问题——人工智能正从技术突破迈向规模应用，如何将“人工智能+”转化为可持续的产业动能和城市治理能力，成为成都发展智能经济、建设智能社会的关键挑战；当前，人工智能交通调度、农业生产、制造流程等领域加速渗透，但在推广过程中仍面临落地成本高、数据治理难、标准缺失、人才短缺和安全合规等问题。能否以精准场景牵引技术迭代，以完善的制度和生态保障成果普惠，将直接影响城市的长远竞争力。 原因——首先，应用需求快速增长与产业升级压力并存。成都产业门类齐全，制造业、现代服务业、文旅消费等领域对降本增效和精细治理的需求迫切，为新技术提供了丰富的应用空间。其次，数据要素和算力基础设施逐步完善，为模型训练和场景落地创造了条件。委员指出，成都软件企业数量多、产业基础扎实，加上城市治理和民生服务的高频需求，使技术更容易在实际场景中验证效果。第三，场景碎片化与标准缺位问题突出。许多应用场景特点是“小切口、多主体、强协同”，若缺乏统一接口和推广机制，容易导致局部热闹但难以规模化复制。 影响——在城市运行上，智能化应用正提升治理效率和公共服务水平。以交通为例，通过实时分析路网状态并动态调整信号灯配时，能有效缓解拥堵、提高通行效率。委员调研发现，车辆保有量持续增长的背景下，数据驱动的精细化管理可将“增量压力”转化为“治理效能”，为超大城市治理提供新思路。农业领域，“人工智能+农业”正推动生产方式从经验驱动转向数据驱动。智慧稻麦农场等试点项目通过分析土壤墒情、病虫害和气象数据，实现施肥、灌溉等环节的精准决策，同时建立农产品质量追溯体系，为现代农业发展奠定基础。产业发展上，人工智能与制造、文旅、商贸等领域的融合，正催生新产品、新业态和新模式，推动产业链供应链数字化升级。 对策——推动“人工智能+”从示范走向普及，需针对“场景牵引、数据支撑、标准引领、生态协同”。一是以垂类大模型为抓手，提升行业适配能力。围绕农业、交通、工业制造等领域积累行业知识和数据，形成可持续迭代的模型能力，避免通用模型落地难问题。二是打造标杆场景带动复制推广。聚焦智慧城市、智慧交通等重点领域，建设一批可验证、可复制的示范项目，通过解决具体痛点形成标准化流程。三是立足区域特色产业推动链式升级。委员建议结合成都各区县资源禀赋，围绕食用菌、柑橘等产业推进全链条智能化，助力乡村振兴和农业现代化。四是守住数据安全合规底线。推动公共数据与社会数据合规流通，完善数据分类分级、权限管理等制度，平衡创新效率与安全边界。五是强化标准化与生态建设。针对多主体参与的场景制定统一接口规范和运维机制，减少重复建设，促进产学研用协同。 前景——未来，“人工智能+”将更深融入城市生活和产业体系，呈现从单点应用到系统能力的跃升。智能网联汽车、智慧出行等消费级场景有望率先规模化，进而带动民生服务和产业领域的广泛应用。智慧农业将从生产环节智能化扩展至全产业链智能化，结合文旅体验等新需求，推动农业业态革新。更重要的是，随着更多场景在成都形成可复制的实践经验，“技术供给—场景验证—标准沉淀—规模推广”的闭环将逐步建立，为培育新质生产力、提升城市治理现代化水平提供持续动力。
成都的实践表明，技术赋能不仅是工具叠加，更是生产关系的系统性重构。当城市能将技术优势、场景资源和制度创新有机结合时，就能形成既具地方特色又可复制的数字化转型方案——这正是高质量发展的核心内涵。