首页科技快讯人工智能如何改写超大城市治理的时间逻辑

人工智能如何改写超大城市治理的时间逻辑

来源：晰数塔互联网快讯时间：2026年09月15日 13:58

本文转自：解放日报

人工智能如何改写超大城市治理的时间逻辑

——文军教授在华东师范大学的演讲

文军

AI制图

思想者小传

文军教育部“长江学者”特聘教授、华东师范大学社会发展学院院长，上海市“中国特色的转型社会学研究”社会科学创新研究基地首席专家。兼任教育部高校社会学类教学指导委员会副主任委员、中国社会学会副会长、上海市社会学学会会长等职

2025年中央城市工作会议提出“着力建设便捷高效的智慧城市”。当前，人工智能正以前所未有的速度从实验室走向社会，世界主要经济体几乎在同一时间把它上升为国家战略，我国也在持续推进“人工智能+”行动，推动技术与实体经济和社会治理深度融合。在所有应用场景中，城市尤其是超大城市是人工智能落地最密集、约束最复杂也最能检验其社会价值的地方。上海推进城市数字化转型，建设“一网通办”“一网统管”，为观察和分析上述问题提供了难得的样本。

当前对于人工智能的讨论大多停留在功能层面，即人工智能能识别什么、能预测什么、能替代多少人力。事实上，人工智能给超大城市治理带来的最深刻改变不在功能，而在时间。所有治理活动都在时间中展开，成败常常不取决于做了什么，而取决于在什么时候做。时间从来不只是治理的技术变量，它同时也是一种秩序变量，谁掌握了城市运行的节奏，谁就掌握了治理的主动权。从这个意义上说，超大城市治理现代化很大程度上就是一场关于时间的重新组织。

AI潜能：把节奏定义权交回治理者手里

先看一个很多超大城市管理者都经历过的场景。一场暴雨突袭，部分路段严重积水，从积水形成到交通瘫痪，再到应急力量赶到现场，过去了将近一个小时。事后复盘，每个环节都尽职尽责，可整座城市的响应始终比这场雨慢了半拍。问题就出在时间上。任何一个城市问题的处置都要走完发现、决策、行动这三段路，每一段都要花时间。这些时间叠加起来，就是我们常说的“治理时差”。

发现要花时间。传统的城市感知本质上是一套“人肉传感器”系统：道路积水靠巡查员看见，井盖缺失靠市民打电话，燃气泄漏往往要等到有人闻到气味。它真正的短板不在覆盖面，而在于从事情发生到被人注意到，中间有一段“空白”。一场暴雨，十分钟的感知延迟可能意味着一条主干道瘫痪；一次燃气泄漏，半小时的延迟就是灾难的倒计时。

决策也要花时间。很多时候，不是决策者不够果断，而是传统决策必须依靠“人脑综合研判”，要把分散在不同部门、不同格式、不同时点上的信息汇拢成一幅可供判断的图景，这个过程需要时间。更要紧的是，在应急处置时，决策一旦作出几乎没有试错余地，但代价会在城市的路面上、在市民的日子里真实地发生。

行动同样要花时间。方案定了，指令要传达，力量要调度，资源要到位，这也需要时间。在一些应急演练中曾做过测算，从总指挥下达指令到基层网格员收到并确认，平均要花7—12分钟。

三段时间加起来，就不难理解超大城市治理的挑战。你还在处理上一个问题，下一个已经在排队了；等到方案终于出台，风险却已经换了形态。可以形容为治理还在“赶末班车”，风险“坐的则是高铁”。在人口高度密集、功能高度耦合、信息高速流动的超大城市里，一个微小的扰动经由社会网络放大，几个小时内就可能演变成系统性危机。传统治理之所以被动，深层原因在于城市的节奏由风险来定义，治理只能被动跟上。人工智能最值得期待的潜能，恰恰在于它有可能把节奏的定义权重新交回到治理者手里。

