变道还是扛重担?政府人工智能应用与工作负担对城市公共服务的多维度影响分析

《Habitat International》:Switching lane or carrying the load? A multidimensional impact analysis of government artificial intelligence application and work overload on urban public service

【字体: 大 中 小 】 时间:2026年07月23日 来源:Habitat International 8.5

编辑推荐:

  •城市公共服务既可能受GAIA的推动,也可能受GWO的推动。•GAIA与GWO对城市公共服务的影响存在规模效应。•GWO会放大GAIA的影响,而GAIA则可替代GWO来影响城市公共服务。•当GAIA与GWO共同作用于城市公共服务时,会产生协同效应。•对于城市公共服务而言,较高的G

  •城市公共服务既可能受GAIA的推动,也可能受GWO的推动。•GAIA与GWO对城市公共服务的影响存在规模效应。•GWO会放大GAIA的影响,而GAIA则可替代GWO来影响城市公共服务。•当GAIA与GWO共同作用于城市公共服务时,会产生协同效应。•对于城市公共服务而言,较高的GAIA水平更为理想,而GWO则需适度控制。

引言
城市公共服务指的是政府公共部门以非竞争性且全民可及的方式为所有社会成员提供的各类产品和服务,包括公共教育、医疗保健、社会保障、文化体育活动以及其他必要的社会服务(Barbera等人,2025)。在全球治理不断发展的背景下,城市公共服务被世界各国政府视为实现社会治理、保障公民福祉的重要责任。国际组织也将城市公共服务视为可持续发展的关键指标,学术界也对其效率与质量进行了大量研究(Larsen和F?lstad,2024)。提升城市公共服务水平能够保障公民的基本权利,有助于优化收入分配、降低社会风险,对促进长期经济增长与社会团结发挥着重要作用。然而,改善城市公共服务面临诸多挑战,因其涉及复杂的逻辑结构并受到多重约束。若将城市公共服务视为经济与社会产出,那么科布-道格拉斯生产函数Y=AKαL1-α便可简化这一复杂性,明确其中的各因素及约束条件。在该模型中,A代表提供城市公共服务所需的技术,K表示城市公共服务领域的资本投入,L则是提供这些服务所需的劳动力投入。参数α和1-α分别体现资本与劳动力的产出弹性,短期内变化相对稳定,反映了从长期来看城市公共服务产出对资本与劳动力投入变化的敏感程度。值得注意的是,城市公共服务领域的资本投入K主要来自政府财政支出,而这种支出又受到国家税收体系及公民收入水平的限制。一旦收入压力增大或税收增长缓慢,进一步增加资本投入就会变得愈发困难。因此,若要提升城市公共服务产出Y,就应着力提升技术水平A与劳动力投入L。

技术作为主要生产力,通过降低交易成本、提高资源配置效率以及优化服务供给,推动城市公共服务体系的转型升级。现有研究已探讨了互联网(Trischler & Westman Trischler,2022)、移动通信技术(Osabutey & Jackson,2024)以及数字基础设施(Liu & Li,2024)在优化城市公共服务中的作用。这些技术能够优化资源分配、加快服务响应速度、提升服务精度,为研究技术驱动的城市公共服务奠定了坚实基础。人工智能作为引领新一轮技术革命与产业变革的力量,正以前所未有的速度影响着全球各个领域。2016年因通用人工智能技术的重大突破——即依托数据驱动、算法迭代以及计算能力的提升——被学术界与工业界共同定为“人工智能之年”。人工智能是一种新兴技术,它能够让计算机和机器模拟人类的学习、理解、问题解决及决策能力(Jafary等人,2025)。该技术能够处理和分析海量数据,从而发现其中隐藏的模式与规律,为经济与社会发展带来了革命性影响(Tang等人,2025)。在政府领域,人工智能的这些能力被应用于复杂的治理场景中,用以解决传统官僚体系中的信息不对称与激励不相容问题(Alon-Barkat & Busuioc,2023)。在本研究中,政府人工智能应用指人工智能在城市公共服务中的深度整合与创新实践。这类应用能够精准识别公众需求、动态优化服务资源、加快响应速度,并提升个性化服务能力,从而为构建更高效、更人性化的城市公共服务提供“换道行驶”的解决方案。

尽管技术突破具有强大的推动作用,但其出现往往具有偶然性和随机性(Xi & Mai,2025),因此难以在短期内实现稳定且大规模的应用与普及。正因如此,增加劳动力投入长期以来一直被视为提升城市公共服务水平的核心途径。城市公共服务中增加劳动力投入所带来的薪资成本直接来源于政府财政支出,而这类支出往往存在限制多且较为僵化的特点。这意味着,在固定的财政预算框架下,无法仅通过增加劳动力薪酬支出来扩大城市公共服务的劳动力投入规模。因此,政府必须探索其他方法,比如通过优化劳动力配置效率来提升劳动力投入,而非单纯扩大招聘规模。已有研究系统地探讨了通过增加基层服务人员数量(M?ller,2025)以及组建专业技术人员队伍(He等人,2025)等方式,来提升城市公共服务的覆盖范围与服务专业化水平。

