【摘要】国资国企智库是连接国家战略、行业治理与企业经营决策的重要知识生产组织，数智化转型推动其研究方式由以经验研判和信息归集为主，逐步向数据驱动、模型辅助和场景嵌入演进，其实质是从“工具赋能”迈向“体系增智”。当前，转型仍面临数据知识底座薄弱、技术业务融合不深、决策服务反馈不足、组织协同和人才支撑有待加强等问题。应夯实数据与知识底座，建设平台化协同中枢，创新场景化服务模式，强化战略牵引，完善可信治理体系，推动数智技术转化为贯穿知识生产和决策服务全过程的组织能力。
【关键词】国资国企智库 数智化转型 人工智能 决策咨询 知识治理
【中图分类号】C932/F49 【文献标识码】A
【DOI】10.16619/j.cnki.rmltxsqy.2026.19.011
【作者简介】黄吉海，国务院国有资产监督管理委员会研究中心党委委员、研究员。研究方向为国资国企改革发展、数智化转型、新型智库建设，主要论文有《国有企业新型智库建设：演进历程、现实挑战与优化路径》《大语言模型在决策咨询工作中的应用解析》等。
新一轮科技革命和产业变革加速演进，人工智能正在深刻改变信息获取、知识组织、分析推理和决策支持方式。2026年7月17日，习近平主席在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指出：“各国应当秉持以人为本、向上向善理念，让人工智能成为促进共同繁荣、维护共同安全的一个重要动力源，携手构建公正合理的全球人工智能治理体系。”[1]这一重要论述为人工智能创新应用和全球治理指明前进方向。对国资国企智库而言，如何将数据、模型和智能工具转化为服务国家战略、国资监管、产业发展和企业科学决策的稳定能力，已成为新型智库建设的重要课题。
国资国企智库兼具公共决策咨询和企业经营支撑属性，是以战略问题和创新发展为主要研究对象，以服务党和政府、国资国企改革发展、行业产业发展和国有企业科学决策为宗旨的研究咨询机构，涵盖国有企业及相关国资监管主体设立、投资、参股的企事业单位、直属机构和承担智库职能的部门。[2]与一般公共智库相比，国资国企智库更贴近产业链、技术路线、重大工程和企业经营数据；与商业咨询机构相比，其还承担服务党和国家战略、维护国有资本安全、提供行业公共知识的责任。这一双重属性决定国资国企智库的数智化转型不能仅追求办公效率，还需统筹专业性、公共性、安全性和组织责任。
既有研究主要形成三类进路。第一类从新型智库建设出发，研究央企智库的功能定位、平台架构、数据资源和运营机制，认为数智化能力是提高研究效率和决策服务水平的重要支撑；第二类从数字赋能角度，研究科技智库的信息服务平台、数据生命周期和知识组织方式，强调数据治理、平台协同和研究流程变革；第三类聚焦大语言模型和生成式人工智能在决策咨询中的应用，分析其在检索、分析、文本生成和知识服务等方面的潜力，同时关注模型幻觉、信源可靠性、责任边界和价值偏差等风险。现有研究为理解技术应用奠定基础，但对数智技术如何由单点工具转化为贯穿知识生产和决策服务全过程的组织能力，以及数据、模型、平台、人员、服务和治理如何形成联动机制，仍缺乏系统分析。
本文重点回答两个问题：一是国资国企智库的数智化转型，呈现怎样的阶段性演进，其内在动力是什么；二是技术能力转化为稳定的组织化数智能力，主要通过何种机制，受到哪些现实条件制约。
国资国企智库数智化转型的阶段演进
作为连接国家战略、行业发展和企业决策的重要知识生产与咨询力量，国资国企智库的数智化发展受新型智库建设政策引导，与国有企业信息化、数字化、智能化进程密切相关。以新型智库建设、国有企业信息化和数字化转型、人工智能应用等政策部署为阶段划分依据，以任务来源、数据资源、研究方法和成果服务变化为观察线索，国资国企智库数智化发展可划分为四个阶段。各阶段相互衔接、交叉并存，不同企业受主责主业、技术基础和研究需求等因素影响，转型进程存在差异。
任务牵引与经验支撑阶段。2012年以前，国资国企智库建设总体处于分散探索阶段，尚未形成统一的建设框架和组织规范。相关智库单位多由部委所属政策研究、规划设计和工程咨询机构发展而来，并在体制改革中调整组织形态，围绕重大工程、产业规划和企业改革等事项开展咨询研究。例如，中国国际工程咨询有限公司参与西气东输、西电东送、南水北调等重大项目，形成以专项论证服务工程实施和投资决策的实践路径；中国航天系统科学与工程研究院前身707所、710所等单位，将系统工程方法用于航天白皮书编制以及人口政策、物价调控等宏观问题研究，体现跨学科分析和专家研判在复杂决策中的应用。
这一阶段，国资国企智库的研究运行呈现任务牵引、专家经验研判的特征。研究任务通常围绕具体委托事项展开，相关机构以专项课题或专家组为载体组织研究力量。研究判断主要依托专家经验和专业论证，研究人员结合既有资料、实地调研、访谈座谈等，形成项目可行性和实施方案等咨询论证成果。研究成果经专题会议、技术审查和内部报送等程序进入决策过程。受技术条件限制，研究材料多随项目、部门或个人归档，后续使用主要依赖人工调阅和经验传承。随着研究任务增多、资料体量扩大，资料归集和流程管控逐步成为智库建设的重要内容。
