人工智能与城市可持续发展类国际会议，最大的翻译难点并不是“AI术语很多”，而是它同时跨越：

Artificial Intelligence＋Climate Science＋Urban Planning＋Environmental Governance＋Disaster Risk＋Public Policy。

2026年4月24日至25日，上海论坛2026分论坛“AI赋能城市可持续发展和气候环境韧性建设：AISUS+国际合作倡议”在上海举行。会议由复旦大学主办，并得到世界气象组织全球大气监测计划（WMO/GAW）、联合国环境署（UNEP）、国际灾害风险综合研究计划（IRDR）等机构支持，来自13个国家的50余位专家学者和企业代表参与交流。

会议还正式发布AISUS+国际合作倡议，并围绕城市气候韧性、环境治理、绿色转型、AI气候预测以及城市风险管理等问题展开讨论。

心译翻译曾为相关活动提供专业语言支持，项目案例可参见：上海论坛发布AISUS+国际合作倡议，共议AI赋能城市可持续发展。

这类会议真正需要翻译的是一条完整的跨学科链条：

Data → AI Model → Climate Prediction → Risk Assessment → Urban Planning → Policy Action → Sustainable Development。

一、AISUS+究竟是什么？

AISUS+聚焦的是：

AI for Sustainable Urban Systems and Climate Resilience

即人工智能如何服务：

城市可持续发展与气候环境韧性建设。

复旦大学公开资料显示，AISUS+被定位为一个开放、非约束性的国际合作网络，以城市为实践平台，通过建立City Lab网络，探索AI赋能城市可持续发展和气候环境韧性的科学路径与实践模式。

因此它并不是一个单纯的：

AI科研项目。

而更接近：

AI＋城市＋气候＋国际合作

形成的跨领域协作网络。

二、Sustainable Urban Systems为什么不能只翻成“可持续城市”？

Sustainable Urban Systems

重点并不仅仅是：

一座城市够不够环保。

它把城市理解成一个由：

能源；

交通；

建筑；

水资源；

环境；

公共服务；

人口；

基础设施

共同组成的复杂系统。

联合国可持续发展目标SDG 11也强调建设：

包容、安全、有韧性和可持续的城市与人类住区，并将城市规划、交通、灾害风险和气候适应纳入同一治理框架。

所以：

urban system

比单纯的：

city

更强调：

系统之间的相互影响。

三、Climate Resilience为什么不能简单翻成“抵抗气候变化”？

会议中的核心词之一是：

Climate Resilience

通常译为：

气候韧性。

它并不仅仅表示：

防止灾害发生。

而是讨论一座城市面对：

极端高温；

暴雨；

洪水；

干旱；

风暴；

空气污染

等冲击时，能否：

承受、响应、调整并恢复基本功能。

联合国SDG 11明确把气候变化适应和灾害韧性纳入可持续城市建设目标。

因此：

resilient city

不能简单处理成：

“抗灾城市”。

更准确的是：

韧性城市。

四、Resilience、Adaptation和Mitigation也不能混

气候会议中经常连续出现：

resilience
adaptation
mitigation。

Adaptation

气候适应。

重点是：

面对气候变化影响怎么办。

Mitigation

气候变化减缓。

重点是：

如何减少温室气体排放、限制气候变化程度。

Resilience

则更关注：

一个城市或系统面对冲击时能否保持功能并恢复。

所以一句：

AI can support urban climate adaptation and resilience

不能笼统翻成：

“AI帮助城市应对气候变化”。

因为原文其实包含：

适应＋韧性

两个不同层次。

五、AI怎样真正参与城市气候治理？

AI赋能城市可持续发展并不是：

给城市装一个聊天机器人。

WMO目前明确指出，人工智能正在改变天气、气候、水文和环境信息的生产与使用方式，可利用卫星、雷达、地面观测、河流观测、历史记录和模型输出等大量数据支持预测和预警。

