从“有数据”到“用好数据”:中国牵头国际标准,谁先吃到智慧城市升级红利?
中国智慧城市建设,正在跨过一个很关键的分水岭。
过去十多年,城市数字化最重要的任务,是把摄像头装起来、数据中心建起来、政务系统连起来。现在真正的问题变成了:数据已经很多了,为什么城市管理依然经常存在“看得见却调不动、存得下却用不好”的问题?
近日,ISO与IEC正式发布国际标准ISO/IEC 25005-1:2026《信息技术——智慧城市数据利用——第1部分:框架》。这项标准由中国专家担任项目负责人,联合韩国、加拿大、日本、澳大利亚、德国等11个国家的专家共同制定,首次从数据可用、数据有用、数据易用、数据善用和数据赋能五个维度,为全球智慧城市数据利用建立统一框架。
这件事真正值得投资者关注的,不是“中国又牵头了一项国际标准”。
而是智慧城市的赚钱逻辑正在发生变化:
过去主要卖硬件、建平台;未来越来越值钱的,可能是把散落的数据真正组织起来,再交给AI调用。
一、智慧城市现在最缺的,已经不是数据
很多城市其实一点都不缺数据。
交通有车辆和道路数据,公安有视频数据,医院有医疗信息,应急部门有气象、水利和灾害数据,电力、燃气、公交、停车、城管又各有自己的系统。
问题在于,这些数据往往出生在不同年代、不同部门、不同供应商的平台里。
名字不一样。
格式不一样。
权限不一样。
更新频率也不一样。
于是就出现一种很典型的“数字城市尴尬”:
数据很多,真正需要联动时却还要打电话。
比如一次城市内涝预警,理论上应该同时调用降雨、河流水位、道路积水、交通流量、地下管网、地铁和应急物资数据。
如果这些数据无法迅速互认、共享和调用,再先进的AI也只能看到其中的一小部分。
所以ISO/IEC 25005-1提出的五个维度,表面看很技术,翻译成普通话其实就是五个问题:
有没有数据?数据准不准?找起来麻不麻烦?能不能安全地用?最后能不能真正创造价值?
智慧城市真正开始从“建设数据”进入“经营数据”。
二、第一个受益方向,不是摄像头,而是数据治理
过去智慧城市项目里最容易被看见的是硬件。
服务器、摄像机、传感器、大屏幕,一眼就能看到投资成果。
但当城市基础数字化逐渐完成后,下一阶段最大的问题反而隐藏在后台。
例如同一个“企业名称”,市场监管系统、税务系统、街道系统和产业平台里的字段可能不同;同一条道路,在不同部门甚至可能拥有不同编号。
这时候想让AI跨部门工作,第一件事不是再买GPU。
而是先把这些数据“洗干净”。
于是数据目录、主数据管理、数据质量治理、元数据管理、数据交换平台、接口治理等过去不太性感的能力,会变得越来越重要。
因为AI时代有一条很现实的规律:
模型可以很聪明,但喂进去的数据如果混乱,答案只会更快地混乱。
所以真正吃到第一轮升级红利的,很可能是能够帮助城市解决跨部门数据治理和数据共享的企业。
智慧城市开始从“设备采购”转向“数据工程”。
三、第二条主线,是数据安全突然从成本项变成基础设施
国际标准五个维度中,有一个非常明确:
data use security——数据必须被安全使用。
这一点在AI时代尤其重要。
因为传统政务系统更多是“人登录系统查数据”。
未来城市智能体很可能变成:
AI自动调用多个数据库;
自动完成分析;
自动生成处置建议;
甚至调用业务系统执行部分流程。
这样一来,一个全新的问题出现了:
AI到底能看哪些数据?
一个交通智能体有没有权限看到个人身份信息?
一个应急系统在突发事件时能不能临时扩大权限?
AI调用过哪些数据,之后能不能审计?
模型生成结果里会不会泄露敏感信息?
这些问题如果解决不了,城市AI越强,风险反而可能越大。
所以未来城市数字化的钱,不会只花在“算力”和“大模型”。
数据分类分级、身份认证、隐私计算、数据脱敏、访问控制、零信任、安全审计等能力,会越来越像水电一样成为AI城市的底座。
四、真正的大变量还是AI:标准正在给“城市智能体”铺路
为什么偏偏现在需要一套全球智慧城市数据利用框架?
一个重要背景就是AI开始从聊天走向执行。
以前城市数据主要服务“人看报表”。
现在越来越多场景希望让AI直接工作。
例如交通智能体,可以结合红绿灯、车流、事故信息动态调整路口策略。
政务智能体,可以根据企业数据自动匹配政策、办理事项。
应急智能体,可以在暴雨、台风、火灾发生时,把气象、视频、地图和救援资源快速组合起来。
但智能体要真正进入城市,最大瓶颈往往不是模型参数不够多,而是:
能不能稳定获得正确的数据。
这也是为什么这项标准值得AI产业关注。
它不是一项“大模型标准”。
却可能为大模型真正进入城市基础设施创造条件。
数据如果不能跨系统使用,AI最多是一个聊天机器人。
数据一旦能够规范、安全地调度,AI才有可能真正变成城市的“数字员工”。
五、第三个容易被忽略的市场,是评估和认证
更值得注意的是,ISO/IEC 25005并不是只有这一份标准。
已经发布的ISO/IEC TR 25005-2:2025主要讨论智慧城市数据利用的用例分析和共同考虑;第三部分ISO/IEC 25005-3正在制定,内容直接指向测量、评价与报告,应用场景甚至包括城市ICT投资、采购、监测、审计以及绩效评估。
这意味着整个标准体系可能正在形成一条很清晰的路线:
第一步告诉你:
什么叫把数据用好。
第二步研究:
不同场景到底怎么用。
第三步进一步解决:
怎么证明你真的用好了。
一旦走到第三步,事情就会从技术指导逐渐影响到项目评价。
未来一个智慧城市项目,可能不仅要回答:
建了多少服务器?