资源归集与流程协同阶段。2012年，国务院国资委印发《关于加强“十二五”时期中央企业信息化工作的指导意见》，加快推进国有企业信息化建设，为智库资料归集和成果流转提供支撑。2015年，《关于加强中国特色新型智库建设的意见》提出推进研究方法、政策分析工具和技术手段创新，搭建互联互通的信息共享平台，[3]推动国资国企智库建设加快发展。2016年中央企业智库联盟成立后，联合研究、信息共享等机制由企业内部向跨企业网络拓展。在此背景下，文献资料服务的数字化转型步伐加快。例如，中国化工信息中心参与国家科技图书文献中心资源共建共享，通过规范加工、资源共享等机制，为化工领域研究提供数字文献保障。
这一阶段的主要特征是资源电子化、管理规范化和流程协同化。过去分散在项目和部门的研究材料，逐步被纳入数字化资料库和成果管理系统，资料查找、调用和管理效率随之提高。部分国资国企智库将材料提交、成果审查、归档管理等环节，纳入项目管理系统或内部协同平台，增强成果流转和过程管理的可追溯性。但相关系统对复杂问题分析的支撑仍然有限。经营运行、产业链和外部市场等动态信息接入不足，难以支撑跨领域、跨周期的持续跟踪和量化研判，这推动智库将建设重点进一步延伸至数据汇聚、动态监测和模型分析等领域。
数据汇聚与模型辅助阶段。2020年，国务院国资委印发《关于加快推进国有企业数字化转型工作的通知》，提出加快形成集团级数字技术赋能平台。推进5G、物联网、大数据、人工智能、数字孪生等技术规模化集成应用。[4]在此背景下，国资国企智库研究支撑条件进一步完善，研究数据由静态资料向动态信息拓展，模型分析方法在重点任务中的应用逐步增强。例如，电力规划设计总院有限公司建设全国新能源电力消纳监测预警平台，汇集电网企业、新能源企业及咨询机构等多方数据，为新能源发展形势研判和消纳政策制定提供支撑；中国航天系统科学与工程研究院探索“从定性到定量的综合集成研讨厅”体系，将系统建模和仿真推演等方法用于方案比较和趋势研判，推动信息、模型和专家经验相结合。
这一阶段的典型特征是数据动态化、方法模型化和成果连续化。随着企业数字化转型深化和大数据技术应用，经营运行、项目实施、外部市场等动态数据逐步进入研究过程，智库能够更及时地把握外部环境变化与企业运行之间的关系。统计测算、建模仿真等量化模型开始应用于风险评估、技术路线论证和政策效果测算等场景，为复杂问题研究提供支撑。依托专题数据库等平台，国资国企智库围绕市场变化、行业动态和技术演进开展持续跟踪，形成月度、年度等周期性成果，推动研究服务更加紧密地嵌入企业经营管理和战略实施。上述变化为智能工具嵌入资料处理、关联分析和决策支持创造条件。
数智融合与决策增效阶段。2023年以来，生成式人工智能、大语言模型等技术快速发展，深刻改变知识生产和决策支持方式，为国资国企智库数智化转型提供新的技术牵引。国务院国资委印发《关于中央企业新型智库建设的意见》，提出夯实中央企业智库信息化平台建设。建设信息化平台，构建完善支撑科学决策的结构化数字化全球化的行业产业数据库、知识库、政策库等，实现数智化成果展示，提高决策效率。[5]2024年，国务院国资委部署中央企业“AI＋”专项行动，推动中央企业在人工智能领域实现更好发展、发挥更大作用。
在政策和技术共同推动下，国资国企智库逐步探索人工智能技术与行业知识、业务场景的融合。例如，国务院国资委研究中心等智库围绕“AI＋智库”“AI＋咨询”开展应用探索，推动知识检索、资料归集、辅助论证和成果生成等功能嵌入研究工作。
总体来说，数智化已不再局限于技术工具和平台建设，而是逐步融入国资国企智库建设发展全过程，成为推动研究方式、组织方式和服务方式升级的重要基础。
国资国企智库数智化转型的主要内容
随着大数据、人工智能等技术由辅助性工具逐步嵌入研究生产和决策服务过程，国资国企智库数智化转型可以视为组织运行方式的系统性重构。推进数字化转型通常坚持以价值效益为导向、以新型能力为主线、以数据要素为驱动、以业务变革为核心。[6]国务院国资委有关部署也体现出技术应用向系统能力建设延伸的政策取向，在深化中央企业“AI＋”专项行动中，强调更加突出应用领航，更加突出数据赋能，以及加强人工智能与主责主业、产业需求的精准对接。
借鉴上述系统性转型思路，结合数智技术演进和国资国企智库的知识生产属性，本文认为，国资国企智库数智化转型是以数据要素为基础、以智能技术为牵引，面向服务国家战略和主责主业的决策咨询需求，推动智库运行方式系统重构，使数智技术能力转化为贯穿知识生产和决策服务全过程的组织能力。从运行体系看，这一系统重构主要体现为研究要素、技术工具和组织服务三个维度，并进一步展开为证据组织、数据资产、模型方法、平台支撑、组织协同和运营服务六条转型主线。六条主线相互关联、相互支撑，共同构成国资国企智库数智化转型的分析框架（见表1）。该框架基于部分国资国企智库先行实践，对正在显现的共同特征进行提炼，并为研判未来转型方向提供参考。
