生成式人工智能賦能城市敏捷治理：機理與對策

隨著我國城市化進程的不斷深入，城市空間規模大、人口密集、要素多元、需求分異等特征，給城市治理帶來嚴峻挑戰，為此《中共中央關于進一步全面深化改革推進中國式現代化的決定》中明確提出要“推動形成超大特大城市智慧高效治理新體系”。在此背景下，城市敏捷治理成為破解治理難題的新方向。隨著國家“人工智能+”戰略的深入推進，以ChatGPT、Deepseek為代表的生成式人工智能（GenerativeArtificialIntelligence，以下簡稱GenAI）技術快速迭代與普及，推動我國城市治理進入GenAI深度賦能的新發展階段。為此，本文將通過梳理當前GenAI在城市治理領域的研究，厘清GenAI與城市敏捷治理的理論內涵，進而聚焦兩者融合中的應用場景、面臨的挑戰及應對策略，探討GenAI賦能城市敏捷治理的路徑。

（一）城市治理效能提升

一是治理數據的深度挖掘。人工智能通過自然語言處理（NLP）與深度學習技術，可實現對社交媒體輿情、物聯網傳感數據及政務信息的高效解析。例如，有學者指出北京市海淀區城市大腦項目通過構建覆蓋廣泛的傳感網絡并全面接入全區基礎地理數據、遙感影像、互聯網數據、物聯網等海量數據資源，為提升城市管理效能和快速響應能力提供數據支撐。[1]二是虛實交互的治理場景構建。數字孿生技術與元宇宙概念的引入，為城市治理提供了虛實融合的創新場景。虛實交互不僅拓展了治理的時空維度，更通過模擬推演優化了資源配置效率。[2]三是人機協同治理。人是社會空間的主體，機是數字空間的主體，把人機結合于城市治理，能更有效提升城市敏捷，實現“以人為中心”的城市治理。[3]

一、文獻綜述

城市作為人口集聚、系統復雜、風險交織的治理場域，其治理效能的提升面臨著響應速度滯后、資源配置失衡與協同機制不足等瓶頸。近年來，人工智能快速發展為解決上述困境提供了新思路，相關學者開展了大量研究，大致包括以下三個方向。

（二）城市治理的應用場景創新

在城市安全風險治理領域，利用人工智能技術提升城市安全治理。雄安新區通過實施“百淀聯通”工程，引入人工智能相關技術，實現城市生態空間的智能監控，有效提升了城市風險治理能力。[4在環境治理與低碳發展領域，有學者提出利用空間人工智能對城市碳排放狀態進行高頻監測，形成可動態更新的碳排放核算與情景預測技術方法。[5]在公共服務維度，廈門大學公共政策研究院發布《AI + 公共治理研究學術共同體：廈門倡議》，[6推動人工智能在公共治理領域的研究與應用，構建具有中國特色的公共治理科學人才培養體系，共同建設智能時代的公共治理新范式。

（三）城市治理的潛在風險與制度挑戰

盡管人工智能技術賦能城市治理帶來了顯著效能的提升，但是運用技術而引發的治理張力亦不可忽視：一是技術層面的算法偏見與數據安全問題。人工智能在數據訓練過程中可能固化并放大既有的社會偏見，形成算法歧視的惡性循環。[7]二是制度層面權責沖突問題。平臺化治理模式出現，正在模糊政府、企業與社會組織的傳統邊界，這種治理主體間的角色混淆不僅導致協同機制失靈，更產生出監管力度不足與責任相互推卸等問題。[8]三是社會層面的數字鴻溝問題。高艷等發現，[9]弱勢群體面臨日趨嚴峻的數字壁壘，技術適配性障礙、數字素養欠缺與數據獲取能力不足等因素相互疊加，使得這一類人無法適應社會的快速發展，從而導致城市治理效果下降。

