容智再度⼊选Gartner®《2025中国智慧城市和可持续发展成熟度曲线》报告

近日,全球权威咨询机构Gartner正式发布《2025中国智慧城市和可持续发展成熟度曲线》报告(Hype Cycle for Smart Cities and Sustainability in China, 2025)。报告指出,中国智慧城市建设呈现出更多元、务实的趋势,如何进一步平衡技术进步与实际落地,成为建设智慧城市的关键议题。

在本年度报告中,容智凭借在生成式人工智能(GenAI)与智慧城市深度融合方面的持续突破,继去年入选后再次入选,并与阿里云、百度、百川智能、华为、第四范式、腾讯、火山引擎、智谱等领先企业一同入选,成为“GenAI for Smart Cities”示例厂商,充分证明容智在创新能力、平台化整合及政企协作方面的综合实力。

回顾去年的报告,GenAI for Smart Cities 尚处于“创新触发”(Innovation Trigger)阶段,而在今年,其位置已跃升至“期望膨胀高峰”(Peak of Inflated Expectations)。这意味着生成式AI正在经历快速探索期,并将在未来2至5年内逐步进入主流应用。

报告还指出,生成式人工智能对中国智慧城市至关重要。由于中国人口基数大,城市体系层级多样,资源的差异常导致发展水平不一,面临着“一线城市数字化深入、低线城市能力薄弱”的结构性挑战。而GenAI通过对城市运行逻辑的“理解”和“创造”,有望为资源不均、服务不均的城市发展带来新机会。

作为国内最早布局“大模型+数字员工”的企业之一,容智始终从本土需求出发,在大模型、智能体编排、工作流执行、自然语言交互等领域具备完整的自主研发能力。目前,容智在智慧城市领域的实践已覆盖城市运行管理、民生热线服务、政务知识智能问答、内容生成、城市数据分析与可视化呈现等多个核心环节。

例如,某市级城运中心,容智智能体已深度融入其日常运营与应急响应流程,实现城市运行状态的智能感知与辅助决策;在某地政策服务平台中,容智打造的智能政策问答系统通过自然语言交互,显著提升了政策的触达率与理解度。

在技术能力不断演进的基础上,容智正将Hyper Agent平台能力与大模型架构进一步融合,积极探索“数字孪生组织(DTO)”的建设,推动智能体从单一任务型工具走向多智能体系统协同,为城市与企业构建具备自我驱动和自我优化能力的数字治理新形态。

面对生成式AI带来的突破,其真正的变革不仅取决于技术本身,唯有回归政策导向与业务痛点,聚焦具备社会价值与技术可行性的核心场景,才能让生成式AI真正落地、见效。我们期望携手政府与企业,共同构建愿景、辨别价值场景,推动生成式AI从潜力走向生产力,从尝试走向常态化,助力中国城市真正迈入智能时代。

