国际城市观察｜人工智能给城市发展带来五大挑战

人工智能正以前所未有的深度渗透城市运行体系之中，实现城市从基础设施到社会治理系统的全面重塑。在技术的强大赋能背后，算力与能源的硬瓶颈、数据治理的信任危机、平台依赖的数字主权脆弱性、智能化系统的连锁风险，以及社会契约的重构压力，也构成城市发展面临的多维挑战。城市的智能化转型需要高度关注上述五大结构性张力，进而将技术约束转化为可持续增长的新动力，筑牢城市韧性底线。

1. 算力—能源双重约束升级为城市发展的硬瓶颈

AI的算力饥渴将能源从辅助要素升格为城市发展的核心硬约束：训练一个大型语言模型的碳足迹相当于5辆汽车终身排放，全球数据中心用电预计到2030年将翻倍至945太瓦时，40%以上的增量是用于AI运算。这一双重约束源于算力基础设施的指数扩张与能源系统的线性供给：一个数据中心年耗电相当于中型城市总需求，热排放达数百万吨二氧化碳，若绿电比例不足30%、余热回收率低于50%，将引发高成本、高污染与电网拥堵的恶性循环，拖累城市从智能转型向低碳目标的战略落地。更深层而言，这一瓶颈将放大城市的脆弱性：在气候极端事件频发的背景下，AI依赖的能源链条易成“单点失效”源头，2022年伦敦热浪导致Google & Oracle数据中心出现冷却故障而停机，成为国际组织引用最多的“热浪导致数据中心单点失败”的案例。城市需通过绿电锁定、热回收链与AI调度融合破解这一悖论，将约束转化为可持续增长的催化剂：例如，AI优化负载预测可减冗余20%，热泵回收则将废热转化为城市供暖资源，形成“算力产热—热网再用”的闭环生态，从而在能源双刃剑中铸就韧性缓冲。

从全球实践看，算力—能源的耦合已经在现实中演变成制约AI基础设施扩张的刚性红线，而不是可以事后“补一补”的技术细节。在美国，数据中心高度集中的地区最早撞上这道“看不见的墙”。Pew Research Center的分析显示，北弗吉尼亚等“数据中心走廊”区域负荷增长已经明显快于电网扩容节奏，局部电网长期满负荷运行，新项目排队等待并网、输电线路改造的周期不断拉长，电力系统不再是“默默支撑”的后台，而是左右AI项目落地速度的前台约束条件。在欧洲，约束更多体现在“必须接入城市能源系统规则”的制度层面。斯德哥尔摩通过Data Parks项目将多家数据中心明确纳入城市供热系统规划：新建和扩建项目在获得许可时就被要求预留与区域热网对接的接口，并在技术上具备把废热回收、提质后输送进城市热网的能力。如果只“用电制冷、不回热上网”，项目在规划和商业上都难以通过。在这一逻辑下，数据中心不再是单一企业资产，而是被当作电力与供热系统中的受管制节点，其能否扩张，要看是否“挤占”城市能耗预算、是否为系统减碳作出贡献。任何忽视电网承载、绿电供给和热回收机制的“算力扩张”，都会在现实中撞上审批、容量和成本的三重天花板。

2. 数据治理与公众信任成为数字社会的底线考验

AI运行依赖海量数据，但数据质量低劣、隐私泄露与算法偏差将侵蚀公众信任，将技术赋能转化为社会抵触的放大器：全球AI系统年处理数据超2ZB，其中30%因治理缺失引发偏差，2025年城市AI投诉率升15%。这一考验源于数据生态的碎片化与信任链的脆弱性：未经审计的数据易生偏见（如种族歧视算法），过度采集侵蚀隐私，透明缺失放大认知风险。更深层而言，这一底线考验放大城市社会裂痕：在多元文化都市，偏差算法可加剧社区分化，2025年全球数据泄露事件影响5亿用户，城市信任指数降12%。城市需通过标准制定、隐私强化与偏差审计的治理闭环化解：例如，差分隐私技术模糊敏感信息，定期审计嵌入反馈机制，形成自愈信任体系，从而将挑战转化为数字社会的底线保障。

