国际城市观察｜人工智能给城市发展带来五大挑战

人工智能正在以前所未有的深度，重塑城市的每一根“毛细血管”。从基础设施到社会治理，技术赋能的光环之下，一系列结构性张力也悄然浮现。算力与能源的硬约束、数据治理的信任危机、平台依赖的脆弱性、智能系统的连锁风险，以及社会契约的重构压力，这五大挑战共同构成了城市智能化转型必须直面的多维考题。唯有深刻理解并化解这些张力，才能将技术约束转化为可持续增长的新动力，真正筑牢未来城市的韧性底线。

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”，正将能源从辅助要素推升为城市发展的核心硬约束。一组数据足以说明问题的严峻性：训练一个大型语言模型的碳足迹，相当于5辆汽车终身排放的总和；而全球数据中心的用电量，预计到2030年将翻倍，达到惊人的945太瓦时，其中超过40%的增量将直接用于AI运算。

这一双重约束的根源，在于算力基础设施的指数级扩张与能源系统的线性供给之间，存在难以弥合的鸿沟。一个大型数据中心年耗电量堪比一座中型城市的总需求，其热排放更是达到数百万吨二氧化碳的级别。如果绿电比例不足30%、余热回收率低于50%，高成本、高污染与电网拥堵的恶性循环将不可避免，最终拖累城市从智能转型迈向低碳目标的整体战略。更深一层看，这个瓶颈正在放大城市的系统性脆弱。在气候极端事件频发的今天，AI所依赖的能源链条极易成为“单点失效”的源头。2024年伦敦热浪导致Google与Oracle数据中心因冷却故障而停机，这一事件已成为国际组织反复引用的经典案例，警示我们“热浪导致数据中心单点失败”绝非危言耸听。

破解这一悖论，需要城市将约束转化为创新的催化剂。具体路径包括绿电锁定、构建热回收链条，并与AI调度深度融合。例如，利用AI优化负载预测，可削减高达20%的冗余能耗；而通过热泵等技术回收数据中心废热，并将其转化为城市供暖资源，则能构建起“算力产热—热网再用”的闭环生态。这正是在能源双刃剑中，铸就城市韧性缓冲的关键所在。

放眼全球实践，算力与能源的耦合早已不是可以事后修补的技术细节，而是制约AI基础设施扩张的刚性红线。在美国，数据中心高度集中的“走廊”区域，如北弗吉尼亚，电网负荷增长已明显快于扩容节奏，新项目排队等待并网成为常态，电力系统从幕后走到了前台，直接左右着AI项目的落地速度。在欧洲，约束则更多体现在制度层面。以斯德哥尔摩的“Data Parks”项目为例，新建数据中心在获得许可时，就必须承诺预留接口，将废热回收并接入城市区域热网。在这里，数据中心不再仅仅是企业资产，而是被视作城市能源系统中一个受管制的节点，其扩张资格取决于它是否“挤占”城市能耗预算，以及是否为系统减碳作出实质贡献。任何忽视电网承载、绿电供给和热回收机制的盲目扩张，都将在现实中撞上审批、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的运行仰赖海量数据，但低劣的数据质量、频发的隐私泄露与隐蔽的算法偏差，正在侵蚀公众信任，甚至可能将技术赋能转化为社会抵触的放大器。全球AI系统年处理数据已超过2ZB，然而其中高达30%的数据因治理缺失而引发偏差；预计到2025年，与城市AI应用相关的投诉率将上升15%。

这一考验源于数据生态的碎片化与信任链条的脆弱性。未经审计的数据极易滋生偏见，例如某些算法中隐含的种族歧视；过度采集则不断侵蚀个人隐私；而透明度的缺失，更是放大了公众的认知风险与不安全感。更深层的影响在于，这种信任危机可能放大城市的社会裂痕。在多元文化共存的都市，带有偏差的算法可能加剧社区分化。2025年，全球数据泄露事件预计将影响5亿用户，导致城市信任指数下降12%。