因此在城市治理场景中，AI可能参与：

极端天气预测；

洪水风险分析；

空气质量预测；

城市热风险识别；

能源需求预测；

灾害预警；

环境监测。

这类会议翻译已经不只是：

AI terminology。

还必须进入：

Meteorology＋Environmental Science＋Urban Governance。

六、Forecast、Prediction和Projection为什么需要区分？

气候和天气会议中经常出现：

forecast
prediction
projection。

Forecast

常见于：

天气预报。

例如：

weather forecast。

Prediction

范围更广，可指：

预测。

Projection

在气候研究中通常更强调：

基于特定假设和情景得到的未来变化推演。

因此：

climate projection

不能为了中文方便全部变成：

天气预测。

一个可能讨论：

明天下不下雨；

另一个可能讨论：

几十年以后城市极端高温风险如何变化。

时间尺度完全不同。

七、为什么“AI天气预报”成为重要议题？

WMO指出，AI已经被用于日常天气和中期天气预测，包括ECMWF人工智能预报系统以及多个国家气象机构开发的AI预测系统。

2026上海论坛AISUS+活动中，主旨报告也涉及：

AI气候预测可信度

以及：

Earth-2模型和生成式AI在天气与气候预测中的应用。

这意味着译员可能快速听到：

weather model
climate model
training data
forecast skill
model output
uncertainty。

