1718M.CN · AI 神经枢纽

本文来自微信公众号：清华管理评论，责编：刘永选，作者：林兰等

AI对城市的影响不只是给原有系统增加一层智能外壳，而是逐步改变城市运行的时间逻辑、空间逻辑与组织逻辑。过去是先建设、后治理、再纠偏；未来则更可能是在运行中同步感知、即时调整、持续修订。这意味着，城市的AI时刻本质上也是城市治理、制度和观念重塑的时刻。

人工智能正在深度嵌入城市规划、建设、运行与治理的全链条，推动城市从以物理设施为中心的管理对象转向可感知、可学习、可编排、可纠偏的复杂系统。伴随这一进程，城市的增长机制、公共权力运行方式、社会组织形式、文化生产逻辑与空间结构都在被同步改写。真正值得讨论的，已经不只是“城市要不要使用AI”，而是城市应当以何种方式组织AI、约束AI，并借助AI重塑自身。

当城市以数字孪生系统推演交通、排水和建筑运行，以算法登记册公开公共部门使用的算法工具，以能效门槛和容量配额约束数据中心扩张，一个清晰的信号已经出现：AI不仅仅是城市中的某项新技术，它正在改写城市发展的底层逻辑。所谓城市发展的“AI时刻”，并不是某项应用上线、某套系统部署完成的瞬间事件，而是一个持续展开的结构性过程。它意味着城市开始重新组织自身的“感知—决策—行动—反馈”链条，把原本分散在交通、能源、治理、就业、文化和空间中的问题放到同一张运行图上加以处理。

本文主要讨论三个问题：第一，说明AI为什么构成城市发展的范式转向，并解释“城市生命周期”为何会从线性建设转向持续学习；第二，从经济、治理、社会、文化、空间五个层面展开城市重构，并以上海作为综合样本观察这种重构如何落地；第三，讨论AI时代的算力能源、数据信任、平台依赖和系统脆弱风险，进而提出AI时代城市应走向“共治主宰”。

范式转向：

城市从物理容器走向学习系统

城市发展的AI时刻

如果说工业化时代塑造了以道路、厂房、管网和地块为核心的城市，那么AI时代更深刻的变化在于城市开始拥有“认知层”。过去，城市治理更多依赖分部门、分阶段、分层级的管理逻辑，问题往往在事后暴露、在末端修补；今天，传感器、数字孪生、大模型、知识图谱和预测算法将城市运行中的人流、物流、能流、信息流持续转化为可分析、可调用、可响应的数据资源，城市由此获得了接近实时响应的治理能力。

这种变化的关键不是技术把城市变得更聪明，而是技术正逐步改变城市问题的识别、解释和处理方式。城市不再只是由土地、人口、产业和基础设施拼接而成的物理容器，而越来越像一个可编程的公共平台。政府治理可以借助模型进行资源编配、风险预警和运行优化，企业、开发者和居民也能够通过开放接口、平台工具和反馈机制参与城市建设的能力调用与任务重构。城市由此出现了从“建成即定型”向“运行中持续更新”的深层跃迁。

更重要的是，AI对城市的影响不只是给原有系统增加一层智能外壳，而是逐步改变城市运行的时间逻辑、空间逻辑与组织逻辑。过去是先建设、后治理、再纠偏；未来更可能是在运行中同步感知、即时调整、持续修订。这意味着，城市的AI时刻本质上也是城市治理、制度和观念重塑的时刻。

城市生命周期：从线性建设到持续学习

城市生命周期回答的是AI到底改变了城市发展的哪一条时间逻辑。长期以来，城市生命周期大体遵循“规划—建设—维护—更新”的线性路径。基础设施一旦建成，城市便进入相对静态的运营阶段，真正的调整往往要等拥堵、老化、污染、热岛或安全事故等问题积累到一定程度后才被触发。AI正在把这种滞后型管理推向“边运行、边学习、边纠偏”的新型生命周期。

