从1990—2000年代以提升绘图效率为核心关注的计算机辅助设计 （computer-aided design），到 2010—2020年代以大数据研判支持为核心途径的数据支持设计 （data-informed design），不断发展的新技术新数据已为城市规划与设计行业提供了绘图工具、数据基底、分析研判的多方面革新。但前两波新技术变革本质上是为规划设计人员提供更快捷的工具、更精准的现状分析，而规划设计的输出端并未发生重大变化，仍需大量密集时间投入。不过这一情况正在发生转变，当前智能化算法快速发展所催生的人工智能驱动设计 （AI-generated design） 直接聚焦工作流的输出端，有望给城市规划与设计的工作流带来大幅度变革。

1.新一代人工智能的发展特征

新一代人工智能呈现出更智能、更通用、更可解释、更人性化的发展趋势。在智能性方面，由大规模训练数据所支撑的通用预训练模型正在取代传统的机器学习算法，使模型从重复构建转向迁移学习能力的提升。在通用性方面，传统人工智能模型更关注单一领域的专业化问题，而新一代人工智能追求构建单一系统下处理多种不同任务的整体智能，具有更强的通用理解力。在可解释性方面，人工智能黑箱式、结果导向的局限性正在通过可解释的决策逻辑得以改善，以此提高算法过程的透明性。在人性化方面，新一代人工智能从独立系统转向人机协同，开始逐步发挥人机交互的优势。

2.规划研究对技术发展的响应

在传统规划研究基础上，规划学者可以利用新一代人工智能技术促进规划研究深度的提升，并关注新技术发展所形成的规划交叉领域及新兴议题，拓宽规划研究边界。

（1）融合人工智能技术的城市模拟与预测研究

尽管既有城市模型已有较完善的理论基础，但其在实践应用中仍面临诸多局限，如预测频率低、个体行为异质性描述不足、系统发展非线性机制难以捕捉等。新一代人工智能技术可以实现与传统城市模型的优势互补，并通过大数据与高性能计算的发展为模型的校准、优化与推广提供数字孪生平台支撑，以此提高模型在宏观层面辨析城市发展新旧规律的能力及其在微观层面感知城市个体多元需求的精准性[14-15]。例如：规划学者可以利用机器学习算法自动化模型构建，使之适应多模态城市数据的关联与融合；使用深度学习模型描述个体行为异质性，代替传统模型中的人群同质化假设；构建基于非线性表述的仿真模型，捕捉空间演化中的阈值效应。

（2）基于人机合作的交互机制与规划方法研究

生成式AI的发展为优化规划工作方法提供了新的可能，规划学者应关注方案生成中的人机交互机制，构建规划领域的混合增强智能。例如，在自动化方案生成的基础上，如何引入规划师的专业知识进行互动化方案调整、如何设置设计导则与评估方法形成方案自动优化、如何融入多方反馈意见并实时对比多方案绩效等。对于人机交互机制与界面的研发，将有助于优化规划流程、促进公众参与，以此推动规划师在新技术时代中的定位转变。

（3）面向未来变革的情景设计与规划响应研究

人工智能带来的技术变革将改变居民的日常生活和行为方式，其影响的不确定性和复杂性亟待前瞻性研究。规划学者可以通过设计不同的技术发展情景，预测生产、生活、出行等方式的变化，并关注这些变化对城市空间需求的影响，提出规划应对策略。例如，自动驾驶可能带来的用地功能转型、虚拟现实技术导致的公共空间需求改变、居家办公趋势造成的居住选择偏好变化等。对于这些新议题的研究布局，有助于让规划可以更主动地应对未来技术变革并做出前瞻性的规划响应。

3.规划学科的机遇与挑战

新一代人工智能为规划学科提供了广度拓展和深度延伸的契机，并有助于规划更好地把握与揭示城市发展的不确定性和复杂性。在新技术的冲击下，规划学科站在了科学探索（AIfor Science）和利民向善（AIforsocialgood）的交叉口。无论是对城乡发展规律的探寻、规划思想的提升与凝练、愿景导向的空间规划实践，规划学者与从业者应主动迈向超学科的（transdis- ciplinary）研究范式，以更开放的心态去拥抱学科间的知识体系交叉，以更包容共进的模式完成新旧技术的优势互补与融合，在开放融合中才能实现规划学科在科技创新与社会价值两方面的有机统一，实现理性与理想共同驱动的可持续城乡发展与美好生活愿景。