【摘要】近年来，政务大模型建设应用加速推进，在政务服务、社会治理、机关办公、辅助决策等场景中取得显著成效。但在推进过程中，也存在拔高应用预期、缺乏制度建构、过度依赖模型、误信算法中立、忽视生态适配等认知误区。推动政务大模型高质量建设和应用，需着力规避这些误区，通过建设高质量政务语料和数据集、搭建能力互补的专业项目团队、明晰模型嵌入流程的操作规范、厘清人机协同的主体责任边界、筑牢算法伦理与安全审核底线、创新统分结合的生态适配机制等举措，使政务大模型更好为治理赋能。
【关键词】政务大模型 人工智能 人机协同 智能治理 【中图分类号】D63 【文献标识码】A
习近平总书记在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上的主旨讲话中指出：“要抓住难得的历史性机遇，鼓励开源开放、合作共享，全面促进人工智能科技创新、产业发展、场景应用，协同推进传统产业改造升级、新兴产业培育壮大、未来产业前瞻布局，让人工智能赋能千行百业。”①政务领域是人工智能应用的重要场域。近年来，随着国产大模型技术突破以及《国务院关于深入实施“人工智能+”行动的意见》《政务领域人工智能大模型部署应用指引》等政策文件相继出台，政务大模型建设应用加速推进，“人工智能+”治理由愿景构想走向治理实践。
在持续创新探索下，政务大模型在政务服务、社会治理、机关办公、辅助决策等场景中取得显著成效，赋能治理提质增效的图景逐步展开。国家数据局发布的《数字中国发展报告（2025年）》显示，“人工智能正在从效率提升的辅助工具升级为政务流程再造的核心引擎”。②同时需看到，政务大模型建设应用仍处于起步阶段，而且存在一些认知误区，亟待系统施策加以破除，由点及面推动治理迈向人机协同新范式。
政务大模型赋能治理提质增效的实践图景
政务大模型能够支撑知识体系重构、支持政务流程优化、促进跨部门跨层级业务协同、推动决策科学化精准化。③在典型场景引领建设下，政务大模型应用不断深化，赋能治理提质增效的实践取得重要进展。
场景驱动应用持续深化。当前，政务服务、社会治理、机关办公、辅助决策等领域，已经形成一批较为明确的应用场景。在政务服务中，大模型用于智能问答、辅助办理、政策解读等场景；在社会治理中，用于智能监测巡检、辅助执法监管和市场风险预测等场景；在机关办公中，用于文书起草、资料检索、智能分办等场景；在辅助决策中，用于灾害预警、应急处置、政策评估等场景。这些场景的共同特点，是事项频率高、规则相对清楚、群众企业感受直接，较容易看到应用效果。④例如，广东深圳推进“人工智能+政务服务”的做法，就体现了场景驱动的思路。其工作方案围绕智能咨询导办、辅助申报、政策服务直达快享、民生诉求智能办理等提出20条举措，并依托“深小i”等入口，把文本、语音、图片、视频等多模态交互嵌入办事过程，提出到2027年政务服务全周期重点场景智能化服务覆盖率达到100%、政务服务大模型应用统一纳管率达到100%。政务大模型建设从群众企业办事最常遇到的堵点切入，在真实流程中发现需求、改进服务。
数据治理夯实智能底座。政务领域的数据种类多、来源广，既有政策文件、权责清单、审批规则、办件记录等过程数据，又有热线诉求、执法检查、城市运行、应急处置等场景数据。海量政务数据是模型训练的基础，做好相关数据治理能够夯实政务大模型的智能底座。例如，浙江杭州基于一体化智能化公共事件平台，汇聚全市各部门的政务数据资源目录，试点将非结构化文本数据纳入统一管理；归集全市70多个门户网站的文本、图片、视频等多模态数据，尝试向社会开放，试图将历史业务数据转化为行业大模型训练的语料。又如，应急管理部大数据中心开发的“久安”人工智能大模型围绕安全生产、防灾减灾救灾、应急救援、综合管理4个一级分类和27个二级场景，整合文本、图像、视频等多模态数据，采用“大模型预处理+人工校准”的方式进行标注，推动模型准确率由74%提升至89%，累计识别安全隐患1.2万余起，在20多个省份推广应用。⑤数据治理以基础工程形态嵌入模型能力生成过程，使政务大模型的智能化水平建立在数据工程及可信语料之上，夯实治理现代化的智能底座。
