智库数字化转型与数字智库

夏子叶 霍国庆

摘要：[目的/意义]本文旨在分析数字技术在智库决策咨询中应用及其可能给智库带来的改变，并预测未来智库的发展图景。[方法/过程]本文从数字技术在决策领域的应用切入，探讨了数字技术赋能智库决策咨询的过程机制，剖析了智库数字化转型及其关键问题，展望了智库数字化转型的未来图景。[结果/结论]未来的数字智库就是智能决策系统，智能化、无人化和学习型的数字智库将成为未来智库决策咨询的主导方式。未来智库决策咨询的重点将是建设、维护和不断升级智能决策系统。智库专家的主要任务将是研究决策者和智库专家的智能并将其转化为算法，以及就智能决策系统提出的决策支持方案给出决策建议。决策者、智库专家及各类智库工作者都须适应智库数字化转型。

关键词：数字技术    传统智库    智库数字化转型    数字智库    政策建议

分类号：C932.4

DOI： 10.19318/j.cnki.issn.2096-1634.2024.02.03

1  引言

智库是社会的传感器[1]与“思想工厂”，也是国家软实力、治理能力与治理体系现代化的重要构件。我国高度重视智库建设，2013年党的十八届三中全会首次正式提出“加强中国特色新型智库建设，建立健全决策咨询制度”的任务后，各地掀起了智库建设与发展的高潮。《全球智库报告2020》指出，2020年我国智库数量位列世界第2，达到1，413家[2]。与此同时，我国智库也存在智库成果转化率低、高端智库人才不足、研究数据零散、研究方法经验化、研究结果前瞻性与预见性有限等问题，存在“大而不强”的困境[3]。

数字化的发展与应用为解决我国智库问题提供了解决方案，数字化技术的应用能够解决大规模研究数据如何简单获取和快速处理的问题，有助于发现隐匿在数据背后的规律[4]。数字化还能够超越传统智库重定性分析而轻量化分析、重經验研究而轻规范研究、重思想表达而轻理论论证的研究范式[5]。通过数字化赋能和数字化转型，我国智库将逐步过渡到基于智能决策系统的以智能化、无人化、客观化、实时化、高效化为主要特征的新型智库范式。

2  数字技术在决策领域的应用

数字技术在决策领域的应用可以追溯到20世纪70年代的决策支持系统（decision support system，DSS）。决策支持系统是在管理信息系统的基础上发展起来的决策辅助工具，能够通过收集、整理、分析数据而为决策者提供全面的信息解决方案。20世纪80年代末，决策支持系统开始与专家系统（expert system，ES）相结合，形成智能决策支持系统（intelligent decision support system， IDSS），其特点是能够充分发挥专家系统以知识推理形式解决定性分析问题的优势。20世纪90年代中期，出现了数据仓库（data warehouse， DW）、联机分析处理（on-line analysis processing， OLAP）和数据挖掘（data mining， DM）等新技术，“DW+OLAP+DM”逐渐形成了新决策支持系统，其特点是从数据中直接获取辅助决策信息和知识。进入21世纪，知识管理（knowledge management， KM）与网格计算技术开始应用于决策支持系统。知识管理系统强调知识共享，网格计算强调资源共享，以此为基础，决策支持系统就可以利用共享的决策资源（数据、模型、知识）辅助解决各类决策问题。2012年之后，大数据迅速流行，大数据技术开始被应用于决策支持系统，应用云计算等技术对海量数据进行自动化处理，能够得到实时和持续的决策支持。2022年，随着ChatGPT的问世，人工智能在决策支持系统中的应用开始普及化，决策支持系统不再局限于对数据进行处理和形成方案，利用人工智能还能够进行内容创作、提升内容生产效率与丰富度。从解决相对确定的决策问题到解决不确定的决策问题，从人机互动提供决策支持到自动提供决策支持，从提供决策辅助方案到自主决策，数字技术在决策领域的应用一直在持续和深入地向前推进。当前数字技术在决策领域的应用主要有以下特点。

