AI重塑城市形态：2026-2030趋势展望

摘要

研究背景与核心判断

2026年版《国际城市蓝皮书》以“城市发展的AI时刻”为主题，指出人工智能正从根本上改写国际城市发展逻辑，推动城市进入算法驱动的全新发展阶段[40]。新一代AI技术正推动城市从被动应对问题的“数字化治理”，向主动适应未来的“自主化治理”跃迁——城市不再仅是被动响应外部需求的空间载体，而将逐步演化为在算法驱动下持续调整与自我优化的复杂系统。“十五五”规划建议明确“全面实施人工智能+行动”[21]，国务院《关于深入实施“人工智能+”行动的意见》提出，到2027年智能终端与智能体普及率超70%、到2030年超90%[20]。北京、上海、深圳、成都、无锡等城市相继发布“人工智能+”行动方案，锚定2030年建成具有全球影响力的AI标杆城市。2026—2030年，将是AI深度嵌入城市系统、重塑城市形态的关键窗口期。

六大维度重塑格局

本报告基于《国际城市蓝皮书（2026）》的“六大核心形态重塑”框架，系统评估AI对城市经济、空间、治理、社会、文化及治理模式的系统性影响[40]。经济形态上，全国AI核心产业规模从2023年接近5800亿元[17]、2024年超过9000亿元[10]，增长至2025年预计突破1.2万亿元[4]，成都锚定2027年核心产业规模突破2600亿元[26]、北京亦庄力争2030年突破2000亿元[24]。空间形态上，全国算力总规模由2023年的230 EFLOPS提升至截至2025年6月的962 EFLOPS[45]，低空经济规模2025年预计达8591.7亿元[16]。治理形态上，上海AI治堵智能体已在1200余个路口部署，平均车速提升4.1%至14.3%[34]，无锡建成100个智能体的城市智能体矩阵、月均API调用超127万次[30]。社会形态上，世界经济论坛预测2030年全球净增7800万个就业岗位[13]，截至2025年12月中国网民规模达11.25亿、互联网普及率80.1%[1]。文化形态上，2025年中国AIGC核心市场规模约805.8亿元[14]。治理模式上，城市治理正从事后纠偏转向“前置预防与透明合规”，从“经验驱动”走向“数据驱动”。

实践前沿与挑战

北京亦庄、上海、成都、无锡等城市已形成差异化实践图谱：亦庄推进2030年AI核心产业规模2000亿元、智能算力10万P、规上制造业AI应用普及率超60%的全域人工智能之城建设[58]；上海推进量子城市空间智能建设，首批城市治理政务智能体亮相，“美好生活掌中宝”集成六大板块21项高频服务并覆盖200个街镇[59]；成都以2027年2600亿元产业规模、2030年智能终端与智能体普及率超90%为目标建设AI全场景应用标杆城市[63]；国际层面，胡志明市计划2030年跻身全球前50智慧城市[68]。与此同时，AI重塑城市形态也面临五大系统性挑战：算力与能源双重约束（2024年数据中心用电量1660亿千瓦时、占全社会用电量1.68%[11]）、数据治理与公众信任危机、数字主权脆弱性、智能化系统级联风险，以及社会契约重构压力[40]。

趋势研判与建议要点

展望2026—2030年，城市形态演变将呈现十大趋势：城市经济从“要素堆叠”转向“模型驱动”、城市空间从“道路圈层”转向“算力—数据—绿电”网络、城市治理从“经验管理”转向“证据与流程管理”、城市决策从事后纠偏转向“前置预防与透明合规”、城市社会从岗位划分转向任务重组与人机协作、城市文化从稀缺供给转向生成丰裕、城市基础设施从单网运行转向“六张网”数智化融合、城市感知转向智能化融合化感知体系、城市智能中枢从规则驱动转向模型驱动、城市应用场景从分散建设转向综合协同演进。面对这一演进，城市决策者应强化能源闭环设计、推动数据主权立法、建设多元云架构、构建韧性标准、推进包容性制度创新；规划实践应把算法规则、数据流动与平台机制纳入空间规划管控，构建面向AI影响的空间监测评估指标体系，并借助多智能体模拟与生成式模型预判空间演化路径。赢得2026—2030这一关键窗口期，即赢得城市下一轮发展的主动权。

第一章 绪论

1.1 研究背景

2026年版《国际城市蓝皮书》以「城市发展的AI时刻」为主题，判断人工智能正从根本上改写国际城市的发展逻辑[40]。蓝皮书基于对全球主要城市发展态势的持续跟踪指出，AI 的影响已超越单一技术应用层面，进入城市核心形态的系统性重塑阶段[40]。这一判断并非对智慧城市建设路径的简单延续，而是指向更深层的范式跃迁：城市治理正从「数字化治理」走向「自主化治理」，治理主体、决策依据与运行机制都将被系统重构[40]。当算法开始参与城市运行的感知、预测、决策乃至执行环节，城市形态就不再只是技术应用的外壳，而成为算法逻辑与空间逻辑深度耦合的产物。把握这一变化的内在方向，是研判 2026-2030 年城市发展趋势的前提。

国家层面的战略部署为上述判断提供了政策注脚。「十五五」规划建议明确提出「全面实施人工智能+行动」，要求加快人工智能等数智技术创新、抢占人工智能产业应用制高点、全方位赋能千行百业[21]。2025年8月，国务院印发《关于深入实施"人工智能+"行动的意见》，提出到 2027 年智能终端与智能体普及率超过 70%[20]、到 2030 年超过 90%[20]，将「人工智能+」上升为国家行动。同期，国家发展改革委等部门印发《深化智慧城市发展 推进全域数字化转型行动计划》，提出到 2027 年底建成 50 个以上全域数字化转型城市[23]，为治理范式从数字化向自主化的跃迁夯实底座。从产业体量看，2025 年全国人工智能核心产业规模预计突破 1.2 万亿元[4]，人工智能已由技术概念成长为支柱产业，具备了重塑城市形态的产业基础。政策、产业与基础设施三重条件的同步成熟，使人工智能重塑城市形态从可能变为现实。

在地方层面，一批标杆城市已将 2030 年锚定为 AI 目标兑现的关键节点。北京亦庄提出到 2030 年人工智能核心产业规模力争突破 2000 亿元[24]，建设「全域人工智能之城」[56]；成都发布「人工智能+」行动方案，明确到 2027 年核心产业规模突破 2600 亿元[26]、到 2030 年新一代智能终端与智能体普及率超过 90%[26]，2025 年其核心产业规模已超过 1500 亿元[63]；东莞提出到 2030 年 AI 产业规模突破 1500 亿元[28]；无锡攻坚「智能体」，构建包含 100 个智能体的城市智能体矩阵，向智能经济新形态加速跃进[29]；深圳在其「十五五」规划建议中提出推进人工智能全域全时高水平应用、打造「城市+AI」应用场景高地[35]。从城市能级看，既有超大城市，也有制造业强市与新兴科创城市，不同禀赋城市在同一时间窗内竞相布局，说明 AI 对城市形态的重塑具有普遍性，而非个别城市的特殊现象。

多个城市在同一时间轴上设定 AI 发展目标，并非偶然的同步，而是「十五五」规划周期与「人工智能+」行动部署期在时间上的交汇。综合研判，2026-2030 年既是国家规划周期与政策兑现期的重叠阶段，也是城市形态在技术、政策与资本多重作用下加速重构的时期，因而是重塑城市形态的关键窗口期。在这一窗口期内，城市选择何种 AI 战略、如何主动重构自身形态，将在很大程度上决定其未来十年乃至更长周期的竞争力位势；错过这一窗口，则可能在下一轮城市竞争中处于被动。

1.2 研究意义

从理论意义看，既有城市形态研究多依托工业化、信息化等既成范式展开，对人工智能这一新变量引发的形态变革，尚缺乏系统化的概念工具与分析框架。本研究在梳理城市形态演进脉络的基础上，提出「算法驱动城市进化」的概念，将城市生命周期从传统的「规划—建设—运营—更新」长周期，纳入算法模型持续迭代的短周期来理解，有助于拓展城市形态研究的理论边界，为人工智能时代的城市理论建构提供增量。同时，本研究将「人—地—算法」协同引入分析，为解释算法如何介入空间生产提供了可操作的概念接口，也回应了城市空间重构研究中关于技术主体性的理论争论。

从实践意义看，「十五五」时期是城市编制新一轮发展规划、确立中长期战略的关键阶段，规划决策亟需对 AI 将如何改变城市经济、空间、治理、社会、文化等维度作出前瞻判断。本研究通过六维分析、多案例验证与趋势研判，为各级政府把握 AI 时代城市发展规律、制定「十五五」城市发展规划提供参考坐标，推动城市在窗口期内作出主动的、前瞻性的形态调整，避免在技术变革中陷入被动的滞后适应。对产业界而言，本研究有助于企业识别城市形态演变中的投资机会与布局方向；对公众而言，则有助于形成对城市形态演变方向的稳定预期，减少转型过程中的信息摩擦与不确定性。

1.3 核心概念界定

城市形态，指城市在特定技术经济条件下形成的空间结构、功能组织与运行方式的综合表征，是经济形态、空间形态、治理形态、社会形态与文化形态的集合。城市形态不仅是物质空间的静态投影，更是技术、制度与人在空间中互动的动态产物，其演变速度与方向，取决于主导技术能否突破既有空间的制度惯性。历史上，城市形态随主导技术与生产方式的更替而演变：工业化塑造了圈层扩张的工业城市，信息化塑造了网络化的信息城市。在人工智能时代，算法成为影响城市形态演变的新的主导变量，城市形态的内涵随之扩展——运行逻辑与治理方式本身也成为形态的重要组成部分。

算法驱动的城市进化，指城市发展逻辑从以人力经验与物理基建为主导，转向以算法迭代为主导的进化方式。其核心特征在于城市生命周期转入算法迭代周期：城市运行通过「感知—决策—行动」的算法闭环不断自我优化，每一次模型迭代都带来运行规则与空间配置的调整，城市由此从「建成后基本定型」的静态结构，转向「持续学习、动态进化」的有机系统。这一概念强调，AI 对城市形态的影响不是一次性嵌入，而是通过算法版本的持续升级实现累进式重塑；城市更新不再仅是物理空间的改造，更包括算法规则的迭代与数据资产的重组。

「人—地—算法」协同，是理解 AI 重塑城市空间形态的核心概念。张姗琪、甄峰提出，人工智能时代的城市空间重构表现为空间感知重构、空间生产重构与空间组织重构三重路径，「人—地—算法」协同是贯穿其中的核心机制[41]。在这一框架下，算法不再是与城市空间外生的中立工具，而是与人的行为、地的空间共同构成城市形态生成的三元要素。在人地关系的既有框架中，土地承载人的活动，技术服务于人的需求；而算法的加入使空间生产逻辑发生倒转——算法通过预测与生成机制主动参与空间形态的塑造，人的需求与地的约束则构成算法运行的输入与边界。三者由此形成相互界定、彼此约束的协同关系，空间演化的方向由人、地、算法三者的互动共同决定。

1.4 研究方法与技术路线

本研究综合运用三种研究方法。一是文献研究法，系统梳理《国际城市蓝皮书（2026）》[40]、张姗琪与甄峰的城市空间重构研究[41]以及信息城市、智慧城市等城市形态演进文献，为分析提供理论基础；二是趋势分析法，基于国家与地方政策目标、产业统计数据，研判 2026-2030 年城市形态演变的阶段性特征与中长期趋势；三是多案例比较法，选取北京亦庄、上海、成都、无锡、深圳等国内标杆城市，比较其 AI 战略路径与推进节奏的差异与共性，以实证支撑六维判断。三种方法相互配合：文献研究提供理论坐标，趋势分析提供时间判断，多案例比较提供实证校验，共同保证研究的系统性与可靠性。

在技术路线上，本研究遵循「研究问题→理论基础→六维分析→案例验证→挑战研判→趋势与对策」的推进流程：首先，立足「城市发展的AI时刻」这一时代背景提出研究问题，并对城市形态、算法驱动的城市进化、「人—地—算法」协同等核心概念作出界定；其次，建立城市形态演进的理论脉络与「六大维度＋感知—决策—行动链条」的分析框架；再次，沿经济、空间、治理、社会、文化、治理模式六个维度逐一分析 AI 的重塑机制；进而，以标杆城市实践对六维判断进行实证检验；在此基础上，识别重塑过程中的系统性挑战；最终，形成面向 2026-2030 年的趋势研判与政策建议。这一流程以概念界定为起点、以实证检验为中介、以政策输出为落点，保证了研究从抽象判断到具体对策的完整贯通。

综上，本研究确立了 2026-2030 年作为重塑城市形态关键窗口期的判断，并界定了城市形态、算法驱动的城市进化与「人—地—算法」协同三个核心概念。窗口期的判断要转化为对城市形态演进方向的系统把握，还需回答 AI 通过何种维度、何种机制实施重塑，这有赖于建立完整的理论基础与分析框架。

第二章 理论基础与分析框架

2026-2030 年作为重塑城市形态的关键窗口期，其判断要转化为可检验的分析，取决于能否建立刻画 AI 重塑机制的理论工具。城市形态在人工智能作用下将沿何种维度、以何种机制演变，需要从理论脉络与分析框架两个层面加以回答。理论脉络提供历史纵深，说明城市形态缘何在此刻迎来质变；分析框架则提供操作坐标，将 AI 的影响分解为可观察、可检验的具体维度与环节，使「窗口期」这一总体判断能够落地为可展开的实证分析。只有同时把握演进的来路与重塑的机理，才能对窗口期内的城市形态演变作出有依据、可检验的判断。

2.1 城市形态演进的理论脉络

城市形态的演进始终与主导技术的更替相伴随，从工业城市到信息城市、数字城市，再到智能城市，每一次形态跃迁都对应着生产组织方式与空间运行逻辑的根本变化。工业化阶段，城市以工厂与铁路为骨架，围绕交通节点形成圈层扩展结构，空间组织的核心原则是「以道路定结构」；信息化阶段，信息网络削弱了地理距离的约束，城市功能开始向外围疏解，空间组织从单中心转向多中心。信息时代的城市研究已经揭示，城市空间结构正从实体空间的圈层集聚转向网络化的扩散与重组，城市功能的空间组织由「中心—外围」结构逐步转向多中心、网络化的弹性结构[53]。这一「信息城市」理论为理解后续数字化、智能化演进提供了逻辑起点：信息流动开始与物质流动共同塑造城市形态，空间的组织逻辑由「以道路定结构」转向「以网络定结构」。

