數智化治理大模型的發展現狀與趨勢

[摘要] 當前，數智化治理大模型在政務服務、經濟發展、民生服務等多領域廣泛應用，展現出巨大潛能。在數智化治理大模型的實踐應用過程中，技術與治理需求適配性不足、“算法黑箱”、輸出虛假信息、數據安全、技術采購全周期管理失靈等各方面挑戰也逐漸顯現。精準對接技術與需求、增強算法透明性與可信任度、優化技術采購模式、強化數據安全保護、明確人機協同邊界、突破創新瓶頸與加強人才培養，是未來推動數智化治理大模型應用健康有序發展的關鍵。

[關鍵詞] 數智化治理；" 人工智能大模型；" 應用圖景；" 治理效能

[中圖分類號] D630； TP18" " " " "[文獻標識碼] A" " " " "[文章編號] 0529-1445（2025）07-0025-04

在全球數字化浪潮推動下，我國將建設數字中國上升為國家戰略，旨在借助數字化、智能化技術提升國家治理效能。在大數據、算力、算法飛速發展的推動下，融合了數字化和智能化雙重特點的數智化治理大模型迎來蓬勃發展的黃金時期，一系列創新成果特別是具有顛覆性以及長尾效應的創新成果，在學術研究與生產生活的眾多場景中不斷涌現。數智化治理大模型在提升治理效能、優化公共服務、推動經濟社會發展等方面展現出巨大潛能，已成為推動國家治理體系和治理能力現代化的關鍵驅動力。

數智化治理大模型的創新應用圖景

2019年5月，習近平主席在向國際人工智能與教育大會致賀信時深刻指出：“人工智能是引領新一輪科技革命和產業變革的重要驅動力，正深刻改變著人們的生產、生活、學習方式，推動人類社會迎來人機協同、跨界融合、共創分享的智能時代?！彪S著智能時代的到來，以生成式大語言模型為代表的前沿數智技術正加速融入經濟社會治理的方方面面。在此背景下，數智化治理大模型展現出強大的應用潛力和現實能力。各地立足自身發展需求與實際場景，在政務智能問答、決策咨詢輔助、智慧交通調度、民生服務保障等多個維度積極探索開發并推廣應用數智化治理大模型。這些實踐有效賦能了經濟高質量發展，顯著提升了社會治理現代化水平，持續改善了人民生活品質。

智能問答作為新一輪生成式人工智能應用實踐的集中體現，其在政務服務中的嵌入極大地提升了咨詢效率和質量。北京推出的亦智政務大模型服務平臺精心打造了智慧政務小助手“小亦”。作為經開區數字政務服務的統一客服，“小亦”可以為用戶提供智能化咨詢互動、精準化辦事服務、自動化材料預審等多種掌上政務服務。這種智能化的公共服務創新，不僅優化了市民和企業的辦事體驗，還極大地提升了政務服務的透明度和公信力。深圳推出的“深小i”政務助手通過深度學習和自然語言處理技術，實現了政策解答、辦事指引與訴求響應全鏈條服務，問答精準率接近90%。它能夠快速理解用戶的問題并提供簡潔明了的答案，既提高了用戶滿意度，也顯著降低了人工客服的工作壓力。這些成功應用表明，智能問答系統在政務服務中具有巨大的應用潛力，既能夠處理大量常見問題，又可以通過學習和優化，不斷提高回答的準確性，為推動政務服務向智能化、高效化方向發展提供了寶貴經驗。

數智化治理大模型能夠通過整合多源數據助力經濟治理，為政府決策提供參考。以廣東“粵經濟”平臺為例，該平臺構建了全省一體化經濟治理中樞，涵蓋了33個經濟領域、3萬余項標準指標和超過2.1億條高頻企業數據?！盎浗洕逼脚_通過對數據的整合、關聯與分析，利用知識圖譜技術，將分散的增量數據進行動態關聯，形成經濟運行的“全息影像”，為決策者提供全面、直觀、動態的經濟運行視圖，幫助政府實現對經濟態勢的精準感知和趨勢預測，從而制定更為有效的經濟政策。