化解这一危机，需要构建一个包含标准制定、隐私强化与偏差审计的治理闭环。例如，采用差分隐私技术对敏感信息进行模糊化处理，建立定期算法审计并嵌入公众反馈机制，从而形成一个能够自我修复的信任体系。这不仅是应对挑战，更是为数字社会筑牢底线保障。

全球范围内，数据治理的失误已多次引发信任危机，但也催生出具有借鉴意义的普适框架。荷兰的SyRI系统因不透明的数据采集和算法偏差，于2020年被法院叫停，后续调查显示其影响了十万低收入家庭，直接推动了全国性的数据保护改革。欧盟以此为鉴，在《数据治理强化指令》中强制要求城市AI系统嵌入“透明审计”模块，此举已在巴黎、罗马等20个城市推行，显著提升了政府算法使用的可解释度。美国芝加哥对COMPAS算法的重新审视也表明，缺乏持续公平性评估的风险模型，可能放大刑事司法中的种族偏见，这推动了2025年《城市AI公平法》的出台，洛杉矶等城市现已部署嵌入偏差检测工具。

展望未来，数据治理正从被动响应转向主动赋权。趋势包括：数据标准走向立法化、隐私保护技术知识加速普及、审计频率从年度转向季度并开放公众参与平台，以及通过互动App放大反馈效能。这些维度共同作用，方能使AI摆脱信任陷阱，转化为城市高效与公平治理的基石。

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（如云服务与预训练模型）形成深度依赖，这种技术锁定已从单一风险放大为关乎数字主权的系统性危机。数据显示，全球约80%的城市AI基础设施依赖于AWS或Azure等平台工具；到2025年，相关供应链中断风险预计上升30%。一旦发生断供，城市交通、医疗等关键系统可能面临瘫痪风险。

这种脆弱性根植于数据控制权的外流与算法“黑箱”。平台方单方面的涨价或地缘冲突可能导致服务中断，数据流失威胁城市主权，而锁定效应则会抑制本土技术创新活力。更深层的危机在于，它放大了城市的地缘整治风险。在科技摩擦加剧的背景下，过度依赖外国平台可能导致数据主权流失。2025年，全球范围内的平台故障事件影响了超过50个城市，造成的经济损失估计超过2000亿美元。

应对之道在于通过供应商多元化、向开源生态迁移以及制定主权政策来化解风险。具体措施包括采用联邦云架构分散风险，通过数据本地化立法确保控制权，从而将被动依赖转化为自主可控的生态体系。

在实践中，全球越来越多的政府与城市开始将这种依赖视为数字主权与系统性风险问题，而不仅仅是技术或成本问题。

首先，在国家和大城市层面，平台集中度已被明确视为“单点依赖”的安全隐患。欧洲的“数字主权”议程提供了清晰的回应思路：推动“主权云”、“欧盟云认证”等方案，通过数据本地存储、法律管辖控制以及多云架构与开源组件的组合，降低对单一外部平台的结构性依赖。在布鲁塞尔、柏林等城市，公共部门的新上云项目普遍需要证明其数据主权与可迁移性。

其次，真实的云故障事件让风险从理论变为警钟。2025年6月，Google Cloud的一次重大故障导致其多个核心云服务长时间中断，全球大量依赖该平台的应用受到影响。尽管未具体点名城市系统，但事件本身清晰地表明：当关键的城市治理系统过度绑定于单一云平台时，一次平台级的故障就可能在多个领域引发连锁瘫痪，使城市在关键时刻陷入被动等待的困境。

4. 智能化系统性风险冲击城市韧性

AI驱动下的城市系统高度互联，这使得级联风险极易从局部故障放大为系统性冲击。电网的一个故障可能波及交通和医疗系统；预计到2025年，全球AI中断事件将上升20%，导致的损失可能超过5000亿美元。

这种冲击源于系统互联的脆弱性与恢复机制的滞后。单一节点的崩溃可能引发雪球效应，而缺乏冗余设计则会放大灾害的影响。更深层的风险在于，它暴露了城市脆弱性的传导链条。在极端天气频发的背景下，本用于优化的AI系统可能成为灾害的“放大镜”。2025年欧洲洪水灾害中，AI交通系统因连锁反应而瘫痪，影响了200万居民，造成高达150亿欧元的经济损失。

