
通信世界网消息(CWW)进入21世纪20年代后,全球城市数字化、智能化进程显著提速,传统以物理空间改造为主的城市更新模式已难以应对日益复杂的挑战;而“城市数字更新”作为一种新兴的范式,试图从数据出发,借助数字化手段推动城市治理方式、服务体系等的变革与重构。近年来,以大语言模型(LLMs)和生成式AI(Generative AI)等为代表的人工智能技术实现了跨越式发展,其强大的数据处理、知识推理和内容生成能力,为城市数字更新提供了强劲且高效的引擎。如今,人工智能不仅是提高效率的工具,还逐渐成为构筑城市运行底座、驱动治理范式变革的关键生产力。
城市数字更新的内涵与AI驱动的新范式
内涵:从传统更新到数字更新的演变
现阶段,城市更新已从传统意义上的物质空间改善,演进到以内涵式发展为特征的“数字更新”阶段。传统意义上的城市更新侧重建筑改造、基础设施修补等“硬件”升级,而数字更新则是具有深远意义的“软件”变革。2025年5月,中共中央办公厅、国务院办公厅印发的《关于持续推进城市更新行动的意见》明确提出打造宜居、韧性、智慧城市,这意味着数字化、智能化已成为城市更新的时代命题。而此前国家发展改革委、国家数据局等四部门联合印发的《关于深化智慧城市发展 推进城市全域数字化转型的指导意见》(以下简称“指导意见”),强调“整体性重塑智慧城市技术架构、系统性变革城市管理流程、一体化推动产城深度融合”,这不仅是城市数字更新的顶层设计,也为产业实践指明了路径。城市数字更新的重点在于充分利用数据要素,并通过AI、大数据、物联网等先进技术,实现对城市运行的全面感知、智能分析和精准决策,从而推动城市治理从“经验驱动”向“数据驱动”“知识驱动”升级。
AI城市:城市数字更新的理想形态
目前,智慧城市建设正经历从“IT城市”向“AI城市”的范式转变,AI城市成为未来智慧城市的愿景目标。国家信息中心与华为公司共同发布的《AI CITY发展研究报告——“人工智能+”时代的智慧城市发展范式创新》指出,AI城市是“AI原生”的智慧城市,AI不是简单的加法,而是作为一条主线贯穿城市的技术体系、应用需求和产业发展中。
区别于传统智慧城市建设以数据融合和系统对接为主导的方式,AI城市的底层逻辑变为“模型+知识”的智能驱动,即打造“自感知、自适应、自决策、自控制、自组织、自学习”的城市智能体(Urban Intelligent Agent)。城市智能体可通过训练城市大模型集成多维度的知识体系,并将分散的应用和服务汇聚到统一的交互界面,从而具备更强大、更精准的复杂决策和执行能力。AI城市的建设标志着城市数字更新从解决单一领域问题,迈向跨领域、通用化、系统性解决复杂城市问题的更高阶段。
数字孪生:虚实共生的更新底座
AI城市的实现离不开数字孪生城市(Urban Digital Twin,UDT),它可以为AI城市提供关键的虚实共生底座。数字孪生通过构建物理城市的虚拟镜像,结合物联网传感器采集的实时数据、历史记录和模型预测等多模态数据,实现对城市交通、能源、建筑、基础设施等各类子系统的动态模拟、监测和迭代优化。它既是城市可视化的模型,也是一个可以模拟推演、反复打磨的“试验场”。指导意见提出因地制宜探索开展数字孪生城市建设,推动虚实共生的数字孪生场景落地。而AI技术是激活数字孪生潜能的关键,AI算法在数字孪生平台中可处理和分析海量的多源异构数据,开展态势深度感知并对趋势作出预测。更重要的是,生成式AI等前沿技术能够辅助数字孪生自动生成高保真的三维模型、丰富的模拟场景和成熟的设计规划方案,极大提升数字孪生在城市规划、应急管理和协同治理等过程中的效率,使其成为城市数字更新的重要数字底座。
核心技术引擎:生成式AI与大模型的应用
生成式AI与大语言模型的崛起,为城市数字更新提供了强大的技术引擎,它们在数据生成、三维建模、人机交互等领域展现出革命性的潜力。
生成式AI在城市数据与场景构建中的作用
