未来10年，创业者该如何预测未来？（深度好文）

未来10年，创业者该如何预测未来？（深度好文）

本文为北京城市象限科技有限公司创始人兼CEO、北京市城市规划设计研究院云平台创新中心秘书长茅明睿在中国城市规划设计研究院学术信息中心首届业务交流会上做的报告，感谢作者授权发布。

报告的名字是标题党，我不知道怎么预测未来，但我更想和大家分享的是作为一个城市数据的创业者在创业近两年时间的心路历程。报告名字中的“我们”是一个限定词，指的是城市数据师，也是中规院在最近一年中大力推动的城市大数据的工作，在座各位都是在做和我相似的工作。那么，我们说的第一个问题是我们到底有多少种方法预测未来？

一、有多少种方法预测未来

（一）靠读心

当我们能揣摩每一个人大脑里、心里在想什么的时候，就能预测他们下一步要做什么。很典型的例子如X博士具有读心技能，这是简单的预测人的行为的方法。当然我们也发现，现今的科技也在试图通过人的微小行为去揣摩他的心理，比如眼动仪。我们可以通过观测一个人眼睛在看什么，去了解这个人对什么感兴趣，会被什么所吸引，从而进一步了解人在什么场景下会选择什么行为。事实上，这就是我们说的靠读心行为预测未来。

但是我更想说的是心理史学。斯璀璘大学教授哈里谢顿发明了心理史学，它融合了数学、历史学、社会学、统计学、社会心理学、气象动力学等多个学科的知识，并认为如果我们可以积累社会历史发展的所有数据，就可以像气象动力学一样去进行整个社会的推演。当然，教授表示对于微观个体的行为无法预测，但对于人类社会的发展是可以在一个宏观尺度上进行预测。这是阿西莫夫的著名小说《基地》的情节。

（二）靠试错

假如我们能把人类的每一种选项都试验一遍，那我们就知道自己应该选择哪一项。有两部很好的相关电影，其中《蝴蝶效应》有很多次穿越，主人公可以选择很多人生；另一部电影比较小众，叫做《无姓之人》，图片是电影中经典一幕：小朋友的父母离婚后，他在爸爸的注视下望着妈妈乘坐的火车远去，自己正在为以后的人生选择一条什么样的道路做打算。电影中对小朋友的设定是他会记得他的前世，在这一刻，这个小朋友回顾自己所有的前世，做了一个今世的选择。

（三）靠打造

预测未来的最好的方法，就是去打造未来。像康巴什这样的新城，现在的任何大数据和算法可能都无法预测未来会凭空产生这样一个大型新城，但我们可以把它造出来。

（四）靠玄学

靠玄学是我最想叙述的一项，如水晶球、塔罗牌。玄学在中文中有占卜一词可以表达。“占”原意为观察，指我们在预测未来中的法则、图谱，预测图式和理论规则；“卜”是指实施方法，原意为用火灼烧龟壳；占卜就是指我使用什么样的工具、实施方法去实现知识图谱。占卜有很多“卜”的方法，在西方有水晶球等；茶卜是中西通用的，是通过解读茶渍的来占卜吉凶；在中国我们有龟壳、钱币、求签、还有风水罗盘塔罗占卜他下一步对我的打算，八卦图、奇门遁甲。西方的占星术与中国的奇门遁甲的形式是很相近的，东西方都有关于星象的知识图谱，通过星盘看事态的运势吉凶。

当然占卜除了预测还能用于化解和运筹。比如香港屋顶上的这门炮，是以用“大炮”（升降机）化吉凶；台湾居民楼对着形状如虎口的政府大门，所以在窗户上架很多弓箭来化解。以上讲到我们一直都有方法去预测未来和干预未来，由此得出以下结论：

结论一：统治阶级自古以来都很重视预测并不是有了大数据、人工智能我们才开始重视预测；

结论二：统治阶级不是因为尊重科学了才对大数据、人工智能趋之若鹜，他们历来都很重视预测，原因是他们心虚，需要有个东西让决策心安，这才是政府追求大数据、云计算、人工智能这些新概念的真实原因；