綜上，現有研究對人工智能賦予城市治理進行了較為豐富的探索，但由于相關研究剛剛起步，故存在著一定不足。首先，既有大多數的文章都是人工智能技術賦能角度進行城市敏捷治理研究，缺乏對GenAI對敏捷治理的探討。其次，GenAI賦予城市敏捷治理是一個復雜的過程，現有的研究比較分散，缺乏綜合性框架來解釋兩者的適配機理。為此，本文立足于GenAI賦能城市敏捷治理角度，厘清GenAI與敏捷智能的理論機理并分析兩者融合應用場景、面臨的挑戰及應對策略。

二、城市敏捷治理的概念與特點

2018年世界經濟論壇對敏捷治理作出權威界定，強調其“以用戶為中心，具有柔韌性、流動性和靈活性的行動方法”。[10]同時，諸多學者也開展了研究，盡管在不同學科視角下存在定義差異，但學者們一致認為，敏捷治理本質上是對公共價值的創造性回應以及通過構建多元主體協同機制，實現治理系統對復雜環境的快速感知與動態調適，在包容性治理框架下平衡技術創新風險，最終以增進人類福祉為宗旨。

在傳統治理范式中，城市治理通常采用科層制，強調集權模式下的等級權威，倡導行政權力主導的治理策略，往往通過行政經驗和既已成型的規章制度來處理城市問題，[11]并借助“金字塔”權力結構下的行政問責來為任務完成提供動力和保障，以此來促進城市治理問題的解決與行政任務的達成。[12]隨著數智化發展與科技革命深入推進，傳統城市治理以規則和制度為中心，強調權威和控制的治理邏輯，治理效率低下，難以適應數智時代的發展，對突發事件不能及時響應，無法有效應對城市困境與難題，因此敏捷治理應運而生。

敏捷治理的核心是變革治理思維方式，隨著環境的變化，根據公眾需求靈活調整，以此來適應數治時代的發展。[13]敏捷治理能夠在復雜性強、不確定程度高的城市治理環境中，靈活地調整組織策略與治理情境，以更加柔性的政策干預，并利用數字信息工具輔助治理，從而實現治理問題的及時感知、快速回應及可持續性處置。總體而言，城市敏捷治理范式以問題和需求為導向，強調適應性和靈活性，強調在可控范圍之內去空間化、去科層化，具有以人為本、靈活高效、柔韌包容、迅速回應等優勢。[14]

綜上所述，敏捷治理對比傳統治理在城市治理方面有著明顯的優勢特征，能更好適應數智時代的發展（表1）。

三、GenAI賦能城市敏捷治理的實現機理

城市敏捷治理并非是單一技術主導或組織驅動的結果，而是技術與組織相互促進、相互影響的迭代進階過程，強調治理節奏與技術進度的相互依存，以及治理對技術的協同適配。[15]顯然這個話題適合采用技術一組織—環境（TOE）框架開展分析。TOE框架是一種用于分析和理解技術在組織中的應用與影響的綜合框架。該框架最初主要關注技術本身對技術采納的影響，后來逐漸演變為綜合考慮組織因素和外部環境因素的多維框架。[16]TOE框架強調技術（Technology）、組織（Organization）和環境（Environment）三個維度的相互作用和相互依存，能夠系統性地解析復雜情境中的多維因素及其動態關系。[17]其中技術維度包括技術特性以及技術能力與優勢，組織維度包括組織結構與文化、組織資源與能力等。環境維度包括外部政策法規環境、社會與市場競爭環境。

（一）技術維度

近年來，GenAI迅猛發展并展現出前所未有的靈活性和創造性，使其成為一種具有強力賦能實踐作用的工具。[18]GenAI挑戰了依賴于事先設定的規則、結構和過程的傳統治理模式，推動了具有動態、自適應、數據驅動的決策制定和執行過程的新的治理樣態，[19]從而改變了敏捷治理的手段與方法。