城市数字更新离不开高质量数据的支撑,但在交通、能源、环境等领域均存在数据匮乏、隐私限制等问题,而生成式AI可以有效解决这一难题。首先,采用生成对抗网络(GANs)、变分自编码器(VAEs)等技术实现数据增强,产生时空分辨率更高且更具多样性的训练数据以提升交通流量预测、楼宇能耗管理等模型的鲁棒性。其次,生成式AI能够生成全新的合成数据(Synthetic Data),以构造“假设性场景”(What-if Scenarios),如城市规划中的不同土地利用方案对交通和环境的影响仿真,或在应急管理中针对极端天气事件的城市应急反应推演等,城市管理者可以据此在数字孪生世界中对方案进行低成本、低风险的试错和完善。
AI驱动的三维城市建模与可视化
高保真三维城市模型为数字孪生及可视化决策提供基础,但传统建模方法成本高、效率低,AI尤其是生成式AI技术,正在将这一处理过程自动化。GANs和扩散模型(Diffusion Models)等技术可基于卫星影像、街景图片甚至是单张图片进行高质量三维建筑物、道路场景及城市全景建模。例如,FrankenGAN模型框架可以自动在粗糙的建筑体量模型上补充细致的几何及纹理信息,快速生成大范围风格统一的城市场景。神经辐射场(NeRF)和3D高斯溅射(3DGS)等基于多个二维视角图像创建连续三维场景的技术,可极大提升城市数字更新的真实感。这些技术不仅加速了数字孪生城市的构建,也为公众参与式规划、沉浸式体验等应用场景创造了新的想象空间。此外,通过AI驱动的可视化平台,城市的人口、经济、安全等多维数据可以汇集在统一的城市三维模型上,真正实现了对城市运行特征的“一屏统览”,从而提高城市治理决策水平。
城市大模型:重构治理与服务交互平台
大语言模型深刻地影响着人与城市信息系统的交互方式,推动城市服务实现从“人找服务”到“服务找人”的智能化转型。以大模型为基础支撑的城市智能体或“数字人”,可通过对市民需求进行自然语言处理来提供个性化、一站式的政务服务体验。例如,武汉市利用城市运行智能体,将12345热线工单处理时长从10分钟缩短至0.5分钟,市民满意度大幅提高。
在城市治理层面,大模型能够整合来自交通、应急、环保等业务系统的海量异构数据,并对这些数据进行智能清洗、关联分析与知识挖掘,进而构建“城市知识库”,便于决策者快速获取跨部门、跨领域的分析报告及管理决策支持。例如,深圳南山区的产业智能体能够自动生成关于产业链强链补链的专题研究报告,精准服务产业发展决策。这种以大模型为核心的交互模式,正在将过去分散、复杂的城市应用系统,重构为一个统一、便捷的智能交互平台。
AI赋能城市数字更新的多元应用场景
AI技术已渗透到城市数字更新的各个层面,从宏观的规划治理到微观的民生服务,催生了一系列极具创新性的应用场景,提升了城市的运行效率、安全韧性和宜居品质。
精准化城市治理与应急响应
AI助推城市治理从被动响应向主动预警、精准处置转变。在“一网统管”的应用场景中,AI算法能够对海量的城市运行数据进行实时智能计算,实现对问题的自动发现。例如,在广州白云区的智慧城管体系中,AI视频分析系统会自动识别出店经营、垃圾暴露等问题,同时生成工单派发给网格员并实现全流程闭环管理。
在应急响应方面,AI与数字孪生结合能够实现对自然灾害的智能预测与联动防控。例如,在防汛场景中,AI大模型基于气象、水位等各类信息,动态生成洪涝风险热力图,并在发现险情后自动触发应急预案,智能引导交警、排水、应急等部门快速响应、联合作战,处置效率可提升50%以上。这种全域物联感知、数据智能融合、可视化决策指挥、智能联动响应的四位一体“智慧大脑”架构,成为现代城市治理的“神经中枢”。
智能化交通与能源管理
交通和能源是城市更新的关键领域,而AI的应用可显著提升其运行效率。在智能交通领域,AI通过分析实时车流数据实现对信号灯的自适应控制,从而有效缓解拥堵,实践证明可将高峰时段的道路通行效率提升25%以上;AI还能通过视频智能分析系统监测和快速定位交通事故,自动向有关部门发送警报,并制定交通疏导方案避免“二次堵塞”。在能源管理方面,AI逐渐成为推动城市能源效率提升和绿色转型的重要力量,相关研究发现,AI能促进绿色技术进步和产业结构优化升级,对城市能源效率产生明显的正向影响。在建筑运维层面,基于大语言模型的智能控制系统能够有效减少暖通空调的能耗,在保证室内舒适度的前提下实现节能增效。
