智庫數字化轉型與數字智庫

夏子葉 霍國慶

摘要：[目的/意義]本文旨在分析數字技術在智庫決策咨詢中應用及其可能給智庫帶來的改變，并預測未來智庫的發展圖景。[方法/過程]本文從數字技術在決策領域的應用切入，探討了數字技術賦能智庫決策咨詢的過程機制，剖析了智庫數字化轉型及其關鍵問題，展望了智庫數字化轉型的未來圖景。[結果/結論]未來的數字智庫就是智能決策系統，智能化、無人化和學習型的數字智庫將成為未來智庫決策咨詢的主導方式。未來智庫決策咨詢的重點將是建設、維護和不斷升級智能決策系統。智庫專家的主要任務將是研究決策者和智庫專家的智能并將其轉化為算法，以及就智能決策系統提出的決策支持方案給出決策建議。決策者、智庫專家及各類智庫工作者都須適應智庫數字化轉型。

關鍵詞：數字技術? ? 傳統智庫? ? 智庫數字化轉型? ? 數字智庫? ? 政策建議

分類號：C932.4

DOI： 10.19318/j.cnki.issn.2096-1634.2024.02.03

1? 引言

智庫是社會的傳感器[1]與“思想工廠”，也是國家軟實力、治理能力與治理體系現代化的重要構件。我國高度重視智庫建設，2013年黨的十八屆三中全會首次正式提出“加強中國特色新型智庫建設，建立健全決策咨詢制度”的任務后，各地掀起了智庫建設與發展的高潮。《全球智庫報告2020》指出，2020年我國智庫數量位列世界第2，達到1，413家[2]。與此同時，我國智庫也存在智庫成果轉化率低、高端智庫人才不足、研究數據零散、研究方法經驗化、研究結果前瞻性與預見性有限等問題，存在“大而不強”的困境[3]。

數字化的發展與應用為解決我國智庫問題提供了解決方案，數字化技術的應用能夠解決大規模研究數據如何簡單獲取和快速處理的問題，有助于發現隱匿在數據背后的規律[4]。數字化還能夠超越傳統智庫重定性分析而輕量化分析、重經驗研究而輕規范研究、重思想表達而輕理論論證的研究范式[5]。通過數字化賦能和數字化轉型，我國智庫將逐步過渡到基于智能決策系統的以智能化、無人化、客觀化、實時化、高效化為主要特征的新型智庫范式。

2? 數字技術在決策領域的應用

數字技術在決策領域的應用可以追溯到20世紀70年代的決策支持系統（decision support system，DSS）。決策支持系統是在管理信息系統的基礎上發展起來的決策輔助工具，能夠通過收集、整理、分析數據而為決策者提供全面的信息解決方案。20世紀80年代末，決策支持系統開始與專家系統（expert system，ES）相結合，形成智能決策支持系統（intelligent decision support system， IDSS），其特點是能夠充分發揮專家系統以知識推理形式解決定性分析問題的優勢。20世紀90年代中期，出現了數據倉庫（data warehouse， DW）、聯機分析處理（on-line analysis processing， OLAP）和數據挖掘（data mining， DM）等新技術，“DW+OLAP+DM”逐漸形成了新決策支持系統，其特點是從數據中直接獲取輔助決策信息和知識。進入21世紀，知識管理（knowledge management， KM）與網格計算技術開始應用于決策支持系統。知識管理系統強調知識共享，網格計算強調資源共享，以此為基礎，決策支持系統就可以利用共享的決策資源（數據、模型、知識）輔助解決各類決策問題。2012年之后，大數據迅速流行，大數據技術開始被應用于決策支持系統，應用云計算等技術對海量數據進行自動化處理，能夠得到實時和持續的決策支持。2022年，隨著ChatGPT的問世，人工智能在決策支持系統中的應用開始普及化，決策支持系統不再局限于對數據進行處理和形成方案，利用人工智能還能夠進行內容創作、提升內容生產效率與豐富度。從解決相對確定的決策問題到解決不確定的決策問題，從人機互動提供決策支持到自動提供決策支持，從提供決策輔助方案到自主決策，數字技術在決策領域的應用一直在持續和深入地向前推進。當前數字技術在決策領域的應用主要有以下特點。

