AI城市排斥循环：全球南方智能城市主义与不平等

《Frontiers in Sustainable Cities》：The AI Urban Exclusion Cycle: smart urbanism and inequality in the Global South

　　

人工智能（AI）正在迅速重塑全球南方（Global South）的城市发展，然而其对城市不平等的影响仍未得到充分理解。研究人员认为，当前的智慧城市（smart city）辩论往往忽视了先前的城市不平等如何被嵌入AI驱动的城市发展之中。为弥补这一空白，研究人员提出了“AI城市排斥循环”（AI Urban Exclusion Cycle）这一概念框架，用以解释数据不平等、不均衡的智能基础设施和AI治理如何作为相互强化的机制相互作用，从而产生空间排斥并使城市不平等长期存在。该框架强调了这些挑战的相互关联动态，并确定了具有代表性的城市数据、公平的基础设施投资、负责任的治理和有意义的公众参与作为打破这一循环的关键干预措施。AI城市排斥循环为关于更具包容性和以人为本的AI驱动的城市发展的辩论与研究奠定了基础。

全球南方（Global South）城市正迅速将人工智能（AI）嵌入智慧城市（smart city）倡议之中，政府、发展机构和科技公司普遍将数字技术视为提升城市效率、治理水平和服务供给的工具。然而，现有研究往往忽视了这些AI驱动的城市发展如何与既有的社会空间不平等相互作用，尤其是数据不平等、智能基础设施分布不均以及AI治理缺陷如何被当作相互独立的议题分别讨论，而非视为一个协同强化、持续再生产城市不平等的整体过程。针对这一理论缺口，研究人员提出“AI城市排斥循环”（AI Urban Exclusion Cycle）概念框架，系统阐释了三个相互连接的机制——数据不平等与城市不可见性、智能基础设施与不均衡城市发展、AI治理与监控——如何将既有不平等转化为空间排斥，进而反过来强化城市不平等，并塑造后续的数据生产、基础设施投资与AI治理模式。该框架强调，只有通过代表性城市数据、公平的基础设施投资、负责任的AI治理和有意义的公众参与，才能打破这一循环。

研究人员采用概念分析与批判性文献综述的方法，综合了批判性智慧城市研究、城市信息学、城市治理以及全球南方城市发展等领域的既有成果，在理论层面构建了上述框架，未涉及具体实验或样本队列。

研究结果具体包含以下四个部分：

**数据不平等与城市不可见性**。通过梳理城市大数据、制图与规划文献，研究发现AI系统高度依赖城市数据，但全球南方城市的正式数据收集与地图测绘往往遗漏非正规住区、低收入社区和数字排斥群体。数据缺失不仅是技术缺陷，更是决定哪些地方和人口在AI治理中可见的政治条件。制图实践与数字鸿沟进一步将弱势群体排除在数据驱动的规划之外，使数据不平等成为空间排斥的第一个强化机制。

**智能基础设施与不均衡城市发展**。通过分析智慧基础设施的分布规律，研究发现智能交通、数字公共服务等AI基础设施倾向于集中部署在连接性更强、经济价值更高的富裕城区和新建区域，而低收入社区与边缘地带则持续缺乏电力、网络、设备和机构能力。这种“不均衡富足”使数字转型的收益集中于已连接人群，形成碎片化的智慧城市化，并可能服务于全球城市品牌竞争而非弱势社区的日常需求，由此成为第二个强化机制。

**AI治理、监控与边缘化社区**。通过检视预测性警务、人脸识别和自动化监控等治理技术，研究指出这些系统依赖历史数据，往往复制既有的监控模式和制度性偏见。在制度能力薄弱、监管框架缺失以及对外部技术供应商依赖较强的情况下，移民、非正式工人、无证人口和低收入居民更易暴露于不透明的自动决策之中，缺乏申诉与问责渠道。治理安排由此成为不平等被制度化的第三个强化机制。

**打破AI城市排斥循环：迈向包容和以人为本的城市AI**。研究基于对参与式规划和包容性数据治理的探讨，提出打破循环需要跨机制协同干预，包括提升非正规住区与边缘人群在数据系统中的可见性、加强基础设施规划的公平性、建立伦理治理框架与制度问责机制，并促进社区对AI系统的实质性参与。智慧城市倡议只有将空间正义与社会包容置于核心，而非单纯追求效率与竞争力，才能导向更公平的城市未来。

在讨论部分，研究人员强调，AI城市排斥循环并不意味着应拒绝AI，而是要求重新评估城市AI的价值标准：不仅关注效率优化，还应以是否推进空间正义、增强社会包容和实现公平发展作为评判依据。研究结论指出，若技术创新伴随着弱势群体持续被排斥，全球南方城市便不能被视为真正“智慧”。未来城市AI的设计、治理与评估应纳入更多包容性与公平性考量，该框架为相关辩论与实证研究提供了概念基础。