感知革命：给城市装上一套秒级神经系统

压缩时间的第一步是让城市“看见”得更快。传统的城市感知依靠人的感官，它的天花板就是人类注意力的天花板。

人工智能改变了“看见”的方式。今天，智能摄像头可以在同一秒内完成对人流密度、车辆异常停留、消防通道占用等几十种状态的识别，它做的不是“录像”，而是“读懂”。更要紧的变化发生在原本“看不见”的地方：地下的燃气管网、综合管廊、排水系统过去是城市感知的黑洞，只有问题冒出地面才会被发现；今天各类传感器把每一次异常脉动实时转化成数据流，模型能在故障发生前若干小时识别出人的感官无从察觉的先兆信号。上海“一网统管”提出“一屏观天下、一网管全城”，就是要让过去靠人碰见才能发现的事，如今由系统自动识别、自动派单处置。

这种变化不妨称之为“城市神经系统的诞生”。人的神经系统之所以高效，是因为它不需要大脑主动去注意每一个信号，疼痛是自动的，反射是即时的。人工智能赋能的感知网络正在让城市获得类似的能力。这不只是效率的提高，更是感知范式的转换，从“人找事”变成“事找人”，从“发生之后被发现”变成“发生即被发现”。

这一转换的社会学意味值得多说两句。在传统治理中，“被看见”其实是一种稀缺资源。一个问题能不能进入治理议程，往往取决于它发生在中心城区还是城乡接合部，在核心路段还是背街小巷，在白天还是深夜。秒级感知网络的铺开正在让“被看见”的机会趋于均等，凌晨三点发生在远郊的一处路面塌陷，和早高峰发生在市中心的一起交通事故，在系统的注意力里获得了同等的响应速度。

但需要提醒的是，注意力的稀缺并没有消失，它只是从人的身上转移到了系统的身上。摄像头装在哪里，哪一类异常被写进识别模型，哪一类没有写进去，这些都是选择。算法看见什么，取决于我们让它去看什么。因此，感知网络的布局本身就是一次公共资源的分配。城市的感知能力铺到哪里，公共服务的注意力就流向哪里。“被看见”的均等不是技术自动兑现的承诺，而是必须在规划阶段就自觉设定的公共目标。

可排练的治理：在数字世界里为明天演练

看得更快只是第一步，更难的是决定得更好、更快。传统决策最大的困境可以概括为“一次性决策的代价困境”，即一个重大决定可能是在信息不完备、后果不可逆、时间不充裕这三重约束下作出的。一旦失误，可能会造成难以挽回的影响。

人工智能为解决这个困境提供了一个前所未有的出口，那就是在虚拟空间里预演现实，其核心是数字孪生与多智能体仿真。一座超大城市的数字孪生不是精细的三维模型，而是一座活着的虚拟城市，每条道路的实时车流、每栋建筑的能耗、每个片区的隐患都在其中同步跳动。可以先在数字孪生系统里模拟相关情境。比如，哪些站点会积压客流，哪些换乘通道会形成瓶颈，哪些时段会运力空转。方案在虚拟空间里失败一百次，最后拿出来的是第一百零一版。由此，决策者看到的不再是静态的评估报告，而是一段关于未来的“录像”。

这种能力的革命性在于，它把试错从现实世界搬进了虚拟世界。过去不敢轻易去试，因为代价是市民的时间、公共的资源甚至生命安全。如今在条件许可的情况下，可以放手去试。更深远的变化在于，城市决策的时间朝向变了。传统治理是向后看的，依据过去的经验作出今天的决定。仿真推演让治理第一次具备了向前看的制度化能力。用稍微学术一点的说法，治理的合法性依据正在发生位移，过去它主要来自经验，来自“我们以前就是这么处理的”，现在开始部分地来自推演，来自“各种可能我们都已经试过了”。这是一种可以称为“可排练的治理”的新形态。

在这里，我要特别强调一下仿真的边界。数字城市再逼真，也不可能穷尽真实世界的复杂性和不确定性。更值得警惕的是，模型只能推演那些已经被写进模型的东西，而真正让城市措手不及的危机，往往来自没有被建模的那一部分。仿真擅长回答“如果按已知规律演化会怎样”，却回答不了“如果规律本身变了会怎样”。所以仿真的价值不在于精确预测，而在于有望排除最坏的可能。我们没有办法让城市永不犯错，但可以尽力避免犯那些代价最大的错误。