在数字孪生、实时感知和模型推演的支持下，城市可以在运行过程中不断积累反馈、修正参数、更新规则，将原本滞后的维护与更新前移到日常运营之中。城市的“半衰期”也不再只由物理设施的折旧速度决定，而越来越受算法迭代周期、数据质量和治理反馈机制影响。一个城市是否保持活力，不仅取决于道路、建筑和管网是否足够新，也取决于支撑其运行的模型是否持续更新、偏差是否能够及时发现、治理系统是否具备纠错能力。

由此带来的深层变化，是城市维护逻辑开始从单纯的物理维护转向“物理维护与认知维护并重”。未来的城市管理者不仅需要考虑桥梁、地铁、排水系统的寿命，也必须考虑模型漂移、数据失真、接口老化和协同失败等问题。换言之，城市将越来越像一个需要持续“打补丁”的复杂操作系统，而不是一套一次建成后长期稳定运行的机械装置。

这同时也将能源问题推到前台。大模型训练、推理和数据中心运行需要大量算力和电力，城市必须重新思考“算力—电力—热回收”的关系。绿电锁定、余热回收、负荷优化不再只是能源部门的技术议题，而成为城市生命周期跃迁的触发点。谁能率先把算力基础设施嵌入绿色能源和城市热网体系，谁就更有可能把AI扩张转化为低碳转型的增量，而不是城市新的高耗能负担。

城市形态重构：五个场景与上海样本

AI对城市的影响不是某个单一领域的局部改善，而是城市形态的整体重写。它不仅改变生产组织方式，也改变治理合法性的生成机制；不仅影响就业结构与社会分工，也重塑文化生产与公共叙事；不仅进入线上平台，也通过算力设施、数据枢纽、低空航路和能源系统反向塑造城市空间。正因为如此，AI时代的城市转型不能仅理解为“智慧城市2.0”，更应理解为一次深层的制度、技术与空间重组。

这种重组最重要的特征是城市发展的关键变量正在从“可见要素”转向“不可见能力”。过去，城市竞争更多体现在土地开发强度、资本投入规模、人口集聚水平和基础设施总量上；今天，越来越多的优势来自语料、模型、评测、接口、规则、算力调度和协同能力等能力型基础设施。未来，城市之间的差距很可能不再只是规模差距，而是“版本差距”：谁能更快把经验沉淀为模型资产、把分散数据转化为公共底座，更早建立透明、可纠偏、可扩展的制度接口，谁就更有可能在竞争中占据主动。

经济重构：从要素堆叠到模型驱动

AI最深刻的经济效应不在于替代了多少劳动，而在于把增长机制从要素堆叠推向模型驱动。传统城市经济增长往往依赖土地扩张、资本投入、设备更新和人口集聚，以规模换速度；在AI赋能下，真正稀缺的不是资源，而是把行业知识、治理经验和业务流程沉淀为可调用、可复制、可迁移模型的能力。港口调度、城市物流、制造排产、金融风控、医疗辅助决策等领域的实践都说明，好的模型调整往往相当于新建了一项基础设施。

模型驱动带来的不只是效率改善，还有增长方式的变化。过去的增长主要依靠“多投一点、多建一点、多招一点”；未来的增长更依赖“学得更快、算得更准、复用得更广”。一旦经验可以被模型化，城市中的最佳实践便不再停留于个别企业、个别团队和个别部门，而能够通过平台化和模块化迅速扩散。这意味着，城市经济的规模报酬递增逻辑将越来越建立在知识资产的复制能力之上。然而，模型驱动并不天然等于普惠增长。通用大模型和低代码工具可以降低中小企业获取设计、营销、客服、管理和分析能力的门槛；与此同时，如果高质量数据、先进算力和行业模型持续向头部平台和大型企业集中，城市经济也可能出现新的两极化格局——少数主体掌握模型资产与利润中心，大量长尾企业则被锁定在标准化工具和低附加值环节，形成“看似普惠、实则固化”的结构。

