近年来，国家持续推进城市安全治理体系和能力现代化建设，智慧应急成为全国多地改革试点的重要方向。
2025年，是多地推动“AI＋应急管理”走向一线的一年。从辅助办公到智能巡查、从风险研判到指挥调度，人工智能开始在基层日常工作中大面积铺开应用，也在实践中接受检验。回望2025年，“AI＋应急管理”探索究竟带来了哪些改变，哪些做法值得总结，哪些难题仍需破解？《中国应急管理》本期圆桌聚焦杭州：一方面，这里既拥有较为成熟的数字经济基础和数据治理能力，也面临着超大城市运行中的现实挑战；另一方面，杭州将AI嵌入安全生产监管、风险监测预警和应急指挥等具体业务，一些做法已经在基层实践中显现成效，具备参考价值。现邀请杭州市、区和基层一线的应急管理工作者，围绕AI如何真正改变工作方式、提升治理效能进行探讨和交流。
主持人：《中国应急管理》记者魏思佳 徐文标
对话嘉宾：潘渭，杭州市应急管理局党委书记、局长
姚飞，杭州市应急管理局党委委员、副局长
王晓兰，杭州市应急管理局科技与信息化处处长
吴俊，杭州市应急管理局应急救援指挥中心副主任
余文权，杭州市余杭区应急管理局党委委员、副局长
朱恒，杭州市余杭区应急管理局安全生产基础科科长
杨涛，杭州市余杭区良渚街道应急消防管理站站长
李学盛，浙江省应急管理科学研究院应急管理数智、技术研究所副所长
话题1 智慧应急建设的整体框架
主持人：近年来，杭州持续推进智慧应急建设。在顶层设计上，整体思路和路径是如何考虑的？
潘渭：杭州市紧紧围绕省市数字政府2．0建设系列部署，积极发挥“数字经济第一城”优势，紧扣安全生产、自然灾害、应急救援三大核心业务，聚焦应急管理领域难点与堵点，构建“1＋1＋10＋N”框架（1个“杭小应”智能体，1个城市安全风险综合监测预警平台，10个重点应用场景，N个应用模块），按照系统谋划、试点先行、分步推进、整体提升的思路，有序推进杭州市“AI＋应急管理”工作体系建构，探索构建人工智能赋能超大城市应急治理新范式。
姚飞：应急管理和安全生产工作具有专业性强、技术要求高等特点，而传统以深度学习为主的图像识别方法无法满足上千种隐患判定的识别需求，我们将AI技术作为引领应急管理工作变革的关键引擎，按照找准“小切口”，做好“大场景”的理念，探索人工智能技术在应急管理工作中的深度应用，开展“AI＋应急管理”体系建设，打造“杭小应”专域智能体和AI＋监测预警、AI＋特种作业考试等多个应用场景，全面赋能应急管理提质增效工作。
主持人：有哪些制度建设和资金保障？
潘渭：杭州市高度重视数字化工作，在制度和资金方面都给予了充分保障。市政府办公厅下发了《关于印发杭州数字政府2．0建设方案的通知》，统筹全市各部门力量推进杭州数字政府2．0建设。全市已建立市政府主要领导每两个月召开一次工作例会、市政府分管领导每月召开专题会议的机制。由市财政提供资金保障，具体项目经费由“杭州市深化数字杭州建设联席会议”汇总并组织专家评审后予以确定。杭州市应急管理局“杭小应”智能体、城市安全综合风险预警平台等智慧应急项目都纳入数字政府2．0建设场景清单。今年5月12日，我就在市政府主要领导召开的推进会上汇报演示了“杭小应”智能体项目。
王晓兰：针对智慧应急建设过程中需要归集、共享的数据，依托杭州市一体化智能化公共数据平台（IRS），整合市交通、气象、城管、林水、建设、市场监管、文旅、消防、城投等各行业部门的基础设施资源、公共数据资源、行业业务应用和终端资源，打造城市安全数字底座，支撑各业务场景应用。截至目前，数字底座已接入20多个部门63万余条风险数据，4000多台物联感知设备，59万余路“天网工程”视频监控。
同时，根据《杭州市人民政府关于印发杭州市市直部门（单位）政务信息系统运维改革实施方案的通知》，由市数据资源局牵头设立市运维服务机构，承担市直部门已建政务信息系统的运维服务，包括运维项目资金申请、采购实施、运维基础设施资源管理、技术支撑、系统安全、绩效管理、运维服务商管理等工作，并通过派驻运维服务组等方式开展运维服务工作。