结论三：规划师跟风水先生的差别在哪儿？领导听后者的，不听前者的。

所以做城市数据师的好处是，能让我们从提线木偶变得有机会“向权力讲述真理”，仅仅是有机会……

二、同样是搞大数据为什么他们和我们如此不同？

此处的“他们”是指同样搞大数据的大多数智慧城市企业、互联网企业、IT企业等。我创业1 年多以来一直对自己是不是在搞大数据感到很迷惑，因为我和他们说的话完全不同，似乎不是一个圈子的。

（一）话术体系

我总结了一下相互的区别：对于我们从规划圈子出来的城市数据从业者来说，我们致力于把问题讲清楚，靠解决问题赚钱是关键，不管我们有没有能力把这个问题讲清楚，最后我们总是会把问题解决掉。但对于那些IT、互联网企业来说，他们是要把问题说复杂，靠让人不明觉厉赚钱。这是两种截然不同的创业方式。比如过去的风水先生，他们是怎么忽悠客户的呢？他们会对客户讲元亨利贞、奇门遁甲、六爻八卦、紫微斗数、他们有一些别人不会用的占卜工具，如龟壳，牛股，水晶球，风水罗盘等。现在，我们同样发现会有一些体系，如城市大脑体系、城市神经系统、XX慧眼体系，他们首先会发明一个新颖的概念，包装一些术语未来10年，创业者该如何预测未来？（深度好文），比如贝叶斯、向量机、随机森林、卷积神经网络等等。接着告诉客户通过一些大数据的高级工具，比如，Spark，Hive，Storm可以实现那些高级算法的运算，从而解决预测问题。客户会认为你很厉害，你会用我不会用的工具、你会用我不会用的算法、你会讲我不了解的名词，所以客户上钩了……回顾历史，当下的“他们”和过去的风水先生没有区别，都是通过制造一套话术体系让客户蒙圈，不明觉厉挣钱。

但是这种话术挣钱的方式可持续性不强。他们走了一段时间挣了一些钱之后发现这条路并不好走：客户发现自己付费后，问题并没有被解决，交通该堵还是堵、人民的生活品质没有显著提升、外来劳动者还是没有归属感、公共服务水平也没有提高等等，于是一个新的要求出来了——要让市民有更多“获得感”。

（二）城市新名词

我们的智慧城市从2008年以来已经走过了智慧城市1.0、智慧城市2.0，现在又想要发展新型智慧城市，为什么？因为要和过去的“我”做切割，也就是“他们”要换一种概念继续不明觉厉的挣钱。如此下去这条路会一直走放到9.0未来10年，创业者该如何预测未来？（深度好文），以后还会发展成真新型智慧城市、超真新型智慧城市……为什么有这么多新名词？因为他们不从内容出发，不从解决问题出发，而从概念出发、从让人听不懂出发、以贩卖技术和硬件为目的，那么所谓的“获得感”或者真实的问题永远也解决不了。

这就给了规划师机遇，因为我们是解决问题的，而他们是兜售技术。同样在大数据圈子创业一年多，我从来都试图不用任何技术术语去告诉顾客怎样解决问题，而是用逻辑推理去告诉客户事情解决的步骤与预期。正是因为领导关注的是“预测”，所以我们对城市的理解，对数据的理解和对未来的塑造能力给了我们在产业链中的立足之地，这是我们的机遇。

三、规划师该怎么预测城市未来和塑造城市未来？

（一）规划传承

这是我们要解决的重要问题。我们是有传统的，过去的传统是经过反复的实践和经验积累来实现的。过去，规划师做了十年以上，基本拿捏问题都是八九不离十。所以，这种方式需要老师傅带徒弟式的传承和数十年如一日的匠人精神。这就是我们过去城市规划的范式——基于经验的城市规划。如果一个规划师在规划院工作十年以上做到院长了，这个规划师说出来的东西一般都不会差到哪儿去，可能梳理逻辑有点问题，但内容都没有错。