数字化阶段的演进，使数据要素成为城市形态演变的新变量。光明日报在评述《从工商名城走向智慧名城》时指出，城市形态经历了从工商城市到数字城市、再到智慧城市的转型历程[48][49]，数据要素正在改写城市的空间组织与运行逻辑[49]。数字城市以城市信息系统与数据平台为支撑，将城市运行状态映射为可计算的数据资产；智慧城市则在此基础上引入感知与智能分析，使城市初步具备「感知—响应」能力。数据要素的积累并非均匀分布于城市，而是集中于信息基础设施完善、数字化程度较高的核心城市，这为后续 AI 时代的城市分化埋下伏笔。城市数字化水平的分化，本质上是数据与算力禀赋的分化，这种分化为理解 AI 时代城市间的形态差异提供了历史线索。这一脉络表明，城市形态的每一次跃迁都不是对既有结构的全盘否定，而是在技术能力跃升基础上的形态重构，前序阶段积累的数据与设施正是后序跃迁的前提条件。

人工智能的崛起，使这一演进脉络迎来质变节点。与以往技术不同，AI 不仅优化城市运行的局部环节，更具备自主感知、决策与行动的能力，正在成为城市运行的新主体。其背后是能力结构的变化：以往技术为城市提供「更好的工具」，而 AI 提供「新的行动者」。当机器不仅能计算、能感知，还能自主作出决策并执行行动，城市运行的闭环中便出现了非人的行动主体，人与算法的关系由「使用者—工具」转向「协同者—行动者」。就此而言，人工智能构成了城市演进意义上的「技术奇点」：它改变的不只是城市某一系统的效率，而是城市形态生成与演化的底层机制。数字城市阶段积累的数据与基础设施，为 AI 深度介入提供了前提；智能城市则意味着算法开始参与城市形态的再生成，城市由「被数字化的空间」走向「被算法持续生产的空间」。由此，城市形态研究的基本问题，从「技术如何服务城市」转向「算法如何重塑城市」。

2.2 AI重塑城市形态的六大维度

上海社会科学院《国际城市蓝皮书（2026）》以「城市发展的AI时刻」为主题，从经济、治理形态、社会、文化、空间与治理模式六个维度，刻画了 AI 对城市核心形态的系统性重塑[40]。六个维度并非彼此孤立，而是围绕「城市形态如何被 AI 重新编码」形成相互关联的图景：经济形态为重塑提供动力，空间形态提供载体，治理形态与治理模式提供制度框架，社会形态与文化形态则承载重塑的社会后果。经济、治理、社会、文化、空间、治理模式六者环环相扣，任一维度的变化都会经由相互关联传导至其他维度，六大维度由此构成一个既有分工又有耦合的有机整体。各维度的对照关系如表2-1所示。

图2-1 AI重塑城市六大维度强度综合评估

测算值：依据《国际城市蓝皮书（2026）》六维判断与公开政策目标综合评估（SN-40/SN-20），数值为主观综合评分，仅供参考

六维对照与强度测算显示，AI 对城市形态的重塑并非同一强度、同一进度的齐步推进。经济与空间维度的重塑最先显现：2025 年人工智能核心产业规模预计突破 1.2 万亿元[4]，算力设施加速向城市布局，产业与空间骨架率先被改写；治理形态与治理模式的重塑紧随其后，数据证据、流程管理、前置预防等机制在政务场景中加快落地；社会与文化维度的重塑则更多在更长的时间尺度上展开，体现为就业结构与文化生产方式的渐进调整。从重塑强度测算看，经济与空间维度得分最高，与 AI 核心产业扩张、算力基础设施加速布局的现实相互印证；治理模式与治理形态次之，反映了智能体进入政务场景的快速推进；社会与文化维度相对滞后，其重塑更多经由就业结构、内容生产的长期累积实现。强度的差异提示，对城市形态重塑的观察不能以单一维度替代全貌，而应把握各维度的联动关系与传导次序。

2.3 分析框架：AI重组的“感知—决策—行动”链条

六大维度回答了城市形态「哪些方面被重塑」，而「感知—决策—行动」链条则回答 AI「以何种机制实施重塑」。城市运行本质上是一个「感知环境—作出决策—执行行动」的循环，人工智能对这一循环的三段分别进行了重构，从而将 AI 的力量导入城市形态的各个维度，形成可操作的微观分析机制。三个环节环环相扣、相互反馈，共同决定 AI 重塑城市形态的深度与广度。

在感知层，城市感知由静态、局部的信息采集转向实时、全域的智能感知。传统城市感知依赖人工巡查与定点监测，覆盖面有限、更新滞后；AI 驱动的感知则依托传感器网络、时空大数据与图像识别技术，对城市运行状态进行实时全域捕捉，使城市具备了「看得全、看得清、看得及时」的感知基础。全域感知形成的城市数据空间，既是智能分析的基础，也是城市资产的重要组成部分，感知能力的差异将直接转化为城市治理能力的差异。中国信通院将「城市感知体系智能化融合化」列为 2026 未来智慧城市十大关键词之一，正反映了感知能力向智能化、融合化演进的趋势[43]。

在决策层，城市决策由经验判断转向数据驱动的算法辅助。算法通过对海量数据的建模与推演，为城市规划、交通调度、公共资源配置等决策提供量化依据，使决策过程由「事后反思」转向「事前推演」。算法辅助并不意味着人的退出，而是将人的经验转化为可检验、可迭代的模型，使决策质量在持续反馈中不断改进。当决策依据从个人经验转向数据证据与模型输出，治理形态便由经验管理走向证据与流程管理，治理关口也得以从事后纠偏前置到预防与合规，决策链条的可解释性与透明度随之成为新的治理要求。

在行动层，城市执行由人工执行为主转向智能体自主行动。智能体能够直接承担交通信号优化、政务事项办理、城市巡查等执行性任务，成为城市运行的新主体，将决策结果以更低成本、更高频率转化为城市运行的实际调整。智能体的规模与质量，正在成为衡量城市智能化水平的标志性指标；多智能体的协同作业，则使城市行动从单点响应走向系统联动。感知、决策、行动三层的重构相互嵌套、循环迭代，共同构成 AI 重塑城市形态的微观机制；六大维度与「感知—决策—行动」链条由此构成观察城市形态演变的完整分析坐标。从各维度的时序差异看，经济形态最先感受到 AI 的冲击——城市经济增长逻辑正从要素堆叠转向模型驱动，AI 核心产业加速向头部城市集聚，这一变化将率先牵引空间、治理等其他维度的连锁调整，而把握经济维度的变化逻辑，正是研判城市形态重塑总体方向的起点。

第三章 AI重塑城市经济形态：从“要素堆叠”到“模型驱动”

在城市的感知、决策与行动链条被算法重新编排之后，经济运行的底层逻辑正在同步改写。当预测、调度与决策能力可以被模型大规模复制，城市财富创造的主要来源便从物质要素的简单堆积，转向算法对既有要素的组织与放大。这一转变并非抽象判断，而是有清晰的数量轨迹支撑——数字经济规模与人工智能核心产业的双重扩张，正是“要素堆叠”向“模型驱动”切换的直接映射。

3.1 经济增长逻辑的根本转变

传统城市经济增长依赖三条粗放路径：土地出让、基建投资与劳动力、资本等要素的持续追加投入。这一模式在边际收益递减规律下正逼近上限。AI 改变的并不是要素本身，而是要素的组织方式——算法能够在不新增土地与厂房的情况下，通过更精准的预测、更高效的调度与更及时的决策，指数级放大既有要素的生产效率。“软增量”由此替代“硬扩建”，成为城市增长的新来源。

数字经济规模的持续抬升验证了这一转向。中国数字经济规模从 2023 年的 53.9 万亿元[9]增至 2024 年的 59.2 万亿元[8]，占 GDP 比重达 43.8%[8]，数字产业化与产业数字化的交织，正是“算法放大存量要素”最直观的数量映射。智能调度优化存量要素的典型样本来自交通领域：上海在大模型赋能下，全市 1200 余个路口[34]、15 条重点路段[34]、5 个核心区域完成智能信号灯改造[34]，单点路口平均车速提升 4.1%[34]、重点路段平均车速提升 14.3%[34]、核心区域平均车速提升 12%[34]。未新增一公里道路，仅靠算法重组时空资源，便释放出可观的存量路网效能。这一案例的经济学含义在于：当“扩建”的成本收益比持续恶化，“调度”成为成本更低的增量来源。

进一步看，这一转变还体现在增长核算结构上。数字经济核心产业增加值占 GDP 比重稳步抬升[1]，数据作为新型生产要素进入生产函数，其复用成本趋近于零、规模报酬递增的特性，与土地、资本等传统要素的边际报酬递减形成鲜明反差。当数据要素的流通密度成为增长的关键变量，城市竞争的逻辑便从“圈地建厂”转向“聚数兴业”。

从微观机制看，模型驱动的增长还改变了城市服务的成本结构。传统公共服务每服务一位新增市民，需要等比例增加场地、人员与设备投入；而由算法支撑的智能服务在完成初始模型训练后，边际服务成本趋近于零。这种“固定成本高、边际成本低”的特征，使城市在既有要素规模不变的情况下也能大幅提升服务容量——这正是“软增量”区别于“硬扩建”的典型形态。

城市增长范式由此从“增量空间扩张”转向“存量效率挖掘”。对城市决策者而言，衡量经济活力的核心指标正从固定资产投资规模，转向数据要素的流通密度与算法应用的渗透深度。

3.2 AI核心产业的城市集聚

经济逻辑的转变最终沉淀为产业规模的扩张与空间分布的重新聚拢。AI 核心产业正成为城市经济增量中最具爆发力的部分，且这一增量并非均匀撒布，而是加速向头部城市与产业功能区集聚，重塑城市经济地理。

从全国总量看，我国人工智能核心产业规模 2023 年底已接近 5800 亿元[17]，2024 年超过 9000 亿元[10]、同比增长约 24%[10]，工信部预计 2025 年将突破 1.2 万亿元[4]。产业规模的快速爬坡，同步带动数字经济基本盘扩张，AI 企业数量与就业结构亦随之快速迭代[10][4]，头部城市成为吸纳这些增量的主要容器。

全国AI核心产业规模走势（亿元）

数据来源：2023 年为工信部数据（SN-17）、2024 年为信通院数据（SN-10）、2025 年为工信部预测（SN-04）；2025 年为预计值。

城市层面的目标竞争已把集聚趋势显性化。北京经开区（亦庄）提出 2030 年 AI 核心产业规模力争突破 2000 亿元、建设具有全球影响力的全域人工智能之城[24][56]；成都设定 2027 年核心产业规模突破 2600 亿元的目标[26]，并规划到 2030 年新一代智能终端、智能体普及率超 90%[63]，2025 年成都核心产业规模已超过 1500 亿元[63]；东莞提出 2030 年 AI 产业规模突破 1500 亿元[28]，并进一步细化里程碑——2028 年产业规模突破 1000 亿元[28]、集聚 AI 企业 800 家[28]，为远期目标预留了清晰的爬坡路径。无锡则绕开单一规模口径，以“人工智能+”标杆城市定位示人，发布 100 个智能体的城市智能体矩阵[29]，月均 API 调用超 127 万次[30]。不同城市产业目标背后的差异，是各自资源禀赋、产业基础与赛道选择的分化。

主要城市AI产业规模目标对比（亿元）

数据来源：成都为 2027 年目标（SN-26）、北京亦庄与东莞为 2030 年目标（SN-24/SN-28）；各城市目标年份口径差异见正文。

集聚的方向并非随机分布，而是遵循明确的要素逻辑。头部城市之所以能成为 AI 核心产业的集聚地，关键在于同时具备三类条件：一是算力与数据底座，二是高校院所与人才储备，三是高密度的应用场景。三者构成正反馈循环——场景越多，模型迭代越快，吸引的人才与企业越多，算力投入回报越高，进而支撑更密集的场景开放。这一循环一旦启动，后发城市再想追赶便面临高昂的切换成本。

AI 核心产业的空间集聚并非单纯的政策口号，而是由算力、人才、场景与资本多重要素共同托举的产业地理重塑。谁的算力底座更厚、应用场景更密、数据要素更活，谁就更可能在这一轮集聚中占据枢纽位置。

3.3 AI驱动的产业空间重组

AI 核心产业的集聚最终会改写城市内部的产业空间结构。最显著的变化是，算力基础设施正取代传统意义上的开发区、高新区，成为城市新的产业锚点——围绕算力站、数据中心与智算集群，上下游企业以“算力邻近”为纽带重新聚集，产业空间的物理逻辑让位于算力逻辑。

这一锚点效应在城市实践中清晰可见。北京经开区将智算规模扩展至 10 万 P[24][56]，东莞同步规划 5 万 P 算力规模[66]，无锡构建“1+4+N”体系与统一数字底座[29]，成都提出“管行业就要管人工智能应用”、推行“一业一策”[63]。招商引资的叙事亦随之更替：城市竞争的核心资源从土地与税收优惠转向人才、算力与数据，“招才引智+招算引数”成为新范式。北京市人工智能赋能新型工业化行动方案以 16 条措施布局行业大模型、通用智能体与具身智能工厂示范[25]，正是将政策资源向算力、数据与模型这类“新要素”倾斜的典型。

AI 对传统产业的赋能与重构则构成产业空间重组的另一面。国务院《关于深入实施“人工智能+”行动的意见》部署 6 大重点行动[20]，推动人工智能与制造、交通、能源、教育、医疗等千行百业深度融合[21]。北京经开区要求到 2030 年规模以上制造业企业 AI 应用普及率超 60%[24]。传统园区由此从“承接产能转移”转向“承接模型落地”，产业空间的边界从物理厂房延展到数据流与模型服务。

