中国城市轨道交通协会
编者按：为推进实施《中国城市轨道交通智慧城轨发展纲要（修订版V2.0·2026—2035年）》，规范引导人工智能技术在城轨行业的规模化、标准化应用，推动行业从“自动化”向“智能化”、从“经验驱动”向“数据驱动”转型，城市轨道交通人工智能共研体组织业内权威专家、骨干企业及科研机构，编制《城市轨道交通人工智能应用指南》。本指南将分章节陆续系列刊发，为行业提供参考。
点击阅读前文：
城市轨道交通行业人工智能建设应用总体规划以“实施路径”为核心脉络，自下而上构建了坚实的技术支撑体系，如图 1 所示。算力与数据构成数字根基，为上层应用提供“燃料”与“原料”；算法层，融合通用大模型与专业小模型，形成城轨场景驱动的核心智能能力；平台层，通过统一底座实现模型集成、服务管理与效果评测，将技术能力转化为标准化、可调用的智能服务；全面赋能设备运维、乘客服务、运输组织等核心业务场景应用。实施路径遵循“由点及线、由线到网” 的梯次推进策略，从单场景试点验证走向全线网协同赋能，实现人工智能在城市轨道交通行业的深度化应用和规模化落地。
图 1 城市轨道交通人工智能应用总体规划
构建高质量数据治理应用体系夯实城轨人工智能发展根基。数据作为人工智能赋能城轨行业的基础性和战略性资源，建设重点应坚持以业务应用和模型能力需求为导向，贯穿数据采集、治理、存储、应用和安全的全生命周期管理，系统提升数据的规范性、完整性、准确性、一致性、时效性、可访问性和安全性，实现由“数据汇聚”转向“数据可用”，为人工智能规模化应用提供稳定支撑。围绕城轨行业建设、运行、运维和企业管理等核心业务场景，构建贯穿“数据源—采集—治理—服务—应用”的数据全生命周期治理体系，制定数据治理效果量化评估方法，明确高质量数据集核心量化指标（规范率、准确率等），如图 2 所示。在数据源侧，明确数据权属，统一梳理业务系统数据、生产运行数据及外部与历史数据资源，按照结构化、半结构化和非结构化特征实施分级分类管理，夯实数据供给基础；在采集侧，结合城轨业务实时性与完整性要求，构建覆盖全量、增量与实时的数据采集机制，实现多源异构数据的稳定接入与持续汇聚。在数据处理与存储环节，以数据质量管理和安全管理为核心，构建集调度管理、流批一体计算、数据处理与标准化加工于一体的数据治理流程，引入数据预处理、数据标注、语义增强与深度学习框架，制定专业场景数据标注规则，为人工智能模型训练与智能分析应用提供高质量数据支撑。在数据服务层，面向不同业务场景和模型需求，提供数据地图、数据检索、数据共享和接口服务等能力，推动数据由“被管理”向“可使用、可复用”转变；同时，依托统一的数据标准体系和管理监控机制，对数据规范、安全与运行状态进行持续约束和监测，并同步建立数据集定期更新机制，确保高质量数据集在合规、可控、安全、可持续的前提下稳定运行。
图 2 数据治理应用体系
持续推进数据标准化和数据质量管控，构建高质量数据集、行业知识图谱与数据协同治理机制，将数据规范要求与具体智能应用场景紧密衔接，显著提升数据的现实可用性、复用性和长期价值。在此基础上，支撑数据资产合规入表、数据共享流通和价值评估，促进跨系统、跨专业的数据协同利用，逐步形成可治理、可评估、可持续增值的城轨行业数据资产体系，推动城轨数据由“资源形态”向“可用资产” 和“核心要素”转变，为人工智能驱动城轨行业高质量发展提供长期、稳定的数据能力底座。
构建以行业大模型为核心的城轨人工智能算法能力体系。算法作为人工智能赋能城轨行业的核心引擎和关键能力载体，建设重点应坚持以业务场景需求和模型能力演进为导向，统筹通用算法能力沉淀与行业专用能力增强，贯穿模型选型、训练优化、能力封装、场景适配和安全可控的全生命周期管理，系统提升算法在场景适配性、推理稳定性、专业可信度、可扩展性和可复用性等方面的综合能力，为城轨人工智能应用从试点验证走向体系化部署提供算法能力支撑。城轨行业大模型算法支撑体系分为两层，如图 3 所示。LA 层由设备维修、乘客服务、运营组织、应急处置等各类小模型构成，适用于数值计算和实时响应场景，擅长规律性强、实时性高的分析计算。LB 层由行业通识 NLP 大模型底座、行业通识视觉大模型底座和配套模块（OCR、语音合成、语音识别等）构成。其中，行业通识 NLP大模型底座中，基座层（B1）可从 DeepSeek、文心一言、千问等国产自主可控大模型中遴选一个优质模型作为行业通识 NLP 大模型底座。行业层（B2）是在 B1 基础上，通过注入城轨行业高质量文本数据集进行微调训练，生成具备领域认知能力的行业通识 NLP 大模型底座。行业通识视觉大模型底座中，基座层（B1）可选性能优异的国产可控的视觉大模型作为通用视觉底座。行业层（B2）是在 B1 基础上，采用微调方式，融合城轨专业视频图像据，形成行业通识视觉大模型底座。大模型适用于多源异构数据融合、需语义理解等复杂场景，具备思考分析、任务拆解、工具选择、任务分发能力。
图 3 城轨行业大模型架构
