政府“智理”之路怎么走

人工智能浪潮席卷而来，当人们惊叹于AI时代各种炫酷科技时，一场触及政府治理底层逻辑的智能化变革，已在无声处卷起千堆雪。

6月2日，上海市召开高规格的政务智能工作推进会，市委书记、市长参加，明确把政务智能化作为“一把手”工程。浙江省政府也建立了数字政府2.0建设的双月例会机制，“一把手”亲自推动，数字政府2.0重点即政务智能化。

深圳提出，2027年实现政务服务全周期智能化覆盖率100%；南京出台了江苏首个城市级“人工智能+政务”综合性专项推进方案，到2026年底将实

政务领域是AI时代技术赋能的重要“试验场”和“示范田”。推动政务智能化，是主动拥抱智能化浪潮、赢得未来发展主动权的战略支点。目前，人工智能在政务领域的应用仍处于起步阶段。接下来，政府“智理”之路怎么走？

从“接入”到“智能”，还有多远？

2025年2月，DeepSeek横空出世后，一场前所未有的政务大模型部署热潮席卷全国。据不完全统计，截至目前，全国已超过20个省市完成了DeepSeek等大模型的政务部署，累计有320个地区和部门接入主流大模型技术。

各地在部署大模型的过程中，催生了一系列富有开创性的实践探索。大模型的应用场景从单一的信息检索、文档处理，快速扩展到公文处理、民生服务、应急管理、招商引资等全链条环节。

其中，深圳市福田区率先推出基于DeepSeek开发的AI数智员工，上线政务大模型2.0版，首批11大类70名“数智员工”覆盖公文处理、民生服务、应急管理、招商引资等多元场景；杭州依托城市大脑的深厚积累，通过引入DeepSeek-R1系列模型，全面支撑赋能“数智公务员”，覆盖公文处理、城市运行数据实时监测等场景；上海发布《上海市加快“人工智能+政务服务”改革推动“高效办成一件事”实施方案》，推出政策演算器、智能政务助手和多项AI应用。另外，各地纷纷探索将大模型应用于12345热线等场景并上线试用。

然而，在专家看来，完成大模型部署只是起点，而非终点。将一个大模型接入政务系统，不等于整个政务系统就此“智能”。在“接入”与“智能”之间，存在一个普遍的误区，即一些地方政府和部门“接入大模型后就宣布完成智能化工作，而对大模型后续能力提升、应用场景深入等都未作认真考量”。

正如清华大学公共管理学院教授孟庆国所言：“总体来看，当前AI大模型应用政务服务通过快速化部署、标准化场景和低门槛交互，处于‘通用工具应用’层面，还未实现业务优化的迭代及组织模式的创新。”

2025年11月发布的《政务大模型发展研究报告（2025年）》也给出了权威判断：当前我国政务大模型还处于起步阶段。报告呼吁，必须坚持“辅助型”定位，明确技术边界和能力范畴。这意味着，距离真正意义上的政务智能化，还有相当长的路要走。

什么是真正意义上的政务智能化？业内专家把人工智能在政务场景中的应用，划分为三个递进层次。

第一层次：基础模型增强通用场景。这是目前大多数地方所处的阶段。大模型作为检索增强的通用工具，应用于政策解读、智能问答、文档处理等场景。公文一键生成、政策秒级检索、12345智能分单，均属此列。这一层次的核心是效率提升，AI扮演的是“工具”角色。

第二层次：专业领域知识协同与业务优化迭代。大模型不再只是通用问答工具，而是通过微调政务模型，融入特定领域的专业知识库，实现业务优化与迭代。这需要高质量政务数据的持续“喂养”和模型的反复训练。在这一层次，AI开始真正理解特定业务流程，并能够提供更有针对性的智能辅助。如，辽宁12345热线的“民心智能体”，围绕热线诉求办理构建了“五智能”全流程闭环：智能应答、智能受理、智能派单、智能办理、智能质检。其中，智能派单准确率稳定在90%以上。

第三层次：深度融合创新的政务智能体。这是政务智能化的真正形态，并非简单的大模型部署，而是在大语言模型基础上，集成了记忆、规划与执行等核心模块，能够自主理解流程、调用工具并处理反馈，从而承担起部分原本由人执行的工作。智能体不仅具备感知、记忆、决策、交互和执行能力，更使人工智能能够从辅助认知向自动化执行跨越，能够自主拆解任务、协调资源、调用系统、完成执行并反馈结果。