因此，未来城市经济竞争力的构建，不再只取决于应用场景的数量，还要看能否把行业语料库、评测基准、责任模板、算力调度与公共服务做成开放而可靠的公共底座。AI经济治理不应停留在招商引资和项目示范层面，而要把行业数据治理规则、可信训练环境、评测认证体系、模型责任边界以及面向中小企业的低门槛接入机制作为新时期城市经济政策的核心内容。

治理重构：从模型有效性到制度正当性

AI进入政务、执法、救助、就业和公共服务领域之后，城市治理的合法性来源正在发生微妙而深刻的变化。过去，公共权力更多依靠程序、层级和经验来证明自身正当性；今天，越来越多的治理行动要通过模型、预测、评分和调度结果来展示有效性。问题在于，效率型绩效偏好度量当下，而公共价值（如公平、尊严、权利保护、少数群体利益和城市记忆）往往需要长期考量。因此，政治问题并没有因为AI而消失，反而被嵌入算法和流程之中。

这意味着城市治理的关键不再只是是否用了AI，而是能否把模型正当性转化为制度正当性。算法建议之所以能够被接受，不是因为它算得快，而是因为它被放置在透明、可解释、可审计、可申诉、可下线的制度框架之中。否则，一旦高敏场景中算法出现误伤，居民感受到的就不是单纯的技术失误，而是制度冷漠。AI越强，越需要强制度来承载。更深一层看，AI会促使城市治理从经验管理转向证据与流程管理。这有助于减少随意性、提升一致性，但也可能压缩公共讨论的空间：当流程被模型固化，政策选择容易被技术路径依赖提前限定；当证据日益由平台和算法生产，公共讨论的起点也可能会被技术叙事提前锁定。未来城市治理的关键，不只是“把数据用好”，还要确保数据和模型不替代公共协商、不压缩价值判断、不削弱公众参与。

真正成熟的AI治理，应当把算法变成公共讨论对象，而不是公共讨论的替代者。城市不仅要公开算法用途，更要公开目标函数、影响边界、纠偏机制和责任链条，让居民能够理解、质疑并推动修订。影响评估、算法登记、偏差审查、人工复核、申诉渠道和定期披露并不是增加治理成本的附加项，而是把技术性决策重新纳入公共权力逻辑的必要装置。

社会重构：从岗位组织到任务协作

AI对社会的深层影响，不只是“多少岗位会消失”这类静态的问题，而是劳动组织方式从岗位制向任务制转变。随着搜索、写作、翻译、编码、制图、审核、客服和排班等任务被模型接管或重组，越来越多职业的工作内容正在被拆分、重编和平台化。对城市居民而言，未来的机会结构越来越取决于其在任务网络中的迁移能力、学习能力和协作能力，而不是在单一岗位上的稳定停留。这种转变会带来结构性压力。失业率未必会立刻上升，但收入波动、身份不稳定、职业认同弱化以及心理负担加重等问题可能会先行累积。对许多劳动者来说，真正的风险不是明天就失业，而是逐渐失去对自身能力边界、职业路径和社会位置的确定感。城市社会治理因此必须比传统就业政策更早一步回应岗位制转向任务制所带来的不安全感。

对发展中超大城市而言，AI一方面能为更多人提供新的生产工具，让低门槛创业和弹性就业成为可能；另一方面，也可能形成第二次数字鸿沟，使高技能群体更快获得AI溢价，低技能群体则被推向更碎片化、更低议价、更弱保障的任务中。因此，AI时代的社会治理重点不应只是教会人们使用工具，更要把能力再生产、就业服务、权益保障和社会支持整合为制度闭环。终身学习将不再只是教育部门的口号，而会成为城市社会政策的基础设施。未来的学习体系需要同时覆盖技能训练、认知提升、伦理判断和情绪支持，让居民既能学会如何与AI协作，也能保持对AI输出的判断力与主体性。社会保障也需要从依附稳定岗位逐步转向更具可携带性的培训账户、保障资格、职业认证和过渡支持。真正稳固的AI社会，不只是“大家都在学AI”，而是每个人都能在转型中被安全地重新安排。