一是風險感知與處置。社區風險感知是識別、研判及預警社會潛在風險的關鍵路徑，也是社會敏捷治理的基礎性步驟。［20]GenAI能夠高效地處理海量的城市數據，包括交通流量數據、人口流動數據、環境監測數據等。通過對這些數據的深度挖掘和分析，它可以快速識別城市運行中的異常模式和潛在問題，為敏捷治理提供精準的信息基礎。例如，通過對交通攝像頭數據的實時分析，預測交通擁堵點并提前制定疏導方案。

二是政策模擬與優化。GenAI依靠高效的算法與模型，能夠快速生成優化方案和應對策略，輔助政府權衡選擇。在城市治理中，面對突發的公共事件或復雜的城市問題，如公共衛生危機、自然災害等，GenAI可以依據大量歷史數據和實時信息，迅速生成多種可能的解決方案并進行模擬評估，幫助決策者選擇最優方案，實現快速響應和科學決策。例如，在新冠肺炎疫情暴發期間，采用AI輔助決策的國家（如韓國）政策迭代周期平均為3.2天，而依賴傳統程序的地區則長達17.5天。[21]尤為重要的是，基于GenAI的快速模擬能力，政府的政策制定可從“計劃—執行”轉向“試點一反饋—迭代”模式，在實現快速反應的同時，促使治理方式在執行中不斷得到優化。

三是跨域決策支持。GenAI通過認知增強、關系重構和過程迭代三重維度，顛覆了傳統線性決策模式，推動了治理從韋伯式程序正義轉向算法適應性治理，標志著決策范式從牛頓機械論到量子糾纏態的認知躍遷。[22]這種動態決策體現在兩個維度：一是領域維度，GenAI可快速整合多源數據（如傳感器數據、社交媒體輿情等），生成實時決策建議（如暴雨期間優化排水調度）；二是區域維度，氣候變化、跨境數據流動等議題均呈現出“去領土化”特征，要求政府決策系統具備跨域數據的整合能力，[23]而GenAI能實時整合多區域數據開展關聯分析，消解了傳統治理中的空間約束。

四是公共服務自動化。GenAI可以在虛擬世界代表組織進行社會交流，不僅能自動生成內容、加速傳播，還可以過濾信息、提供個性化推薦，從而改變信息傳播和用戶體驗方式。[24]一方面，GenAI通過自然語言處理技術，理解和回答用戶的咨詢和問題；另一方面，GenAI能夠生成個性化服務內容（如智能客服解答市民咨詢、自動生成政務通知等），實現與城市管理者、市民和其他相關主體的智能交互。這有助于增強城市治理的透明度和公眾參與度，促進信息的快速流通和協同治理，使各方能夠更及時地參與到城市問題的解決過程中。公共服務自動化還有一個重要意義，GenAI采用更加易于理解的語言、語音和圖像，降低公眾的學習成本，協助數字素養、知識儲備不足的民眾使用公共服務的數字化平臺，促進公共服務均等化。[25]

（二）組織維度

在公共治理領域中，技術與組織關系的探討是一個歷久彌新的研究議題。技術是組織行動的產物，也是組織行動的中介和載體依托。[26]GenAI在公共決策領域的深度應用，正在顛覆傳統公共治理的價值基礎與制度架構，其引發的結構性矛盾已超越單純的技術治理范疇，直指現代行政體系的合法性根基。[27]

一是優化組織架構和流程。GenAI的應用促使城市治理組織重新審視和優化自身的架構、業務流程。傳統的治理結構可能存在層級過多、信息傳遞緩慢等問題，影響敏捷治理的效率。而引入GenAI后，可以打破部門之間的信息壁壘，實現數據共享和協同工作，[28]推動組織架構向扁平化、網絡化結構轉型，提高信息流動速度和決策執行效率。例如，建立跨部門的城市治理指揮中心，通過GenAI整合各部門數據和業務流程，實現對城市問題的統一調度和快速處理。再如，利用GenAI可以自動生成政策建議摘要、通過對話式AI收集民意等，降低市民參與門檻，實現市民參與的治理模式創新。

