摘要

    2024年至2026年，全球科技产业正经历一场由人工智能大模型引发的范式革命。在中国，这一变革与国家推进“城市全域数字化转型”的战略窗口期深度重叠，催生了智慧城市建设从“技术堆砌”向“运营实效”的根本性转折。本报告旨在从战略咨询的高度，全面剖析AI大模型如何重塑城市治理的底层逻辑，论述从碎片化政务到“一网统管”的演进路径，并确立大数据底座在提升城市运行效率中的核心地位。

    研究表明，大模型技术通过其强大的语义理解、泛化推理和生成能力，正在解决传统智慧城市“有数据无智慧”、“有平台无实效”的顽疾。本报告基于国家发改委、国家数据局的最新政策文件，结合IDC、信通院的市场数据以及深圳、上海、南昌等地的先行实践，构建了“底座+场景”的一体化战略框架。核心观点认为：大模型不应被视为单一的技术工具，而应被视为重构生产关系的“颠覆性”力量。它通过将非结构化数据转化为可执行的治理决策，实现了从“经验治理”向“数据智能治理”的跨越。对于城市管理者而言，构建具备“可进化”能力的数字化底座，并以此为基础推动公共数据授权运营和场景创新，是未来三年构建城市核心竞争力的关键。

第一章 巨变与革新：AI大模型开启的行业新纪元

1.1 颠覆性力量：从“工具赋能”到“逻辑重构”

    在过去的二十年里，智慧城市的发展历程主要经历了信息化（1.0阶段）和数字化（2.0阶段）。在1.0阶段，核心任务是基础设施建设和无纸化办公；在2.0阶段，重点转向了数据的汇聚和打通，各地的“城市大脑”、“数据湖”应运而生。然而，这两个阶段始终未能突破一个核心瓶颈：数据与决策之间的鸿沟。城市管理者面对着大屏上跳动的海量数据，依然需要依赖人工经验进行研判和调度。系统仅仅是人的工具，而非决策的参与者。

    2024年，随着以大模型为代表的生成式人工智能（AIGC）技术的成熟，智慧城市迈入了智能化（3.0阶段）的新纪元。这一阶段的核心特征是“颠覆性”——AI不再仅仅是提效的工具，它开始改变行业运行的底层逻辑。

   这种颠覆性主要体现在三个维度：

1. 交互逻辑的重构：从“人适应系统”到“系统适应人”。 传统的政务系统要求基层公务员和市民掌握复杂的菜单操作和表单填写规则。而大模型引入了自然语言处理（NLP）和意图识别能力，使得“对话即服务”成为可能。例如，在南昌市的政务服务中，基于DeepSeek模型赋能的“AI公务员”能够精准解析市民语音诉求，通过拟人化交互实现高频事项的“秒级响应”。这种变革将系统的交互门槛降至零，彻底改变了公共服务的触达方式。

2. 决策逻辑的重构：从“规则驱动”到“概率与推理驱动”。 传统的自动化治理依赖于预设的“If-Then”规则（例如：当水位超过警戒线则报警）。然而，城市运行充满了不确定性和模糊性。大模型具备的思维链（Chain of Thought）推理能力，使其能够处理复杂的非结构化问题。在深圳市应急管理局的应用中，基于大模型的辅助决策系统将应急决策时间缩短了30%以上，风险点预警时效缩短至1分钟以内。系统不再是僵硬地执行指令，而是能够结合历史数据、气象信息和现场视频进行综合研判，提供具备前瞻性的决策建议。

3. 生产关系的重构：数据要素价值的深度释放。 《“数据要素×”三年行动计划（2024—2026 年）》明确提出要发挥数据要素的乘数效应。在旧模式下，大量的视频数据、执法文书、会议记录等非结构化数据是沉睡的资产，挖掘成本极高。大模型作为一种通用的认知引擎，能够低成本地将这些非结构化数据转化为结构化的知识图谱，从而让数据真正成为生产要素。这直接呼应了思捷智云等战略咨询机构所强调的观点：未来的城市竞争力将取决于其“模型智力”对数据要素的加工效率。

1.2 战略咨询视角：穿越周期的敏捷治理

    从战略咨询的角度来看，当前的城市治理正处于一个关键的十字路口。一方面，财政压力要求城市建设必须从“大干快上”转向“降本增效”；另一方面，社会治理的复杂度和市民对服务体验的期望值在不断攀升。