從政務服務到經濟治理，數智化治理大模型的應用進一步拓展到民生領域。通過智能監測和預測，城市管理者能夠提前介入，解決潛在問題，提高城市管理的精細化水平。在智慧交通方面，智能交通系統能夠實時監測交通狀況，通過實時數據分析和智能算法支持，預測潛在的擁堵點，并自動調整信號燈時序，優化交通流量管理，確保交通順暢。在社會治理方面，一些城市的智能安防系統通過視頻監控和數據分析，實現了對公共區域的實時監測和預警，有效提升了城市的公共安全水平。這些應用案例表明，數智化治理大模型在民生服務和社會治理領域具有廣泛的應用前景。通過智能監測、數據分析和預測，城市管理者能夠實現資源的優化配置和服務的精準交付，提升市民的生活質量和城市的運行效率。

數智化治理大模型應用面臨的多樣挑戰

上述多領域的典型案例展現了數智化治理大模型在提升治理效能和服務質量方面的巨大潛力。然而，在數智化治理大模型的實踐應用中，各種挑戰也逐漸顯現，一定程度上阻礙了技術應用的成效和治理效能的提升。

智能技術的迅猛發展與治理體系適應性滯后之間的矛盾。算力、算法和功能的快速提升使得技術供給端呈現指數級進步態勢，但治理需求端因受體制機制等約束調適緩慢，大量技術應用僅停留在表面賦能層面，難以深度轉化為實際的治理效能，導致技術先進性與治理實效性之間出現“懸浮”狀態。

人工智能決策過程的不透明性引發合法性問題，即“算法黑箱”。深度學習模型的復雜非線性結構使其決策邏輯難以理解，與政務場景中程序正義和問責追溯的要求相沖突。這迫切需要重構技術信任機制，通過設計可解釋算法、存證決策軌跡以及建立第三方驗證體系等方式，在保障技術效能的同時，滿足公共治理的透明度要求，構建新型的人機信任契約。

技術商品化交易模式與治理能力建設需求之間的矛盾。其典型表現是采購方在初始階段往往過度聚焦硬件性能和短期指標，而忽視了后續數據更新、算法優化、系統維護等必需的持續性投入。這種“重采購、輕運維”的短視行為，直接導致技術應用的邊際效用遞減，使得前期的投入無法有效轉化為可持續的治理能力提升。這反映了當前一次性交易模式的缺陷，暴露了技術采購與應用過程中全周期管理失靈的問題，迫切需要建立涵蓋持續運營和技術迭代全周期的新型合作模式。

數智治理依賴大規模的數據流動與聚合，與個人信息保護、商業秘密維護等要求存在張力。傳統的數據管控手段常常導致“要么封閉、要么泄露”的二元困境，迫切需要一種既能保障數據安全又能釋放數據價值的制度技術復合解決方案，以實現治理效能與權利保護的協同。

隨著人工智能在治理中承擔的職能日益增多，人作為行政決策者的主體地位可能受到影響。這不僅涉及操作層面的責任歸屬難題，更關乎價值層面的倫理判斷權問題。因此，必須建立清晰的人機分工框架，確保決策者對治理目標和價值取向的最終掌控權，防止技術理性對價值理性的侵蝕。

數智化治理大模型的生成式特性在提高政務服務效率的同時，也存在生成內容失真的風險。由于大模型依賴概率生成的底層邏輯，存在輸出虛假或誤導性信息的可能。在政務服務場景中，此類錯誤可能直接導致政策誤讀、公眾困惑、行政決策偏差甚至政府信任危機。

數智化治理大模型的可持續應用發展還面臨技術創新瓶頸和人才短缺問題。現有數智大模型技術在處理復雜治理場景時存在局限性，難以滿足動態變化且日益復雜的多樣治理需求，而專業數智人才的缺乏則進一步限制了數智技術的創新和應用的拓展。

推動數智化治理大模型應用健康有序發展

面對上述挑戰，應從技術、機制、制度、倫理等多個維度展開系統性應對。在此進程中，要堅持技術向善、數智為民的理念，確保技術應用符合公共利益與社會價值導向，以數智治理的高質量發展，為推進國家治理體系和治理能力現代化提供堅實支撐。

彌合“技術—治理”適配縫隙。建立高效的“技術—場景”精準匹配機制，深入基層治理、城市管理、公共服務等核心場景，系統梳理治理痛點堵點，精準識別技術賦能的關鍵節點與優先序。推動技術與業務流程深度耦合，鼓勵技術研發人員與治理業務人員通過建立聯合實驗室、業務嵌入式開發等常態化、深層次的合作機制，共同設計開發符合治理邏輯、嵌入業務流程的創新應用模式，使技術落地后能夠切實解決實際問題，提升治理效能，避免“懸浮式”應用。在此過程中，還要探索建立“試點—反饋—優化—推廣”的閉環式迭代機制，確保應用效果在實踐中得到持續優化。