二是提升組織學習能力。人工智能的知識和技能積累不受生命周期限制，并實現現有數據、信息、知識和技能的全面快速調用和實時共享，[29]為城市治理組織提供了豐富的知識和經驗來源。GenAI驅動的人機協同學習模式能明顯提升學習效果，[30]它可以從大量的歷史案例和數據中提取有價值的信息，并將其轉化為可操作的知識和建議，幫助組織成員快速學習和掌握新的治理方法和技能。同時，GenAI還可以模擬不同的情境和問題，為組織成員提供實踐演練的平臺，提高他們在復雜環境下的應變能力和決策能力，從而增強整個組織的學習能力和適應性。

三是促進組織創新和變革文化。GenAI的應用為城市治理組織帶來了新的思維方式和技術手段，激發組織的創新活力。人工智能改變了傳統的信息處理方式，縮短獲取新知識所需的時間，使組織可以更便捷、更高效地接收和理解新知識，提升組織的吸收能力。[31]而持續接收和學習新知識以及轉化和應用新知識對數字創新尤為重要，愿意接收新知識代表組織擁有開放的企業文化，且會更加愿意承擔風險和追求創新。[32]這將鼓勵政府部門積極探索和嘗試新的治理模式和方法，打破傳統的思維定式和工作方式。此外，GenAI的快速迭代和更新特性也促使組織形成持續創新和變革的文化，以更好地適應城市發展的變化和挑戰，實現敏捷治理的目標。

（三）環境維度

GenAI不僅在微觀層面上可以變革政府部門的業務流程和組織方式，也將在宏觀層面上改變整體社會環境，為敏捷治理提供社會驅動力。其對社會環境的改變主要體現在兩個方面：

一是提升社會數字化需求和公眾數字化意識。GenAI技術具備強大的通用性，通過自然語言接口顯著降低了技術使用門檻，[33]使得公眾對人工智能技術的認知和接受程度飛速提升。例如，ChatGPT自2022年11月發布研究預覽版，到擁有1億用戶僅用時2個月，而我國的Deepseek從發布到1億用戶更是僅用時7天。人工智能已成為一種通用普適的“傻瓜式”技術。越來越多的市民愿意而且有能力參與基于GenAI的城市治理互動，例如，通過智能政務平臺參與城市決策、反饋問題等，這有助于形成全社會共同參與城市敏捷治理的良好氛圍。

二是改變了區域技術競爭環境。GenAI被認為是新一輪數字技術革命中的核心技術突破，將極大地加速城市數字化轉型進程。在此背景下，各個城市之間以及城市內部的不同區域之間技術競爭將更為激烈。從國內各地發布的相關政策來看，無論是北上廣等一線城市，還是其他內地城市，都將發展GenAI、促進人工智能技術應用作為引領經濟社會發展的核心引擎。這種競爭促使城市治理主體積極探索和應用

GenAI等先進技術，以提升自身的競爭力和城市形象。同時，不同城市之間以及企業、科研機構等主體之間的技術合作也不斷加強，通過共享技術資源、聯合研發等方式，共同推動GenAI技術在城市敏捷治理中的創新和應用，實現互利共贏。

四、GenAI賦能城市敏捷治理的支撐條件

政府治理的敏捷轉型是一項系統性工程，需要從體制機制、結構功能、技術工具、流程運作、資源配置、主體行動等層面系統推進全要素數字化轉型，[34]也需要在技術、組織和環境三個層面提供有效支撐。同時，數字技術的應用在政府治理領域同樣具有兩面性，既可“賦能”也可“縛能”，［35]GenAI也可能催生技術操控、數據濫用、數字歧視、AI幻覺等新挑戰，必須建立相應的制度來規避這些風險。