话题2 AI如何改变监管方式
主持人：AI技术给应急管理工作的日常监管和执法带来了哪些具体变化？
王晓兰：通过运用AI技术，打造“杭小应”智能体，构建面向政府、企业和公众的AI赋能应急管理体系，有效解决了当前基层一线监管人员在开展安全检查时由于缺少针对性，从而导致入企检查频次高、基层检查压力大的问题。“杭小应”智能体通过与“基层应消应用”数据贯通，辅助生成企业安全风险多维动态画像、辖区整体企业安全态势报告，对企业风险等级进行分级分类管控，主动预警高风险的企业和安全隐患。同时，通过“杭小应”智能体赋能企业自检自查，形成政企协同的智慧监管体系，有效减少入企检查频次，实现政企协同的“靶向性”监管。截至目前，基层应消人员累计使用10872次，发现隐患2653个，隐患整改首次达标率90％以上，有效提升了基层日常巡查工作智能化、高效化水平。
杨涛：结合街道试点实践，我们认为评判AI系统在基层的价值的核心在于它能否直击痛点，切实为一线工作减负、降本、增效。在良渚街道试点打造的“一起安”数智平台，正是以此为出发点。它深度集成了AI大模型技术，并打通了“余智护杭”、省工业在线等多个系统，实现了数据上报“一个口子进出”。这带来的最直接改变是：检查任务可以自动精准下发，结果能够一键便捷上报，实实在在地节约了基层工作人员的时间和人力成本。
更关键的是“赋能”。基层人员在检查中遇到专业难题时，拍照上传，AI模型便能自动识别隐患、分析风险，并同步给出整改建议与法规依据。平台还能智能分析企业隐患数据，自动评估其主体责任落实情况，从而让监管更精准，实现对守法企业的“无事不扰”。
朱恒：在日常监管领域，AI正推动我们从“被动响应”转向“主动预警”，从“人工巡查”迈向“智能监测”。在危化、工贸、燃气、森林防火等方面，AI已成为我们提升隐患排查效能、辅助精准执法的重要支撑。具体来说，在不同场景中，AI正在发挥差异化但关键的作用：
在危化监管中，我们将区内重点危化企业的视频监控接入系统，在生产车间、储罐区等重点部位设立实时监控。AI算法对视频流进行实时分析，自动识别人员违规操作、区域入侵等高风险行为，实现对安全生产规程执行情况的智能督查。这类场景相对标准化，技术成熟度高，部署快、效果直观，具备较强的可复制性。
在工贸领域，以风险高、流动性强的动火作业监管为例，借助电子围栏试点，通过为电焊机加装定位模块、推行安全监管扫码，并利用AI视觉技术，智能识别作业现场是否落实持证上岗、警戒设置、灭火器材配备等要求，实现精准防控。这类场景规则明确，易于建模训练，能有效解决传统监管中“人难盯、点分散”的痛点。
在森林防火方面，AI主要应用于“行为预警”与“火情早识”。防火期内，通过高点摄像头自动识别林区吸烟、野外用火等违规行为；同时，融合卫星与无人机回传的红外及可见光图像，AI能在烟雾初起甚至热点形成阶段就发出报警，实现火情的极早期发现与精准定位。
此外，在辅助执法环节，我们也在探索新技术工具的应用。例如，与技术企业合作试点AR眼镜，政府监管人员佩戴集成AI功能的眼镜后，可智能分析设备状态与环境隐患，遇到复杂问题实时连线专家寻求指导，检查完成后自动生成隐患清单，以“人机协同”模式替代传统检查。同时AR眼镜具备实时录像、物体识别、远程协助等功能，协助检查人员开展隐患排查，音视频可实时回传至指挥中心，实现证据的快速固定与违法行为的及时查处。
总的来说，通过场景化、轻量化的AI赋能，我们正努力将技术融入“监测——预警——处置——执法”的全链条，形成可复制、可推广的智能监管模式，助力政府和企业共同管控风险、守住安全底线。
主持人：智慧应急系统有哪些应用场景？
杨涛：从实践反馈看，主要集中在四个方面：一是AI的“火眼金睛”——隐患精准识别与诊断。这对经验尚浅的工作人员帮助很大。手机拍照上传系统，AI不仅能指出问题所在，还能关联法规、生成报表，甚至评估企业履职情况，极大提升检查的规范性和专业性。