唯有看清脚下坐标，方能校准前行的航向。从“工具”到“辅助”再到“执行者”，政务智能化需要经历三个阶段的跨越，这为当前所处阶段的判断提供了清晰的坐标系。

深刻变革与耐心长跑

如果将视线拉得更远，就能更深刻地理解政务智能化带来的变革。

AI时代，政务智能化不仅关乎技术，更关乎政府运行机制的深刻变革，即政务智能化将推动政府的组织重塑和能力重塑，最终实现人机协同的智慧治理。

传统政府组织架构以科层制为核心特征，权力与信息沿层级逐级传递。这种结构在工业时代保证了稳定与可控，但在数字时代却暴露出很多先天不足。如，信息传递损耗严重、跨部门协同成本高昂、对突发事件的响应迟缓等。

在专家看来，政务智能化对组织架构的重塑，并非简单地用AI替代某个岗位，而是通过智能体的深度嵌入，改变信息流、决策流和执行流的走向，进而倒逼组织形态的调整。

比如，传统模式下，基层采集的数据需要层层上报，决策者需要逐级下达，信息在传递中不断失真与衰减。而当AI系统实现跨层级、跨部门的数据贯通后，决策者可以实时调取一线数据，基层执行者也能即时获取政策意图。信息的对称化，使得中间层级的“信息过滤”功能被削弱，组织架构因此趋于扁平。

过去，一项涉及多部门的政务事项往往需要反复发函、开会、会签，大量时间耗费在协调而非执行上。AI能够基于对业务规则的理解，自动拆解任务、匹配责任部门、跟踪执行进度、反馈处理结果，从而推动部门间的沟通协调关系发生深刻变化，从往人与人之间的协作，演变为人与算法、人与智能体之间的互动。

如果说组织重塑改变的是政府的“骨骼”与“肌肉”，那么能力重塑改变的则是政府的“大脑”与“神经”。智能化时代，AI不再只是被动工具，而是开始深度介入认知环节：理解、推理、判断、预测，甚至自主决策。

比如，传统政务对城市运行状态的感知依赖于有限的统计报表和抽样调查，往往是“滞后”且“稀疏”的。AI通过对海量多模态数据（文本、图像、视频、传感器信号）的实时处理，使政府能够实现对城市脉搏的“秒级感知”。从交通拥堵到环境质量，从舆情动态到经济指标，感知的颗粒度和时效性均实现质的飞跃。

传统决策高度依赖个人经验和有限信息，具有较强的主观性和不确定性。AI能够基于海量历史数据和实时信息，进行模式识别、趋势推演和方案比选，为决策者提供“数据驱动的智能建议”。如上海的“政策演算器”，可以提前测算某项政策将覆盖多少企业、产生何种效果，辅助决策者在政策出台前就“预见”后果。这种能力并非替代人的判断，而是极大地拓展了人的认知边界。

更关键的变化发生在执行端。当AI从“建议者”演进为“执行者”，智能体便具备了自主拆解任务、调用工具、完成交付的能力。最终，智能体将从“工具”跃升为“协作者”，具备完整的感知、记忆、决策、交互与执行能力，能够在特定场景中独立承担任务，与人形成分工协作的伙伴关系。这种“人机协同治理”，是政务智能化的最高形态。

站在未来视角来来审视当下，便可清醒地看到差距。在专家看来，理解这些差距，并非否定当前探索的价值。恰恰相反，只有清晰知道未来要去向哪里，才能从容走好当下的每一步。

正如孟庆国所言，政务大模型就像一个充满潜力的“孩子”，“它不可能一蹴而就，也绝非一次性交付就能完美适应所有复杂政务需求。它需要持续不断的‘喂养’和‘教育’，才能成长为精通业务的‘专家’。”

当前，各地完成大模型部署，只是这场“养育”之路的开端。从“接入”到“智能”，是一场需要耐心、智慧与持续投入的长跑。

消除“智能差距”

虽然前路漫长，但推动政府“智理”已经刻不容缓。

国家层面，顶层设计密集出台，为政务智能化提供了明确的路线图和制度保障。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，明确提出打造精准识别需求、主动规划服务的政务服务新模式。

2025年10月，中央网信办与国家发展改革委联合发布《政务领域人工智能大模型部署应用指引》，划定智能政策问答、表单智能预填等13项重点应用场景，为政务AI应用立下规范、指明方向。