证据组织：从静态信息到开放证据体系。数智化条件下，国资国企智库需要面向开放多样的证据环境，重新组织不同来源、不同形态的信息，通过多源互证和内外映射形成稳固的证据链。从方法论看，这可以视为社会科学“三角互证”策略在数智技术条件下的延伸，主要体现为两个相互关联的转向。
从有限材料支撑转向多源信息交叉互证。卫星遥感、航运轨迹、社交媒体、物理传感器和专业数据开放平台等，均可成为新的信息来源。国资国企智库系统运用此类信息，可以捕捉尚未演化为显性事件的“弱信号”，并将其转化为先导性指标，提前识别潜在风险和新兴问题；也可以利用多源异构数据相互校验、相互补充，形成可信度更高的证据链。例如，中国联通智慧足迹大数据公司与农业农村部信息中心合作，综合手机信令、城乡边界地理信息和农村户籍人口样本等数据，对跨县流动、返县留县和就业变化进行动态监测，为农村劳动力就业创业政策制定提供依据。
从外部信息汇集转向内外数据业务化映射。国资国企智库开展企业内部决策咨询业务，需要建立外部环境信息与企业运营、项目执行等内部数据的关联，使外部风险信号进入具体业务场景，提高决策证据的情境解释力。例如，国网能源研究院按照“能源电力行业＋企业运营”两条主线，依托11个领域实验室和170余项模型工具，开展国家、行业、企业等多层级联合模拟，实现宏观环境与企业运行的动态映射。
数据资产：从资料存储到智能知识底座。高质量专有数据资产日益成为智库能力分化的重要基础。从资源维度看，专有数据资产构成国资国企智库的差异化优势；从技术维度看，高质量数据是驱动人工智能工具的关键基础。随着大模型和智能体嵌入研究流程，国资国企智库数据资产主要呈现三个方面的转变。
数据资产治理目标从“资料可查”转向“模型可用”。传统数据治理主要服务研究人员检索和引用，数智化研究进一步要求数据具备机器可读和语义可理解能力。建设人工智能就绪（AI-Ready）的数据底座，不仅是生成式人工智能进入智库场景的技术准备，也是实现规模化应用的重要基础。国家数据局《关于推进行业高质量数据集建设行动的实施方案》提出，形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值”的“数据飞轮”，加快构建数据要素与人工智能协同演进的共生生态。[7]例如，中国石化集团经济技术研究院在构建支撑智库研究的智能化方案时，采用“分层迭代、协同开发、集成应用”的思路，将高质量知识库建设作为关键底座，支撑多场景应用。
数据资产增量更多体现为多模态知识资源融合。随着多模态大模型以及遥感、视听识别等技术发展，过去难以系统处理的多模态信息成为智库知识资产的重要来源。这一变化对能源、电力、交通、通信等重资产行业的国资国企智库尤为重要。此类行业的战略研判需要把握物理实体、空间格局和运行过程，持续采集和分析卫星遥感、现场视频、时序拓扑等多模态数据，增强对供应链韧性和资产脆弱性的动态识别能力。例如，中电科发展规划研究院融合传统信息技术和人工智能技术，实现音视频内容转换、关键信息提取与融合，有效支撑研判工作。
数据资产组织形态从“资料存储”转向“知识网络”。这一更高阶的资产形态，主要通过实体抽取、关系建模和知识图谱建设，将智库资料组织为具有语义关联和推理支持能力的知识网络。例如，天翼智库探索以知识地图组织智库知识资源，建立不同研究资源之间的动态联系，展示知识概况、主题类别和关联关系等；国能经济技术研究院集成内部研究成果和外部行业报告，构建能源领域知识库和专业知识图谱。上述探索有效提高知识资源聚合利用效率，并为专有数据支撑模型推理奠定基础。
模型方法：从经典方法辅助到数模融合分析。国资国企智库的重要专业优势在于深度扎根产业的行业研究能力，这也是其区别于一般政策智库的重要特征。数智化条件下，模型方法体系呈现数模融合、智能增强的特点，主要体现为三个方面。
构建深度垂直的行业分析工具。中央企业所属行业多具有资产规模大、产业链条长、风险传导性强等特征，要求智库深入行业机理和企业经营场景，形成具有产业解释力和决策支撑力的垂直分析能力。数智化阶段的方法创新，主要体现为“行业数据底座—机理、预测和优化模型—专家知识约束—人工智能增强分析”的融合架构。其中，行业数据提供事实基础，行业模型提供专业分析框架，专家知识用于设定边界、解释结果，人工智能用于增强数据洞察和报告生成能力。例如，电力现货交易智能决策平台、油气全产业链优化与决策研究支撑模型平台等，推动行业专用模型服务经营决策。