文化重构：从生成丰裕到共享现实维护

AI让文化内容从稀缺供给快速走向生成丰裕。文本、图像、视频、音乐、设计、导览、教育内容几乎都可以低成本、大规模、定制化地生成，城市文化因此获得前所未有的传播效率和可达性。对公共文化服务而言，这种变化具有积极意义。它可以让博物馆、图书馆、学校、社区文化中心以更低成本提供更丰富、更个性化的内容，也能帮助更多普通人获得表达与创作的能力。但文化问题从来不只在于内容够不够多，更在于“共同现实能否被维持”。当算法分发不断强化个体偏好，当生成内容快速淹没事实性内容，当城市记忆、地方经验和本土叙事被外部模型的通用模板持续覆盖，文化供给越丰裕，城市反而越可能失去共享事实和共享叙事的基础。

因此，城市文化治理的任务将不再只是保护文化资源，而是维护市民群体仍然拥有可共同进入的事实空间、叙事空间与审美空间。这意味着城市需要建立权威且开放的知识底座、可信且可溯的内容来源机制，以及足够强的公共文化空间。只有当城市记忆、地方知识、社区经验能够被系统整理并进入数字基础设施，生成式文化产品才不会在热闹中掏空真实性。

未来真正重要的不是用AI做更多宣传，而是让AI在本地语境中生长，使城市能够持续生产属于自己的叙事、符号和价值表达。博物馆、图书馆、档案馆、社区文化中心和学校也需要重新理解自身角色，不应只是内容展示场所，而要成为共享现实的组织者、城市记忆的校准者和本地语境的维护者，既要向AI开放可信知识底座，也要承担对生成内容进行筛选、解释和再语境化的功能，从而在“海量内容”与“有限真实”之间建立必要的制度缓冲。

空间重构：从地段竞争到数字-能源复合骨架

AI并不是云端的纯数字过程，它最终会落到城市空间之中付诸实施，数据中心、边缘算力节点、低时延网络、数据交换平台、绿电通道、余热回收系统、低空航路和自动化物流网络正在成为新的空间组织力量。传统城市空间更多围绕道路圈层和中心地带展开，AI时代可能会出现新的网络结构，即由算力站、数据枢纽和绿电走廊共同构成的“数字－能源复合骨架”。在这种结构中，原本的边缘区域可能因为接近电力、冷却、水资源或交通节点而获得新的战略价值。这也是越来越多城市开始把绿色算力视为硬约束而非软倡议的原因。没有绿电、能效约束、余热回收和系统接入能力的算力扩张将不再被视作毋庸置疑的发展机会，反而可能成为城市能源承载、碳排放和空间公平的压力源。

未来城市空间治理不只是“给数据中心找块地”，而是要回答这些设施如何嵌入电网、热网、物流、低空和公共服务体系，从而与城市整体运转形成协同。空间治理因此也会从地段竞争转向网络位置竞争。一个片区的价值不仅取决于其与中心的距离、开发强度，还取决于其在算力网络、能源网络、交通网络和数据网络中的连接能力。更进一步说，人流、车流、物流、能流、数据流和低空流正在相互耦合，空间资源越来越需要通过配额、规则、优先级和切换机制来组织。AI会使空间治理的对象从静态地块转向动态流量。

值得强调的是，这种空间重构并不自动导向公平。算力节点、数据枢纽和高能级网络若过度集中于少数核心片区，新的“数字地段差”就会形成。边缘地区可能在传统空间分化之外，并再次被排除在优化系统之外。因此，未来城市空间政策既要关注效率，也要关注数字基础设施、绿色能源设施和智能服务设施的均衡布局，避免AI时代空间升级反而加剧区域不平衡。

上海样本：由场景创新沉淀为规则创新

对上海而言，AI并不只是新兴产业赛道，而是重塑城市经济、治理、社会、文化与空间的系统变量。目前，上海已经显露出将AI嵌入城市运行底座的应用取向。AI时代，上海真正的优势将不仅体现在“应用更快、场景更多”，更体现在“制度更成熟、公共底座更完善”。