然而,劳动力投入的系统性提升依赖于各个阶段的长期建设,短期内难以取得显著成效。面对城市公共服务需求的突然激增或突发公共事件带来的挑战时,政府往往会采取过度工作(WO)的方式来“承担压力”,通过延长员工工作时间来增加劳动力供给,以应对城市公共服务的压力。此处所说的政府过度工作(GWO),指的是公共部门机构将工作时间延长至法定工作时间之外的现象。这种做法能够直接增加劳动时间,提高劳动强度与工作连贯性,从而完成更多的城市公共服务任务。

世界各国普遍将城市公共服务视为保障民众福祉的基础。中国对提升城市公共服务的需求尤为迫切且范围广泛。作为世界第二大经济体和第二人口大国,中国在快速的经济与社会发展过程中面临着诸多挑战,包括巨大的城市公共服务需求、不同地区及群体之间公共服务供给的不均衡,以及老龄化带来的结构性压力(Ren, Zhou等人,2025)。尽管农村人口减少以及乡村振兴战略的持续实施(Yin等人,2026)在一定程度上缓解了城市所面临的压力,但这些挑战依然对公共治理体系的品质及资源配置效率提出了极高要求。此外,凭借全球最大的数据集以及集中的政府投资机制,中国在核心人工智能算法、计算能力支撑以及应用场景拓展方面取得了突破性进展(Lin,2025)。然而,随着人工智能应用的不断扩展,普遍存在的长时间高强度过度工作现象也引起了人们的关注。中国在人工智能技术方面的领先地位与普遍的加班现象在政府领域同样存在(Zhang等人,2025)。政府工作中“人工智能+政务服务”系统(Chan等人,2025)以及“大模型+思维链”技术架构(Schiff等人,2025)的广泛应用表明,人工智能技术正在为构建精准、高效、智能的现代城市公共服务体系提供技术支持。不过,为了满足日益增长的城市公共服务需求,各级基层政府工作人员及职能部门人员不得不通过加班来应对繁重的工作量,以确保工作的连续性。然而,由于目前官方统计中缺乏对GAIA与GWO的系统性记录,因此缺乏能够证明二者相互作用及其对城市公共服务影响的可靠数据。因此,利用多源大数据构建可追溯的面板数据集,进而研究GAIA与GWO对城市公共服务的影响,具有重要的现实意义。这不仅能为中国政府在推进智能化城市公共服务、基于人工智能的精准管理以及科学化员工管理方面提供决策依据,也能为其他国家解决类似的城市公共服务难题提供参考,从而推动全球城市公共服务的共同提升。

探究GAIA与GWO对城市公共服务的影响本身就已具有重要的研究价值。进一步研究这两类因素可能产生的多维度效应——无论是由于它们自身的相互作用、相互替代还是互补关系——都能为当前存在的种种问题提供思路与解决方案,具备实际应用价值。为此,我们根据关注度与实际水平,绘制了中国的AI(包括GAIA)、过度工作(包括GWO)与城市公共服务之间的相关性图,如图1所示。如图所示,中国的AI发展与过度工作情况(图1(a)中的AI与过度工作,以及图1(b)中的GAIA与GWO)均并非呈线性增长趋势,而是呈现出类似正弦函数或余弦函数周期性变化的明显波动。相比之下,对城市公共服务的关注度则呈现相对稳定的线性上升趋势。这种不对称性表明,GAIA与GWO对城市公共服务的影响可能存在多维度效应。具体而言,在图1(a)中AI的关注度出现爆发式增长之后,AI关注度与过度工作的变化趋于稳定,而对城市公共服务的关注度则持续上升,这说明二者对城市公共服务的影响可能存在规模效应。其次,自2018年以来,AI发展与过度工作呈现出明显的交替变化趋势:当其中一项处于较高水平时,另一项往往处于较低水平,反之亦然。这种此消彼长的关系表明二者之间存在潜在的替代效应。不过,在2016年至2017年期间,当时人工智能尚处于起步阶段且备受关注,这种替代效应并不明显。如图1(b)所示,GAIA与GWO之间的替代效应更为显著。此外,我们发现尽管AI(包括GAIA)与过度工作(包括GWO)存在重叠,但城市公共服务的整体波动却相对稳定,这说明二者可能通过放大效应相互影响,从而确保城市公共服务的持续提升。最后,尽管AI(包括GAIA)与过度工作(包括GWO)的变化节奏相互交织,但在共同提升城市公共服务水平的目标下,二者也可能通过互补与协作实现双向赋能,从而形成稳定的协同效应。这种协同关系能够调节二者各自对城市公共服务的影响路径,为理解技术投入与人力投入如何协同优化城市公共服务提供了新的视角。