制度建设划定应用边界。政务大模型进入审批服务、政策咨询、公共服务等环节后，需明确哪些事项可以用、怎么用、谁来管、出了问题谁负责。随着应用场景增多，制度规则从原则要求走向具体管理。在中央层面，《政务领域人工智能大模型部署应用指引》围绕系统谋划、集约发展、规范应用、安全稳妥、务求实效等提出部署要求，结合政务场景需求和技术基础选择实施路径，引导各地减少重复建设和分散开发，对大模型在政务运行中的辅助定位作出规范。在地方层面，以深圳市福田区出台的《福田区政务辅助智能机器人管理暂行办法》为例，对政务辅助智能机器人的概念、适用范围、管理职责、使用规范和安全要求作出安排，把辅助履职、公共服务和交互反馈等事项纳入日常管理。制度建设是政务大模型安全规范应用的基本保障。
人机协同成为基本范式。政务大模型进入政务流程后，政府组织的服务方式、人员分工方式发生调整。面对咨询量大、重复性强、标准化程度高的事项，模型可以承担政策查询、事项导办、进度提醒等基础服务；面对复杂个案、政策争议、特殊情形等状况，政府工作人员仍要做好解释、判断和把关。例如，2026年5月，“深小i”接入人社、公安、市场监管、医保、公积金、不动产登记等高频业务部门和各区政务服务中心人工客服，形成智能客服与人工客服协同服务模式。从前台服务看，这有助于提高常规咨询的响应速度，减轻人工窗口压力；从后台运行看，人机协同还需要知识库维护和业务经验沉淀。深圳市政务服务智能化项目通过业务人员持续修正知识库、补充办事案例、校准模型输出，把分散在窗口、热线和审批环节中的实践经验转化为可复用的业务知识。人机协同的重点在于让机器处理重复性事务，让政府工作人员更多投入复杂问题处置，在提高效率的同时守住政务服务的责任温度。
政务大模型建设应用需避免的认知误区
政务大模型进入治理场景，给政府治理带来新的工具和新的思路。⑥大模型能够提高效率、辅助判断、优化流程，但在一些地方的实践中也存在一些误区，如把模型上线等同于治理创新，把技术采购等同于能力建设，把智能输出等同于责任完成。
拔高应用预期，遇挫则消极搁置。在国家政策指引和技术突破的背景下，一些地方对政务大模型的前景高度认可，认为这是提升治理效能的必然方向。其积极推进本地区、本领域的场景探索，对即将建设的政务大模型寄予厚望。然而，当项目真正落地推进时，各种现实问题可能会出现：问答系统答非所问、文书生成差强人意、辅助决策与实际情况存在偏差。随着调试推进，部分效果能得到一定改善，但与当初的高预期相比仍有明显差距。于是，其开始怀疑大模型的实际能力，认为现阶段技术尚不成熟，投入大量精力调优得不偿失，最终选择将项目消极搁置。这种从“高预期”到“消极搁置”的转变，本质上正是对政务大模型能力限度的认知存在偏差。大模型以数据为基础、以算法为核心、以清晰的规则为支撑，其能力进化是一个长期过程，而且存在局限性。
缺乏制度建构，期望技术速成。一些地方在推进政务大模型建设时，不是沉下心来梳理业务流程、准备高质量语料、配备专业团队、健全管理规范，而是急于购置算力、上马平台、配置通用大模型。这种期望技术速成的做法，很多时候并非真的相信技术万能，而是对制度建构缺乏重视。然而，政务大模型的效能发挥，恰恰高度依赖制度体系和专业资源的支撑。缺乏配套的制度、没有足够的资源，基于政务大模型的人机协同就会沦为空话，投入巨大的大模型项目可能会沦为“盆景工程”。
依赖放任模型，消解主体责任。政务大模型可以有效解决工作中的实际问题。面对好用的大模型，一些地方可能会出现过度依赖的情况，一旦习惯依赖模型输出，便很难寻求创新突破，大模型反而成为工作改进的限制。更为重要的是，当大模型深度嵌入政务流程后，本应顺势调整人员分工、优化组织结构，但一些地方却“因循守旧”，使得工作人员依赖模型干活，而空出的时间并未用于更有价值的创造性工作。还需要警惕的是，一些工作人员由于专业知识和经验不足，面对模型输出虽看不懂，却因其“技术含量”而盲目采信，甚至出现直接将模型生成的文本作为政策文件发布的情况。大模型固然好用，但不能因此而放弃人的主导地位。
