伦敦为什么把AI当作城市基础设施，而不是一项新功能

在城市治理中，技术通常有两种命运：一种是被当作展示项目，另一种是被吸收到基础设施里，变成日常运行的一部分。伦敦正在明显向第二种路径靠拢。

伦敦市长萨迪克·汗最近再次把AI、数据和交通安全放在同一张治理地图上。他谈论的重点并不是“AI有多先进”，而是城市如何借助数据改善公共服务、如何通过更高密度的交通感知系统提升道路安全，以及如何让居民和劳动者拥有适应AI时代的技能。

这类表述看起来不激进，但它指向一个更深的变化：AI正在从企业研发议题，转向城市运行议题。

城市为什么比国家更早感知AI的压力

国家层面的AI治理，往往聚焦模型安全、产业竞争和监管边界；而城市面对的是另一种现实：AI已经进入街道、医院、学校、办公室和公共交通系统，影响不是抽象的，而是即时的。

这也是为什么越来越多城市领导者开始强调，AI不应只由科技公司和中央政府定义。城市是技术落地的前线，也是社会后果最先显现的地方。算法如何影响劳动市场，传感器如何改变道路执法，平台数据如何重塑出行路径，都会先在城市中被感知。

伦敦的做法具有代表性。它没有把AI当作一个单独的“智慧城市项目”，而是将其嵌入公共服务、交通管理和人力技能体系之中。换句话说，AI在这里不是一层叠加在城市上的“数字皮肤”，而是城市开始重写自己的运行规则。

数据正在成为城市治理的新型公共资源

伦敦把数据用于公共服务优化，这并不新鲜，但关键在于使用方式发生了变化。

过去，城市数据往往是部门内部的记录，用于事后统计、预算分配和绩效考核。现在，数据越来越像实时治理工具：传感器记录空气质量，交通网络数据帮助平台规划更安全的骑行路线，公共基础设施的状态被持续监测并反馈到运营决策中。

萨迪克·汗特别提到，伦敦与Google Maps的合作会共享与自行车道、交通模式和道路状况有关的数据，以便为骑行者推荐更安全、更安静的路线。这个案例看似简单，但它反映了城市数字化的一个重要方向：政府不再试图独自完成所有信息处理，而是在一定规则下与平台协作，利用外部计算能力放大公共价值。

这类合作也提出了更现实的问题：谁控制数据、谁定义路线、谁承担责任、谁拥有最终解释权？当城市数据进入全球平台系统，地方治理能力会被放大，也可能被依赖所重塑。

交通系统正在变成城市AI治理的试验场

交通一直是城市技术最容易落地、也最容易被感知的领域。原因很直接：它同时涉及安全、效率、空气质量、空间公平和公共体验。

伦敦的高技术交通摄像头、空气质量传感器、零排放公交以及地铁网络的移动连接升级，都说明城市交通系统正在从“运送人”转向“感知城市”。在这种模式下，交通基础设施不仅承担通行功能，还承担数据采集、行为引导和风险预警功能。

这和一些自动驾驶城市试点有相似逻辑。无论是自动驾驶出租车、无人配送，还是智能信号灯协调，真正需要的都不是单点创新，而是可被机器理解的城市环境：路权清晰、数据持续、规则稳定、边界明确。城市越想引入自动化，就越必须先成为一个可计算的城市。

伦敦并没有宣布自己进入自动化城市阶段，但它的治理动作已经朝这个方向移动：道路、空气、骑行、公共出行开始被纳入一个连续的数据反馈系统。

AI治理的核心，不是速度，而是城市能力

很多关于AI的讨论都聚焦于“创新速度”，但城市管理更在意另一件事：能力是否足够。

所谓城市能力，不只是部署技术的能力，还包括制度协同能力、数据治理能力、风险识别能力和公众沟通能力。AI在城市中的价值，从来不只是提高效率，而是考验政府能否把复杂系统组织起来。

伦敦成立与AI和就业相关的工作组，邀请商业、政府、工会和科技部门共同参与，这一点很值得注意。因为AI对城市的影响，最终会回到劳动市场：行政工作、客服流程、交通调度、内容审核、医疗辅助、教育支持，都会受到不同程度的重组。

如果城市只谈技术，不谈就业和再培训，那么AI会被看成一种外部冲击；如果城市把技能培训、岗位转型和公共服务改造放到同一框架里，AI才有可能成为城市韧性的一部分。

城市未来的竞争，不只是在吸引企业，也是在组织基础设施

全球城市竞争正在发生结构性变化。过去，城市竞争的是资本、人才和地理位置；未来，城市还要竞争数字基础设施的组织能力。

这包括几个层面：

• 是否拥有可持续更新的数据平台
• 是否能把传感器、交通、能源和建筑系统联动起来
• 是否能在隐私、透明度和效率之间建立信任
• 是否能把AI部署在真实公共价值最强的地方
• 是否能让居民获得数字技能，而不是只成为技术的被动用户

伦敦的案例说明，城市数字化不再是单一部门的IT升级，而是整个城市治理结构的再设计。AI进入城市，不是因为城市“喜欢新技术”，而是因为城市在面对人口流动、交通压力、气候挑战和劳动市场重构时，传统管理工具已经不够用。

真正的分界线：从数字化城市到可学习城市

未来城市最重要的能力，可能不是“自动化程度有多高”，而是“学习速度有多快”。

一个可学习的城市，能够持续吸收数据、修正模型、调整规则，并在不同部门之间形成反馈闭环。它不追求一次性完成转型，而是让基础设施、治理和公共服务都具备迭代能力。

伦敦当下的动作，还远不是一个完全成熟的城市AI系统，但它释放出一个清晰信号：AI正在从实验室、办公室和国家安全议题，走向市政厅、公交网络和街道管理。城市治理开始要求新的基础设施观——不只是道路、水电和地铁，也包括数据平台、算法协作、网络安全和数字技能。

未来城市的分野，可能不再取决于谁拥有最多应用，而是谁能把技术变成可治理的公共能力。

结语

如果说上一轮城市数字化更多是把服务搬到线上，那么这一轮变化更深：城市正在把感知、判断和响应能力嵌入自身系统。

伦敦的意义不在于它“用了AI”，而在于它把AI当成城市治理的一部分来处理——与交通、安全、就业、公共服务和数据协作同时推进。这种做法更接近未来城市的真实形态：不是被技术覆盖，而是通过技术重新组织公共生活。

而这，才是AI真正进入城市的开始。