（1）物聯網、大數據與云計算技術推動了大數據驅動型決策模式轉型。大數據具備描述現象與規律、規范分析實時數據流、預測未來趨勢的功能[6]，可以彌補傳統經驗決策范式中決策科學性、預見性與決策效率方面的不足。數字技術為實現大數據驅動型決策的轉型提供了技術支持：物聯網技術通過射頻識別、紅外感應、激光掃描傳感器等信息傳感設備，將線下實體在線上動態映射，并形成可為決策提供參考的大數據信息，改變了傳統決策中手工采集與抽樣采集的數據采集模式；大數據技術可以對海量、高速、多源、高價值的大數據進行收集、集成、挖掘、共享，并輔助決策者進行趨勢研判、動態監測與風險預警；云計算技術可以依靠分布式存儲與計算技術，快速響應處理大數據信息，提升決策者應對復雜問題的治理能力。

（2）人工智能技術推動決策活動邁向智能化時代。人工智能技術在決策支持系統中的最初應用是一種名為專家系統的智能程序，它將自然語言轉化為計算機語言，通過映射在計算機中特定領域的知識系統與推理規則，根據已知事實，對決策問題進行推理性求解[7]。其能夠像人類專家一樣思考，解決只有專家才能解決的復雜問題，并成為輔助決策系統。隨著數字技術在決策系統中嵌入程度的不斷加深，利用算法對海量大數據資源進行自動化處理的決策支持系統上線。決策支持系統不僅具備機器學習的自學習、自驅動、自適應能力[8]，而且在生成式人工智能技術的加持下，突破了過去專家系統只能在限定領域、單一任務中發揮作用的障礙，在自然語言處理中建立了一個與領域無關的通用理論[9]，逐步演化為打通專業領域的通用性決策系統。隨著更多研究者關注智能技術支撐的決策支持系統，“領導駕駛艙”“智慧城市大數據決策平臺”“城市大腦”等智能決策支持系統開始頻繁服務于政府決策[10]，將交通、氣象、環境、水利、教育、醫療、民生等各領域的決策集成于同一平臺內，并設計分場景的分析模型與決策方案。此時，智能決策系統一定程度上發揮著“智囊團”的作用。

（3）互聯網技術打破了決策活動的時空限制、擴充了決策活動的參與主體。在決策領域，互聯網技術應用主要表現為打破時空限制，為多元主體提供更為敏捷、高效、便捷的決策參與方式。一方面，基于互聯網技術構建的開放式創新平臺，為決策者與智庫研究者提供了在線交流場所，提升了各類參與者在決策中發揮積極價值的可能性。例如，互聯網技術與新媒體技術催生了虛擬智庫，智庫咨政參與者跨越了組織邊界，借助電子郵件、在線視頻會議等手段，建立在地理上與專業上分散的全球合作網絡[5，11]，以便共享信息、見解與判斷，提供更高水平的咨政與決策參考服務[12]。另一方面，外部行動者的理解、意愿與支持度等因素也對決策活動起著關鍵補充作用[13]。這是因為，互聯網無邊界、去中心化的特征，提高了決策機構外部多元主體的網絡話語權，企業、公民、社會團隊等多元主體不受時空限制在網絡上發表觀點，為決策活動提供了豐富的參考信息。

3? 數字技術賦能智庫決策咨詢的過程機制

智庫為政府提供決策咨詢活動的本質是數據處理與價值創造的過程。數字技術與智庫決策咨詢活動的互動也無法回避這一過程。艾可夫（Ackoff）[14]曾用“數據—信息—知識—智慧”（data-information-knowledge-wisdom，DIKW）模型，來描述在決策過程中數據利用轉化的全過程。具體到智庫決策活動中，潘教峰[15]用DIIS（data-information-intelligence-solution）模型將智庫決策過程概括為“收集信息—揭示信息—綜合研判—形成方案”4個環節。以上模型恰好描述出了智庫的核心工作是將信息匯總分析，經由專家研判后形成專業性成果，進而影響政策議程[16]，其本質是利用數據進行價值創造的活動，包含“數據采集—數據分析—數據輸出”3個順序活動[17]。因此，從過程視角來看，數字技術可以在3個階段賦能智庫決策咨詢。