    思捷智云的战略分析认为，大模型技术恰恰提供了解决这一矛盾的“杠杆”。它允许城市在不大规模增加人力编制的情况下，通过提升“算力”和“算法”来应对指数级增长的治理需求。这种“敏捷治理”模式具有以下特征：

• 即插即用的能力模块： 传统的IT系统开发周期长达数月，而基于MaaS（Model as a Service）架构的应用开发可以缩短至数天。

• 边际成本递减： 模型一旦训练完成，其复制和服务的边际成本极低，适合大规模推广。

• 持续进化： 与固化的传统软件不同，大模型可以通过持续的“人类反馈强化学习”（RLHF）不断优化其治理策略。

   因此，本报告的核心逻辑在于：城市管理者必须将大模型视为城市新型基础设施的核心组成部分，而非仅仅是应用层的锦上添花。

第二章 政策环境与战略方向（2024-2026）

2.1 国家顶层设计：全域数字化转型的冲锋号

    2024年至2026年是中国智慧城市政策从“探索期”迈向“深水区”的关键三年。国家层面的政策文件密集出台，清晰地勾勒出了未来的发展路径。

2.1.1 总体目标与时间表

    国家发展改革委、国家数据局等部门联合发布的《关于深化智慧城市发展推进城市全域数字化转型的指导意见》确立了明确的时间节点：

• 到2027年： 全国城市全域数字化转型取得明显成效，形成一批横向打通、纵向贯通、各具特色的宜居、韧性、智慧城市。

• 到2030年： 全域数字化转型取得全面突破，涌现一批具有全球竞争力的中国式现代化城市。

    为了实现这一目标，《深化智慧城市发展 推进全域数字化转型行动计划》进一步细化了任务，要求到2027年底建成50个以上全域数字化转型城市，并在超大特大城市率先落地一批自主可控的城市大模型。这表明，国家已经将大模型的落地应用作为衡量城市数字化转型成效的关键指标之一。

2.1.2 核心抓手：“高效办成一件事”

    国务院发布的《关于进一步优化政务服务提升行政效能推动“高效办成一件事”的指导意见》是本阶段政务服务改革的纲领性文件。该文件强调：

• 集成办与承诺办： 推动关联事项表单多表合一，实施业务流程的革命性再造。

• 数据共享： 依托全国一体化政务服务平台，推动办件信息实时共享，实现“一次提交、多端获取”。

• 技术赋能： 明确提出要利用数字化技术（隐含了大模型等新技术）来支撑政务服务从“能办”向“好办”转变。

    这一政策导向直接为大模型的应用指明了场景——即通过AI的语义分析和流程编排能力，自动拆解复杂的办事流程，实现跨部门的协同办理，真正解决群众“办事难、办事慢、办事繁”的问题。

2.2 地方政府的战略响应与差异化路径

    各地政府在国家顶层设计的指导下，结合自身禀赋出台了各具特色的行动计划，体现了从“均质化”向“差异化”发展的趋势。

表 2-1：重点城市/区域数字化转型战略对比（2024-2026）

2.3 政策趋势解读：从“建设导向”转向“运营导向”

    通过对上述政策的深入分析，我们可以发现一个清晰的战略信号：政府对智慧城市的考核标准正在发生根本性变化。

1. 评价体系的闭环化： 国家发改委明确提出要制定针对规划咨询、建设实施、运营运维三类服务主体的评价标准。这意味着“重建设、轻运营”的时代彻底结束，供应商必须证明其系统在交付后能够持续产生业务价值。

2. 长效运营机制的建立： 政策鼓励探索新型政企合作伙伴机制，组建城市数字化运营生态圈。这为具备长期运营能力的科技公司提供了巨大的市场空间，也要求城市底座必须具备支持多方参与、生态共建的能力。

3. 数据要素的资产化： 随着“数据要素×”行动的深入，公共数据的授权运营成为地方政府缓解财政压力、激发市场活力的重要手段。数字化底座必须具备数据确权、计量、计价和安全流通的技术能力。

第三章 城市治理的数字化底座：架构演进与技术革新

3.1 传统底座的局限性与痛点

    在智慧城市2.0时代，数字化底座通常由“云网端”三层架构组成：底层的物联感知终端、中间的政务外网和顶层的政务云平台。虽然这种架构解决了基本的信息化需求，但在面对复杂的现代城市治理时，逐渐暴露出力不从心的局限性：

• 算力结构单一： 传统政务云以CPU通用算力为主，缺乏处理大规模AI训练和推理所需的GPU/NPU智能算力。面对大模型时代爆发式的智算需求，传统底座往往面临“算不动”的尴尬。