Hype Cycle for Smart City and Sustainability in China, 2025 ,7 July 2025
Gartner并未在其研究报告中支持任何供应商、产品或服务,也并未建议科技用户只选择该等获最高评分或其它称号的供应商。Gartner的研究报告含有Gartner研究与顾问组织的意见,且该意见不应被视作事实陈述。就该研究报告而言,Gartner放弃做出所有明示或默示的保证,包括任何有关适销性或某一特定用途适用性的保证。GARTNER和HYPE CYCLE是Gartner, Inc.和/或其关联公司在美国和国际上的商标和服务标识,并在获得许可的情况下在此使用。保留所有权利。
基于 NSFW Model 色情图片识别鉴黄 后面更新视频检测 项目背景: 随着互联网的快速发展,网络上的信息量呈现出爆炸式的增长。然而,互联网上的内容良莠不齐,其中不乏一些不良信息,如色情、暴力等。这些信息对青少年的健康成长和社会风气产生了不良影响。为了净化网络环境,保护青少年免受不良信息的侵害,我国政府加大了对网络内容的监管力度。在此背景下,本项目应运而生,旨在实现对网络图片和视频的自动识别与过滤,助力构建清朗的网络空间。 项目简介: 本项目基于 NSFW(Not Safe For Work)Model,利用深度学习技术对色情图片进行识别与鉴黄。NSFW Model 是一种基于卷积神经网络(CNN)的图像识别模型,通过学习大量的色情图片和非色情图片,能够准确地判断一张图片是否含有色情内容。本项目在 NSFW Model 的基础上,进一步优化了模型结构,提高了识别的准确率和效率。 项目功能: 色情图片识别:用户上传图片后,系统会自动调用 NSFW Model 对图片进行识别,判断图片是否含有色情内容。如果含有色情内容,系统会给出相应的提示,并阻止图片的传播。 视频检测:针对网络视频,本项目采用帧提取技术,将视频分解为一帧帧图片,然后使用 NSFW Model 对这些图片进行识别。如果检测到含有色情内容的图片,系统会给出相应的提示,并阻止视频的传播。 实时监控:本项目可应用于网络直播、短视频平台等场景,实时监控画面内容,一旦检测到含有色情内容的画面,立即进行屏蔽处理,确保网络环境的纯洁。
### 如何在本地部署 NSFW 模型或服务 要在本地环境中成功部署 NSFW(不适宜工作场合内容)检测模型或服务,以下是详细的说明: #### 准备环境 为了确保能够顺利运行模型和服务,需要安装必要的依赖项。这些工具和库包括但不限于以下几类: - **Python 环境**: 推荐使用 Python 3.7 或更高版本。 - **Transformers 库**: 提供加载预训练模型的功能[^1]。 - **PyTorch/TensorFlow**: 支持深度学习框架的计算需求。 - **Pillow (PIL)**: 处理图像文件并将其转换为适合输入模型的形式。 具体命令如下所示: ```bash pip install transformers torch Pillow ``` #### 加载模型与测试 通过 Hugging Face 的 `transformers` 工具包可以直接访问已有的 NSFW 图片分类模型。例如,可以采用名为 `"Falconsai/nsfw_image_detection"` 的公开模型来完成此任务[^1]。 下面是一个简单的代码片段展示如何加载该模型并对单张图片执行预测操作: ```python from PIL import Image from transformers import pipeline def classify_nsfw(image_path): # 打开指定路径下的图片文件 img = Image.open(image_path) # 初始化 image-classification 流水线对象,并指明使用的特定模型名称 classifier = pipeline("image-classification", model="Falconsai/nsfw_image_detection") # 对传入的图片调用流水线方法得到其类别标签及其置信度分数列表形式的结果 result = classifier(img) return result if __name__ == "__main__": test_img_path = "<your_test_image>" output_results = classify_nsfw(test_img_path) print(output_results) ``` 注意替换 `<your_test_image>` 成实际存在的图片绝对或者相对地址字符串值之前再尝试运行以上脚本。 #### 构建 RESTful API 服务 如果希望进一步扩展功能至 Web 应用程序层面,则可考虑利用 Flask/Django 这样的轻量级 web 开发框架构建起支持 HTTP 请求交互的服务端接口。这里给出基于 FastAPI 实现的一个简单例子作为示范用途: ```python import uvicorn from fastapi import FastAPI, File, UploadFile from PIL import Image from io import BytesIO from typing import List from pydantic import BaseModel app = FastAPI() class Prediction(BaseModel): label: str score: float @app.post("/predict/", response_model=List[Prediction]) async def predict(file: UploadFile = File(...)): try: contents = await file.read() pil_image = Image.open(BytesIO(contents)) clf_pipeline = pipeline('image-classification', model='Falconsai/nsfw_image_detection') predictions = clf_pipeline(pil_image) formatted_preds = [{"label": pred['label'], "score": round(pred['score'], 4)} for pred in predictions] return formatted_preds except Exception as e: raise ValueError(f"Error processing uploaded file {e}") if __name__ == '__main__': uvicorn.run(app, host='0.0.0.0', port=8000) ``` 启动服务器之后即可向 `/predict/` 路径发送 POST 请求附带上传待分析的目标图片获取返回结果了。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值