人工智能時代的社會救助:技術框架、發展態勢與建設方略

[摘要] 社會救助制度是我國長期以來織密扎牢民生保障安全網與堅定維護“底線公平”的保障，但由于我國新時期人口格局、就業形態與再分配理念的重大變化，它亟須在精準識別、監測預警和常態化幫扶等領域持續提升其治理效率。人工智能技術可以為當前的分層分類社會救助賦能增效，充分利用數據互聯互通、算法迭代升級、算力性能倍增的科技優勢來為國家打造兜底保障領域的“信息神經中樞”與“數字治理大腦”。與人工智能時代的要求相比，盡管我國低收入人口動態監測平臺在歷經三階段的建設后已經初具數智化雛形，但在算法與算力方面仍然具有廣闊的成長空間，尚需以立法建設、管理機制、技術升級為主要突破口來完善其系統性設計。未來我國應當以人工智能時代的社會救助為目標方向，通過積極做好頂層設計、努力革除痛點堵點、重點強化政策落地等三項舉措來切實推進社會救助從有效“治理”走向高效“智理”。

[關鍵詞] 人工智能 分層分類社會救助 低收入人口 科技賦能

[基金項目] 本文系國家社會科金基金一般項目“我國農村兒童的虐待風險及縣域為本的協同治理體系研究”（項目編號： 23BSH129）的階段性成果。

[作者簡介] 萬國威，男，河南濮陽人，華東師范大學社會發展學院教授、博士生導師，臨床社會工作研究中心主任，院長助理，社會工作系主任，民政部和財政部部級咨詢專家;欒卉，女，吉林延邊人，天津理工大學社會發展學院副教授，社會工作系副主任。

[中圖分類號] C916

[文獻標識碼] A

[文章編號] 1008-7672（2024）05-0060-12

一、 我國社會救助制度的發展脈絡及現實挑戰

社會救助制度既是我國兜牢守穩民生保障安全網的堅定支撐，也是促進全體人民尤其是低收入人口邁向共同富裕的關鍵基石，因此該制度的穩健發展直接關系到黨的二十屆三中全會“以促進社會公平正義、增進人民福祉為出發點和落腳點”①這一全面深化改革指導思想的落實。從制度發展歷程來看，我國于20世紀50年代末期建立農村五保制度后一直通過“國家—單位/集體—家庭”的福利傳輸鏈條來保障絕大多數人的基本生計②，在低物價、多福利、充分就業等外圍制度的保障下我國社會救助制度的真正覆蓋人口極少。但這一情況隨著20世紀80年代中期改革開放進入城鎮地區而被打破，因國有企業改革所造成的下崗潮使得我國部分失業人口面臨較為艱難的生計局面，國家也隨即開始研究建立覆蓋面更廣、瞄準度更高的救濟幫扶制度。1992年和1993年，山西省左云縣和上海市先后試點了農村低保制度和城鎮低保制度，這一以“菜籃子法”為基礎的開創式設計確立了一條可隨經濟社會發展水平、居民人均可支配收入及物價水平等綜合要素變動而聯動的最低生活保障線，為我國特殊困難群體的兜底保障提供了有益探索。我國城鄉低保制度也逐步成為社會救助制度的主體并在隨后二十年間呈現出良好的發展勢頭，不但在2003年基本實現了城鎮低保制度的“應保盡保”并將2246.8萬名城鎮貧困者納入兜底保障范圍中③，而且2007年又通過農村低保制度的普及推廣而將3566.3萬名農村貧困者也納入其中④，從而使得我國在“十一五”末期基本實現了7524.5萬名城鄉低保對象和556.3萬名農村五保供養對象的全部覆蓋⑤。

黨的十八大以來，我國開始集中全國力量開展脫貧攻堅，以“兩不愁三保障”為主要目標，以產業發展脫貧、轉移就業脫貧、易地搬遷脫貧、教育扶貧、健康扶貧、生態保護扶貧、兜底保障、社會扶貧等為重要手段⑥，各級黨政部門開始充分利用收入分配改革、社會保障建設和基本公共服務供給來對農村地區的大規模貧困問題展開集中治理。經過八年的攻堅克難、砥礪前行，至2020年年底我國“9899萬農村貧困人口全部脫貧，832個貧困縣全部摘帽，12.8萬個貧困村全部出列，區域性整體貧困得到解決，完成了消除絕對貧困的艱巨任務”⑦。隨著農村絕對貧困問題的大范圍解決，我國社會救助對象的整體規模也出現了急劇下降，截止到2020年年底我國城鎮低保和農村低保人口數量分別大幅下降至805.1萬人和3620.8萬人，特困對象數量小幅下降至477.5萬人⑧，反映出同比十年前我國社會救助穩定覆蓋的人口量總體上下降了39.3%。

