大語言模型背景下政務數據共享的邏輯嬗變與制度完善

專欄導語：生成式人工智能驅動政務服務既非簡單工具，亦非終極答案，它是一場需要持續審視、不斷調適的社會技術實驗，最終目的是讓治理更智慧地服務于“人”的尊嚴與價值。以大語言模型為代表的新一代生成式人工智能，正以前所未有的深度和廣度嵌入數字政務服務體系，為構建服務型政府、提升治理現代化水平注入全新動能。生成式人工智能驅動的遠不止效率的提升，更是一場靜默的治理范式革命。然而，生成式人工智能驅動的積極意義之下，其不僅是工具升級，而是深刻觸及治理本質的再定義，亟待重新思考公共權力的邊界與責任以及規則重構。本欄兩篇文章的共性在于以“生成式人工智能”作為政務服務的切入點展開系統性研究，將研究視角投向驅動過程中涌現的深層結構性問題和制度性挑戰，為理解數字政務服務的當下圖景與未來走向提供理論范式和深層追問。

張會平 、高文浩聚焦最前沿的大語言模型技術，解析大語言模型引發政務數據共享底層邏輯的深刻嬉變，勾勒大語言模型如何重塑政務數據共享的格局與目標，揭示政務大模型的核心能力與數據需求，透視大語言模型嵌入政務數據共享的新要求和新思路。在此基礎上，提出制度完善的系統性進路，這些制度性策略為構建適應大模型時代的政務數據治理新范式撥開迷霧，推動該議題中全新的知識生產與學術傳播。吳磊、劉子瑞敏銳地捕捉到一個核心但常被簡化處理的關鍵議題，即生成式人工智能驅動政務服務的“界面風險”，創造性地構建\"技術一制度一關系”三維分析框架，揭示生成式人工智驅動能政務服務的界面生成邏輯，引出“界面\"帶來的拓展性議題，構建一個理解風險生成與傳導機制的整合框架，并基于三重界面風險，提出三維協同應對策略，為系統性防范和化解智能政務服務中的“暗礁\"提供重要的理論工具和實踐路徑。

[關鍵詞]政務數據共享；大語言模型；政務大模型；公共數據治理中圖分類號：D63 文獻標識碼：A 文章編號：1008-410X（2025）04-0033-13

一、問題提出

大模型技術的突飛猛進與應用落地正在加速政務智能化轉型，各類政務大模型應勢而生。政務大模型并非簡單的技術工具移植，而是數字政府建設邁向智能高效階段的必然產物，其核心在于利用強大的數據分析、語義理解和內容生成等能力，提升政府治理效能[1]。目前，許多行業和地方積極深掘政務大模型應用，以政務數智化驅動中國式現代化，不斷提升政府治理效能、公共決策水平和公共服務質量。數據資源是政務大模型的基礎性支撐，有效運用政務大模型，需要安全、有序推進更大范圍、更深層次的政務數據共享。

政務數據共享是數字政府建設的基石，在提升政府履職能力、推進國家治理體系和治理能力現代化中具有重要支撐作用[2]。作為我國首部專門規范政務數據共享的行政法規，《政務數據共享條例》的出臺標志著政務數據共享工作進入法治化、規范化的新階段，體現國家加快推進數字政府建設、釋放數據價值的鮮明導向[3]。現有條例所倡導的共享模式主要圍繞結構化、標準化的數據類型展開，并未充分回應大語言模型背景下對非結構化、多模態等數據的共享訴求。制度與技術之間的錯位，是政務數據共享面臨的新型張力。

關于政務數據共享的研究可分為價值驅動、阻礙因素和實施路徑三個方面。在價值驅動方面，數字技術的迭代使海量政務數據匯集成為可能，催生了對數據潛力的挖掘，如由于具備去中心化、可追溯、不可篡改等特性，區塊鏈技術應用于政務數據共享，能夠在確保數據安全的前提下打破部門數據壁壘[4][5]，釋放數據資源的公共價值;政務數據的融會貫通能夠助推政府提供公共服務的能力與水平，打造群眾滿意的“一網通辦\"\"跨省通辦\"[6]，即提升政府治理能力和公共服務水平是政務數據共享的內在需求;政務數據作為質量好、范圍廣、高價值的數據資源[7]，安全、全面共享特性滿足了數字經濟發展對數據要素提出的新要求。在阻礙因素方面，數據標準不統一、接口不兼容、數據質量不高、缺乏統一的數據共享平臺等是技術與數據層面的阻礙[8];部門壁壘、權責不清、缺乏統一協調機制、缺乏專業人才、行政管理人員思想滯后、數據提供部門責任意識不強等是管理體制機制層面的障礙[9];共享成本高昂、投人產出不明確、數據共享激勵機制不完備、數據收益和成本估算機制缺乏等是經濟成本層面的障礙。在實施路徑方面，中央層面頒布有關政務數據共享的準備、使用、維護、監管政策，統籌推進數據資源共享[10]，地方分部門分模塊層層落實[11]，搭建政務數據共享的條塊網絡；此外，應建立數據采集、數據共享、數據匯集程序、數據共享權責的全生命周期合法體制[12]，在尊重數據風險邏輯的基礎上，理性對待數據法治[13]。

政務大模型的出現與深度嵌入對政務數據共享提出新要求。現有研究鮮有將大模型這一顛覆性技術作為核心變量，深人探究大模型對政務數據共享所引發的新型嬗變與深層要求。大模型對數據的跨模態、實時性、知識化、場景化及可執行性等高階需求，超過了傳統政務數據共享模式所能承載的范圍。本文聚焦于政務大模型背景下的政務數據共享新圖景，遵循“現狀審視—技術需求—邏輯重塑—制度完善\"的邏輯線條，回答如下問題：政務大模型具有哪些核心能力？這些核心能力對數據提出了哪些新需求？這些新需求給政務數據共享帶來了什么變化和沖擊？該如何完善現有制度以更好支撐政務大模型的發展與應用？

二、按需響應：政務數據共享的運行邏輯

作為數字政府建設的重要基礎支撐，政務數據共享制度的完備程度關系到數據價值實現的效率及政府治理效能的提升。從宏觀層面而言，國務院頒布的《政務數據共享條例》已勾勒出政務數據共享的基本法律框架與頂層設計，核心目的在于通過制度設計“推進政務數據安全有序共享利用，提升政府數字化治理能力和政務服務效能”[14]。地方政府根據本地數字化轉型的實際狀況，制定了更加貼近需要的地方性法規或管理細則，旨在構建運行高效的政務數據治理體系，推動形成一體化政務數據資源體系。

