数智化治理大模型的发展现状与趋势

[中图分类号] D630； TP18 [文献标识码] A [文章编号] 0529-1445（2025）07-0025-04

在全球数字化浪潮推动下，我国将建设数字中国上升为国家战略，旨在借助数字化、智能化技术提升国家治理效能。在大数据、算力、算法飞速发展的推动下，融合了数字化和智能化双重特点的数智化治理大模型迎来蓬勃发展的黄金时期，一系列创新成果特别是具有颠覆性以及长尾效应的创新成果，在学术研究与生产生活的众多场景中不断涌现。数智化治理大模型在提升治理效能、优化公共服务、推动经济社会发展等方面展现出巨大潜能，已成为推动国家治理体系和治理能力现代化的关键驱动力。

数智化治理大模型的创新应用图景

2019年5月，习近平主席在向国际人工智能与教育大会致贺信时深刻指出：“人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。”随着智能时代的到来，以生成式大语言模型为代表的前沿数智技术正加速融入经济社会治理的方方面面。在此背景下，数智化治理大模型展现出强大的应用潜力和现实能力。各地立足自身发展需求与实际场景，在政务智能问答、决策咨询辅助、智慧交通调度、民生服务保障等多个维度积极探索开发并推广应用数智化治理大模型。这些实践有效赋能了经济高质量发展，显著提升了社会治理现代化水平，持续改善了人民生活品质。

智能问答作为新一轮生成式人工智能应用实践的集中体现，其在政务服务中的嵌入极大地提升了咨询效率和质量。北京推出的亦智政务大模型服务平台精心打造了智慧政务小助手“小亦”。作为经开区数字政务服务的统一客服，“小亦”可以为用户提供智能化咨询互动、精准化办事服务、自动化材料预审等多种掌上政务服务。这种智能化的公共服务创新，不仅优化了市民和企业的办事体验，还极大地提升了政务服务的透明度和公信力。深圳推出的“深小i”政务助手通过深度学习和自然语言处理技术，实现了政策解答、办事指引与诉求响应全链条服务，问答精准率接近90%。它能够快速理解用户的问题并提供简洁明了的答案，既提高了用户满意度，也显著降低了人工客服的工作压力。这些成功应用表明，智能问答系统在政务服务中具有巨大的应用潜力，既能够处理大量常见问题，又可以通过学习和优化，不断提高回答的准确性，为推动政务服务向智能化、高效化方向发展提供了宝贵经验。

数智化治理大模型能够通过整合多源数据助力经济治理，为政府决策提供参考。以广东“粤经济”平台为例，该平台构建了全省一体化经济治理中枢，涵盖了33个经济领域、3万余项标准指标和超过2.1亿条高频企业数据。“粤经济”平台通过对数据的整合、关联与分析，利用知识图谱技术，将分散的增量数据进行动态关联，形成经济运行的“全息影像”，为决策者提供全面、直观、动态的经济运行视图，帮助政府实现对经济态势的精准感知和趋势预测，从而制定更为有效的经济政策。

从政务服务到经济治理，数智化治理大模型的应用进一步拓展到民生领域。通过智能监测和预测，城市管理者能够提前介入，解决潜在问题，提高城市管理的精细化水平。在智慧交通方面，智能交通系统能够实时监测交通状况，通过实时数据分析和智能算法支持，预测潜在的拥堵点，并自动调整信号灯时序，优化交通流量管理，确保交通顺畅。在社会治理方面，一些城市的智能安防系统通过视频监控和数据分析，实现了对公共区域的实时监测和预警，有效提升了城市的公共安全水平。这些应用案例表明，数智化治理大模型在民生服务和社会治理领域具有广泛的应用前景。通过智能监测、数据分析和预测，城市管理者能够实现资源的优化配置和服务的精准交付，提升市民的生活质量和城市的运行效率。

数智化治理大模型应用面临的多样挑战

上述多领域的典型案例展现了数智化治理大模型在提升治理效能和服务质量方面的巨大潜力。然而，在数智化治理大模型的实践应用中，各种挑战也逐渐显现，一定程度上阻碍了技术应用的成效和治理效能的提升。

