【TechWeb】智慧城市这一理念早在时就被IBM所提出，当时IBM对这一概念的预期是，通过融合物联网、云计算为代表的新一代信息技术，来解决日益恶化的交通、能源等城市问题。
这个概念虽然提出的时间较早，但此前却受到了一些实际问题的局限，如收集数据的设备、数据的体量以及数据孤岛问题，而其真正被炒热是在这4-5年的时间里。为何这么说，我们来举几个例子。
数据在智慧城市所扮演的角色
此前常见测定风向的设备是一个重心点固定於垂直轴上的风向标，当风吹过时，空气的流动会带动设备的转动以此来显示风向，但这些此前无法结构化的数据对智慧城市的建设而言，不存在任何实际价值，智慧城市真正所需的是能将空气污染程度、湿度或风向此类信息进行信息化的传感器。
再比如说，随着人工智能技术的突破，计算机视觉能够将一些无法非结构化的数据进行结构化处理，无论是用户的购物行为还是路口的车流量，这些数据都能帮助城市进行决策，利于城市集约利用资源。
在这些浅显易懂的案例中，核心归根到底都离不开数据二字。在Techweb与TalkingData数据治理委员会主席（红杉中国专家合伙人）车品觉对话时，他表示：“数据在城市建设中的作用便是看清整个城市，现在正在发生什么以及哪里会出现问题等。这是一个看起来很容易做起来很难的事。”
9月11日，TalkingData举办了一年一度的T11 数据智能峰会
要知道，一个城市的建设会有3-5年的规划周期，此前城市建设的效果要在5年后才可知晓。但现今很多研究智慧城市的专家开始利用模拟城市数据这一方法，来建成可预期的城市。
车品觉指出，今天讲的智慧城市和此前最大的差异在于“数据驱动”。一个数据驱动的智慧城市，必须要有一个非常好的数据中台，这个数据中台能够便捷、低成本地把数据收集回来进行处理，再将这些数据用于到智慧城市场景当中去。而TalkingData是一家数据公司而非数据包装公司，其优势是汇总了非常多的数据源头，并用这些无偏差的数据来为智慧城市提供服务。
正如车品觉在《决战大数据：驾驭未来商业的利器》一书中所写到的，以前是用问题找数据，而大数据核心特质是用数据找机会。新的数据角度帮助我们一窥真实的结果，这就是“用数据来还原真实”。
智慧城市建设的挑战与目标
但城市建设非一蹴而就之事，这个有机的整体在建设过程中涉及到很多问题，其一智慧城市并不是一套通用的解决方案，需根据各自诉求有针对性的进行“定制”。举例来说，一线城市基础设施相对完善，这类城市要可以往大而全的方向去走，但资源较为有限的城市，却并不适合复制一线城市的这套规划。
再者智慧城市的建设，离不开更高效的管理、更便捷的生活以及带动更多的产业发展这三大核心目标，而并不是单纯的为了引入时代新技术而进行的建设。
车品觉在TalkingData T11 数据智能峰会上做演讲
车品觉认为，当下智慧城市已经过了勾勒蓝图的阶段，现在要考虑的是用技术去解决城市中存在的具体问题，在城市这个动态的系统中，切入到一个城市所急、市民所需、技术已经成熟的点上去，以数据为驱动，才能最快的给一个城市赋予“智慧”。
在车品觉多年从业经验中，每一次他都习惯从一个小环节去入手，再将整件事做大做全，他很清楚在这场博弈中哪面的胜算更大，也很清楚只有这样，才能拿出漂亮的成绩单，让每个在城市中生活的人都愿意做出更多的建设与改变。
智慧城市未来不是个“标签”
总体来说，智慧城市的出现，是城市规划在数字化时代要面对的一次变革，也是新技术不断突破所衍生出的一种新业态。
用白话来讲，在用户层面，能否在生活中享受到实打实的便捷是唯一的衡量目标，如果新技术带来的只是小幅度体验的提升亦或是成为生活的门槛，那这个智慧城市的建设必然是失败的。
再上升到城市层面，新技术的引入必然会带来成本的攀升，但新技术的本质在于降本增效，未来所能节省的成本一定要盖过前期的投入，而效率层面，不仅要为日常生活创造便捷，更要考虑就业机会、能源效率、空间管理等问题，让城市的运行规律与内在逻辑不会与新技术的初衷背道而驰。也只有这样，才不会让智慧城市变成一个单纯的称呼与标签。