（一）統籌協調與分級負責：構建政務數據共享的治理框架

政務數據共享治理搭建“統籌協調 + 分級負責”的架構體系，目的是厘清各級政府及職能機構的權責關系，解決由于數據分散造成的整合困難。在國家層面，《政務數據共享條例》等法律法規、政策文件的頒布確立了頂層設計與協同運作機制。例如，依靠國務院數字政府建設領導小組推進跨部門協作與標準化進程，從宏觀角度系統指導數據共享工作展開與深人發展。在這個框架下，地方政府承擔分級管理的職責，而且要根據區域稟賦優勢探索本地化的制度與實踐模式。例如，上海市指定市大數據中心作為全市公共數據管理的統籌機構，負責目錄編制、平臺建設和共享應用推進，建立跨部門協同的機制;杭州市以“城市大腦\"為依托，將數據管理部門從技術支撐角色提升為數據資源的管理主體，促使業務流程整合和改良；廣東省把省、市、縣三級的權責劃分清楚，加大全域統籌管控的能力，避免地方重復建設和數據分散。這些實踐體現了統一框架下的差異化探索，增強了制度適配性。于具體部門而言，各個職能部門要指定專人來統籌協調和監管政務數據共享工作，強化自身在數據共享中的主體責任。各部門建立標準化的協作機制，推動不同部門之間開展信息交流并實現資源共享，改善政務服務流程，體現自上而下協調體系在基層治理方面的實際效果。

（二）標準統一與目錄管理：奠定政務數據共享的數據基礎

政務數據共享的推進既依賴跨部門協作機制的完善，又受限于數據標準化程度與互操作水平。數據的非統一性造成部門間共享數據時無法直接對接，需要耗費大量人力物力進行清洗、轉換和匹配，不僅效率低下，且極易導致數據失真和業務協同障礙。政務數據共享要從根源出發，創建統一的數據標準體系：一是制訂數據元標準，即對數據最小邏輯單元進行統一定義，保證各個系統里同名數據項的語義一致；二是形成數據分類編碼規則，對政務數據進行科學分類并賦予統一編碼，做到數據結構化處理，改善檢索速度和管理效果;三是確立接口與交互規范，清楚數據交換過程中的接口規劃、格式界定、傳輸方法等關鍵部分，保證不同系統之間的兼容性和互操作性[15]。這些標準化舉措成為達成數據“可用、可讀、可信”目的的重要支撐。標準統一在制度上依托目錄管理機制的搭建，國家政策及地方實踐要求各部門編制并更新本部門數據目錄，明確數據名稱、提供主體、共享方式等信息，使分散在各部門的數據資源能夠被集中“清點”和“登記”。目錄體系如同數據地圖，解決了“不知道有什么數據\"與“不知道數據在哪兒\"的問題。例如，浙江通過“浙里辦\"等平臺構建統一目錄，各部門能夠快捷查找數據，實現了跨部門數據的歸集與應用[16]。

（三）供需對接與依法共享：規范政務數據共享的使用行為

供需對接與依法共享側重于數據流轉過程中的行為規范和責任約束，旨在確保數據在不同主體間有效流通與合規使用。數據供給方常常會由于擔心工作負擔加重、自身承擔不可控的法律與輿論風險或喪失數據權力籌碼而不愿開放數據[8]，數據需求方則經常遇到數據獲取途徑少、申請流程繁雜、審批周期長及使用權限受限制等困境，導致實際數據共享低效、數據共享難以落地。現有制度構建了以需求為導向的供需對接機制。對需求方來說，需求方有權提出數據申請，并且供給方要在指定的時間內予以答復，確保需求部門能夠通過明確的法定渠道表達數據需求，而非依賴非正式的“人情溝通\"或層層審批。需求方必須踐行依法共享原則，對數據的使用必須限定在申請的用途之內，不能超出范圍使用或透露給第三方，以保證數據應用符合法規且有效防范風險。對供給方來說，現有制度明確數據提供的權責邊界，解決“不敢共享\"“不愿共享\"的問題;確立了“應共享、盡共享\"的剛性義務，使數據提供從過去的“可選項\"變為“必選項”;對共享申請進行合法性、必要性審查，在法定時限內答復并提供數據，提升了數據共享效率。現有制度按照“誰管理誰負責、誰使用誰負責\"的原則，加強供需雙方責任約束，使數據提供者在依法履職時不會被額外追責。供需對接與依法共享機制的構建，改變了以往政務數據共享中供需雙方信息不對稱、權責不明確、行為無序的被動局面。

（四）安全可控與全流程監管：筑牢政務數據共享的安全底線

安全可控與全流程監管指向數據共享的生命線，即如何確保數據在全生命周期內的安全性和可靠性。現有制度設計將“安全可控\"理念貫穿政務數據共享的各個環節。在共享前，借助數據分類分級和脫敏處理削減潛在風險[17]，如上海市對不同敏感程度的數據設定不同的共享條件和安全等級，確保敏感數據在共享前經過嚴格的脫敏、加密處理。在共享中，推動建設安全可信的數據共享交換平臺，采用加密傳輸、身份認證、訪問控制等技術手段，確保數據在傳輸過程中的完整性和保密性，很多地方推行專用網絡隔離和邏輯加密結合的技術方案，構建物理隔離與邏輯隔離相結合的安全環境。在共享后，實施用途限定、日志審計、周期核查機制，如廣東省建立安全日志留存與溯源制度，要求在數據使用期結束后及時銷毀或歸還。在安全可控理念下輔以全流程監管機制筑牢了數據共享生命線。全流程監管是指數據主管部門對政務數據從采集、存儲、共享、使用到銷毀的全生命周期進行持續性、系統性的監督檢查。例如，杭州市大數據管理局通過技術手段，實時監控平臺上的數據訪問行為、下載記錄和異常操作，一旦發現違規行為立即預警并啟動追溯機制，避免安全責任出現“真空地帶”。全流程監管有效解決了政務數據共享的安全顧慮，使各部門能夠更加放心地參與數據共享。

（五）平臺支撐與技術賦能：構建政務數據共享的基礎設施

政務數據形態已經從傳統紙質文本轉向電子化、結構化數據。這一轉變不僅是數據載體的更新，更是對數據管理、流通和應用模式的根本性重塑。隨著數據量激增和共享需求的復雜化，亟須以平臺建設為支撐，構建穩定、安全、高效的共享基礎設施。政務數據共享平臺具備物理架構和邏輯功能的雙重屬性，主要功能包含數據匯集、目錄管理、資源分配及安全保障等諸多方面。這些平臺并非簡單的信息系統，而是集計算、存儲、網絡、數據服務于一體的綜合性技術底座。國家要求建設一體化政務服務平臺作為數據共享的總樞紐，嚴格控制各部門業務系統的數量，將各地區、各部門政務數據平臺接人全國政務大數據平臺[18]。統一建設打破了“數據煙囪\"的格局，為數據標準化、安全監管提供了統一的技術路徑。在省級層面，通過建設省級政務云和大數據平臺實現了全省政務數據集中匯集、統一管理和高效共享，，特點在于承上啟下，既對接國家平臺又向下延伸至市縣級，支撐全省域的數據共享與業務協同。在市縣層面，側重于建設面向具體業務場景的共享平臺或應用支撐平臺，特點是更貼近基層業務需求，與上級平臺進行數據對接，實現上下聯動。不同層級平臺間的互聯互通，通過統一的接口規范、數據交換協議和安全認證機制來實現，共同構筑立體化的政務數據共享網絡。