无锡智能体矩阵上线以来月均 Token 消耗超 35 亿[30]、超千家企业接入[30]，展现出“智能体即服务”的产业形态。与传统的土地优惠、税收减免相比，“招算引数”的核心在于提供可负担的算力供给与可信的数据流通环境——谁率先把算力价格降下来、把数据接口打开，谁就能把创新企业留下来。

从“招商引资”到“招才引智+招算引数”，改变的不仅是招商对象，更是城市政府的能力结构。招商团队需要从熟悉土地与税收规则，转向理解模型参数、算力单价与数据合规边界；一些城市已把算力补贴、场景开放清单纳入招商工具箱，以“算力换落地、场景换迭代”的方式参与产业竞争。这一变化意味着，产业空间重组的深层竞争正转向“制度与规则”层面——谁能更快建立算力交易、数据流通与模型备案的规则框架，谁就能在产业重组中占据主动。

算力锚点、新要素招商与传统产业赋能三者叠加，意味着城市产业空间正从“以地招商”的平面结构，转向“以算聚产、以数兴业”的网络结构。

3.4 城市经济形态的趋势研判（2026-2030）

面向 2026-2030 年，AI 对城市经济形态的塑造将沿两个方向展开：一是 AI 核心产业从“单点突破”走向“全域渗透”，产业边界趋于模糊；二是城市经济竞争的核心标尺从“规模竞赛”转向“算法竞赛”，比的不是堆了多少产值，而是谁能更快将模型能力转化为真实经济效率。

全域渗透的路径已在政策目标中显性化。国务院明确到 2027 年智能终端、智能体在重点行业普及率超 70%[20]、到 2030 年超 90%[20]；国家发展改革委等部门提出到 2027 年底建成 50 个以上全域数字化转型城市[23]。这意味着一二线城市正竞相瞄准“全域 AI 应用标杆”定位——成都剑指 2030 年建成全球影响力的 AI 全场景应用标杆城市[26]，北京经开区在 AI 核心产业之外推动工业总产值冲刺万亿元[57]，无锡以智能经济新形态构筑差异化竞争力[29]。

竞争梯队也在扩大。深圳在“十五五”规划建议中提出人工智能全域全时高水平应用、建设“城市+AI”应用场景高地[35]，并将具身智能规模化应用列入未来产业布局。从一线城市到省会城市再到制造强市，AI 产业的竞争已不再局限于少数头部城市，而是形成多梯队、多赛道的竞逐格局。

从“规模竞赛”到“算法竞赛”，关键不在于产值的绝对值，而在于单位算力的产出效率、单位数据的价值转化率与模型迭代的速度。对城市而言，这意味着经济政策的重心应从“给多少地、免多少税”转向“建多少算力、开多少场景、通多少数据”——场景开放度与数据供给质量，正在成为比土地指标更具分量的招商筹码。

全域渗透还意味着 AI 的产值统计口径将趋于模糊。当模型能力嵌入制造、交通、能源、教育等各行各业，AI 不再是独立的“产业部门”，而是渗透进所有部门的“技术底色”。对城市而言，衡量 AI 经济成就的指标应从“核心产业规模”拓展到“全要素生产率提升”。

当经济竞争的重心转向模型驱动，产业空间的锚点也随之下沉到算力与数据网络，这一产业动力的迁移，正是城市空间骨架从道路圈层转向算力网络的根本推手。

第四章 AI重塑城市空间骨架：从“道路圈层”到“算力—数据—绿电”网络

当算力基础设施取代传统园区成为城市经济的新锚点，城市空间骨架的布局逻辑也随之改变。过去，道路圈层决定了居住、产业与公共服务空间的排布；如今，算力站、数据枢纽与绿电走廊开始成为新的空间锚点，城市空间骨架正从“道路圈层”向“算力—数据—绿电”网络切换。

4.1 空间骨架的结构性转变

传统城市空间骨架围绕“道路圈层”展开：环线、干道与射线组织起通勤、货运与公共服务的空间秩序，“地段”成为空间价值的核心标尺。AI 时代，这一标尺正被改写。当经济活动的核心资源从物质要素转向数据与算力，城市空间骨架的支撑系统随之切换为三类新型基础设施——算力站、数据枢纽与绿电走廊。它们的布局不再遵循“距市中心远近”的圈层逻辑，而遵循“网络节点与能耗约束”的枢纽逻辑。

支撑这一转变的基础设施底座正快速壮大。我国算力总规模从 2023 年的 230 EFLOPS[6]增至 2024 年的 280 EFLOPS[5]；据信通院测算，截至 2025 年 6 月我国计算设备算力总规模已达 962 EFLOPS[7][45]、同比增长 73%[45]，其中智能算力规模达 782 EFLOPS[46]、同比增长 96%[46]。需要说明的是，962 EFLOPS 采用信通院“计算设备算力总规模”新口径，与《数字中国发展报告》此前公布的 2023 年 230、2024 年 280 EFLOPS 不可直接逐年拼接。与此同时，截至 2025 年底全国 5G 基站总数达 483.8 万个[1][2]，可调度智能算力规模达 94.4 EFLOPS[3]。算力网络、通信网络与能源网络的交织，构成新空间骨架的物质基础。

数据中心作为承载算力的物理容器，其机架规模持续扩张[2]，用电量占全社会用电比重不断攀升，绿色算力发展由此被提上日程[11]。当算力站、数据枢纽与绿电走廊三者在地理上实现就近耦合，城市便拥有了不依赖传统交通走廊的新型空间组织轴带——这正是“算力—数据—绿电”网络区别于“道路圈层”的结构性特征。

空间骨架的切换将重塑城市的功能分区逻辑。传统圈层结构以市中心为圆心、以道路为放射线，商业、居住与产业按地价梯度分布；算力网络结构则以数据枢纽为节点、以光缆与电网为连接，产业、研发与算力设施围绕枢纽就近布局，形成多中心、网络化的空间形态。城市核心区的定义将从“几何中心”转向“网络中心”——数据流量最大、算力时延最低的区域，才是新的城市中心。

全国算力总规模走势（EFLOPS）

数据来源：2023 年与 2024 年为《数字中国发展报告》口径（SN-06/SN-05），2025 年6月为信通院计算设备算力总规模新口径（SN-45）；两口径不可直接逐年比较。

从数量看，算力、通信与能源三类基础设施的布局密度，正取代道路里程与建成区面积，成为衡量一座城市空间骨架承载力的新指标。

4.2 城市空间重构的三个维度

南京大学张姗琪、甄峰等学者提出的“人—地—算法”协同框架，为理解这一重构提供了系统视角——AI 对城市空间的改造并非单点嵌入，而是沿着空间感知、空间生产与空间组织三个维度展开的系统性重构[41][42]。

空间感知的重构最先发生。预测与推荐机制正在重塑居民的空间感知与决策方式：出行路线、消费选择甚至居住偏好都开始被算法预判并引导，居民对城市的理解越来越建立在实时数据、算法与智能体建议之上。空间安全感知也从单一的物理风险规避，转向涵盖算法偏差、隐私暴露与技术可信性的多维判断[41]。城市感知体系的智能化、融合化由此成为空间重构的前置条件[43]，城市“六张网”的数智化融合进一步把感知触角延伸到城市运行的每个角落[44]。城市大模型作为智能中枢，则把碎片化的感知数据整合为可推理、可预测的城市状态[43]，面向城市推演的物理 AI 支持多情景仿真与预测[44]，让“感知—决策”在空间维度上闭环。

空间生产的重构紧随其后。自动驾驶、无人配送与低空物流正在重构道路系统、停车结构与仓配节点，城市基础设施从静态配置转向以动态响应为特征的网络化体系[41]。配送节点的变化是最直观的例证：当无人配送车与无人机承担末端配送，传统快递站点、停车位与卸货平台将被重新布局，部分地面仓储让位于低空起降节点，道路空间的分配也向非机动车与无人设备倾斜，城市“最后一公里”的空间形态随之改写。生成式 AI 逐步介入规划设计、方案比选与公众协商，成为空间方案的协同生成主体。上海启动量子城市空间智能建设，构建“1+6+3+N”模型能力体系，正是以生成能力参与空间生产的先行实践[31]。

空间组织的重构是更深层的改变。城市组织逻辑正从“以路定城”转向“以算定城”，数字孪生、全域数据融合与 AI 仿真让城市从静态维护转向动态进化。泰伯智库测算，2024 年中国数字孪生城市市场规模达 337 亿元[51]，预计 2029 年将突破千亿元[51][52]；其研究还将数字孪生城市建设划分为实景三维、时空智能、智能自治三个阶段[52]，多数城市正处在从实景三维向时空智能过渡的窗口期。在数字孪生底座之上，城市更新的目标函数从“修修补补”转向“动态进化”——规划方案可以先行在孪生城市中推演，验证交通、能耗、生态的连锁反应后再落地实施。

感知、生产与组织三个维度的重构相互咬合：感知提供数据，生产改变空间供给方式，组织重构空间秩序——三者共同推动城市空间从“被规划”走向“被计算”。

4.3 空间重构中的风险

空间重构并非没有代价。当算法同时成为空间感知、生产与组织的主导机制，城市空间面临三类伴生风险。

一是空间同质化与地方性削弱。空间同质化的深层机制在于算法对“最优解”的趋同偏好：推荐算法与规划工具都以效率最大化为目标，当不同城市向同一个“最优解”收敛，差异化城市气质便被压缩。这与城市更新追求“宜居、韧性、智慧”的目标存在张力——若只强调效率维度，历史街区、地方市井与差异化景观可能在“最优解”中被同质化改造[22]。

二是安全风险转移与隐私边界模糊。空间感知依赖全域数据采集，居民的活动轨迹、行为偏好被持续记录，隐私边界在“智慧服务”的名义下不断后退。人脸识别、轨迹追踪、行为画像在提升城市安全的同时，也把每个居民置于持续监控之中，一旦算法出现误判，个体的空间权利可能被错误地限制。更为棘手的是，一旦数据在跨主体流动中失控，安全风险便从物理空间转移到数字空间，跨主体可信流通的城市数据空间建设由此成为当务之急[43]。

三是算法偏差的累积。空间感知与生产建立在历史数据之上，历史数据中隐含的偏见会在算法决策中被放大并沉淀进空间结构[41][42]。偏差一旦嵌入空间供给，便会通过道路设计、设施布局等物理载体固化下来，形成“偏差—固化—再偏差”的循环，且这一“数字—物理”双重锁定往往难以逆转。

这些风险提示：空间重构的推进速度应与数据治理、算法问责的制度能力相匹配，否则“更聪明的城市”可能同时是“更脆弱、更同质”的城市。

4.4 城市空间形态的趋势研判（2026-2030）

面向 2026-2030 年，城市空间形态将沿三条线索演化：算力设施向城市群与枢纽节点集聚，低空经济基础设施进入规模化建设期，城市空间从“二维扩张”走向“三维立体”。

算力设施的空间分布将更加集中。算力枢纽遵循规模经济与能源禀赋的双重逻辑：大型智算中心只有达到一定规模才能摊薄建设与运维成本，因此更倾向于布局在电价更低、气候更适宜、网络时延更优的枢纽节点。这一布局将使未来五年形成若干个区域性算力枢纽，重塑城市群的内部功能分工——部分城市专注算力供给，部分城市专注模型研发，部分城市专注场景落地。

低空经济则把城市空间从地面向上延伸：我国低空经济规模 2023 年达 5059.5 亿元[16]，2024 年达 6702.5 亿元[16]，赛迪预计 2025 年达 8591.7 亿元[12]。两年间保持高速扩张，起降场、航线网络等低空基础设施随之进入规模化建设期，城市天际线之下将新增一层“飞行空间”。

中国低空经济规模（亿元）

数据来源：赛迪数据（SN-16/SN-12）；2025 年为预计值。

地下的价值同样被重新发现：数据中心与能源设施向地下转移，可有效缓解地面空间压力并降低能耗扰动；综合管廊与地下物流则把地面交通的部分负荷转移到地下。地面、低空与地下三个维度将共同构成城市新的空间纵深——地面仍是人居与产业主体，低空承载物流与巡检等新功能，地下容纳算力、能源与综合管廊，城市空间形态由此从“摊大饼”转向“立体叠层”。

多维度空间扩张还将重塑城市间的功能分工与竞争位次。在算力—数据—绿电网络结构中，空间价值不再由地段单方面决定，而由“算力密度×数据流量×绿电供给”共同决定；率先完成三类基础设施布局的城市，将在未来五年的空间竞争中占据先发优势，而基础设施薄弱的城市则面临被网络边缘化的风险。

当空间骨架的支点从道路转向算力—数据—绿电网络，城市运行所依赖的感知、决策与行动能力也随之数字化、网络化，这一空间载体的变迁正倒逼城市治理从经验判断转向证据与流程驱动。

第五章 AI重塑城市治理形态：从“经验管理”到“证据与流程管理”

当算力枢纽、数据枢纽与智能终端网络取代传统的道路圈层，成为城市新的空间骨架，城市治理的对象也在发生质变——治理面对的不再只是静态的楼宇、道路与人口，而是实时流动的数据、算法与智能设备。AI核心产业向头部城市集聚的同时，城市运行系统的复杂度急剧上升，数以百万计的感知终端接入网络，毫秒级的数据流转贯穿部门边界，依赖个人经验与逐级审批的传统管理方式越来越难以胜任。治理形态的升级由此成为经济与空间变革的必然延伸，城市治理开始从“经验管理”走向“证据与流程管理”。

5.1 治理逻辑的根本转变

数字技术的深度渗透，使行政决策的基础发生了根本性变化。过去，基层治理者往往依赖个人经验与“拍脑袋”式判断，决策依据分散、口径不一；如今，城市运行的各类数据被实时采集、汇聚与关联，行政决策开始建立在可量化、可追溯的数据证据之上，并沿着标准化流程自动流转。城市治理由此从“经验驱动”转向“证据驱动”，治理的颗粒度从“区块”细化到“点位”、从“季度”细化到“分钟”。这一转变意味着，治理不再依赖少数人的经验积累，而是依托持续更新的数据底座与固化的业务流程，形成可复制、可审计的治理能力。

