城市治理面对的并不是单一事件，而是交通、公共服务、人口流动、资源配置等多类因素相互作用形成的复杂系统。社会模拟器的价值，正在于把政策从“提出后执行”转变为“执行前推演”：在虚拟环境中构建不同类型的个体、群体与公共服务主体，观察规则变化如何影响局部行为，并进一步评估其对城市整体运行的可能影响。
2024年10月25日发布的“大型社会模拟器1.0”，由北京大学武汉人工智能研究院、北京大学、清华大学等高校及科研院所协同研发。平台依托3D建模仿真环境，演练海量智能体交互，尝试连接个体行为、群体互动与城市运行等多个层次。这意味着城市治理不再只能依赖静态统计或单一指标，而可以通过动态、迭代的模拟，比较不同政策情景下可能出现的连锁反应。
从预测结果到决策依据
社会模拟器适合承担三类工作。第一是政策预评估，例如比较公共服务调整、空间规划变化或治理规则改变可能带来的差异。第二是风险识别，通过观察智能体之间的互动，发现局部措施是否可能引发新的拥堵、资源挤兑或服务失衡。第三是应急演练，在不直接影响现实城市运行的情况下，对复杂情境进行反复推演。
但模拟结果不能直接等同于现实结论。模型依赖个体、群体和公共服务等多维数据，也依赖对行为规则的抽象。数据存在缺失、偏差或更新滞后时，模型可能放大误判；模型过度简化人的选择与社会关系时，推演也可能形成“看似精确、实则片面”的结果。因此，模拟器更适合作为决策支持系统，而不是自动决策者。
建立可审查的治理闭环
要让社会模拟真正服务城市治理，关键不只是提高计算能力，还要建立可解释、可复核的使用流程：明确数据来源和适用范围，区分模拟事实与模型假设，对不同政策情景进行对照，并由治理部门结合现实反馈持续修正模型。最终，社会模拟器的核心作用不是替代管理者判断，而是扩大政策试错空间，让城市治理从经验驱动逐步转向证据、推演与反馈共同驱动。