城市智能通量:解码AI原生城市衡量指标

如果说城市是人类世界的超级节点，AI原生城市就是AI原生世界的超级节点。

城市具有拓扑学中心性，是人类社会、经济、文化、交通和人才的汇聚点，是金融、教育、医疗、创新、治理等核心功能的承载点。城市是度（连接数）和介数（最短路径必经点）极高的“超级节点”，也正是梅特卡夫定律（网络价值与节点数的平方成正比）在物理空间的体现。城市越大，机会越多，吸引的人越多，进而产生更多创新和机会。

AI原生世界是什么？当整个世界都在被AI重新定义，智能体成为世界新的“原住民”与第二主体，与人类在“物理-数字”双重空间的深度协同和彼此协作中形成复杂分工，不断涌现出我们今天难以想象的新业态、新生活方式、新的社会交互模式——整个世界的运行逻辑、基础设施、经济规则和社会交互，都围绕“智能即服务”来构建，这就是AI原生世界。

例如：由AI动态规划的无人驾驶交通流中，红绿灯和固定停车位彻底消失；由AI智能体驱动的“即时经济”，让工作、服务和资源的匹配在毫秒级完成；由智能机器人承担危险、繁重、重复的劳动，人类得以从生存压力中解放，专注创造、决策与共情。

在AI原生世界中，城市这一“超级节点”将演进为“智能”的生产、流转与应用的终极汇聚点——它既是高密度算力、高质量数据、前沿模型与复杂智能体协同网络的物理承载空间，也是最密集的AI人才与最具创新活力的AI应用场景的发生地；同时，它更是无数智能体进行“社会化协作”与“分工演进”的核心场域。这样的城市，就是AI原生城市，人类与智能体共创新世界的首要枢纽。

我们提出了一个衡量AI原生城市的核心指标——城市智能通量。其定义是：在AI原生城市范围内，单位时间（每天）城市人口所享有的、有价值的智能涌现总量。

城市智能通量 = 智能体密度 × 城市人口 × 群体智能有效生产率 × 城市智能基础设施自给率

城市智能基础设施自给率（AI-Infra Self-Sufficiency Rate,ASSR）

城市内智能体执行任务所使用的算力、模型、网络等，由物理位于本市行政区域内的设施提供的比例（0~100%）。该指标标志着城市智能的自主工业化水平，反映城市对本地AI基础设施的自主可控程度。

城市智能体密度（Active Agent Density,AAD）

城市单位人口（千人）所使用的活跃、自主完成任务的AI智能体数量（千智能体/千人）。该指标标志着城市的智能普及水平，反映出人与智能体协同协作的广度与深度。

群体智能有效生产率（Swarm Agents Effective Productivity,SAEP）

对于一个智能体来说，在单位时间内，单个活跃AI智能体平均自主完成的、经确认产生实际价值的任务数量就是该智能体的有效生产率。而城市内所有活跃智能体通过交互和分工协作，可以涌现出超越单个智能体能力的复杂、高效的全局智能，因此，群体智能有效生产率是指城市内单位数量（千）活跃智能体通过群体协作产出高价值任务数量。

城市人口

以千人为单位人口，与智能体密度计算单位一致。这实际上构成了一个“城市级智能”的综合评估框架。

城市智能基础设施自给率（ASSR）的关键，就在于将AI能力本地化。这标志着AI计算范式从依赖远端“云计算”，转向自主可控的“边缘计算”相结合。IDC报告，到2030年，全球50%的企业AI推理任务将在边缘侧完成；McKinsey指出到2030年，60%-70%的AI工作负载将用于实时推理；NVIDIA在GTC 2026推出“AI Grid”概念，联合全球运营商推动AI推理向网络边缘下沉。这一发展趋势，根植于AI正在从“生成”向“完成”的演进：

AI应用重心转移

从LLM到智能体，AI正在从数字世界的对话生成转向数字和物理世界的工作完成。AI必须实时理解、操作数字和物理世界，要解决产业智能化的最后一公里，这与之前专注内容生成的云端AI有本质不同。