建设面向行业场景的垂域大模型。在能源、航运、装备制造、矿业、交通、电力等专业领域，通用大模型仍存在行业语义理解不足、推理过程约束不够等问题。具备高质量数据资源和场景优势的大型国资国企智库，正在探索面向特定产业的垂域大模型。例如，中远海运科技航运大模型（Hi-Dolphin）依托航运专业多模态语料库和行业知识体系，提供专业问答、船港业务支持和决策辅助能力；中国船舶集团综合技术经济研究院研发“百舸”船舶行业大模型，在情报分析、订单预测等业务场景中提供决策支持。
开发嵌入多场景的人工智能体。大模型主要提供语义理解、内容生成和推理支撑，智能体则可以将智库研究和管理流程中的程序性、标准化环节转化为智能工作流。其应用主要包括两个方面：在研究场景中参与资料检索、事件分析、报告初拟等环节，推动程序性研究任务自动化；在管理场景中服务项目管理、知识管理和专家管理等组织事务，提高智库运行协同水平。例如，联通研究院依托自研元景大模型，开发搭载企业专属数据库的一站式智能体交互平台“研究院AI助理”，以多个智能体覆盖科研和办公场景，提高研究和运营效率。
平台支撑：从分散工具到平台化协同中枢。数智平台逐步成为连接国资国企智库数据、知识、模型、人员、任务和流程的组织运行中枢。从架构看，数智平台以统一数据底座和能力中台为基础，向下汇聚数据、知识、模型、算力等资源，向上支撑研究生产、组织管理和外部服务等应用场景。总体上，平台重构主要呈现底层中台化、内部一体化和外部生态化等特点。
基础设施层面，平台体现为组织级公共能力底座。国资国企智库应将分散在不同部门、项目和系统中的数据、知识、模型、工具和算力资源统一接入平台，通过统一管理实现资源调用与共享。例如，国务院国资委研究中心建设的国资国企研究数智化分析平台，采用“一池＋N中心”总体架构，以高质量数据资源池为基础，设置数智化分析、智能写作、大模型能力、研究成果与知识、智库云协作等功能模块；南方电网能源发展研究院建设智库数智化中台，将知识、情报、数据、项目、流程和能力等资源纳入统一平台，并与人工智能应用场景和专业实验室衔接。
研究生产层面，平台体现为智能研究协同中枢。新型数智平台可以支撑课题立项、专家匹配、成果评审等全生命周期在线协同，将标准化、程序性研究节点转化为智能工作流，促进跨部门、跨专业协作。
组织管理层面，平台体现为智能化管理和治理工具。将人工智能嵌入日常管理流程，可以推动办公审批、绩效考核等传统管理模块向智能化转型，促进管理流程优化和过程资产集中沉淀。例如，中移智库建设管理运营信息系统，将原本依赖线下、邮件和电话沟通的编审流程纳入线上管理，实现全过程留痕、协同和评价。
外部生态层面，平台体现为内外联动的行业协同接口。相关研究指出，中央企业智库应明确行业产业优势领域，构建与党政机关、协会组织、高校、科研院所等多元化、多层次、多渠道合作机制。在确保安全合规的前提下，国资国企智库可以通过平台对数据、模型、工具和咨询服务进行模块化封装，为产业链上下游主体提供共享服务，发挥行业龙头企业智库的知识溢出和生态带动作用。例如，中国化工信息中心重建中国化工信息网，并开发有关专利、竞争情报和产品市场数据库，为化工科技工作者和会员单位提供服务。
组织协同：从专家主导协作到人机复合团队。人工智能等技术深度嵌入，正在推动智库研究组织方式由专家主导型协作，向人机协同复合团队演进。这一转变涉及研究任务分工、组织角色配置和协同形态的系统调整。
微观任务层面，研究单元逐步形成专家与智能系统多层次协同的工作机制。根据任务复杂程度和风险等级，人机协同可以分为专家主导、人机协同和智能体委托执行等模式。有效协同的关键是明确任务边界、发挥各自优势。智能系统适合承担大规模信息处理和程序性执行任务，专家则应重点负责专业判断和社会价值权衡，通过合理分工实现算力优势与认知优势的互补。
中观职能层面，需要围绕新型专业角色重构组织职责。有研究指出，人工智能价值能否充分释放，关键在于组织能否相应调整工作模式。对国资国企智库而言，一是研究人员应更加聚焦问题定义、框架构建和成果把关，同时提高数据素养、模型调用和智能工具协同应用能力；二是信息化人员应向平台和模型服务转型，承担知识库运维、模型部署、智能体接口编排等工作；三是加强数据分析、知识工程、智能体开发等新型技术能力建设，形成“专家判断＋数据支撑＋模型增强＋平台协同＋质量治理”的复合团队。
宏观组织层面，应逐步形成“稳定组织体系＋平台支撑＋任务型团队”的复合治理结构。数智化转型不是取代传统组织架构，而是在稳定组织体系基础上叠加平台化能力和任务化协作机制。原有组织体系负责基本运行，平台体系提供数据、信息、研究和管理工具等基础支撑，任务型团队围绕具体任务快速组合、调用平台能力开展研究。通过稳定组织与柔性团队相结合，提高复杂议题的快速响应和场景嵌入能力。
运营服务：从报告交付到场景化知识服务。数智技术发展为智库由被动响应需求向主动服务业务场景转变提供条件。成果形态由文本报告，逐步拓展为动态更新的专题数据库、交互式分析工具、动态监测系统、研究智能体和嵌入业务流程的决策支持系统，推动运营服务逻辑发生变化，主要体现为三个方面。