（一）技術基礎

人工智能變革根植于算料、算法和算力之間的相互作用和協同迭代，三大智能要素共同推動技術賦能型治理的發展。[36]優質的數據、高效的算法和強大的算力是GenAI賦能城市敏捷治理的技術基礎。

一是算料。GenAI應用于城市治理，依賴大量高質量、多維度的城市數據。這一方面需要政府部門建立完善的數據治理體系，充分保障城市數據的質量與系統性；另一方面也要建立政府數據共享與整合機制，避免因數據不完整導致算法性能下降。

二是算法。算法是人工智能的賦能載體，驅動敏捷治理得以實現。政府利用城市數據訓練形成敏捷治理模型時，需要解決生成內容的準確性與可解釋性問題，避免“算法黑箱”。同時，政府還需要持續評估人工智能技術的有效性，定期更新和優化AI模型，避免因技術快速迭代而導致的“技術債務”。

三是算力。海量的算料以及復雜的算法，都需要高性能的計算資源來支撐復雜模型訓練與推理。因此，要推進以GenAI驅動的敏捷治理，地方政府必須部署大量智能算力中心，或者通過“東數西算”等形式獲得遠程算力資源。

（二）組織轉型

人工智能正在深刻地改變著社會的組織形式，計算機發展成為社會重要機體，人機協同發展形成共生合體，[37城市治理模式也從計算機輔助治理發展至人機協同治理模式。在許多城市治理場景中，承擔公共管理與服務的政府人員退居幕后，而具備智能交互能力的人工智能則居于前臺，由此將導致傳統組織架構中的激勵與壓力傳導機制被消解，政府部門需要重構有效的激勵機制和責任分配體系。

一是績效評價機制。我國政府運轉在一定程度上類似“賽馬制”，各政府部門及工作人員開展績效競爭，勝出者才有機會獲得提升，由此政府部門和人員一方面要努力創造具有較高顯示度的績效，另一方面要避免自己掌握的資源以及工作成果成為別人的績效。而GenAI在城市治理中的應用形成了一個匯聚綜合能力的超級“中臺”，使得傳統上條線清晰的績效評價機制變得模糊。為此政府必須重構績效評價機制，將超級“中臺”績效進行部門化拆解，從而有效激勵政府部門和人員持續參與城市敏捷治理之中。

二是責任分配機制。與績效評估機制相對應，超級智能中臺也會模糊化敏捷治理中的責任分配機制，因為人工智能系統的決策機制往往具有高度的自主性和復雜性，而且GenAI的能力形成過程十分復雜，語料缺陷、算法錯誤、應用失當以及AI幻覺都可能導致治理過程出現差錯，將使責任追究變得異常困難，這種責任追究的模糊性可能導致責任空白地帶。[38]因此，在城市治理中，政府也應當重構責任分配機制，為此一方面要加強AI生成內容的審查，例如，AI生成的政策草案需由責任部門來進行最終審核并承擔相應責任；另一方面也要明確技術開發者、供應商與應用者之間的責任邊界，避免公共機構承擔過多的法律風險。[39]

（三）環境支撐

GenAI既會改變外部環境，也會被外部環境所改變。與其他數字技術一樣，GenAI在城市敏捷治理中的應用也是一把雙刃劍，其生產的正向賦能作用，需要外部環境的支持，而催生的負面影響與風險，則需要外部環境的約束。

一是支持性環境。政府出臺的相關政策法規對GenAI在城市敏捷治理中的應用起著重要的引導和支持作用。包括：政府在人工智能技術研發、人才培養等方面的政策扶持，促進了GenAI技術的發展和在城市治理中的推廣應用；公共數據共享與開放，能為GenAI提供所需要的高質量數據，提升其性能。