时延决定生死

无论是自动驾驶、机器人、工业机械臂，决策窗口仅在几十毫秒内，云端往返延迟无法满足，必须“算力下沉”到边缘。

安全与合规红线

《数据安全法》等要求数据不出域，个人隐私和商业机密数据必须优先在边缘处理。

自主与核心价值

AI原生企业与个人（OPC）的核心价值体现是其在通用AI之上所独有的专属知识、经验、技能并基于此不断迭代进化的能力，这一能力必须依赖自主的基础设施。

数据压力

一辆自动驾驶汽车每天可产生TB级数据，全部回传云端既不现实也不经济，必须在边缘预处理。

因此，AI原生的边缘计算，是一个以城市为空间单位，通过“云-边-端”协同架构，将AI所需的算力、模型和数据服务部署在物理靠近城市用户和数据源头的地方，实现城市自主智能闭环的关键基础设施。它由三个层次关联构成：

• 端：即部署在城市中的海量智能设备，从手机、汽车、机器人、传感器，到家庭和企业级的智算服务器。既有AI的“感官”与“手脚”，也有快速执行任务的“个体大脑”，使端侧智能体具备实时感知和自主决策的能力，是最靠近用户的智能。

• 边：这是城市智能的“区域大脑”。它由算力分层构成：现场边缘，部署在园区、工厂、医院等具体场景的本地算力节点（<5ms延迟）；网络边缘：运营商MEC节点（<10ms延迟），构成了城市网络边缘的AI覆盖；城市级数据中心：城市级的AI推理中心，承载处理城域的数据和AI业务，实现城市内的AI自主可控和隐私保护。

• 云：超大规模数据中心、AI训练中心和推理中心，拥有全局和通用智能，承载最高的智能密度和完成最复杂的业务处理，决定AI能力的上限。云侧并不属于AI原生边缘计算范畴，但是AI原生边缘计算通过超高速连接，可以充分利用云侧超级智能，形成端边云协同。云侧的智能越强，边端侧通过蒸馏、迁移后获得的能力就越多，承载任务越复杂，产生产业价值越大。最终，边缘与云端共同构成一张覆盖城市的“AI价值网格”（AI Value Grid）。

Gartner 预测，到 2028 年，每家企业平均使用的智能体数量将从 2025 年的15个飙升至 15万个。IDC 预测全球活跃智能体总数将从2025年的约2860 万，在 2030 年达到 22.16 亿，年复合增长率139%；而年执行任务数从2025年的440亿次暴涨至2030年的415万亿次，年复合增长率524%；Token消耗量从0.0005 Peta Tokens飙升至152,667 Peta Tokens，年复合增长率3418%。马斯克认为智能体数量在30年将超过人类总人口。在此，我们参考IDC预测趋势进行测算。

以一个人口超过500万，产值过万亿的区域性中心城市为例。作为区域性产业科技创新高地，预计到2030年，城市内企业和个人智能体总数率先达到城市总人口数量，即拥有500万城市活跃智能体。平均每千个智能体每天完成高价值任务数5.1万次（根据IDC预测22.16亿智能体年执行任务415万亿次计算）。

ASSR（城市智能基础设施自给率）：领先AI原生城市目标设定为70%-90%（取中位数80%），即城市内智能体执行任务所使用的算力、模型、网络中，由本市自有基础设施提供的比例达到80%的较高水平。

AAD（智能体密度）：等效1千活跃智能体/千人，即人手一个AI智能体。

SAEP（群体智能有效生产率）：5.1万高价值任务/（天·千智能体）。

该城市智能通量 ≈ 1 × 5000 × 5.1 × 80% = 2.04亿次智能任务/天

按IDC预测处理一次任务的Token消耗中位数约为36万（2030年，4.15 × 10¹⁴次任务，消耗约1.53 × 10²⁰ Token）。可以得到按Token计算，该城市2030年的城市智能通量为：

按Token计算的城市智能通量 ≈ 2.04 × 10⁸ × 360000 = 7.34 × 10¹³Token/天，即城市内每天使用73.4万亿 Token/天，2.68万万亿/年

按照目前主流加速芯片Token生产能力，100MW Token工厂每年可生产约2000万亿Token。考虑到模型、芯片、系统和网络在不断演进，新一代系统架构正在显著提升“单位兆瓦推理产出”。以GB300 NVL72为例，其官方口径显示：相较 Hopper 平台，TPS/MW（每兆瓦吞吐）可提升约 5 倍。这说明，随着低精度推理、超节点互联、近存计算、系统级调度和网络架构持续优化，未来城市级智能基础设施可以在同样电力消耗下提供更多 Token产能。预计到2030年，100MW的Token工厂（混合采用新旧加速卡）可以生产约每年6000万亿~1万万亿Token，满足该城市智能通量的AI基础设施约需300~500MW。

👇 关注「超互联HC4」👇