• 数据治理滞后： 数据虽然汇聚到了数据湖，但大多是“死数据”。缺乏高效的清洗、标注和知识抽取工具，导致数据质量低，难以被AI模型直接利用。

• 能力碎片化： 各个委办局建设了独立的业务系统，形成了新的“数字烟囱”。跨部门的业务协同往往需要通过复杂的接口开发来实现，成本高、周期长，难以适应突发事件的应急响应。

3.2 新一代数字化底座：“底座+场景”的一体化集成架构

   为了应对上述挑战，中国信通院《城市全域数字化转型发展报告（2025年）》指出，“底座+场景”的一体化集成技术架构已成为行业主导。新一代数字化底座不再是简单的软硬件堆砌，而是一个具备感知、思考、执行能力的有机生命体。

3.2.1 基础设施层：算力一张网与云边端协同

    新一代底座首先是算力底座。深圳市规划中提出的“全市算力一张网”是典型代表。

• 多元异构计算： 底座必须兼容国产芯片（如华为昇腾、百度昆仑芯、寒武纪）与国际主流芯片，构建自主可控的智算集群，以支持城市大模型的本地化训练和微调。

• 云边端协同： 并非所有计算都需要上传到云端。通过边缘计算节点的部署，将轻量化模型下沉到路侧单元、摄像头等终端，实现毫秒级的实时响应。这对于自动驾驶、交通疏导等场景至关重要。

3.2.2 数据资源层：从“数据汇聚”到“数据操作系统”

    底座的核心功能从存储数据转向了管理数据要素。

• 全域全要素数字化： 结合CIM（城市信息模型）和BIM（建筑信息模型）技术，建立建筑物、基础设施、地下空间的三维数字模型，构建与物理城市孪生的数字空间。

• 数据资产化管理： 建立公共数据“一本账”，支持数据的确权、登记、评估和交易，为“数据要素×”提供技术支撑。

• 实时流处理： 从传统的T+1离线分析转向实时流数据处理，确保城市管理者能够实时感知城市的“脉搏”和“体征”。

3.2.3 核心能力层：智能中枢（MaaS）

    这是新一代底座与传统底座最大的区别所在。智能中枢引入了MaaS（Model as a Service）架构，成为城市治理的“大脑”。

• 多模型纳管： 统一纳管通义千问、文心一言、DeepSeek等多种基础大模型，以及针对政务、交通、应急等领域的垂直行业模型。

• 共性组件库： 提供OCR识别、NLP分析、视频结构化、知识图谱构建等共性AI组件，供各业务部门按需调用，避免重复建设。

• Agent开发工厂： 提供低代码/零代码的AI智能体（Agent）开发工具，让不懂代码的基层业务人员也能通过拖拽和配置，快速生成各类业务助手。

3.3 市场格局与技术趋势

    根据IDC发布的报告，2024年中国MaaS市场规模达到7.1亿元人民币，同比激增215.7%，显示出极其旺盛的市场需求。

表 3-1：2024年中国智慧城市大模型市场关键数据

市场细分	市场规模 (2024)	增长率	市场格局特点	领军厂商
MaaS (模型即服务)	7.1 亿元	215.7%	市场集中度高，前三名份额近60%	百度智能云 (28%)，阿里云，火山引擎
AI大模型解决方案	34.9 亿元	126.4%	参与者丰富，前五名仅占约50%份额	百度智能云 (17%)，以及各类垂直行业厂商

数据来源：

    这一市场格局表明，虽然基础大模型市场由互联网巨头主导，但在具体的行业解决方案层面，尤其是政务、交通、应急等垂直领域，市场呈现出百花齐放的态势。这为具备行业know-how（行业知识）的科技公司和集成商提供了巨大的机遇。

第四章 重构城市治理：“一网统管”的进化逻辑

4.1 核心机制：从“被动响应”到“主动预测”