但這一情況也造成三個方面的顯著問題：一是社會救助規模的快速下降使得我國基本生活保障領域覆蓋人口不到全國總人口的3.5%，這一比例遠低于OECD國家基本生活保障的平均受助率①，并使得未納入救助幫扶體系的人口生計較為艱困。二是社會救助的福利懸崖效應更加明顯，享有社會救助的貧困群體在增加基本生活救助和專項救助待遇后的整體狀況反而要好于貧困邊緣群體，社會救助制度的公平性備受懷疑。三是社會救助制度以資金為主的幫扶形式使得部分功能障礙家庭抵抗照顧風險的能力未有實質性改善②，尤其是隨著近年來劇烈的老齡率抬升、人口流動加劇、家庭規模縮減和失能失智人口增加，我國在資金救助之外如何實現服務類救助就變得尤為重要。

面對新的減貧、反貧困形勢，中央辦公廳和國務院辦公廳于2020年8月聯合發布的《關于改革完善社會救助制度的意見》（以下簡稱《意見》），首次明確提出了“建立健全分層分類的社會救助體系”的轉型方向③，并通過梯度救助實現了社會救助重點從低保群體向低收入群體的擴展④。根據《意見》，我國社會救助迎來了四個層面的重大變化：一是形成了梯度救助格局。《意見》在原有特困線和低保線之外設立了低收入線，構建了以特困和低保對象為“濟貧”層次、低保邊緣對象和剛性支出群體為“助困”層次、臨時困難者為“救急”層次的梯度保障形態⑤，這不但擴大了社會救助制度的覆蓋范圍，將“不符合低保或特困供養條件的低收入家庭和剛性支出較大導致基本生活出現嚴重困難的家庭”⑥也納入救助幫扶體系中，而且試圖將社會救助待遇享有從“懸崖”轉變為“緩坡”⑦，以解決長期困擾社會救助的福利懸崖問題。二是形成了綜合救助體系。《意見》深化了以基本生活救助、專項社會救助、急難社會救助為主體的政府救助框架，夯實了“救助+慈善”的政社聯動，積極引入社會力量來增加社會救助的力度，通過公益慈善、志愿服務等專業社會力量的引領來提升社會救助的綜合效益。三是形成了“資金+服務”的救助形式。在資金救助以外構筑了服務類救助，力圖滿足低收入人口個性化、多元化的服務訴求⑧，重點解決低收入群體普遍面臨的家庭照料、社區探視等社會服務需要難以得到滿足的問題，以應對重病重殘、獨居空巢、留守流動等特定家庭類型的服務訴求。

當然，分層分類社會救助的一系列制度改革對于其實踐落地提出了三個更為嚴苛的技術挑戰。其一是低收入人口的精準識別將變得異常復雜。梯度救助格局不但要求對申請救助對象提供多層級、多維度、水平合理、精度更高的制度瞄準⑨，也要求新增低收入人口在疊加救助后不應超過低收入邊緣人群，以防止衍生新的社會不公，這顯然增加了城鄉低保人口、低收入人口及其邊緣群體的識別難度。其二是低收入人口的監測預警將變得異常困難。綜合救助體系不但要求對低收入人口的收入、財產、支出、貧困狀態等海量的綜合信息進行及時的抓取、歸集與研判，而且要求對其關鍵信息變動而涌現的重大風險予以預警，這使得低收入人口關鍵信息的識別及貧困狀態的判定變得極為重要，尤其是在流動人口救助、城鄉統籌救助銜接等方面的難度更高①。其三是低收入人口的常態化幫扶將變得異常煩瑣。“資金+服務”的救助形式不但要求幫扶舉措細化且富有彈性，救助幫扶在遵循規律的同時也要千人千面、有所側重，而且要求對低收入人口的救助能夠和社會保險、社會福利、公益慈善、基本公共服務等各類民生福祉工具交叉融合、協同共進，以防止其他社會保障領域的風險引流至社會救助領域，這當然加劇了其調動多重政策工具來實現社會保障綜合減貧效應的難度②。上述三個方面對我國既有分層分類社會救助制度的落地提出了重大挑戰，也成為我國在實踐中亟待突破的難點痛點。特別是如果再考慮到我國基層民政服務力量的羸弱，以傳統的人工形式、“鐵腳板”手段來實現高質量的精準識別、監測預警、常態化幫扶幾乎不可能，這就為人工智能賦能增效分層分類社會救助提供了廣闊的應用空間。

