2024年，北京市经开区营商环境建设局作为北京市智慧城市场景创新需求清单（第一批场景开放单位，期望建设基于大模型技术的城市影像视频智能分析场景，重点攻关大体量视频综合分析技术突破及工程化应用，并率先在城市治理领域开展技术应用试点验证。

作为场景承接单位，百度智能云将视觉多模态大模型技术应用到城市治理场景中，通过视频感知体系和算法仓的“软硬解耦”架构，构建起基于多模态大模型的视频解析中台，实现了城市治理智能应用技术新突破。

百度相关负责人表示，相比传统一事一模型的“小模型”形式，百度智能云泛政多模态大模型场景覆盖面广、理解力强、训练成本低。对新场景能力拓展的开发周期可缩短70%、节省标注人力50%以上，能快速响应客户定制化场景需求。面向城市中的高频事件，大模型平均识别准确率在90%以上。

据悉，目前百度智能云泛政多模态大模型已在北京、内蒙古鄂尔多斯等数十个城市的城市治理场景中落地。