（1）在數據采集階段，數字技術可以為智庫決策咨詢提供全面、客觀、實時的數據來源。智庫咨詢依賴可獲取的數據的數量與質量。在傳統智庫時代，智庫咨詢主要從各類數據庫獲取二手數據，以及通過觀察、調研和參與實踐等方式獲取一手數據。這種數據獲取方式有以下局限性：一是數據資源的有限性和不精確性，這些數據多是抽樣數據，而且往往與智庫研究需要不完全匹配；二是數據獲取的滯后性，這些數據的獲取需要花費大量的時間，必然產生時滯；三是數據冗余或噪聲較多，這些經過加工或處理的數據必然帶著“把門人”的觀點，會影響智庫相關人員的判斷，并最終影響決策者的決策。數字技術的應用則能夠根本性地解決上述問題：諸如網格化技術等數字技術的應用使決策咨詢能夠獲取針對研究問題的全樣本和實時化數據，同時，由于這些數據都是由數字網絡直接獲取和傳送的，“把門人”引發的噪聲問題得以解決，數據更為客觀和真實。

（2）在數據分析階段，數字技術可以為智庫決策咨詢提供科學、前瞻、個性化、高效的分析工具。智庫咨詢最核心的工作就是數據分析和智慧化處理工作。在傳統智庫時代，數據分析有賴于智庫專家的個人和集體智慧，最大的局限性在于高水平的智庫專家是稀缺產品，而且智庫專家的智慧很難分享和傳遞。數字技術的應用解決了這個問題。通過把頂尖的智庫專家和決策者的智慧程序化為算法，智能決策系統就能夠持續地針對決策問題對各種數據進行分析、處理，并形成解決方案。衡量算法的主要標準包括：是否具有邏輯性或相關性，是否具備預測分析能力，是否能夠處理個性化問題，是否能夠快速處理大數據等。需要指出的是，智庫專家或決策者智慧的程序化是永無止境的過程，要謹防在算法中出現“把門人”問題。

（3）在數據輸出階段，數字技術可以為智庫決策咨詢提供按需式、多樣化的智庫產品。智庫咨詢的效能是由智庫產品決定的。在傳統智庫時代，智庫產品通常是由智庫團隊集體創作的，主要工具是智庫專家的智慧。數字技術特別是以ChatGPT為代表的生成式人工智能技術的應用，可以從數據中學習，并產生具有創造性、現實性的全新輸出。生成式人工智能技術最顯著的特點是可以根據決策者的需要提供個性化的智庫產品，而且在提供智庫產品的過程中，決策算法會不斷學習，從而不斷提高智庫產品的質量和效能。

數字技術在智庫決策咨詢中的應用還在不斷深入，在這個過程中，數字技術不僅為智庫專家和智庫工作者賦能，而且也能為決策者直接賦能。數字技術賦能智庫決策咨詢的過程也就是智庫數字化轉型的過程。

4? 智庫數字化轉型及其關鍵問題

智庫數字化轉型是指隨著數字技術在智庫決策咨詢過程中的全面應用而發生的以智庫專家個人或團隊經驗為主的人力決策咨詢向以智能決策系統為主的機器決策咨詢的發展過程。智庫數字化轉型需要解決的關鍵問題很多，包括：全樣本數據的持續獲取問題、大數據的科學和高效處理問題、智庫解決方案的生成和評價問題。