在经济层面，上海不应只追求更多AI应用样板，而要将AI转化为支撑国际经济、金融、贸易、航运和科创中心建设的能力底座。依托“模塑申城”等部署，下一步发展关键在于防止智能算力、行业语料、基座模型和应用场景在部门、园区和企业等层面的碎片化沉淀。围绕金融、制造、医疗、教育、文旅、城市治理等高密度场景，上海可将行业语料、评测基准、责任模板和算力调度做成全市可共享、可审计、可复用的公共基础设施，使张江科创、临港新片区、陆家嘴金融城、港口航运和城市运行等场景能够在同一底座上沉淀经验、验证模型、扩散能力，让AI成为上海产业链协同升级和中小主体低成本接入的新型生产力平台。

在治理层面，上海已经形成“一网通办”“一网统管”“随申办”“12345市民服务热线”等高频数字治理入口，AI一旦嵌入其中，影响的就不只是单个系统，而是政务服务、城市运行、基层治理和公共安全的连续链条。因此，上海应把算法治理前置到既有数字政府流程中。凡涉及行政执法、社会救助、医疗健康、教育就业、城市安全、交通调度等高敏场景，都要在上线前开展影响评估和风险分级，在运行中提供可理解的说明、人工复核和申诉渠道，在出现偏差后能够追溯责任、修订规则，并在系统不再适用时明确下线和退役机制。这样，AI才能把数字治理的效率优势转化为可说明、可追踪、可复盘的治理信任优势。

在社会层面，上海既集聚大量知识服务人才，也拥有制造业工人、商贸服务业从业者、新就业形态劳动者、外来人口和老龄人口。AI对不同群体的影响并不相同，因此，不能只把AI素养教育理解为学校课程或企业培训，而应贯通学习、就业和保障全链条，打造覆盖全体劳动者的终身能力发展闭环。在学校强化AI素养、职业启蒙和公共伦理，在园区和企业推动模型工具使用、岗位任务重组和转岗培训，在人社机构和社区完善数字就业服务、可携带培训账户和灵活就业保障衔接。这一举措的意义在于，让AI成为支撑人口结构更新、产业结构调整和共同富裕实践的社会基础设施，而不是扩大群体差距的工具。

在文化层面，上海尤其要警惕“生成繁荣”对城市真实性、历史感和公共性的稀释。上海的文化辨识度并不只来自外滩、石库门、工业遗存等可见符号，更来自长期积累的城市故事、生活方式、地方知识和公共精神。如果缺乏系统、权威、开放的城市知识底座，未来大量生成式内容可能只复制表层意象和流行标签，形成“看似繁华、实则空心”的城市叙事。因此，上海文化数字化的重点不应只是用AI生产更多内容，而要围绕历史建筑、工业遗存、地方档案、社区口述史和公共文化资源，建立可溯源、可共享、可再阐释的城市知识体系，使生成式文化产品真正扎根上海的历史脉络和公共生活经验。

在空间层面，上海已经率先感受到立体空间治理的压力与机遇。低空经济、智能物流、无人配送、数据中心、算力网络、能源系统和城市安全体系的叠加正在使上海从传统地面城市转向地上、地下、空中、线上多维耦合的立体运行城市。对上海而言，下一步发展的关键不是扩展更多场景，而是把这些新型空间活动纳入统一规则体系，明确低空航路、算力节点、数据流动、能源负荷和应急响应的空间边界，建立配额管理、运行规则、责任分工和风险切换机制。空间治理的前瞻性在于将数字基础设施、能源基础设施、交通物流体系和公共安全体系整合到同一套城市运行框架中，支撑超大城市在高密度、高流量、高复杂度条件下安全、有序、韧性运行。从更长的时间尺度看，上海应争取成为AI时代的规则创新高地，而不只是AI应用高地。

