智慧城市何以高效建设——基于第一批国家试点的组态研究

孟凡坤,吴湘玲

(武汉大学政治与公共管理学院,湖北 武汉 430072)

0 问题提出

城市是现代社会的构成性中心。随着流动性社会的来临和全球化的深入，日益频繁的跨国政策转移将地方治理机制连接至全球城市政策共同体[1]，城市间跨区域、跨国界进行治理经验共享，以此应对城市广泛存在的共性难题和实现可持续发展。2009年西方社会提出 “智慧城市”，认为智慧城市是由技术和数据驱动的网络化城市[2]，能够收集社会事实进行编码、赋值、运算和应用，从而形成清晰可见的城市治理图景[3]。自此，智慧城市理念迅速扩散并深刻、广泛地影响全球城市治理实践，新加坡、美国、韩国、欧盟、日本、印度等国家和地区纷纷进行制度设计和推出相应的发展战略。

伴随全球性智慧城市建设运动，中国于2013年开展第一批国家试点，旨在探索中国智慧城市建设道路。智慧城市是中国推进新型城镇化道路和实现城市治理体系和能力现代化的重要战略部署。截至2018年底，试点数量达300个左右，试点采取 “宽进严出” “先试先行”的原则，范围覆盖东中西部等不同类型的城市，并将经历3～5年的创建期。2020年新冠疫情暴发，智慧城市在疫情防控和应急管理中发挥了重大作用。

智慧城市在中国 “遍地开花”并且效能发挥明显，但与此同时，众多研究指出中国智慧城市建设绩效差异显著，新冠疫情更是暴露出中国智慧城市建设效果不平衡的问题，是什么造成一些智慧城市实现高效建设，一些城市却没有实现呢？有研究关注到中国智慧城市发展受到技术理性和政治理性的双重逻辑驱动，进而导致绩效区别[4]，而智慧城市是一个 “开放的复杂巨系统”，涉及技术、制度等复杂的多系统联动[5]，在政策目标不清晰、环境差异敏感度高以及具有 “简单化”风险的复杂政策领域[6]，一种城市要素的变化可能会导致其他多重要素的联动变化，即 “牵一发而动全身”[7]。加上智慧城市试点有一段的试验建设期，这就需要去考察创建期后智慧城市高绩效建设背后的复杂因果关系。

为了回答上述问题，本文以首批智慧城市国家试点为研究对象，采用模糊集定性比较分析方法探讨影响智慧城市高绩效建设的多重并发因果关系，从而总结出中国智慧城市的探索经验与多重驱动模式，为中国智慧城市建设提供更具针对性、更现实有效的政策思路。

1 政策背景、文献综述与分析框架

1.1 政策背景

从中国10年智慧城市政策看，政策实践呈现出明显的阶段特征，经历了 “地方探索—中央支持和规范—地方规模化建设”的过程，以及 “智慧城市—新型智慧城市—智慧社会”的理念深化。2010年宁波市率先开展智慧城市建设，其后上海、南京也出台相关政策，地方性的探索引起中央层面重视并加以支持，2012年住建部开展国家试点工作，出台《国家智慧城市试点暂行管理办法》。为了应对地方城市盲目建设、政出多门的乱象，2014年国家发展改革委等八部门联合出台《关于促进智慧城市健康发展的指导意见》，并提出到 “2020年建成一批特色鲜明的智慧城市”。随着全国性的智慧城市工作开展，2016年《国家信息化发展战略纲要》提出建设新型智慧城市，要求各地加强顶层设计，分级分类推进新型智慧城市建设。2017年十九大提出建设 “智慧社会”，它是智慧城市概念的中国化和时代化[8]。后疫情期间，2020年6月杭州市出台相关政策，提出 “奋力打造‘全国数字治理第一城’，努力成为新型智慧城市建设的‘重要窗口’”。

1.2 文献综述

智慧城市起源于20世纪末西方城市治理的两股思潮，一是ICT (信息与通信技术)应用的信息化城市浪潮[9]；二是精明增长运动 (Smart Growth)，即应对20世纪后半叶美国城市蔓延式扩张的高效、集约、紧凑的发展模式[10]。