三、因能而變：政務大模型的核心能力與數據需求

以 DeepSeek 為代表的大模型融人政府治理，為數字政府建設提供了強大的技術支撐[19]。基于數字政務人“小浦”“如如\"文旅大模型、“京策\"政策大模型、社工AI助手“小鯨\"四個典型案例研究發現，政務大模型效能的實現需要高質量數據整合[20]。政務大模型的能力依賴高質量數據的供給，需要基于政務大模型的核心能力，全面梳理其數據需求。

（一）政務大模型的核心能力

1.自然語言理解與生成能力。自然語言處理技術主要包括兩大核心部分：一是自然語言理解；二是自然語言生成[21]。前者依靠大規模預訓練模型，對文本的深層語義展開精確分析;后者則致力于根據輸人的數據或指令，自動生產符合語法規則，契合語境且邏輯連貫的人類可讀文本。這兩項關鍵技術共同形成政務大模型展開高效人機交互的關鍵支撐。在政務應用環境下，大模型可以準確解讀民眾及企業復雜的政策咨詢或業務需求，從龐大的法律法規中提煉關鍵要素，給出簡潔明了的回答；撰寫各類官方文件，如報告，公告等;對現有的文檔進行校驗改良，改進文檔的質量；仔細分析輿情數據，從中提取關鍵信息，形成一個主題集中化的總結報告，為決策者把握社會動態和民眾關注提供重要的參照依據。

2.多模態數據融合生成能力。多模態數據融合生成能力是指模型能夠處理和理解文本、圖像、音頻、視頻等多種不同模態的數據信息，并在此基礎上進行跨模態的智能生成。這種能力打破了傳統只用單一數據源處理的局限，讓大模型有了類似“多感官\"系統的交互特點。多模態數據融合能力使大模型在政務領域中能夠對復雜的異構環境進行全面感知和深刻理解。與傳統政務信息系統不同的是，政務大模型憑借多模態數據協同分析能力可以做到統一而深入的語義解析，按照特定需求從一種模態生成另外一種模態并將內容輸出。例如，在城市應急管理方面，大模型可以將視頻流、遙感影像、傳感器數據及文本報告等各類信息匯總，對城市基礎設施運行情況、交通流量分布狀況及環境質量等核心指標進行精確評價[22]。政務大模型的主要優點在于能夠自動產出圖文并茂的分析報告，憑借語音交互技術遠程控制應急設備，進而優化城市治理的精細程度和突發事件應對效果。

3.時空數據分析與預測能力。大模型的時空數據分析與預測能力契合現代政府對治理精細化和前瞻性的迫切需求。時空數據分析與預測是指模型能夠理解、處理和預測地理位置和時間維度不斷變化的信息。這個功能主要依靠循環神經網絡、Transformer等先進模型來達成。這些模型的互構使大模型能夠深入探究文本數據里的時間序列特性及長程依賴關系，從而有效地找出時間序列里隱藏的信息和動態走向，為預測分析和異常檢測賦予可靠的支撐。例如，百度利用時空Transformer 技術開發出文心交通大模型，將時間序列上的交通變化和空間上的道路拓撲結合起來，實現了對交通模式的精確分析與預測[23]。時空數據挖掘與預測技術能夠讓政府做到前瞻性規劃，提前察覺到潛藏的風險并采取主動干涉的舉措，從而優化治理效能。

4.知識圖譜構建與推理能力。知識圖譜不僅僅是詞條的積累與堆砌，而且是將政府管理和服務中的各種“實體\"作為知識圖譜的節點，將它們之間的“關系\"作為知識圖譜的邊[24]。政務大模型中的知識圖譜可以根據覆蓋的范圍和專業性分為兩類：一是通用政務知識圖譜，包含政府運作的大致框架、法律法規及標準流程等內容，它們為政務大模型提供常識性支撐；二是針對具體領域的垂直政務知識圖譜，包括醫療保障、市場監管、城市規劃等領域，蘊含很多專業知識體系和領域業務規范。這兩類知識圖譜結合起來形成的網絡架構能夠使大模型像人類一樣理解政務信息的深層含義和信息之間的關系，并且在理解的基礎上進行邏輯推理發現新的知識或解決復雜問題。傳統知識圖譜構建大多依靠人工標注和規則設定，既耗時又費力[25]，而且很難應對政務數據的動態更新和規模增長。大模型能夠實現知識圖譜的半自動化甚至自動化構建，進而有效地從非結構化的政務文本中提取實體、關系、事件這些關鍵要素。

5.任務自動化與流程再造能力。任務自動化主要指將原本依賴人工處理的政務服務環節通過智能化手段實現即問即答、自動生成、一次告知。傳統人工智能技術實現的任務自動化通常依賴規則或特定算法，僅適用于固定流程，缺乏靈活性與擴展性。大模型所表現出來的任務自動化擁有更強的通用性、語言理解能力和跨任務遷移能力，通過預訓練和微調達成對自然語言指令的準確分析且快速匹配到眾多任務應用場景。政務大模型的任務自動化不再是局部環節的替代，而是嵌人完整的政務流程，對整個服務路徑進行重構。以自動化審批為例，大模型不僅可以根據流程節點自動生成審批意見，還可以聯動調用相關部門材料、歷史案例和政策依據，實現在“流程觸發—模型生成—結果反饋”閉環中的即時響應，大幅減少人為干預與等待成本。在此基礎上，審批系統可以根據大模型生成的初審結果自動進入下一流程節點，實現跨部門的智能流轉。政務大模型的任務自動化與流程再造能力，保障政務服務從“可辦\"到“高效辦理\"再到“優質服務\"的轉型［26]。

6.人機協同與智能化決策能力。政務大模型不僅具備任務執行與信息生成能力，更展現出對復雜治理問題的認知加工與判斷輔助能力，為政府決策模式帶來根本性變革。政務大模型能夠輔助政策方案的生成、比較與預測，助力實現人機協同的智能化決策。政務大模型還可以根據歷史數據、治理經驗和實施反饋提出多套可行方案，并模擬不同方案下的社會反應、資源投入和風險預估；對政策執行可能引發的連鎖反應進行預測，識別潛在矛盾與不可預期風險，輔助領導“預見性決策”[27];通過歸納民眾反饋與輿情數據，為方案調整與后續監督提供依據，實現從“經驗驅動\"向“數據決策\"的躍遷。人機協同與智能化決策的核心在于發揮模型高效處理與洞察能力的同時，保留人類對價值判斷、倫理邊界和政治意圖的主導性。

