北京
8月26日消息，商业与技术洞察公司Gartner最新发布的《2026中国智慧城市和可持续发展技术成熟度曲线》显示，智能化和绿色发展不再是两条平行的轨道，而是成为一条相互交织、由数据驱动的轨迹，共同构成中国新质生产力的主要关键绩效指标（KPI）。传统数字化侧重于数据收集，而在中国智能化战略的推动下，下一阶段的发展重点则放在自主推理和韧性上。
Gartner研究副总裁相斌斌表示，与2025年相比，今年技术成熟度曲线比较重要的变化主要集中在“技术萌芽期”，尤其是对AI相关技术进行了进一步细化。2025年关注的生成式AI、AI智能体等偏通用型方向，今年进一步细化为城市大模型、城市级生成式AI平台、领域特定型AI智能体等。
在相斌斌看来，这一变化背后，是人工智能在城市中的应用正在从零散的单点实验，向系统性的价值落地发生根本性转变。
“未来智慧城市在人工智能技术上的应用，我觉得很重要的一个大方向就是集约化，以及领域特定型。”相斌斌表示，通过集约化的平台能力，支持特定领域的落地，将成为未来智慧城市AI应用的重要方向。
首先是模型正在从通用走向领域特定。相斌斌认为，通用型大模型在复杂城市设计、三维城市信息模型以及地方性法律法规等实际应用中，存在明显的“语义盲区”。因此，真正进入各个智慧城市治理应用后，大模型需要基于行业语义进行微调，或者直接利用行业数据训练。
以城市大模型为例，其定位就是领域特定的基础模型，通过整合卫星图像、传感器日志、行政记录等城市特定数据进行训练，可以更好地用于空间推理、土地利用、应急响应等场景，推动城市管理从相对被动的指标监测，转向更主动的多维度智能推理。
其次，AI智能体也在从“通用多面手”走向“领域专家”。相斌斌表示，基于通用大模型的AI智能体仍存在幻觉问题，在实际应用中会产生信任问题。因此，2026年的技术成熟度曲线将其进一步转向领域特定型AI智能体。
在相斌斌看来，智慧城市需要多样化的AI智能体匹配不同任务。这些智能体需要通过专属词汇、数据架构、行业规则以及标准操作流程进行工作流编码，从而更好地解决逻辑错误和幻觉问题。
这种变化也意味着，AI智能体的角色将不再只是助手或者自动问答机器人，而是深入特定领域、执行特定工作流程的“数字化专家”。与此同时，厂商的价值主张也可能从销售传统SaaS或生产力工具，转向销售工作成果，衡量标准也从“解答多少问题、替代多少员工”，转向真实评估AI Agent在实际工作流中的工作成果，并由此推动基于结果的定价模式兴起。
第三个变化发生在城市AI的顶层架构。相斌斌认为，未来AI在城市中的应用将从离散的部门级试点，转向更集约化的城市公共基础设施。城市级生成式AI平台承担的正是这一底层基础设施角色。
“它不做应用，它是做底层的Orchestration，我们所谓的智能编排层。”相斌斌表示，该平台提供大模型、多模态以及Agent开发等能力，各个部门需要的底层能力可以统一由平台承载，将离散的AI能力和工具转变为统一的模型即服务框架，由不同部门调用。
这背后也与早期AI应用暴露出的问题有关。相斌斌提到，此前智慧城市对生成式AI的应用更多聚焦于不同场景下的离散尝试，但在这一过程中出现了部门技能缺乏、预算收紧、技术碎片化以及AI治理难度等问题。集约化平台可以减少各部门从零开始构建能力带来的孤岛式重复建设，同时增强城市AI治理能力。
伴随AI应用规模扩大，另一个无法回避的问题是算力与电力。
相斌斌认为，“算电协同”已经不再只是节能减排倡议，而是重构数字经济基础设施成本结构以及电网稳定性的核心战略。对于城市而言，它不仅关系到降低排放，还关系到未来AI驱动的数字经济成本，以及在AI高耗电情况下如何确保其他经济活动稳定的电力输出。
相斌斌表示，越来越多城市会通过“东数西算”节点，将相对繁重的高性能计算以及部分领域特定型模型训练，转移到绿电资源较为丰富的西部地区，以平衡AI算力和绿色目标之间的矛盾。
在企业如何寻找AI落地机会的问题上，相斌斌也给出了一个更直接的判断：如果企业只是希望探索和尝试AI智能体，可以从通用型AI智能体切入；但如果特别看重投资后的ROI，“那我觉得一定要从一个领域特定型的智能体开始”。
从城市大模型到领域特定型AI智能体，再到城市级生成式AI平台，相斌斌对于2026年智慧城市AI变化的判断指向了同一方向：AI正在从通用化、离散化的尝试，进一步走向领域特定型与集约化落地。(定西)