（1）物联网、大数据与云计算技术推动了大数据驱动型决策模式转型。大数据具备描述现象与规律、规范分析实时数据流、预测未来趋势的功能[6]，可以弥补传统经验决策范式中决策科学性、预见性与决策效率方面的不足。数字技术为实现大数据驱动型决策的转型提供了技术支持：物联网技术通过射频识别、红外感应、激光扫描传感器等信息传感设备，将线下实体在线上动态映射，并形成可为决策提供参考的大数据信息，改变了传统决策中手工采集与抽样采集的数据采集模式；大数据技术可以对海量、高速、多源、高价值的大数据进行收集、集成、挖掘、共享，并辅助决策者进行趋势研判、动态监测与风险预警；云计算技术可以依靠分布式存储与计算技术，快速响应处理大数据信息，提升决策者应对复杂问题的治理能力。

（2）人工智能技术推动决策活动迈向智能化时代。人工智能技术在决策支持系统中的最初应用是一种名为专家系统的智能程序，它将自然语言转化为计算机语言，通过映射在计算机中特定领域的知识系统与推理规则，根据已知事实，对决策问题进行推理性求解[7]。其能够像人类专家一样思考，解决只有专家才能解决的复杂问题，并成为辅助决策系统。随着数字技术在决策系统中嵌入程度的不断加深，利用算法对海量大数据资源进行自动化处理的决策支持系统上线。决策支持系统不仅具备机器学习的自学习、自驱动、自适应能力[8]，而且在生成式人工智能技术的加持下，突破了过去专家系统只能在限定领域、单一任务中发挥作用的障碍，在自然语言处理中建立了一个与领域无关的通用理论[9]，逐步演化为打通专业领域的通用性决策系统。随着更多研究者关注智能技术支撑的决策支持系统，“领导驾驶舱”“智慧城市大数据决策平台”“城市大脑”等智能决策支持系统开始频繁服务于政府决策[10]，将交通、气象、环境、水利、教育、医疗、民生等各领域的决策集成于同一平台内，并设计分场景的分析模型与决策方案。此时，智能决策系统一定程度上发挥着“智囊团”的作用。

（3）互联网技术打破了决策活动的时空限制、扩充了决策活动的参与主体。在决策领域，互联网技术应用主要表现为打破时空限制，为多元主体提供更为敏捷、高效、便捷的决策参与方式。一方面，基于互联网技术构建的开放式创新平台，为决策者与智库研究者提供了在线交流场所，提升了各类参与者在决策中发挥积极价值的可能性。例如，互联网技术与新媒体技术催生了虚拟智库，智库咨政参与者跨越了组织边界，借助电子邮件、在线视频会议等手段，建立在地理上与专业上分散的全球合作网络[5，11]，以便共享信息、见解与判断，提供更高水平的咨政与决策参考服务[12]。另一方面，外部行动者的理解、意愿与支持度等因素也对决策活动起着关键补充作用[13]。这是因为，互联网无边界、去中心化的特征，提高了决策机构外部多元主体的网络话语权，企业、公民、社会团队等多元主体不受时空限制在网络上发表观点，为决策活动提供了丰富的参考信息。

3  数字技术赋能智库决策咨询的过程机制

智库为政府提供决策咨询活动的本质是数据处理与价值创造的过程。数字技术与智库决策咨询活动的互动也无法回避这一过程。艾可夫（Ackoff）[14]曾用“数据—信息—知识—智慧”（data-information-knowledge-wisdom，DIKW）模型，来描述在决策过程中数据利用转化的全过程。具体到智库决策活动中，潘教峰[15]用DIIS（data-information-intelligence-solution）模型将智库决策过程概括为“收集信息—揭示信息—综合研判—形成方案”4个环节。以上模型恰好描述出了智库的核心工作是将信息汇总分析，经由专家研判后形成专业性成果，进而影响政策议程[16]，其本质是利用数据进行价值创造的活动，包含“数据采集—数据分析—数据输出”3个顺序活动[17]。因此，从过程视角来看，数字技术可以在3个阶段赋能智库决策咨询。

