前言

国内城镇化进程已经结束大规模新建扩张，城市建设重心全面转向存量空间提质，城市更新成为城市发展的核心工作。

传统更新模式高度依靠人工踏勘、经验判断，面对复杂老旧片区，普遍存在摸排周期长、风险识别不全、方案同质化、成本管控难等现实矛盾。

人工智能技术的快速迭代，为行业提供全新工具，从城市体检勘察、方案设计，到施工建设、后期运维，AI 正在渗透城市更新全流程。

01

政策密集出台，明确 AI 更新落地路径

2026 年多地集中发布住建领域人工智能专项方案，将人工智能加城市更新纳入地方重点任务清单，政策导向从概念倡导转向明确任务指标，划定具体落地场景与时间节点。

广东：出台两份专项推进方案，围绕人居生活、城市治理设置二十七项攻坚任务，目标在 2026 年底完成省级城市生命线安全监测系统搭建，推动燃气、排水管网数据全省接入，在老旧小区改造、历史街区保护、房屋安全监测领域规模化部署 AI 应用。

杭州：印发城乡建设人工智能行动方案，明确八大方向十七项重点任务，计划建成多组住建行业数据集，落地十余个 AI 场景，聚焦城市体检、BIM 智能审图、老旧小区智慧运维、CIM 数字孪生平台建设。

安徽：专门设置人工智能加城市更新板块，推进房屋沉降、裂缝智能诊断，做强城市生命线工程，设定 2027 年行业智能终端普及率目标。

厦门：发布三年行动计划，重点攻坚 AI 勘察设计、智能审图、工程量自动算量、老旧建筑风险识别，推动更新项目走出试点局限，走向实际工程应用。

从政策共性可以看出，地方不再笼统鼓励数字化转型，而是把城市体检、建筑安全监测、管网风险预警、智能审图作为 AI 落地优先赛道，用硬性指标倒逼技术落地。

政策红利释放，带动各地政府、工程企业、科技公司加速布局，市场项目供给持续增加。

02

全链条场景落地，解决传统行业固有痛点

传统城市更新工作，前期现状摸排消耗大量人力物力，人工走访一栋栋建筑，排查外立面破损、管网隐患，完整完成一片老旧片区体检往往耗费数月甚至一年时间，还容易出现隐患遗漏。AI 结合无人机航拍、图像识别、大数据分析，直接改变前期作业模式，实现效率量级提升。

在城市体检环节，国内多个城市已经完成规模化实践。

• 青岛依靠 AI 完成一万七千多栋住宅体检，自动标记风险楼栋，整体用时仅两个月，同等工作量传统人工需要耗时一年以上。
• 福州通过 AI 解析 12345 民生诉求数据，梳理外墙脱落、管网反复开挖等民生痛点，生成更新改造优先级清单，该模式已经得到住建部推广。
• 舟山使用无人机搭配 AI 视觉识别，完成二十八万平方米楼栋外立面巡检，工作周期从两到三个月压缩至四天。机器可以完成重复、海量的识别统计工作，把人力释放到现场复核、居民沟通等更需要主观判断的工作上。

在安全风险与城市生命线领域，AI 承担二十四小时不间断监测职能。

• 江苏利用 AI 模型结合气象、管网液位数据，可以提前数小时预判城市内涝风险；无人机巡检搭配图像识别，排查燃气隐患、路面坑槽、第三方施工破坏管线风险。
• 杭州 CIM 平台接入近三万公里地下管线，AI 对高风险点位持续监控，隐患自动预警。老旧房屋形变、管线异常依靠算法自动研判，隐患处置效率相比纯人工提升数倍。

在设计审图与方案编制环节，AI 同样产生实际价值。

• AI‑BIM 智能审图可以自动核查施工图合规性，降低人工审图工作负荷，逐步纳入部分更新项目审查流程。工程 AI 平台实现结构方案优化，旧改加固项目中，优化设计后可以实现材料消耗下降，缩短方案迭代周期。
• 针对城中村、老旧街巷微更新，输入现场现状资料，AI 可以快速输出多套改造思路，辅助设计人员完成多方案对比。部分地区试点 AI 归集征收改造过程居民诉求，梳理不同居民改造意愿，辅助编制一院一策、一户一策改造方案，平衡多方诉求。
• 老旧小区后期运维层面，AI 网关打通多小区异构硬件，停车场等设施实现无人值守运维，压缩后期人力成本；数字孪生社区结合 AI 识别高耗能点位，输出节能改造建议，支撑零碳导向的更新项目。