当前国内外知识界围绕理论阐发、政策效应评估、试点评价体系等细分议题展开讨论：智慧城市是继 “数字城市”和 “智能城市”后的城市信息化高级形态[11]，由战略系统、经济活动系统、社会活动系统、信息系统和空间系统5个子系统所型构[12]，其通过多元主体合作和提供开放式问题解决平台促进城市可持续发展[13]，推动了突击式、运动式的传统城市管理向多主体参与、标准化、常态化城市治理格局转型[14]。研究者发现智慧城市能够带来降低环境污染[15]、激发城市创业[16]等积极政策效应，但是可能会带来隐私安全风险[17]，也存在理念风险、技术风险、产业风险、社会风险[18]。同时，学界构建了智慧城市建设多样化的评价框架与指标体系[19]，并进行了实证评价[20]。

学者普遍认为智慧城市建设绩效受多方面因素的影响。Paolo等[21]提出智慧城市领域覆盖指数 (CI)，并实证检验城市结构要素、经济、技术开发、环境、国家特定要素 (腐败感知)等因素与70个国际城市CI之间的相关关系，指出人口密度、环境污染、研发支出等对CI产生显著影响。Caragliu等[22]考察欧盟27国智慧城市的创意阶层、抵达城市的便捷程度、公共交通网络质量、人力资本存量等与城市经济绩效之间的相关性。于文轩等[4]发现政治支持对于智慧城市政策开展具有显著影响，政策需求中的城市空气污染和智慧城市建设呈负相关关系，而城市人口密度和智慧城市发展呈显著的倒 U 型关系。Kogan等[23]对13个智慧城市项目进行案例分析，指出公民参与度、治理水平、基础设施建设等影响了智慧城市项目绩效。

既有研究为学界认识智慧城市及建设绩效的影响因素提供了有益启示，但也存在以下问题：①智慧城市建设并不是一蹴而就，对于智慧城市建设的认识未有嵌入建设周期的考量；②现有文献关注 “净效应”而忽略了组态效应，即各因素之间的相互依赖、相互作用，尚且缺乏对智慧城市建设高绩效的复杂因果关系的判识，没有提出针对条件特点不同城市的驱动模式，对于未来中国智慧城市建设的理论指导不足。

1.3 分析框架

基于经验实践和相关文献，从技术、组织、环境和资源4个层面提出7个解释要素和8个研究假设，本文智慧城市高绩效建设影响因素的分析框架如图1所示。

图1 智慧城市试点成效的影响机制分析框架

(1)技术层面。具体包括技术基础设施建和技术人才。技术对于智慧城市发展的重要性不言而喻[24]。良好的技术基础设施建设有利于智慧城市计划的实施和项目的开展，拥有高技术的人力资源是智慧城市建设的基本生产要素[25]，人力资本水平高的智慧城市技术创新效应更为显著[26]。所以城市的技术基础设施建设和技术人才存量会影响到智慧城市建设绩效，因此提出假设H1：技术基础设施建设是智慧城市高绩效建设的关键因素；假设H2：技术人才是智慧城市高绩效建设的关键因素。

(2)组织层面。本文主要关注组织层面议题的注意力分配与持续，具体包括政府重视程度和注意力持续分配。注意力分配理论认为注意力是组织的稀缺资源，不同的组织任务间存在着注意力争夺[27]。在中国权威治理体系中，任何事件无论其复杂程度和处理难度，会因领导高度重视即注意力的高度分配而得以有效解决[28]，因此政府的高位推动对于智慧城市建设有着积极影响。另外，多任务的政策环境会争夺组织注意力，政策执行当中出现政策注意力配置转移、消减甚至消亡可能导致政策执行失效和政策目标失败[29]，这就涉及组织注意力的稳定性和持续性。试点城市长期关注于智慧城市议题，持续的注意力配置将更多的资源、时间分配到智慧城市建设当中，这将有利于智慧城市可持续建设。因此提出假设H3：政府重视程度是智慧城市高绩效建设的关键因素；假设H4：注意力持续分配是智慧城市高绩效建设的关键因素。

(3)环境层面。具体包括经济发展水平和城市开放度。经济发展水平较高的城市拥有更多的财政资源和吸引高质量人力资本流入[21]，这无疑会促进智慧城市建设。另外，城市开放度越高，意味着城市拥有的创新空间越宽阔，对于新兴技术的采纳和应用更包容，公众、企业和政府参与越活跃，为智慧城市建设带来软性支持[30]。所以，环境层面的经济发展水平和城市开放度会影响试点成效。因此提出假设H5：经济发展水平是智慧城市高绩效建设的关键因素；假设H6：城市开放度是智慧城市高绩效建设的关键因素。