（二）潜在问题

但是这会出现一个问题：人的寿命是有限的。一个越有经验、越成功的规划师意味着他能服务的年份越来越少；可服务于工作的、寿命越长的规划师，往往经验很少，这意味着我们的知识很难传承。所以规划师的寿命限制了规划学科和技术的发展，我们学科的发展依赖于人均寿命的提升。也因此规划行业的报告、文章喜欢摆老祖宗、讲道统，比如考工记、霍华德、雅各布斯、花园城市、雅典宪章；而计算机学科是相反的，计算机学科是基于数理知识的，不依赖于师傅带徒弟的传承，而是显性知识体系，所以我们很少看到计算机、人工智能的研究报告和文章里摆出图灵或者冯诺依曼来显示自己的研究遵从了大师，继承了正确的道统。

这也给了我们一个机遇，城市数据师能干什么？我们试图去推动一个基于数据科学的城市规划方法论，让规划知识显性化、可量化、可沉淀、易评估、易修正、可持续、可跟踪。这个新方法论也许会形成“观测-认知-建模-应用-反馈-优化-前馈”的范式，首先要实现对世界的观测从而形成新的认知体系，接着对这个体系进行建模，进而应用模型、形成反馈、完成优化，以及通过大量的公共政策和规划项目的跟踪与收集，最终实现城市规划的前馈，也就是真正的模拟和预测。

（三）城市规划与计算机的预测

在上述规划过程中常会提到一个词——预测。规划师与数据科学所做的预测存在较大区别。我们常说的预测在计算机学科中被叫做模拟或仿真，对方所做的预测实际上是我们的外界变量不发生变化时会怎么样。城市规划所作的预测是当我们颁布了一个规划措施或公共政策进行现实世界的调整时，城市会怎么样。其实我们说的更多的是公共政策的响应。

（四）没有方法论 新区怎么搞

那么这当中就会有一个难点，其实我们并不存在这样一个方法论。这个方法论中更大的难点就是新区怎么做？新区规划不仅没有方法论还没有数据。那么对于新区，我们一般只有两三种方法。

第一，案例研究。我们做的是A，但由于A没有数据，我们去研究B、C、D,构建关于A体系的知识图谱，去构建关于A体系的知识图谱，去了解这个领域的问题如何发展，因此我们构建领域的模型去解决A的问题，这是我们讲的通过案例分析来做。

第二，通过算法黑箱。无论是小库还是刚刚城室科技做出来的路网匹配的模型，我们都可以从中看到生成式对抗网络的痕迹，但它并没有构建起关于城市规划各种变量间的严谨模型关系，而是通过算法黑箱去实现基因的注入。

第三，求助于传统的城市模型。2016年我们做了通州城市总体规划大数据与模型专题，在这个专题中我们首先使用大数据获得通州的各类现实大数据画像，包括人口分布、就业岗位分布、城市的通勤与职住关系等等。基于以上，引进了土地与交通的一体化（LUTI）模型，其中实现了空间均衡模型和迭代模型。能够模拟在不同政策情景下，未来北京和北三线地区人口和就业岗位的分布以及职住空间联系情况，这是一个动态的空间均衡。模型最后输出人口与就业岗位空间分布、职住联系。

我们进一步基于LUTI模型的输出作为基于元胞自动机的城市空间发展模型的输入，去研究这个城市的空间发展。我们设置了多种空间发展情景塔罗占卜他下一步对我的打算，看用地在不同情景下如何发展，最后会形成如何的用地布局。这是我们第一次结合了用地现状数据、人口时空行为大数据，结合了土地交通一体化模型和元胞自动机模型，得到了通州与北三线的一张规划图。这张图尽管不是规划师画的用地图，但我们可以对比基于模型模拟不同情景的用地结果和规划师所做用地方案图的差别，从而进一步去看这样的差别如何指导我们修正规划、出台什么样的规划措施。