预防型治理：从追赶风险到防患于未然

感知提速、决策提效，最终都要落到行动上，而人工智能对行动逻辑的改变可能是最深的一层。传统治理的行动逻辑是响应式的：事件发生后被感知、被上报、被决策、被处置，行动永远排在最后，永远在追赶已经发生的事实。人工智能的预测能力正在让另一种逻辑成为可能，那就是在风险尚未发生时介入，在事件尚未成形时化解。比如，通过对供水管网压力数据和历史爆管记录的学习，系统可以提前若干小时预警某段管道即将破裂，维修队伍得以在爆管之前到场。

这些实践共同指向一个范式转换：治理动作开始先于风险爆发，我把它称为从“追赶风险”到“等候风险”的转变，这里的“等候”是防患于未然的意思。治理系统不再是事发之后疲于奔命，而是在风险酝酿阶段就已提前就位。它也改写了治理效能的评价标准。过去衡量一座城市的治理水平，看的是多久到场、多久控制、多久恢复。现在则有了一个更高的标准，叫作“不发生”。最好的处置是不必处置，最快的响应是风险从未到来。

但在这里也藏着一个不容易被察觉的悖论，我称之为“预防的悖论”：预防型治理越成功，它的成效就越不可见。这就带来一个现实的难题：如果考核仍按“处置了多少起”来打分，真正把风险消灭在萌芽状态的部门反而可能显得无所事事。因此，要让预防型治理站得住脚，就必须为“没有发生的事”建立新的评价方式。这也是当前推进智能治理时容易被忽略的一环。

同样需要警惕的是提前介入的边界。社会学理论早就提示过标签的自我实现效应，如果一个社区被反复以某种方式定义，最终可能真的变成被定义的样子。因此，预防型治理的前提是预测的可解释、可申辩、可纠正。否则，从“追赶风险”到“等候风险”的进步就可能异化为一种新的治理傲慢，用技术的确定性替代治理应有的审慎。

效率、秩序与公平：时间的三重问题

讲到这里，也许有人会形成这样一个印象：超大城市的数智化治理，无非就是让城市跑得更快。我想在最后做一个概括，并提出一个相反的判断。人工智能改写超大城市治理的时间逻辑，其实包含三个递进的层次：压缩时间、重排时间、分配时间，它们分别对应效率问题、秩序问题和公平问题。压缩时间见效最快，但需要清醒认识到，压缩本身并不等于治理现代化，它只是让原有的治理逻辑跑得更快而已。

重排时间是秩序问题。当治理动作可以先于风险，城市运行节奏的设定方式也随之改变，此时真正稀缺的能力已经不是加速，而是变速。人工智能极其擅长压缩可以计量的钟表时间，却并不天然懂得什么叫“时机”。判断此刻该不该出手、这件事要不要再等一等，需要的是价值判断而不是算力。超大城市里并存着三种时间：以毫秒计的机器时间，以工作日计的行政时间，以作息与人情往来计量的生活时间。智能治理的难点不在于把三者统统提速到机器时间的量级，而在于让它们保持恰当的咬合。这里必须为“慢”说几句话：“慢”常被当作需要清除的低效环节，可很多时候它是一种功能而不是缺陷，越是在高速运转的智能系统当中，越要有意识地保留若干不许提速的环节，把它们当作制度设计的必要冗余。还应看到，今天定义城市节奏的已经不只是人，调度算法、传感器、自动驾驶车辆都在参与塑造城市的时间秩序。当时间秩序成为人与非人共同构造的产物，真正的问题就变成：究竟以谁的节奏为准？

分配时间是公平问题，这也是我最想强调的一点。技术带来的时间红利并不会自动地平均分配。如果赢来的提前量只是让整座城市运转得更快、更紧张，那不过是把所有人一起赶上了一列更快的列车。这些时间应当交还给城市里的人，让上班族不必因为一场暴雨在路上多耗两个小时，让老人不必因为一次故障整夜没有热水，也让操作这套系统的基层工作者能够从中获得喘息。

最后，我想说，城市治理的最高境界从来不是更快，而是更从容。快是手段，从容才是目的。技术现代化并不自动等于治理现代化，衡量一座超大城市智能治理的成熟度，或许不在于它把城市推进得有多快，而在于它能在多大程度上把机器的时间重新还原为人的时间。人工智能改写了城市治理的时间逻辑，但时间的意义究竟是什么，仍然要由人来定义。这既是技术留给我们人类的机会，也是它交还给我们的责任。

发布于：北京