二是风险的“动态画像”——专属风险体系一键生成。企业注册后，平台能基于其工艺、设备等信息，自动生成可视化的安全风险“动态四色图”。基层和企业都可以对风险分布情况一目了然，并能以此为基础搭建个性化的风险管理与闭环整改流程，非常贴合实战需求。
三是管理的“智能导航”——检查流程精细化。系统能够根据企业风险点位，自动标注检查重点、明确检查要素和频次，并智能推送检查任务。相当于为基层监管者提供了一份清晰的“行动地图”，让日常巡查计划制定“一键可达”。同时，我们融合“隐患随手拍”等积分奖励机制，也有效激发了企业员工参与热情，构筑了群防群治的新格局。
四是培训的“云端智库”——安全学习与咨询智能化。平台集成海量培训课程，能根据企业特点智能推送内容、组卷考试、生成电子台账，满足“逢培必考、全程留痕”的要求。特别受欢迎的是其中的“AI智能专家”，企业员工遇到安全疑问可随时提问并获得24小时在线的专业解答，这对提升全员安全意识起到了潜移默化的作用。
话题3 针对痛点难点的实战应用
主持人：风险监测预警和应急指挥调度是智慧应急作用最直接、效果最明显的环节。在这两方面，AI技术如何更有效地发挥？
吴俊：自2024年以来，杭州市开展“城市安全风险综合监测预警平台”建设，该平台与DeepSeek、通义等国产大模型深度融合，强化对耦合、关联、次生衍生等安全风险分析和预警。一是构建智能分析模型。运用自然语言处理技术，通过文本清洗、分词标注预处理数据，采用命名实体识别、关键词抽取等算法精准提取事件时间、地点、类型及伤亡信息，生成结构化信息摘要。2025年，整合110、120、119及舆情等渠道事件信息14726起，信息准确率提升40％，上报时效缩短50％。二是优化事件链模型。完成道路交通事故、建筑火灾等5类重点领域模型构建，通过分析灾害因果关联及传播路径，结合GIS系统识别周边学校、加油站等敏感区域，形成事件链分析，评估灾害事故次生风险，生成指挥救援处置工作建议，向有关地区单位发送提示单。已成功应用处置萧山“7·16”、钱塘“7·19”等多起火灾次生风险。
在指挥调度方面，当前，以“大模型＋多模态＋知识图谱”为核心的人工智能技术正在重塑应急管理指挥体系。我们以防汛防台风和应急指挥为切入点，运用AI技术将碎片化信息转化为可视化决策支持依据，将经验型决策提升为数据驱动的精准决策，并将多部门协同机制从“层层汇报”优化为“实时联动”。我们通过构建防汛智能机器人，借助语音、语言大模型等技术，快速实现人机互动，帮助工作人员快速监测监控防汛实时动态，辅助决策领导从宏观上掌握整体态势，提供相关的辅助决策意见，使城市防汛防台工作更加科学、智能，借助智能语音交互技术，实现事件的快速感知与指挥调度的高效执行。通过智能体、算法仓、人工智能＋、三维建模等技术开展应急指挥场景建设，强化对耦合、关联、次生衍生等安全风险分析和预警，重点建设事件链分析、救援电子沙盘、警情分析、辅助指挥、视频分析等“AI＋场景”，提高应对处置各类自然灾害、安全生产事故的水平。
主持人：技术赋能提升效率的案例有哪些？
王晓兰：以杭州市萧山区应急消防管理站的监管人员对辖区内企业进行日常安全检查为例。过去，这样的检查意味着大量事前沟通、翻阅纸质档案、现场找问题。如今，登录日常工作的“141应消系统”，检查流程中清晰地嵌入了“杭小应”智能体，监管人员的检查工作变得大不相同。
出发前，监管人员通过“杭小应”平台，能够快速获取待检查企业的基本信息。除此之外，平台还能够推送给他有针对性的“隐患排查建议清单”。这样检查人员心里立刻有了清晰的检查重点，不再是泛泛地“走一遍”。