（二）政務大模型的數據需求

1.文檔類數據。文檔類數據是政務大模型的血液和養料，維系著其理解力、生成力及決策輔助能力的生命線。大模型只有通過對海量文本的無監督預訓練，才能習得語言的內在邏輯、知識結構與邏輯關系[28]。政務文檔中蘊含的政策精神、行政邏輯、業務規范等專業知識能夠滿足大模型構建政務認知的需求。政務領域內的文檔類數據，涵蓋政府在日常運行、管理和服務過程中產生、收集和積累的各種以文字為主的非結構化信息資源。一是政策法規類文本，包含法律法規、地方性條例及政策文件等不同形式，是政務大模型中規范政務語言表達并形成制度框架的重要基礎。二是政務公文與報告類文本，如政府工作報告、行政公告等，重點體現的是政府運作過程中的業務流程、專業用語、行政思維模式等特征。三是辦事指南與服務手冊類文本，這類數據直接面向民眾和企業，旨在提供具體的辦事指引。四是輿情與民意反饋類文本，這部分數據反映了民眾對政府工作的評價、意見、建議和訴求。五是專業領域知識文本，是指政府在特定管理或服務領域積累的專業知識。六是政府公開信息與數據字典類文本，包括政府官方網站發布的各類新聞稿、統計數據解讀、政府信息公開目錄，以及描述政務數據結構的元數據、數據標準、數據目錄等。

2.多模態數據。通過持續學習治理實踐的多模態數據，大語言模型能夠透過紛繁表象把握事物本質[29]。多模態數據是超越傳統文本范疇的、能夠以數字形式存儲和處理的、承載政務信息的異構數據集合，可分為圖像數據、視頻數據、音頻數據、傳感器數據及其他結構化與半結構化數據。在政務領域中，圖像數據大多涉及與政府事務有關的靜態影像資料，如城市管理過程中的違法證據照片、現場勘查圖示、歷史檔案文獻掃描件等。視頻數據包含城市交通監控錄像、公共區域動態視頻流、應急指揮平臺實時畫面、執法人員記錄設備采集的視頻、政府會議錄制等。音頻數據則包含政務服務熱線通話記錄、民眾訴求電話錄音、高層領導公開講話音頻、行政會議紀要錄音、突發事件預警語音通知、智能語音交互平臺對話記錄等多種聲學信息載體。傳感器數據是物聯網在政務領域的應用產物，包括環境監測傳感器數據、交通流量傳感器數據等。其他結構化與半結構化數據如各類電子表格、數據庫記錄、結構化表單等，它們往往與非結構化文本、圖像等形成關聯。

3.優質時空數據。政務大模型的時空數據分析與預測能力并非簡單地記錄時間地點，而是通過對海量、異構且帶有精準時空標記的政務數據進行整合、挖掘與推演，構建一個能夠模擬和預測現實世界動態變化的“數字孿生\"體系。優質時空數據的核心特性主要體現在即時性與地理精細性兩個方面。即時性數據不僅要涵蓋事件發生的時間點，而且要具備高頻次更新的能力，能夠隨著事態的演變而持續流入。這種即時性強調的是數據所承載信息的時效價值，而非僅僅是數據傳輸的速度。地理精細性數據能夠精準刻畫政務實體和事件在地理空間中的具體位置、形態及其相互間的空間關系，此類數據包含精確的地理坐標、具體的地址信息、行政邊界的劃分或地理實體的編碼等關鍵要素。地理精細性既存在于結構化的地理信息中，又表現在非結構化的文字描述里，如某個區域事件的文字記載，還有結合衛星遙感影像、無人機航拍圖像等多種模態數據所蘊含的空間語義聯系。地理精細性賦予大模型“空間透視\"的能力，能夠理解政務活動的地域特征和空間關聯，從而實現精準施策和差異化

治理。

4.領域知識圖譜。知識圖譜結合政策知識要素形成富語義的網狀知識體系，通過補全知識要素來提升政策大模型知識問答服務的穩定性、可解釋性[30]。大模型既要擁有準確識別實體及其關聯關系的能力，又要依靠已有的知識來開展類似人的邏輯推演過程，需要具有高度專業性與可聯系性的數據。一是專業性數據是高度聚焦于特定政務領域的，包含該領域特有的術語、概念、規則、案例、實體和事件，如在醫保領域內，包括各種疾病、藥品、治療方法、醫保政策、報銷流程等。通用大模型在垂直領域表現不理想，正是因為缺少這種專業化領域知識支撐[31]。二是可聯系性是領域知識圖譜數據的核心所在，這類數據能夠清晰地展現政務實體之間的復雜關系，要求數據中蘊含或能夠被抽取出的不僅是孤立的事實，更是這些事實之間的因果、時間、從屬、條件等多種邏輯關系。

5.流程協同數據。政務服務本質上是一個由多層級政府機構、跨部門系統及多元主體共同構成的協同運行體系。大模型技術的嵌入不僅重構了傳統政務服務的運行邏輯，更通過任務自動化與流程再造實現了服務效能的躍升，而這一轉型過程高度依賴流程協同數據的有效整合與運用。該類數據不僅記錄政務事項在多個部門、系統、層級間流轉過程中的運行軌跡，更實現了對每個流程節點的結構化描述與責任標注。它包含完整業務流程的環節設置、審批鏈條的層級關系、每個環節所需材料清單、審批依據與權責歸屬、實際操作人員、處理時限、狀態變更日志、異常中斷記錄等關鍵要素。流程協同數據最大價值在于賦能大模型對政務流程的全景理解與關鍵節點控制，能夠發現流程斷點、識別環節冗余、分析資源瓶頸，從而實現任務調度優化。

6.決策支持數據。決策支持數據是大模型從單一任務執行工具向綜合智能決策支撐平臺轉變的關鍵變量，“如果沒有數據，公共決策就會被直覺與膚淺的花言巧語所主宰\"[32]（P210）。相較于前述各類數據側重于操作與過程，決策支持數據強調“以未來為導向\"的行動參考，不僅能夠描述治理現狀，而且支撐可選方案推演和治理結果預測。從內容構成看，決策支持數據既包括流程協同、輿情反饋、治理成效、資源分布等顯性結構化數據，也必須融合政策文本、知識圖譜中蘊含的制度邏輯與治理語境。與此同時，真實的公共決策場景往往還需要調動領域專家的隱性知識——包括經驗判斷、風險認知、專業直覺等難以量化但至關重要的知識資源。政務大模型若要實現人機協同決策，就必須具備對這類知識的表達、調用與組合能力。這種數據與知識的協同構成政務大模型決策支持能力的底層邏輯。政務大模型不僅要在技術層面整合多源數據，更要構建“面向決策\"的知識組織機制，使顯性數據與隱性知識有機融合，從而推動政府從被動響應走向科學、主動、可解釋的現代化決策模式。