(4)资源层面。主要为财政资源供给。在资源相对有限的情境下，资源更多地会优先配置到提供公共服务和日常行政支出中，而购买和发展昂贵的如大数据、物联网、人工智能的信息技术就受到限制[31]，而资源松弛假设认为松弛的资源状况有利于组织创新[32]。智慧城市建设在基础设施和信息技术发展方面需要大量资金，相较于欧美地区，中国智慧城市建设是由地方政府主导的[33]，虽然中央政府承诺根据试点建设情况决定是否补助和补助多少[34]，但建设期内的资金依然由地方出资或筹集，有着较高财政冗余的城市会有 “余力”建设智慧城市，因此政府的财政资源供给就显得尤为重要。因此提出假设H7：财政资源供给是智慧城市高绩效建设的关键因素；根据组态理论，各变量之间相互依赖、共同作用，因此提出假设H8：条件变量的相互作用实现了智慧城市高绩效建设。

2 研究设计

2.1 研究方法

本文的研究方法采用的是定性比较分析 (Qualitative Comparative Analysis，QCA)，该方法最早由美国学者Charles C.Ragin在1987年提出，通过案例内和跨案例分析[35]，从小样本中建构出研究议题的因果机制，在承认因果复杂性的前提下识别多重并发因素以及影响机制[36]，同时兼顾外部的推广效度[37]。与传统的回归分析相比，QCA更不易受自相关和多重共线性的负面影响，并且否定任何形式的恒定因果关系，认为因果关系依赖于特定的情景和组态[38]，即关注于 “组态效应”而非 “净效应”，能够更加灵活地处理中小样本。经过30多年的发展，它已经发展出清晰集、模糊集和多值集3种具体操作方法。相较于清晰集在变量设置上只能取0或1，模糊集能够在0～1进行取值，能观察到条件变量在不同水平和程度上的变化带来的影响，更符合本研究的实际情况。

2.2 样本选择

考虑到智慧城市建设期限和可比性原则，选定第一批国家智慧城市试点作为研究对象。2012年11月22日住建部下发《关于开展国家智慧城市试点工作的通知》，意在探索智慧城市建设、运行、管理、服务和发展的科学方式。2013年1月28日，住建部公布了第一批国家智慧城市试点名单，确定了北京东城区等90个城市 (区、镇)。结合可比性和数据的可获得性，剔除直辖市区、拉萨市 (数据缺失)，共选取34个地级市，涵盖18个省和自治区，基本覆盖了中国不同类型的城市。相关数据来源于《中国城市统计年鉴》、互联网资料 (新闻、会议等)和政府官方网站。

2.3 变量测量与标定

(1)变量测量：对条件变量和结果变量进行测量。

条件变量：①技术基础设施建设 (INF)。采用2017年城市人均互联网端口数反映城市技术基础设施建设；②技术人才 (PEO)。采用2017年城市每千人IT业从业人员数量作为技术人才的测量指标；③政府重视程度 (IMP)。地方政府通过成立智慧城市建设领导小组以统筹智慧城市试点开展和推动当地智慧城市项目落地[4]。领导小组组长级别可以反映地方政府对于试点的重视程度，领导小组组长通常由市委书记、市长、副市长、发改委主任等担任。根据各市智慧城市建设领导小组组长级别进行取值，市委书记和市长担任组长的取值为1，否则取值为0；④注意力持续配置 (ATTE)。智慧城市试点采取的是 “先试先行”的申请制，地方政府会积极申请以谋取政策红利，但是政府的注意力是有限的，通过对2013—2017年市政府工作报告的有关 “智慧城市建设”的次数反映注意力配置的持续性。没有出现取值为0，只有1年出现取值为0.2，2年出现取值为0.4，3年出现取值为0.6，4年出现取值为0.8，5年全部出现取值为1；⑤经济发展水平 (ECO)。采用2017年城市人均GDP表征经济发展水平；⑥城市开放度 (OPEN)。采用2017年城市人均外商直接投资额反映城市开放度；⑦财政资源供给 (FINA)。采用2017年城市人均财政公共预算支出反映财政资源供给状况。

