人工智能技术在过去十年间取得了令人瞩目的成就，大语言模型、图像生成、虚拟现实等应用深刻改变了数字世界的面貌。然而，真正的产业价值革命正在悄然发生——人工智能正从虚拟世界向物理世界迈进。这个过程中，如何理解时间和空间的维度，成为决定技术成败的关键因素。京东集团副总裁、首席数据科学家郑宇教授在GAIR 2025大会上提出的时空AI理论，为我们描绘了这幅宏伟蓝图。
物理世界与虚拟世界存在本质区别。虚拟世界中的数据和问题都可以通过数字化方式完美呈现，而物理世界则充满约束和不确定性。空间约束包括江河湖海、山川道路等地理屏障，物理规律涉及能量守恒、力学定律等自然法则，物种行为涵盖动物迁徙、人类活动等复杂现象，运行法则则包含城市管理、交通规则等社会规范。这些要素叠加在一起，使得物理世界的问题解决远比虚拟世界复杂。传统的人工智能算法大多基于文本、图像等非时空数据设计，难以有效捕捉物理世界的时空特征。
时空AI的核心定义正是在此背景下诞生。它是基于时间和空间维度的观测，以带有时空属性的数据为主要描述，通过与物理世界的动态交互和循环反馈，来感知、理解、影响和掌控物理世界中物体行为和自然现象的人工智能理论和方法体系。这个定义强调了两个关键点：一是数据必须具备时空属性，二是必须形成从观测到执行再到反馈的完整闭环。
当前时空AI在实际应用中面临着三大严峻挑战。首先是数据稀缺问题。传感器无法遍布物理世界的每个角落，数据采集成本高昂且周期漫长。与互联网世界中海量数据唾手可得不同，物理世界的数据往往零散、不完整，需要通过跨领域数据融合来弥补不足。其次是模型的时空能力薄弱。很多物理规律尚未被人类完全掌握，观测手段的局限性导致数据存在缺失或偏差，再加上人为因素的复杂性，使得时空AI建模变得异常困难。第三是智能方案的闭环难以实现。从物理世界的观测开始，经过数字信号转换、模型分析、结果反馈、人工修订，最终到物理世界的执行，每一个环节都可能出问题，形成稳定可靠的闭环需要长期打磨。
数据稀缺问题可以通过对时空属性的深入理解来部分解决。时间属性包含临近性、周期性和趋势性等特征。例如，今天早高峰8点的交通流量与昨天同一时间段往往相似，这体现了临近性；随着季节变化，人们作息时间逐渐调整，早高峰时间也会随之推迟，这是趋势性。空间属性则包括空间距离、空间层次和地理学第一定律等规律。一个城市从行政区划到具体建筑物，构成了复杂的空间层次结构。将这些时空特性融入AI模型，可以在数据不足的情况下显著提升模型性能。
时空AI的发展历程可以追溯到上世纪60年代，至今已经历了五个重要阶段的演进。第一阶段从1960年到1995年，是时空经典模型时期。研究者通过人工采样获取少量读数，基于经典统计假设建立简单的距离反比差值模型。虽然方法原始，但这些基础理论至今仍在特定场景下发挥作用。第二阶段从1995年到2008年，进入了时空模式发掘时期。韩家炜教授等人开始研究时空关联规则，发现铁路经过大城市时城市大概率临河临湖等空间模式。这一时期主要依靠空间数据库技术，对时间因素的考虑相对较少。
第三阶段从2009年到2016年，是时空经典机器学习的黄金时期。2016年中国遭受严重雾霾侵袭，北京仅有38个空气质量监测站点，部署成本超过百万且需人工维护。传统物理学模型预测精度只有60%，而通过时空特征工程结合机器学习方法，预测精度提升到80%以上。这个进步意义重大——政府能够准确预判空气质量变化，避免在污染不严重时采取停产限行措施，单个决策就能创造数十亿元的GDP价值。这项技术最终推广到全国300多个城市，节约了超过百亿元的污染治理费用，并获得了SIGKDD Test-of-Time Award这一数据挖掘领域的最高荣誉。
第四阶段从2016年开始，进入了时空大模型时代。2014年外滩踩踏事件暴露了传统方法的局限性——某个区域的人流量不仅受周边区域影响，还可能与全城各个角落发生关联。将城市划分为2000个均匀网格，节点和边的数量达到数百万，传统图模型根本无法计算。研究者提出了首个面向时空数据的深度学习模型，后来又发展出时空图卷积网络，能够处理非规则的城市区域结构，精准预测人流量的转入和转出情况，从源头预防踩踏事件发生。
第五阶段从2023年启动，正在迈向城市大模型的新纪元。这一阶段的核心特征是跨域多源多模数据融合。与机器人自身的多传感器数据天然对齐不同，城市管理中的交通数据、气象数据、人口数据来自不同部门，它们的融合需要解决数据在哪里、为什么可以融合等复杂问题。城市知识体系的构建成为关键，它包括人力、事务、组织等看不见摸不着的要素如何转化为数据，以及这些数据如何表达、产生和应用。
城市智能体的概念在这一阶段应运而生。它与具身智能的理念高度契合——多模态感知、感知与行动紧密结合。城市计算可以作为实现具身智能的方法论框架，而具身智能则成为城市计算的核心组件。当整个城市实现了具身智能，它就变成了一个巨大的智能体。需要注意的是，具身智能并不等同于人形机器人，所有AI与物理世界实体的结合，只要具备自我迭代和持续演进特性，都属于具身智能范畴。
雄安新区的建设为这些理论提供了最佳实践场域。作为城市计算指导下的标杆项目，雄安智能城市以城市操作系统为平台，实现了所有消费、交通、政务、民生数据的实时接入和分析。当某地发生交通事故时，系统能够自动评估影响范围，为周边出行者推荐最佳绕行路线。通过对各区域用电负荷的实时监控，可以制定更合理的电价策略，引导用户错峰用电，并根据负荷变化自动进行电网扩容，避免设备过载引发火灾。
在燃气管网管理方面，人工智能算法能够在事故发生前检测异常，调取摄像头进行验证，查找最近的工作人员一键派单。整个处理过程完成后，结果实时反馈到虚拟世界，形成完整闭环。就像在游戏中操作城市一样，管理者可以直观地监控和调度整个城市的运行状态。白洋淀景区的游客管理同样体现了这一理念——系统能够实时掌握游客来源、聚集位置，监控每艘游船的载客量、油耗、航速及设备状态。一旦出现安全问题，立即调度最近救生船实施救援，人类决策与AI执行的高效结合构成了真正的城市智能体。
时空AI的发展前景光明，但道路依然漫长。核心技术突破需要长期积累，不可能一蹴而就。在中美科技竞争日益激烈的背景下，这场围绕人工智能基础理论和关键技术的较量，将深刻影响国家未来的竞争力。城市作为人类文明最复杂的组织形式，其智能化水平直接关系到经济发展、社会管理和民生福祉。通过时空AI技术的持续创新和实践应用，未来的城市管理将变得更加精准、高效、人性化，真正实现科技服务人类社会的根本目标。