（1）全樣本數據的持續獲取問題。傳統智庫時代，智庫研究咨詢所采用的數據絕大多數都是抽樣樣本數據，最終的智庫產品在很大程度上取決于所選擇樣本的代表性及所獲取的樣本數據的真實性和有效性。在數字化時代，由于多樣化數字技術，如互聯網、物聯網、各類信息系統、網格技術等的廣泛應用，智庫研究和決策咨詢采用全樣本數據具有了可行性。要解決全樣本數據的采集問題，一方面，要通過互聯網技術搜集個人和各類組織的數據，另一方面，要通過物聯網技術搜集自然界和各種人造系統的數據。這需要建立龐大的遍布社會和自然界的傳感網絡，以便持續地獲取各類社會活動和自然界變化的數據。這樣就能夠為智庫決策問題研究和咨詢提供全樣本，其結果必然會提高決策的質量和效能。需要注意的是，全樣本數據的獲取必須權衡成本和收益問題，要確保智庫數字化轉型在成本合理化的范疇進行。

（2）大數據的科學和高效處理問題。數字智庫時代的全樣本數據處理對海量數據處理設備的性能有很高的要求，不僅要有大規模的數據存儲能力，而且要有運算速度更高的超算能力。各類云計算中心和超算中心的建設將為數字智庫發展提供有力支持。從戰略決策，特別是行政戰略決策的角度分析，其所需要的數據涉及各級各類的信息系統和數據庫，這些信息系統和數據庫必須協同運作，因此，關鍵是如何解決數據孤島問題。更關鍵的問題在于，如何科學、精準和有效地分析處理智庫咨詢需要的大數據。這就涉及算法的設計和方法問題及相應的解決方案。首先，由誰來設計智庫算法。一般由軟件公司的編程人員負責設計，但智庫有其特殊性，需要組建專門的團隊負責持續性地研究和設計。其次，如何設計智庫算法。從理論上來講，需要把古今中外優秀決策者、思想家、智庫專家，以及特定組織的決策者的智慧程序化為算法。最后，如何保證算法的客觀性和優化。客觀性在于要盡可能弱化智庫算法設計者的偏好影響，優化則在于保障智庫算法研究和設計的持續性。

（3）智庫解決方案的生成和評價問題。數據分析處理解決的是如何根據決策問題的需要進行數據的分類、整理、相關性分析、邏輯性分析、有效性分析、結果性分析、預測性分析等，側重點是“解析”過程，得到的是“結果”。智庫決策咨詢的最終產品則需要根據決策的目的進行討論、判斷、評價、綜合、演繹等，側重點是“合成”過程，得到的是“結論”。智庫數字化轉型要實現的目標是智能化和自動化地合成智庫產品，這就需要不斷應用人工智能技術，形成諸如ChatGPT技術所能生成的智庫解決方案與評價技術，從而可以不需要人力而由系統自動生成各類所需的智庫報告。

智庫數字化轉型過程是艱難的、充滿探索性的和不以人的意志為轉移的：艱難是指智庫數字化轉型涉及很多人的利益，必然會遇到重重阻力；探索是指智庫數字化轉型是把古今中外決策者和智庫專家的智慧轉化為人工智能的過程；不以人的意志為轉移是指智庫數字化轉型是符合智庫發展規律的過程。

5? 智庫數字化轉型的未來圖景

基于上述分析，進行合乎邏輯的推測，智庫數字化轉型的結果就是智能決策系統或者說數字智庫全面替代以智庫專家經驗決策為主的傳統智庫，未來將是以數字智庫直接為決策者提供支持的發展圖景。

目前的智能決策系統不同于20世紀80年代提出的智能決策支持系統。智能決策支持系統是決策支持系統融入專家系統后，能夠更充分地應用人類的知識，如關于決策問題的描述性知識、決策過程中的過程性知識、求解問題的推理性知識等，通過邏輯推理來幫助解決復雜的決策問題的輔助決策系統。而智能決策系統則是大量應用人工智能等技術的產物，是由大數據采集系統、大數據處理系統、模型算法系統和智能決策支持系統等子系統構成的巨型人工智能系統。智能決策系統常用的方法包括層次分析法、灰色理論、遺傳算法、博弈決策、深度學習、分布式決策等，具有如下傳統智庫所不具備的特點。