治理逻辑转变的第二重含义，是治理重心从事后纠偏转向前置预防与透明合规。传统治理以“出了问题再处理”为主，问题发现往往滞后于风险形成；依托实时感知与算法预测，城市能够在风险萌芽阶段作出预判并提前干预，把“灭火式”治理转变为“防火式”治理。与此同时，数据留痕与流程固化使治理过程变得透明合规——每一项决策的依据、每一次处置的路径都被记录在案，治理行为可检验、可问责，公众监督由此获得技术支撑。

城市更新的推进逻辑同样发生转向。2025年5月，中共中央办公厅、国务院办公厅印发《关于持续推进城市更新行动的意见》，提出到2030年城市更新体制机制和政策体系更加完善、城镇老旧小区改造任务基本完成[22]，建成一批宜居、韧性、智慧城市[22]。意见将“先体检、后更新”确立为城市更新的基本工作方法[22]，依托大数据对住房、小区、街区进行精准“画像”，使更新对象从经验判断转向数据识别；更新时序、改造方案与资金安排围绕体检结果统筹确定，城市更新由此进入全生命周期管理的数据驱动阶段。

5.2 未来智慧城市十大关键技术方向

技术体系的整体演进为治理形态升级提供了支撑。中国信通院发布的“2026未来智慧城市十大关键词”，勾勒出未来几年智慧城市技术演进的方向[43][44]。这十个关键词既覆盖城市感知、网络传输、算力支撑等基础能力，也涉及数据要素、智能算法与治理中枢等应用层面，共同构成智慧城市从“建”到“用”的技术闭环。

城市感知体系智能化融合化，指摄像头、传感器、物联网终端等感知设施由分散部署走向协同组网，使城市具备“全域、实时、精准”的感知能力[43][44]。城市“六张网”数智化融合，则推动水网、电网、算力网、通信网、地下管网、物流网等城市生命线数字化贯通，让六大系统在统一数据底座上协同运行[43][44]。

可信流通的城市数据空间，旨在破解部门数据“烟囱”与“孤岛”，通过确权、定价与安全流通机制，让数据在政府、企业与公众之间可信共享[43][44]。面向城市综合治理的高质量数据集，则强调以标准化、体系化的数据供给支撑模型训练与算法决策，为城市治理提供“合格燃料”[43][44]。

城市数据治理智能体承担数据清洗、融合、质检与安全管控等任务，使数据治理从“人工运维”走向“智能自治”[43][44]。城市大模型以海量城市数据为语料，具备对城市运行规律的理解与推理能力，为各类应用提供通用智能底座[43][44]。

支撑城市推演的物理AI，指融合物理规律与人工智能的仿真推演能力，能够在数字孪生空间中预演交通调度、应急疏散、管网运维等场景，为城市决策提供“沙盘”[43][44]。城市大综合一体化治理中枢，则通过“一网统管”式平台将分散在各部门的感知、数据、算法与处置力量集中调度，实现跨部门、跨层级的一体化治理[43][44]。

城市多智能体协作体系，让不同类型的智能体在统一规则下分工协作、接力完成任务，把单点智能扩展为系统智能[43][44]。城市数字化场景创新载体，则为技术落地提供试验场，通过场景开放、揭榜挂帅等方式推动新技术在真实城市环境中迭代成熟[43][44]。

图5-1 2026未来智慧城市十大关键词综合关注度评估

测算值：依据信通院十大关键词发布顺序与官方表述详略综合评估（SN-43/SN-44），仅供参考。

十大关键词背后是政策层面的强力推动。国家发展改革委、国家数据局等部门印发《深化智慧城市发展 推进全域数字化转型行动计划》，明确提出到2027年底建成50个以上全域数字化转型城市[23]，城市数字底座、城市大模型与数字孪生等能力建设全面提速，为智慧城市技术体系从“单点试验”走向“全域覆盖”划定了时间表。

5.3 智能体驱动的治理变革

在十大技术方向中，智能体是最能体现治理变革实质的抓手。2026年被业界公认为“智能体实干元年”，智能体从对话聊天的“聊天机器人”进化为可独立执行任务、自主调取数据、直接产出结果的“数字员工”。这一跃迁的核心，是智能体从“会说”走向“会做”——能够自主调用工具、读写数据、协同其他智能体完成闭环业务，城市治理由此获得一支规模可复制、能力可持续迭代的新型劳动力。

上海率先将智能体引入城市治理主流程。2025年7月，上海市规划和自然资源局印发量子城市空间智能建设工作实施方案，构建“1+6+3+N”模型能力体系，建设行业基座大模型与时空智能感知网络，以空间智能支撑城市规划、建设与治理[31]。2026年7月，上海集中发布一批量子城市空间智能建设核心成果，其中包括首批城市治理政务智能体——这些智能体贯通政务系统与空间数据，能够自主完成数据核验与流程办理，成为名副其实的“数字员工”[59]。

面向民生服务，上海推出“美好生活掌中宝”智能体，集成就业、养老、医疗、教育、住房、政务等六大板块21项高频服务[59][61]，覆盖全市200个街镇[60]。居民以自然语言即可获取服务、办理事项，智能体在后台自动匹配政策、调度资源，把“人找服务”转变为“服务找人”。

在长三角，无锡以“城市智能体矩阵”推动智能体规模化落地。无锡已建成由100个智能体组成的城市智能体矩阵[29][65]，覆盖政务、产业、民生等四大领域，月均API调用超过127万次[29][30][65]、Token消耗超过35亿[30][65]。这些智能体依托统一数字底座与“1+4+N”体系协同运转，形成规模效应，无锡由此提出打造“智能经济新形态”的标杆目标[29]。

深圳在政务智能体应用上走在前列。福田区上线43类AI“数智员工”[70]，覆盖民生诉求分拨、公文写作、数据分析等政务场景，民生诉求分拨准确率达82%[70]，实现“民生类案调研一天办结”[70]；龙岗区推出“龙小二”AI原生城市治理智能体，依托“百千万”政务智能体平台，将大模型理解能力嵌入城市治理全流程[71]。

智能体治理价值的直观例证来自交通领域。上海部署AI治堵智能体，覆盖全市1200余个路口[34][62]、15条重点路段[34][62]与5个核心区域[34][62]，通过实时感知车流、动态优化信号配时，使单点路口平均车速提升4.1%[34][62]、重点路段提升14.3%[34][62]、核心区域提升12%[34][62]。交通治理由此从“经验配时”转向“数据配时”，智能体在无需大规模硬件改造的情况下实现了路网效率的显著改善。

图5-2 上海AI治堵智能体部署成效

数据来源：新华社报道，各层级平均车速提升幅度（SN-34），2026年7月。

5.4 城市治理形态的趋势研判（2026-2030）

展望2026-2030年，城市治理形态将沿三条主线演进。其一，从“智慧城市”走向“智能体城市”。如果说智慧城市的建设重心是“系统联网、数据上云”，那么智能体城市的关键则是“能力上智能体”——各类治理任务由智能体自主承接、自动执行，城市由“被动响应”转向“主动运行”。Gartner发布的中国智慧城市与可持续发展技术成熟度曲线亦显示，AI智能体正处在快速升温期，有望成为智慧城市能力升级的核心载体[47]。

其二，从“人治”走向“人机共治”。智能体承担大量程序性、重复性治理任务，公务员与市民转向对智能体输出进行审核、校准与决策，人机协同成为治理链条的标准形态。治理效率提升的同时，问责机制需要同步调整——智能体的决策留痕、算法审计与人工复核，将成为治理制度的标配。

其三，治理边界与价值底线更加清晰。无论智能体如何演进，“人本主宰、算法辅助”都应成为治理形态的基本准则：算法提供建议与效率，人对重大事项保留最终决定权；公共服务、公平正义与基本权利等价值判断，始终由人作出。2026-2030年，伴随智能体治理从试点走向常态，围绕算法透明、数据安全与人工兜底的制度安排将加快完善，治理形态将在“效率”与“温度”之间寻求动态平衡。

城市治理形态的升级，正在把“证据与流程管理”确立为新的治理基线；而当智能体大规模进入生产与生活，社会分工的边界与居民生活的节奏将随之重构，城市社会形态的变革由此展开。

第六章 AI重塑城市社会形态：从“岗位划分”到“任务重组”

当智能体以“数字员工”身份走进政务大厅、生产车间与街头路口，技术对人的影响便不再局限于城市运行层面，而是渗透进每一个劳动者的职业选择与每一个家庭的日常生活。智能体驱动的效率变革，正在经由劳动市场与消费场景向社会全域扩散：岗位的边界趋于模糊，生活的节奏重新编排，城市社会的公平结构面临重新审视。城市社会形态由此开始从“岗位划分”转向“任务重组”。

6.1 社会分工的根本重构

人工智能对劳动力市场的影响，首先表现为对“岗位”这一传统组织单元的拆解。过去，社会分工以“岗位”为基本单位，岗位固定地对应一组职责，职业边界清晰、相对固化；AI进入生产环节后，工作内容被分解为一个个可自动化的“任务”，算法承担其中重复性、程序性的部分，劳动者的工作重心转向创造性、判断性与情感性任务。社会分工由此从“岗位划分”走向“任务重组”，职业边界不再由岗位说明书划定，而由人机能力的最优组合动态确定。

人机协作成为新的工作范式。劳动者不再是孤立的生产者，而是与智能体组队作业：智能体负责信息检索、初稿生成、数据分析与流程执行，人类负责目标设定、质量把关与价值判断。这种协作既提高了单位时间产出，也对劳动者的数字素养与协作能力提出更高要求，“与机器共事”成为职业技能的基础模块。

任务重组的实质，是把人的能力从繁琐执行中解放出来。在规划设计行业，生成式设计工具能在数分钟内产出多套方案草案，设计师的工作重心转向方案评审、创意决策与公众沟通；在制造业，智能排产与质量检测系统接管了重复性工序，一线工人转向设备运维与异常处置。岗位数量可能收缩，但任务质量在提升——对劳动者的要求从“熟练执行”转向“理解算法、驾驭工具、协同机器”，劳动力市场的技能结构随之整体上移。

从总量看，就业市场正经历剧烈的结构调整。世界经济论坛《2025年未来就业报告》预测，到2030年全球将新增约1.7亿个工作岗位[13][50]，同时淘汰约9200万个岗位[13][50]，净增约7800万个岗位[13][50]。岗位的“有增有减”并非简单的数量对冲，而是结构性替代：人工智能、大数据、数字平台等技术岗位显著扩张，行政文员、收银、数据录入等重复性岗位加速收缩，劳动力技能转型成为决定就业质量的关键变量[50]。

图6-1 世界经济论坛预测2030年全球就业结构变化

数据来源：世界经济论坛《2025年未来就业报告》（SN-13/SN-50），预测期2030年。

具体到城市空间生产环节，AI对设计、驾驶、配送等任务环节的替代，使空间生产问题外溢为劳动结构调整与社会分配问题。自动驾驶正在重构司机群体的就业结构，无人配送改变着外卖骑手与快递员的劳动组织，生成式设计工具压缩了初级设计岗位的需求——空间的生产与运行越来越依赖算法与机器人，由此释放的劳动力需要新的岗位承接，自动化收益的分配也需要新的制度安排[41][42]。

6.2 居民生活方式的重塑

生成式AI正在降低公众获取信息与表达诉求的门槛。过去，市民查询政策、办理事项、反映问题，需要熟悉政府部门的职能分工与办事流程；如今，自然语言交互使“会说话就能办事”成为可能——居民向政务智能体提问即可获得政策解读，描述问题即可完成诉求提交。截至2025年12月，中国网民规模达11.25亿[1]、互联网普及率达80.1%[1]，其中生成式AI用户规模达6.02亿[1]，超过半数网民已使用过生成式AI产品，自然语言交互正成为公众接入数字服务的主流方式。从趋势看，2023年12月网民规模为10.92亿[73]、普及率77.5%[73]，2024年12月增至11.08亿[72]、普及率78.6%[72]，三年间网民规模稳步扩大、普及率持续攀升，为生成式AI的社会化渗透提供了庞大的用户基础。

图6-2 中国网民规模与互联网普及率走势

数据来源：CNNIC第53/55/57次《中国互联网络发展状况统计报告》，数据期分别为2023年12月、2024年12月、2025年12月（SN-73/SN-72/SN-01）。

算法解释与个性化推送正在重塑居民的行为选择与空间偏好。出行App根据实时路况推荐路线，影响人们的通勤路径与出行方式；外卖与购物平台基于消费画像推送商品，塑造着社区商业的供给结构；内容平台的信息流算法持续强化用户兴趣，使居民的信息环境呈现“个性化”特征。由此，居民的空间活动不再是均质的，而是被算法“编排”成高度个性化的城市体验——去哪里吃饭、走哪条路、选择哪个社区，越来越多地受到推荐机制的影响[41]。

远程办公、AI辅助教育与智能医疗正在重塑城市日常的时空节奏。远程办公使通勤需求下降，居住与就业的空间绑定松动，社区生活与公共空间的使用方式随之改变；AI辅助教育将个性化学习带入家庭，重塑学校、家庭与培训机构的传统分工；智能医疗通过在线问诊、辅助诊断与健康管理，把医疗服务从医院延伸到社区与家庭。城市居民的“一天”由此被重新组织：工作、学习、就医不再必然发生在固定的机构空间，城市的潮汐交通、商业活力与公共服务布局都需要随之调整。

数字化生活场景的渗透，进一步把技术嵌入日常。智慧社区平台把物业报修、社区议事、邻里互助搬到线上，居民参与社区公共事务的渠道被拓宽；刷脸通行、无感支付、智能家居等应用进入日常生活，使居民对城市服务的体验从“固定场所、固定时段”转向“随时在线、随处可及”。生活方式的重塑不是孤立的个体行为，而是城市公共服务、商业组织与空间设施协同调整的结果，居住、工作、消费三大场景的边界日趋交融。

6.3 数字鸿沟与社会公平

AI对城市社会的重塑并非均衡展开。技术能力高度集中于头部城市与核心城区，AI产业、算力设施与高素质人才向少数城市集聚，可能拉大城市之间的发展差距；在同一城市内部，智慧社区与老旧街区、中心城区与边缘地区的智能化水平也存在落差，技术红利的分配呈现明显的空间不均衡[40]。

