10月22日消息，Gartner于近日发布最新2025中国智慧城市和可持续发展技术成熟度曲线，该曲线旨在为CIO和城市生态系统参与者提供了一个战略框架，帮助其把握新兴技术和趋势。

2025中国智慧城市和可持续发展技术成熟度曲线总共包含27个技术点，这27个技术点绝大部分会比较密集的分布在前三个阶段，即技术萌芽期、期望膨胀期和泡沫破灭低谷期。

其中，AI智能体、中国的可持续发展信息披露、智慧城市治理框架、资源正向型建筑4项技术为今年新登上该成熟度曲线。

Gartner研究副总裁相斌斌表示，整体来看现阶段智慧城市最重要技术可以分为两大方向。其一，是可以帮助城市提升情境感知能力技术，这类技术在城市整个大的环境中捕捉数据、去感知“到底城市在发生什么”；其二，是智能决策辅助城市基于这些城市进行智能决策的技术，这里大部分是以大数据、人工智能技术为主，基本上就是以数据挖掘作为一个重要的方向。

近几年，智慧城市建设整体呈现几个方向，更加注重以人为本的新型城镇化建设，注重数字经济和实体经济的深度融合，城市的可持续发展和韧性，值得注意的是，更多智慧城市建设从同质化转向走特色化的发展路线。

相斌斌介绍，在此背景下，从2025中国智慧城市和可持续发展技术成熟度曲线来看，AI技术正在迅速发展。智慧城市生成式AI自去年以来也取得了一定进展。AI智能体作为今年新上曲线的技术，正处于期望膨胀期的巅峰，在提高效率、个性化、自动化和决策流程方面具有显著优势。边缘AI正处于泡沫破裂低谷期，但其在实时决策和智慧城市应用中的关键作用日益突出。

AI智能体处于期望膨胀期的巅峰

从2024年登上曲线的“生成式AI”技术到今年新登上曲线的“AI智能体”，相斌斌强调，这两者不是孤立的技术，现在市场中大部分的AI智能体都是基于生成式AI、基于大模型构建的。从生成式AI到AI智能体，AI能力从生成内容到能直接解决问题，这使得人机协作从“命令与控制”模式转向“协作、委托伙伴关系”，使工具转变成自主决策代理。

但是，在智慧城市建设中实际使用AI智能体，相斌斌认为还需要解决几大关键问题：

首先，要解决的是“敢不敢用”的问题。

AI智能体相比大模型被赋予了高度自主性，它可能在授权的范围内自主的采取一些行动，但是目前人们对AI智能体所采取的行动会不会造成不可逆的一些危害担心还是有。所以“敢不敢用”，解决信任的问题依然是很大的障碍。

其次，AI智能体对数据、算力、存储等基础设施的要求很高，需要实时进行大量的计算。如果要在智慧城市建设中部署AI智能体，对底层的基础架构要求提出了很高的要求。

第三点，能不能用好AI智能体？现在讲“Human in the loop”，就是每一个AI决策都要人去进行监督。但是按现在AI发展的速度、AI数据处理的速度，实际上人的监督速度是达不到的。“Human in the loop”本身就是一个瓶颈，没有办法持续。怎么用好AI智能体这个依然是一个有待解决的问题。

第四，还有一个关键问题，就是应用场景的容错度。一般的问答、服务等场景能接受一定的错误率，在这些场景中出错，顶多就是影响市民的体验、有一些负面的报怨。但是当把AI智能体放到城市应急指挥、交通指挥等场景是，它一旦出错所造成的负面结果可能是危机生命甚至瘫痪整个城市的交通等极其严重后果。

“目前AI智能体本身的能力和预期的还是有差距的，这是一个现实。在智慧城市中部署AI智能体，选择适用的应用场景是最重要的一点。”相斌斌指出，“那些对高可靠性要求不高的场景可以部署AI智能体，在应用时需要定义测试用例并进行广泛的测试和评估，同时设置护栏和可观察性，从小规模试点开始，收集反馈并不断迭代，直到准备好进行更大规模的推广 。”

AI要成为城市级神经网络还需要做好几件事

相斌斌表示：“生成式AI技术对于中国的智慧城市建设至关重要，中国庞大的人口数量和多样化的人口结构给各级城市带来了独特的挑战。一线城市和其他中小规模城市之间的资源差距往往导致发展的不同步。生成式AI可以通过大规模提高生产力来解决这些问题。生成式AI的自适应能力可以提供个性化建议和体验，使公民获得更好的服务和产品质量，同时刺激本地经济发展。”

目前，包括AI智能体、生成式AI等技术在智慧城市中的应用和部署大多还是局限在作为单点工具。

如何把AI从一个单点的工具，变成一个城市级的神经网络？相斌斌指出，这背后涉及到多个技术方向的转变。

第一个方向，要转变整个城市在生成式AI能力部署的方式，要构建一个城市级的生成式AI能力平台。现在大部分的生成式AI部署都是以部门级来主导，一个部门需要什么就部署一个。通过把生成式AI底层能力部署到集中的城市级的平台上，各个部门就可以基于这个平台进行定制化的开发，这可以很大程度上规避重复性的投资，也可以从底层确保技术架构的统一性和数据资源的共享性，能够确保未来能够在城市级别形成业务的协同。

另一个方向，要去深耕一些垂直领域的专业模型。Gartner叫“领域特定型的模型”。这些模型是专门针对一些特定的领域，比如说“交通管理、应急指挥、城市规划”。不同的城市可以拿到这些特有的模型去输入城市的数据进行微调，它就可以提供更精准的决策支持。目前来看，借助通用模型来辅助城市治理比较复杂的一些问题解决还是比较难的，“专业领域型的模型”是要关注的一个方向。

此外，相斌斌认为，加强数字孪生和生成式AI的协同是很重要的技术研究。通过数字孪生构建一个数字的城市孪生体。这个“孪生体”可以汇入大量城市实时数据，把生成式AI做的结论和洞察在这个虚拟的孪生环境中先做模拟验证，然后再把它搬到物理环境中。这从某种程度上会解决掉现在生成式AI所生成结果的幻觉问题，可以增加城市运行者对于生成式AI洞察的信任度。（果青）