二、 人工智能時代社會救助的技術框架

分層分類社會救助在實踐中意義重大、使命光榮，它已然成為當前我國維持經濟下行壓力下的“底線公平”和促進全體人民邁向共同富裕的重要支撐。然而，當前該制度的推行在多個領域面臨著無法克服的技術瓶頸，尤其是數據獲取、篩選、歸集與信息系統互通等問題難以通過傳統的人工核查手段解決。因此，現代科技力量的介入已成為推動社會救助制度進一步完善的迫切需求。人工智能時代的到來為分層分類社會救助的完善提供了難得的契機。生成式人工智能等大模型的推理、交互和生成能力，加上大數據、云計算、互聯網+、區塊鏈、智慧城市等技術，將為社會救助體系的優化注入新的動力。

首先，人工智能的核心優勢在于其利用海量數據的自動化收集、歸集和共享，能夠有效突破當前社會救助信息組網的技術瓶頸。通過對低收入人群各類關鍵信息的實時抓取與處理，AI系統能夠更精確地識別潛在救助對象，并根據不同層次的需求提供定制化的幫扶策略。相比傳統模式，AI技術通過精準的數據分析和智能化研判，減少了人為介入的誤差和時間延遲，為社會救助對象的層次劃分和幫扶形式設計提供了更具時效性和科學性的依據。

其次，生成式AI在自主研判、自動統計和仿真模擬等方面的功能尤為突出。它可以通過對歷史數據與當前態勢的分析，對未來社會救助需求的變化進行高精度預測，模擬救助政策在不同情境中的影響與效果。這種仿真功能能夠幫助決策者更好地理解和預判社會救助制度的運行效果，為優化政策設計提供重要參考。同時，生成式AI的推理和交互功能使其能夠實時應對復雜多變的社會救助場景，在面對海量動態數據時，確保決策的及時性和靈活性。

此外，人工智能技術推動的行為數字化、數據流動實時化、決策執行智能化等社會形態變革，也有助于提升社會救助制度的綜合效能①。過去依賴于小樣本調查的救助評估模式，隨著大數據運算能力的增強，已逐步演變為以互聯網海量信息為基礎的動態評估模式。這種轉變不僅提高了對救助對象的識別效率和精度，還強化了救助政策的動態調整能力，從而確保社會救助制度更加公平和高效。因此，利用生成式AI等現代技術，不僅能夠有效提升社會救助系統的信息管理和決策能力，還將推動中國分層分類社會救助制度在新時代實現質的飛躍，增強其在保障底線公平和促進共同富裕中的戰略價值。

從理論上看，人工智能時代的社會救助可以理解為“以優化社會保障資源配置和基本公共服務供給為核心目標，依托全域數據集成和數智治理技術，對低收入人口實施精準識別、監測預警與妥善幫扶的資金與服務援助行動”。 這套新型救助體系在于通過數據與技術的深度融合，提升社會救助的精確性、靈活性與效率性，從而滿足不斷復雜化的社會需求。人工智能對分層分類社會救助成效的提升主要體現在兩個關鍵方面（如圖1所示）。一是它通過構造“信息神經中樞”，借助海量數據的捕獲與整合，使得數智化系統能夠實現對低收入人口的風險情境的態勢感知。為實現這一目標，信息的采集歸集必須滿足全面性、準確性和實時性三個要求。其中，全面性要求系統共享互聯所有多為貧困判定的相關關鍵信息，包括收入、財產、支出和社會狀態等;準確性則強調互聯歸集的信息尤其是具有狀態或程度動態變化的信息必須是無差錯的，確保其具備高度可靠性;實時性意味著信息都能夠真實反映低收入人口在被抓取信息瞬間的時空場景，使得救助方案具備及時性與適應性。二是人工智能還通過構建“數字治理大腦”，利用關鍵信息的智能研判，形成針對個體需求的組合型救助幫扶方案。這一功能要求信息分析兼具自主性、整合性和應用性三重特點。自主性是指系統能夠自動完成數據的實時更新、統計、分析、可視化處理及決策支持等工作;整合性要求系統能夠鏈接社會救助、社會保險、社會福利、公益慈善與基本公共服務等多重政策資源，從而制定綜合救助方案;應用性是指系統的分析結果能夠反作用于社會政策的宏觀規劃，動態調整社會救助政策布局與策略。上述兩大核心功能及其附屬的六個特征代表了人工智能時代社會救助的建設方向，也使之比傳統人工核查形式具備更高的治理效率。