四、動態多元：大語言模型嵌入下政務數據共享新要求

隨著政務大模型嵌入政府業務，現有的政務數據共享運行邏輯發生了改變。數據共享內容從傳統的結構化文本擴展到圖像、視頻、音頻等多模態數據;共享依據也從法規剛性下的“需求驅動\"轉向“主動共享\"，尤其是部門與個人的意愿成為關鍵因素[33]。現有數據共享平臺在技術上面臨升級挑戰，需要政務大模型在核心能力基礎上考慮政務數據智能的轉變。安全保障和權責關系的重構成為新問題，如何確保數據的一致性、避免偏見并明確責任，是大模型驅動下政務數據共享的新要求。

（一）共享內容增添：納入文檔類、多模態數據

一直以來，政務數據共享實踐關注結構化文本數據，相關制度設計主要圍繞表格型或字段型數據的標準化展開。政務大模型對非結構化數據的需求愈發凸顯，與以結構化數據為主的共享模式存在張力。在政務大模型應用場景中需同時接入圖像、語音、視頻等多模態數據與規章制度、會議紀要、講話稿等文檔類資料，以實現對場景的全面感知與語義理解。在這種需求牽引下，政務數據共享的內容邏輯向著多源異構數據共建方向演進。一是多模態數據在城市管理、交通監測、應急響應等領域具備高度應用價值，傳統制度對此缺乏處理機制，無法滿足統一編碼、語義解析等現有規則的要求。二是文檔類政務數據作為大模型訓練和推理的關鍵語料，也因歸集標準缺失而難以被納入共享目錄體系。這類嬗變實質是數據內容邊界的重塑。為支撐政務大模型對感知力、理解力和生成力的全方位擴展，政務數據共享逐步納入更多文檔型、非結構化和多模態數據內容，實現由“信息接人\"到“語義嵌入\"的躍遷。這不僅是數據類型的延伸，更是治理邏輯從數據交換轉向認知協同。

（二）共享依據擴充：從法規剛性到意愿驅動

在現有政務數據共享制度中，數據共享主要建立在法律授權與目錄編制基礎之上，強調依法共享與供需對接的剛性模式。以地方層面為例，上海市出臺的《上海市公共數據共享實施辦法（試行）》[34]、廣東省出臺的《廣東省政務數據資源共享管理辦法（試行）》[35]等文件均明確提出，政務數據共享應以職責相關性為原則，在統一目錄下根據部門申請進行調取與響應。這種以法規規定與申請驅動為核心的共享邏輯，在一定程度上保障了數據共享的安全性與規范性，但也帶來共享內容狹窄、流程響應緩慢、跨部門聯動受限等現實問題。大模型在生成政策文本中，往往需要獲取尚未正式登記入共享目錄的部門內部材料、非標準化記錄及大量隱性知識，如工作備忘、會議紀要、機關講稿、初步意見稿等。這些數據未必具備明確的法規共享依據，卻在政務知識建構與場景適配中具有高密度的信息價值。若依賴傳統的法規授權模式，大模型將長期面臨“有用但不可得\"的數據供需錯配。政務數據共享的依據需要從依據法規即可共享的剛性模式，逐步向尊重意愿、兼顧治理效能的柔性機制轉變。在實際操作中，有些地方政府探索了基于授權的白名單共享機制，推動有條件的數據在安全可控的范圍內提供給大模型訓練，以及成為大模型任務系統調度生成的養料。另外，隨著越來越多公務員、政策研究機構參與到大型模型建設的過程中，部分單位內逐漸形成“主動貢獻數據\"即“貢獻治理能力\"的認知轉變。一些地方建立數據共享激勵機制，將部門或個人在大模型建設中的數據貢獻納人績效評估或數據資產評估指標[36]，從制度上引導\"共享意愿\"向“共享責任\"轉化。

（三）共享方式擴展：從被動響應到主動共享

政務數據共享機制大多采取“需求推動，被動回應\"的運作形式。數據調用周期長、鏈路復雜，難以滿足跨部門場景下多源數據快速集成的實際需求。在政務大模型形成過程中牽涉智能任務調度、知識融合建模等復雜情形，如果按照傳統的逐項申請并予以核準的方式行事，會極大地限制其技術效能的充分發揮。大模型背景下政務數據共享方式需要從按需分發向常態推送、自動更新轉變。《中華人民共和國政府信息公開條例》明確要求“應主動公開的政府信息\"須在法定時限內發布，尤其是涉及公共政策、辦事指南、財政收支、應急預警等信息[37]。若以此為起點，結合政務大模型對知識語料持續更新的需求，可推動將“主動公開\"邏輯拓展至“主動共享\"范疇，不僅共享于政務數據需求部門，也可開放給具備授權權限的智能系統或跨部門任務協同平臺使用。與此相配合的還有數據按類自動歸集、接口按需實時調用、共享日志智能監管等輔助機制，從根本上打破數據流動的人工門檻。從被動響應到主動推送既是共享方式的突破，也是推動數據共享從行政協調走向系統協作。

（四）共享平臺升級：從數據倉庫到數據智能

政務數據共享機制依托的核心平臺主要擔負著數據整合、目錄構建、權限管理和分發服務的基本功能，平臺的技術架構大多采用的是數據倉庫經典范例。這一平臺邏輯與政務數據共享的制度目標相匹配時，表現為保障數據安全、推動部門間的基礎性數據貫通。隨著大語言模型在政務場景中的嵌入式運行需求日益增強，現有數據共享平臺作為數據倉庫的技術形態遭遇適配性瓶頸。政務大模型需要共享平臺從數據倉庫轉向數據智能，平臺不再是被動的管道，而是轉變為具備計算能力、語義處理能力和協同調度能力的數據智能平臺。數據智能平臺既應具備數據整合、共享等基礎性功能，又要實現數據向智能的躍遷[38]

（五）共享安全再定義：從訪問控制到語義一致

政務數據共享安全保障體系的主要架構包括權限控制、數據分類及職能界定。這三個要素在現有制度中普遍遵循“誰提供誰負責、誰使用誰負責\"的原則，強調數據安全審查、個人信息保護與網絡安全合規性。隨著大語言模型在政務領域的深度應用，政務數據共享平臺不再只是被動接收數據的工具，它通過訓練、推理和生成參與到數據的理解、重構與再表達中。這一過程所涉及的風險類型不再局限于外部非法訪問或權限濫用，而是轉向更復雜的模型偏誤、數據幻覺、語義扭曲與輸出不一致性等問題[39]。原有以數據能否訪問為核心的問題，逐漸讓位于模型使用的數據內容是否真實、一致、可溯的更深層次治理命題。這要求安全治理技術向更高層次演進，包括數據可信機制、模型合規責任、倫理評估工具等。