算法偏见与数据偏差可能造成公共资源配置的不公。当信贷审批、岗位筛选、福利审核等决策引入算法，训练数据中隐含的偏见可能被放大，使特定群体在无意识间受到差异化对待；当数据采集集中于某些人群或区域，基于数据的公共资源配置可能向“数据富集”群体倾斜，形成“数据弱势群体”的循环困境。

数字弱势群体的包容性成为治理焦点。老年人、残障人士、低收入群体与不熟悉数字工具的居民，在“扫码办事”“线上预约”日益普及的背景下，面临被服务体系边缘化的风险。保障线下服务通道、推进适老化与无障碍改造、提供数字技能培训，成为确保AI红利普惠共享的必要举措。

回应数字鸿沟，需要将公平意识嵌入技术供给与制度设计的全过程。一方面，公共部门在推进智能化改造时，应坚持数字服务与线下渠道并行，为不擅长使用智能设备的群体保留人工服务入口；另一方面，算法审计、数据治理与公众参与机制需要前置到系统建设阶段，使技术设计在源头上考虑不同群体的需求差异。数字包容不是技术发展的附庸，而是智能城市建设的底线要求。

6.4 城市社会形态的趋势研判（2026-2030）

展望2026-2030年，城市社会形态将呈现三个趋势。其一，“人机共生”成为城市社会的新常态。智能体渗透进就业、教育、医疗、养老等各个领域，人与机器的协作不再局限于特定岗位，而是弥漫为一种普遍的生活方式，城市社会将由“人的社会”逐步演进为“人机协作的社会”。

其二，社会契约面临重构压力。就业结构的剧烈调整、自动化收益的分配、个人数据权益的边界，都对既有的劳动关系、社会保障与公共责任体系提出挑战[40]。社会保障制度需要从“岗位绑定”转向“全民普惠”，技能更新与终身学习需要成为公共供给的组成部分，收入分配机制需要对新创造的自动化红利作出回应。

其三，包容性制度创新成为城市治理的关键议题。弥合数字鸿沟、防范算法偏见、保障数字弱势群体权利，需要制度设计先行：建立算法审计与解释机制，完善数据权益保护，把包容性纳入智慧城市建设的评估标准。城市社会的智能化程度越高，对“不让任何人掉队”的制度要求就越迫切。

社会形态的重塑触及城市最深层的人与人的关系。就业、居住与交往方式的整体变化，意味着城市社会正在进入一个需要重新定义“工作”“学习”“邻里”等基本概念的新阶段。当就业、生活与公平的底层逻辑被AI重新编码，人们的精神文化需求与供给方式也在同步变化：生成式AI正在把文化生产从人力稀缺的约束中解放出来，城市文化形态随之走向“生成丰裕”，社会变革由此延伸到更广阔的精神领域。

第七章 AI重塑城市文化形态：从“稀缺供给”到“生成丰裕”

人机共生成为城市社会新常态、社会分工从岗位划分走向任务重组的同时，驱动这一变化的生成能力正从生产领域向文化领域外溢。当算法取代要素堆叠成为城市增长的关键变量，当算力与数据成为城市新的基础设施，文化内容的供给逻辑也随之改写：创作不再受制于人力上限，分发不再受制于渠道位次，消费不再止步于单向观看。文化长期被视为城市最具“存量属性”的竞争力，正被重新定义为由生成能力决定的增量竞争，城市文化的生产方式、空间载体与竞争坐标由此同步发生位移。

7.1 文化生产与消费的范式转变

文化生产与消费正经历从「稀缺供给」到「生成丰裕」的范式转变。稀缺供给意味着内容总量由专业创作者的产能封顶：一部影视作品需要漫长的创作周期，一个展馆的内容更新依赖策展团队的人力，内容平台的可供给量被生产者数量限制，其结果是头部内容占据绝大多数注意力，大量长尾文化需求长期得不到满足。生成式 AI 的介入改变了这一约束：内容生产主体从“人”扩展到“人＋算法”，创作与分发的边际成本被大幅压缩，“人人都能创作、事事皆可生成”成为文化生产的现实语境。

市场与用户两端的数据印证了这一转变。2025年中国AIGC核心市场规模已达约805.8亿元[14]，艾媒咨询预计2027年将增长至2317.6亿元[14]，两年间接近三倍的扩张折射出生成式内容需求的爆发式增长；截至2025年12月，中国生成式人工智能用户规模达到6.02亿[1]，生成式 AI 已越过早期采用者阶段，成为大众化的日常创作与消费工具。

图7-1 中国AIGC核心市场规模及预测（亿元）

数据来源：艾媒咨询（SN-14），2025年为统计数据、2027年为机构预测值，数据期2025年

供给端的“生成丰裕”正在重塑城市文化景观。文本、图像、音频、视频与三维场景的批量生产，使内容供给从“人力有限”走向“算法无限”，创作流程从“策划—制作—发行”的线性环节，变为“提示—生成—筛选”的即时循环；文化表达的准入门槛显著下降，草根创作者与专业机构站上同一平台，方言、民俗、在地故事等曾经“不值得做”的长尾题材获得被表达的机会。消费端则从“看内容”转向“生成内容”，用户既是文化消费者也是内容生产者，UGC 大规模向 AIGC 迁移，文化消费的个性化、参与感与交互深度同步提升。AIGC 市场规模的快速扩张[14]与6.02亿的用户基本盘[1]共同表明，生成式内容正在成为城市文化生活的基础供给方式，文化生产与消费的范式转变已由边缘扩散至主流。

这一范式转变还重塑了城市文化产业的内部组织。传统文化生产呈现“大投入、大制作、大发行”的集中化特征，产能向头部机构集聚；生成式 AI 则把生产工具下沉到个体与小微团队，文化生产的组织形态从“中心化制片”转向“平台＋个体”的分布式协作，一部动画短片可以由数人团队借助 AI 工具完成从脚本到成片的全部环节。对城市而言，文化产业运行逻辑随之改变：重复性、执行性的生产环节部分被算法承接，创意、策划、审美判断与内容运营的价值进一步凸显，文化人才竞争从“比拼制作规模”转向“比拼创意密度与数据运用能力”，文化政策的重心也从“补贴生产”转向“培育生成生态”。

7.2 城市文化空间的智能化转型

文化生产的范式转变正在向城市文化空间渗透，推动文化空间从“物理展陈”走向“物理＋数字”的双轨运行。AI 驱动的沉浸式文化体验、数字艺术与公共空间的融合、城市文化 IP 的 AI 化生成与运营，构成文化空间智能化转型的三条主线，其共同底座是城市级的数字化孪生与算力支撑。

支撑虚实融合场景的数字孪生城市市场，2024年规模已达337亿元[51]，泰伯智库预计2029年将突破千亿元[52]。数字孪生为文化空间搭建了可计算、可模拟、可运营的“数字底座”，文化场景因此能够在虚拟空间中被提前构建、反复调试、随时更新，再投射到物理空间中形成体验闭环。

在沉浸式体验层面，博物馆、美术馆与剧院借助生成式 AI 实现文物数字复原、展品智能讲解、虚拟导览与互动叙事，把静态藏品转化为可参与、可演绎的动态内容，观展从“看文物”升级为“入场景”。在公共空间层面，光影秀、AI 生成艺术与裸眼 3D 大屏走进广场、商圈与历史街区，数字艺术与城市肌理相互叠加，创造出超越物理载体的文化体验。在城市文化 IP 层面，城市形象标识、非遗技艺与地标符号借助生成式 AI 实现低成本、多形态、可持续的产出与迭代，IP 运营从“一次制作”转向“持续生成”。

虚实融合还催生了数字藏品、虚拟演艺与 AI 数字人等新业态，文化消费从“到场体验”延伸为“云端在场＋线下打卡”的双重体验，城市文化空间的时间与地点约束被同步打破。对文化空间的运营者而言，AI 也提供了新的管理工具：通过客流分析、内容偏好画像与展陈效果评估，场馆能够动态调整内容供给，形成“内容—空间—人”持续互动的运营循环，文化空间的活力从“静态存量”转向“动态增量”。

在文旅融合场景中，智能化转型同样在加速。景区与博物馆借助 AI 生成的多语种导览、虚实结合的复原展示与个性化游览路线，把一次性的“观光消费”转化为可沉淀、可复访的“数字记忆”；历史街区在数字孪生与扩展现实技术的加持下，能够在保护建筑肌理的同时叠加沉浸式内容，让老空间承载新叙事。城市文化空间的运营重心由此从“物理改造”转向“内容运营”，空间的价值越来越取决于其中持续生成的文化内容，而非单纯的建筑面积与硬件投入，这要求运营主体同时具备文化理解力与技术应用力。

7.3 城市文化形态的趋势研判（2026-2030）

展望2026-2030年，城市文化形态将沿两个方向演进：文化竞争力从「存量竞争」转向「生成能力竞争」，虚实融合文化消费场景成为城市新名片。

存量竞争围绕历史遗产、文化名人、地标建筑等既有资源展开，资源禀赋决定文化位次；生成能力竞争则围绕“能否持续产出高质量、强辨识度的文化内容”展开，胜负手在于算力、数据、算法与创意人才的组合。生成能力强的城市，能够以更低成本、更快速度覆盖更多题材、更多语种与更多形态，在文化传播与消费转化中占据先发位置。这意味着城市文化竞争力与数字化基础深度绑定，数字基础设施领先的城市更有条件成为文化内容生产高地，文化供给的“马太效应”可能从资源领域迁移到生成领域。

虚实融合方面，随着数字孪生、扩展现实与生成式 AI 的成熟，城市文化名片将从“打卡地”升级为“可复现、可生长、可参与”的数字体验场。游客可以先在数字孪生城市中预览文化活动、参与线上展演，再到线下实地体验，形成双向引流；城市也可以围绕 IP 持续生成新内容，保持文化场景的鲜活度与话题热度。需要正视的是，AI 大规模生成内容带来版权归属、内容真实性与价值导向的新问题，城市在拥抱生成丰裕的同时，需要同步构建适配 AI 时代的内容治理与伦理框架，避免“生成繁荣”滑向“内容失序”。

总体看，生成能力正在成为城市文化竞争力的核心变量，虚实融合场景将重塑城市文化的感知方式与传播半径。生成能力强的城市，能够以较低成本实现文化内容的跨语种转化与多平台分发，推动城市文化品牌走向国际市场，城市间的文化竞争将从“资源禀赋的比拼”升级为“生成生态的比拼”——谁的平台更开放、数据更丰富、创作者生态更活跃，谁就更有机会在全球文化传播中占据先发位置。与此同时，文化数据作为生成能力的重要原料，也将成为城市新的文化资产，围绕文化数据的确权、开发与开放，需要在鼓励创新与维护权益之间取得平衡，这将深刻影响城市文化生态的长期走向。

城市文化的生成丰裕，最终指向城市运行方式的整体升级：文化供给由算法释放，文化秩序的管理同样需要算法回应——当城市拥有持续生成的能力，它如何被用于管理城市自身的运行，成为治理模式面对的新命题。

第八章 AI重塑城市治理模式：从“事后纠偏”到“前置预防与透明合规”

城市治理从经验管理转向证据与流程管理、智能体成为治理新主体之后，治理形态的变革必然向治理模式层面延伸：治理不再止步于“怎样高效处理一件事”，而转向“如何预判并预防事件发生、如何在算法深度参与下保持透明与合规”。治理证据由数据供给、治理流程由智能体执行，治理的时间坐标随之从“事后纠偏”前移到“事前预判”，治理的空间尺度也从“事件现场”扩展到“系统全局”。这一跃迁正在改写城市治理的运行方式与制度逻辑。

8.1 治理模式的范式跃迁

治理模式的范式跃迁，集中体现为从「事后应对」走向「事前预判与动态调度」，预测、生成与决策能力的融合显著增强了空间规划与城市运行的前瞻性。传统治理以“事件发生—被动响应”为基本单元，处置质量取决于响应速度与资源调度水平；智能治理则试图在事件发生前识别风险、在事件演进中动态调控，把治理重心从“灭火”前移到“防火”。

上海的大模型治堵是这一跃迁的典型样本。基于交通大模型的智能治堵已覆盖全市1200余个路口[34]、15条重点路段[34]和5个核心区域[34]，部署后单点路口平均车速提升4.1%[34]、重点路段平均车速提升14.3%[34]、核心区域平均车速提升12%[34]。信号灯配时不再依赖人工经验，而是依据实时流量与趋势预测动态调整，拥堵治理从“堵后疏导”转向“未堵先调”，治理时滞大幅压缩。

治堵样本背后是治理能力的系统性重构。感知层通过视频、物联与位置数据实现城市运行的全域实时感知；认知层借助城市大模型理解运行规律、预判风险趋势；决策层通过仿真推演与多方案比选生成干预方案；执行层由智能体与自动化系统把方案转化为路口配时、信号联动、警力布控等动态调度动作。预测、生成与决策能力的融合，使空间规划从“基于历史经验的静态蓝图”转向“基于实时数据的动态推演”，治理颗粒度从“区—街道”下沉到“路口—楼栋—事件”，治理时滞从“小时级”压缩到“分钟级甚至秒级”。

类似的范式跃迁正在向更多治理领域延伸。在城市生命线安全领域，燃气、供水、电力、桥梁等基础设施的感知数据被接入统一平台，算法通过压力、温度、振动等指标的异常识别，在泄漏、爆管、沉降等事故成灾之前发出预警；在应急管理领域，防汛防台、火灾处置与突发公共卫生事件响应，开始借助实时推演预判影响范围、优化物资与力量布防；在公共安全领域，智能分析从“事后调取录像取证”转向“事前识别异常聚集与风险苗头”。这些场景的共同特征，是把治理资源从“应对末端”向“预防前端”配置，使有限的人力物力发挥更大的预防效能，也让“前置预防”从单点试验扩展为系统性的治理逻辑。

8.2 从“经验驱动”到“数据驱动”的城市更新

城市更新正从经验驱动向数据驱动升级。数智技术实现对城市运行的全面感知、智能分析与精准决策，使更新对象从“凭经验判断”转变为“凭数据画像”——哪里该改、怎么改、改后效果如何，都有了可量化、可追溯的判断依据，城市更新由此从“见招拆招”转向“循数而动”。