    “一网统管”是智慧城市治理的核心抓手。在传统模式下，城市管理主要依赖网格员巡查和市民举报，属于典型的“被动响应”模式。事件发现滞后，处置流程繁琐。

大模型的引入，通过全域感知和智能研判，实现了治理模式的根本性转变：

1. 全量数据接入： 整合视频监控、IoT传感器、互联网舆情、12345热线等多源数据，构建城市运行的全景图。

2. 智能发现与预警： 利用视觉大模型分析监控视频，自动识别占道经营、违章停车、垃圾堆放等违规行为；利用NLP大模型分析热线诉求，提前发现潜在的群体性事件风险。

3. 自动化分拨与处置： 大模型根据事件的属性和权责清单，自动生成工单并分拨给责任部门，减少人工流转环节，杜绝推诿扯皮。

4.2 实证分析：大模型提升治理效率的量化证据

    大模型对“一网统管”效率的提升是显著的、可量化的。以下基于行业报告和各地实践数据进行详细分析。

4.2.1 智能分拨与工单处理

    在广东，12345政务热线引入了基于大模型的智能派单系统。

• 准确率提升： 工单分拨的准确率从85%提升至95%，这不仅减少了错派导致的返工，更极大地提升了基层部门的响应速度。

• 效率飞跃： 智能填单功能将工单填写时间从平均3分钟缩短至15秒，实现了“秒懂诉求”。

• 处理能力倍增： 湖北的系统显示，其单小时可处理10万级工单，处理效率达到传统模式的4倍。

   这些数据有力地证明，大模型并非仅仅是锦上添花，而是能够带来数倍效率提升的生产力工具。

4.2.2 应急管理与风险研判

    应急管理是城市治理中对时效性要求最高的场景。深圳市应急管理局的案例极具代表性。

• 决策提速： 应急决策时间缩短了30%以上。在分秒必争的灾害救援中，这30%的时间往往意味着生命的抢救。

• 精准预警： 风险点预警时效缩短至1分钟以内，推理准确率达到85%以上。这意味着系统能够在灾害发生的第一时间，甚至发生前，就向指挥中心发出准确的警报。

• 仿真推演： 结合CIM平台和大模型，系统可以进行全灾种的智慧应急仿真推演，自动生成多套救援方案供决策者参考，极大地降低了决策风险。

4.3 基层减负：技术的人文关怀

    “一网统管”的另一个重要目标是为基层减负。长期以来，基层工作人员面临着“报表多、系统多、任务重”的困境。

   大模型的生成能力在此发挥了巨大作用：

• 自动写文书： 大模型可以根据现场执法记录仪的音视频数据，自动生成标准的执法文书，基层人员只需简单核对即可。

• 智能填表： 通过打通各个业务系统的数据，大模型可以自动填充各类报表，实现“数据多跑路，人员少填表”。

• 知识助手： 基层网格员在遇到复杂的政策法规问题时，可以随时咨询大模型助手，获取准确的解答，相当于每个人都配备了一位“随身专家”。

第五章 变革公共服务：“高效办成一件事”的实现路径

5.1 从“能办”到“好办”的体验升级

    如果说“一网统管”侧重于政府内部的运行效率，那么“一网通办”则直接关系到企业和群众的获得感。2024年国务院提出的“高效办成一件事”改革，核心目标是打破部门壁垒，提供集成化、个性化的服务。

    大模型在此过程中的角色是“超级服务代理”。它能够理解用户模糊的自然语言诉求，将其翻译成政府的专业术语，并自动调用后台的多个业务系统完成办理。

5.2 案例深读：南昌“AI公务员”与服务范式革命

    南昌市政务服务中心推出的“AI公务员”数字人客服，是这一领域的典型创新案例。

• 背景： 传统的政务机器人只能回答预设的简单问题，面对复杂的政策咨询往往答非所问，导致用户体验差，不得不转人工服务。

• 解决方案： 引入DeepSeek大模型，结合本地政务知识库（RAG技术），打造具备深度理解和生成能力的数字人客服。

• 成效分析：

  • 零时差响应： 实现了7×24小时在线，高频事项“秒级响应”，解决了非工作时间无法咨询的痛点。

  • 拟人化交互： 数字人形象和自然的语音交互，让冷冰冰的系统变得有温度，拉近了政府与群众的距离。

  • 精准匹配： 能够根据用户的描述，精准匹配到具体的办事指南和政策文件，大大减少了用户的查找时间。

5.3 适老化与无障碍改造

    “高效办成一件事”强调服务的普惠性，特别是要缩小“数字鸿沟”。《深化智慧城市发展 推进全域数字化转型行动计划》特别提出要针对老年人、残障人士等进行数字服务适老化和无障碍改造。

    大模型的多模态能力为解决这一难题提供了新思路：

• 语音交互： 老年人可以通过方言语音与系统交互，无需打字和看复杂的屏幕。

• 视频手语： 数字人可以实时生成手语，为听障人士提供无障碍服务。

• 极简模式： 大模型可以根据用户的特征，自动生成大字体、高对比度的极简界面，只展示最关键的操作按钮。

第六章 数据要素战略：资产化、流通与授权运营

6.1 数据要素×智慧城市：激活沉睡资产

    智慧城市建设多年积累了海量的公共数据，这些数据是城市的宝贵资产。然而，长期以来，由于缺乏有效的确权和流通机制，这些数据的价值未能得到释放。大模型技术的出现，为数据的资产化提供了强大的技术引擎。

