从扎根交通行业，到将能力复制到更广阔的城市公共空间，北斗智能走了一条不算捷径的路——用十年时间打磨从数据采集到智能决策的完整闭环。这条路并不“炫酷”，但每一步都踩在了真实的地面上。

2026年，人工智能产业的叙事逻辑已逐渐发生转向。从英伟达将“物理AI”（Physical AI）定义为“下一波核心浪潮”，到阿里旗下企业级智能体“悟空”开始规模化放量，大模型参数竞赛的上半场尚未结束，聚光灯已经转向另一个方向——AI如何在物理世界中真正发挥作用。对于深圳市北斗智能科技有限公司（以下简称“北斗智能”）而言，这个方向并不陌生。这家由中国科学院深圳先进技术研究院（以下简称“深圳先进院”）科技成果孵化形成的公司，正借助AI将业务版图从早期的智慧交通，扩展至园区、医院、口岸等更广阔的公共空间，用“算力”提升城市的“脑力”。在北斗智能董事长张帆看来，AI让原本停留在大屏幕上的数据，借助边缘侧硬件串珠成线，形成一个个更小、更快的落地闭环。而这，也为智慧城市的智能化进程按下了加速键。

深耕交通领域，以时空数据驱动技术迭代

北斗智能的故事，始于一个看似枯燥却极其扎实的起点——数据。

2011年，张帆加入深圳先进院。彼时，北斗系统已逐步转向民用。深圳作为北斗产业发展的先行城市，在时空服务、终端制造和车载应用方面具备优势，如何推动北斗与各行各业信息化、智能化建设的应用融合，从而不断完善北斗时空应用产业体系，促进城市智能信息技术全面发展，成为深圳的一个重要课题。在此背景下，深圳先进院率先布局，于2014年孵化成立深圳北斗应用技术研究院有限公司（以下简称“北斗院”），聚焦北斗位置服务、时空信息处理等关键核心技术研发。张帆担任北斗院院长。

“当时大数据技术很火热，但真正能落地的应用场景却不多。”张帆回忆道，2014年正值网约车兴起，北斗院承接了一个政府研究课题，分析出租车的运营及网约车对出租车行业的影响，由此接触到大量出租车的实时数据。这批海量的、真实的数据，让张帆团队从实验室走向真实的世界，开始面对工程化的种种挑战，这也成为北斗智能技术和产品迭代的起点。

“那时候我们并不完全理解业务，更多是从技术角度去理解需求。”张帆坦言，从科研单位到企业，需要经历一个逐步理解行业、再做出产品的能力建设过程，他形容这是“必须走的步骤”。正是这种从数据出发、深入到应用场景的理念，让北斗智能的产品从一开始就带有强烈的“实战”色彩。

随后的几年，通过承接“电子站牌”“优点巴士”等智慧交通项目，北斗院逐渐在数据采集、存储、挖掘、运维的完整链条方面积累了较大优势。彼时，智慧城市正从信息化向智能化升级，交通、安全、园区管理等场景中数据不断增长，却缺乏从数据到决策的智能化解决方案。正是看到了这个缺口，深圳先进院对北斗院实施混合所有制改革，并孵化成立了北斗智能，从时空数据和人工智能入手，试图构建从感知到决策的完整技术体系，将企业从深圳推向全国。

2018年，北斗智能便推出了全国首个公共交通立体安全防控平台，通过深化大数据、人工智能、物联网等应用，搭建客流引擎、轨迹引擎、大交通多维时空档案引擎，形成了一套集指挥调度、情报研判、风险防控、警务管理等为一体的主动安全管理闭环。据张帆介绍，截至目前，该平台已在全国14座城市落地，在轨道公安领域占据约25%的市场份额，日均守护千万级人次的公共交通出行安全，并在客流预警、走失人员寻回、突发事件处置等场景中持续发挥作用。

向公共空间扩展，以边端智能硬件构建场景闭环

如果说早期的北斗智能是一家“交通大数据公司”，那么如今它的业务版图早已从交通延伸至校园、医院、口岸等更广阔的公共空间。

张帆将公司的核心产品定义为“空间智能体”。这并不是大模型语境下又一个泛化的“智能体”概念，而是通过融合定位、视频及其他物联感知等多源数据，让地铁站、公交场站、校园、医院、口岸等公共空间，具备“感知—认知—决策—执行—进化”的完整能力闭环。它与传统视频监控、IoT的区别在于“智能体”——能自主完成从发现到处置的决策闭环，与通用大模型的区别则在于“空间”——它理解的不是抽象语义，而是真实物理空间里人与物的行为。

这种聚焦并非偶然。早在十年前，张帆和团队就从车辆的轨迹分析起步；十年后，当他们在校园、医院、地铁站里布设空间智能体时，处理的仍然是“人和车”的行为特征，只不过数据维度更丰富、算法更智能、响应更实时。

但要将这套能力铺开到成千上万个站点，还必须解决一个现实问题：成本与效率。张帆的思路是提升边端设备的智能化水平，把原本需要传回云端处理的数据，尽可能在前端完成分析，形成快速响应的小闭环。这样一来，每个节点都能像一个智能体，实时辅助决策和执行，从而缩短响应时间、提升整体效能。