在邁向人工智能時代社會救助的實踐過程中，“數據”“算法”“算力”是深刻影響人工智能技術利用成效甚至成敗的關鍵指標，這也決定了未來社會救助的發展必須在充分考慮上述三要素的基礎上來構建穩健的人工智能系統。首先，數據作為人工智能系統進行信息處理的基礎材料，其質量高低直接決定統計分析以及決策應用的效果。而在社會救助實踐中需要面臨的主要技術難點集中為五個方面：一是數據共享互聯過程中對高質量、高規格以及高附加值信息的需求大幅增加，尤其是變動中的剛性信息，如低收入人口收入、支出狀況等，如何在快速變化的環境中及時、準確地采集，將成為一大技術瓶頸。二是信息孤島現象將會限制大規模數據的流通與共享。多層級、多部門和多區域之間的信息壁壘不僅會減緩信息流動，還會對低收入人口有效信息的獲取構成極大挑戰。三是數據標準與質量的不統一會造成冗余數據的清洗困難，各部門在統計口徑、分類標準、連接端口、報告格式等方面的差異將增加數據的預處理時間，影響系統效率。四是作為現代社會重要的資源要素，數據如何在采集、處置、交換、決策等過程中體現其價值，特別是如何清晰界定公共部門所掌握低收入人口數據的權責關系與利益分配，成為一個亟待解決的難題。五是關鍵信息的安全風險如何規避，特別是收入、資產和支出等敏感信息如何在采集和存儲過程中實現高度保密，避免國家安全風險或個體隱私泄露，成為構建人工智能社會救助系統時需要重點考慮的安全問題。

其次，算法是人工智能系統中實現自動化分析與決策的核心引擎。在社會救助場景中，算法不僅需要具備高效的數據處理和智能化研判能力，還需要對政策的復雜性和多樣性需求做出靈活應對。生成式人工智能能夠通過其強大的推理能力、自然語言處理和機器學習技術，自動生成解決方案或提出優化策略。這一優勢使其在復雜、多變的社會救助情境中展現出獨特價值。然而，算法的設計必須滿足多層次、多維度的救助需求，能夠自適應不同救助對象的狀況變化。此外，算法的透明性和公平性是另一個關鍵，確保算法在決策過程中不會產生偏見或不公，特別是在面向弱勢群體時，算法的公正性直接關系到救助資源的合理分配。

最后，算力是支撐復雜算法運算的基礎，是決定人工智能系統處理速度和響應效率的關鍵因素。在社會救助系統中，強大的算力能夠支撐實時數據處理、動態監測和快速反饋，確保低收入人口的狀況能夠得到及時響應和評估。尤其是在大規模數據分析、跨部門信息集成和全局預測等方面，算力的提升將大幅增強系統的處理能力，為救助系統提供更高效、更精準的支持。實踐中我國低收入人口救助幫扶領域的算力需要應對五個方面的現實挑戰：一是各地只具有有限算力的既有系統如何全面轉型升級為算力更高的數智化平臺，其背后的技術升級如何在地方有限財政投資的約束下加以解決。二是在以分布式計算來改善單點式計算的過程中，如何保障全國“云計算”數據中心的持續財政投資以及如何進行“算力資源池”的高效分配。三是在我國實施“東數西算”產業布局后各省份的算力發展指數仍然與其經濟規模呈顯性的正相關①，如何實現社會治理領域算力發展的區域平衡。四是在我國服務、金融、制造、交通等市場場景算力訴求爆炸式增長的情況下，創造直接效益相對較小的社會治理領域的算力如何得到重視，如何為低收入人口救助幫扶等民生保障事業創造更多的應用場景。五是考慮到現階段城市治理能夠得到更多的算力場景應用，我國如何平衡城鄉之間的算力差距，如何使得農村地區的社會治理不被數智化時代所拋棄。