四、传统模型的问题与发展

（一）传统模型范式与大数据范式

•传统模型范式：

理论抽象——关键变量——调查采集——建立模型

传统模型首先是对现实世界进行理论抽象，设定一些关键的变量，在围绕这些变量通过调查收集数据，最后构建城市模型。

•大数据范式：

泛在感知——多源数据——多维变量——建立模型

但大数据时代与传统模型构建的范式不同，大数据范式首先是广泛的感知，现在我们的城市有越来越多的传感器和越来越多的智能应用和智能设备用户，因此我们能感知世界的维度比以前多得多，因此当下是一个泛在感知基础自动产生多源城市数据矿产的时代，基于此会产生不计其数的城市模型变量，模型的任务是理清这些变量间的关系。

（二）二者关联与发展

二者的关键差异就是“城市知识图谱”从何而来。第一种是我们先有了理论和知识图谱，再去证明它；第二种是我们先有了数据和感知方法，去寻找它。那么，为什么传统数据模型不能是泛在感知的基础呢？调查的成本决定了传统的数据模型必须先有理论。过去没有感知办法，没有自动产生数据的数据矿产，每一个模型的每一个数据都需要人去调查收集。

所以我们一定会先简化我们的世界，把它变成3、4个，最多20个变量的理论基础。但是我们对城市感知能力的提升倒逼了我们需要重新认识城市，也就是说城市根本不是脑子里或者任何理论里抽象的那么一个朴素的模样，我们要让城市回到它复杂系统的本源。那么我们突然有了比过去多得多的维度去理解这个城市，它充满细节。

五、我们有多少种感知方法和认知维度？

（一）感知方法总结

探究一个城市到底有多少种维度，首先要从我们有多少种方法去感知城市说起。2016年下半年我们做了一个关于城市感知方法的总结，比如PSPL调研法、传感器法、社会感知，研究了每一种方法的研究对象是谁、干什么事情以及他们的成本是多少……综合以上，我总结了哪些方法适合做哪些事情，分别针对人、行为、属性等方面研究每一种方法的优势，以及各种方法的性能。

对于这种方法我们也做了很多实践，有传感器实践、人肉大数据实践等。2017年北京国际设计周做的杨梅竹斜街人肉观察，这条街496米长，我们以每10米做一个格子，记录每个人在什么时间在哪个格子中发生什么行为，就实现了微观尺度人在街道上行为的观测，比如行人购物、停留、兴趣等等。

感知之后我们需要重新理解城市。城市到底有多少种认知维度？当以传统认知维度去做居住小区、居住用地时，我们一般会从占地面积、建筑面积、容积率、高度、绿地、套数、户型、栋数、物业费、房价、租金、入住率等方面入手；当我们有了大数据，我们会有多少种维度呢？仅从居民和居民行为视角，我们可以看看这个小区的上班族数量，加班族数量，夜生活人群比，共享单车用户比，外卖用户比例，高频活动场所，通勤出行距离，休闲出行距离，加班频次，生活时长，出国度，宅度，剁手度，群租度，文艺度……事实上一个城市有一万种视角、十万种视角，只要我们愿意认识它，城市总会给我们不同的新鲜感，千万不要被城市规划过去教给你的套路限制了想象力。

（二）环境行为学

所以我们要开脑洞。在这方面，环境行为学是一个很好的学科。引用叶宇老师的一篇文章，其中总结了环境行为学的空间感知、行为研究和设计范式，提出我们对于建成环境空间要素的抽象和提取、感知与行为特征的抽象和提取，最后告诉我们怎样归纳感知、行为和空间特征的相互关系并辅助设计。