成果形态数字化、产品化。数智化条件下，智库研究成果逐步由文字报告拓展为流转效率更高、应用范围更广的数据产品和分析工具。一方面，将行业洞察、市场数据、专业分析模型等进行标准化封装，转化为行业公共数据库和在线知识服务。例如，机械工业信息研究院围绕现代工程科技知识体系建设，开发数字化手册平台、工程科技数字图书馆等专业知识服务产品。另一方面，围绕具体决策问题开发交互式分析工具。例如，国网能源研究院开发智能投资推演沙盘工具，支持投资规模结构和价值预测，并通过项目、规划和战略校核，辅助投资决策和战略规划实施。
服务模式场景化、持续化。智能技术支撑下，智库研究力量更加深入地融入用户场景，开展动态、长期、连续的跟踪研判，服务模式由课题制交付转向持续服务。一方面，运用数智技术实现个性化、精准化、动态化的信息推送。例如，中核战略规划研究总院与同方知网联合研发专利检索分析系统（AI Pat＋），运用语义理解和向量化技术识别查询意图，推送专利信息和行业动态，提示潜在风险和机遇。另一方面，围绕重点课题建立全生命周期跟踪机制。例如，国务院国资委研究中心联合有关机构和中央企业智库组建中央企业经济指数实验室，构建中央企业运行指标体系，形成持续监测和定期报送机制。
传播方式多模态、网络化。全球智库传播逐步由电子化报告向数据可视化、交互网页和多媒体产品拓展，以提高数据服务决策和引导舆论的能力。对国资国企智库而言，多模态传播既是传播形式创新，也关系理论阐释力、舆论影响力、社会公信力和国际话语权建设。例如，部分国资国企智库已探索微信公众号、线上直播等传播形式，但跨专业数字内容团队建设，以及交互可视化、数字叙事等工具链开发仍需加强。
国资国企智库数智化转型的现实挑战
当前，国资国企智库数智化转型正由工具辅助应用，向研究生产和决策服务系统赋能阶段迈进。[8]但从实践看，部分智库的数据基础、技术应用、服务模式、组织保障和治理机制尚未完全适应数智化发展要求，数智技术对研究生产和决策服务的支撑作用有待进一步发挥。
数据与知识底座较为薄弱，资源整合利用仍需加强。数智化转型以高质量数据和结构化知识为基础。国资国企智库长期积累经营运行、行业发展、政策研究和调研实践等多类资源，但受管理层级、业务边界和系统建设进度差异影响，仍存在数据口径不一、标准不统一、共享不充分、更新不及时等问题。既有研究成果、案例资料和专家经验多以分散载体保存，尚未有效沉淀为可检索、可关联、可复用的知识资产。数据资源与知识资源缺少贯通机制，影响跨领域分析和综合研判。[9]
数智技术与研究业务融合不深，应用效能仍需提升。大模型、知识图谱等新技术，为智库研究方式变革提供重要条件。当前，部分国资国企智库虽已建设信息系统、知识平台，并引入智能工具，但技术应用仍主要服务资料管理、文本处理和辅助办公，尚未全面融入研究业务。部分系统建设与实际需求衔接不够紧密，研究方法和质量控制机制未能同步调整，智能工具应用仍处于分散试用和局部提效阶段。[10]
数智化决策服务闭环尚未形成，服务嵌入能力仍需增强。国资国企智库数智化转型成效，最终应体现为决策服务能力的提升。当前，部分智库仍主要通过报告、专报、简报等静态文本提供决策支持，数据资源、研究成果与业务需求未能有效联通。对经营运行、行业变化和风险信号的动态感知不够及时，成果采纳、实施进展和应用效果等信息缺乏系统沉淀和反馈利用，研究供给与经营管理实践尚未形成稳定闭环。[11]
组织协同和人才支撑不足，转型保障机制仍需完善。数智化转型不仅是技术应用升级，也是组织机制、业务模式和人才结构的系统调整。当前，部分国资国企智库仍存在重平台建设、轻持续运营的倾向，技术建设与研究业务之间缺少稳定协同机制。研究人员的数据理解、工具运用和结果校验能力仍需提高，技术人员对企业改革发展实践和决策咨询场景的理解有待深化。复合型人才储备不足、跨部门协同不畅、知识共享激励不强，制约数智能力持续积累和推广应用。[12]
国资国企智库数智化转型能力体系建设建议
针对上述现实挑战，国资国企智库数智化转型应围绕决策咨询主业推进系统能力建设。本文认为，可构建业务服务层、数智能力层和运营保障层组成的三层能力体系。业务服务层重点提高研究供给与决策需求的场景适配能力；数智能力层推动数据、知识、模型、工具与业务流程协同融合；运营保障层为能力持续积累和迭代提供组织、机制与治理支撑。三层体系相互支撑，由场景需求牵引能力建设，由平台底座支撑业务应用，由组织治理保障长期运行。基于上述思路，建议重点从以下四个方面推进。
夯实数据与知识底座，推动智库资源由分散存储向智能复用转变。数据与知识底座是国资国企智库数智化转型的基础工程。建设重点是通过数据汇聚、标准治理和知识语义化改造，推动核心数据资产向机器可理解、模型可调用的智能资产转变。
