次把大模型和交通应用场景做了明确的结合。这个方案面向中大型城市，针对常态拥堵、异常拥堵以及景区学校等单点区域的拥堵问题，提供了一套从感知、优化、协同到服务的全链条解决方案。

港科大（广州）提出的LightGPT模型，走的则是另一条技术路线——利用LLMLight框架向智能体提供详细的实时交通状况，再结合先验知识去优化信号灯配置。

商汤科技的动作也不慢。他们去年推出的智能交通解决方案，已经具备了大规模视频分析、交通感知、交通决策、交通控制和交通安全等专业级能力。在绍兴落地的睿途交通产品及平台，更是用AI替代了大量人力，把交通管理从劳动密集型转向了智能化。商汤科技智能交通业务总经理郭海锋曾公开表示，借助大模型做交通知识问答、文本分析甚至辅助撰写文档，预计提效能达到80%左右。而且大模型支持文字、语音、图片多模态交互，这让专业交管软件的使用门槛大幅降低——不再需要层层点菜单，交管人员可以快速上手，培训成本也跟着降下来了。

回到佳都科技这边。知行交通大模型是率先在轨道交通领域落地的案例，目前已经具备了三个成熟的应用场景：智能客服、智能运维和应急指挥。

• 在智能客服场景，地铁虚拟数字员工能进行自然语言交互，乘客可以直接对话。

• 在运维管理场景，维修人员可以跟系统对话，排查故障原因、获取辅助决策；还能通过智能问答快速查到故障设备的专业信息、具体位置和工班排班情况。整个维修闭环——从提报、派单、分配到生成报告——都能自动完成，效率提升明显。

• 在应急指挥场景，城轨应急的事前、事中、事后处置服务，能够解决传统模式中依赖人力执行、重复性工作多、管理难度大、数据价值无法挖掘、经验教训难以沉淀等一系列问题。

不过，想让AI大模型在智慧交通领域真正发挥最大效用，有一个前提绕不过去——必须跟交通专业知识深度结合。交通数据的质量（完整性、一致性、准确性）是基础，清洗和预处理也是必须的。然后要把交通专业知识融入大模型的训练过程，构建更贴近实际场景的模型。交通法规和政策要求也需要嵌入到AI的决策逻辑里，确保输出结果既合规又实用。

从这个角度来看，交通行业的AI大模型已经不仅仅是工具，它正在成为交通系统的“大脑”。而这种深度的知识融合模式，其实在医疗、金融等高度专业化、数据密集型的行业里也在快速复制。趋势已经很明确了：各行业的大模型都会越来越注重与领域专业知识的深度结合，以此来提升模型的专业性和可靠性。更进一步，不同行业大模型之间的知识迁移，正在成为一个重要的新方向。

可以确定的是，行业大模型将成为各个领域创新和进步的核心引擎。它不只是在重塑现有的业务模式和决策过程，更是在为整个行业带来深层次的变革。