到2027年，中國70%的城市將在各系統與數據中部署AI智能體，協同端到端工作流程并減輕工作量，同時應對濫用、越權及“流程債務”風險。

要點：全球（尤其美國）AI產業遵循的是“基礎優先、生態驅動”的路徑，其核心邏輯是通過持續加大算力投入、擴大模型規模來追求性能的極致突破（Performance Efficiency），這是一種“大力出奇跡”的思路。而中國在特定的產業環境和資源條件下，則走出了“應用牽引、產業賦能”的路徑。由于在頂尖算力資源上可面臨約束，中國企業和研究機構將創新重點放在了算法優化、模型壓縮和工程化落地上，追求的是在既定算力下實現最高的“計算效率”（Computational Efficiency）。這種對“效率”的極致追求，使中國AI解決方案在特定場景下的成本優勢非常顯著，這為AI智能體在大范圍內的快速推廣和部署奠定了經濟基礎。

到2030年，城市低空經濟（如 eVTOL、無人機物流）每年將為中國 GDP 貢獻 900 億美元，并為 4 億居民提供新型貨物與交通服務。

要點：我國發展更強調國家宏觀政策引導與區域發展實踐的緊密結合。政府從頂層設計出發，不僅將低空經濟明確為戰略性新興產業，還設立國家發改委低空經濟發展司等專門機構統籌推進，并密集出臺空域分類管理（如300米以下非管制空域劃分）、基礎設施投資（如超200億元產業基金設立）等具體法規與扶持措施。這種“中央統籌、地方競速”的格局，推動政策快速落地并轉化為區域差異化實踐。

到2026年，搭載計算優化芯片的高感知能力基礎設施，將通過實時數據分析與自動化響應，使水資源和能源消耗量降低超20%。

要點：城市可持續發展正從宏觀規劃轉向“傳感器—芯片—邊緣 AI”驅動的實時治理。

到2028年，中國所有大型城市將采用人工智能自動化數字孿生技術，用于模擬政策效果、優化資源配置、凝聚社區共識及應對危機場景。

要點：數字孿生技術是實現城市全域、全要素數字化映射與智能化治理的關鍵抓手。成為智慧城市、應急管理、工業互聯網等大型項目中的核心模塊，其價值正從“重展示”走向“重實效”，成為城市治理和產業升級中不可或缺的技術基座。

到2027年，中國大部分智慧城市部署項目將依托人工智能驅動的邊緣計算進行本地數據處理，將延遲降低70%并大幅削減云服務成本。

要點：城市人口密集、基礎設施復雜，對智能交通、公共安全等應用的實時響應能力要求極高，催生了迫切的降延遲需求，這也推動城市AI從“云優先”轉向“云邊協同、邊緣優先”。

到2026年，中國70%的省市級政府將投入資源，基于未接觸過的數據微調大語言模型，從數十年的受保護檔案和孤立系統中挖掘價值。

要點：政府數據正在成為構建行業模型和治理智能的核心資產。

到2029年，中國50%的地方政府將通過識別民生事件，觸發并自動化數字服務流程，提升服務交付效率、普及率及用戶體驗。

要點：公共服務將從“被動申請”走向“事件觸發、主動交付”。

到2030年，基于云的智慧城市服務將占中國所有新型城市科技部署項目的70%，這一趨勢將通過采購與集成市場平臺得以推動。

要點：城市 IT 建設正從項目制走向平臺化、生態化。

到2028年，中國75%的大型區域及地方政府將采用人工智能兵棋推演模擬器，開展災害與沖突場景的培訓及規劃工作，重塑城市韌性戰略。

要點：韌性建設正從靜態預案轉向持續、可演練的智能模擬。

到2027年，中國10%的大中型城市將通過要求人工智能數據中心提交資源消耗與環境影響報告，回應社會對該類設施的關切。

要點：AI 基礎設施治理開始納入城市可持續與公眾監督框架。

IDC 并不認為“技術先行”本身能夠解決城市問題。真正的挑戰在于：是否以“人民城市”為中心，同步重塑流程、組織與能力，讓 AI 成為可信、可控、可解釋的治理伙伴。這將決定智慧城市是走向“智能治理”，還是停留在“數字疊加”。