与一般城市相比，上海同时面对复杂系统耦合、国际规则接口、超大人口密度和高能级产业组织等多重情境，因此其在算法治理、绿色算力、低空管理、公共服务智能化等方面形成的制度经验更有可能被我国其他城市乃至亚洲城市借鉴。只有将“会用AI”进一步提升为“会治理AI”，上海才能将先发优势转化为长期优势。

风险与挑战：

谁来主宰AI时代的城市

AI扩张的四类底线问题

AI将城市推向新的发展阶段，也同步抬高了城市运行的风险水平。第一，算力与能源的双重约束正在变成城市发展真实的硬瓶颈。若电网承载、绿电供给和冷却系统跟不上，AI基础设施扩张就可能反过来压缩城市可持续发展的空间。第二，数据治理与公众信任成为底线考验。隐私泄露、数据偏差和算法黑箱一旦进入高敏场景，技术红利就可能迅速转化为社会抵触。第三，城市对少数科技平台的依赖正在把技术锁定进一步放大为数字主权问题。平台故障、涨价、断供或规则变更都可能对公共服务形成连锁冲击。第四，AI系统的高度互联还会放大城市的系统性脆弱。电力、交通、医疗、应急、社保和政务系统相互耦合，一旦某个关键节点失灵，就可能通过级联效应迅速波及多个部门。这意味着未来城市韧性的关键不只是“能否高效运行”，还包括“失效时能否切换、降级和恢复”。

三种路径：人本主宰、算法主宰与共治主宰

正因为如此，对于城市发展的思考不能停留在“是否采用技术”的讨论上，而必须回答“谁来主宰城市”。AI时代的城市发展大体有三条路径：一是人本主宰，即由人设定目标、边界和责任，AI在明确约束下参与辅助决策；二是算法主宰，即效率优先于解释与问责，城市运行越来越受平台和模型支配；三是共治主宰，即由人确定战略目标、伦理底线和责任链条，由AI在这些边界内进行编配和优化，并以公开透明、可解释、可申诉、可纠偏为基本制度条件。

三条路径中，真正具有可持续性的不是算法主宰的效率神话，而是共治主宰的制度构建。共治主宰既承认AI在复杂系统中的高效率与高适配性，也坚持公共权力不能退隐，公众参与不能缺位，责任追溯不能悬空。未来城市真正需要建立的不是一套更神秘的算法系统，而是可以把算法放回公共讨论、公共监督和公共纠错中的制度装置。

将风险治理嵌入全生命周期

为了支撑共治主宰，城市需要建立更完整的风险治理工具箱，包括高风险清单、试点沙箱、算法备案、常态化演练、人工兜底机制和跨部门应急切换预案。AI治理不能只在上线之前做合规审查，还要在运行之中做动态监控，在失灵之后做责任复盘和制度修订。只有将风险治理嵌入全生命周期，城市的智能化才不会建立在脆弱的技术乐观主义之上。

这也要求城市将“可退出、可降级、可替代”作为AI时代治理的系统设计原则。公共服务不能只依赖单一模型、单一平台或单一接口，而应保留人工复核、离线方案和跨部门协同机制。对普通居民而言，可信AI城市并不意味着算法永不出错，而是意味着出错后有人解释、有人负责、有人纠偏，且制度能够从错误中学习。

从“会用AI”到“会治理AI”

AI正在将城市推入新的历史发展阶段。它既可能让城市变得更高效、更敏捷、更具预测力，也可能让城市陷入更深的能源约束、平台锁定、信任危机与系统性脆弱之中。技术本身并无优劣之分，关键在于城市是否能够在技术扩张的同时建立起与之相匹配的制度设计、公共伦理和治理能力。因此，AI时代城市发展的真正命题不是让城市更像机器，而是让技术更好地服务于城市作为公共生活共同体的本质。只有坚持人本目标、制度约束与开放共治，城市才能在获得智能能力的同时不失去公共性、公平性与可持续性；只有当“可编程”真正服从于“可治理、可协调、可共享”，城市才可能在AI时代完成由效率提升向文明跃迁的转化。