（1）能夠在給定的條件下自主地進行決策，并給出相應的結果或建議。所謂“給定的決策條件”是指智能決策系統中預設的決策算法，該算法充分吸納了古往今來智庫專家的決策經驗與智慧，并具備自動學習與更新的能力。也就是說，智能決策系統自主決策全過程不需要智庫專家提出方案，其基于所搜集的全樣本數據，應用高效和精密的大數據算法和人工智能技術，可以根據各種給定的條件，提出相應的決策方案。

（2）能夠實時地發現問題和提出應急解決方案。智能決策系統在決策響應與決策連續性上具備超越傳統智庫的優勢。在決策響應方面，智能決策系統能夠實時地發現問題，并在問題發生初期就形成預判，提出相應的最優解決方案，以動態預警與實時響應機制，將問題化解在萌芽狀態。在決策連續性上，智能決策系統在系統預設算法指導下對來自大數據平臺上的決策數據進行挖掘與分析，各處理步驟由算法串聯，實現自動連貫式決策。這從根本上變革了科層制下傳統智庫所需遵循的“信息采集—信息傳遞—智庫咨政—領導決策——執行反饋”如此層層遞進的咨政流程，最大限度地減少了決策不及時所造成的損失。

（3）能夠對未來發展趨勢進行預測并提供各種針對性預案。全樣本數據的優勢在于能夠使智能決策系統更快和更準確地把握事物發展規律。基于規律的合理外推和趨勢預測，智能決策系統對自然系統、人類社會和人工自然系統的未來發展都能夠進行預測性分析，而且隨著其自主學習能力的不斷增強，預測水平和效果也會不斷改進，由此得出的預案對決策者的支持力度越來越大。

智能決策系統的出現和應用或將根本性地改變智庫的發展格局，進而改變全社會的決策范式，并可能引發人類社會發展模式的轉型。智能決策系統帶來的挑戰主要包括如下幾點。

（1）更多的智庫工作者將被迫面臨轉型。傳統智庫時代的智庫工作者的工作將被智能決策系統全面替代，只有少數智庫專家還能夠從事智庫相關的工作。一部分智庫專家的任務是研究決策者和智庫專家的智慧并將其轉化為算法，另一部分智庫專家的任務是輔助決策者對智能決策系統提出的決策支持方案進行遴選，并提出建議。

（2）將對決策者提出更高的要求。在未來大多數情況下，智能決策系統將直接面對決策者，能夠在任何時間、任何地點，針對任何問題提出決策建議和方案。這就要求決策者具備智能決策系統的基本知識和技能，具有強大的決策能力。一般而言，在智能決策時代，決策者應該是一個團隊，這樣才能對智能決策系統提出的多樣化的決策方案進行優化選擇，并做出決策。

（3）將對決策執行者提出更高的要求。智能決策時代的決策者的決策效能將實現質的提升，但僅僅提升決策效能還不夠，決策的執行更重要，因此，與智能決策系統匹配的決策執行者的能力必須大大增強。

（4）將對智能決策系統的應用與風險管理提出新的要求。以大數據、算法與算力為關鍵構件的智能決策系統將打破原有的決策與管理體制，并引發一系列問題，如數據獲取中的數據隱私與安全問題、數據孤島問題，算法自動化決策中的算法透明度與可解釋性不足、算法歧視與算法偏見等問題，算力能否匹配大規模數據處理需求等問題。上述問題將制約智能決策系統的應用，因此，需提出針對性的風險管理解決方案。

智能決策系統也可以稱為數字智庫，其形成和應用不僅將在智庫領域掀起一場革命，而且也將可能帶動人類社會的變革。數字智庫能夠給人類帶來很多驚喜，同時也帶來了很多挑戰。如同面對人工智能一樣，人類，特別是智庫工作者不能“諱疾忌醫”，擁抱和適應變化才是最好的解決辦法。

