来源：市场资讯
（来源：政策研究组 中国企业家俱乐部）
8月7日，海淀拿出43.6平方公里城市空间，发起面向智能体的城市设计开源征集。表面看，这是一次“AI参与城市规划”的实验；更值得关注的是，它正在呈现一套新的城市竞争逻辑。
咱们先讲一个场景。
一家做AI的start up，目前只有三个人，刚拿完天使轮，要找地方落脚。
按过去的剧本，接下来会发生什么？
他们可能会参加几场招商推介会，收几摞政策汇编，跟三四个园区的招商专员喝几轮咖啡，比较一下房租补贴和税收返还，最后落在某个人才公寓离得近的地方。
但今天，最可能发生的是：他们中的一个人，在下午三点打开电脑，问了一句"我们这种团队适合落在哪儿"，然后把AI给出的三个选项转到群里。
十五分钟，决定基本定了。
没有一个招商局/招商人员在这个过程中出现过。
这就是这篇文章的起点。
8月7日，海淀拿出43.6平方公里——沿京张铁路遗址公园约9公里，从北五环到北京北站，比整个澳门还大——做了一次面向智能体的城市设计开源征集。
https://haidian.open-city.ai/
这件事被很多人解读成"AI参与真实城市规划"；
但如果你是做城市运营的，你需要在意的，可能是三件更实际的事：你的客户正在变小，你的客户找你的方式变了，以及——城市第一次有机会在动土之前就知道自己会不会做错。
第三件最重要，我们放在后面重点讲。
01.
招商对象正在变小
以往的招商是猎人模式：锁定几头大象，配一支队伍，谈半年到一年，签下来，落税、落就业、落固投。
这套打法的隐含前提是——值得谈的主体足够大。
但现在这个前提正在松动，因为AI能让3个人干得过去30个人的活，上周我们有一篇文章，标题就是“300人的月之暗面，只有一层楼，没有一个部门”。
其实，全国很多地方，包括海淀，公开提到要支持"一人公司"这类创业形态，这是一个正在发生的事实。
36.3%的新公司只有一个人……
如果未来大量创新主体是1到5个人的微型团队，整套招商体系就要改变：一个3人的公司，不值得你派一支队伍去谈；但一万个三人公司加起来，能量绝对会超过一个总部。
但现有的猎人模式对付不了一万个。
你没法谈，也没法一个个筛。
你只能换一种活法——把环境做好，让它们自己长出来、自己找上门。
这就是为什么"场景"、"生态"、"开源社区"这些听起来有点虚的词，正在变成硬指标，因为它们是面对无法逐个谈判的对象时，唯一剩下的工具。
02.
企业找你的方式变了
回到开头那三个人。
我们说到，他们没打电话，他们问了AI。
这件事的性质，跟二十年前"要不要做官网"是一样的。
当年也有人说是花头，说企业选址还是要看人、看关系、看实地考察。
二十年过去，现在没有一个招商没有官网。
但这一轮还有一个不一样——因为搜索是人主动去找你。
智能体是替人做筛选。
搜索时代，你排名靠后，但当事人多翻两页还是能看见你。智能体时代，它直接给出三个选项——如果你不在那三个里面，你根本没有机会，而且当事人永远不会知道自己漏掉了你。
这就带来一个很具体的问题：目前，全国每一个还不错的园区手里都有三样东西——招商政策、规划任务书、还有这两年开始流行的场景清单。
那这三样东西今天是什么形态？
对外主要是PDF。
问题在于，这些PDF它只有内容，没有状态。如果创业者想知道——你的政策哪一版是现行，哪一条已废止？你说的"规上企业"是哪个口径——同一个词，隔一个区就换一套定义。
这些问题PDF都回答不了，企业的AI、中介的AI、你我的AI，从外面拿到的，仍然只有一份PDF。
企业要弄清一条政策到底适不适用，至今最稳妥的方式，还得派个人读一遍、再打个电话确认。
海淀这次实际上示范了一个动作：把规划需求和产业政策，打包成机器能直接读的东西，公开放出来。
所以从我们的角度看，其他地方不是要追"智能体征集"，而是——
我们的政策，是活的么？机器读得懂吗？有没有字段和口径，还是只有一段散文？机器读懂之后给出的回答，可信么？
03.
机器能读的东西
那，海淀这次到底做了什么？
简单来讲：它把城市设计任务书，从一份给人看的PDF，改写成了一套机器能直接读、还能自动核对的东西。
过去的任务书像说明书，告诉你应该怎么做，剩下的靠专业人员“意会”。
但这次的任务书更像一张带标准答案的考卷——你交上来，它当场就能查出哪一项没答、哪块地画重了、哪个数据没写来源——当然，这是第一次，参与门槛也是真的比较低了：
你打开AI工具，粘一句话，它自己去读任务书、生成方案、自检、提交。开放第一天，仓库里已经躺着9份完整方案，每份正文两三万字，配整套图纸和数据。
约36小时之后，我们又去看了一眼，累计的PR已经增加到近700份了，245份方案合入，凌晨三点到六点，每小时仍有一到四份进来。
这不是为了炫技，这更像是任务书的一次升级。
比如，像"打造高品质公共空间"这种话不能写了，得写成具体的、可检验的条目。还有，三大定位、五大功能、三区两翼、六项任务，全部拆开、编号、定义清楚什么算合格。
这一步的价值，很可能比这次收上来的方案还大。
还有个细节我们很喜欢——github仓库里有一份清单，逐条列出目前公开渠道拿不到的资料，并且写明：这些数据不得自行编造，目前提供的边界是推定的临时边界，不能当作官方红线。
一个政府项目，把自己数据的不完整之处写成清单公开出来，这很少见。
它划清了哪些是事实、哪些是推定、哪些还没有信息——这些都是主动公开的，这个实事求是的态度很让人敬佩。
04.