• 非结构化数据资产化： 城市中80%的数据是非结构化的（视频、音频、文本）。传统手段难以利用，而大模型可以低成本地从中提取知识，将其转化为可交易的数据产品。

• 合成数据生成： 针对隐私敏感数据（如医疗、金融），大模型可以生成高质量的合成数据（Synthetic Data），在保护隐私的前提下用于模型训练和业务测试，解决数据“不敢共享”的难题。

6.2 公共数据授权运营的模式创新

    政策层面，国家大力推动公共数据资源的开发利用。六安市等地的《公共数据资源授权运营实施方案》为行业提供了可操作的样本。

表 6-1：公共数据授权运营的核心要素

6.3 战略建议：构建“三元协作”管理架构

    中国信通院提出的“城市全域数字化转型‘三元协作’管理架构”是未来城市数据运营的最佳实践模型：

1. 政府部门（监管）： 负责政策制定、标准规范和监管考核，确立“游戏规则”。

2. 赋能中心（保障）： 整合技术、数据、人才等资源，对外提供关键要素赋能，扮演“能力底座”的角色。

3. 运营公司（实操）： 负责具体的工程项目执行、数据产品开发和常态化运营，直接面向市场和用户。

    这种架构理清了政府与市场的边界，既保证了公共利益，又激发了市场创新活力。

第七章 挑战与对策：构建安全可控的数字化生态

7.1 安全风险与合规挑战

   大模型的引入在带来效率提升的同时，也引入了新的安全风险。

• 数据泄露风险： 大模型训练和推理需要接触大量敏感政务数据。一旦模型被攻击或数据被逆向还原，后果不堪设想。

• 内容生成风险： 大模型的“幻觉”问题可能导致生成错误的政策解读或不当的回复，引发舆情风险。

对策：

• 严格遵循法律法规： 必须严格落实《数据安全法》、《个人信息保护法》以及各地的分类分级保护制度。

• 技术防护体系： 采用隐私计算、联邦学习等技术，确保“数据可用不可见”。对于核心政务数据，应部署私有化大模型，物理隔离于互联网。

• 人机协同审核： 对于对外发布的关键内容，必须保留人工审核环节（Human-in-the-loop），严守安全底线。

7.2 “表面智能化”与同质化竞争

    IDC的研究指出，当前市场存在“表面智能化”的隐忧。

• 现象： 部分项目仅仅是套用大模型的外壳，内部依然是老旧的规则系统。或者为了蹭热点，盲目上马大模型，未能与实际业务深度融合。

• 同质化： 大量厂商集中在通用的政务问答等低门槛场景，而在水利、应急、工业等高价值垂直领域的深耕不足。

对策：

• 场景为王： 城市管理者应坚持“以效定建”，不看概念看实效。优先支持那些能够切实解决业务痛点、有量化指标支撑的应用场景。

• 鼓励垂直创新： 利用开源生态（如DeepSeek、千问），鼓励中小企业发挥“小快灵”的优势，在细分垂直赛道上进行深度创新，避免资源的重复浪费。

7.3 组织变革与人才短缺

  数字化转型本质上是组织变革。

• 挑战： 现有的行政组织架构和流程往往不适应数字化时代的敏捷要求。同时，既懂政府业务又懂大模型技术的复合型人才极度匮乏。

• 对策： 设立首席数据官（CDO）制度，强化跨部门的统筹协调。通过政企合作、联合实验室等方式，引入外部智力资源，建立长效的人才培养机制。

第八章 结语与战略展望

8.1 结论：重塑城市竞争力的关键变量

   综上所述，AI大模型不仅是一次技术的升级，更是一场涉及城市治理理念、生产方式和组织架构的全面革新。它使得城市从一个由钢筋水泥和传感器堆砌的物理系统，进化为一个具备感知、思考、决策和进化能力的智能生命体。

   在这个新纪元中，数字化底座的厚度决定了城市发展的上限。一个集成了算力网络、数据操作系统和智能中枢的强大底座，将成为城市最核心的基础设施，如同电力和交通网络一样不可或缺。

