傅涛：瞎子摸象与排水模型

上海管网犹如一只巨大的"大象"，人在它面前如同"瞎子"，局部摸得再透也难窥全貌。E20 研究院院长傅涛"瞎子摸象"为喻，探讨了排水管网模型构建的核心难题。他指出，小范围机理的清晰并不意味着大系统同样适用，最怕的是以为摸全了而以偏概全。在不完整机理之上用数据补全，是数理模型的思路；而借鉴行业垂类模型、在关键节点精准补数据，则是更务实的路径。数据价值不在数量，而在位置。

9月12日在上海，第六期"水务百年会客厅"，聊的是排水管网模型，我有一个有意思的体会与大家分享：上海是中国最大的城市，上海排水管网也是一只最大的"大象"——它埋在地下，规模巨大，本底不清，人在他面前像一个小瞎子。智能与排水实践结合的核心载体是排水管网模型，而要建立上海管网模型就必须把大象摸清楚，就必须完成"瞎子摸象"。

01. 摸得越深，越要警惕

瞎子摸象，摸到腿的说大象像柱子，摸到尾巴的说大象像绳子。每个局部，他都没摸错——在一个局部摸充分了，得到的就叫局部机理模型。污水处理里的曝气模型、加药模型，管网里的水力模型，都是摸得比较透的那条"腿"、那根"尾巴"，在各自的局部里，它们是真灵。

问题出在下一步。大象摸不全，就不是完整的机理模型；事物边界越大，越摸不全。一座厂、一段管、一个小区域，还能摸个八九不离十；一个流域、一张城市管网、一个跨区域的调度系统，边界一大，永远有你摸不到的地方。

更要紧的是：小范围机理的清晰，并不意味着大系统也能用同样的方法清晰。摸清一段管，可以用笨办法——开挖、检测、加密布点，一段一段啃下来；可这套笨办法搬到上海这样的巨型城市、几万公里的管网面前，代价大到无法承受——用笨方法求清晰，成本太高了。

最怕的不是摸不全，是以为摸全了——坚信自己的机理模型就是大象本身，拿局部的规律去套全局的决策，以偏概全。

02. 摸不全，就用数据补

摸不全怎么办？在不完整的机理模型之上，把手头已有的结构化数据、加上软测量的数据，一层层"补"上去，把大象还原出来——这就是数理模型。

机理是骨架，数据是血肉。骨架搭到哪里，数据就补到哪里。数理模型承认自己摸不全，所以它不赌"我摸到的就是全部"，它用数据持续修正对大象的想象。

03. 数据也不够怎么办？

但还有更难的处境：数据有限，而系统过大。这正是污水管网的原生困境——埋地、不可见、监测点有限；更要命的是，管网的数据不仅少，而且不准：仪表会漂移，人工记录有误差，台账常年失真——本来就稀疏的数据，还带着噪声。靠这点数据，摸出完整的大象，有两条路。

第一条路，靠推理把大象"想"出来——这就是大模型。摸到几处局部和部分数据，凭借强大的推理能力，把没摸到的地方推测出来。它有细节、有整体、有想象力，效率极高。但因为那部分是"猜"出来的，所以有幻觉。排水是公共基础设施，是城市命脉，不能托付给幻觉。

第二条路，去借鉴别人已经摸出来的大象——这就是行业垂类模型。别人在别的城市、别的管网里，已经用大量数据把大象的骨架结构摸出来了：管网的拓扑有共性，水流的规律有共性，故障的谱系有共性。把这些现成的"大象结构"搬过来，用自己有限的本地数据去校准、还原自己的大象——可以省掉自己大量的数据需求。这就是为什么垂类模型在产业里活得下去：它站在别人摸象的肩膀上，而不是每家企业都从零摸起，这需要行业下一步的共创分享。

04. 数据不靠多，靠补在"点"上

两条路说完，还有一条实践中最值钱的体会，必须单独讲：在大象的关键点上补充数据，是最有效的数理训练，也是数据成本最低的做法。可以实现有限稀疏数据建模。

关键节点——比如大象的耳朵上、鼻子尖上——补上一个点，就能锚定一片结构，稳住一大片推演。反过来，如果只是简单地靠数据多，把数据堆在"平面"上——在象背上量一千次，也量不出鼻子的长度。堆在平面上的数据，密度再高，有效性最差。

这背后是数据工程里最朴素也最容易被忽视的道理：数据的价值，不在数量，在位置。同样一笔监测预算，是均匀撒网，还是把传感器布在拓扑的关键节点、水力的交汇处、问题的多发段？答案永远是后者。补数据补在关键点上，等于用最少的钱，给模型最多的约束。

05. 有幻觉，还要用——人机协同

大模型有幻觉，垂类模型有偏差，数理模型有边界——模型都有缺陷，而实践又必须依托模型。怎么办？

人机协同。

让模型先跑，人守在关键节点上：模型给出的判断，人来核对、来纠偏、来担责；人的每一次确认和修正，又成为新的数据，喂回模型——边端学习，把模型越养越准。这是建模走向成熟的必经状态，也可能是最有效组成：在"摸不全"和"摸得全"之间，靠人机协同来过渡，靠边端学习来收敛。

06. 等完全摸清楚了——可放手、可自主、可智驾

到那一天，大象的每一条腿、每一根尾巴、每一寸皮肤，都在模型里有了确定性——就可以放手了：可放手，可自主，可智驾。

总结一下：从瞎子摸象到智驾的路径：机理模型局部打底，数理模型补象——补在关键节点上，垂类模型借别人的象还原自己的象，人机协同边用边学，最终长成完整的管网模型——放手、自主、智驾。这需要时间，需要行业协同。

强调一点：最后的管网机理清晰，并非完全来自科学知识。对地下管网而言，它一部分来自传统的科学机理，更多的来自数理模型的推演，和边端实践的不断闭合——三者叠加、反复迭代，大象才渐渐成形。

对环境产业，这个闭环还有一层认知提示：承认自己对管网摸不全，恰恰是摸全的开始。短时间内完不成的任务，不能向上承诺。那些在管网前谦虚地布点、在模型前留一手人工复核的团队，反而是走得最快的——因为他们知道，瞎子摸象最怕的不是瞎，是以为自己是明眼人。

编辑：赵凡