智能技术的迅猛发展与治理体系适应性滞后之间的矛盾。算力、算法和功能的快速提升使得技术供给端呈现指数级进步态势，但治理需求端因受体制机制等约束调适缓慢，大量技术应用仅停留在表面赋能层面，难以深度转化为实际的治理效能，导致技术先进性与治理实效性之间出现“悬浮”状态。

人工智能决策过程的不透明性引发合法性问题，即“算法黑箱”。深度学习模型的复杂非线性结构使其决策逻辑难以理解，与政务场景中程序正义和问责追溯的要求相冲突。这迫切需要重构技术信任机制，通过设计可解释算法、存证决策轨迹以及建立第三方验证体系等方式，在保障技术效能的同时，满足公共治理的透明度要求，构建新型的人机信任契约。

技术商品化交易模式与治理能力建设需求之间的矛盾。其典型表现是采购方在初始阶段往往过度聚焦硬件性能和短期指标，而忽视了后续数据更新、算法优化、系统维护等必需的持续性投入。这种“重采购、轻运维”的短视行为，直接导致技术应用的边际效用递减，使得前期的投入无法有效转化为可持续的治理能力提升。这反映了当前一次性交易模式的缺陷，暴露了技术采购与应用过程中全周期管理失灵的问题，迫切需要建立涵盖持续运营和技术迭代全周期的新型合作模式。

数智治理依赖大规模的数据流动与聚合，与个人信息保护、商业秘密维护等要求存在张力。传统的数据管控手段常常导致“要么封闭、要么泄露”的二元困境，迫切需要一种既能保障数据安全又能释放数据价值的制度技术复合解决方案，以实现治理效能与权利保护的协同。

随着人工智能在治理中承担的职能日益增多，人作为行政决策者的主体地位可能受到影响。这不仅涉及操作层面的责任归属难题，更关乎价值层面的伦理判断权问题。因此，必须建立清晰的人机分工框架，确保决策者对治理目标和价值取向的最终掌控权，防止技术理性对价值理性的侵蚀。

数智化治理大模型的生成式特性在提高政务服务效率的同时，也存在生成内容失真的风险。由于大模型依赖概率生成的底层逻辑，存在输出虚假或误导性信息的可能。在政务服务场景中，此类错误可能直接导致政策误读、公众困惑、行政决策偏差甚至政府信任危机。

数智化治理大模型的可持续应用发展还面临技术创新瓶颈和人才短缺问题。现有数智大模型技术在处理复杂治理场景时存在局限性，难以满足动态变化且日益复杂的多样治理需求，而专业数智人才的缺乏则进一步限制了数智技术的创新和应用的拓展。

推动数智化治理大模型应用健康有序发展

面对上述挑战，应从技术、机制、制度、伦理等多个维度展开系统性应对。在此进程中，要坚持技术向善、数智为民的理念，确保技术应用符合公共利益与社会价值导向，以数智治理的高质量发展，为推进国家治理体系和治理能力现代化提供坚实支撑。

弥合“技术—治理”适配缝隙。建立高效的“技术—场景”精准匹配机制，深入基层治理、城市管理、公共服务等核心场景，系统梳理治理痛点堵点，精准识别技术赋能的关键节点与优先序。推动技术与业务流程深度耦合，鼓励技术研发人员与治理业务人员通过建立联合实验室、业务嵌入式开发等常态化、深层次的合作机制，共同设计开发符合治理逻辑、嵌入业务流程的创新应用模式，使技术落地后能够切实解决实际问题，提升治理效能，避免“悬浮式”应用。在此过程中，还要探索建立“试点—反馈—优化—推广”的闭环式迭代机制，确保应用效果在实践中得到持续优化。

