当谈论智慧水务的定义、层次和维度时 我们在谈论什么？

在智慧水务概念被逐渐“炒热”的今天，鲜见有人系统地去思考：当我们在谈论智慧水务的时候，我们在谈论什么？

老实说，很难有一个统一的答案。

在接下来的文章中，笔者旨在“谈论”有关智慧水务的三个问题：

• 智慧水务的定义；

• 智慧水务的层次；

• 智慧水务的维度。

【智慧水务的定义】

从专业领域的角度来看，应用信息通信技术（Information and Communication Technology, ICT）解决水环境问题，是水信息学（Hydroinformatics）专业领域的问题，这和当前智慧水务的内容是相契合的。由此引申出来的智慧水务的定义可以是：

Concerns the integrated use of information and communication technologies, modelling and decision support systems in solving problems related to the aquatic environment and involving relevant stakeholders.

专注于信息通信技术（ICT）、建模与决策支持系统的集成应用，以解决水环境相关的问题、以及涉及利益相关方所面临的问题。

值得注意的一点是，本公众号文章中所讨论的，是涵盖了水利、排水、供水在内的大水务范畴。尽管国内常常细分智慧水利、智慧水务，但在英文中都可以对应为Smart Water的范畴，为了表述方便，统称为智慧水务。

针对上述定义中的若干关键词，做一个简单说明：

【信息通信技术】智慧水务一定是结合了最新的信息通信技术的，包括物联网、云服务等技术在内的现代ICT，都可以辅助智慧水务的建设。

【建模】建模评估在智慧水务建设中占据重要地位。这里的模型，既包含了以水文水动力模拟为代表的、有明确物理意义的数学模型，也包含了以机器/统计学习为代表的数据驱动模型。

【决策支持系统】智慧水务的目标是辅助决策，包括应急决策、日常运维管理中的决策，等等。

【水环境问题】水环境问题是物理意义上的问题，例如：黑臭、洪涝等。

【利益相关方的问题】利益相关方的问题是社会/组织层面的问题，在解决水环境问题时，常涉及到一方受益、而另一方受损的情况。例如限制排污，则往往带来工厂企业的损失。这就涉及到多目标的利益最大化（最优化）。

只有界定了智慧水务的概念，我们才可以进一步去讨论：智慧水务发展的阶段层次是怎样的、哪些应用可以称得上是智慧水务的应用。

【智慧水务的层次】

启发我对此进行思考的有两个方面：其一，太多人将智慧水务和所谓的水务信息化、水利信息化混作一谈；其二，则是其他行业关于智慧、关于人工智能的探讨。

先说第一点，智慧水务等同于搞水务/水利信息化吗？直觉告诉我，不是。信息化完成了底层基础数据的采集整理，完成了基本业务平台的搭建，是十分基础而重要的工作，但要说这就是“智慧”，有点牵强，总让人感觉“还不够”。

现实情况是，太多涉足智慧水务行业的同行们，把这二者混为一谈了。先甭管是不是真“智慧”，至少借着“智慧”的名号，什么产品都显得高级一点。如果我们随意从必应、百度上检索一下“智慧水务”这个词，不难看到如下的一些介绍：

“智慧水务云平台通过数据采集设备、无线网络设备、智能采集终端、水质检测传感器、压力传感器、流量计、智能...”

“智慧水务是指将传统水利与现代信息化技术进行深度融合,以提高水务的管理和服务水平…”

“该系统围绕智慧水务管控一体化战略发展目标,整合云计算、大数据和GIS地理信息、物联网技术,通过对从水源、水厂到管网、用户的监测数据采集监控感知智慧水务管控一体化…”