拓展多源数据供给体系。建立多源异构数据汇聚机制，统筹整合智库内部各部门自有数据和外部引入的结构化、非结构化数据，将专家隐性知识和项目过程知识纳入统一资源目录，保障组织知识连续性。加强开源信息建设，发挥国资国企智库贴近产业一线的优势，围绕主责主业建立全网公开信息和跨语言、跨学科前沿文献动态获取处理机制，提高底层数据的广度、深度和时效性。加强外部专业数据库集成对接，对宏观经济、行业高频数据等具有长期使用价值的专业数据，建立常态化接入机制，形成“内部沉淀、开源拓展、专业补充”相结合的数据供给格局。
完善数据与知识资源治理标准。数据能否转化为决策咨询能力，不仅取决于资源规模，还取决于能否形成统一的规范和稳定的治理秩序。应主动对接国资监管规范和企业主数据管理体系，围绕数据采集、清洗、标注、分类、存储、调用、共享等环节，建立统一的数据标准和业务指标口径，强化跨部门、跨系统数据贯通。建立统一的资源分类和元数据体系，通过数据标签形成语义关联，使知识资源能存能联、能查能用。同时，建立贯穿全生命周期的治理机制，将数据标准、口径界定、权限配置和质量评估等规则前置，嵌入数据采集、加工、使用和归档全过程。
推进知识资产人工智能就绪改造。长期积累的内部研究成果、持续获取的外部专业资料和专家隐性知识，是智库形成专业优势的核心知识资源。一方面，推进知识资产语义化改造，将知识文档转化为机器可理解、模型可调用、知识可关联的语义资产，并建立增量知识持续更新机制。另一方面，对具备条件的国资国企智库，应聚焦行业核心领域，建设高质量专有知识库和行业知识图谱，为大模型训练、智能体开发和场景化决策服务提供支撑。人工智能就绪改造不是一次性、大而全的工程，应以实际研究需求为牵引，逐步形成可持续更新的专有知识体系。
筑牢数据安全治理防线。国资国企智库涉及企业经营、产业运行和政策研究等信息，必须将数据安全贯穿数据底座建设全过程。在设计之初，就将安全要求、责任机制、规则标准和治理流程一并嵌入场景工程全流程。[13]对内部数据，应根据敏感程度和使用场景，建立分级分类管理、访问权限控制、数据脱敏和安全审计机制，防止重要数据泄露和误用。对开源信息和第三方数据库，应建立常态化准入审查机制，加强信源可信度评估，重点校验数据来源合法性、版权归属、内容安全和价值导向风险。对高敏感数据，应根据安全等级采取逻辑隔离、专网部署或物理分网等方式存储和调用，推动核心安全组件适配信息技术应用创新产业的要求，守牢安全底线。
建设平台化协同中枢，实现数据、模型、工具与场景集成。国资国企智库数智化转型，关键是整合彼此分割的系统，以数智平台为统一载体，推动数据、模型、工具与应用场景深度融合、高效协同。
构建统一集成的平台架构。围绕国资国企智库研究和管理协同核心流程，建设统一门户，打通既有研究分析系统和业务管理系统。强化平台中枢能力，实现数据、模型、工具和业务系统统一接入、灵活调度、协同运行。行业龙头和产业链“链长”企业智库还可在明确数据和安全边界的基础上，增强平台外部连接和生态服务能力。
构建分层级、矩阵式模型能力体系。模型体系建设应统筹人工智能模型和专业分析模型，形成纵向分层、横向协同的模型矩阵。根据实际需求，通用基础模型主要支撑知识问答、内容生成和通用研究辅助等任务；具备数据和场景优势的国资国企智库可围绕主责主业探索行业垂域模型适配与建设；对高频、稳定、边界清晰的任务，可开发专用模型。同时，应持续沉淀预测预警、仿真推演、评估评价等专业分析模型，推动人工智能模型的理解生成能力与领域模型的计算分析能力协同融合，增强复杂决策问题分析能力。
建设场景导向的工具和应用体系。数智平台应由资源承载系统，逐步转向支撑研究和管理流程的工作系统。围绕数据处理、文本分析、关系挖掘、量化分析和可视化表达等需求，完善专业分析工具链；面向资料检索、政策分析、报告辅助生成等高频研究任务，部署具备任务规划和多工具调用能力的研究智能体；围绕风险预警、决策推演和成效评估等复杂场景，建设相应的决策支持系统。同时，将大模型和智能体能力嵌入既有研究协同和管理协同系统，提高研究与管理流程的智能化协同水平。
创新场景化服务模式，推动成果由报告交付向决策服务转变。数智化转型要求国资国企智库根据不同服务对象的决策机制和场景需求，形成分层分类、精准适配的决策咨询服务体系，推动服务模式由报告型供给，向服务型支撑转变。
面向企业战略和经营决策，构建敏捷响应与经营支撑机制。强化全球视野下的前瞻感知能力，依托多源数据监测和趋势识别，及时发现苗头性、趋势性、战略性问题，形成决策议题储备；提高突发性决策需求快速响应能力，运用情报研判模型、可视化工具和智能分析助手，缩短信息获取、初步研判和形成决策材料的链条；推动智库服务嵌入企业决策流程，将数智平台分析能力融入生产经营流和决策流，围绕国资国企改革、战略规划、重大投资等重要场景，提供持续研判和动态复盘支撑。
