北京地铁自建AI中台：41个模型统一调度，车辆检修和仪表抄表智能化升级

北京地铁近期推出了一项创新举措——自建"AI中台"。截至2026年4月，该平台稳定运行，支撑10余个智能化应用，累计管理41个人工智能模型，资源利用率达87.5%，几乎无闲置资源。

众多城市交通系统在AI应用上面临算力和模型管理的瓶颈。北京地铁采取统一管理底层算力和模型的策略，防止各线路各部门各自为政。平台基于国产芯片构建双中心算力体系，分别负责模型训练优化和纳管运行。

全部AI模型实现统一注册、检索和调度，按需调用。面向日均千万级客流，平台在车辆智能检修场景中展现出显著成效。

传统车辆外观异常识别依赖人工目检，资深师傅亦难避免疲劳。基于CV大模型的车辆外观异常识别技术实现自动扫描和异常标记，推动运维从"人检"向"机检"转变，建立"双界面、双岗位、双保险"机制。

2号线太平湖车辆段构建了360度车辆智能全景检测数据集，入选2025年北京市高质量数据集典型案例。智能巡检抄表成为另一亮点，机电、通号、供电等专业的大量仪表需定期抄录。

传统人工抄表需逐站逐设备检查。引入PDA拍照自动抄表后，基于OCR技术的智能计表模型已覆盖137个试点站、39类工单场景，单设备抄表时间从2分钟降至20秒，作业效率提升45%至85%。

效率提升源于AI中台的稳定支撑。算力调度、模型调用、数据处理各环节稳定运行。87.5%的资源利用率表明平台几乎无闲置，41个模型各司其职，覆盖图像识别、数据分类、异常检测等任务，统一纳管规避重复建设。

智能检修成果获行业认可，入选《城市轨道交通人工智能应用指南》典型案例。"人检"向"机检"的转变提升效率和安全底线，双岗位双保险机制大幅降低漏检概率。

乘客虽难以感知变化，但车辆安全性已显著提升。北京地铁将AI中台定位为长期迭代项目，规划在"十五五"期间实现全业务、全专业智能化应用落地，持续深化能力迭代和场景拓展。

地铁系统涵盖车辆、信号、供电、线路、站台设备等多个专业，各有大量数据和运维需求，平台需进一步提升算力、模型管理和数据治理能力。

数据集积累是基础。2号线太平湖车辆段的360度车辆智能全景检测数据集入选市级典型案例，获官方认可，可用于训练更精准模型，助力其他线路快速建立能力。

41个模型只是起点，后续将快速增长，平台的纳管能力和迭代机制至关重要。北京地铁AI中台为行业提供参考路径，其双中心算力体系和统一纳管思路可解决算力分散、模型重复建设、数据标准不统一等问题。

若该模式广泛推广，将加速行业"人检转机检、人工转自动"进程，提升乘客出行安全性和效率。

感谢阅读，欢迎点赞、收藏或分享