地方层面，先发地区率先展开探索，并且由浅入深，即将迈进“深水区”。不过，也有专家担忧，随着AI时代的快速到来，地区之间将形成日益显著的“智能差距”。

《中国地方政府数字化服务能力发展报告（2025）》就曾指出，我国地方政府数字化服务能力整体持续向好，但不同地区之间的能力差距依然突出。这种差距不仅体现在技术部署层面，更体现在高质量数据集建设、专业人才储备和组织变革能力等深层维度。

专家预测，AI时代，地区差距可能被进一步强化，算力基础设施与数据资源分布不均，可能加剧区域分化。“智能差距”的宽度和深度，或将远超“数字鸿沟”。

AI技术具有显著的“强者恒强”效应。技术迭代速度极快，大模型的能力快速提升，部署成本持续下降，应用场景不断拓展。那些早早布局的地区，正在积累数据资产、训练模型能力、沉淀应用场景，形成“越用越好、越好越用”的正向循环，从而进一步拉大与后发地区的差距。

正如有学者所警示的，人工智能有效促进了我国东部、中部及东北地区的经济增长，但对西部地区影响不显著。“数字鸿沟”可能被强化，区域分化正在加剧。

消除“智能差距”的难度，远大于解决基础接入和应用的问题。但正因如此，更需要从现在开始行动，以时不我待的紧迫感推动“AI+政务”深度融合。

三种模式与“借梯登高”

如何推进政府“智理”？从先发地区的探索来看，推进的路径和模式呈现出显著的差异化，目前主要形成了三种模式。

一是自上而下的“统建统管”模式。以深圳为代表，核心思路是基于全市统一的政务云和人工智能通用支撑平台，实现智能算力资源和大模型基座的统一部署。深圳明确要求，原则上各区各部门不再独立进行政务大模型建设，全市构建“1”个以“深小i”为总枢纽的政务智能应用体系。这一模式的优势在于集约高效，避免重复建设和资源浪费，但要求顶层设计的高度协调和强有力的统筹推进机制。

二是“城市大脑”牵引的集成赋能模式。以杭州为代表，探索了一条依托“城市大脑”积累、渐进式推进智能化的道路。杭州没有搞“一刀切”式的统建，而是通过“数智公务员”这一核心抓手，逐步将AI能力向政策服务、民生保障等领域辐射。“六大中心”的智能体生产体系，形成了“拎数入场、提智赋能”的独特机制，极大降低了大模型应用的门槛和成本。

三是场景驱动的多元突破模式。例如，南京、无锡等城市采取了更为灵活的场景驱动策略。南京提出按照“应建尽建”原则持续推进“一部门一智能体”建设，同时创新“场景开放—调研验证—采购服务”机制，吸引企业参与。无锡则在政务信创环境下快速上线5项原生政务AI应用，覆盖政务办公、政务服务、城市治理等核心领域。

上述三种模式并非相互排斥，而是在不同发展阶段和治理语境下各有侧重。殊途同归，总体路径都是从“单点突破”向“体系化推进”迈进，从“技术引入”向“制度重塑”深化。

有专家指出，在鼓励地方探索的同时，也要注意避免一哄而上、重复建设与资源浪费等问题，而这需要加强顶层设计。

《政务领域人工智能大模型部署应用指引》明确要求，“应以统筹集约的方式开展政务领域人工智能大模型部署，地市应在省（自治区、直辖市）统一要求下开展部署应用，县级及以下原则上应复用上级的智能算力和模型资源开展应用和服务”。指引还提出“应探索构建‘一地建设、多地复用’的共享模式”。这一顶层设计的核心思路，正是通过制度化的资源共享来遏制重复建设和区域分化。

按照中央指引精神，省级层面应搭建政务领域人工智能大模型统一服务平台，将区域内电子政务外网智能算力、政务大模型、政务数据集等资源纳入统一管理，形成要素资源“一本账”，支撑政务大模型运行监测，提供资源申请与调度服务，推动高效复用。这意味着，后发地区不必从零开始搭建自己的大模型和算力体系，而是可以通过复用上级资源实现“借梯登高”。

“借梯登高”为后发地区提供了难得的机遇，但机遇从不眷顾等待者。如果只是坐等上级的资源输送、依赖外部力量的“帮扶”，而不主动培养自身的智能化能力、挖掘本地化的应用场景，积极探索符合自身条件的智能化路径，那么即便“梯子”架到了面前，也难以真正登上“高楼”。

在专家看来，“借”来的只是起点，“长”出来的才是根本。