本质上都还是信息化的范畴。

这促使我深入思考，如果说智慧水务不等同于水务/水利信息化的话，那它们之间又有什么关系呢？

这就跳到第二个问题了，其他行业是怎么看待“智慧”一词的？

鲍捷老师在人工智能对银行推动的展望一文中的看法，对我启发很大。这里直接引用一段鲍老师的原文：

现在，大家在谈人工智能时都有过高的预期，觉得人工智能可以解决很多问题，特别是在AlphaGo之后。这可能也是我们今天坐在这儿的原因。但是我们要清楚人工智能不是万能的。在我们谈到人工智能的时候，其实我们指的是不同的东西。比如，智能灯泡、智能音箱、智能汽车这三个中文里都是智能，但其实讲的是完全不一样的东西。

第一个，智能灯泡是一种自动化，就是去完成一些人反反复复根本不用动脑子的重复劳动，这就是第一步自动化。

第二个，智能音箱做的是杀马特，Smart，就是小聪明。它可以完成几个人一起完成的一个事情，比如数据集成，数据查找这样一些事情。

第三个，智能汽车是一种更高级的智能，它可以进行预测，进行规划，进行一种洞察，需要长期的训练才能够拥有的这个智能，这也是我们所谓的Artificial Intelligence（AI）。

在真正进行领域应用的时候，我们通常并不是真的需要一定要到AI这个层面上，Robot和Smart这两个层面其实已经可以帮助我们完成很多工作。

第一个层次：比如，现在在每一个金融机构里，都会有一大堆实习生从PDF报表里面提取数据。这样的事情为什么让人类来做？这完全是对我们进化的一种侮辱！我们应该用机器来做这件事情，这就是Robot层面的事情。其实智能投顾（robot advisor）就是套公式，如果我们还仅仅用Excel进行计算的话，也是对我们的侮辱！所以应该用机器(Robot)来做，这是第一个层次。

第二个层次：是Smart，是对数据进行简单分析，按照一定规则进行的过滤。美国AlphaSense这样的公司就是这样在做规则的提取。当前的人工智能在这方面已经做得比较好了。我们现在可以比较有信心地说，“人工智能可以把大部分实习生干掉”这件事情应该是没有问题的。两年到三年之后，人工智能是可以把数据分析师的大部分重复劳动取代掉。

第三个层次：是真正的资深的或者中高级层面才能用的洞察力。这样的洞察力不但能够发现事实，还可以解释这是什么，并且进一步做出预测。但是这种预测不是简单的像量化投资那样的预测。量化投资的预测是属于短期的一种，时间序列分析就可以完成的，并不会涉及到事物本质的因果关系。我们真正想达到智能化，就需要去了解它的因果性，这也是目前只有中高级的分析师才能达到的。Kensho想达到这种目标，其实也还没有达到。在其他领域，我们也可以看到像Watson这样的系统，证明我们现有技术已经可以达到，但是在任何一个具体的垂直领域应用时，我们还需要进行人才、数据和市场的准备。这个在中国，包括美国在内，准备都不够充分。这也就是为什么今天讨论的，是smart bank而不是intelligent bank(智能银行)。因为目前的产业还接受不了这个事物，或者说成本太高做不了。那么我们应该循序渐进地去做当下的历史阶段能够做的事情。

鲍老师在提到所谓的人工智能的时候，将其划分为Robot、Smart、Intelligent三个层次，这一理念，引入水务行业，同样是可以借鉴使用的。以下是我所理解的智慧水务的三个层次。

智慧水务的第一个层次（阶段）：信息化

智慧水务的第一个层次是信息化，该阶段目的在于解放人的双手，替代人的重复性劳动。

其工作，首先是完成水环境系统中各类资产数据、监测数据的信息采集。例如，城市排水系统中的检查井、管道等的位置、大小、高程信息，通过物探等方式，录入地理信息系统（GIS）平台中，实现GIS化；又比如，通过物联网（IoT）等技术，将城市排水系统中关键节点的流量、液位、水质等信息，实时、自动地传输到数据库平台中，实现实时监测。

其次，结合GIS类数据、实时监测数据，根据水务行业调度应用的实际需求，开发业务平台。即，在数据信息化的基础上，结合使用者的需求，实现业务的信息化。

通过信息化，数据采集的流程得到了简化，业务处理的流程也得到了简化。