三、 邁向人工智能時代社會救助的發展態勢

今天我國的低收入人口動態監測平臺已經為構建智能化的社會救助系統建設奠定了可靠的技術基礎。在數據、算法、算力等方面的快速進步，正促使我國分層分類社會救助制度發揮愈加積極的兜底保障作用。通過技術賦能，該平臺逐步增強了低收入人口精準識別能力、監測預警能力和常態化幫扶能力，為應對日益復雜的社會需求提供了技術支撐。從發展脈絡來看，這一平臺的建設自2008年開始分別歷經“試點探索階段”“普及推廣階段”“定型完善階段”三個重要發展時期（如表1所示）。其中試點探索階段的建設以2008年10月民政部等11個部委聯合頒布的《城市低收入家庭認定辦法》為開端。該文件規定，“各地應當逐步建立城市家庭收入審核信息系統，有效利用公安（戶籍和車輛管理）、人力資源社會保障（社會保險）、住房城鄉建設、金融、工商、稅務、住房公積金等政府部門及有關機構的數據，實現信息共享”②，由此實現救助幫扶從以人工核查為手段到以信息化核查為手段的轉變。然而，由于該階段推廣并未采取強制性手段，到2014年年底，僅有2個地市和6個區縣建立了完整的信息核對平臺。

普及推廣階段的信息平臺建設以2014年2月國務院頒布的《社會救助暫行辦法》為開端，它在多個方面實現了重大進步。一是信息互聯能力的提升成為這一階段的核心突破。通過打通了教育、住房、人社、司法等八項社會救助的公共部門信息，民政部主導的動態監測平臺不但成為各類社會救助資格認定的基礎，而且還全面鏈接了公安、金融、證監等部門的信息，能夠對申請救助對象車輛、存款、證券等資產性信息進行及時的動態監測。這一數據整合極大地增加了信息共享與聯動的深度和廣度。二是推動了平臺建設從原本的地方性試點走向了省級系統為中樞的多層級平臺，實現了“省—市—縣”三級信息核對網絡的全面部署。這種自上而下、橫向到邊、縱向到底的網絡布局，使得救助幫扶對象的關鍵信息核查工作更加高效精確，到2019年年底除港、澳、臺以外全國31個省級行政區完成了該平臺的搭建。這一平臺布局不僅增強了信息的穿透力、擴大了信息的覆蓋面，而且為后續數智化程度更高的救助平臺建設奠定了堅實基礎。

定型完善階段則以2020年4月中辦和國辦聯合頒布的《關于改革完善社會救助制度的意見》為開端，這標志著我國社會救助建設進入全新的發展時期。這一階段主要解決以下六大問題：一是確保數據的采集、交換與存儲的安全性，二是將更多的潛在風險人口納入監測預警體系中，三是實現跨區域尤其是跨省信息共享，四是強化對高風險人群的動態監測，五是整合社會福利、公益慈善、社會組織、志愿服務等多種資源，形成協同救助合力，六是增強信息系統在政府科學決策中的作用。各地通過多種創新模式有效解決了這些問題，包括普及三級等保標準與個人電子授權（寶雞模式）、建立開放式登記系統（青島模式）、構建“部—省—市—縣”四級信息核對網絡（天津模式）、形成多維貧困指數基礎上的風險分級管理（吉安模式）、搭建“一庫取單”大救助幫扶格局（德州模式）、開展數智化的“政策推演”（溫州模式）等。通過四年的努力，目前我國各地建設完成的低收入人口動態監測平臺已經初步具備了信息共享、歸集、交換、統計、分析、可視化以及輔助決策等多項能力。通過將8015萬低收入人口逐步納入監測預警體系中①，平臺實現了對低收入群體精準幫扶的有效覆蓋，推動了社會救助體系從傳統模式向智慧化、數據化方向的升級。