全球城市数据治理失误已引发信任危机，但也催生普适框架，显著提升AI部署的公信力与可持续性。例如，荷兰的SyRI系统因不透明数据采集与偏差嵌入福利算法，2020年遭法院叫停，2025年后续调查显示影响10万低收入家庭，引发全国数据保护改革。欧盟《数据治理强化指令》以此为鉴，强制城市AI系统嵌入“透明审计”模块，覆盖巴黎与罗马等20个城市，有助于提升政府算法使用的可解释度和公众信任度。美国芝加哥对CIOMPAS算法的再审视表明，若缺乏持续审计和公平性评估，风险模型可能进一步放大刑事司法AI的种族偏见，推动2025年《城市AI公平法》出台，目前洛杉矶等城市已经部署嵌入偏差检测工具，普查率不断提高。展望趋势，数据治理将由被动响应向主动赋权演化：数据标准立法化，隐私保护技术知识普及，审计从年度转向季度并嵌入公众平台，反馈通过App互动放大信任，这些维度将AI从信任陷阱转化为治理基石，实现城市治理的高效与公平统一。

3. 平台依赖引发技术锁定与数字主权脆弱性

城市对少数科技巨头的AI平台依赖（如云服务与预训练模型）将技术锁定从单一风险放大为数字主权危机：全球80%城市AI基础设施依赖AWS或Azure等平台工具，2025年供应链中断风险升30%，断供则可能使城市交通与医疗瘫痪。这一脆弱性源于数据控制外流与算法黑箱：平台涨价或地缘冲突可致服务中断，数据流失威胁主权，锁定效应抑制本土创新。更深层而言，这一危机将放大城市地缘风险：在科技摩擦加剧的背景下，依赖外国平台可能冒数据主权流失风险，2025年全球平台故障事件影响50个城市，经济损失超2000亿美元。城市需通过多元化供应商、开源迁移与主权政策化解：例如，以联邦云架构分散风险，用数据本地化法确保控制权，从而将平台依赖转化为自主生态。

在实践上，全球越来越多的政府和城市已经不再把对少数大厂云服务与AI平台的依赖，仅仅视为技术或成本问题，而是开始把它当作数字主权与系统性风险来审视。

首先，在国家和大城市层面，平台集中正被明确视为“单点依赖”的安全隐患，地缘紧张局势正显著放大这种忧虑。欧洲的“数字主权”议程给出了较为清晰的城市层面回应：欧洲一批国家和城市开始推动“主权云”“欧盟云认证”“本地加密协作平台”等方案，通过数据本地存储、欧洲法域控制、多云架构与开源组件组合，降低对单一国外平台的结构性依赖。在布鲁塞尔、柏林等城市，公共部门新上云项目普遍需要证明其数据主权与可迁移性，而不再默认“全部上某一家超大规模云”。

其次，真实的云故障事件让“平台单点失效”的风险从抽象讨论变成眼前警钟。2025年6月，Google Cloud的一次重大故障导致多个核心云服务长时间中断，全球范围内大量依赖该平台的应用（包括通信、协作和后台服务）出现服务不可用，Google自身的事故通报与独立分析都确认，这是单一云平台内部一个策略配置错误导致的级联失效。尽管公开报道并未具体点名受影响的城市系统，但事件本身足以说明：当关键政务、交通、医疗或应急系统过度绑定于单一云和API时，一次平台级故障就可能在多城、多领域同时引发连锁反应，城市治理在关键时刻将陷入“等平台恢复”的被动状态。

4. 智能化系统性风险冲击城市韧性

AI驱动的城市系统高度互联，将级联风险从局部放大为系统性冲击：电网故障可波及交通医疗，2025年全球AI中断事件升20%，损失超5000亿美元。这一冲击源于互联脆弱与恢复滞后：单一节点崩溃引发雪球效应，缺乏冗余设计放大灾害。更深层而言，这一风险将放大城市脆弱链条：在极端天气频发的背景下，AI优化系统易成“放大镜”，2025年欧洲洪水灾害导致AI交通系统连锁瘫痪，影响200万居民，经济损失150亿欧元。城市需通过备份冗余、演练模拟与快速恢复机制化解：如制定AI故障切换协议，进行跨系统相关演练等。