政策层面给出了清晰的时间表。中办国办《关于持续推进城市更新行动的意见》提出，到2030年城市更新体制机制和政策体系更加完善[22]；国家发展改革委等部门印发的《深化智慧城市发展 推进全域数字化转型行动计划》明确，到2027年底建成50个以上全域数字化转型城市[23]，城市大模型与数字孪生/CIM平台成为城市更新决策的公共底座。

数字孪生支撑城市更新全生命周期管理。2024年数字孪生城市市场规模已达337亿元[51]，泰伯智库预计2029年将突破千亿元[52]。在更新前期，数字孪生用于现状体检、房屋质量评估与改造方案比选；在更新实施中，用于施工监管与方案动态优化；在更新完成后，用于运营监测与效果评估，形成“规划—建设—运营”的闭环反馈。

数据驱动体现在城市更新的各个环节：老旧小区改造前通过三维扫描与传感器摸清房屋底数与管网状态，改造中通过工地智能监管控制质量与安全，改造后通过运行数据评估改造成效并反馈到下一轮决策。全域数字化转型城市的推进[23]，本质上是把城市更新从“一次性工程”转化为“可迭代的治理过程”，使每一轮更新都建立在对上一轮数据的复盘之上，城市肌理的演进由此获得持续的学习能力。

从更广的视角看，数据驱动更新的实现，依赖城市级数字底座的完善。全域数字化转型行动计划所部署的城市数据空间与城市大模型，为更新决策提供了统一的算据支撑——房屋、地块、人口、产权、设施等数据在统一底座上汇聚，规划部门得以在三维数字空间中模拟改造方案对交通、日照、业态与公共服务的影响，再返回现实空间实施。数字孪生由此不仅是一种可视化工具，更成为更新方案“先算后建”的决策沙盘，城市更新的科学性、透明度与公众参与度同步提升。

8.3 城市治理模式的风险与挑战

治理模式向前置预防与透明合规跃迁的同时，也暴露出结构性风险，集中体现为算力与能源约束、数据治理与公众信任、数字主权脆弱性与智能化系统级联风险四重挑战。

算力与能源的双重约束是首要制约。2024年中国数据中心用电量达到1660亿千瓦时[11]，占全社会用电量的1.68%[11]；截至2025年6月，全国算力总规模已达962 EFLOPS[45]，同比增长73%[45]。治理能力越强，对算力的依赖越深，而算力扩张与能耗、碳排放之间的张力也随之加大，绿色算力成为治理数字化的硬约束。若算力供给与能源结构不能协同升级，前置预防所依赖的实时推演与全域仿真将难以为继。

图8-1 数据中心用电量与算力总规模（2023-2025年）

数据来源与口径：数据中心用电量仅2024年数据（SN-11）；算力总规模2023年、2024年为《数字中国发展报告》口径（SN-06、SN-05），2025年为信通院《先进计算暨算力发展指数蓝皮书（2025）》新口径、截至2025年6月（SN-45），口径变化不宜逐年直接拼接

数据治理与公众信任是第二重风险。治理模式越依赖数据，数据隐私、数据安全与算法信任问题就越突出。城市运行数据的采集、汇聚与共享涉及个人权益与公共安全，一旦发生数据泄露或算法偏差，将直接侵蚀公众对智能治理的信任；智能治理的“黑箱”属性与政府决策“可解释、可问责”的公共要求之间存在天然张力。数据的权属与流动规则尚在形成之中，跨部门、跨层级的数据共享在提升效率的同时也扩大了数据暴露面；算法训练所用数据若存在偏差，还可能放大对特定群体的不公平对待。透明合规不仅是技术命题，更是智能治理合法性的来源。

数字主权脆弱性是第三重风险。关键芯片、基础软件、算法框架与数据资源的自主可控程度，决定城市能否在外部环境变化中保持治理体系稳定。核心技术受制于人，意味着治理体系的“底座”存在隐患，一旦供应链或技术生态生变，依赖外部组件的治理系统将面临停摆风险，治理连续性难以保障。

智能化系统的级联风险同样不可忽视。Gartner 在关于中国智慧城市技术成熟度曲线的分析中指出，AI 智能体在智慧城市中的应用仍存在明显局限[47]。当城市运行高度依赖相互连接的 AI 系统时，单一系统的故障可能通过数据链路与决策依赖快速扩散，形成跨领域连锁反应；系统越智能、耦合越深，对治理韧性的要求就越高。前置预防依赖系统的预测能力，而系统自身的不可预测性，成为新治理模式必须内生消解的风险。

8.4 城市治理模式的趋势研判（2026-2030）

展望2026-2030年，城市治理模式将沿三条主线演进：从「数字化治理」走向「自主化治理」，城市运行从「静态维护」转向「动态进化」，并在技术与制度的互动中收敛到「人本主宰、算法辅助」的平衡共治模式。

国务院《关于深入实施“人工智能+”行动的意见》提出，到2030年智能终端、智能体普及率将超过90%[20]。这意味着到2030年前后，智能体将从治理工具升级为城市运行的基础组件，治理流程的自动化、自适应程度显著提升，自主化治理具备了规模化部署的技术条件。

自主化治理并非“机器取代人”，而是人机分工的重构：算法承担重复性、实时性与全局性的监测调度，人承担价值判断、复杂决策与公共责任。城市运行从静态维护转向动态进化，治理体系能够根据城市状态的实时变化自我调适，从“出了问题再修”走向“预判问题并提前干预”，治理对象也从“已成事实”转向“潜在趋势”。

平衡共治模式的落地，要求制度同步进化：算法透明与审计、数据权利与安全、AI 治理的责任归属，都需要在2026-2030年窗口期内形成规则。智能治理的合法性，最终取决于它能否在效率与权利、算法与人性、自主与可控之间建立可持续的平衡，使技术扩张始终服务于城市居民的根本利益。

平衡共治模式还要求公共参与渠道的同步拓展。智能治理的决策过程引入算法后，公众不仅是被治理对象，也应成为治理效果的监督者与反馈者；通过公开的数据说明、可理解的算法解释与便捷的申诉渠道，城市能够在算法效率与公民权利之间建立缓冲机制，使技术应用始终处于可问责、可纠偏的制度轨道上。

治理模式的前置预防与透明合规能否成立，最终要由城市实践作答：谁能率先把预判、调度与问责嵌入日常治理流程，谁就能为超大城市与中小城市的自主化治理提供可复制的样本。

第九章 AI重塑城市形态的实践前沿

经济、空间、治理、社会、文化与治理模式的系统性重塑，并非停留于分析框架的推演，而是正在头部城市以各自禀赋为起点展开为可量化的实践。2026年以来，北京亦庄、上海、成都、无锡以及东莞等城市密集发布"人工智能+"行动方案，锚定2030年前后的AI标杆城市目标——北京亦庄力争2030年AI核心产业规模突破2000亿元[24]，东莞提出2030年AI产业规模突破1500亿元[28]——从算力底座、产业规模、智能体治理到全场景应用，形成差异化的实践图谱，为AI重塑城市形态的六维判断提供了一线实证。

图9-1 主要城市AI产业规模目标对比（亿元）

数据来源：成都市人民政府（SN-26）、国家科技信息服务网（SN-24）、东莞市人民政府办公室（SN-28）。成都为2027年目标，北京亦庄、东莞为2030年目标，均为政策文件目标值。

9.1 北京亦庄：全域人工智能之城

北京亦庄（北京经济技术开发区）以"全域人工智能之城"为定位，把人工智能从单一技术产业升级为覆盖生产、生活与治理全场景的城市战略。依托北京国际科技创新中心"三城一区"主平台的创新外溢与高端制造业集聚优势，经开区将智能制造作为AI落地的最大场景底座，发布"人工智能+"行动新蓝图，明确提出建设具有全球影响力的全域人工智能之城[24]。

从量化目标看，亦庄明确到2030年AI核心产业规模力争突破2000亿元[24][56][57]，智能算力规模扩展至10万P[24][58]，规模以上制造业企业AI技术应用普及率超过60%[24][58]。其中，算力底座被置于基础性位置：面向具身智能、大模型训练与推理的算力需求，经开区以数据基础制度先行区与智算中心集群为支撑，把这一量级的智能算力作为吸引模型企业、数据企业与智能硬件企业集聚的关键基础设施。

制造业则提供了AI应用普及的真实场景。从工业质检、工艺优化到供应链调度，规上制造业企业AI应用普及率目标直指60%以上[24][58]，使"全域"不只停留于口号，而落实为企业级的效率改造。在工业总产值冲刺万亿元的产业底盘上[57]，亦庄以"以制造立城、以算力聚产"确立差异化路径，让产业数字化与数字产业化相互循环，为AI重塑城市经济形态提供了制造型城市样本——经济增长逻辑正从"要素堆叠"转向"模型驱动"。

在市级层面，北京市同步出台配套政策形成支撑合力。北京市经济和信息化局印发《北京市人工智能赋能新型工业化行动方案（2025年）》，以16条措施[25]、行业大模型最高3000万元支持[25]、具身智能工厂示范等举措，推动AI与新型工业化深度融合。亦庄作为政策落地的核心承载区，将市级顶层设计与区域场景资源对接，围绕具身智能、通用智能体等方向布局未来产业，使"全域人工智能之城"获得政策、算力、场景与产业的协同支撑。

9.2 上海：量子城市与智能体治理

上海选择以"空间智能"与"智能体治理"作为AI重塑城市形态的突破口。上海市规划和自然资源局发布城市空间治理领域人工智能应用暨量子城市空间智能建设工作实施方案（2026—2027年），把"量子城市"作为超大城市空间治理的智能化范式[31]。方案构建"1+6+3+N"模型能力体系，以"云宇星空"行业基座大模型为算法与算力载体，形成覆盖全域的时空智能感知网络[31]，把城市空间从物理实体映射为可计算、可推演的数字孪生体，为规划、建设与运行提供前置预判能力。

在治理端，上海把智能体嵌入政务流程，推动"数字员工"走向前台。2026年世界人工智能大会期间，上海发布一批量子城市空间智能建设核心成果，首批城市治理政务智能体集体亮相[59]，通过"数据—算法—流程"的重组，把过去依赖经验判断的事务性工作转化为可标准化的流程执行，治理形态由此向"证据与流程管理"迁移。民生场景的落地更为具体：普陀区曹杨新村"美好生活掌中宝"迭代至3.0版本[61]，集成六大板块、21项高频服务[59][61]，覆盖全市200个街镇[60]，把AI治理能力直接下沉到社区与居民日常。

交通治理是上海智能体成效最直观的印证。依托交通治堵大模型，上海在全市1200余个路口[34][62]、15条重点路段[34][62]、5个核心区域[34][62]部署智能化信号控制；实测数据显示，单点路口平均车速提升4.1%[34][62]、重点路段平均车速提升14.3%[34][62]、核心区域平均车速提升12%[34][62]。车速提升的背后，是信号灯配时从"固定周期"转向"实时优化"，算法对路口车流的感知与调度由分钟级压缩到秒级——这是"经验管理"转向"证据与流程管理"的微观呈现，也是智能体在城市治理中价值的直观证明。

在上海建设"人工智能上海高地"的整体布局中，市经济和信息化委员会组织开展"人工智能+"行动项目申报，提出到2027年底建成200个示范应用项目[32]，围绕6大重点行动、8大基础支撑系统推进[32]。从空间智能基座、政务智能体到AI治堵，上海呈现出"算力—算法—场景"三位一体的推进结构：以量子城市夯实时空数据与推演底座，以政务智能体改造治理流程，以交通、民生等高频场景检验成效，形成自上而下与自下而上相结合的智能体扩散路径。这一结构使上海的实践同时覆盖空间形态与治理形态两个维度，成为超大城市"软硬结合"重塑的典型样本。

9.3 成都：AI全场景应用标杆城市

成都的路径特征是"全场景"，即把AI渗透到城市运行的各行业各环节。成都发布"人工智能+"行动方案，明确提出"管行业就要管人工智能应用"，以"一业一策"推动AI与千行百业深度结合[27][63]，目标直指建设具有全球影响力的AI全场景应用标杆城市[26]。

官方目标分两阶段推进。到2027年，成都AI核心产业规模突破2600亿元[26][63][64]；到2030年，新一代智能终端、智能体普及率超过90%[26][63][64]，全面建成全球影响力AI全场景应用标杆城市[26][63][64]。值得对照的是，2025年成都AI核心产业规模已超过1500亿元[63]，两年间向2600亿元目标[26][63][64]冲刺的过程，对应约千亿级的产业增量空间；而普及率超90%[26][63][64]的设定，则把AI从"产业门类"推向"全民基础设施"。

成都的差异化在于场景侧的"供给侧改革"——不追求算力规模的绝对领先，而以行业应用的广覆盖定义AI城市标杆。"管行业就要管人工智能应用"的机制设计，实质是把AI应用责任写入各行业主管部门的职责清单，以制度安排确保全场景落地。这与亦庄的"制造底座+算力集聚"形成互补两极：一个以产业纵深取胜，一个以场景广度见长，共同印证AI重塑城市形态的多路径可能。

两阶段目标的衔接暗含清晰的节奏逻辑：2027年之前以产业规模攻坚为主，做大AI核心产业的基数与生态；2027年之后转向普及率驱动，以智能终端与智能体的规模化应用打开需求侧空间。这一安排使成都得以在产业侧与场景侧同时发力——产业侧依托电子信息、航空航天等既有优势集群，场景侧依托城市治理、文旅消费、智能制造等高频场景，实现"以场景育产业、以产业强场景"的正反馈，为全场景落地提供可持续的机制保障。

9.4 无锡：城市智能体矩阵

无锡把"智能体"作为城市智能经济的核心抓手，提出打造"人工智能+"标杆城市[29]，向智能经济新形态加速跃进。其标志性动作是发布由100个智能体组成的城市智能体矩阵[29][65]，依托"1+4+N"体系与统一数字底座，覆盖政务、民生、产业与城市治理四大领域[29][30]，并同步发布智能体创新发展白皮书，为智能体的规模化落地提供标准与范式[29]。