“以深圳为例，整个城市的地铁摄像头多达数万个，不可能将所有视频数据都传到云端去做分析——算力不够，带宽不够，响应时间也太长。”张帆称，在北斗智能的架构中，每个地铁站、每个公交场站都部署了边端设备。这些设备负责在本地处理摄像头和传感器的实时数据，进行初步的分析和告警。只有需要上级网络关注或决策的异常信息，才会被上传到云端。这种分布式的技术架构，大幅降低了算力成本和通信代价，也让系统响应更快。“就像人一样，有些事情需要大脑决策，有些事情需要身体自主反应。”

在具体场景中，这套方案已经显现出效果。在园区与物业场景中，AI视频巡查自动化覆盖约40%的巡检工作，整体效率提升约66%；在校园场景中，异常事件识别准确率达到90%以上，响应时间缩短约70%。北斗智能的差异化发展路径也正是由此形成：以边端智能硬件切入，在边缘侧形成一个个小闭环，以此构建AI时代下大数据平台的新壁垒。在张帆看来，支撑这一路径的，是北斗智能的数据积累和对业务流程的深度理解，这让其能够训练出更精准、更落地的垂类模型。而能把这套分布式架构从技术原型做到城市级部署的，正是北斗智能在边端硬件、本地算法和云端调度三层之间多年的协同打磨——它既决定了系统能不能“像人一样反应”，也决定了大规模落地时算力和成本的可控边界。

全球市场调查机构国际数据公司（IDC）研究显示，到2027年，全球超过80%的企业将部署分布式边缘基础设施，以满足AI应用对低时延、高并发、高可靠的核心诉求。对于北斗智能而言，这意味着一个更广阔的市场正在打开。

从孵化到共生，深圳先进院与北斗智能“双向奔赴”

张帆并不回避自己作为“科学家创业者”的短板。

“在创办北斗智能前，我并没有企业工作的经历，最早连财务报表也看不懂。”他笑着说。从科研人员到企业家的转变，张帆形容为“丢掉了游泳圈，不断寻找新的生存与发展路径”。在他眼里，深圳先进院的经历给了他一个很好的过渡期，“在院里做的科研项目比较偏向实际应用，团队在科研过程中与行业一线需求有过大量接触。”

深圳先进院的赋能不止于此。在北斗智能的融资过程中，深圳先进院还帮张帆引荐了不少投资人，并经常组织沙龙、交流活动，为企业做产品推介。而在人才与科研层面，深圳先进院鼓励让企业技术骨干担任工程类硕博研究生的行业导师，同时为北斗智能持续输送科研人才。“出身于深圳先进院，也让投资人更认可我们的技术实力。”张帆介绍，截至目前，北斗智能已完成了三轮融资，获得了英诺天使基金、红杉资本、粤财基金、深圳南山战新投等机构的投资。

钱进来了，但真正的考验才刚刚开始。公司一百来人的团队中，研发人员占比约80%，这种重研发的基因，让公司的氛围更像科研机构。“有很大的弹性。”张帆解释说，这种文化的好处在于，面对日新月异的技术，团队能够快速学习并找到解决方案。但挑战也随之而来：做市场需要“狼性”，需要不断竞争、冲锋。“所以市场管理和研发管理不能用一个模式，这里面有很多需要磨合的地方。”

尽管面临管理上的挑战，张帆对北斗智能市场前景的判断却非常笃定。在他看来，当前智慧城市建设正从“数字化管理”迈向“智能化决策”的新阶段，AI正在从辅助工具转变为核心生产力。相比国外，中国在应用场景规模、数据资源以及政策推动方面的优势也为企业提供了更现实的落地土壤。

“AI的核心不只是识别能力，更在于能否嵌入业务流程，形成从发现问题到解决问题的完整闭环。”张帆说。这一理念让公司更加聚焦行业深度，而非盲目扩展领域，逐步构建起以数据和场景为核心的竞争壁垒。

在这个过程中，深圳先进院与北斗智能也形成了持续的协同机制：深圳先进院提供前沿技术与科研资源支持，公司承担技术产业化与场景落地的职责。这种协同不仅缩短了技术从实验室走向市场的周期，也让公司能够持续获取前沿技术输入，在快速变化的AI领域保持竞争优势。

从扎根交通行业，到将能力复制到更广阔的城市公共空间，北斗智能走了一条不算捷径的路，用十年时间打磨从数据采集到智能决策的完整闭环。这条路并不“炫酷”，但每一步都踩在了真实的地面上。“我们宁愿把场景做小一点，也希望从一线工作人员、后台应用到AI决策，整个流程是顺畅的、闭环的。”张帆说。这或许就是北斗智能最值得被记录的特质——在技术浪潮的快速更迭中，始终保持对“落地应用”的敬畏与执着。

文 | 周会霞

责任编辑 | 苏莉娜

校对 | 吴政希  图 | 由受访者提供

· 转载请注明作者及来源《科技与金融》杂志。

· 如需获取转载、合作、采访等需求请到微信公众号菜单栏-商务合作，获取相应信息。

· 您亦可在知网、今日头条、南方号等相关平台上关注我们。

《科技与金融》第96期

《人工智能+金融》

已发售

欢迎订购本刊