结果变量：智慧城市试点成效 (PER)。由于试点建设需要一定时间 (3～5年)，加之囿于各项数据公布的延迟性，故本文具体数据来源于中国信息化研究与促进网、国衡智慧城市科技研究院、国新智库等机构发布的《2017—2018中国新型智慧城市建设与发展综合影响力评估结果通报》。2017年度指标体系包括智慧基础运营、智慧管理服务、智慧经济人文以及智慧综合保障4个一级指标、24个二级指标。中国信息化研究与促进网、促进网北京网络发展研究中心连续6次组织开展中国新型智慧城市建设与发展综合影响力评估，得分排名具有一定的可信度。本文将进入智慧城市评估排名50强的取值为1，并视为高绩效智慧城市，未进入取值为0，视为低绩效智慧城市，两类智慧城市的分布较为均衡，见表1。条件变量和结果变量设定与其数据来源见表2。

表1 第一批智慧城市试点绩效建设情况分布

表2 变量设定与数据来源

(2)变量标定：QCA需要对原始数据进行校准，将变量转化为集合，从而赋予案例集合隶属度。

fsQCA一般要求设置3个临界值，即完全隶属点、中间点和完全不隶属点。参考已有研究[39]，本文设置样本数据的75%、50%、25%分位数上的取值进行校准。另外,注意力配置持续性 (ATTE)这一条件变量本身取值在0～1连续分布，故不需要进行再次校准，校准结果见表3。

表3 变量标定

3 实证结果分析

3.1 单变量必要性分析

首先对单个条件变量 (包括其非集)的必要性进行分析，即主要通过一致性 (Consistency)检验，如果一致性高于0.9，则认为该条件变量是结果变量的必要条件[40]。另外，采用覆盖率 (Coverage)来判断条件变量或组合对于结果变量的解释力。fsQCA3.0软件分析的必要性检验结果见表4，表4中的 “～”表示非集。所有条件变量的一致性水平均低于临界值0.9，故条件变量均不构成结果变量的必要条件。这也说明智慧城市试点的高绩效是多元因素的协同作用，存在因果复杂机制，需要进一步进行条件组态分析。

表4 条件变量必要性检验

3.2 条件组态分析

遵循Fiss[39]的建议，选择组态分析的一致性阈值为0.8，频数阈值为1，并进行标准分析，得到复杂解、简约解及中间解3种解条件。与以往研究一致，本文在此汇报中间解，辅之以简约解，依据Ragin[40]的结果呈现形式进行汇报。智慧城市试点的高绩效组态分析结果见表5。表5中有6种条件组态，组态总体一致性为0.9005，高于0.8的理论阈值，单个条件组态的一致性均高于0.8，表明这6种条件组态均是智慧城市试点高绩效的充分条件组合。总体覆盖率为0.4172，表明这6种条件组态能有效解释近41.8%的案例。因此，前文所述的8个研究假设均得到验证。原始覆盖率是指该组态能够解释的案例比例，唯一覆盖率是指案例中仅能被此组态解释的案例比例。将具有相同核心条件的组态归为一类 (2a和2b)，共归纳为5种组态结果。其中， “*”表示 “且”，指条件同时并发。

表5 智慧城市试点的高绩效组态分析

组态1 (INF*PEO*IMP*ECO*OPEN*FIN)中体现了智慧城市试点在政府高度重视、高城市开放度、技术人才充分的核心条件下，辅之以技术基础设施建设、经济高水平发展、财政资源供给，实现了试点的高绩效建设。该组态能解释18%的案例，其中7.6%的案例仅能被这种组态所解释。

组态2a (INF*PEO*～IMP*ATTE*ECO*～FINA)和2b (PEO*～IMP*ATTE*ECO*OPEN*～FINA)中体现了试点在经济较发达、财政资源供给不足、政府重视程度不高的核心情境下，通过技术人才队伍建设、持续的组织关注、较完善的基础设施建设或者较高开放度等辅助条件的协同作用下实现了高绩效的智慧城市。该组态能解释12.9%的案例，其中6.1%的案例仅能被这种组态解释。

组态3 (～PEO*～IMP*ATTE*ECO*OPEN*FINA)中体现了试点在经济较发达、技术人才缺乏、政府重视程度不高的核心情景下，辅之以持续的注意力配置、较高的城市开放度、财政资源供给等辅助条件的协同作用，实现了高绩效的智慧城市建设。该组态能解释5.2%的案例，其中3.2%的案例仅能被这种组态解释。