（六）權責關系調整：從歸口管理到協同共治

政務數據共享機制大多圍繞數據共享各個利益相關者的權力與責任[40]，數據供給部門承擔數據安全責任，數據需求部門則履行合規使用、風險防范的職責。隨著大模型嵌入政務數據共享流程，傳統的歸口管理與分級負責方式的弊端凸顯。一方面，大模型數據的使用往往牽涉多部門數據的調配，調配路徑動態且復雜，很難準確追蹤到數據的來源、由誰觸發、誰該擔責；另一方面，大模型在調用數據時結合自動化推理、算法改良、用戶反饋等多種因素，參與方涉及算法開發方、系統運維方、業務使用方乃至終端民眾，權責關系呈現高度交叉且非線性擴展的趨勢。傳統“單一部門監管 + 個體行為擔責\"模式，顯然難以滿足復雜協同條件下的數據共享責任治理需求。另外，政務數據資源被認為是一種部門資產和資源，但大模型背景下政務數據已超越傳統部門資產范圍，成為治理生態系統中的流動要素，需要嵌入跨部門流程與平臺邏輯中加以協調使用[41]。相應地，權責關系也應從“提供者—使用者\"的單向鏈條，逐漸變為以“數據全生命周期治理\"為中心的共治模式[42]。這個模式包括權責共擔、風險共識、反饋共建等機制的引入，使數據在流轉過程中每一個環節都能明確權屬、記錄責任、共享監管信息。

五、制度完善：構建面向大語言模型的政務數據共享新規則

現有政務數據共享制度體系能夠適應“一網統管\"“一網通辦\"等需求，但釋放政務大模型的潛力需要推動政務數據從可共享邁向可應用的轉變，在制度層面作出系統性回應與前瞻性設計，從而為政務智能化轉型奠立堅實基礎[8]。

（一）鼓勵有條件的地方先行先試

當前的制度設計強調統一性和安全底線，難以適應大模型對數據的多樣化需求，應在制度允許范圍內鼓勵有條件的地方探索先行先試。一是地方以現有的高集成平臺為基礎，推動政務數據倉庫、共享接口與大語言模型能力深度融合，探索數據集成賦能智能治理的一體化政務平臺體系，如浙江省依托“浙里辦\"等平臺再搭配DeepSeek大模型，初步形成涵蓋多部門協同、跨層級響應、智能決策的數據共享技術體系，可作為平臺型先行的試點樣本。二是根據地方差異化數據稟賦特點，聚焦特定數據類型，打造貼合本地需求的優勢數據共享樣板，如在交通發達的地方著重推動融合視頻監控和物聯網技術等多模態數據的模型接人機制;在產業多元化的城市則把重點放在解決市場監管、企業服務等領域的數據壁壘，建立服務型數據模型系統。三是圍繞具體場景融合開展智能共享與政策精準匹配試驗，聚焦“政策找人\"“精準救助\"等民眾感知度高的服務場景，通過共享身份、收人、住房、健康等跨部門基礎數據，支撐大模型對服務對象的精準識別與政策推薦[43]，如有條件的地區可探索智能化的社會保障匹配機制，在共享規則與數據安全可控前提下實現公共政策的個性化觸達。通過賦權地方，支持地方結合自身治理基礎、數據能力和社會需求展開機制創新，既能探尋契合多種場景的應用方案，又能憑借局部改良檢驗普適性規律，從而為政務數據共享制度在大模型語境下的系統轉型積累堅實的實踐基礎。

（二）探索數據分類分級新思路

現有政務數據分類分級制度多按照“部門一業務\"邏輯，側重于數據的涉密等級、來源路徑和職能歸屬。這一模式能夠滿足以結構化數據為主的共享需求，但在大模型深度嵌入政府治理后其局限性凸顯，有必要構建以用途屬性為導向、兼顧模型特征與場景敏感性的多維度數據分類分級體系。在數據分類上，將“部門—業務\"邏輯轉變為“用途歸屬”邏輯。考慮將數據劃分為四類：一是基礎支撐類，如人口、地理、法人等基礎信息，為模型提供統一識別背景；二是語義表達類，包括政策文本、有關政務靜態影像、會議錄頻等能夠支撐內容生成與政策理解的數據；三是行為軌跡類，涵蓋用戶訪問日志、服務路徑、交互記錄，支撐模型對使用意圖和流程規律的學習;四是智能訓練類，如人工標注數據、用戶反饋樣本等，為模型微調與精度優化提供語料基礎。各類數據應同時疊加模態（文本、圖像、視頻等）、結構化程度、使用頻次、來源方式等標簽，以實現細粒度管理，如某城市的交通執法視頻可以打上視頻（模態）、非結構化（結構化程度）、中等（使用頻次）、現場采集（來源方式）等標簽。在數據分級上可以采用四個等級：第一級完全共享，數據可廣泛用于模型調用與訓練，具備高公共性和低風險性;第二級有條件共享，數據需在限定場景下調用并記錄日志;第三級限域使用，數據需經過審批流程，限定任務角色與使用頻率;第四級嚴禁外用，數據為敏感信息或涉密資料，不得直接暴露于模型接口。通過構建多維、動態、嵌套的數據分級體系，既可以提高共享精度，控制安全風險，也有助于實現差異共享、精細管理的治理目標，為大模型在政務系統中的可持續運行提供穩固的數據基礎。

（三）完善政務數據目錄的編制

現有目錄體系的搭建工作大多側重于結構化字段的規范化登記，對文檔類、非結構化、多模態數據覆蓋不足，導致大量語義信息密集型數據資源游離于目錄之外，缺乏可供大模型識別的入口。目錄更新的流程仍舊依靠人工申請和審批機制，存在效率低，反應慢等問題，不能滿足大模型對數據即時性和地理精細性的高標準需求。為提升目錄體系對大模型場景的適配性，有必要推動目錄編制從被動登記、靜態歸檔向主動發現、語義驅動轉變。積極探索“模型導向型目錄機制”，提升目錄對大模型任務的適配能力。一是擴大目錄收錄范圍，尤其將公文材料、政策文檔、語音轉錄、圖像資料等具備高語義密度的文檔類和多模態數據納入目錄體系；二是推動語義標簽體系建設，基于數據類型、用途場景、敏感級別等維度，建立支持模型調用的多維標簽結構，使目錄不僅可檢索，更可理解；三是引入任務驅動式目錄編制機制，支持模型在執行特定任務時按需反向登記、自動補錄。

（四）提升共享平臺的支撐能力

大模型的技術特性對數據共享平臺提出更高要求，大規模的參數驅動和上下文建構依賴平臺對異構數據的快速匯聚與深度融合，要求平臺具備強大的數據解析與語義對齊能力；同時，模型的動態推理能力依賴任務型、場景化的數據輸入路徑，要求平臺不僅能找得到數據，更要識別任務所需的數據，具備一定的推送、推薦與智能適配能力。在安全合規方面，大模型的數據調用過程需實現全過程留痕、風險識別與策略干預。提升共享平臺支撐能力的關鍵，在于推動共享平臺從數據交換平臺向智能數據中臺轉型。一是加強平臺的語義解析功能，做到對多種類型數據的自動識別、格式轉變及語義標注，促使結構化和非結構化的數據得以有效整合；二是增強平臺的場景響應能力，面向政務大模型的典型任務，如智能問答、決策輔助、流程生成等，配置任務標簽與數據推薦機制，實現數據調用的前置匹配與自動派單；三是形成“技術 + 制度\"雙重保障體系，把數據脫敏、接口限流、用途監測等各類功能模塊整合起來;四是建立跨平臺的數據資源接口標準與任務適配協議，提升不同級別、不同領域政務平臺之間的互聯互通與數據協同能力，構建政務大模型運行所需的彈性、智能、可信的底層數據服