8.2 战略路线图（2024-2026）

   基于思捷智云的战略咨询视角，我们为城市决策者提出以下三年行动建议：

• 2024年（夯基垒台）：

  • 筑牢底座： 完成全市算力一张网的规划与布局，统筹建设城市智算中心。

  • 数据归集： 建立公共数据“一本账”，推进CIM/BIM基础平台的建设。

  • 试点先行： 在12345热线、行政审批等成熟场景率先落地大模型应用，打造标杆案例。

• 2025年（全面铺开）：

  • 场景深耕： 将大模型应用扩展至城管、应急、交通、环保等全领域。

  • 运营突破： 建立公共数据授权运营机制，培育一批数据商，形成初步的数据要素市场。

  • 机制完善： 建立完善的大模型安全评估和运维考核体系。

• 2026年（生态繁荣）：

  • 全域智能： 实现城市全域数字化转型目标，形成“一网统管”的城市治理新范式。

  • 生态共建： 构建繁荣的MaaS生态圈，中小企业和开发者基于城市底座开发出丰富多样的创新应用。

  • 输出模式： 总结成功经验，形成可复制、可推广的“中国方案”，向全球输出中国式现代化城市的治理智慧。

   大模型开启的行业新纪元已经到来。对于城市管理者而言，唯有拥抱变革，构建坚实的数字化底座，才能在未来的城市竞争中立于不败之地，真正实现“城市，让生活更美好”的愿景。

引用的著作

1. 中国电信集团有限公司, 访问时间为 二月 8, 2026， https://www.chinatelecom.com.cn/ct/news/jtxw/152981.html
2. “城市+AI”应用场景清单（第四批） – 深圳市工业和信息化局, 访问时间为 二月 8, 2026， https://gxj.sz.gov.cn/attachment/1/1524/1524540/11906891.pdf
3. “数据要素×”三年行动计划（2024—2026 年）, 访问时间为 二月 8, 2026， https://www.ndrc.gov.cn/hdjl/yjzq/202312/P020231215685140119139.pdf
4. 关于深化智慧城市发展推进城市全域数字化转型的指导意见(发改数据 …, 访问时间为 二月 8, 2026， https://www.nda.gov.cn/sjj/xxgk/gknr/qtzc/0909/20240909143434790245194_pc.html
5. 深化智慧城市发展推进全域数字化转型行动计划 – 中华人民共和国国家 …, 访问时间为 二月 8, 2026， https://www.ndrc.gov.cn/xxgk/zcfb/tz/202510/P020251031390374269436.pdf
6. 以“高效办成一件事”推动政务服务改革升级-新华网, 访问时间为 二月 8, 2026， http://www.news.cn/politics/20240301/ab45d86884fc477d970b5b3e81d1ef90/c.html
7. 《上海市城管执法系统数字化转型三年行动计划（2024-2026年 …, 访问时间为 二月 8, 2026， https://cgzf.sh.gov.cn/channel_zcjzsfb/20241201/eaf2ab0308534db8862110a6282b2177.html
8. 关注！深圳数字政府和智慧城市“十四五”规划发布 – 澎湃新闻, 访问时间为 二月 8, 2026， https://m.thepaper.cn/newsDetail_forward_18704633
9. 辽宁省进一步优化政务服务提升行政效能推动“高效办成一件事”工作方案, 访问时间为 二月 8, 2026， https://www.ln.gov.cn/web/zwgkx/zfwj/szfwj/2024n/2024050615574071894/index.shtml
10. 【文字解读】《六安市公共数据资源授权运营实施方案（试行）》文字解读, 访问时间为 二月 8, 2026， https://sgj.luan.gov.cn/public/6608471/10726055.html
11. 中国信通院规划所联合发布《城市全域数字化转型发展报告（2025年 …, 访问时间为 二月 8, 2026， https://www.cww.net.cn/article?id=9A4C2FC616C04B6C8954D253BDA98C3A
12. IDC报告：2024年中国MaaS及AI大模型解决方案市场百度第一|阿里云 …, 访问时间为 二月 8, 2026， https://news.sina.com.cn/sx/2025-05-07/detail-inevtptv3571914.shtml
13. 数据安全法解读系列（三） 数据分类分级迫在眉睫, 访问时间为 二月 8, 2026， https://www.cicpa.org.cn/ztzl1/hyxxhckzl/xxjsyqy/qyjs/202108/P020210809636988447174.pdf
14. 政务、交通、安防领跑，深耕垂直领域蕴藏新机遇——IDC发布2025 …, 访问时间为 二月 8, 2026， https://my.idc.com/getdoc.jsp?containerId=prCHC53276625