當然，如果今天我們以人工智能時代社會救助的要求去看待監測預警體系，就可以發現其在數據、算法和算力三要素上仍存在顯著差距（如表2所示）。盡管近年來在數據互聯互通方面取得了較為顯著的進步，并最接近人工智能時代的基礎要求，但其他方面的進展依然相對滯后。當前系統的數智化程度仍然無法達到真正適應人工智能時代的標準，這使得升級與改進成為緊迫任務。從具體情況來看，數據接近人工智能時代社會救助系統的基礎要求，但需重視安全和價值建設。雖然數據在互聯互通方面的進步顯著，尤其是在跨部門、跨領域的信息共享上已取得了一定的成果，但數據的安全管理仍然是未來的重點。在跨區域數據交換中，如何在保障隱私和安全的前提下實現高效流通，是下一步制度建設的關鍵。除此之外，數據交換的價值規范也需要進一步明確，以確保信息資源在流通過程中合理配置，實現其利用價值的最大化。算力問題居中，主要的局限集中在投資限制與規劃不足這兩點。一是因地方財政投資局限而導致現有系統的算力普遍較低，而中央財政投資則面臨著“算力資源池”的妥善分配問題，故算力提升的背后涉及財政投資結構與形式;二是缺乏足夠的規劃來對未來區域間、行業間、城鄉間的算力進行制度性安排，這在加大算力不平衡的基礎上也會使得不同應用場景的治理能力差距拉大。而算法滯后且缺乏全國性探索問題目前表現得最為突出。低收入人口動態監測平臺幾乎沒有任何形式的全國性多維貧困指數測試、關鍵數據模型訓練以及機器決策的全國性探索，僅依靠極少數地區的自主性較強的試點方案無法有效實現多維貧困算法的迭代升級。從解決方案來看，多數問題的解決仍然需要依賴于立法建設，如通過相應的制度規則來協調數據資源交換價值或者合理規劃算力分布;部分問題的解決需要依賴技術升級，比如多維貧困大數據模型訓練;少量問題的解決需要依賴管理機制，如通過夯實跨部門、跨區域的協同來打破信息壁壘。因此，未來我國將低收入人口動態監測平臺升級為人工智能監測平臺的空間仍然巨大，需要積極利用立法建設、機制創新和技術升級來重點突破算法和算力領域的障礙。

四、 邁向人工智能時代社會救助的建設方略

當前我國分層分類社會救助尚與人工智能時代的要求具有較大距離，這使得我們必須在堅定建設方向、凝聚發展共識的基礎上全面增進“數據”“算法”“算力”三要素的能力建設，利用現代科技力量改善精準識別、監測預警與常態化幫扶的全過程治理。通過推進現有低收入人口動態監測平臺邁向兼具“信息神經中樞”和“數字治理大腦”功能的人工智能平臺發展，能夠為社會救助體系的現代化提供強大助力，未來應重點推動以下三項工作：

首先，做好人工智能時代分層分類社會救助體系的頂層設計。人工智能技術的實踐應用在分層分類社會救助中的巨大價值，特別是在瞄準對象上的多元性、實時監測上的復雜性、幫扶形式上的多樣性等方面，凸顯了頂層設計的重要性。因此，筆者提出四個方面的針對性建議：一是要凝聚以技術賦能來轉變治理范式的國家共識。現代科技預示著我國社會治理理念、結構與形式有可能更好地適應新時期經濟社會發展形態、人口結構變化、人民觀念態度變動等新常態，以有效破解我國治理要求快速提升和治理能力相對落后的矛盾，因此我國應當高度認識到科技進步為國家治理體系及基層治理現代化帶來的廣泛機遇，努力將人工智能技術廣泛應用于社會治理領域，強化第四次工業革命成果的系統性轉化，在戰略上形成以人工智能技術來引領工業社會治理范式向后工業社會治理范式的重大轉變。二是要推進“數據”“算法”“算力”三要素的協同進步。多年來我國低收入人口救助幫扶改革的瞄準點在于“數據”領域，即通過機制創新來打破多部門、多層級、多區域的信息壁壘，但考慮到“算法”與“算力”也是深刻影響人工智能發展的關鍵領域，未來應當以兩者為建設要點，積極通過“算法”的更新普及、“算力”的全局規劃來提升低收入人口動態監測平臺的智能化轉型。三是加速人工智能先進技術的應用。當前各類人工智能技術正處于快速發展階段，其中“大數據”技術可避免頻繁的入戶調查并解決低收入人口難以實時監測的問題，“云計算”技術可更好地識別低收入群體的個性化需要并匹配精細化救助方案，“智慧城市”技術可實現低收入家庭福利需要與幫扶資源的高效對接，這些技術革新都能顯著提升我國低收入人口動態監測平臺的運行效率。未來有關職能部門應當密切關注人工智能技術的快速迭代，將新技術引入兜底保障體系中，全力推進更加安全可靠、便捷快速、智慧能動的數智化系統建設。四是擴展人工智能技術在低收入人口幫扶方面的應用場景。國家應當深入闡釋人工智能技術在促進兜底型民生保障事務發展過程中的重要價值，緊抓“數字治理”和“民生保障”兩個政策制高點的結合，促進低收入人口動態監測平臺在共同富裕、鄉村振興、第三次分配、農村轉移人口市民化、重大風險防范等國計民生重大事務中發揮數字引領作用，為國家重要民生建設的科學部署以及推進第二次分配、第三次分配互嵌融合提供更有力的智力支撐。

