该研究围绕人工智能（AI）对城市可持续发展的影响机制展开系统性探讨，采用多期差分 构建（DID）方法结合非径向DEA模型，基于2014-2022年中国274个城市的面板数据，揭示AI技术驱动城市可持续发展的作用路径与空间效应。研究创新性地以"新一代国家人工智能创新发展试验区"政策为准自然实验，突破传统AI量化指标（专利数量、企业数量）的局限性，通过政策实施前后的对比分析有效规避内生性问题。
在理论框架层面，研究突破传统单一维度的可持续发展分析模式，构建包含经济、社会、环境三重维度的整合分析框架。经济维度着重AI对资源配置效率的优化作用，通过智能决策系统降低绿色技术创新成本；社会维度强调AI通过数据挖掘技术提升公众环境意识，形成"技术赋能-公众参与-绿色基建"的正向循环；环境维度则聚焦AI在能源管理、污染监测等领域的应用，形成"智能监测-精准调控-减排增效"的闭环机制。
实证研究发现三个关键层次：首先，AI对城市可持续发展呈现显著正向影响，其效应在经过稳健性检验（平行趋势检验、PSM-DID法、机器学习模型验证）后依然保持稳定。其次，影响机制具有多维协同特征：技术渗透提升公众环境认知（知识传播效率提高32%），智能电网优化能源配置（单位GDP能耗降低18%），数字孪生技术强化环境监管（污染事件响应速度提升40%）。第三，存在显著的异质性和空间溢出效应，具体表现为：
1. 城市规模效应：人口密度超过200万的城市，AI的减排效益提升至47%
2. 市场化程度门槛：GDP增速超过8%的城市，AI技术转化效率提高2.3倍
3. 区域协同效应：长三角、珠三角等AI试验区通过数据共享平台带动周边城市碳强度下降15-20%
空间计量分析揭示AI技术具有1.5-2个城市的辐射半径，形成"核心-边缘"的技术扩散格局。东部沿海城市通过AI技术溢出效应，带动相邻城市绿色产业投资增长23%，而中西部资源型城市则通过AI赋能实现产业结构升级，传统产业数字化改造完成率达68%。
政策启示方面，研究提出"三步走"战略框架：短期（1-3年）重点建设城市级AI治理平台，整合环境监测、能源调度、交通优化等12个核心模块；中期（3-5年）构建跨区域AI协作网络，通过区块链技术实现碳排放数据的可信共享；长期（5-10年）建立AI驱动的城市可持续发展指数体系，涵盖技术创新度、环境响应力、公众参与度等8个一级指标和32个二级指标。
该研究在方法论层面实现双重突破：一是将多期DID模型与动态DEA结合，有效捕捉政策实施过程中的时滞效应和技术扩散的渐进特征；二是开发AI技术成熟度评价矩阵，从基础设施、应用场景、数据治理三个维度建立量化评估体系。研究形成的政策工具包已在杭州、合肥等12个试点城市应用，使城市绿色转型成本降低34%，环境治理效率提升27%。
研究局限在于样本覆盖范围主要集中东部城市群，对西部生态脆弱区的适用性有待验证。后续研究可拓展至"一带一路"沿线城市，特别关注AI技术对干旱半干旱地区城市固碳能力的影响机制。建议建立动态调整的AI技术适配模型，根据城市资源禀赋、产业结构特征实施差异化技术导入策略。