组态4 (INF*IMF*～ATTE*ECO*OPEN*FINA)中体现了试点在技术基础设施完善但注意力配置持续性缺失的核心情境下，辅之以政府高度重视、经济较高水平发展、较高城市开放度和财政资源供给的协同作用实现了智慧城市的高绩效建设。该组态能解释14.7%的案例，其中4.3%的案例仅能被这种组态解释。

组态5 (INF*PEO*IMP*ATTE*～ECO*FINA)中体现了试点在核心条件经济高水平要素缺失的情境下，通过政府高度重视和技术基础设施建设，辅之以技术人才队伍、持续注意力配置和财政资源供给，实现了试点的高绩效建设。该组态能够解释8.2%的案例，其中6.4%的案例仅能被该组态得到解释。

4 中国智慧城市高效建设的驱动模式

基于fsQCA得出的5种组态，根据核心条件和辅助条件归纳出中国智慧城市高绩效建设 “殊途同归”的3种驱动模式，它们在一定程度上反映了第一批国家智慧城市试点5年建设的探索经验，以下回归具体典型案例对这3种驱动模式进行阐述。

4.1 要素综合发展型

该模式在组态1中得到体现，代表城市有珠海市、武汉市、郑州市。这类城市属于经济发达的省会城市或经济特区，要素禀赋丰裕，且政府层面重视智慧城市建设，有着较为开放包容的城市文化，第三产业尤其是信息技术产业发展迅速，吸引和拥有丰富的高素质技术人才，技术基础设施较为完善，政府财政供给能力较强，实现了智慧城市高绩效建设。整体而言，这种模式适用于发展要素都基本具备的经济发达城市，值得注意的是这类城市发展要素齐全，高经济发展水平并不是其核心条件。

以广东省珠海市为例，珠海市是珠三角地区的中心城市，2017年人均GDP为155502元，经济发达，财政资源供给充足。2013年珠海市出台《智慧城市建设总体规划 (2013—2020年)》，市委市政府高度重视和强力推动，将智慧城市列入为 “一把手”项目，重点着眼于智慧服务，先后建立大数据中心、 “最珠海”智慧服务平台、 “绿水青山一张图”等一批技术基础性平台项目，构建智慧城市 “四梁八柱”框架体系。信息产业是珠海市的龙头支柱产业，因而聚集了大量的信息技术人才，为智慧城市建设献才尽智，并且随着珠海市智慧城市建设，其功用也辐射至大湾区，高效且人性化的服务推动了珠海与港澳地区的交流。这种要素齐全型的城市在硬件环境上得天独厚，加之政府的强力支持和财政资源配置，极大地推动了智慧城市建设。

4.2 经济驱动下多重要素协同型

组态2、组态3和组态4体现了在经济较高水平情境下，多种要素联动协同发挥作用，实现了试点的高绩效，是一种经济驱动下多重要素协同型模式。其中组态2和3相较于组态4更加需要经济发展的核心条件，组态4相较于组态2、3更加强调技术的作用。该模式适用于经济较为发达但存在着某种或某几种发展要素缺失或不足的城市，能够通过其他多重要素协同联动发展智慧城市，该模式典型城市如威海市、太原市、株洲市等，这些城市经济相对发达，但存在财政资源供给不足或技术人才缺乏或政府重视程度不够或政府持续关注不足等问题，通过其他要素协同发展能够弥补不足，实现高绩效智慧城市建设。

以湖南省株洲市为例 (对应组态2)，株洲市常住人口402万，2017年人均GDP为92387元，全国GDP排名86位，是老工业基地，属于经济较为发达的城市。同时株洲市作为移民城市，具有高度包容性，吸引了众多优秀人才和众多外商投资，有较高的城市开放度。在政府关注要素上，株洲市列为首批国家试点后，连续5年政府工作报告持续关注智慧城市建设，2013年政府工作报告提出 “努力建设智慧株洲”、2014年提出 “推进智慧株洲建设”、2015年提出 “加快‘智慧城市’电子眼及联网项目建设”、2016年提出 “加快智慧株洲建设”、2017年提出 “积极推进智慧城市”，智慧城市成为株洲市政府工作的重点。尽管限制于有限的财政资源供给，但株洲市通过较高水平的经济拉动 (核心条件)、高开放性以致新兴技术接受程度高、高持续的政府注意力配置以及较多的人力资源等辅助条件协同作用促成了较高绩效智慧城市建设。