城轨行业大模型集成文本、语音、视频和图像的多模态处理能力，具有完全解耦、全栈自主化、大小模型融合和数据思维链四大特点。城轨各企业可结合自身需求，基于行业大模型基座，采用微调方式融合企业独有数据，研发企业大模型，进一步定制化构建专业智能体，赋能设备维修、乘客服务、运营组织、应急处突等各类业务应用。
构建自主可控、协同高效的算力体系支撑城轨人工智能落地应用。城市轨道交通运营具有高并发、强实时、连续运行等显著特征。算力基础设施的稳定性、可用性和安全性直接决定人工智能应用的运行质量与风险可控水平。打造集基础能力与算力服务能力于一体的安全可控、稳定高效、可扩展的算力支撑体系，形成对城轨人工智能应用的统一承载能力，夯实智算能力支撑。算力体系建设整体架构由基础能力层与算力服务层组成，如图 4所示。基础能力层，统筹布局信息计算力、数据存储力和网络运载力三大核心能力，围绕模型训练与推理需求，构建以通用算力与智能算力为主体的计算资源池，并配套热存储与温存储相结合的数据存储体系。同时，通过部署高带宽、低时延的网络架构，满足分布式计算和大规模数据传输的性能需求，并按照相关安全等级保护要求强化网络边界防护和接口安全控制，保障算力基础设施运行环境的安全性与可控性；算力服务层，通过统一的资源管理与调度机制，将分散算力整合为可统一调用的算力池，实现集中纳管、按需调配和弹性供给。通过对计算、存储、网络和安全等要素的系统化规划，为模型训练、推理和业务应用提供稳定运行环境。
图 4 智能计算中心架构
坚持集中与分布相结合的建设思路，统筹布局通用算力、智能算力和边缘算力资源。依托行业云或专用云平台集中建设通用算力和智能算力，用于支撑大模型训练、模型统一推理和批量分析任务；结合车站、车辆段、控制中心等业务场所部署边缘算力，重点满足视频分析、状态监测和现场快速响应等对实时性要求高的应用场景，形成“云—边—端”协同的算力应用模式，在保障集中算力统一供给的同时，兼顾现场业务对实时性和连续性的实际需求，推动算力资源的统一纳管和调度。持续关注算力体系的可扩展性和持续演进能力，为后续模型规模增长和应用场景扩展预留空间，避免重复建设和资源浪费。
坚持业务需求牵引与能力集中供给相结合，构建支撑人工智能研发、部署、运行和管理的人工智能平台，支撑数据接入与预处理、模型开发与评测、模型部署与推理服务以及智能体运行管理等核心能力，降低应用开发和运维复杂度，推动城轨人工智能建设由“分散部署、项目实施”向“统一平台、能力供给”转变。通过应用使能、模型管理、数据管理和资源管理四大模块的协同构建，打造人工智能平台，如图 5 所示。应用使能层通过 API 网关、智能体管理和知识服务等能力，实现模型能力与通用智能体的模块化封装和跨场景复用；模型管理层覆盖模型研发、评测、仓储、部署和运行全流程，形成模型全生命周期的闭环治理机制。同时兼顾多模型、多框架的兼容性与扩展性，避免形成对单一算法或封闭技术路线的依赖，为行业人工智能能力的长期演进预留空间；数据管理层提供标准化的数据接入、处理、标注、质量评估和数据资产管理能力，为模型训练和推理提供稳定、高质量的数据供给；资源管理层通过对异构算力的统一纳管、弹性调度和运行监控，保障人工智能平台高效、稳定运行。
图 5 人工智能平台功能架构
通过平台体系化建设，有效破解传统人工智能应用“烟囱式”建设、重复投入、能力割裂等难题，实现跨专业、跨系统、跨线路的智能能力集中供给与高效复用，显著降低各业务单元的开发门槛和运维成本。同时，平台为设备智慧运维、乘客精准服务、运输动态优化等典型场景提供标准化、可配置、可迭代的技术支撑，推动人工智能从单点技术创新向体系化、规模化行业赋能跃升，支撑城轨运营更安全、更高效、更智能。
以系统性安全保障城轨人工智能健康应用。人工智能安全是城轨行业智能化建设的底线和前提，应将安全要求贯穿于数据、模型、平台和应用全生命周期，统筹技术安全、运行安全和管理安全，构建与城轨人工智能发展阶段相匹配的系统性安全支撑体系，为行业智慧化应用提供安全保障。围绕城轨人工智能全链条应用特征，构建一体化安全运营体系，如图 6 所示。聚焦“云、网、数、用、端”全场景，统筹安全能力与系统架构协同设计，搭建网络安全态势感知、网络安全运营支撑、数据安全管理、大模型安全管控技术平台，打通安全数据壁垒，形成协同防护能力。以技术平台为核心支撑，建设包含网络安全运营、数据安全运营、大模型安全运营、安全应急处置的安全运营能力，拓展形成风险评估、指挥调度、威胁情报、应用防护等常态化安全运营工作。通过开展常态化运营，覆盖网络异常监测、数据全生命周期管控、大模型风险防范等重要业务场景。
图 6 安全运营体系
通过建立覆盖监测、评估、预警和应急处置的闭环安全运行机制，提升对人工智能风险的持续感知和处置能力，形成责任清晰、能力完备、运行可控的行业级安全保障能力，确保人工智能应用在可信、可控、合规的前提下稳定运行，为城轨行业人工智能的规模化应用和持续演进构建稳固安全底座。