新一代人工智能正在突破“工具论”的边界，从辅助效率走向重塑认知思维模式，深度嵌入城市空间智化的全过程，包括生产、生活、生态的诸多场景与内容细节。正如哲学家许煜所言，人类正在经历从人本主义的匠人（homo faber），走向智人（homo sapiens），甚至神人（homo deus）的新时代。“人—智能体—自然”正在以平等的方式重塑城市的内涵。因此智能城市（AI City）的核心命题已不只是“如何更智能化增强”，而是“如何重构认知、发现规律，创造未来”。这明显不是在马车时代的换上豪华马鞍，而是一种进入汽车时代的范式改变。
1. 从“自主调用”到“智算推演”：人机共治下的城市智化
传统规划设计中，模拟（风环境、人流、能耗、声光热、交通流、应急疏散）是离散的、专家驱动的——规划师需要逐一指认软件、配置参数、连接数据。这种“工具丛林”使得多目标耦合极为困难，跨尺度、跨学科的整体性洞察长期被工具壁垒所阻断。
我们正在推动的方向是建立“自主推演—科研代理”（Harness架构），通过大模型的语义理解能力直接调用 GitHub 上分布式的开源模拟引擎集群，让 AI 自己根据设计语义去搜索、匹配、组合最适合的模拟工具，并在人机问答中验证结果的可靠性，实现从“指认工具”到“自主寻路”的跃迁。这是一条全新的赛道：科研工作流不再以软件为中心，而以问题语义为中心；工具被解耦、能力被聚合，城市规划由此进入一个高质量跃升(qualitative leap)的方法论拐点——规划师与 AI 的协作不再是“交付任务”，而是“共同提问”。
这一范式的技术内核可概括为三层架构：
“数据+知识”层——城市多源时空数据（遥感、IoT、移动信令、BIM/CIM、历史规划档案）与领域知识图谱（规范、机理模型、设计经验）的融合底座;
“调用+算法”层——模拟引擎、生成式模型、优化求解器与可解释逻辑推理(因果、规约、伦理约束)的耦合中枢;
“工作流智驾”层——面向具体设计—科研问题的可编排、可追溯、可验证的智能体流水线。
2. 城市空间作为智慧空间的核心场景：超模拟—超映射—超耦合
如果说“智慧空间”的核心是数据可视化与运行监测，那么“AI 城市”的核心则是生成、决策与共演化。我用三个递进的概念来概括其空间方法论。
超模拟（Hyper⁃Simulation）——突破单一物理过程的封闭模拟，建立城市多系统、多尺度、多主体的跨域并行模拟，让城市的物理空间（自动驾驶廊道、低空物流网络、智能响应基建）与人的行为流、能量流、信息流可以在同一引擎中共振推演。
超映射（Hyper⁃Mapping）——突破“物理→数字”单向数字孪生，建立物理空间与数字空间的双向、实时、语义级映射。城市数字空间不再是物理空间的“影子”，而是物理空间演化的先行场：规划方案先在数字空间中长出形态、被检验、被博弈，再回传指导物理空间的建造与改造。
超耦合（Hyper⁃Coupling）——突破学科与系统的隔离，让交通—能源—生态—社会—经济—治理在算法层面深度耦合。低空物流的通道选址同时是噪声治理问题，是产业空间问题，也是社会公平问题——AI 第一次让我们有能力在同一个决策模型中处理这种本质上不可解耦的复杂性。
3. 规划建筑学科的响应
面对这一变革，规划建筑学科需要做三件事。其一，重构超智能体共生知识体系，将算法素养、模拟工程、智能体协作纳入规划师、建筑师的核心能力；其二，建设开放数智基础设施体系，推动城市级模拟引擎库、知识图谱、数据接口的共建共享，避免每个团队重复造轮子；其三，重塑后人文主义时代的伦理立场，在 AI 自主性快速扩展的同时，警惕算法黑箱、数字鸿沟与空间正义的新议题——技术越自主，规划师的价值判断越关键。
智能城市不是被动适配技术的城市，而是与技术共同进化的城市。规划学科的使命是在超模拟、超映射、超耦合的能力之上重新提出关于“未来城市为何更美好？”的根本之问。