可能最有价值的事情
现在说我们这篇文章想说到重点，感谢看到这里的朋友。
问一个问题，城市决策最贵的地方在哪儿？
你说，建的载体造价很贵，但实际上，更贵的在于建完才知道错了。
一个新区的业态定位对不对，通常要五到八年才有答案。一条路的等级合不合适，得等它堵起来。一个片区能不能形成中心，要等人来了或者没来。这个反馈周期，长到超过了绝大多数决策者的任期。
所以，这次征集里有一个不太起眼的要求：方案必须提交不少于10张应用场景卡、不少于3个产业测试验证场景、不少于5类用户画像。
目的就是在动土之前，先把这块地上会发生什么，用低成本的方式跑一遍。这是我们认为这件事最有长期价值的地方。
一方案的成本是几个million的token，哪怕是一个专业的团队，方案的城市也不过几千万打顶，但一个建错的项目的成本是几十个亿。
不过，这里也有一个危险的陷阱，就是——机器是在用过去的数据，模拟未来的场景，历史数据描述的是旧规则下人的行为。一旦你按模拟结果动了工，规则就变了，人的行为随之改变——而这个改变，恰恰不在你的数据里。
诺奖得主卢卡斯1976年提出的卢卡斯批判(Lucas critique)就是这个意思：用历史数据估出来的行为参数，会在政策改变的那一刻失效，因为人会对新政策作出反应。
比如，上世纪美国靠交通模型论证拓宽高速：模型说车道增加、拥堵缓解，逻辑严丝合缝。几十年、上万亿美元投进去之后，发现，车道里程和行驶里程几乎是一比一同步增长的——路修多少，车就多多少，拥堵原地不动。
模型算错了吗？没有，但它假设出行需求是固定的，而新修的路，正好推翻了这个假设。
那到底应该模拟什么？这得分两个部分来看，一半是物理约束——排水能不能过、日照会遮到谁、这个断面通不通、管线冲不冲突。这些由物理定律决定，人怎么变都不影响。模拟在这里非常可靠，可以放心用。另一半是行为预测——人会不会来、这里会不会成为中心、企业愿不愿意搬。这些取决于人的偏好，而你的干预本身就在改变偏好。模拟在这里基本不可信。
当然，还有一条更实用的判断。
模拟错了要不要紧，取决于你据此做的决定可不可逆。
可逆的，业态调整、临时开放、场景试点、导向系统、活动运营。大胆按模拟走，错了改就是。
不可逆的，拆除、征地、大型基础设施、文保动土。模拟只能用来排除方案，不能用来拍板。
而这个道理，脚下这条铁路自己就是最好的例子。
京张线的很多段落，当年是差点被彻底拆掉的。今天它之所以能成为遗址公园、成为这43.6平方公里的文化骨架，不是因为当年谁预测对了，而是因为有人没有把不可逆的事做绝。
保住选择权，比优化方案更值钱。
有趣的是，我们翻这次的技术要求时，注意到两个平常看着很枯燥的规定：每一处画在图上的东西，都要标明它的可信程度；每一份方案，都必须单独交一份"我做了哪些假设"的文件。
所以你看，我们刚才恰好讨论了这两条，它分量就出来了。
它不能让模型变准，但它能让模型错在哪里被追溯。
假设一旦被写成明文，就不再是藏在报告背后的暗物质，而成了可以被检查、被质疑、被下一个人推翻的东西。
一个错误但假设透明的模型，比一个正确但假设隐含的直觉更有价值——因为前者可以被纠正，后者只能被相信。
这可能是这次征集在方法论上最扎实的一笔。
05.
碑刻，以及城市在抢什么
最后说一个容易被当成噱头、其实设计得很懂行的部分。
组织方要在京张铁路遗址公园沿线，建一套永久纪念体系：贡献荣誉墙、里程碑、开源成果展示节点。入选方案和背后的贡献者，以碑刻形式留下，每年最杰出的贡献继续往上加。
注意一个细节：碑上刻的是贡献者的账号名，不是模型的名字。
这说明组织方非常清楚自己在跟谁打交道。智能体不需要荣誉，它不会因为名字上墙而多干一点活。
真正被激励的，是屏幕另一头那个人。
于是我们可以把这三十年看清楚了：第一代创新区抢企业，工具是土地、税收、厂房。第二代抢人才，工具是社群、活动、生活方式、人才公寓。第三代——正在开始的这一代——抢的是开发者的心智占有率。
一个人贡献过、名字被刻进一座真实城市的公共空间里，他和这座城市之间就有了一种独特的关系。
这种关系比人才公寓便宜，也比人才公寓牢固。
一百多年前，詹天佑在这条线上修了中国人自主设计的第一条干线铁路。今天回头看，那条铁路最重要的产出其实不是路——路是会老的，很多段落早就不再跑车，变成了脚下的公园。
真正留下来的，是"我们中国人可以自己修"这件事被证明了一次。
在当时那个年代，它改变了所有人对可能性的判断。
AI时代，经营好一家企业，需要新的能力。年会上我们着力发掘和分享这些能力，并导入实践。
如果您也觉得 AI 给企业决策带来了新的挑战，欢迎你来年会研讨碰撞。
▼ 点击查看年会议程｜注册参会
热门跟贴