从「被计算的城市」到「可治理的城市智能」
过去 20 余年，城市计算、城市信息学、城市大数据和城市数字孪生已经改变了城市被感知、建模和治理的方式：传感器、遥感影像、街景图像、移动轨迹、社交媒体和政务数据持续记录城市运行，交通拥堵、环境污染、能源消耗、公共安全、公共服务和城市规划等问题也越来越多地通过时空数据挖掘、机器学习、优化算法和可视化系统来处理。但专用模型可以预测交通流，却未必理解出行行为背后的社会空间结构；遥感模型可以识别建成区扩张，却未必理解规划制度、土地市场和地方实践。城市智能化的问题因此不只是预测精度，而是城市表征、动态推演和公共责任之间的关系。
模型任务割裂，缺少统一表征
不同任务对应不同数据、模型和评价指标，交通预测模型、街景感知模型、遥感解译模型和规划文本分析模型之间很难共享知识。深度时空数据挖掘和时空图神经网络虽显著提升了交通、流量和环境等任务的预测性能，但这类模型大多仍以任务定义和数据结构为中心，并不天然形成跨城市、跨尺度和跨模态的通用表示。结果是城市智能系统拥有许多能力强的「局部模型」，却缺少对城市对象、空间关系、功能语义和主体行为的共同表达。
城市被过度对象化
数据驱动系统擅长把城市转化为指标、变量和空间单元，却不一定能表达制度安排、主体经验、地方知识和价值冲突。城市一旦被主要理解为可计算系统，就可能被纳入高度技术化和预期式的治理逻辑。居民对空间安全和尊严的感受、非正式经济和日常实践、社区记忆、规划争议以及政策责任，并不总能被高频传感器或高分辨率影像直接捕捉。计算能力越强，越需要警惕把可观测的城市误认为完整的城市。
预测与行动断裂，责任外置
传统模型多以预测精度、效率提升和运行优化为中心，较少处理「如果采取某种行动，城市系统会如何变化」这一反事实问题，也较少处理模型输出如何进入城市治理决策、如何接受公众协商、如何明确责任边界。被计算的城市擅长回答「现在如何」和「未来可能怎样」，却不一定擅长回答「如果这样做，会对谁产生什么后果」；公共责任常常被置于模型过程之外，透明性、问责、公共参与和制度适配难以落到模型层面。
数据驱动范式的形成期
数据化 · 任务模型化 · 运行管理化
割裂 · 对象化 · 断裂 · 责任外置
被计算-基座-世界模型-人机共治
城市世界模型：五模块推演闭环
本文将城市世界模型定义为面向城市治理问题的模型系统：它把遥感、街景、地图、轨迹、传感器和文本等观测，对齐到具体道路、街区、设施、人群和制度边界；在给定规划、交通管制、公共服务配置或应急策略等候选行动后，推演城市状态和主体行为可能如何变化；并输出多目标后果、可信度、数据缺口和争议事项。形式上可表示为表征、转移、生成、评估与可信边界说明五个模块的耦合系统，沿「观测对齐—动态与反事实推演—方案生成—后果评估—可信边界—治理审查」组织城市方案的生成、模拟、比较与审查。
多模态观测接入与空间语义对齐
把遥感影像、街景图像、轨迹、地图、传感器与文本等异质观测，对齐到同一城市对象、同一空间关系和同一城市过程，而不是停留在不同模态的简单拼接。空间语义对齐不仅是数据对齐，更是对象身份、空间边界、尺度层级、功能语义和制度语境的一致表达。没有这一能力，模型难以判断某个方案影响的是哪条道路、哪个社区、哪类设施和哪些人群，城市表示也容易退化为抽象向量空间。
城市基座表示与状态转移
以城市基座模型把截至当前时刻的多模态城市状态序列压缩为可复用的城市通用表示，使建模单元由「任务」变为「城市状态」；再由动态转移模型刻画干预、主体行为和外部扰动下的城市状态演化。城市动态具有时间依赖、空间扩散和跨尺度耦合特征，需要回答哪些空间单元之间具有稳定关联、哪些过程具有周期性和突发性、哪些扰动会沿交通、功能或社会关系传播。
反事实推演与候选方案生成