二是約束性環境。基于GenAI的技術屬性與社會特征，GenAI的算法不透明、算法不公平、算法安全不可控、算法導致的問責主體不明確都將構成潛在的風險因素。[40]這就首先需平衡數據利用與隱私安全，如《個人信息保護法》對AI訓練數據的限制；其次人工智能作為一種技術工具和智能資源，其在嵌入社會治理過程中提供的僅僅是治理的“參考答案”而非“最終答案”，[41]因此需要建立健全監督人工智能運用的法律法規，明晰應用邊界和運行規范。

五、結論與建議

本文探討了GenAI賦能城市敏捷治理的機理與應對策略。城市敏捷治理著眼于快速感知、靈活響應、動態調適，能有效化解城市復雜性與不確定性難題。GenAI憑借實時生成、預測和自動化能力，為敏捷治理注入強大動力，實現從“被動響應”到“主動預判”、從“單部門決策”到“多元協同”、從“經驗驅動”到“數據一AI—人”融合驅動的深刻轉變。這種轉變不僅提升了城市治理的效率和精準度，還增強了其對復雜環境的適應性和靈活性。

通過上述TOE框架分析可見，GenAI賦能城市敏捷治理是技術、組織與環境三者動態協同的結果：一是技術驅動變革，GenAI的技術能力（如實時生成內容、場景模擬預測等）促進組織流程優化與環境規則更新；二是組織適配技術，政府通過結構變革、流程重構及權責調整，釋放技術潛力；三是環境與技術互動，技術引發環境變遷的同時，又受到環境的約束與激勵（表2）。

根據上述分析，本文提出以下建議，以更好地發揮GenAI對城市敏捷治理的促進作用。

（一）技術維度

一是優先開放安全可控的公共數據資源，并構建嚴格的數據治理框架，確保輸入GenAI模型的數據來源可靠、格式統一、標注清晰且覆蓋全面，包括建立數據清洗、校驗和標準化流程以及跨部門數據共享與融合機制。二是優化算法性能，鼓勵開發具有更高透明度的GenAI算法，通過模型解釋性工具等技術手段，讓決策者和公眾能夠理解算法的決策過程和依據。三是增強算力能級，政府應當前瞻性地規劃和建設強大的算力基礎設施，滿足GenAI模型訓練和實時推理對海量計算的需求，同時探索分布式計算、邊緣計算等模式，優化資源調配，確保GenAI系統能夠高效、穩定、低延遲地運行。

（二）組織維度

一是強化人才培養與素養提升，實施數字素養提升計劃，針對不同層級的城市治理人員開展定制化培訓，內容涵蓋GenAI基本原理、應用場景、操作技能、倫理風險識別及人機協作能力。二是明確權責分配與問責機制，清晰界定在GenAI輔助或主導的決策鏈條中各環節的責任主體，建立健全AI應用的問責制度，明確當AI系統產生偏差或造成不良后果時的追溯路徑和處置流程，確保責任可界定、可落實、可追究，避免責任真空。三是積極引導和推動政府組織向扁平化、網絡化、敏捷化方向變革，利用GenAI賦能中層和基層治理單元，提升其信息處理與決策能力，加速決策響應速度，構建更適應數字化治理需求的柔性組織結構。

（三）環境維度

一是強化政策激勵與資源保障，制定積極的產業引導政策、財政補貼和研發支持計劃，鼓勵政府部門、研究機構和企業探索GenAI在城市治理中的創新應用場景（如智慧交通、韌性城市、精準服務等），并拓展多元化的公眾參與渠道與機制，培育并鞏固“共建共治共享”的社會治理文化，為GenAI應用提供廣泛的民意基礎和需求來源。二是健全法規標準與倫理準則體系，加快制定和完善專門針對GenAI在城市治理中應用的政策法規與倫理準則，內容應涵蓋數據安全與隱私保護（特別是敏感公共數據）、算法公平性與透明度要求、應用場景的邊界與限制、風險評估與應急管理、知識產權歸屬等方面。通過清晰的規則框架，既為GenAI的創新應用提供合法性支持和發展空間，又對其潛在風險進行有效規范和約束，保障治理的公平、公正與安全。

參考文獻：

[1]張欣亮，唐斯斯，李晶.人工智能驅動政府敏捷治理的運行機制與實踐探索——以北京海淀區城市大腦為例[J].技術經濟，2023（11）：113-119.