化解这一风险，需要城市建立备份冗余、进行跨系统演练并完善快速恢复机制。例如，制定明确的AI故障切换协议，定期开展涉及电力、交通、通信等多系统的协同应急演练，都是提升韧性的必要举措。

随着AI深度融入城市基础设施，系统性风险已成为全球城市韧性建设的“新短板”。各国正从事件教训中汲取经验，通过制度革新将“智能脆弱性”转化为“韧性设计”的新标准。

2024年美国德克萨斯州的电网危机揭示了智能调度系统的双刃剑效应。在极端寒潮中，用于预测负荷的AI算法因输入数据异常和模型反馈延迟产生误判，最终触发连锁停电，影响数百万用户。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》，明确提出建立“AI韧性标准”。在休斯顿等试点城市，电网恢复时间因此缩短近半，标志着治理模式从事后应急向“系统自愈”的跃迁。

类似的“系统防御化”趋势正在蔓延。欧洲环境署（EEA）在2025年报告中指出，面对洪水、热浪时，缺乏应急切换机制的AI调度系统可能放大灾害，建议各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系统失灵导致的系统性中断可能造成城市GDP年损失2%–5%，但通过制度化的韧性框架与快速恢复算法，可将关键基础设施的恢复力提升约25%。

5. 社会契约面临重构压力

AI正在重塑城市就业、收入分配与代际关系，这使得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。国际货币基金组织（IMF）基于多国微观数据的估计显示，全球约40%的就业岗位在任务层面暴露于AI技术影响，在发达经济体，这一比例接近60%。值得注意的是，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，而处于底部的低技能劳动者却更难通过技能升级分享同等红利。

由于高技能者能获得更多“技能溢价”和资本回报，而老年人、低教育群体和部分移民在再就业与收入保障上更易被边缘化，AI的采用可能会显著提高收入和财富的集中度，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，主动重构面向AI时代的社会契约。一方面，应将面向老年人和低技能劳动者的终身学习、转岗培训视为重要的“社会基础设施”，降低其被技术边缘化的概率。另一方面，可以借助AI工具，对不同税收与转移支付方案（如累进税制优化、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，在财政可持续的范围内，最大限度地提升对脆弱群体的托底力度。

“社会契约面临重构压力”已不仅是抽象判断，更在部分城市的实践中被具体化为新的制度安排。一类路径是构建“高流动+高保障”的制度来承接技术冲击。以哥本哈根所在的丹麦为例，其在原有的“灵活安全”框架上叠加了数字维度：集体谈判协议中写入硬性条款，保障劳动者因技术变革调整岗位时，有权获得带薪再培训；同时通过“工作轮换计划”等模式，为被自动化挤压的工人提供有保障的过渡期。这里的“契约”以法律形式承认：在AI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，将居民对数据使用、算法透明的参与权写入治理规则；同时，城市利用数字工具对最低收入保障等政策进行精细化模拟，以在预算约束下追求更高的公平度。多伦多等城市则在社会保障制度中增加了面向平台劳动者等群体的“过渡支持条款”，并配套法律咨询、再就业等服务。

从这些实践可以看出，“新的社会契约”正在三个层面叠加发力：一是将在AI冲击下获得再培训和体面转岗的权利制度化；二是通过算法透明、公众参与等程序，使技术部署变得可讨论、可纠偏；三是利用AI工具进行更精细的再分配模拟，在财政边界内最大化地托底脆弱群体。

也正是在这个意义上，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“驯化”，反过来成为重构城市社会契约、提升整体韧性与公平性的重要工具。

（本文基于《国际城市发展报告（2026）》总报告，综合参考了国际组织、全球智库、企业及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、法规文件及案例资料，通过机制剖析，系统论述了人工智能对城市发展与治理带来的系统性、结构性与碘伏性重塑。大语言模型参与了文本的主题分类与内容结构化整理。）

来源：《国际城市蓝皮书（2026）》研究组 林兰 屠启宇 苏明亮