智慧城市投了这么多年，有个问题一直没人正面回答：到底回本了没有？研究机构 ThoughtLab 做了一次调研，2026 年 7 到 8 月，访问 215 个城市的 525 名高级官员，另外分析了 363 份城市 AI 规划。结论：被判定为“AI 领先”的城市，投资回报率是其他城市的两倍以上。

同样一座城，两条曲线

01 · 数字先摆清楚，但口径有分歧

这里必须说明：不同来源的数字不完全一致，我按原文分别列出，不做统一。

| 指标 | 领先城市 | 其他城市 | |---|---|---| | 投资回报率（Cities Today） | 96% | 42% | | 投资回报率（英特尔文章引用） | 99% | 42% | | 回本周期 | 39 / 38 个月 | 49 个月 |

两个版本都指向同一结论：领先者回报高一倍多，回本快约 10-11 个月。

样本量也有分歧：新闻稿标题写 459 个城市，正文写 215 个城市、525 名官员；官网两个说法都出现过。引用时建议以 215 城、525 人为准，并注明另一口径存在。

02 · 37 个领先城市，共同点不是买了什么模型

调研用八个支柱的成熟度模型，分四阶段：起步、实施、加速、领先。37 个城市被判为领先，包括阿姆斯特丹、巴塞罗那、都柏林、墨尔本、首尔、新加坡、奥斯汀、蒙特利尔、西雅图、阿布扎比、迪拜等。

共同点：92% 对员工做了 AI 伦理与负责任使用培训，79% 把公平透明纳入 AI 规划，79% 为 AI 服务设了正式透明度指引。

不是“买了什么”，是“怎么管”。

03 · 最大的障碍不是钱

这是全部数据里我认为最该被记住的部分：

- 69% 的城市说，公众信任与接受度是 AI 应用的主要挑战之一 - 78% 担忧监控与隐私问题 - 84% 担忧意外成本或长期成本 - 82% 报告缺乏 AI 技能与人才 - 80% 难以向利益相关方证明投资回报

匹兹堡经济发展局局长有句话被反复引用：“美国最不被信任的两个主体，是政府和 AI 平台。”两个最不被信任的东西合在一起，这就是智慧城市要面对的处境。

04 · 一个具体的效率案例

纽约大都会运输署（MTA）用 AI 做预测性维护，公交维修材料成本下降 24%。

这是少数给出具体运营数字的案例，比“提升治理效能”这种表述有说服力得多。

智慧城市评审，从“数屏”转向“算账”，这一步迟早要来。

05 · 冷静提示

1. 调研由戴尔科技与英伟达赞助，ThoughtLab 执行。赞助方利益需自行权衡。

2. ROI 数据是城市官员自报，不是财务审计结果。“回报”的定义与计算方式未公开。

3. 96% 与 99% 这类差异说明口径不统一，引用时应注明来源。

4. 37 个领先城市是从样本中筛出来的，存在幸存者偏差。

5. “两倍回报”是领先组与其余组的对比，不是“用了 AI 就能得到两倍回报”的因果结论。

06 · 对写方案的人，这意味着什么

评审逻辑确实要变了。

过去重心是“建了什么”：多少块屏、多少个系统、多少路视频。这份调研的信号是：该看“回了什么”。而回本的三个前提，恰好都不是技术：

一是数据打通。圣安东尼奥官员有句话说得直白：在割裂、治理混乱的数据上，建不起可靠的 AI 辅助决策。

二是治理前置。79% 的领先城市在规划阶段就写进了公平透明条款，不是事后补。

三是信任建设。信任不是靠宣传建立的，是靠“能查到依据”建立的。

评审专家已经听腻了“提升城市治理现代化水平”。他们想看到的是一个具体科目上的具体数字。

务实建议：与其堆砌功能清单，不如算一笔账——这个系统上线后，哪个环节的人工工时能降多少、材料成本能降多少、响应时间能缩多少。

MTA 那个 24% 之所以有说服力，就因为它是一个具体科目上的具体数字。