增強算法透明性與可信任度。構建透明可信的技術應用體系，破解“算法黑箱”問題，是贏得公眾信任的基石。一方面，大力研發并優先在涉及重大公共利益或公民權利的決策輔助場景中采用可解釋人工智能技術。同時，制定推行相關的算法決策透明度標準規范，明確應公開的信息范圍與程度。另一方面，健全算法監督與信任機制，構建獨立的第三方算法審計、驗證與風險評估體系，對關鍵領域治理應用的算法進行定期“體檢”和公正評估。此外，還要建立關鍵決策環節的算法決策存證與追溯機制，確保問責有據可依，進而有效增強公眾對數智決策系統的信任度。

優化與創新技術服務采購模式。轉變“重采購、輕運維”的慣性思維，在技術采購伊始就明確制定數據持續更新、算法迭代優化、系統長期維護與安全升級的全周期成本預算與責任條款。推動采購模式從單純的“商品交易”向“能力共建、價值共創”的伙伴關系轉變，探索建立基于長期績效的付費或激勵機制。同時，建立健全對技術應用效果的持續跟蹤監測與動態評估體系，這對于保障投入能夠轉化為穩定、可持續的治理能力提升尤為關鍵。

強化數據安全保護。在《個人信息保護法》《數據安全法》《生成式人工智能服務管理暫行辦法》等基礎上，細化針對大模型訓練、推理、應用各環節的數據安全與隱私保護實施細則和標準，清晰界定各方責任邊界。在技術層面，采用隱私計算、數據脫敏等手段，在嚴格保障數據安全與個人隱私權益前提下，積極探索促進數據要素安全流通、價值釋放的創新模式，為支撐大模型在治理領域的深度應用掃清障礙。

明確人機協同邊界。構建清晰的人機協同分工框架，明確界定大模型在治理流程中的輔助定位和應用邊界，并嚴格劃定必須由人類決策者最終把控的關鍵環節。同時，制定嵌入治理全流程的核心價值準則與倫理規范，確保技術應用始終符合公共價值導向。堅持“治理的關鍵在人”，加強對決策者和業務人員的人工智能認知、應用能力與倫理意識的系統性培訓，提升其理解技術邏輯、有效運用工具、在復雜人機協同環境中作出審慎判斷與正確決策的能力。

有效應對大模型出現“幻覺”的問題。嚴控數據質量與專業適配，強化數據源頭治理與全鏈路質量管控，建立科學嚴格的數據審核、清洗和標注機制，確保輸入數據的準確性、權威性和時效性。構建高質量的政務領域專業知識庫，并在模型訓練和微調階段進行重點強化與精準注入，以顯著提升模型對專業問題的理解能力與回答的準確性。同時，構建閉環反饋與持續優化機制，包括建立用戶反饋，尤其是對關鍵錯誤或“幻覺”內容的快速響應通道與驗證機制，對確認錯誤的內容及時修正，并基于反饋數據對模型進行定向再訓練與迭代優化。在關鍵應用場景，探索引入多模型交叉驗證或人類專家復核機制，作為防范“幻覺”風險的又一重要防線。

多措并舉突破創新瓶頸、加強人才培養。增加對適應復雜治理場景的大模型基礎理論、關鍵共性數智技術的研發投入，大力推動人工智能與公共管理、法學、社會學等學科的深度交叉融合研究，探索符合治理規律的技術新路徑。加快完善“政產學研用”協同的數智化治理復合型人才培養體系，注重培養兼具技術理解力、治理洞察力和倫理責任感的專業數智人才。同時，加大高端人才引進力度，拓展國際交流合作渠道，為構建強大的數智化治理體系提供堅實的人才儲備和源源不斷的智力支持。

（本文是北京市習近平新時代中國特色社會主義思想研究中心重大項目“北京構建超大城市現代化治理體系的理論和實踐研究”〈項目編號：24LLZZA097〉階段性成果）

[參考文獻]

[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[M].北京：人民出版社，2024.

[2]孟天廣.智能治理導論：人工智能驅動的治理現代化[M].北京：清華大學出版社，2023.

[3]朱旭峰.人工智能對經濟社會的影響[J].前線，2025，（01）.

（作者簡介：杜玉春，清華大學數字政府與治理研究院助理研究員；孟天廣，清華大學社會科學學院長聘教授、計算社會科學與國家治理實驗室副主任）

責任編輯 / 王煥宇