人本化城市规划与公共服务
AI技术使城市规划与公共服务更加贴近人的需求,做到“以人为本”。在城市规划设计方面,没有专业背景的市民可利用生成式AI工具(如Urban-GAN)参与城市设计,在简单的交互后便可得到专业级的城市街区、公园的设计方案,这种参与方式使城市规划更加民主。AI还能将人类感知信息融入数字孪生模型中,用以预测不同环境下社区凝聚力、大众审美取向等社会性因素的变化,从而设计出更能引起情感共鸣的城市空间。
此外,在公共服务领域,AI赋能的“一网通办”正在从“能办”向“好办、智办”升级。广州基于“穗好办”平台,推出“政务AI智办”模式,做到企业开业当天审结;北京则运用大模型赋能预约挂号平台,实现智能导诊和报告解读等功能,解决市民看病难等问题。这些实践均体现了AI技术在提升城市人居品质和人民幸福感方面的巨大价值。
挑战、治理与未来展望
尽管AI赋能城市数字更新前景广阔,但在规模化落地中仍面临技术、伦理和治理等方面的诸多难题。
面临的挑战与风险
当前,AI在城市数字更新中的应用面临着一系列挑战。其一,数据层面存在的“数据孤岛”、数据质量参差不齐、数据共享机制不健全等问题降低了AI模型训练的有效性。其二,在技术与系统安全层面,AI模型(尤其是深度学习模型)具有一定的“黑箱”特征,其内部的推理过程、特征权重传递、决策逻辑等难以被追溯、解释和验证,而决策过程的不透明可能引发信任危机;AI系统中的安全漏洞、隐私信息泄露,以及生成式AI带来的虚假信息、内容偏见等问题,都将对城市的安全构成潜在威胁。其三,在技术伦理、社会责任担当层面,AI的应用可能会造成算法歧视,加深“数字鸿沟”并对就业结构产生冲击。因此,如何确保AI应用的公平性、包容性和透明度,无疑是城市管理者必须妥善应对的问题。
协同治理框架的构建
针对上述挑战,各国应当构建一个由政府、企业、科研机构和公众等多元主体参与的协同治理框架。目前,中国已在国家层面出台一系列政策法规,如国家网信办等7部门于2023年8月颁布的《生成式人工智能服务管理暂行办法》提出“包容审慎、分类分级”的监管原则,并划出了“备案—标识—可追溯”的监管基线。在国际上,新加坡的AI治理模式为国际社会提供了有益的借鉴,该国通过发布《示范性人工智能治理框架》、设立AI Verify基金会等方式,倡导行业自律和技术工具验证,在推动创新的同时走出了一条以“准规制”(quasi-regulatory)确保安全可信的“软法”路线。实践证明,构建良性治理机制,需要在法律法规、伦理准则、技术标准和公众参与等多个层面协同发力,如设立AI伦理审查委员会、鼓励开展算法影响评估、通过“沙盒监管”方式为技术创新提供安全实验空间等。
未来展望:迈向人机协同的智慧城市
展望未来,AI赋能的城市数字更新将朝着更加智能化、人本化和可持续的方向演进。在技术层面,AI将从辅助工具逐步演变为城市数字架构的基础设施,形成“模型即服务”(MaaS)的新范式,广义智能将像水电一样,成为公共基础资源。在应用层面,AI将更深层次地融入城市全生命周期管理中,助力实现“规划设计—建设施工—运营管理—设施维护”全流程智能优化;城市智能体将成为市民、管理者与城市交互的主要入口,并提供无处不在、无微不至的个性化服务。在治理层面,虽然AI作为强大的辅助决策工具,可提供数据洞察和方案模拟等支撑,但最终的价值判断和决策制定仍然由人掌控;在人机协同成为城市决策主流模式的同时,还应当通过公众的广泛参与确保决策的民主性与公平性。
最终,AI赋能之下的城市数字更新必将塑造一个技术与人文深度融合、效率与公平和谐统一、发展与安全统筹兼顾的现代化城市,让每位居民都拥有美好的城市生活。
盛达优配提示:文章来自网络,不代表本站观点。