误信算法中立，价值对齐不足。关于算法是否中立，目前还存在争议。有人认为算法是价值完全中立的技术工具，只负责客观执行指令，但算法运行本身就是一种价值选择，这种选择由开发者设计、由训练数据塑造、由应用场景定义，每一个环节都渗透着人的判断和取舍。政务实践具有鲜明的政治属性，其运行逻辑天然负载着价值取向。政务大模型不能仅仅追求技术上的客观准确，更需要在价值理念上与党和国家的方针政策、与人民群众的期待诉求保持高度一致。为实现价值对齐，需在模型设计中嵌入伦理审查机制，在应用过程中建立人类监督和纠偏价值机制，全过程把控价值导向。当前价值对齐在技术上仍存在相当难度，需加快价值对齐的研究与实践，让政务大模型不仅在技术上能用好用，而且在价值判断上可靠。
忽视生态适配，统分结合失灵。统分结合是省级、市级政府推动政务大模型建设的基本模式。省级、市级负责基础算力、技术框架、数据标准等共性资源，同时开展本级政务应用的开发；基层负责具体场景应用、本地化调优、业务流程适配。然而在实际推进中，一些地方由于急于出效果，往往倾向于开发统一的大模型，让基层在其基础上开发适配。在实际应用中，由于技术架构弹性、厂商主观限制、资源配备不足等原因，基层很难将上级主导开发的大模型用好用活。此外还存在这种情况，当某个基层单位开发出效果好、应用成熟的大模型时，上级单位急于快速复制推广，要求其他地方迅速学习创新，但一些地方并不具备相应的技术、资源等要素，只能简单复制照搬，最终难以持续。这些现象共同呈现出统分结合失灵，根源都在于忽视生态适配，缺乏应有的生态培育，最终使技术系统难以与基层治理生态有效融合。
政务大模型高质量建设应用的对策建议
从先进地区和行业的经验看，政务大模型驱动形成的人机协同新范式，具有推广的可行性。推动政务大模型由试点应用走大范围日常化应用，需着力避免容易产生的认知误区，同时把前期探索中形成的经验转化为可持续的工作机制。
建设高质量政务语料和数据集。高质量政务语料和数据集是政务大模型的养分来源，直接决定模型的能力边界。充足规范的语料、准确丰富的数据，能让大模型更加熟悉本地政务环境，更好地应对复杂情境、校准价值判断，从而缓解规则过滤与关系僵化的难题。建设高质量政务语料和数据集，需系统梳理业务流程中沉淀的政策文件、审批记录、服务案例，对政务数据库中的数据进行清洗、标注和分类。这些工作虽然繁琐，见效慢，但为提升政务大模型的治理效能，需要努力克服这些困难。需将语料建设纳入数字政府基础工程，建立跨部门协同的数据治理机制，制定统一的语料和数据标准规范，探索自动化标注与人工核验相结合的可持续更新模式。
搭建能力互补的专业项目团队。政务大模型建设需要领域专家与技术专家紧密协作：领域专家熟悉业务流程、政策细节和一线需求，能够精准定义问题场景、把关模型输出的合规性与适切性；技术专家精通算法调优、系统开发和工程化落地，能够将业务需求转化为可实现的技术方案。在领域专家的选择上，不能仅由数据管理部门代表业务方，而要让精通业务的骨干深度参与。常年扎根一线、深谙业务痛点、熟悉政策逻辑的业务专家，能为模型注入切实管用的业务知识，大幅提升模型的适配能力。在技术团队的建设上，既要引入经验丰富的外部合作伙伴，确保其有足够的时间和精力投入；又要同步组建和培养内部技术力量，在合作中学习积累，以便后续能够有效监督、持续运维。
明晰模型嵌入流程的操作规范。根据任务性质和风险程度不同，大模型嵌入政务流程大致可以分为三类：首先是辅助型嵌入，承担信息检索、文书辅助等低风险任务；其次是支持型嵌入，承担初步审核、智能推荐等中度风险任务；最后是参谋型嵌入，承担提供建议、制定方案等高风险任务。辅助型嵌入重在规范使用边界，明确哪些环节可用、哪些环节禁用；支持型嵌入重在规范人机交互流程，明确人类复核的节点和标准；参谋型嵌入重在规范输出审核机制，明确责任追溯路径。制定嵌入流程的操作规范应遵循三项基本原则：风险匹配原则、人类保底原则、全过程可追溯原则。风险匹配要求根据任务风险等级设置差异化的管控要求；人类保底要求关键决策环节必须保留人类复核空间；全过程可追溯要求模型运行记录全保存、可审计。