面向行业生态，构建价值共创型知识中枢。依托主责主业沉淀的数据体系，加强行业底层知识体系供给，形成领域专有知识体系和产业图谱，向行业提供具有公信力和公共价值的知识产品；稳妥推进专业数智化工具共享，面向上下游企业提供数据接口、分析工具和定制化研究智能体，提高产业链信息协同效率；完善平台化共创机制，连接上下游企业、科研机构、行业组织和专家资源，开展联合研究、资源共享和成果共用，增强产业链协同和价值共创能力。
面向党和政府战略决策，探索“一题一档、一题多态、一题贯通”的持续咨政机制。“一题一档”是依托数智平台建立动态议题档案和专题数据库，推动重大议题长期跟踪、滚动研判；“一题多态”是根据决策层级、时点和任务需求，对同一议题进行模块化组织和智能重组，形成内参专报、态势看板、推演工具等多形态产品，实现分层分类、按需交付；“一题贯通”是围绕重大规划、重大政策和重大事项，贯通分析研判、实施跟踪和效果评估等环节，运用数智化工具持续校正判断、迭代建议，推动咨政服务由“一报即止”向全周期支撑转变。
面向社会传播和国际沟通，提升叙事表达与多模态传播能力。国资国企智库应改变重材料罗列、轻叙事组织，重长篇文字、轻视觉表达的工作惯性。增强围绕问题主线开展数据叙事的能力，运用实证数据加强情境化表达，提高成果可读性和传播力；优化数智平台的数据可视化和图形呈现能力，针对具有动态展示价值的议题，开发交互网页、数据看板和短视频等产品，逐步形成叙事化、视觉化、多模态的传播方式。
强化战略牵引和组织适配，将数智化建设纳入组织变革进程。国资国企智库数智化转型能否持续推进，不仅取决于技术和资源投入，也取决于战略、机制、人才和文化等组织保障条件能否同步调整。因此，应将数智化建设纳入智库长期发展规划和能力建设体系。
明确数智化转型的战略定位和推进责任。国资国企智库应将数智化转型作为增强核心竞争力、重构决策咨询能力的长期任务，坚持战略主导、高层推动，制定专项发展规划，明确总体目标、重点任务和实施路径，形成自上而下的战略牵引。不同基础、不同类型的国资国企智库，应根据业务需求和资源条件确定建设重点，分阶段推进实施。
建立与数智化战略相适应的制度环境。资金配置方面，应统筹算力基础设施、模型工具研发和持续运营投入，建立面向长期任务的稳定投入机制，建运并重、持续运营；管理机制方面，应将数据治理、模型建设、工具开发和应用成效等纳入绩效评价，保障转型持续推进；组织实施方面，应建立由领导牵头、业务部门和技术部门共同参与的工作机制，加强统筹协调和资源配置。
优化人才结构，建设复合型人才队伍。国资国企智库数智化转型，需要弥合政策研究、业务实践与技术应用之间的能力差距。应系统提高研究人员数智素养，通过培训、示范和经验交流，使其能够准确提出业务需求、判断模型输出质量、有效使用平台工具；优化岗位设置，通过内部培养、外部引进、联合研发和项目合作等方式，补充数据治理、算法模型和系统安全等专业力量；加强复合型人才培养，推动研究人员理解数据和模型逻辑，推动技术人员理解业务场景，形成兼具行业、政策、研究、数据、模型和工具能力的人才队伍。
培育适应数智化转型的组织文化。鼓励研究人员围绕尚未形成成熟工具的业务场景提出需求，由业务、研究和技术团队共同评估可行性，优先开展小范围试点；建立常态化反馈和迭代机制，及时解决工具不适用、不匹配等问题，推动工具在真实业务场景中持续优化。同时，应防止片面追求技术应用和工具数量的倾向，始终以研究质量和决策价值作为评价数智化应用的基本尺度。
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（2026年7月17日，上海）》，《人民日报》，2026年7月18日，第2版。
[2]《国有企业智库建设指南》（T/CERDS 9-2024），2024年，http://www.sasac.gov.cn/n4470048/n29955503/n32061330/n32070758/n32070773/c32113003/part/32113014.pdf。
[3]《中共中央办公厅 国务院办公厅印发〈关于加强中国特色新型智库建设的意见〉》，2015年，https://www.gov.cn/gongbao/content/2015/content_2810090.htm。
[4]《关于加快推进国有企业数字化转型工作的通知》，2020年，http://www.sasac.gov.cn/n2588020/n2588072/n2591148/n2591150/c15517908/content.html?ivk_sa=1024320u。
[5]《关于中央企业新型智库建设的意见》，2023年，https://www.echinagov.com/policy/340817.htm。
[6]《数字化转型管理 参考架构》（GB/T 45341—2025），2025年，https://openstd.samr.gov.cn/bzgk/std/newGbInfo?hcno=24369200310D91C4C7EF84897C9CBC75。