随着AI驱动的城市基础设施高度互联，系统性风险已成为全球城市韧性的“新短板”。各国正在通过事件教训与制度革新，将“智能脆弱性”转化为“韧性设计”的新标准。2021年美国德克萨斯州电网危机揭示了智能调度系统的双刃效应。原本用于预测负荷、动态优化供电的AI算法在极端寒潮中因输入数据异常与模型反馈延迟导致误判，触发连锁停电，影响百万级家庭和工业用户。2025年，美国联邦能源监管委员会（FERC）据此发布《增强电网可靠性的行动计划》，提出建立“AI韧性标准”。在休斯顿等试点城市，电网恢复时间据此缩短近半，标志着从事后应急向“系统自愈”的治理跃迁。类似的“系统防御化”趋势也在其他地区蔓延：欧洲环境署（EEA）在其2025年报告中指出，欧洲城市在面对洪水、热浪等极端事件时，AI调度系统若缺乏应急切换机制，可能放大而非减轻灾害影响，建议各成员国城市在基础设施规划中建立AI风险审查与恢复协议。麦肯锡的研究进一步估算：AI系统失灵所致的系统性中断可造成城市GDP年损失2%–5%，但通过制度化的韧性框架与快速恢复算法，可提升关键基础设施恢复力约25%。

5. 社会契约面临重构压力

AI将重塑城市就业、收入分配与代际关系，使原本相对稳定的社会契约面临从“均衡状态”滑向“不平等放大器”的风险。IMF基于多国微观数据的估计显示，约40%的全球就业岗位在任务层面暴露于AI技术，在发达经济体这一比例接近60%，且暴露程度随技能和收入显著上升——高收入、高技能岗位更容易被AI重塑，处于底部的低技能劳动者则更难通过技能升级分享同等红利。由于高技能者获得更多“技能溢价”和资本回报，而老年人、低教育群体和部分移民群体在再就业和收入保障上更易被边缘化，因此AI采用会显著提高收入和财富集中度，从而放大代际冲突和阶层撕裂。在此背景下，城市需要通过再培训、收入支持与分配制度创新，重构面向AI时代的社会契约：一方面，把面向老年人和低技能劳动者的终身学习、转岗培训和就业服务视为“基础设施”，降低其被技术边缘化的概率；另一方面，可以利用AI工具对不同税收与转移支付方案（包括累进税制优化、负所得税或全民基本收入等）进行情景模拟和分配效果评估，在财政可承受的边界内尽可能提升对脆弱群体的托底力度。

在此背景下，“社会契约面临重构压力”并不只是抽象判断，而已在部分城市实践中被具体化为新的制度安排。一类路径是用“高流动＋高保障”的制度承接技术冲击，比如哥本哈根所在的丹麦，在原有“灵活安全”框架上叠加了数字与AI维度：一方面，集体谈判协议中把“因技术变革导致岗位调整时有权获得带薪再培训”“雇主和国家共同出资的职业转换账户”等内容写入硬性条款；另一方面，通过“工作轮换计划”“短工＋培训”模式，为被自动化挤压的中年工人提供有收入、有保障的过渡期。这里的“契约”不再只是市场自行调节，而是以法律和三方协商的形式承认：在AI加速带来的岗位流动中，劳动者享有“被安全地重新安排”的权利。另一类路径则强调权利、参与与再分配的组合。巴塞罗那通过《数字权利宪章》和“城市数据公地”等举措，把居民对数据使用、算法透明和公共决策参与写入城市治理规则；同时，城市在最低收入保障和住房支持上引入更精细化的数字工具，对不同收入和家庭结构进行模拟，以争取在预算约束下达到更高的公平度。多伦多等城市则在就业保险和社会救助制度中专门增加了面向平台劳动者、短期合同工和被自动化影响工种的“过渡支持条款”，并通过与社区组织合作，为这些群体配套法律咨询、心理辅导和再就业服务。

从这些实践可以看出，“新的社会契约”不再只是传统意义上的“多给一点福利”，而是在三个层面上叠加发力：一是把在AI冲击下获得再培训和体面转岗的权利制度化，而不是靠个别项目“救火”；二是通过算法透明、申诉权和公众参与，把技术部署纳入可讨论、可纠偏的公共程序；三是利用AI做更精细的再分配模拟，在财政边界之内最大限度地托底脆弱群体。

也正是在这种意义上，AI既可能成为不平等的放大器，也可能在新的制度设计中被反过来“驯化”为重构城市社会契约、提升韧性与公平的重要工具。

(本文来自《国际城市发展报告（2026）》总报告，本文基于国际组织、全球智库、全球性企业和各国政府部门发布的关于人工智能与城市治理的相关论文、分析报告、法规文件、案例资料，通过机制剖析，系统分析人工智能对城市发展和治理带来的系统性、结构性和颠覆性重塑。大语言模型参与了文本的主题的分类和内容结构化整理。)

来源：《国际城市蓝皮书（2026）》研究组林兰 屠启宇 苏明亮