[2]謝小芹，任世輝，宮興隆.敏捷-韌性：城市社區風險治理的范式轉型與實踐機制——基于成都市杉板橋數字孿生社區的“四重證據法”[J].電子政務，2025（3）：122-132.

[3]翁士洪.城市數字治理中的人機物協同機理研究[J].上海行政學院學報，2024（1）：62-74.

[4]司林波，宋兆祥.人工智能時代合作式智慧治理如何促進城市治理創新？——雄安新區綠色智慧新城成長軌跡的探索[J].長白學刊，2023（4）：57-68.

[5]潘浩之，施睿，楊天人.人工智能在城市碳達峰、碳中和規劃與治理中的應用[J].國際城市規劃，2022（6）：26-34.

[6]鄭若婷，于文軒，趙昊雪，等．“AI驅動的社會科學研究與公共治理新范式的構建”高端學術論壇綜述[J].公共管理學報，2024（1）：161-166+175-176.

[7]陳春潮，沈費偉，王江紅.新型智慧城市的整體智治路徑研究：基于情境一結構一行為的視角剖析[J].長白學刊，2023（4）：69-80.

[8]顧麗梅，宋曄琴.超大城市敏捷治理的路徑及其優化研究——基于上海市“一網統管”回應社情民意實踐的分析[J].中國行政管理， 2023（6）：6-14 ：

[9]高艷，韓志明.清晰與模糊交織的治理圖景——城市數字化轉型的前景及未來[J].浙江學刊，2022（3）：25-34.

[10]文宏，王晟.邁向超大城市敏捷治理：基于全域數字化轉型的視角[J].電子政務，2024（12）：2-14.

[11]陳麗君，童雪明.科層制、整體性治理與地方政府治理模式變革[J].政治學研究，2021（1）：90-103+157-158. （204號

[12]伊力亞爾·莫合塔爾，韓傳峰，施騫.數字時代超大城市治理面臨的挑戰及其模式創新與實施路徑[J].上海行政學院學報，2023（2）：37-47.

[13]吳磊，冷玉，唐書清.數字化時代敏捷治理的學術圖景：研究范式與實現路徑[J].電子政務，2022（8）：77-88.

[14]孫志建，耿佳皓.公共管理敏捷革命：中國城市治理數字化轉型的交叉案例研究[J].電子政務，2023（2）：2-17.

[15]趙星，陸綺雯.元宇宙之治：未來數智世界的敏捷治理前瞻[J].中國圖書館學報，2022，48（1）：52-61.

[16]張躍勝，金文俊，譚宇軒.地方政府數字治理能力提升路徑研究：基于TOE分析框架的組態分析[J].經濟與管理研究，2024（4）：93-111.

[17]Awa H 0，Ojiabo O U.A model of adoptiondeterminants of ERP within TOEframework[J].Information Technologyamp;People，2016，29（4）：901-930.

[18]劉文，趙新峰.面向復雜性社會場域的生成式治理新進路——基于生成式人工智能的治理方式探索[J].公共管理學報，2025（1）：

[19]鄭若婷，于文軒，趙昊雪，等．“AI驅動的社會科學研究與公共治理新范式的構建”高端學術論壇綜述［J].公共管理學報，2024（1）：161-166.

[20]王灝.人工智能賦能社區敏捷治理的機理與路徑[J].領導科學論壇，2024（12）：115-119.

[21]Emily V.Global Health ObservatoryData Repository.[J].Medical referenceservices quarterly，2020，39（1）：67-74.

[22]何精華.智能革命與治理轉型：生成式AI賦能公共決策的理論建構與制度創新[J].上海市社會主義學院學報，2025（3）：16-49.