（1）在数据采集阶段，数字技术可以为智库决策咨询提供全面、客观、实时的数据来源。智库咨询依赖可获取的数据的数量与质量。在传统智库时代，智库咨询主要从各类数据库获取二手数据，以及通过观察、调研和参与实践等方式获取一手數据。这种数据获取方式有以下局限性：一是数据资源的有限性和不精确性，这些数据多是抽样数据，而且往往与智库研究需要不完全匹配；二是数据获取的滞后性，这些数据的获取需要花费大量的时间，必然产生时滞；三是数据冗余或噪声较多，这些经过加工或处理的数据必然带着“把门人”的观点，会影响智库相关人员的判断，并最终影响决策者的决策。数字技术的应用则能够根本性地解决上述问题：诸如网格化技术等数字技术的应用使决策咨询能够获取针对研究问题的全样本和实时化数据，同时，由于这些数据都是由数字网络直接获取和传送的，“把门人”引发的噪声问题得以解决，数据更为客观和真实。

（2）在数据分析阶段，数字技术可以为智库决策咨询提供科学、前瞻、个性化、高效的分析工具。智库咨询最核心的工作就是数据分析和智慧化处理工作。在传统智库时代，数据分析有赖于智库专家的个人和集体智慧，最大的局限性在于高水平的智库专家是稀缺产品，而且智库专家的智慧很难分享和传递。数字技术的应用解决了这个问题。通过把顶尖的智库专家和决策者的智慧程序化为算法，智能决策系统就能够持续地针对决策问题对各种数据进行分析、处理，并形成解决方案。衡量算法的主要标准包括：是否具有逻辑性或相关性，是否具备预测分析能力，是否能够处理个性化问题，是否能够快速处理大数据等。需要指出的是，智库专家或决策者智慧的程序化是永无止境的过程，要谨防在算法中出现“把门人”问题。

（3）在数据输出阶段，数字技术可以为智库决策咨询提供按需式、多样化的智库产品。智库咨询的效能是由智库产品决定的。在传统智库时代，智库产品通常是由智库团队集体创作的，主要工具是智库专家的智慧。数字技术特别是以ChatGPT为代表的生成式人工智能技术的应用，可以从数据中学习，并产生具有创造性、现实性的全新输出。生成式人工智能技术最显著的特点是可以根据决策者的需要提供个性化的智库产品，而且在提供智库产品的过程中，决策算法会不断学习，从而不断提高智库产品的质量和效能。

数字技术在智库决策咨询中的应用还在不断深入，在这个过程中，数字技术不仅为智库专家和智库工作者赋能，而且也能为决策者直接赋能。数字技术赋能智库决策咨询的过程也就是智库数字化转型的过程。

4  智库数字化转型及其关键问题

智库数字化转型是指随着数字技术在智库决策咨询过程中的全面应用而发生的以智库专家个人或团队经验为主的人力决策咨询向以智能决策系统为主的机器决策咨询的发展过程。智库数字化转型需要解决的关键问题很多，包括：全样本数据的持续获取问题、大数据的科学和高效处理问题、智库解决方案的生成和评价问题。

（1）全样本数据的持续获取问题。传统智库时代，智库研究咨询所采用的数据绝大多数都是抽样样本数据，最终的智库产品在很大程度上取决于所选择样本的代表性及所获取的样本数据的真实性和有效性。在数字化时代，由于多样化数字技术，如互联网、物联网、各类信息系统、网格技术等的广泛应用，智库研究和决策咨询采用全样本数据具有了可行性。要解决全样本数据的采集问题，一方面，要通过互联网技术搜集个人和各类组织的数据，另一方面，要通过物联网技术搜集自然界和各种人造系统的数据。这需要建立庞大的遍布社会和自然界的传感网络，以便持续地获取各类社会活动和自然界变化的数据。这样就能够为智库决策问题研究和咨询提供全样本，其结果必然会提高决策的质量和效能。需要注意的是，全样本数据的获取必须权衡成本和收益问题，要确保智库数字化转型在成本合理化的范畴进行。