随着建筑垂直大模型、多源感知融合技术持续迭代，AI 不再局限于单一图像识别、简单数据统计，开始向方案推演、韧性评估、投资测算、历史风貌保护更深层次业务延伸，在城市更新领域实现多项新突破，形成一批可复制的新成效。

在片区综合更新推演层面，AI 已经具备多因素仿真模拟能力。过去开展大片区城市更新，需要依靠多轮人工测算，综合人口、交通、管网承载、财政投入、公共配套需求等大量变量，方案调整就要重新完整演算，周期漫长。当前新一代 AI 工具可以导入片区现状底数，同时叠加人口变化、交通流量、管网负荷、财政约束等几十类条件，快速模拟不同改造路径下的综合产出，对比不同改造模式的建设成本、运维开销、民生收益。

历史街区保护性更新取得技术新成效。历史街区更新难点在于兼顾安全加固、风貌保留、功能升级，传统手段很难高效完成大批量古建筑构件病害排查。如今 AI 视觉识别可以针对砖木老建筑、历史街巷做构件病害识别，对木构件腐朽、墙体开裂、砖石风化做批量标记，区分普通损耗和高危病害。

部分城市把 AI 识别成果接入保护修缮流程，用于修缮工程量统计、修缮重点定位，大幅降低历史建筑普查的工作难度。技术帮助工程人员把更多精力放在修缮工艺与风貌把控，改变过去历史建筑摸排依靠逐栋人工记录的作业模式。

更新项目投资与效益智能测算实现落地。城市更新项目资金规模大，收益结构复杂，财政压力是制约项目推进的关键因素。过去投资测算依赖造价人员手工整理大量资料，测算周期长，容易出现参数偏差。

现阶段行业出现面向城市更新的垂直 AI 测算工具，输入片区建筑现状、改造内容、配套建设规模，能够快速输出改造投资区间、运维成本、潜在收益边界，识别项目资金风险点。多地平台将该能力用于更新项目入库评审，快速筛除可行性不足的方案，提升项目谋划质量，辅助地方合理安排财政资金。

多感知融合实现动态更新监管新能力。以往城市更新项目监管集中在图纸和阶段性现场检查，施工过程中隐蔽工程、老旧建筑加固质量很难做到全过程跟踪。现在 AI 将无人机航拍、地面传感设备、工地视频监控、管线监测数据做融合处理，对旧改施工现场开展动态监管。可以自动识别加固施工不规范、现场破坏既有管线、违建复现等情况，做到问题早发现早处置。项目完工之后，持续对改造后的老旧小区、地下管网开展长期动态监测，把监管从项目建设期延伸到改造完成后的长期运维阶段，实现更新工程全周期闭环管理。

民生协同层面，AI 在群众诉求处理上进一步深化。除基础的诉求归集分类之外，部分平台借助大模型完成诉求的标签拆解，区分住房安全、配套设施、环境整治、补偿安置等不同诉求类型，统计片区共性矛盾与个体特殊诉求，辅助工作人员把握片区改造的民生重点。这一应用不是代替沟通，而是减少信息整理的重复劳动，让基层工作人员把更多时间投入面对面居民沟通，提升更新项目民意基础。

AI 在城市更新领域的新突破，核心是从单点工具升级为业务协同能力。技术不再只解决某一项零散工作，而是串联前期研判、现状摸排、方案比选、施工监管、后期监测整套业务链条。

免责声明：文章部分信息素材来源于网络，内容观点仅供交流使用，不做任何商业用途，版权归原作者所有，如有侵权请联系删除，并表示歉意，谢谢!

(@云舒，微信/电话18655555618，欢迎交流！)