智能体矩阵的运行数据呈现爆发式增长：月均API调用超过127万次[30][65]，Token消耗超过35亿[30][65]，接入企业超过1000家[30][65]。这些数字意味着，智能体已从"展示型应用"进入"生产型应用"——企业级智能体在政务服务、工业设计、营销客服等环节真实承担工作任务，把AI转化为可计量的生产力，为"岗位划分转向任务重组"提供了直观样本：当100个智能体[29][65]在城市运行中持续执行任务，岗位边界正被逐一改写。

图9-2 无锡城市智能体矩阵核心指标

数据来源：我苏网（SN-30）、中国无锡市人民政府（SN-65），2026年7月口径。各指标量纲不同，数值仅作量级呈现；接入企业数为"超千家企业"的代表值。

智能体矩阵的意义不止于效率提升，更在于其改变了城市数字化服务的供给方式。传统信息化建设以"项目"为单位，建设周期长、复用率低；无锡以"智能体"为原子化服务单元，将共性能力沉淀为可编排、可组合的基础服务，使新的应用场景能够以较低边际成本快速上线[65]。这种从"项目建设"到"能力运营"的转变，正是AI重塑城市治理形态在微观层面的组织创新，也为"人机共治"提供了可观测、可迭代的运行载体。

9.5 国际实践

中国城市的探索并非孤例，国际城市同样在AI重塑城市形态的窗口期加快布局。越南胡志明市批准《2026—2030智慧城市发展计划》，明确到2030年跻身全球前50智慧城市的目标[68][69]，将人工智能、大数据与智慧治理作为城市竞争力跃迁的关键变量。这一目标设定表明，智慧城市竞争已从发达经济体扩展到新兴市场，AI正在成为城市国际竞争的新标尺。

Gartner《2026中国智慧城市与可持续发展技术成熟度曲线》则从技术演进视角提示理性预期：AI智能体在中国智慧城市中的应用正处于爬升期，价值与局限并存——一方面，智能体在业务流程自动化与城市运营效率提升上展现出潜力；另一方面，其在复杂治理决策中的可解释性、合规性与责任界定仍不成熟[47]。这条曲线同时将技术按其成熟阶段与关注度排布，提示不同技术进入主流应用的时点存在显著差异[47]。AI智能体目前被定位为"新质生产力"的重要技术载体，其价值释放取决于数据质量、场景复杂度与组织适配能力三者的匹配[47]。对城市决策者而言，这意味着要敢于在成熟度较高的场景（如流程自动化、预测性维护）加快部署，同时为成熟度较低的场景（如复杂公共决策）预留治理缓冲，避免技术超前于制度而引发新的风险。

从亦庄的制造底座与算力集聚，到上海的量子城市与智能体治理，从成都的全场景应用到无锡的智能体矩阵，再到国际城市的加速追赶，AI重塑城市形态的实践图谱已覆盖经济、空间、治理、社会多个维度。然而，这些实践所依赖的算力、数据与算法体系，也正把城市推向前所未有的系统性依赖——重塑的加速与风险的放大同步发生，五大系统性挑战由此进入城市治理的核心议程。

第十章 AI重塑城市形态的五大系统性挑战

当亦庄把智能算力扩展至10万P[24]、上海让政务智能体承担流程性工作、无锡让超千家企业[30][65]接入智能体矩阵，AI重塑城市形态的速度与深度都达到新的量级。与之相伴，重塑过程的系统性风险也同步累积。《国际城市蓝皮书（2026）》在识别六大核心形态重塑的同时，将算力能源约束、数据信任、数字主权、级联风险与社会契约重构并列为AI时代城市发展面临的五大系统性挑战[40]。这五项挑战相互耦合、互为放大，构成城市从数字化治理迈向自主化治理必须跨越的门槛。

图10-1 五大系统性挑战风险暴露度综合评估

测算值：依据《国际城市蓝皮书（2026）》五大挑战框架与公开数据综合评估（SN-40/SN-11/SN-45），数值为主观综合评分，仅供参考。

10.1 算力与能源双重约束

AI重塑城市形态的第一重约束，来自算力需求的指数级增长与能源供给的有限性之间的张力。大模型训练与推理、全域感知与实时推演，都建立在海量算力之上，而算力的每一次扩张都对应能源消耗的刚性上升。

从全国看，算力规模仍在高速扩张。截至2025年6月，我国算力总规模达962 EFLOPS[45]、同比增长73%[45]，其中智能算力占比持续提升。与此对应，2024年全国数据中心用电量已达1660亿千瓦时[11]、占全社会用电量的1.68%[11]，信通院研究提示数据中心能耗占比仍处上升通道[11]。当一座城市以万P级扩张算力底座——如北京亦庄2030年智能算力规模目标10万P[24]——其能源配套、电力价格与电网承载能力便成为硬约束。

因此，"AI—能源"协同成为城市生命周期跃迁的关键触发点：谁能在算力扩张的同时构建绿色算力与能源闭环，谁就能把算力优势转化为可持续的城市竞争力。绿电供给、液冷散热、余热回收与源网荷储一体化，正从技术选项上升为城市基础设施的必备设计[11]。

算力与能源的约束还呈现出结构性特征。随着智能算力占比持续提升，AI训练的能耗强度显著高于传统通用算力，绿电消纳、用能成本与电网承载之间的耦合关系日益复杂。信通院绿色算力研究强调，绿色算力建设需统筹数据中心用能与可再生能源供给，通过能源闭环设计把"AI—能源"协同内嵌到城市基础设施之中[11]。这意味着绿色算力不再是单纯的成本项，而日益成为决定城市算力竞争力与可持续性的关键变量。

10.2 数据治理与公众信任危机

智能体治理的规模化，把数据隐私、安全与伦理问题推到城市治理前台。政务智能体处理海量公民数据，其采集范围、使用边界与留存规则直接关系居民权利；一旦数据滥用或泄露，公众对AI决策的信任将难以修复。

信任的建立依赖透明化与可解释性。Gartner的技术成熟度曲线明确指出，AI智能体在智慧城市治理应用中的局限正在于可解释性与责任界定的不成熟[47]。当智能体对城市资源配置、交通调度乃至公共服务作出决策，公众有理由要求算法给出可理解的依据与可追责的主体。上海能在1200余个路口顺利推进AI治堵[34]，前提正是信号灯调整的即时可见与可验证；反之，一旦"黑箱决策"进入公共事务，信任赤字便会放大治理成本。

数据治理因而从技术问题上升为治理能力问题：城市需要在数据价值释放与个人权利保护之间建立动态平衡，通过城市数据空间、隐私计算与算法审计等机制，把"数据信任"锻造成智能城市最稀缺的公共品。

在机制层面，中国信通院对未来智慧城市技术方向的梳理，为数据信任的建设提供了路径参考——城市数据空间强调数据在可信流通中释放价值，城市数据治理智能体则把数据质量与合规管理从人工转向自动化[43][44]。当数据的采集、授权、使用与审计形成可追踪的闭环，公众对AI决策的信任才具备制度基础。这提示城市在推进智能体治理时，应将"信任设计"前置——在系统上线之初就内置透明化、可审计与申诉纠错机制，而非事后补救，否则信任赤字一旦形成便难以逆转。

10.3 数字主权脆弱性

数字主权是AI重塑城市形态过程中容易被低估的挑战。城市运行对AI技术体系的深度依赖，使其在关键芯片、基础模型与核心算法上的自主可控水平，直接关系到城市治理的稳健性。国务院《关于深入实施"人工智能+"行动的意见》明确强调安全可控，要求统筹发展与安全、加快关键核心技术攻关[20]。

从国家层面看，数据主权关乎跨境数据流动的规则主导权；从城市层面看，数据主权则体现为城市对政务数据、空间数据与公共数据的持有与处置能力。当城市把大量运行数据交由第三方云与模型服务，技术依赖便可能转化为治理依赖甚至安全风险。算力底座、数据底座与模型底座的自主可控，因此不仅是产业议题，更是城市韧性的组成部分。

数字主权的建设需要国家与城市两级协同：国家层面完善数据立法与技术攻关，城市层面强化数据资产的本地化治理与供应链多元备份，降低单一技术体系的锁定效应。

技术依赖风险的化解，最终要落到产业生态的自主循环上。关键芯片、基础模型、开源框架与高端算力设备构成的完整链条中，任何一环的缺失都可能形成"卡点"，使城市智能化进程受制于外部供给的波动。国务院"人工智能+"行动意见在部署应用的同时，强调夯实自主可控的基础设施与创新生态，推动人工智能与实体经济在安全前提下深度融合[20]。对城市而言，数字主权建设不是封闭替代，而是在开放合作中掌握关键环节的主导权，使城市治理的数字化底座建立在自己可控的技术土壤之上。

10.4 智能化系统级联风险

城市运行高度智能化之后，系统性风险也以新的形态出现——单一AI系统的故障可能经由城市网络迅速传导，引发跨系统的级联反应。交通信号、能源调度、应急响应等系统一旦彼此耦合，局部的算法错误或算力中断便可能放大为全域运行紊乱。

这种风险在超大城市尤为突出。以上海AI治堵为例，1200余个路口接入智能信号调度[34]，系统覆盖面越广，对单一故障点的容错要求越高；一旦调度算法出现偏差或网络遭受攻击，拥堵可能从单点扩散为片区连锁。应对级联风险，需要把韧性标准建设纳入智能城市的制度框架，建立面向AI系统的应急预案与故障隔离机制，并以多元云架构与系统冗余降低单点依赖——核心系统采用多供应商、多数据中心部署，确保局部失效不导致全域停摆。

级联风险的治理逻辑，是从"系统最优化"转向"系统最稳化"：在追求效率的同时，为城市运行保留可降级、可回退、可人工接管的安全边界。

级联风险的另一个来源，是城市系统的深度耦合本身。当交通、能源、水务、应急等多张网通过统一数据底座实现互联，数据的集中也意味着风险的集中——一处数据异常可能借助共享底座向其他领域扩散。中国信通院提出"城市六张网"数智化融合与城市多智能体协作体系的技术方向[44]，在带来协同效率的同时，也对跨系统的一致性校验与隔离机制提出更高要求。城市需要在"融合带来的效率"与"隔离保留的冗余"之间审慎权衡，把韧性设计从应用层下沉到架构层，确保任何单一系统的失灵都不会演变为全域性停摆。

10.5 社会契约重构压力

最深层的挑战在于社会契约。AI对就业结构、收入分配与社会公平的冲击，正在重新定义城市治理与市民之间的权利义务关系。世界经济论坛《2025年未来就业报告》预计，到2030年全球将净增7800万个岗位[13][50]，其中新增约1.7亿个[13][50]、淘汰约9200万个[13][50]——大规模岗位替代与创造的并行，意味着劳动力市场的结构性重组不可避免。

岗位层面的重组之上，是人机关系的重新定义。当智能体成为"数字同事"与"数字员工"，传统的雇佣关系、职业伦理与劳动保障框架都需要调整；当AI参与公共资源配置，算法公平问题便直接关联社会公平。无锡100个智能体持续执行任务[29][65]、上海政务智能体承担流程性工作[59]，这些实践在提升效率的同时，也在悄声改写就业与分配格局。

包容性制度创新还要求城市关注技能转型的时序差。世界经济论坛《2025年未来就业报告》在给出净增7800万岗位[50]的总体判断时，特别强调技能需求的结构性变化与再培训的紧迫性[50]——被替代的岗位集中于事务性、重复性任务，新创造岗位则集中于人机协作与创造性任务，两者对劳动者技能的要求截然不同。若教育体系与职业培训无法跟上这一节奏，就业极化将放大收入差距，社会契约的裂缝便会在城市层面率先显现。

应对社会契约重构压力，包容性制度创新成为迫切议题——社会保障体系需要从"岗位绑定"转向"任务与能力绑定"，教育体系需要为终身学习与技能迁移提供通道，使AI红利以可感知的方式惠及多数人而非加剧极化。这构成城市从技术跃迁走向社会跃迁的关键一跃，而五大挑战的化解方向——能源闭环、数据主权立法、多元云架构、韧性标准与包容性制度——正是城市面向2026—2030窗口期制定应对策略的起点。

第十一章 趋势研判与政策建议

北京亦庄以2030年人工智能核心产业规模力争突破2000亿元[24]、算力规模扩展至10万P[24]的蓝图推进"全域人工智能之城"建设，上海依托量子城市空间智能体系落地治理智能体[31]，成都锚定2027年核心产业规模突破2600亿元[26]、2030年智能终端与智能体普及率超90%[26]的目标打造AI全场景应用标杆城市，无锡以百个智能体矩阵培育智能经济新形态[29]，一线实践已经勾勒出AI重塑城市形态的具象轮廓。与此同时，2024年全国数据中心用电量达1660亿千瓦时[11]、占全社会用电量的1.68%[11]，算力与能源的双重约束、数据信任的流失、数字主权的脆弱、智能化系统的级联风险与社会契约的重构压力，也在实践前沿同步显现。把实践中的确定性趋势与风险中的挑战性变量放进2026—2030年的时间坐标综合研判，可以辨识出城市形态演变的十大趋势；围绕这些趋势作出战略安排与路径选择，是赢得这一关键窗口期的前提。

11.1 2026-2030城市形态演变的十大趋势

十大趋势在经济、空间、治理、决策、社会、文化、基础设施、感知、中枢与场景十个维度次第展开，市场规模层面已经显露清晰的演进轨迹（见图11-1）。

趋势一：城市经济从"要素堆叠"全面转向"模型驱动"。全国人工智能核心产业规模2025年预计突破1.2万亿元[4]，较2023年的近5800亿元[17]、2024年的超9000亿元[10]实现连续跃升；智慧城市市场规模2024年达36.8万亿元[15]、2025年预计达45.3万亿元[15]，为AI应用落地提供了广阔载体。阶段性判断：2030年前后，AI核心产业将成为城市经济的主导增量，城市增长质量将更多取决于算法迭代与数据要素的配置效率。

