過去十多年，全球城市持續投入智慧城市建設。從早期雲端化，到IoT感測、影像辨識、大數據分析，科技逐步進入交通、醫療、環境與公共安全等城市服務。但到了生成式AI、Agent AI與Physical AI快速成熟的今天，智慧城市正進入新的轉折點：從Smart City走向AI City。這個轉變，不只是城市多用了幾個AI應用，而是AI開始從單純的分析工具，進一步成為城市治理能力的一部分。新一代AI同時具備「預測與推理」以及「自主執行」兩種能力：它不只回答發生了什麼，也開始協助判斷下一步該做什麼，甚至能串接不同系統與工具，完成更複雜的工作流程。對城市而言，這代表AI可以從市民陳情分類、交通壅塞預測、環境異常監控，延伸到跨局處資料分析、政策情境模擬與資源調度。換句話說，過去智慧城市的重點是「把城市數位化」，下一階段則是「讓城市具備理解、預測與行動的能力」。

 

然而，當AI開始參與城市治理，真正重要的問題也隨之出現：城市的智慧，究竟掌握在誰手上？城市每天產生大量關鍵資料，包括交通、醫療、能源、公共安全與政府營運資訊；未來如果越來越多決策依賴AI，算力、模型、資料與平台便不再只是資訊系統，而會逐漸成為城市的數位基礎設施。這也是主權AI在智慧城市議題中越來越重要的原因。城市必須知道資料存在哪裡、模型如何運作、AI使用了哪些資訊、決策能否追溯，以及關鍵服務是否過度依賴單一外部平台。真正的AI城市，不是把所有工作交給AI，而是在明確的制度、權限與責任邊界下使用AI。這也說明為什麼AI競爭正在從「模型競賽」走向「系統競賽」：模型能力仍然重要，但真正決定AI能否成為治理能力的，是Data Fabric、Agent Runtime、安全治理與實際任務流程能否整合成完整體系。

 

其中，資料將是最關鍵的基礎。過去談智慧城市資料整合，往往直覺想到建立大型資料湖，把不同局處的資料集中在一起；但AI時代更重要的觀念是：Data Integration不等於Data Centralization。尤其醫療、個資、警政與關鍵基礎設施等高度敏感資料，不應因為導入AI，就全部搬到同一個地方。更合理的架構是建立Urban Data Fabric，讓資料仍由原本單位管理，但透過共同的治理機制，使資料能夠「找得到、讀得懂、管得住、依權限可用、而且可追蹤」。這樣的架構才能支撐真正跨域的城市 AI。例如健康城市可以在市民授權與隱私保護前提下，整合相關資料進行慢性病風險分層，再透過既有市政入口提供個人化健康建議；交通治理可以結合影像、IoT 與歷史資料預測壅塞與事故風險；環境治理則可利用跨局處資料預測空氣、水情與災害事件。相關案例已顯示，AI 的真正價值不只在「算出答案」，而在於能否把答案接回既有治理流程。

 

這也是台灣下一階段很重要的產業機會。台灣從半導體、AI Server、雲端平台、模型，到醫療、製造與智慧城市應用，已具備相對完整的AI技術供應鏈。接下來真正需要強化的，不只是個別產品或單點技術，而是把這些能力整合成可複製、可治理、可輸出的AI城市架構。未來真正領先的智慧城市，不會是裝最多感測器、建最多Dashboard，或做最多AI PoC的城市，而是能建立一套安全、可信、可持續演進的城市AI基礎設施。從Smart City到AI City，真正的改變，不是城市多了一個AI，而是AI開始成為城市運作的一部分；而下一場競爭的核心，也不再只是「誰有最大的模型」，而是誰能把資料、算力、模型、Agent與城市任務，組成一套自主可控、真正可治理的城市智慧體系。

 

AI City 五層架構-透過五層式「AI City架構」─ 從主權算力、主權模型、平台、應用到創新層，結合產業生態系，完整勾勒可持續擴展的 AI 城市藍圖。

 

(本篇文章轉載於今周刊專欄)