在车间，监管人员看到一台储气罐的安全阀检验标识有点模糊，有效期难以辨认。过去他可能需要记录下问题，查阅《特种设备安全监察条例》等相关条款、法律法规，再出具整改意见，流程耗时。现在直接用“杭小应”的“拍照识隐患”功能对准安全阀拍照，两三秒钟后，AI就能自动分析图片，初步判断风险隐患，并同步生成规范的隐患描述、法律依据及整改建议。这不仅大幅降低了专业门槛，提升了隐患发现率，更实现了检查记录和整改意见的标准化、专业化。
过去，在检查过程中，监管人员遇到一些拿不准的问题，可能要当场打电话问同事，或者记下来回去查规范，容易遗漏或延迟。现在使用“杭小应”智能体的“检查指引”功能，几乎实时就能得到详细的指导意见、条款依据，进而可以依据专业指引进行检查和处置，现场权威性和专业性显著增强。
危险化学品标识复杂、管理要求高。现在，检查人员在日常检查中，遇到标识不清的化学品，无需再自行搜索或求助外援。通过“杭小应”的“危化品识别”功能，就可即时获取该化学品的详细信息、储存要求、使用注意事项及应急处置措施，立即进行精准的风险告知和隐患核查。检查人员以前看见危化品的一堆英文标签和复杂符号就发怵，现在“拍一下”就全明白了，监管的“硬骨头”变成了“常规题”。
此外，“杭小应”的价值不仅在于辅助监管，它还能赋能企业开展高质量自查自纠，很多基础性隐患，企业利用“杭小应”就能发现并完成整改。这样一来，监管的压力就小了，可以从保姆式的全覆盖检查，转向对重大风险和整改质量的精准核查与督导，实现了监管资源的优化配置和效能提升。
吴俊：2025年7月16日15时30分左右，杭州市城市安全综合监测预警指挥平台第一时间捕捉到，萧山区瓜沥镇临港工业园区某企业发生火情的情况后报警，迅速开展多源信息收集，分别从119、110、互联网等平台收集到相关信息，进行事件链分析，依据时间、地点（临港工业园区）、事件类型等关键要素，进行智能比对、关联与去重，对多源渠道获取的信息进行解析重构，15时35分即自动聚合生成一条高置信度的“厂房火警”事件，并推送至应急指挥部指挥大屏。持续跟踪事件处置进展，监听抓取接入各业务系统的关键信息，如消防救援力量、现场交通管制、厂区可能燃烧物质等，为值班长决策提供辅助参考，成功处置该起火情，经全力扑救，20时36分左右成功扑灭，过火面积约900平方米，未造成人员伤亡。
2025年12月8日9时30分左右，杭州市西湖区一民房楼顶突发火情，杭州市城市安全综合监测预警指挥平台依托多源信息采集体系，监测采集119、110、互联网舆情实时监测信息，通过NLP语言提取技术精准解析事件发生时间、地点、类型、伤亡情况等核心要素，快速生成信息摘要与应急处置建议，同步加载周边500米范围内视频监控资源、1公里内承灾体详细信息，快速搭建数字化事件现场，助力值班长全面掌握空间概况，在应急指挥部指挥大屏一屏展现。值班长第一时间运用平台事件综合研判功能，统筹调度相关单位开展救援处置工作，通过监测预警指挥平台生成工作提示单，并推送至西湖区应急指挥部，对周边7所学校、3所医院、10个社区行政村等人员密集的场所等重点场所提出应对处置建议。经全力扑救，火情于11时18分被彻底扑灭，本次事件过火面积约30平方米，未造成人员伤亡，处置过程安全有序。
话题4 基层应用体验与未来发展方向
主持人：在当前的实践探索过程中发现哪些问题？未来还需要在哪些方面继续完善？
余文权：结合地方实践与思考，我对未来五年AI在应急管理领域的应用，抱有以下三点期待：
一是风险预警的智能化升级。我们期望能进一步融合卫星遥感、无人机、物联网传感器等多源数据，构建空天地一体化的立体监测网络。通过AI算法对海量信息进行实时分析，实现灾害风险的“秒级研判”与超前预警，让预警跑在灾害前面。
二是安全生产的协同化监管。希望借助“久 安”大模型，打破部门间的数据壁垒，实现跨部门、跨层级的风险联动分析与协同处置，让安全监管从“单打独斗”走向“智能协同”。
三是应急决策的精准化支持。亟须搭建可解释、可信赖的AI辅助决策系统，在复杂灾情下，为救援力量调配、物资优化投送、疏散路线规划等关键决策，提供实时、科学的方案推演与效果模拟。