图11-1 中国智慧城市与AIGC核心市场规模展望

数据来源：中商产业研究院《2025-2030年中国智慧城市行业市场调研及投资前景预测报告》（SN-15，2024年实际值36.8万亿元、2025年预测值45.3万亿元）；艾媒咨询AIGC核心市场规模数据（SN-14，2025年805.8亿元、2027年预测值2317.6亿元）。左右双轴单位不同，分别为万亿元与亿元，均为机构统计或预测口径。

趋势二：城市空间从"道路圈层"转向"算力—数据—绿电"网络。截至2025年6月，全国算力总规模达962 EFLOPS[45]（信通院新口径），其中智能算力达782 EFLOPS[46]、同比增长96%[46]。算力站、数据中心与绿电走廊取代传统道路圈层成为城市空间的新锚点。阶段性判断：2030年前后，算力枢纽城市与城市群将形成以"算力—数据—绿电"为骨架的网络化空间结构，空间竞争从"区位竞争"转向"算力竞争"。

趋势三：城市治理从"经验管理"转向"证据与流程管理"。城市感知体系智能化融合化位居2026未来智慧城市十大关键词前列[43]，城市数据治理智能体亦成为关键词之一[44]；上海AI治堵智能体已覆盖全市1200余个路口[34]。阶段性判断：2030年前后，以数据证据为基准、以标准化流程为载体的治理方式将成为主流，治理决策的可追溯性与可验证性显著提升。

趋势四：城市决策从事后纠偏转向前置预防与透明合规。国务院《关于深入实施"人工智能+"行动的意见》提出，到2030年新一代智能终端、智能体普及率超90%[20]，治理模式将从"出了问题再处理"转向"事前预判、事中干预、全程可溯"。阶段性判断：2030年前后，城市运行将普遍具备基于AI的前置预防能力，决策过程与算法逻辑的透明合规成为城市治理的基本要求。

趋势五：城市社会从岗位划分转向任务重组与人机协作。世界经济论坛《2025年未来就业报告》预测，2030年全球将新创造1.7亿个岗位[50]、淘汰9200万个岗位[50]、净增7800万个岗位[50]。工作不再是岗位的固定附属，而是可拆解、可重组的任务单元。阶段性判断：2030年前后，人机协作将成为城市劳动力市场的主流形态，技能转换与终身学习成为居民适应城市生活的基础能力。

趋势六：城市文化从稀缺供给转向生成丰裕。中国AIGC核心市场规模2025年达805.8亿元[14]，预计2027年增至2317.6亿元[14]，生成式AI使文化内容的生产边际成本趋近于零。阶段性判断：2030年前后，城市文化竞争力将从"存量资源的比拼"转向"生成能力的竞争"，虚实融合的文化消费场景成为城市新名片。

趋势七：城市基础设施从单网运行转向"六张网"数智化融合。信通院研判，未来智慧城市将推动水网、电网、算力网、通信网、地下管网、物流网"六张网"的数智化融合[44]。阶段性判断：2030年前后，城市基础设施将从条块分割的单网运行走向多网协同、数智融合的一体化运行，基础设施韧性评估对象将由单网转向系统。

趋势八：城市感知从静态感知转向智能化融合化感知体系。城市感知体系智能化融合化位居2026未来智慧城市十大关键词前列[43]，物联感知、空间感知与社会感知将融合为统一的时空智能感知网络[31]。阶段性判断：2030年前后，城市将形成"全域感知—智能融合—实时更新"的感知体系，为预测式治理提供数据底座。

趋势九：城市智能中枢从规则驱动转向模型驱动。国家发展改革委等部门在推进全域数字化转型的行动计划中，明确建设城市数字底座与城市大模型[23]，城市大脑从预设规则转向大模型驱动的自主推理。阶段性判断：2030年前后，城市大模型将成为城市运行的中枢引擎，城市决策从"人工设定规则"转向"模型持续学习"。

趋势十：城市应用场景从分散建设转向综合协同演进。《深化智慧城市发展 推进全域数字化转型行动计划》明确，到2027年底建成50个以上全域数字化转型城市[23]，场景建设将从单点示范转向跨部门、跨领域协同。阶段性判断：2030年前后，城市AI应用将形成"底座共用、数据共享、场景协同"的综合演进格局，数字化建设从"项目堆叠"走向"体系运营"。

十大趋势相互交织：经济模型驱动提供动能，空间算力网络重塑骨架，治理证据流程与决策前置预防重构运行方式，社会任务重组与文化生成丰裕重写生活体验，六张网融合、感知智能化与中枢模型驱动夯实底座，场景综合协同放大整体效能。把握这些趋势，是城市在窗口期内实现形态跃迁的前提。

11.2 面向城市决策者的战略建议

趋势研判为政策选择提供了依据。面向城市决策者，围绕算力能源、数据信任、数字主权、级联风险与社会契约五大挑战，宜从能源、数据、技术、安全、社会五个维度作出战略安排。

第一，强化能源闭环设计。将算力基础设施与绿色能源统筹规划。2024年全国数据中心用电量已达1660亿千瓦时[11]、占全社会用电量的1.68%[11]，随着算力规模扩张，能耗压力将持续上升。决策者应将算力布局与绿电供给、储能设施、余热利用一体规划，构建"算力—能源"闭环，避免算力扩张透支能源承载力。

第二，推动数据主权立法。保障城市数据安全与自主可控。城市数据是城市运行的新资源，也是数字主权的基础。决策者应推动地方数据立法，明确公共数据、个人数据与跨境数据的权属和使用边界，建立重要数据目录与出境安全评估制度，防止关键数据流失与技术依赖。

第三，建设多元云架构。增强数字系统韧性与抗风险能力。为避免单一云平台故障引发城市运行停摆，决策者应推动多云、混合云与国产化算力协同的多元云架构，建立跨平台数据备份与故障切换机制，降低对单一供应商的锁定依赖。

第四，构建韧性标准。应对智能化系统级联风险。AI系统深度嵌入城市运行后，单点故障可能沿数据链条级联放大。决策者应建立覆盖算力、网络、数据、应用各层的韧性标准与应急预案，定期开展压力测试与灾难恢复演练，确保极端情形下关键服务的可降级、可替代。

第五，推进包容性制度创新。确保AI红利惠及全体市民。AI带来的效率提升若缺乏再分配与保障机制，可能加剧数字鸿沟与社会分化。决策者应通过技能培训、全民数字素养提升、弱势群体服务保障等制度安排，让不同年龄、不同收入、不同能力的市民共享AI发展红利。

五条建议分别锚定能源、数据、技术、安全与社会五个维度，构成从"硬约束"到"软环境"的政策框架，为城市决策者提供了窗口期的行动指引。

11.3 面向规划实践的转型建议

战略安排最终要落到空间与规划实践。面向城市规划工作者，有三条转型路径值得推进。

第一，将算法规则、数据流动与平台机制纳入空间规划分析与管控体系。传统规划以用地、交通、设施等物质要素为对象；人工智能时代，算法规则正在重塑空间的生产与组织逻辑[41][42]。规划编制应将数据要素流动、算力设施布局与智能平台运行纳入空间分析框架，将算法影响评估作为规划管控的新维度。

第二，构建面向AI影响的空间监测与评估指标体系。随着自动驾驶、无人配送、低空物流等应用重构道路、停车与仓配空间[41][42]，规划部门亟需建立面向AI影响的空间监测指标，动态评估AI应用对土地利用、职住关系与公共空间使用的影响，为规划修编与空间治理提供证据支撑。

第三，结合多智能体模拟与生成式模型预测空间演化趋势。中国数字孪生城市市场规模2024年达337亿元[51]，泰伯智库预计2029年前后将突破千亿元[51]，数字孪生与AI仿真为空间演化预测提供了技术工具。规划工作者应运用多智能体模拟与生成式模型，对不同技术路径下的空间演化开展情景推演，为规划决策提供前瞻支撑。

把十大趋势、五条战略建议与三条规划路径综合起来看，窗口期内城市形态重塑的主动权取决于政策选择与制度响应，而方向与路径已然清晰：以人本主宰为根基、以算法辅助为手段、以制度创新为保障，在2026—2030年间完成城市发展方式的系统性跃迁。

第十二章 结论

2026—2030年，人工智能正以系统性方式重构中国城市的经济基础、空间骨架、治理逻辑与社会关系。算力网络的铺展、智能体的上岗、AIGC的内容洪流与全域数字化转型的推进，共同把城市推入从数字化治理向自主化治理跃迁的临界点。全国人工智能核心产业规模2025年预计突破1.2万亿元[4]，截至2025年6月算力总规模达962 EFLOPS[45]，技术底座已经就绪。在这样一个跃迁点上，城市不再只是技术的承载者，更成为算法驱动的进化主体；综合理论建构、实证分析与风险研判，本研究的发现与判断集中在以下几个方面。

12.1 主要研究发现

第一，AI带来城市发展与治理方式的根本性革新。城市运行的"感知—决策—行动"链条正在全环节重构：感知层从静态走向实时全域智能感知，决策层从经验判断转向数据驱动与算法辅助，行动层从人工执行转向智能体自主行动。全国智能算力达782 EFLOPS[46]、同比增长96%[46]，为这一革新提供了算力支撑；其影响已经从单点工具应用扩展到城市运行全过程的组织重构，AI不再只是城市治理的工具性补充，而是重塑城市运行逻辑的根本性力量，城市治理正由数字化迈向自主化治理的范式跃迁。

第二，AI正全方位重塑城市六大核心形态。经济形态从要素堆叠转向模型驱动，空间形态从道路圈层转向"算力—数据—绿电"网络，治理形态从经验管理转向证据与流程管理，社会形态从岗位划分转向任务重组，文化形态从稀缺供给转向生成丰裕，治理模式从事后纠偏转向前置预防与透明合规[40]。六大维度的重塑相互交织、同步演进，构成城市形态的系统性变革，而非单一领域的局部调整。

第三，城市生命周期由线性演进转入算法迭代周期。传统城市形态以百年为尺度线性演进，AI时代城市更新周期被压缩为以算法迭代为单位的短周期；数字孪生与城市大模型使城市能够"先仿真、后实施"[51]，城市规划从"蓝图式"走向"迭代式"，城市运行从静态维护走向动态进化。城市更新的对象不再仅是物质空间，更包括数据空间与算法规则；城市体检、数字孪生与AI仿真相互贯通，使城市演进进入可预测、可干预、可迭代的新阶段。

第四，AI对城市空间的影响由局部嵌入走向系统重构。从单点智能设施到算力枢纽、从自动驾驶到低空经济，AI应用正从局部嵌入走向对空间组织逻辑的系统重构，"以路定城"逐步转向"以算定城"[41][42]，空间竞争的逻辑与城市骨架的构成正在发生根本改变。这种重构既是物理空间的，也是组织逻辑的——从规划编制、建设实施到运营维护，空间治理的全过程都将被算法重新定义。

第五，五大系统性挑战亟需制度创新与治理转型。算力能源双重约束、数据信任危机、数字主权脆弱、智能化级联风险与社会契约重构压力[40]，构成AI重塑城市形态过程中的伴生风险。这些挑战本质上不是技术问题，而是治理问题，考验的是城市以制度创新驾驭技术变革的能力，亟需以能源闭环设计、数据主权立法、多元云架构、韧性标准与包容性制度创新加以系统性回应。

12.2 "十五五"时期城市形态演变的核心判断

第一，2026-2030年是AI深度嵌入城市系统、重塑城市形态的关键窗口期。"十五五"规划建议提出全面实施"人工智能+"行动、加快人工智能等数智技术创新、抢占人工智能产业应用制高点[21]；国务院《关于深入实施"人工智能+"行动的意见》进一步明确，到2030年新一代智能终端、智能体普及率超90%[20]。窗口期内完成制度、能力与基础设施建设，城市就能在形态重塑中占据主动；错失窗口期，则可能在新一轮竞争中陷入被动调整。这一窗口期的判断，正是本研究所要强化的核心时间坐标。

第二，城市竞争从"规模竞赛"转向"算法竞赛"与"算力竞赛"。城市间的竞争焦点正从土地、人口等传统要素转向算法、算力与数据：北京亦庄2030年AI核心产业规模力争突破2000亿元[24]、算力规模达10万P[24]，成都2027年核心产业规模突破2600亿元[26]，上海推进量子城市空间智能建设[31]。算法能力与算力规模成为决定城市位势的关键变量，数据要素的流动效率将深刻影响城市资源配置的边际效果。

第三，"人本主宰、算法辅助"成为AI时代城市治理的核心理念。智能体承担流程化、标准化任务，人类负责价值判断与最终决策，人机共治成为治理新常态；治理的透明性、可解释性与问责机制，将在"人本主宰"的原则下持续完善，确保技术始终服务于人的全面发展。

第四，中国城市在AI赋能城市治理方面已走在全球前列，但仍需应对系统性挑战。亦庄、上海、成都、无锡等城市已形成各具特色的实践图谱[24][31][26][29]，为全球城市治理提供了中国方案；但算力能源约束、数据信任、数字主权等问题同样突出，亟需在窗口期内以制度创新加以破解，方能将先发优势转化为持久竞争力。

12.3 研究局限与未来方向

其一，AI技术快速演进带来的不确定性。大模型、智能体等技术仍在快速迭代，未来可能出现超越当前研判框架的技术突破，本研究所作的趋势判断需要随技术演进持续修正，保持开放与动态更新的研究姿态。

其二，不同规模、不同区域城市的差异化路径有待深化。本研究以全国总体趋势与典型城市案例为主要对象，超大特大城市与中小城市、东部与中西部城市在AI重塑下的差异化演进路径，需要更系统、更精细的实证研究加以刻画，以支撑分类施策。

其三，AI伦理与治理框架需要持续完善。算法透明、数据权益、责任归属、算法偏见等伦理与治理议题将长期存在，建立动态演进、多方参与的治理框架，是未来研究与实践的共同课题。

2026—2030年是决定中国城市未来数十年位势的关键窗口期。面对城市形态的深刻重塑，唯有坚持以人本主宰为根基、以算法辅助为手段、以制度创新为保障，在窗口期内完成城市发展方式的系统性跃迁，方能赢得城市未来。这是本研究的核心判断，也是对未来十年中国城市发展的总体展望。

查看完整版 / 在线阅读本报告 →