文章说城市从『物理容器』变成『学习系统』，这个转向的法理基础来自 2020 年起中央明确提出的『全生命周期管理』理念。2025 年 7 月中央城市工作会议进一步将『城市作为有机生命体系统谋划』上升为顶层要求。华东师大曾刚教授指出，该理念的理论源头可追溯到 1967 年沙里宁的『城市有机体』说和芝加哥学派帕克的复杂系统观。从『全周期管理』到『有机生命体』的演进，是中国城市治理哲学的根本转向——城市不再是一次建成、长期运行的机械装置，而是需要感知、学习、持续打补丁的生命体。

文章描绘了 AI 赋能城市的理想图景，但现实中有大量『花 8000 万建 7 个项目、6 个停摆』的案例。贵州某县智慧城市项目 2016 年启动，实际投入约 8000 万元，7 个子系统中智慧旅游系统上线仅半年即废弃，公共信息平台数据从未更新，运营管理中心积满灰尘。曲靖 4670 万元的政务 App 日活仅 60 人。这些烂尾项目的病灶高度一致：盲目跟风、重硬件轻场景、只建不管、缺乏数据打通与后期运维，根子上是政绩观跑偏——把智慧城市当成面子工程而非民心工程，恰好是文章『制度接口与公共底座』缺失的现实注脚。

文章提到算力能源问题，但当下已经出现硬约束：2026 年国家要求八大算力枢纽节点新建数据中心绿电消费占比必须超过 80%，不达标不给批能耗指标。国际能源署数据显示全球数据中心用电占比已从 2023 年的 2% 飙至 4.5%，大模型训练贡献 60% 能耗增量。OpenAI 暂停最先进模型训练的深层原因之一就是绿电供给跟不上。对城市而言，AI 扩张的瓶颈正从芯片和算法转向『有没有足够绿电』——谁先建成『算力—电力—热回收』的闭环体系，谁就在下一轮城市竞争中占据先机。

文章说未来城市差距不是规模差距，而是『版本差距』。但值得追问：若高质量算力、优质语料和行业模型持续向头部城市（上海、深圳）集中，边缘地区会不会在传统『数字基础设施差』之外，再叠加一层『模型资产差』？贵州虽有廉价绿电，但缺乏产业场景催化的高质量数据集，可能沦为『算力工厂』而非『模型策源地』。真正值得研究的不是『用不用 AI』，而是不同能级城市如何设计差异化的 AI 战略——超大城市走『平台+底座』，中小城市走『绿电+特定场景模型』。