6? 結論與建議

本文從數字技術在決策領域的應用及其發展過程切入，深入探討了數字技術賦能智庫決策咨詢的機制，以及智庫數字化轉型的關鍵問題和未來圖景，主要得出以下結論：數字技術在決策領域的應用在持續地向數字智庫的方向艱難而執著地前行；數字技術能夠在智庫決策咨詢的所有方面提供賦能，并大大提高智庫決策咨詢的效率和質量；智庫數字化轉型是不可逆的過程，主要面臨的關鍵問題包括數據采集、數據的決策化處理、決策方案的自動形成等；智庫數字化轉型的結果是形成智能決策系統或者是數字智庫，這將全面替代傳統智庫，帶來智庫領域的革命并可能引發社會變革。

基于上述研究，本文提出如下政策建議：加大對數字智庫研發的投入，積極推動數字智庫的應用、改進和完善；加強對數字智庫引發的變化及其關聯效應，特別是風險與挑戰進行研究，提出有針對性的解決方案加以應對；數字智庫可以替代傳統智庫，但無法替代決策者，數字智庫扮演的仍然是決策支持者，而不是決策者的角色，最終的決策仍然是由決策者決定和負責的，為此必須從根本上提高決策者的數字化決策領導力；高度重視對決策者和決策執行者的培訓，以便提前適應、認知、熟悉、把握和更好地應用數字智庫；積極推動智庫工作者的轉型，智庫工作者未來的主要任務不是為決策者提供支持，而是為數字智庫提供支持，換言之，大多數智庫工作者，包括智庫專家或將轉向從事與數字智庫決策算法邏輯構建相關的研究工作，而非傳統智庫模式中直接面向具體決策問題的決策支持工作，智庫工作者要適應這種變化并在新的領域發揮更重要的作用。

參考文獻：

[1] 李剛. 論新型智庫及其核心能力建設[J]. 決策與信息， 2023（5）： 38-43.

LI G. On the new-type think tank and its core competence construction[J]. Decision & Information， 2023（5）： 38-43.

[2] MCGANN J G. 2020 Global go to think tank index report[R]. Philadelphia： University of Pennsylvania， 2021.

[3] 陳潭. 從大數據到大智庫：大數據時代的智庫建設[J]. 中國行政管理， 2017（12）： 42-45.

CHEN T. From big data to big think tank： Think-tank construction of big data age[J]. Chinese Public Administration， 2017， 23（12）： 43-45.

[4] 陳潭. 大數據驅動社會治理的創新轉向[J]. 行政論壇， 2016， 23（6）： 1-5.

CHEN T. The innovative turn of big data driven social governance[J]. Administrative Tribune， 2016（6）： 1-5.

[5] 周湘智. 中國特色新型智庫發展趨勢與走向[J]. 智庫理論與實踐， 2022， 7（6）： 1-10.

ZHOU X Z. The Development trend and future direction of new types of think tank with Chinese characteristics[J]. Think Tank： Theory & Practice， 2022， 7（6）： 1-10.

[6] 李杰. 工業大數據： 工業 4.0 時代的工業轉型與價值創造[M]. 北京： 機械工業出版社， 2015： 43-67.

LI J. Industrial big data： Industrial transformation and value creation in the industry 4.0 era[M]. Beijing： China Machine Press， 2015： 43-67.

[7] 張煜東， 吳樂南， 王水花. 專家系統發展綜述[J]. 計算機工程與應用， 2010， 46（19）： 43-47.

ZHANG Y D， WU L N， WANG S H. Survey on development of expert system[J]. Computer Engineering and Applications， 2010， 46（19）： 43-47.

[8] 邱國棟， 王易. “數據-智慧”決策模型：基于大數據的理論構建研究[J]. 中國軟科學， 2018（12）： 17-30.

QIU G D， WANG Y. “Data-Wisdom” decision model： Research on theoretical construction based on big data[J]. China Soft Science， 2018（12）： 17-30.