其次，改革人工智能時代分層分類社會救助體系的痛點堵點。當前我國社會救助在邁向人工智能時代的過程中仍然有一些關鍵桎梏急需打破，因此應當圍繞它們有針對性地進行改革：一是要優先保障信息系統的數據安全。數據安全是人工智能時代社會救助工作首先面對的議題，尤其是在兜底性民生保障領域，數據泄露不但會對國家穩定發展構成嚴峻挑戰，也會嚴重侵害個體隱私。我國應當進一步規范民生基礎數據在采集、使用、交換、應用等重點環節的標準化流程，以三級等保為人工智能平臺建設的底線要求，建設好“一網互聯、分級授權”的信息網絡平臺，嚴格制定個人電子授權和人臉識別的管理規程，厘清基礎數據在統計分析、應用決策領域的部門權責，健全數據安全違規懲罰機制，嚴格防止數據泄露。二是進一步消除信息壁壘。我國在低收入人口動態監測領域中的信息壁壘與十年前相比已有極大改善，但未來仍然需要持續打破數據共享中的瓶頸障礙，重點做好醫療和教育等剛性支出信息、稅務等收入信息、支付寶和微信等財產性信息的數字化共享工作，強化深度學習技術對低保申請者、專項救助申請者、急難申請者貧困狀態的識別，利用“一庫取單、即時共享”機制來完善低收入人口的綜合數智效率。三是推進多維貧困大數據模型的訓練。多維貧困模型是現階段實現低收入人口風險識別、發現報告與監測預警的核心技術，在數智化平臺中增強其報告效果必須利用海量數據予以訓練，因此未來有關職能部門應當依托政策試點地來形成多維貧困模型的基本框架，再利用各地海量數據對模型進行統合調試，提升其對低收入群體的識別、監測和報告能力。四是利用人工智能技術來強化家庭累積風險的精細化管理。家庭累積風險的管控對于動態監測系統至為關鍵，目前少量地區已經可以通過系統自動排隊及可視化技術來實現家庭累積風險的動態管理，有關系統在家庭基本信息、家庭關系信息、家庭風險信息、已經享受到的各類保障項目及其致貧原因等領域可進行“精準畫像”，這對于家庭累積風險的研判及提供早期配套政策都帶來了極大便利。未來國家應當持續利用人工智能技術的算法迭代升級來推動家庭累積風險認定上的精細化管理，尤其是應當鼓勵各地持續提升對急難型和支出型救助對象的線上監測預警能力，從而使得低收入人口的風險得到充分管控。

最后，強化人工智能時代分層分類社會救助體系的政策落地。人工智能技術在社會救助領域的成效歸根到底仍然是由“最后一公里”所檢驗的，這提醒我們必須在四個方面為其實踐落地創造良好的條件：一是要以社會性立法作為人工智能應用于社會救助的堅強保障。我國過去一段時間內的改革主要針對影響數智化能力的部門約束、協同治理等管理機制來開展，但在立法建設方面考慮得較少，未來應當加強人工智能領域的社會性立法，在預備出臺的《社會救助法》中應當增加人工智能算法與算力的原則性規定，利用部門規章明確細化中央政府與地方政府間、流入地與流出地間、公共部門與商業部門間、城鎮與農村間在人工智能資源利用上的權責關聯以及利益分配機制。二是要加強關鍵數據的標準化建設。我國當前不但在數據采集規則、數據交換價值、數據使用權利、數據監管責任等方面存在諸多機制障礙，而且沒有對政府與市場、國家與個體的數據倫理規則進行清楚地界定，這使得我國人工智能發展在面臨重大技術突破時無法快速進入社會治理場域中。尤其是隨著國家對數據安全的重視，這極可能引發新一輪多層級、多部門、多地域間的人為信息壁壘。未來國家應當將民政部已經確定的《居民家庭經濟狀況核對總體要求》、《居民家庭經濟狀況核對數據元》和《居民家庭經濟狀況核對數據交換接口》等三項推薦性行業標準經修改完善后上升為具有多部門約束力的行政法規，對低收入人口救助幫扶領域的數字倫理、數據規則等重點議題進行清晰規定，明確部門權責，有力地推動數據的開放與使用。三是要利用中央財政投資來優化人工智能技術的平衡發展。目前我國部分地區因地方財政投入不足而導致其系統的智能化水平很低，因此國家要加強中央財政對“算力資源池”的持續投資，對中西部地區低收入人口動態監測平臺積極開展財政幫扶工作，重點督導建設好人口大規模流入地與流出地的信息互聯，補齊農村地區人工智能救助幫扶場景的短板，幫助各地夯實以國家級系統為中樞、省級系統為基礎、地市級系統為支點的數智化網絡。四是全面提升人工智能的輔助決策能力。輔助決策能力較弱一直是各地信息系統普遍面臨的難題，部分地區雖然正在嘗試著突破但整體上仍然是低收入人口動態監測體系的弱項。國家應當積極鼓勵具有良好輔助決策基礎的地區開展人工智能敏捷治理的試點，積極督促有條件地區利用數據庫信息統計分析低收入家庭經濟和生活狀況的基本特征并預測其在人口結構、區域分布、收支狀況、救助舉措等方面的發展變化態勢，從而為國家和地區持續出臺高質量的兜底保障政策提供信心決心及改進策略上的助力。