4.3 政府高度注意力下的技术驱动型

该模式在组态5中得到体现。尽管该组态的覆盖率较低，但QCA研究和经验认知表明要关注覆盖率低且具有典型性和特殊性的组态，因为这种组态对政策启示和模式推广有极为重要的意义。

最为典型的是内蒙古自治区的乌海市。乌海市地处内蒙古自治区西南部，市辖区人口44万，2017年人均GDP为73268元，属于经济较为落后的内陆城市。但是乌海市政府高度重视当地的信息化建设，早在2002年成立了市信息化工作领导小组，市长、分管市长总负责，2013年设为首批国家智慧城市试点后，成立了以市长为组长、各相关部门负责人为成员的智慧城市领导小组，并持续关注智慧城市建设，例如近几年的政府工作报告就提出 “全面实施‘智慧城市’各项工作” “全力推动‘智慧城市’”等要求。政府高度且持续的注意力配置增加了智慧城市建设的财政供给，促进了乌海市技术基础设施建设。乌海市自2002年起致力于兴建本地的信息化建设，广播、电视、电话、互联网的综合覆盖率达100%，形成较为完整的通信、光纤宽带传输网络体系，建成全市统一的地理空间框架。积极推进 “无线城市” “数字城市” “宽带城市”建设，强调智慧技术应用，构建和发展了智慧公安、智慧医疗、智慧档案、智慧安监等系统，推出乌海市数据中心、乌海市视频监控中心等，于2017年、2018年连续两年入选智慧城市50强，获得业界广泛认可。这意味着在经济不发达的城市，由于受制于多方面的原因，经济和环境要素很难在短时间内得到飞速提升，但通过政府高度重视促进技术基础设施建设，辅之以其他条件，可以实现智慧城市的高效建设。

5 结论与讨论

5.1 结论

本文构建技术—组织—环境—资源四维分析框架，选取7个解释要素，以2013年中央确立的第一批智慧城市国家试点为研究对象，运用模糊集定性比较分析 (fsQCA)探究中国智慧城市高效建设不同影响因素的组合配置，以期总结中国智慧城市建设的有益探索和驱动模式，研究发现如下。

(1)中国智慧城市高绩效建设具有复杂因果关系，单一的发展要素无法构成智慧城市高效建设的必要条件，即智慧城市建设的高绩效是多重因素联动作用的结果。这提醒我们对于智慧城市建设不能陷入孤立要素发展的陷阱当中，例如 “技术决定论”，应当系统性、整体性地看待智慧城市建设，不能忽视要素间的关联与互动。

(2)条件组态分析共生成5种组态结果，都构成智慧城市达成高绩效的充分条件，对应具体案例，将其归纳为3种智慧城市高绩效建设的驱动模式：要素综合发展型、经济驱动下多重要素协同型和政府高度注意力下的技术驱动型，这3种驱动模式具有组合性、等效性和情境性。

(3)依据组态分析结果，经济发展水平在智慧城市建设中是重要的发展要素，经济发达城市有利于开展智慧城市建设，但是本文也同样为经济落后城市提供了现实思路。要素综合发展型适合于发展要素齐全的城市，经济驱动下的多重要素协同型适合于某些发展要素 (技术人才、财政资源供给等)限制或缺失的经济较为发达城市，在经济落后地区，虽然短时间难以提升城市经济发展水平，但是可以通过政府高度注意力下的技术驱动型模式以实现智慧城市高绩效建设。

5.2 讨论

本文得出以下政策启示：第一，城市政府应针对当地的要素条件和比较优势与劣势开展策略组合性学习和行动。有研究者指出不结合当地实际条件的智慧城市跟风建设暴露出盲目政策扩散造成的建设和资源浪费[41]，这是地方政府没有考量自身条件禀赋与要素叠加效应的结果，应因地制宜地进行 “一城一策”的智慧城市建设。例如经济水平受限的城市可以选择政府高度注意力下的技术驱动型模式，通过长期政府注意力配置和技术基础设施建设等发展智慧城市；第二，强化政府注意力及持续配置。政府重视和持续重视是智慧城市实现高绩效建设的重要影响因素，从对第一批试点发展情况的追踪看，某些城市在获取试点机会及资源后几乎停止了对智慧城市的关注，对智慧城市缺乏建设热情与思路，最后 “泯然众矣”。地方政府应认识到发展智慧城市的重要性，从组织战略的高度关注智慧城市建设。