增强算法透明性与可信任度。构建透明可信的技术应用体系，破解“算法黑箱”问题，是赢得公众信任的基石。一方面，大力研发并优先在涉及重大公共利益或公民权利的决策辅助场景中采用可解释人工智能技术。同时，制定推行相关的算法决策透明度标准规范，明确应公开的信息范围与程度。另一方面，健全算法监督与信任机制，构建独立的第三方算法审计、验证与风险评估体系，对关键领域治理应用的算法进行定期“体检”和公正评估。此外，还要建立关键决策环节的算法决策存证与追溯机制，确保问责有据可依，进而有效增强公众对数智决策系统的信任度。

优化与创新技术服务采购模式。转变“重采购、轻运维”的惯性思维，在技术采购伊始就明确制定数据持续更新、算法迭代优化、系统长期维护与安全升级的全周期成本预算与责任条款。推动采购模式从单纯的“商品交易”向“能力共建、价值共创”的伙伴关系转变，探索建立基于长期绩效的付费或激励机制。同时，建立健全对技术应用效果的持续跟踪监测与动态评估体系，这对于保障投入能够转化为稳定、可持续的治理能力提升尤为关键。

强化数据安全保护。在《个人信息保护法》《数据安全法》《生成式人工智能服务管理暂行办法》等基础上，细化针对大模型训练、推理、应用各环节的数据安全与隐私保护实施细则和标准，清晰界定各方责任边界。在技术层面，采用隐私计算、数据脱敏等手段，在严格保障数据安全与个人隐私权益前提下，积极探索促进数据要素安全流通、价值释放的创新模式，为支撑大模型在治理领域的深度应用扫清障碍。

明确人机协同边界。构建清晰的人机协同分工框架，明确界定大模型在治理流程中的辅助定位和应用边界，并严格划定必须由人类决策者最终把控的关键环节。同时，制定嵌入治理全流程的核心价值准则与伦理规范，确保技术应用始终符合公共价值导向。坚持“治理的关键在人”，加强对决策者和业务人员的人工智能认知、应用能力与伦理意识的系统性培训，提升其理解技术逻辑、有效运用工具、在复杂人机协同环境中作出审慎判断与正确决策的能力。

有效应对大模型出现“幻觉”的问题。严控数据质量与专业适配，强化数据源头治理与全链路质量管控，建立科学严格的数据审核、清洗和标注机制，确保输入数据的准确性、权威性和时效性。构建高质量的政务领域专业知识库，并在模型训练和微调阶段进行重点强化与精准注入，以显著提升模型对专业问题的理解能力与回答的准确性。同时，构建闭环反馈与持续优化机制，包括建立用户反馈，尤其是对关键错误或“幻觉”内容的快速响应通道与验证机制，对确认错误的内容及时修正，并基于反馈数据对模型进行定向再训练与迭代优化。在关键应用场景，探索引入多模型交叉验证或人类专家复核机制，作为防范“幻觉”风险的又一重要防线。

多措并举突破创新瓶颈、加强人才培养。增加对适应复杂治理场景的大模型基础理论、关键共性数智技术的研发投入，大力推动人工智能与公共管理、法学、社会学等学科的深度交叉融合研究，探索符合治理规律的技术新路径。加快完善“政产学研用”协同的数智化治理复合型人才培养体系，注重培养兼具技术理解力、治理洞察力和伦理责任感的专业数智人才。同时，加大高端人才引进力度，拓展国际交流合作渠道，为构建强大的数智化治理体系提供坚实的人才储备和源源不断的智力支持。

（本文是北京市习近平新时代中国特色社会主义思想研究中心重大项目“北京构建超大城市现代化治理体系的理论和实践研究”〈项目编号：24LLZZA097〉阶段性成果）

[参考文献]

[1]中共中央关于进一步全面深化改革推进中国式现代化的决定[M].北京：人民出版社，2024.

[2]孟天广.智能治理导论：人工智能驱动的治理现代化[M].北京：清华大学出版社，2023.

[3]朱旭峰.人工智能对经济社会的影响[J].前线，2025，（01）.

（作者简介：杜玉春，清华大学数字政府与治理研究院助理研究员；孟天广，清华大学社会科学学院长聘教授、计算社会科学与国家治理实验室副主任）