（2）大数据的科学和高效处理问题。数字智库时代的全样本数据处理对海量数据处理设备的性能有很高的要求，不仅要有大规模的数据存储能力，而且要有运算速度更高的超算能力。各类云计算中心和超算中心的建设将为数字智库发展提供有力支持。从战略决策，特别是行政战略决策的角度分析，其所需要的数据涉及各级各类的信息系统和数据库，这些信息系统和数据库必须协同运作，因此，关键是如何解决数据孤岛问题。更关键的问题在于，如何科学、精准和有效地分析处理智库咨询需要的大数据。这就涉及算法的设计和方法问题及相应的解决方案。首先，由谁来设计智库算法。一般由软件公司的编程人员负责设计，但智库有其特殊性，需要组建专门的团队负责持续性地研究和设计。其次，如何设计智库算法。从理论上来讲，需要把古今中外优秀决策者、思想家、智库专家，以及特定组织的决策者的智慧程序化为算法。最后，如何保证算法的客观性和优化。客观性在于要尽可能弱化智库算法设计者的偏好影响，优化则在于保障智库算法研究和设计的持续性。

（3）智库解决方案的生成和评价问题。数据分析处理解决的是如何根据决策问题的需要进行数据的分类、整理、相关性分析、逻辑性分析、有效性分析、结果性分析、预测性分析等，侧重点是“解析”过程，得到的是“结果”。智库决策咨询的最终产品则需要根据决策的目的进行讨论、判断、评价、综合、演绎等，侧重点是“合成”过程，得到的是“结论”。智库数字化转型要实现的目标是智能化和自动化地合成智库产品，这就需要不断应用人工智能技术，形成诸如ChatGPT技术所能生成的智库解决方案与评价技术，从而可以不需要人力而由系统自动生成各类所需的智库报告。

智库数字化转型过程是艰难的、充满探索性的和不以人的意志为转移的：艰难是指智库数字化转型涉及很多人的利益，必然会遇到重重阻力；探索是指智库数字化转型是把古今中外决策者和智库专家的智慧转化为人工智能的过程；不以人的意志为转移是指智库数字化转型是符合智库发展规律的过程。

5  智库数字化转型的未来图景

基于上述分析，进行合乎逻辑的推测，智库数字化转型的结果就是智能决策系统或者说数字智库全面替代以智库专家经验决策为主的传统智库，未来将是以数字智库直接为决策者提供支持的发展图景。

目前的智能决策系统不同于20世纪80年代提出的智能决策支持系统。智能决策支持系统是决策支持系统融入专家系统后，能够更充分地应用人类的知识，如关于决策问题的描述性知识、决策过程中的过程性知识、求解问题的推理性知识等，通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。而智能决策系统则是大量应用人工智能等技术的产物，是由大数据采集系统、大数据处理系统、模型算法系统和智能决策支持系统等子系统构成的巨型人工智能系统。智能决策系统常用的方法包括层次分析法、灰色理论、遗传算法、博弈决策、深度学习、分布式决策等，具有如下传统智库所不具备的特点。

（1）能够在给定的条件下自主地进行决策，并给出相应的结果或建议。所谓“给定的决策条件”是指智能决策系统中预设的决策算法，该算法充分吸纳了古往今来智库专家的决策经验与智慧，并具备自动学习与更新的能力。也就是说，智能决策系统自主决策全过程不需要智库专家提出方案，其基于所搜集的全样本数据，应用高效和精密的大数据算法和人工智能技术，可以根据各种给定的条件，提出相应的决策方案。

（2）能够实时地发现问题和提出应急解决方案。智能决策系统在决策响应与决策连续性上具备超越传统智库的优势。在决策响应方面，智能决策系统能够实时地发现问题，并在问题发生初期就形成预判，提出相应的最优解决方案，以动态预警与实时响应机制，将问题化解在萌芽状态。在决策连续性上，智能决策系统在系统预设算法指导下对来自大数据平台上的决策数据进行挖掘与分析，各处理步骤由算法串联，实现自动连贯式决策。这从根本上变革了科层制下传统智库所需遵循的“信息采集—信息传递—智库咨政—领导决策——执行反馈”如此层层递进的咨政流程，最大限度地减少了决策不及时所造成的损失。