務環境。

（五）加強數據質量和安全管控

在數據質量方面，大模型不僅需要海量的數據進行預訓練，而且對數據質量的需求隨著模型的更新迭代越來越高。有必要構建面向模型使用場景的數據質量標準體系，將語義準確性、內容時效性、跨模態一致性等指標納入評價體系，建立涵蓋數據生產、流轉、共享與使用各環節的全過程質量評估機制。推動數據責任標記制度，明確數據源頭、加工路徑與修改痕跡，為模型追責與結果可解釋性提供基礎支撐。在安全管控方面，大模型的數據使用具有過程不透明、用途不可預設、生成難以追溯等特性，現有以權限邊界為核心的數據安全體系在模型場景下顯得力不從心。一方面，從事前管控向全過程動態監管延伸，構建數據使用日志、調用監測、模型行為反饋等機制，確保數據在調用、加工、輸出全過程處于可記錄、可審計狀態;另一方面，將差分隱私、聯邦學習、模型脫敏訓練等前沿技術納入政務數據共享的技術規范中，探索以技術嵌入實現安全共享與價值釋放的平衡。

（六）優化數據共享的管理體制

大模型技術帶來的意愿驅動共享邏輯，要求管理體制具備更強的橫向協同能力。一是推動數據共享管理由部門中心化向以任務和應用場景為中心轉變，設立跨部門的數據協調機制或指定專門的任務場景負責人，對特定智能任務的數據需求進行統籌調度，提升組織彈性與管理響應速度。二是大模型技術的持續迭代特性要求數據共享管理機制具備更強的適應性與閉環能力，創建包含“數據采集與使用、性能評價、責任追溯、規范更新\"四個關鍵環節的動態管理鏈條，做到從數據接人到模型輸出的全流程細致把控。三是在制度設計上推動構建統一領導、分層協同、平臺支撐、動態調整的數據共享治理結構。強化數據管理部門的統籌作用，形成融合技術控制，業務規劃和安全監督的綜合體系；明確大模型在數據應用方面的法律界限和責任歸屬，細化模型輸出環節各個主體的權利義務劃分規則，避免因技術復雜性掩蓋責任不清的治理風險。優化政務數據共享的管理體制，不是對原有架構的完全否定，而是對現有制度進行完善，實現從部門分治到系統協同的深層轉型。在大模型推動下，數據不僅是管理對象，更是治理的資源。只有構建具備彈性邊界、動態規則和多元協同能力的管理體制，才能為大語言模型下的政務數據共享提供堅實的制度保障。

六、結語

以DeepSeek為代表的國產大語言模型技術突破，讓大語言模型能力釋放跨越了效率和安全障礙，有力促進了生成式人工智能在政府治理中的應用，深化了智能治理的形態躍遷。政務數據共享在大語言模型能力輸出背景下，不再是簡單的部門對接邏輯，而是以數據和智能為中心驅動治理知識創新、人機協同決策，并進一步帶動治理結構調整和制度工具革新。原有的“交換目錄一部門責任一安全審查\"運行邏輯面臨適配性問題，需要重新定義數據的價值邊界，不斷優化治理方式，在大語言模型助力下持續釋放政務數據在各類治理場景中的價值。構建和應用政務大模型的關鍵在充分發揮大語言模型的自然語言理解與生成、多模態數據融合生成、時空數據分析與預測、知識圖譜構建與推理、任務自動化與流程再造、人機協同與智能化決策等能力。高質量數據供給是政務大模型構建和應用的基礎保障，也是推動數字政府建設水平躍升的重要支撐;缺乏高質量數據供給，政務大模型的能力會大大削弱，甚至無法提供應有的強大能力。從政務大模型的實際需要而言，需要在不同政府部門之間、不同層級政府之間、不同政務系統之間共享文檔類數據、多模態數據、優質時空數據、領域知識圖譜數據、流程協同數據和決策支持數據。當前的政務數據共享制度難以滿足這些數據共享需求，需要將有關數據有序添入政務數據共享的范圍，注重從意愿出發推動各類數據的共享，推動實現更多主動式的政務數據共享，將政務數據共享平臺升級為具備計算分析、語義處理、協調調度等智能化功能的數據智能平臺，在安全防控上要確保語義一致性。總之，政務數據共享需要從“按需響應”“按標準調取\"轉向“按語義建模”“按意圖聚合”，適應大語言模型應用對政務數據的動態、多元需要。在政務數據共享已有行政法規背景下，制度完善應從地方探索開始，在數據分類分級、數據目錄編制、共享平臺升級、數據質量管控、數據管理體制優化等方面尋找突破、積累經驗。由于大語言模型自身具有的不確定性、模態耦合性與算法黑箱性，對于政務數據共享制度完善而言，依然面臨諸多挑戰。如何建立“可協商一可解釋一可審計\"的政務數據共享新機制，如何促進數源部門積極共享更多類型數據，如何基于政務數據共享因地制宜地打造數據智能平臺，應是后續研究關注的重要議題。

參考文獻：

[1]張夏恒.類ChatGPT人工智能技術嵌入數字政府治理：價值、風險及其防控[J].電子政務，2023，（4）.

[2]國務院關于加強數字政府建設的指導意見（國發[202214號）[EB/OL].[2025-06-13].https：//www.gov.cn/zhengce/zhengceku/2022-06/23/content_5697299.htm.

[3]張會平.數據要素協同治理：行動目標、主體作用和機制完善[J].行政論壇，2024，（5）.

[4]石亞軍，程廣鑫.區塊鏈十政務服務：以數據共享優化政務服務的技術賦能[J].北京行政學院學報，2020，（6）.

[5]閆冬冬，李曉方.區塊鏈何以鏈得起“數據孤島”？——基于“技術一組織”視角的“目錄鏈\"政務數據共享實踐分析[J].電子政務，2023，（12）.

[6]鄭燁，吳昊，何晴科.政府數字化轉型何以提升城市治理質量？——基于國內五個超大城市的多案例考察［J].中共天津市委黨校學報，2025，（1）.

[7]張會平，顧勤.政府數據流動：方式、實踐困境與協同治理[J].治理研究，2022，（3）.

[8]袁剛，溫圣軍，趙晶晶，等.政務數據資源整合共享：需求、困境與關鍵進路[J].電子政務，2020，（10）.