（責任編輯：徐澍）

① 中共中央：《關于進一步全面深化改革 推進中國式現代化的決定》，《人民日報》2024年7月22日。

② 萬國威：《我國社會福利的理論反思與戰略轉型》，《中國行政管理》2016年第1期。

③ 民政部：《2003年民政事業發展統計公報》，民政部官方網站，發布時間為2004-04-03，查詢時間為2024-07-16，網站地址為https：//www.mca.gov.cn/n156/n189/c93371/content.html。

④ 民政部：《2007年民政事業發展統計公報》，民政部官方網站，發布時間為2008-05-26，查詢時間為2024-07-13，網站地址為https：//www.mca.gov.cn/n156/n189/index.html。

⑤ 民政部：《2010年社會服務發展統計公報》，民政部官方網站，發布時間為2011-06-16，查詢時間為2024-07-17，網站地址為https：//www.mca.gov.cn/n156/n189/index.html。

⑥ 國務院：《關于印發〈“十三五”脫貧攻堅規劃〉的通知》（國發〔2016〕64號），2016年11月23日。

⑦ 習近平：《在全國脫貧攻堅總結表彰大會上的講話》，《人民日報》2022年2月26日。

⑧ 民政部：《2020年民政事業發展統計公報》，民政部官方網站，發布時間為2021-09-10，查詢時間為2024-07-17，網站地址為https：//www.mca.gov.cn/n156/n189/index.html。

① ⑧楊立雄：《從兜底保障到分配正義：面向共同富裕的社會救助改革研究》，《社會保障評論》2022年第4期。

② 高鑒國、范叢：《低保邊緣家庭的貧困表征、 致貧原因與政策建議》，《東岳論叢》2020年第10期。

③ ⑥中共中央辦公廳、國務院辦公廳：《關于改革完善社會救助制度的意見》2020年8月25日。

④ 林閩鋼：《深入把握我國社會救助體系的鮮明中國特色》，《人民日報》2020年11月2日。

⑤ 楊立雄：《北京市貧困結構變化與社會救助改革應對研究》，《廣東社會科學》2020年第1期。

⑦ 張浩淼：《共同富裕背景下分層分類社會救助體系建設》，光明網，https：//theory.gmw.cn/2023-05/19/content_36571441.htm，2023年5月19日。

⑨ 關信平：《完善我國社會救助制度的多層瞄準機制》，《內蒙古社會科學》2022年第2期。

① 韓克慶、鄭林如、秦嘉：《健全分類分層的社會救助體系問題研究》，《學術研究》2022年第10期。

② 左停、李世雄、武晉：《國際社會保障減貧： 模式比較與政策啟示》，《國外社會科學》2020年第6期。

① 鮑靜、賈開：《數字治理體系和治理能力現代化研究：原則、框架與要素》，《政治學研究》2019年第3期。

① 中國信息通信研究院：《中國算力發展指數白皮書（2023年）》，2023年9月。

② 民政部：《關于印發〈城市低收入家庭認定辦法〉的通知》（民發〔2008〕156號），2008年10月22日。

① 孫宗亮：《民政部全國低收入人口動態監測平臺覆蓋 8015 萬人》，《農民日報》2024年5月17日。