[7]《国家数据局关于印发〈关于推进行业高质量数据集建设行动的实施方案〉的通知》，2026年，https://www.nda.gov.cn/sjj/zwgk/tzgg/0608/20260608172117399715004_pc.html。
[8]黄吉海、周雷、王延飞：《大语言模型在决策咨询工作中的应用解析》，《智库理论与实践》，2025年第4期。
[9]李涵、郭瑞昭：《数智时代地方新型智库赋能新质生产力的作用机理、现实困境及发展路径》，《图书馆》，2025年第1期。
[10]陈劲、张可人、张月遥：《生成式人工智能赋能企业先导能力的风险挑战与策略选择》，《改革》，2026年第2期。
[11]张艳欣、产健、李琦：《生成式人工智能视域下智库决策咨询服务探索》，《今日科苑》，2025年第5期。
[12]任鹏飞：《数字赋能科技决策智库高质量发展：理论、图景与策略》，《科学管理研究》，2022年第5期。
[13]王飞跃：《人工智能场景化应用现状与趋势》，《国家治理》，2026年第7期。
Research on the Path of Digital-Intelligent Transformation
of State-Owned Assets and State-Owned Enterprise Think Tanks
Huang Jihai
Abstract: Think tanks for state‑owned assets and state‑owned enterprises are vital knowledge‑generating organizations that link national strategies, industrial governance and corporate operational decision‑making. Their digital‑intelligent transformation is shifting their research paradigm from experience‑based judgment and information aggregation toward data‑driven operation, model‑assisted analysis and scenario‑embedded application. Its essence lies in advancing from "tool‑enabled empowerment" to "system‑wide intelligence enhancement". At present, the transformation still confronts such challenges as a weak foundation of data and knowledge, insufficient integration of technology and business, inadequate feedback on decision‑making services, and unsatisfactory organizational collaboration and talent support. It is necessary to consolidate the foundation of data and knowledge, build a platform‑based collaborative hub, develop innovative scenario‑oriented service models, strengthen strategic guidance, and improve the trustworthy governance system, so as to translate digital‑intelligent technologies into organizational capacity running through the whole process of knowledge production and decision‑making services.
Keywords: state-owned assets and state-owned enterprise think tanks, digital-intelligent transformation, artificial intelligence, decision-making consultation, knowledge governance
责 编∕李思琪 美 编∕澎 湃