综上所述,本文试图回答以下五个科学问题:(1)GAIA与GWO是否有助于提升城市公共服务水平?虽然这看似是一个显而易见的问题,但目前仍缺乏有效的验证。基于此,由于自身特性、相互作用以及匹配关系,GAIA与GWO对城市公共服务的影响可能会产生多维度效应。(2)GAIA/GWO对城市公共服务的影响是否存在规模效应?也就是说,随着GAIA/GWO程度的提升,其对城市公共服务的影响是增强还是减弱?(3)在影响城市公共服务水平的过程中,GAIA与GWO之间存在着怎样的效应关系?即GAIA是否能够放大GWO对城市公共服务的影响,或者GAIA是否可以替代GWO来影响城市公共服务?(4)GAIA/GWO对城市公共服务的影响是否存在协同效应?也就是说,当GAIA与GWO之间的关联更加紧密时,二者在提升城市公共服务水平方面的作用是否会更加明显?(5)最后,基于GAIA与GWO对城市公共服务水平的多维度影响,为了提升城市公共服务水平,我们是应该选择提高GAIA的程度以实现“换道行驶”,还是扩大GWO的规模以实现“承担压力”?

片段摘录
人工智能与GAIA、过度工作与GWO
人工智能的应用已渗透到交通、能源、规划、公共安全以及治理等多个城市服务领域(Yigitcanlar等人,2024)。同时,它还催生了一种新的理念——人工智能城市主义,该理念认为人工智能并非仅仅是辅助工具,而是一股正在重塑城市空间布局、社会关系以及治理逻辑的核心力量(Cugurullo等人,2024)。在此基础上,人工智能城市被定义为智慧城市的继任者,是一种更具智能化的城市形态。

研究设计
由于本文涉及GAIA概念,并将2016年视为人工智能发展的起始年份,因此我们将2016年作为研究的起点。同时,考虑到数据的可获得性,本研究的时间跨度为2016年至2023年。此外,由于与人工智能相关的政府工作报告数据以及卫星夜间灯光数据较为有限,本文以中国284个地级及以上城市作为研究样本。为回答引言中提出的五个科学问题,首先通过基准回归来检验GAIA和GWO对政府城市公共服务水平的影响。豪斯曼检验的结果表明,应采用地级城市和年份的双重固定效应模型。表3展示了基准回归的结果,其中第(1)列仅包含回归中的核心解释变量。GAIA和GWO的回归系数分别为0.235和0.180,在1%的水平上具有显著性。在对多维效应进行测试和分析后,为便于后续分析,本研究将GAIA和GWO的综合效应分别作为独立变量和阈值变量呈现,如表7的第(1)至(4)列所示。为判断GAIA和GWO对城市公共服务水平是否存在协同效应,并探讨两者之间的动态关系,我们以GAIA和GWO的耦合协调度作为阈值变量进行分析和检验,旨在确定是否存在能够同时发挥多维效应的最佳区间。上述关于规模效应、放大效应、替代效应和协同效应的分析表明,不同区间内各种效应的影响程度存在显著差异。此外,尽管存在一定重叠,但各变量发挥其多维效应的区间并不完全重叠。那么,是否有可能找到一个各变量能够同时发挥多维效应的最佳区间呢?结论在人工智能与国家治理深度融合的背景下,鉴于减轻基层负担与提升城市公共服务的质量和效率这两大目标,明确政府技术应用和人力资源投入对城市公共服务的实际影响具有重要的政策意义和实践价值。为此,本研究以2016年至2023年中国284个地级城市为样本,运用AIData数据。如需相关数据,可随时提出请求。关于写作过程中生成式人工智能及人工智能辅助技术的声明在写作过程中,本文未使用任何人工智能或人工智能辅助技术。资金支持作者感谢教育部人文社会科学研究项目(项目编号24YJC790177)、国家自然科学基金(项目编号72404052)、国家社会科学基金重大课题(项目编号23&ZD068)、国家社会科学基金(项目编号22BGL280)、教育部人文社会科学研究项目(项目编号25YJC790118)所提供的财政支持。CRediT作者贡献说明卢卓成:数据整理、方法论、资源、软件、初稿撰写、审稿与编辑。王松:概念构建、监督、可视化、审稿与编辑。利益冲突声明作者声明不存在潜在的利益冲突。卢卓成是中国重庆大学公共政策与管理学院的博士生,她的研究兴趣包括科技创新与区域治理。由于她仍是学生,因此在该校网站上没有个人主页链接。卢卓成|王松
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号