厘清人机协同的主体责任边界。政务大模型可以承担任务，却难以承担责任。人类需要承担的责任主要包括三个方面：审核把关责任，即对模型输出的内容进行核验，确保其真实性、合规性和适切性；决策裁量责任，即在涉及价值权衡、特殊个案的关键节点，由人类做出最终判断；风险兜底责任，即一旦出现问题，无论模型如何介入，最终责任仍需由人类承担。当然，这些责任需要由建设方、业务方、技术方进行合理分担。建设方对模型的基础能力和安全性负责，业务方对模型应用的合规性和效果负责，技术方对模型的运行维护和持续优化负责。当前，一些地方对责任边界的认知仍停留在模糊状态，亟须加强宣传引导，让各方清楚“自己该负什么责、对方该负什么责”，推动责任边界厘定从被动应对走向主动建构。
筑牢算法伦理与安全审核底线。算法伦理与安全审核是政务大模型运行的安全屏障，更是克服能力限度的关键支撑。严格的伦理审查能够在一定程度上矫正算法的价值偏差，完善的安全机制可以为模型在复杂情境中的探索应用提供容错空间。当前，不少地方对伦理安全问题普遍高度重视，但是多停留在理念倡导层面，缺乏可操作的制度建设，对于谁来审、审什么、怎么审，相应的规则、标准还比较欠缺。当然，也有一些地方推出了具体制度，但有时容易走向另一个极端——审核过于严苛，动辄以安全原因否决模型应用，反而放大了模型的能力限度，让本可探索突破的能力限度难以触及。因此，需加快明确审核主体和程序，建立分级分类的审核标准，让伦理安全审查有章可循、有据可依，同时为创新探索留出必要空间，在“审查”与“应用”之间找到平衡。
创新统分结合的生态适配机制。政务大模型的推广落地，需要创新统分结合的生态适配机制，让各地在智能政务大生态下形成各具特色的中生态、小生态。机制创新首先要考虑地方情境适配，上级和其他地方建设的政务大模型要为基层探索留出因地制宜的空间，适应当地的业务流程、工作人员习惯和群众主要诉求。其次要建立差异化的资源支持机制。对资金充足、技术实力较强的地方，鼓励其发挥优势开展自由探索；对基础薄弱的地方，不仅给予算力支持，而且可直接提供人才队伍和培训指导。最后是技术调适。为基层技术调适留足时间周期，同时对不重视调适、盲目上马的项目建立约束机制，防止重上线轻适配的倾向。此外，省级、市级政府可统筹建设可共享的语料库、数据集和专家资源库，积极为基层适配提供基础支撑，着力避免技术脱离现实情境。通过多维度的机制创新，让统与分从容易失灵走向同频共振，使政务大模型更好融入地方、高效服务治理 。
【注：本文系四川省哲学社会科学规划重点实验室重大学术（实验）专项资助项目“基于生成式人工智能的政策知识再生产效果评估研究”（项目编号：SC24S001）和2025年成都市哲学社会科学规划新型智库建设专项重点项目“AI大模型在现代城市治理中的应用”（项目编号：2025-SKGH-ZKZX-12）阶段性研究成果】
【注释】
①习近平：《携手构建公正合理的全球人工智能治理体系——在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上的主旨讲话》，新华社，2026年7月17日。
②《国家数据局发布〈数字中国发展报告（2025年）〉》，国家数据局网站，2026年4月29日。
③钟刚华、王晟：《DeepSeek赋能政务服务升级：核心动力、内在逻辑与优化路径》，《新疆社会科学》，2025年第3期。
④王友奎、王理达、杨正军：《政务大模型应用的典型场景、评估理念与指标框架》，《电子政务》，2026年第6期。
⑤《高质量数据集典型案例|应急管理“久安”AI大模型高质量数据集》，国家数据局网站，2025年9月19日。
⑥徐林：《人工智能赋能社会治理的演进历程与前景展望》，《国家治理》，2025年第24期。
责编/于洪清 美编/杨玲玲
声明：本文为人民论坛杂志社原创内容，任何单位或个人转载请回复本微信号获得授权，转载时务必标明来源及作者，否则追究法律责任。