在给定任务目标后生成规划方案、政策干预、行为样本或解释文本，并推演其对城市状态与主体行为的影响。反事实推演不同于一般预测：预测是在既有条件下外推未来，反事实推演要求显式表示干预、机制和响应。实现层面需区分场景生成、机制模拟和因果反事实，并在时间和空间外样本上校准，利用历史干预回放、准实验或受控仿真检验关键机制。
多目标后果评估
对每一候选方案对应的状态轨迹，在效率、公平、韧性、风险、隐私和可持续性等维度上给出多维后果评价，并纳入公共价值约束。同一干预可能在局部带来效率提升，却在更大尺度上产生拥堵转移、环境负担或服务不均；同一指标改善也可能伴随不同人群之间的利益转移。评估的目标不是给出单一最优解，而是把过去难以被同时比较的后果显性化，供决策部门判断是否试点、调整或暂缓实施。
可信边界说明与治理审查
在边界规则下输出模型不确定性、数据缺失、风险类型、价值冲突和人工复核需求，并至少说明适用空间与人群、有效时段、置信区间或敏感性范围、失效条件及复核触发条件。当数据覆盖不足、分布外风险过高或关键机制未经验证时，系统应拒绝给出确定性结论。可信边界直接映射为补充数据、扩大审查或暂停行动等处置规则，使模型结果能够接受审计并进入治理讨论。
城市基座模型的三类基础能力
时空基座模型提供城市动态表征，把城市动态从「被预测的变量」提升为「可迁移的过程表征」，代表工作包括 CityFM、UniST、OpenCity、UniFlow、TrajFM 与 UniTraj；城市多模态模型提供空间语义对齐，如 UrbanCLIP、ReFound、UrbanLLaVA、UrbanMLLM 与 CityLens；城市大模型与智能体提供交互、解释和行动接口，如 UrbanGPT、TrafficGPT、CityGPT、LLMob、AgentMove 与 OpenCity。三者相互耦合，共同决定城市智能系统能否从彼此分离的任务模型转向可复用的城市状态表示。
五元表示与两个应用场景
城市世界模型可形式化为由表征、转移、生成、评估和可信边界说明组成的系统，其闭环覆盖输入端（具有空间参考、时间结构、对象关系和制度语境的城市状态）、过程端（预测、方案比较与行动后果说明）和输出端（候选方案、后果分布、价值评价和可信边界）。论文以交通组织优化与社区更新、公共服务配置两个常见场景说明组件如何形成连续工作链条：前者推演通行时间、拥堵转移、噪声暴露与弱势群体出行成本，后者比较服务公平、空间可达性、热暴露、更新成本与社区记忆影响。
城市世界模型与相邻概念的能力边界对比
作为一篇概念综合与比较分析型论文，本部分以「体系对比」替代实验指标：横向比较城市数字孪生、城市模拟、城市生成模型与城市世界模型在核心对象、主要能力和边界上的差异，并提炼表征、推演、治理三个层面的关键转变。
表1 作用与边界比较
数字孪生 · 城市模拟 · 城市生成
表征 转移 生成 评估 边界
数据 模型 机制 规范权限
| 概念 | 核心对象 | 主要能力 | 与城市世界模型的边界 |
|---|---|---|---|
| 城市数字孪生 | 现实城市对象及其同步状态 | 虚实映射、状态同步、可视化与场景仿真 | 常服务于特定对象或场景；城市世界模型进一步要求可学习表征、开放任务与反事实推演 |
| 城市模拟 | 显式机制或规则下的城市过程 | 动态演化计算与方案试验 | 是动态检验的重要方法，但不必具备多模态对齐、候选生成和治理输出 |
| 城市生成模型 | 城市数据、情景或方案的分布 | 生成数据、情景、设计或三维环境 | 生成不等于后果可信，仍需接入机制检验、后果评估与边界说明 |
| 城市世界模型 | 城市状态、主体、干预及其后果 | 观测对齐、动态与反事实推演、候选生成、后果评估与可信边界说明 | 本文将其作为综合架构和评测目标讨论，而非已经成熟的单一模型类型 |