所以：

AI翻译能力和气象学知识必须同时在线。

八、Model Accuracy和Model Reliability为什么不是一回事？

技术报告经常讨论：

accuracy
reliability
uncertainty
robustness。

Accuracy

通常强调：

准确度。

而：

Reliability

更侧重：

模型是否可靠。

一套AI模型即使某次预测非常准确，也不能自动说明它在：

不同城市；

不同极端事件；

不同数据环境

中都同样可靠。

因此当Speaker讨论：

trustworthy AI for climate prediction

时，也不能只翻成：

“准确的AI”。

它实际上还包含：

可信度、稳定性和可解释性。

九、Hazard、Exposure、Vulnerability和Risk为什么是一整套城市风险语言？

气候风险会议中非常容易连续出现：

hazard
exposure
vulnerability
risk。

例如一次极端暴雨是：

Hazard / 危害。

但如果暴雨发生在：

人口密集、基础设施脆弱的城区，

实际风险就可能更高。

所以AI城市风险模型真正需要分析的不只是：

“哪里会下大雨”。

还要进一步判断：

哪些人口、道路、建筑和公共设施会受到影响。

这就是：

Climate Science

进一步进入：

Urban Risk Management。

十、Earth-2为什么会出现在城市可持续发展论坛？

AISUS+活动中的报告涉及NVIDIA Earth-2以及生成式AI在气候和天气预测中的应用。

这类讨论很容易进一步进入：

digital twin
simulation
high-resolution modelling
generative AI。

其中：

Digital Twin

通常译为：

数字孪生。

如果把城市、气候或地球系统通过数字模型进行模拟，就可以尝试分析：

不同天气；

不同基础设施；

不同政策

可能带来的结果。

所以这种会议已经横跨：

AI＋Simulation＋Climate Science。

十一、City Lab为什么不是普通“城市实验室”四个字这么简单？

AISUS+特别提出建立：

City Lab Network。

首批试点城市包括上海、香港、德国康斯坦茨、巴西圣保罗、奥地利维也纳和印度尼西亚雅加达。

City Lab的价值在于：

不只在论文中研究AI，

而是以真实城市作为：

测试、验证和合作的平台。

不同城市可以面对完全不同的问题：

上海可能关注超大城市治理；

雅加达可能更加关注洪水和快速城市化；

维也纳可能具有不同的城市规划与公共服务体系。

因此国际合作真正需要解决的问题是：

一个城市有效的AI方案，怎样迁移到另一个城市？

十二、Data Sharing为什么是国际城市合作的核心？

AISUS+会议讨论中明确形成了加强：

Data Sharing、Technological Collaboration和Capacity Building

的合作共识。

因为AI首先需要：

数据。

而城市数据可能来自：

气象站；

卫星；

交通系统；

环境传感器；

能源系统；

城市基础设施。

但不同国家的数据还可能存在：

格式不同；

标准不同；

质量不同；

权限不同；

隐私要求不同。

因此：

data sharing

远远不只是：

“把Excel发给合作伙伴”。

它实际上还连接：

Data Governance＋Interoperability＋Privacy＋International Cooperation。

十三、Capacity Building为什么也会成为AISUS+的重要词？

国际合作会议中非常高频：

Capacity Building

即：

能力建设。

它不只是：

培训几位技术人员。

还可能涉及：

数据能力；

AI人才；

城市管理能力；

气候风险分析能力；

制度建设；

技术基础设施。

如果只有少数城市拥有强大的AI模型和算力，而其他城市缺乏：

数据、技术和专业人才，

AI反而可能扩大城市之间的发展差距。

因此AISUS+这类网络的价值之一，就是让不同城市：

共享方法、技术经验和治理实践。

十四、AI本身也有环境成本，为什么这点不能忽略？

AI可以帮助：

应对气候与环境问题，

但AI本身也可能带来：

能源消耗；

算力需求；

数据中心资源消耗。

2026上海论坛期间，UNEP首席数字官Golestan Sally Radwan在AISUS+相关交流中就同时讨论了：

AI对环境带来的机会与风险。

因此：

AI for Sustainability

并不能简单等于：

“用了AI就更可持续”。

专业翻译需要保护这种：

技术收益与环境成本并存

的政策逻辑。

十五、为什么这种会议尤其需要“跨学科术语包”？

AISUS+类会议如果只做：

AI词汇表

明显不够。

更加适合按五个模块准备：

人工智能

AI model、generative AI、inference、training data。

气候气象

forecast、climate model、extreme weather、uncertainty。

城市治理

urban system、infrastructure、public services、City Lab。

风险与韧性

hazard、exposure、vulnerability、resilience、adaptation。

国际合作

initiative、capacity building、data sharing、coordinator、working group。

这样译员真正掌握的是：

AI如何进入城市治理。

而不是几百个互不相关的英文单词。

十六、AI＋人工怎样准备这类国际会议？

这种跨学科项目往往包括：

气候论文；

AI技术PPT；

城市案例；

国际倡议文本；

政策材料；

国际组织名称。

AI非常适合提前：

提取技术和气候术语；

整理城市与机构名称；

建立缩写表；

按AI、气候、城市治理分类；

对比中英文PPT；

识别数字和模型名称；

建立Speaker专属术语库。

但最终仍然需要人工判断：

resilience是不是“韧性”；

forecast和projection是否处于不同时间尺度；

adaptation和mitigation有没有混淆；

model prediction是否被过度表述成确定结论；

City Lab、AISUS+等倡议专名是否统一。

因此更可靠的工作流程是：

AI资料整理＋跨学科术语人工核验＋国际组织与倡议专名管理＋同声传译＋技术和政策表达专项QA。

结语：AISUS+翻译，本质上是在翻译“AI怎样从模型走进一座真实城市”

AI赋能城市可持续发展真正形成的是：

Observation → Data → AI Model → Prediction → Risk Assessment → Urban Decision → Policy Action。

AI可以帮助城市：

更早发现环境变化；

更准确识别风险；

更快形成预警；

更合理配置资源。

但真正把一个AI模型变成城市治理工具，还需要：

数据；

科学验证；

城市规划；

公共政策；

国际合作；

能力建设。

因此这类会议真正需要的语言服务也不能停留在：

AI＝人工智能；
resilience＝韧性；
sustainability＝可持续发展。

更重要的是理解：

Technology → Climate → City → Governance → International Cooperation。

这正是上海论坛AISUS+国际合作倡议这类跨学科国际会议，对同声传译与多语种国际传播提出的特殊要求。

心译翻译可为人工智能、气候环境、智慧城市、国际组织及可持续发展相关项目提供国际会议翻译、科技与气候同声传译、人工智能与城市治理翻译、气候韧性与可持续发展内容翻译、AI＋人工审校以及多语种国际传播支持，通过跨学科术语库、国际组织专名管理和技术政策双重译前准备，帮助前沿科研成果与国际合作倡议更加准确地进入全球传播和项目合作场景。

更多相关解决方案可参见：心译翻译会展与国际会议服务。