[9] 季倩. 清華大學人工智能“泰斗”張鈸：ChatGPT出現后 建立人工智能理論有了可能性[EB/OL]. （2023-07-08） [2024-02-06]. https：//baijiahao.baidu.com/s？id=1770761079020630994&wfr=spider&for=pc.

JI Q. Zhang Bo， a leading figure in artificial intelligence at Tsinghua University： The possibility of establishing artificial intelligence theory after the emergence of ChatGPT[EB/OL]. （2023-07-08） [2024-02-06]. https：//baijiahao.baidu.com/s？id=1770761079020630994&wfr=spider&for=pc.

[10] 鮑靜， 范梓騰， 賈開. 數字政府治理形態研究：概念辨析與層次框架[J]. 電子政務， 2020（11）： 2-13.

BAO J， FAN Z T， JIA K. Research on the governance forms of digital government： conceptual analysis and hierarchy framework[J]. E-Government， 2020（11）： 2-13.

[11] KRAEMER R A. Digital disruptions and the emergence of virtual think tanks[M]//KHARE A， STEWART B， SCHATZ R. Phantom Ex Machina. Cham： Springer International Publishing， 2017： 281-295.

[12] 張云昊. 從實體智庫到虛擬智庫：電子智庫的提出及其建構[J]. 中國科技論壇， 2012（6）： 56-61.

ZHANG Y H. From the entity think tank to the virtual think tank[J]. Forum on Science and Technology in China， 2012（6）： 56-61.

[13] 王紹光. 中國公共政策議程設置的模式[J]. 中國社會科學， 2006（5）： 86-99.

WANG S G. Public policy agenda-setting patterns in China[J]. Social Sciences in China， 2006（5）： 86-99.

[14] ACKOFF R L. From data to wisdom[J]. Journal of Applied Systems Analysis， 1989， 16（1）： 3-9.

[15] 潘教峰. 智庫研究的雙螺旋結構[J]. 中國科學院院刊， 2020， 35（7）： 907-916.

PAN J F. Double helix structure of think tank research[J]. Bulletin of Chinese Academy of Sciences， 2020， 35（7）： 907-916.

[16] 徐寧， 宗明明. 數字化賦能新型智庫高質量發展[N]. 中國社會科學報， 2021-05-20（2）.

XU N， ZONG M M. Digitalization empowers high-quality development of new think tanks[N]. Chinese Social Science Today， 2021-05-20（2）.

[17] RUIJER E， PORUMBESCU G， PORTER R， et al. Social equity in the data era： A systematic literature review of data‐driven public service research[J]. Public Administration Review， 2023， 83（2）： 316-332.

作者貢獻說明：

夏子葉：資料收集，論文初稿撰寫；

霍國慶：論文選題確定，框架搭建，寫作指導，論文修改。

Digital Transformation of Think Tanks and Digital Think Tanks

Xia Ziye? Huo Guoqing

School of Public Policy and Management， University of Chinese Academy of Sciences， Beijing 100190

Abstract： [Purpose/Significance] The purpose of this article is to analyze the application of digital technology in think tank decision-making consultation， its potential impact， and the future development prospects of think tanks. [Method/Process] This article examines how digital technology is applied in the decision-making field， explores the process mechanism of empowering think tanks with digital technology for consultation， analyzes the digital transformation of think tanks and its key issues， and discusses the future prospects of think tank digital transformation. [Result/Conclusion] This article believes that the future digital think tanks will function as intelligent decision-making systems， and intelligent， unmanned， and learning-based digital think tanks will become the dominant mode of decision-making consultation. The focus of future think tank decision-making consultation will be on building， maintaining， and continuously upgrading intelligent decision-making systems. Think tank experts will primarily study the intelligence of decision-makers and other experts， converting it into algorithms and providing decision recommendations on the proposed solutions by intelligent decision-making systems. Decision makers， think tank experts， and various types of think tank workers must adapt to the digital transformation of think tanks.

Keywords： digital technology? ? traditional think tanks? ? digital transformation of think tanks? ? digital think tanks? ? policy recommendations

收稿日期：2023-11-22? ? ? 修回日期：2023-12-26