基于这些方向，余杭区作为数字经济的活跃区，计划在以下三个方面重点突破：
一是织密城市安全风险智能感知网：深化AI在燃气、供水、供电等城市生命线工程中的深度应用，实现隐患的自动识别、精准定位与智能预警。
二是赋能基层应急实战能力：开发轻量化、易操作的AI工具，赋能社区和小微企业，提升基层一线的风险排查、先期处置和自主防灾能力。
三是培育应急AI产业生态：依托区内人工智能产业基础，鼓励企业攻关应急场景专用的AI芯片、算法模型及机器人装备，推动创新技术就地转化与应用闭环。
当然，要实现这些愿景，我们也迫切需要国家层面给予关键支持。
一是数据赋能：希望建立跨部门、跨区域的公共安全数据共享机制与平台，在确保安全与隐私的前提下，为AI模型训练提供高质量、多维度数据基础。二是技术攻坚：建议通过“揭榜挂帅”等专项机制，鼓励产学研各界集中攻克极端环境通信、多模态灾情识别等应急领域的关键技术瓶颈。三是生态优化：期待在数据要素流通监管、新型基础设施试点等方面获得更灵活的政策支持；同时，在复合型人才认定、科研人员柔性流动等方面给予更多突破，以完善创新生态，吸引和留住核心人才。
总的来说，我们的目标是让AI不仅是应急管理的“辅助工具”，更能成为提升安全韧性、保障人民生命财产的“核心能力”。
李学盛：当前发现的问题主要有两点。
一是在先期开发过程中，过于强调大模型等前沿技术的引入，对于如何与既有业务融合缺少深度思考，未充分考虑基层的实际流程和操作习惯，“重技术、轻业务”导致一些智能工具悬浮，无法在一线业务场景中很好落地。后来我们通过“业务主导、技术支撑”的模式，邀请一线监管人员全程参与设计，逐步实现“数据驱动业务闭环”。智慧应急不是“炫技”，而是解决真问题。这就要求坚持“业务痛点导向”，避免技术空转。建议从高频、高风险的应急场景切入，以解决一线人员实际痛点为目标，开发“小而精”的模块，再逐步扩展为全域平台。切忌盲目追求大而全的系统建设。
二是通用大模型在专业问答方面存在“水土不服”。早期在智能体开发过程中，我们也基于通用基模搭建智能体做了一些应用尝试，对于一些专业问题的回答存在一些似是而非的情景，比如对一些事故案例的枚举分析，对一些危化品泄漏应急处置的注意事项等，容易存在疏漏和幻觉。后来我们采用“通用模型＋行业垂类模型＋专项智能体”的混合模式，加强本地知识库建设和小切口场景智能体研发，通过多模型、多智能体协同，实现专业互补，来提升智能应用对不同需求场景的泛化性能。此外还应注重三点内容。
一是以“人机协同”思维设计智能应用。智能体开发需聚焦辅助决策而非替代人工，重点应强化其在信息整合、态势推演、方案模拟方面的能力，同时预留人工干预接口。建议建立案例库迭代机制，通过实战演练持续优化模型。二是重视基层“数字韧性”能力培养。智慧应急不仅需要技术平台，更需要基层人员熟练应用。建议将系统操作培训纳入应急队伍考核，并设立“技术专员”岗位，在街道、重点企业等单元建立技术支撑节点。三是建立容错迭代的试点推进机制。建议采用“小步快跑”模式，在封闭场景（如特定工业园区、企业机构等）先行验证技术可行性，容忍试错并设立快速修复流程。
杨涛：在肯定成效的同时，我们也清醒地看到，技术应用在与基层复杂实战场景的融合中，仍有需要持续优化和突破的环节。当前，基层工作人员反馈比较集中的是AI隐患识别的准确性与适用性，还可以进一步提升。
具体来说，主要体现在两个方面：
一是静态识别的“视角局限”。目前的拍照识别隐患功能，有时会受到拍摄角度、光线的影响。同一处场景，换个角度拍摄，AI的判断就可能出现波动。这说明模型的场景泛化能力还需加强，要更能适应一线检查中千变万化的“实战”拍摄条件。
二是动态监管的“能力短板”。现有能力主要集中于图片识别，而对于视频流中隐患的实时发现与分析，即“看视频识隐患”功能尚不成熟。在需要对作业过程、设备运行状态进行连续动态监管的场景下，AI隐患识别现有能力就显得有些“力不从心”。