（三）架构新体系

但这里会产生一个歧义，环境行为学中提到的感知并不是前面讲的泛在感知，而是多指人对于环境的心理认知和感受，容易造成混淆。因此在城市象限内部，我重新架构了自己的研究体系，其中将城市数据分成两类：一、行为空间数据，二、空间行为数据。通过实现空间的感知和行为的感知得到心理认知，进而完成空间认知和品质评估，最后研究空间形态、生活品质以及主观感受间关系，我们把这一过程作为城市象限的人居环境科学的实现路径。在这个框架里，感知一词就不存在歧义了。

六、从感知来源和认知维度来看阿里与百度

城市大脑到目前为止还是叫做“城市大眼”更为适合，但这一点已经很了不起了。过去我们都有摄像头，那时的图像是连续的栅格图像数据，不结构化，也不直接产生意义。城市大脑的计算视觉技术让这些栅格图像变成有意义的信号，比如能够自动提取出人数、车辆、车速，并进一步识别出拥堵、排队等高级信号。当我们能够理解一个视频作为有意义的信号时，是否就能够让一个城市变得更好呢？我们可以想想在天宫中谁是玉皇大帝的智库？城市大脑现在充其量就是千里眼和顺风耳的角色，它能给玉皇大帝传递信息，但它并不能告诉玉皇大帝怎么让天界和人界治理的更好。城市大眼要变成真正的城市大脑，就是要从千里眼顺风耳变成太上老君，但我不认为他能依靠自己实现这种转变。

数据公司都面临一个问题，无论阿里巴巴、百度、腾讯、运营商……他们的核心问题是数据变现。他们很强大，在很多行业他们都成功跨界，甚至颠覆，当他们走到城市规划面前，都会看到一个巨大的沟：城市的复杂性导致了厚数据需求，任何单一的数据源都无法应对城市问题，而更重要的是应用逻辑的缺失，城市规划这个学科压根不是用数据驱动的。这是个老师父带徒弟的经验驱动式的行业，相比起城市规划，下游越平坦的行业（或者说数理逻辑越清晰的行业），越容易被入侵，比如交通、金融（风控）、精算等，方法是定量的、数据在别人手上，驱动模式是现成的。那么，谁有资源谁就说了算。所以规划行业的落后和不科学形成了我们的护城河。

七、我们的机会在哪里？

这也给了我们新的机会。一、业务转型，城市空间正在走向城市更新运营，我们从空间生产转向空间运营过程。二、就业需求，尽管我们在高校、或自学得到的数据师越来越多，但数据资源指数增长，或用数据的人呈线性增长，相关人才供不应求。三、市场机会，新概念的边际效应快速衰退，凯文凯利也不够用了，在政府和很多企业客户那里有一种对于智能和大数据的失望感正在蔓延，这时候谁能够解决问题，谁就能赢得信任。四、行业保护，由于城市规划行业并不存在数据驱动的逻辑塔罗占卜他下一步对我的打算，因此这也成了互联网公司不能入侵我们的护城河。当然我们都希望把这条河填掉，但也希望大家认真思考，填河之后我们的核心竞争力在哪。五、支付意愿。 中规院对行业的支付意愿推进起到很大作用，让行业认知到这个事情不是歪门邪道，并需要为数据（和相关服务）付费。

八、如何寻找自己在城市数据产业的位置？

在上述5大机遇中我们要寻找自己在城市数据产业中的位置。城市数据师大概有三个选择：一、数据工程——解决效率，架构师、数据工程师。二、数据科学——解决算法：数据科学家、模型师。三、业务专家——解决问题：数据分析师、数据思维的规划师。每一个从业者都要选择自己的方向与职业。

数据会越来越廉价，城市数据师则会长期稀缺。所以，限制你的，不是数据；而是想象力：不要让数据贫穷限制我们对城市和未来的想象。

最后再引用一下阿西莫夫来呼应一下开头：“城市数据师的理想归宿是‘第二基地’”，城市象限，一个很接近“第二基地”的地方。

报告整理：吕佳文

基地资源