[9]李重照，黃璜.中國地方政府數據共享的影響因素研究[J].中國行政管理，2019，（8）.

[10]彭.論政務數據共享的推進與邊界[J].交大法學，2023，（6）.

[11]沈承誠.發達縣域政府數字治理轉型的影響因素分析[J].學術界，2025，（1）.

[12]董偉瑋，秦音.基于“技術—制度\"框架的超大城市政務數據共享體系建構與優化策略[J].現代情報，2025，（6）.

[13]鄭崢.政務數據共享的風險邏輯與法律治理[J].河南財經政法大學學報，2024，（4）.

[14]政務數據共享條例[EB/OL].[2025-06-03].https：//www.gov.cn/zhengce/zhengceku/202506/content_7026295.htm.

[15]關于印發《國家電子政務標準體系建設指南》的通知[EB/OL].[2025-06-13].htps：//www.samr.gov.cn/zw/zfxxgk/fdzdgknr/bzjss/art/2023/art_ae4df91e0ld6434abcac6447833fb548.html.

[16]許峰.地方政府數字化轉型機理闡釋——基于政務改革“浙江經驗”的分析[J].電子政務，2020，（10）.

[17]楊博，曹雅楠.公共數據開放共享模式分析與安全體系設計[J].信息安全研究，2024，（9）.

[18]周力虹，陳瓏綺，王迪.政府數據跨部門共享情境下的數據粘性影響因素研究[J].圖書與情報，2022，（3）.

[19]米加寧，張斌.從DeepSeek應用場景看政務服務“生成式”轉型：任務、挑戰與路徑[J].北京行政學院學報，2025，（3）.

[20]吳培熠，申紅梅，梁正.政務大模型的敏捷治理研究——基于“數據一場景”的多案例分析[J/OL].電子政務.[2025-06-13]. http：//kns.cnki.net/kcms/detail/11.5181. TP.20250520.1345. 008. html.

[21]耿之雍，賈向桐.大語言模型產生意識何以可能？[J].科學技術哲學研究，2025，（1）.

[22]何妮，姚聰莉.人工智能大模型賦能城市數字治理：內在邏輯、現實挑戰與實踐路徑[J].東岳論叢，2025，（5）.

[23]肖建力，邱雪，張揚，等.交通大模型綜述[J].交通運輸工程學報，2025，（1）.

[24]車萬翔，竇志成，馮巖松，等.大模型時代的自然語言處理：挑戰、機遇與發展[J].中國科學：信息科學，2023，（9）.

[25]黃勃，吳申奧，王文廣，等.圖模互補：知識圖譜與大模型融合綜述[J].武漢大學學報（理學版），2024，（4）.

[26]李哲，翟云，秦焜.“高效辦成一件事”：數字時代整體性服務的模式變革[J].電子政務，2024，（10）.

[27]梁宇棟，張宸瑜.大模型時代公共性算法的應用場景、層次嵌套及逐層規制——以數字政府建設為例[J].中共福建省委黨校（福建行政學院）學報，2024，（2）.

[28]中國信息通信研究院，中國科學院，大模型治理藍皮報告（2023年）——從規則走向實踐[R/OL].[2025-06-13].

http：//www.caict.ac.cn/kxyj/qwfb/ztbg/202311/P020231124526622371194.pdf.

[29]米加寧.生成式治理：大模型時代的治理新范式[J].中國社會科學，2024，（10）.

[30]孫雨生，曾俊皓，陳思好，等.知識圖譜增強的政策大模型知識問答系統構建研究[J].圖書館學研究，2025，（5）.

[31]張鶴譯，王鑫，韓立帆，等.大語言模型融合知識圖譜的問答系統研究[J].計算機科學與探索，2023，（10）.

[32][英]洛倫佐·費爾拉蒙蒂.大數據戰爭：數據在全球市場的使用與濫用[M].北京：中華工商聯合出版社，2018.

[33]Jing Zhang，Sharon S.Dawes.Expectations and Perceptionsof Benefits，Barriers，and Success in Public SectorKnowledge Networks[J].Public Performance amp; Management Review，2oo6，（4）.

[34]《上海市公共數據共享實施辦法（試行）》政策圖解[EB/OL].[2025-06-13].htps：//www.shanghai.gov.cn/nwl2344/20230311/18d7ba4ffa69423489889bb7af9d78c5.html.

[35]廣東省政務數據資源共享管理辦法（試行）[EB/OL].[2025-06-13].htp：//www.gd.gov.cn/zwgk/gongbao/2018/35/content/post_3366149.html.

[36]華子巖.政府數據共享視域下首席數據官制度的確立及其風險防范[J].中國科技論壇，2023，（9）.

[37]中華人民共和國政府信息公開條例[EB/OL].[2025-06-13].https：//www.gov.cn/zhengce/content/2019-04/15/content_5382991.htm.

[38]張迪，張力偉.數智信息生態系統：內涵、構成與機制[J].現代情報，2024，（4）.

[39]黃鏟.人工智能大模型訓練數據的風險類型與法律規制[J].政法論叢，2025，（1）.

[40]王芳，儲君，張琪敏.跨部門政府數據共享：一個五力模型的構建[J].信息資源管理學報，2018，（1）.

[41]林雪霏.條塊結構中的地方政府“持續創新”行為——基于P區政務數據共享改革的案例分析[J].學海，2021，（3）.

[42]馬亮.數字政府建設成效評價：問題反思與前景展望[J].中共天津市委黨校學報，2025，（2）.

[43]黃劍鋒，張會平.數字化協同：場景融合何以化解公共服務數字化轉型的“技術懸浮”？——基于上海市“互聯網醫院十養老院”的案例分析[J].電子政務，2025，（3）.

責任編輯：王篆

The Logical Evolution and Institutional Improvement of Government Data Sharing in the Context of Large Language Models

Zhang Huiping，Gao Wenhao

Abstract： Under the background of embedding large language models in the government affairs field，government data sharing has become an important support for enhancing inteligent governance capabilities，which is related to the transformation of data resources into decision-making elements.The current system framework is based on hierarchical responsibility and overall coordination. Unified standards and directory management solidify the data foundation. Legal sharing and supply-demand matching regulate usage behavior. Safety supervision and technical platforms ensure the operation of sharing. Overall，it focuses on the on-demand response to structured data. The government affairs large model possesses capabilities such as natural language processing， multimodal generation，and knowledge graph reasoning，and puts forward diverse and high-quality demands for government data. Under the new demands， government data sharing is undergoing multi-dimensional changes such as content expansion， diversified bases，proactive methods，transformation of security paradigms，and coordination of rights and responsibilities mechanisms. The improvement of the government data sharing system should be advanced from aspects such as local improvement，classified and graded governance，optimization of data directories，enhancement of platform capabilities，equal emphasis on data quality and security，and coordination of management systems.

Key words： government data sharing， large language model，government affairs large model，public data governance