[23]European Commission.The European GreenDea1[EB/0L].（2024-03-16）[2025-05-04]https： //ec.europa.eu/stories/european-green-dea1/.

[24]方興東，鐘祥銘，顧燁燁.從TikTok到ChatGPT：智能傳播的演進機理與變革路徑[J].傳媒觀察，2023（5）：39-47.

[25]呂丹陽，郎元柯，范柏乃，等.生成式人工智能在公共服務中應用的機遇與挑戰[J].電子科技大學學報（社科版），2024（3）：35-45.

[26]0rlikowski W J.The duality oftechnology：Rethinking the conceptof technology in organizations[J].Organization science，1992，3（3）：398-427.

[27]何精華.智能革命與治理轉型：生成式AI賦能公共決策的理論建構與制度創新[J].上海市社會主義學院學報，2025（3）：16-49.

[28]嚴娜.人工智能時代企業管理效能的提升路徑研究[J].商業文化，2025（9）：137-139.

[29]劉濤.人工智能、人力資本與經濟增長[J].經濟發展研究，2025（2）：38-52.

[30]Forster M，Broder H R，Fahr M C，et al.Te11me more， tel1 me more：The impact ofexplanations on learning from feedbackprovided by Artificial Intelligence[J].European Journal of InformationSystems，2025（2）：323-345.

[31]張瑞琛，唐慧，周國琛.城市數智化轉型對企業數字創新的影響——以國家新一代人工智能創新發展試驗為準自然實驗[J].經濟問題，2025（4）：49-58.

[32]王建，胡瓏瑛，馬濤.吸收能力、開放度與創新平衡模式的選擇——基于上市公司的實證研究[J].科學學研究，2015（2）：304-312.

[33]李煥宏，薛瀾.生成式人工智能應用的使能型風險規制—以高等教育應用為例[J].清華大學教育研究， 2025（1）：68-78

[34]劉桂芝，王春鑫.中國特色政府敏捷治理：發軔背景、基本架構與調適路徑［J].求實， 2024（6）：34-47+108

[35]韓兆柱，何晗.數字技術賦能基層社會治理的運作邏輯、價值悖論及調適路徑[J].長白學刊，2023（4）：119-128.

[36]王灝.人工智能賦能社區敏捷治理的機理與路徑[J].領導科學論壇，2024（12）：115-119.

[37]陳鵬.數智時代的社會治理：適應與轉變[J].電子政務，2019（3）：27-34.

[38]張鉞.人工智能算法重塑社會結構：挑戰與啟示[J].哲學分析， 2024，15（4）：32-42+196

[39]李詩悅.生成式人工智能嵌入公共服務風險的形成機理與防范對策[J/OL].電子政務， 1- 12[2025-06-04].

[40]陳兵，董思琰.生成式人工智能的算法風險及治理基點[J].學習與實踐， $2 0 2 3 （ 1 0 ） ＼colon 2 2 ＼tmspace - 3 1 .$

[41]蔣蕊韓.人工智能嵌入社會治理的生成邏輯、時代機遇和實踐策略[J].實事求是，2025（1）：33-39.

Abstract： This paper discusses the mechanisms and strategies for generative artificial intelligence to empower agile urban governance. By analyzing the current status and challenges of urban governance， it elucidates the theoretical foundations of GenAI and agile urban governance. Using the TechnologyOrganization-Environment （TOE） framework，the study dissects the implementation mechanisms of their integration， proposing that the empowerment of urban agile governance by GenAI requires dynamic synergy of technology， organization， and environment. Furthermore， the paper examines supporting conditions across these three dimensions and puts forward recommendations—including strengthening data governance，optimizing organizational structures，and refining policies and regulations—to provide valuable insights for modernizing urban governance.

Key words： Generative Artificial Inteligence （GenAI）; agile urban governance; Technology-OrganizationEnvironment （TOE） framework; urban governance modernization

責任編輯：王縉