CANN 智能交通 SIG 首场技术沙龙成功举办，深耕物理智能、赋能交通产业

AtomGit

83人浏览 · 2026-10-21 09:35:03

AtomGit · 2026-10-21 09:35:03 发布

2026 年 10 月 17 日，以 “智汇建邺，CANN 见交通未来” 为主题，由 CANN 开源社区主办，AtomGit 协办的 CANN 智能交通 SIG 首次技术沙龙，暨《人工智能+公路》技术和产业发展蓝皮书发布会，在南京建邺成功举办。本次活动汇聚政府主管部门、行业学会、高校科研力量与产业界技术专家，以交通大模型的物理智能、决策控制与产业落地为核心，围绕生态赋能、技术边界、路线蓝图与应用实践展开深度交流，搭建起学术前沿与产业现场对接的对话平台，推动智能交通 SIG 的生态协作与场景落地。

此次沙龙全方位展现了 CANN 在智能交通领域的生态赋能价值——上午解决“底座与方向”，下午解决“技术与落地”，最终指向同一句话：让 AI 算力真正进入交通系统，让交通场景真正驱动 AI 创新。 目前，交通 SIG 已开源 3 个仓库（矩阵计算、训练稳定性、TRIP 推理），拥有 3 位 Maintainer，保持双周公开例会，吸引 15 家高校与 20 余家企业参与共建；TRIP 接口自 2026 年初开放以来，已累计 6 万+ 访问、1 万+ 调用。

活动得到政、学、产多方的大力支持。东南大学交通学院副院长胡靖、中国公路学会发展研究中心主任兼高级研究员孙虎成、CANN开源社区 PMC 主席陈敏、东南大学首席教授及统计与数据科学学院书记刘志远等专家学者与会并分享。

产学研协同聚力，推动交通 AI 规模化落地

胡靖｜东南大学交通学院副院长

胡靖副院长表示，交通人工智能正迈向规模化应用，交通大模型正从感知、预测走向决策、控制，需要底层技术创新、算力支撑与跨学科协作。东南大学交通学院将发挥在交通运输工程领域的科研积累，积极融入 CANN 开源生态，推动交通、计算机、控制与数据科学等学科交叉融合；同时，学院将进一步深化与建邺区、华为等合作伙伴的协同，通过共建实验室、联合技术攻关、成果转化与人才培养，推动高校科研优势转化为产业发展动力。

胡靖副院长的致辞从学科交叉与生态建设角度为本次沙龙定下基调，并对交通 AI 的技术攻关、场景落地与人才培养提出期许——政、学、产的同频共振。

CANN 生态赋能智能交通产业创新与人才培养

陈敏｜CANN 开源社区 PMC 主席

作为开场议题，陈敏围绕开源底座如何赋能智能交通产业创新与人才培养展开分享，阐述 CANN 希望把算力、开发工具与学习课程封装为开箱即用的能力，降低智能交通领域开发者创新门槛。她介绍，CANN 社区已汇聚 15,867 位外部贡献者、42.46K Star、累计 10.9 万次 PR 提交，活跃度位居中国开源项目第一；并以 CANNLab、CANNBot、CANN-Learning-Hub 三大工具将算力、开发与课程“开箱即用”，让智能交通的创新与人才培养直接站在开源底座之上。

交通大模型的发展趋势及 CANN 智能交通 SIG 建设愿景

刘志远｜东南大学首席教授、统计与数据科学学院书记

刘志远指出，通用大模型在复杂交通场景应用中面临“最小单元与信息密度”“语义与物理的割裂”“物理规律的硬约束”三重鸿沟，即使基于真实交通语料训练，生成的控制策略仍可能违反基本物理规律，报告所列相关比例约为 30%。针对这一问题，团队提出 TRIP 智能渐进式交通推理框架，通过物理与语义融合、渐进式推理及仿真验证提升决策可靠性。在交叉口渠化设计的对比实验中，所提出的方法将 20 次测试中的物理正确方案数由 13 次提升至 20 次，同时将 Token 消耗降低约 40%。

《人工智能+公路》技术和产业发展蓝皮书发布仪式

孙虎成｜中国公路学会发展研究中心主任、高级研究员

作为本次沙龙的重头戏，《人工智能+公路》技术和产业发展蓝皮书的发布，为“人工智能+公路”提供了首个可量化的评价体系。这份由中国公路学会、东南大学、华设集团、华为等联合立项的蓝皮书，编写团队累计开展 50 余场考察研讨，以 2025、2030、2035 三个时间点勾勒“人工智能+公路”的技术演进路线，并给出 5 个一级、25 个二级指标的评价体系，让一个区域的公路 AI 发展水平第一次可以被量化衡量。