由任务专用转向可复用状态表示
建模单元由交通流预测、建筑物识别、空气质量估计和设施选址等具体任务，转变为可复用的城市状态表示。只有当道路、建筑、街区、功能区、活动主体、空间关系和时空过程能够进入同一类表示空间，城市智能系统才可能在不同任务之间迁移知识，并为后续的模拟、生成和治理提供共同语言。
由预测未来转向反事实推演
对于城市规划和治理而言，重要的不是「未来会怎样」，而是「不同城市治理将导致哪些可比较的后果」。实现层面需要区分场景生成、机制模拟和因果反事实，明确干预变量、因果假设和对照条件，并把居民、企业和政府等主体的适应性响应纳入转移过程，对分布外输入与机制失配进行检测。
由模型输出转向可信边界与共治
可信边界按数据、模型、机制和规范与权限四层报告：数据层说明覆盖范围、缺失及代表性，模型层给出不确定性、预测时域和分布外风险，机制层列出因果假设及其验证状态，规范与权限层标明价值冲突、不可计算事项和人工复核等级。城市智能体的行动范围则被限制在明确授权、可审计和可撤销的空间之内。
城市世界模型现阶段应被视为可治理的研究框架和评测目标，而不是已经成熟的单一模型。当前人工智能范式下城市智能化的关键不在于模型规模本身，而在于能否把城市观测、基座表示、后果推演和治理约束组织为可供审查的模型过程。
概念贡献、应用价值与未来议程
本文将当前人工智能范式下城市智能化的基本问题界定为：如何以城市基座模型为认知基础，构建能够进行多源城市观测对齐、反事实推演、后果比较和可信边界说明的城市世界模型，并把空间关系、尺度效应、地理语义、时空过程和人地耦合转化为可供模型调用和检验的知识约束。
界定「被计算的城市」及其边界
把专用模型阶段的城市智能化拆解为城市数据化、任务模型化、运行管理化三层结构，并指出其任务割裂、城市被过度对象化、预测与行动断裂、公共责任外置四类结构性局限，说明这些局限来自数据驱动范式自身而非个别模型性能不足。
梳理城市智能化的认知基础设施
系统比较时空基座模型、城市多模态模型、城市大模型与 Geo-LLM、城市智能体、数字孪生与仿真器五类模型体系在城市智能中的作用、与城市世界模型的接口及主要边界，明确城市基座模型不是单一通用模型，而是一组相互耦合的基础能力。
提出城市世界模型与共治机制
给出由表征、转移、生成、评估和可信边界说明构成的形式化表示与运行闭环，提出「被计算的城市—城市基座模型—城市世界模型—人机共治」演进路线，并围绕模型构建权、解释权、行动权与责任归属四类治理问题建立治理协议与责任链条。
应用价值
在交通组织优化场景中，模型生成单行组织、公交优先、慢行改造、信号配时调整、临时管制等候选方案，推演其对通行时间、换乘可达性、拥堵转移、噪声暴露、沿街商业和弱势群体出行成本的影响；在社区更新与公共服务配置场景中，比较养老服务补点、儿童活动空间增设、绿地补足、无障碍设施改造、避难设施优化等方案对服务公平、空间可达性、热暴露、更新成本与社区记忆的影响。其价值在于提高政策试验的可见性，把过去难以被同时比较的后果显性化，使规划和治理讨论从抽象偏好转向可检验的情景比较。地球信息科学则可通过空间语义、尺度效应、时空过程、人地耦合和地理知识约束提供基础支撑。
局限与未来
城市世界模型现阶段应被视为可治理的研究框架和评测目标，而不是已经成熟的单一模型。多模态空间语义对齐、时空动态、反事实推演和主体行为等能力仍分散在评测、生成、数字孪生和智能体模拟等方向中；CityBench 等评测表明通用模型在语义解释上表现较好，但在地理空间预测、时空分析、交通控制和复杂城市机制推理上仍有明显不足。面向未来，关键任务是把空间关系、尺度效应、地理语义、时空过程和人地耦合转化为可供模型调用和检验的知识约束，并建立相应的评测、审计和反馈机制，使城市世界模型在具体城市任务和治理实践的持续检验中逐步发展。