各地都在探索新阶段城市的数字化建设。数字化的第一层次是要求我们的工作都在系统平台上开展， 所进行的行为均有数字留痕，同时展开数智化中间的两个基础要素建设：算量（大数据）和算力（云计算、区块链）。现在每一个政府部门和一定规模的公司都会有自己独立的管理系统，实现了有数据的基本状态。到第二个层面，以系列管理场景的应用算法为核心构建城市领导驾驶舱或城市治理脑核， 在数据基础上运用计算技术和数字对策技术去优化、解决、改变问题，其中针对问题场景所具备的政务算法（脑细胞和神经元）的总量是衡量城市运行智慧化水平的关键。如果我们主要场景都能够应用数字化的反应和对策方式，就实现了数字化生态阶段——从数字孪生到虚实互动（约等于当热的“元宇宙”概念），不过今天大部分城市数字化治理就相当于第二层次起步阶段。
第二层次聚焦问题解决，现在时兴场景开放，就是说用数据智能要解决特定具体问题，然后提供与这个场景对应的相关系统数据，再进一步开发对应的诊断、判别、分类、编配、对策、分配、追踪模型和智能算法。要解决的问题有的是，但不是所有问题都有可用数据，不是所有数据都能对应场景，不是大问题都有足够厚实的数据，不是有可用的数据就是真实的数据，但只要敢于面对真实的问题，数据不丰富可不断汇集梳理，数据不真实可不断印证筛选，数据不干净可重新清洗标签，重点是让数字化工作不断走向面对、呈现、解决和追踪真实的关键问题。第二层级数字化具有明确的聚焦数智化关键算法要求，选择问题，围绕问题汇集数据，使用有限数据开发应用算法，优化升级已开发算法和持续拓展开发后续算法，将系列应用算法精准化、厚实化、自动化。
图源 ©摄图网
现在的城市数字化治理面临系统过剩的问题，原来有一个系统，现在又要搞一个新的系统，接着再搞一个系统。 原来这些东西已经占了很大的算力，新旧系统同时运行需要用更大的算力。问题的解决不敢承诺，更大规模的系统运转成了目的，然后还鼓励城市投资解决更大的算力，这样就形成看起来有技术含量的无意义消耗，而且是数字化消耗。现在我们的财政预算里面没有算法预算，但是有算力预算和算量大数据的预算，而且大家都能接受或者被说服算力可以更多更大，其中很大的原因是讲算力的公司更加著名和听起来更有规模性，最后把城市肢体投得很庞大，但是城市脑子太小或者没有。算法才是构成城市大脑的核心，如果脑子没有更新，只是弄了更多低智商的数字化产品放在一起运转，结果并不解决啥问题。验证这一问题的最尖锐的方法就是问问实际工作部门的基层工作单位，如此投入对他们的工作效率提升有多大助力。
比如电信诈骗场景，以前40天有个新骗法，现在7天有个新骗法，骗子的水平越来越高，为啥？因为疫情发生了以后，现在很多一般的犯罪干不了，比如盗窃难度很大，所以小偷们海量转型成为骗子，然后琢磨着如何把过去的知识转变成一种新的骗法。骗法是一种场景，如果对骗法没有对应算法的话，公安工作就跟不上了。所以骗法是跟算法关联的，有要干坏事的骗法就要有克制它的算法。警务算法的集合才能构成警务脑核。
再比如说像某地台风登陆场景多发，对台风从什么地方登陆、登陆的时候多少级、预计经过的路线会构成的水量风量有多少、因为水和风导致的危房分布、建筑分布和道路风险分布等等，一旦我们测试发现这个场景对应的算法能够解决问题后，只要某次需要有选定数据自动输入，很快就能自动确定危房分布、转移对象分布、行水效率和加强行水措施要求。
一个城市有5000个左右类似的重要场景，有55000个左右的基本场景，针对这些场景构建的应用算法中心和大模型中心构成城市脑核。 我们可以从12345、110中梳理出很多场景，也可以从线上线下大厅的群众办事中梳理出很多事项，针对关键事项开发算法。算法是有数据渊源的，它从数据中梳理出来。算法要通过多次数据训练，最后变成高精度算法。很多算法最初精度只有60%~70%，但经过反复训练，较成熟的算法精度可能都在95%以上，之后就把它开发成微软件，实现模块化、容器化部署，这样借助实时数据输入，结果就能高效自动生成。
数字化治理脑核是给领导做重大事项的参谋助手，反应速度和响应速度都要求很高，需要算法级的分析能力。 算法与算量有关，因为来源是数据，训练应用都要靠数据，所以数据源是非常重要的。未来的数据源需要“三调”化：一部分是可以自动调取，比如政务办事数据；第二部分是目标调度，需要解决什么问题就去调度什么数据；第三部分是专项调研，因为我们会越来越关注服务对象的感受，需要更多人民群众的交流互动、体验分享和动员结果。
图源 ©摄图网
比照人类真实的大脑的半球、脑区、表层与内层，我们的大脑皮质上分布着很多神经元（神经元又由细胞体和突触组成，每个细胞体的功能不同，突触的联结帮助协调不同细胞体的功能）。大脑细胞体相当于一个应用算法，突触相当于接口（API），未来城市算法模块构成的运算系统也正如大脑这样协调工作。 城市大脑中应用算法的共享度可能远远高于数据共享度，按照可访问性的要求，数据还是保留在各自的系统或者各自的系统模块中。城市大脑或者领导驾驶舱的前台是针对不同问题的应用算法集成，后台是用来开发、组合、计算、精化前台算法的技术算法。在前台算法里的综合算法支持我们进行排序、梳理、选择、预测等整合型工作，针对特定领域问题场景的则构成系列垂直算法；在前台算法中有些属于呈现性的前排算法，比如对分布在文旅、营商、城市运行等领域的现象型问题的判定与预测算法；也有属于资源性的后排算法，比如财政预算投放算法。这些应用算法的分布结构、总量、可应用水平，决定了城市数智化的真实智商水平。
盐城的数字化治理探索有了一些基础，正以建设城市智慧运行体系或领导驾驶舱，进入数字化治理第二层次，其中需要注意以下六个工作关键点：
一是重视与提升整合型城市运行管理系统的质量， 但是最大限度避免重复建设、多头建设，现有系统建设与优化一定要注意加强接口设置与开放管理，避免数字化系统被建设者锁住的现象；
二是平衡分布算力、算量和算法投入， 确保城市管理场景的分期定义，在此基础上确定应用算法的分期分批开发，并继而提供更为精准的算力算量建设方案；
三是重视在关键数字化应用场景中的业务经验提炼、逻辑梳理和跨部门数据连接， 让数智模块应用单位有更大的发言权，确保后续数智化治理模块的功能针对性、模型渊源的落地性、工具应用的适切性；
四是重视政务热线、办事系统等为民为企服务端的问题场景和线索数据， 作为建设数智化治理的驱动机制，来定义建设内容、匹配对接单位、衡量建设效果；
五是重视对于国内外数智化治理应用标杆的汇集和学习， 以专门训练班、专题论坛、专门交流会等形式形成落地性交流机制；重视市内外城市运行智慧运行机制的交流和算法模块共享，提升数字化协同成效；
六是重视数智化人才本土化工作， 包括对高中基层数智化人才落地的专项鼓励政策、应用维护对接数智化工具的业务部门人员的训练、对相关部门专业维护和自有开发人员的引进、外部业务合作单位对数智化人才的推荐引介和训练。