AI 下半场：从模型竞赛走向系统生产力

李传佑｜河西中央科创区 AI 卓工中心产业研究智库主任

李传佑把视角从模型拉回到系统，指出 AI 的竞争已进入“系统生产力”时代。李传佑提出，AI 的竞争已从“模型有多强”转向“系统能交付多少”——基模决定上限、Harness 决定能力的发挥率，而一旦每项任务的复核时间超过 14 分钟，Agent 带来的成本收益就会归零。

下午的交流同样精彩。科研专家们聚焦交通人工智能前沿技术，由东南大学副教授黄凯主持，多位科研专家围绕交通大模型、决策控制、物理智能等关键技术，深入解析其研究难点与最新进展。

交通人工智能：从感知与预测到决策与控制

程启秀｜东南大学青年首席教授

程启秀从“决策价值”的视角，反思了“预测精度即价值”的普遍假设。程启秀认为，预测精度并不等于决策价值，交通 AI 真正难的是“我这样做会怎样”的干预推演；而系统最优也并非唯一最优点，而是多目标权衡下帕累托前沿上的可接受解。

面向网联载具协同的智能控制技术发展现状与潜在挑战

费扬｜清华大学助理研究员

费扬聚焦网联载具协同这一前沿难点，分享了如何在控制与通信之间取得平衡。费扬指出，网联载具协同的难点在于理想指令常常不满足每台车的动力学约束（如输入饱和），需用二次规划做“二次滤波”压回可执行范围；改用分布式事件触发通信后，可省下超过 60.9% 的非必要更新而仍保证系统稳定性。

语义智能之后，交通大模型如何补上物理智能？

刘少韦华｜东南大学 · CANN 智能交通 SIG Maintainer

作为交通 SIG 的 Maintainer，刘少韦华给出了交通大模型“补物理”的一条可执行链路。刘少韦华把“补物理”拆成 Model → Simulation → Harness 的可执行链路——事件识别精确率达 96.27%（同基座对照约 70%），苏州算例仿真从 1022 秒降至 697 秒；其核心立场是“让候选行动接受交通规律检验，让每次改进接受独立任务检验”。

完成前沿技术研讨之后，分享视线转向产业真实业务场景。在小巧灵交通中队首席架构师王高伟的引导下，多位产业技术专家结合一线项目经历，剖析智慧交通落地过程中的工程难题与实践经验。

交通领域 AI 智能化实践介绍

江亲华｜华为 2012 实验室交通 AI 算法专家

江亲华带来的齐天引擎，代表了时空感知预测能力的一次显著跃升。相比通用预测大模型，稳态交通流预测精度提升 9.91%，节假日流量预测精度提升 10%+，跨路网 0 样本迁移精度损失低于 5%，交通异常事件感知精度提升 20%+，突发事件下交通流预测精度提升 30%+，可实现万公里路网预测秒级生成。

大模型技术演进与智慧公路应用落地实践

郭红贞｜华为算力平台先遣队（交通）

郭红贞从人工智能大模型技术演进和交通行业落地实践出发说明，第一技术演进 AI 进入 L3 智能体阶段，具备自主执行能力；Token 用量激增，商业模式转向“推理即产品”。模型迭代提速，平均生命周期由 2024 年的 240 天缩短至 2026 年的 45 天，向十万亿参数、深度思考、原生多模态及 Agent 化演进；“超节点”成为大中型数据中心首选。第二交通行业落地实践：在场景选择以“十二问”评估商业价值、流程清晰度、数据支撑与持续运营机制；技术实践涵盖多模态、交通本体、多智能体协同框架。第三企业场景落地建议采取“小切口、大纵深”策略，聚焦高价值场景，按“5 天构建、1 个月见效、3 个月覆盖典型场景、6 个月规模化使用”推进；组建 7—10 人最小化授权“蜂群”团队，推动场景生产上线，提升行业智能化水平。

基于昇腾推动交通行业高价值场景落地

黄爽｜华为小巧灵交通中队

黄爽通过公路、铁路、港口和航空多个案例，分享了如何基于昇腾算力构建Infra工程、数据工程、模型工程、知识工程和智能体工程，从而推动交通行业场景落地。在技术实践中，铁路行业小模型性能经过优化单机并发提升100倍，港口生产计划从2-3 小时缩短到10分钟。

此外，本次沙龙还促成了 CANN 智能交通 SIG 首次线下闭门研讨会。来自政府、高校、产业及蓝皮书编写组的核心代表齐聚一堂，围绕 SIG 技术路线、开源项目迭代、《人工智能+公路》蓝皮书成果转化、交通物理智能技术攻关与产学研协同合作等议题展开深度研讨，梳理了后续重点工作方向，为后续技术论坛交流以及 SIG 生态建设凝聚共识。