每次看到大厂谈“让 AI 惠及每一个人”，外界最容易被吸走的，是融资数字、用户数字、模型能力的增长曲线。但如果把视角换成城市，你会发现那套叙事只能解释热度，解释不了落地。城市不是一个应用商店，城市更像一台长年运行的机器，真正决定它能不能把 AI 扩起来的，不是模型有多聪明，而是城市级供给能不能稳定，制度接口能不能对齐。
算力像电。电的关键不是电压多高，而是你敢不敢把它接进生产线，敢不敢让它在尖峰时刻不跳闸。城市的推理需求天然有峰值，节假日、极端天气、突发事件、重大活动，每一次都会把热线、窗口、应急联动推到临界点。模型能力再强，顶不住供给侧的抖动，最终呈现给公众的就是卡顿、失败、转人工。公众不会关心你用了什么模型，他们只会记住那天系统没撑住。
数据像水。水的麻烦从来不是有没有一口井，而是水源是否干净，水管是否通畅，水压是否稳定。城市数据最大的问题往往不是“没有”，而是“不可用”。不可用不是缺字段，而是缺可信度，缺可追溯，缺上下文。一个数据点从哪里来，谁改过，何时生效，能不能作为办事依据，能不能在审计里站得住，这些才是真正的门槛。你可以用最强的模型去“理解”一份脏数据，但模型越强，越容易把噪音变成看似合理的回答，最后把责任变成一团雾。
服务像路。路的价值不在柏油有多新，而在车能不能按规则跑到终点。城市服务的难点也不在“能不能答”，而在“能不能办”。这就是为什么把 AI 接入政务服务，一旦进入真实流程，最先暴露的不是语义能力，而是接口能力。信息查询还能靠文本兜底，涉及变更、申请、审批、工单、调度，就必须回到制度的颗粒度：权限边界在哪里，哪些动作必须人工复核，哪些动作可以自动执行，执行后如何留痕，如何解释，如何撤销。模型擅长生成，城市需要的是执行与责任的闭环。
治理像交通规则。规则不是为了看起来严肃，而是为了让整个系统在高密度运行时不崩。城市跨部门最大的痛，不是大家不合作，而是每个人都承担不了别人系统的风险。AI 一旦穿过部门边界，就会把风险也一并带过去。于是权限与审计变成硬约束，不是合规部门的“额外要求”，而是跨部门协同的必要条件。没有统一的身份体系、最小权限、调用留痕、证据链，你就无法让一项 AI 能力从一个局的试点，变成全市范围的常态。它会永远停在演示里，停在小范围里，因为没人愿意为不可控的外溢风险买单。
所以我更愿意把城市的 AI 规模化理解成一件基础设施工程，而不是一件产品功能升级。它会逼迫城市重新整理三条链条。第一条链条是数据的可用性与可信度，城市必须把“可作为依据的数据”从“可展示的数据”里剥离出来，把引用、来源、版本、时效做成基本能力。第二条链条是跨部门的权限与审计，不是把权限写在纸上，而是把每一次访问、每一次调用、每一次决策路径固化为可回放的记录。第三条链条是交付，把试点变成常态需要的是工程纪律，是运营能力，是把系统跑得稳定、把故障变得可预测、把升级变得可控的那套“看不见的手艺”。
当 OpenAI 说用户规模在增长、产品在变快变稳时，城市读到的应该是另一层含义：规模会倒逼基础设施变成竞争力。谁能把算力供给、数据治理、服务执行、审计责任接成一条稳定的管道，谁就能让 AI 真正变成城市的一部分。模型会迭代，风口会轮换，但这条管道一旦建成，就会成为城市长期的生产力底座。
参考：OpenAI《让 AI 惠及每一个人》https://openai.com/zh-Hans-CN/index/scaling-ai-for-everyone/