接了多少摄像头?
还可能要回答:
数据可用率是多少?
数据质量如何?
跨部门调用效率怎样?
安全合规水平如何?
数据到底带来了多少治理效果?
于是第三方测评、标准符合性评价、咨询认证、城市数字化绩效评估等业务,也可能逐渐扩大。
六、第四条机会,是数据资产化,但不能简单理解成“城市卖数据”
此次标准发布还反复强调一个关键词:
数据作为战略资源和资产的价值。
这很容易被市场理解成“城市数据以后都可以拿出来卖钱”。
其实并不是这么简单。
大量城市数据涉及公共利益、隐私、安全甚至关键基础设施,不可能像普通商品一样自由交易。
真正值得看的反而是:
数据能不能通过合规治理后形成新的公共服务和产业服务。
例如匿名后的交通数据帮助导航和物流优化;
公共充电数据帮助新能源汽车企业布局;
产业链数据帮助政府进行招商和企业服务;
城市能耗数据帮助建筑进行节能改造。
也就是说,未来智慧城市数据的商业价值,未必来自“卖原始数据”。
更可能来自:
用数据形成新的产品、模型和服务。
这也是“数据赋能”真正有价值的地方。
七、中国牵头国际标准,最大的意义是什么?
从短期股价角度看,一项国际标准发布并不会立即制造几十亿元订单。
这点必须说清楚。
ISO/IEC 25005-1是一项框架型国际标准,不是强制性的政府采购目录。今天发布标准,不意味着明天所有城市就要更换系统。
但它仍然有一个非常重要的长期意义:
中国正在从智慧城市的“大规模使用者”,逐渐变成规则参与者甚至规则贡献者。
过去全球数字产业很重要的一项竞争是产品。
谁的服务器更多?
谁的软件更强?
谁的平台更大?
而产业成熟以后,另一个竞争会越来越重要:
谁定义接口、规则和评价体系。
如果中国企业参与形成的标准被更多国家采用,那么国内大量智慧城市实践形成的技术路线、产品理念和场景经验,就更容易转化成国际市场能够理解和接受的语言。
对于真正要“出海”的城市数字化企业来说,这可能比一次国内项目中标更具有长期意义。
八、但不是所有“智慧城市概念股”都会受益
这类政策题最容易产生一个误判:
标准出来了,于是所有带智慧城市、数字政府、数据要素名字的公司都算受益。
实际上,未来的分化可能很大。
第一类只是卖传统硬件、缺乏软件和数据能力的企业,未必能够拿到更高价值。
第二类只会建“大屏+平台”,却解决不了跨部门数据治理,也可能越来越难建立壁垒。
真正可能提高价值量的,是同时具备几项能力的企业:
懂城市业务、能治理数据、能够保证安全,同时还能接入AI。
因为未来客户买的不会再只是一套软件。
而是:
“我有十几个部门、几百套系统,你能不能让它们的数据真正协同工作?”
这个问题比卖100台服务器难得多,也更容易产生长期服务收入。
九、智慧城市下一阶段真正稀缺的,是“让数据流动起来”
所以,中国牵头制定的这项国际标准真正值得关注的,不是多了一个ISO编号。
而是它准确击中了智慧城市进入下半场之后最大的难题:
城市已经有了大量数据,但距离真正把数据变成治理能力,还差很远。
前半场智慧城市最大的投资,是让城市拥有数字感知能力。
所以我们建数据中心、装传感器、铺网络。
后半场则要解决:
数据如何治理;
部门如何共享;
AI如何调用;
安全如何保障;
最后如何评估效果。
这也是为什么未来真正受益的产业链,很可能从硬件继续向数据治理、数据安全、AI智能体以及标准测评迁移。
智慧城市下一阶段真正稀缺的,可能已经不再是更多摄像头、更多服务器,甚至也不仅是更多GPU。
而是:
让散落在城市不同角落的数据,能够可信、安全、低成本地流动起来。
当全球开始用一套共同框架定义“什么叫把城市数据用好”,标准本身也就不再只是一份技术文件。
它开始成为数字城市的新基础设施。
而谁能够率先把这些规则变成真正能运行的产品和服务,谁才最可能吃到下一轮智慧城市升级的红利。
参考资料
市场监管总局关于我国牵头制定智慧城市数据利用国际标准的公开信息;ISO/IEC 25005-1:2026《Information technology — Data use in smart cities — Part 1: Framework》;ISO/IEC TR 25005-2:2025及ISO/IEC 25005-3相关标准文件。
本文为智慧城市、数据要素与人工智能产业趋势观察,不构成投资建议。