（3）能够对未来发展趋势进行预测并提供各种针对性预案。全样本数据的优势在于能够使智能决策系统更快和更准确地把握事物发展规律。基于规律的合理外推和趋势预测，智能决策系统对自然系统、人类社会和人工自然系统的未来发展都能够进行预测性分析，而且随着其自主学习能力的不断增强，预测水平和效果也会不断改进，由此得出的预案对决策者的支持力度越来越大。

智能决策系统的出现和应用或将根本性地改变智库的发展格局，进而改变全社会的决策范式，并可能引发人类社会发展模式的转型。智能决策系统带来的挑战主要包括如下几点。

（1）更多的智库工作者将被迫面临转型。传统智库时代的智库工作者的工作将被智能决策系统全面替代，只有少数智库专家还能够从事智库相关的工作。一部分智库专家的任务是研究决策者和智库专家的智慧并将其转化为算法，另一部分智库专家的任务是辅助决策者对智能决策系统提出的决策支持方案进行遴选，并提出建议。

（2）将对决策者提出更高的要求。在未来大多数情况下，智能决策系统将直接面对决策者，能够在任何时间、任何地点，针对任何问题提出决策建議和方案。这就要求决策者具备智能决策系统的基本知识和技能，具有强大的决策能力。一般而言，在智能决策时代，决策者应该是一个团队，这样才能对智能决策系统提出的多样化的决策方案进行优化选择，并做出决策。

（3）将对决策执行者提出更高的要求。智能决策时代的决策者的决策效能将实现质的提升，但仅仅提升决策效能还不够，决策的执行更重要，因此，与智能决策系统匹配的决策执行者的能力必须大大增强。

（4）将对智能决策系统的应用与风险管理提出新的要求。以大数据、算法与算力为关键构件的智能决策系统将打破原有的决策与管理体制，并引发一系列问题，如数据获取中的数据隐私与安全问题、数据孤岛问题，算法自动化决策中的算法透明度与可解释性不足、算法歧视与算法偏见等问题，算力能否匹配大规模数据处理需求等问题。上述问题将制约智能决策系统的应用，因此，需提出针对性的风险管理解决方案。

智能决策系统也可以称为数字智库，其形成和应用不仅将在智库领域掀起一场革命，而且也将可能带动人类社会的变革。数字智库能够给人类带来很多惊喜，同时也带来了很多挑战。如同面对人工智能一样，人类，特别是智库工作者不能“讳疾忌医”，拥抱和适应变化才是最好的解决办法。

6  结论与建议

本文从数字技术在决策领域的应用及其发展过程切入，深入探讨了数字技术赋能智库决策咨询的机制，以及智库数字化转型的关键问题和未来图景，主要得出以下结论：数字技术在决策领域的应用在持续地向数字智库的方向艰难而执着地前行；数字技术能够在智库决策咨询的所有方面提供赋能，并大大提高智库决策咨询的效率和质量；智库数字化转型是不可逆的过程，主要面临的关键问题包括数据采集、数据的决策化处理、决策方案的自动形成等；智库数字化转型的结果是形成智能决策系统或者是数字智库，这将全面替代传统智库，带来智库领域的革命并可能引发社会变革。

基于上述研究，本文提出如下政策建议：加大对数字智库研发的投入，积极推动数字智库的应用、改进和完善；加强对数字智库引发的变化及其关联效应，特别是风险与挑战进行研究，提出有针对性的解决方案加以应对；数字智库可以替代传统智库，但无法替代决策者，数字智库扮演的仍然是决策支持者，而不是决策者的角色，最终的决策仍然是由决策者决定和负责的，为此必须从根本上提高决策者的数字化决策领导力；高度重视对决策者和决策执行者的培训，以便提前适应、认知、熟悉、把握和更好地应用数字智库；积极推动智库工作者的转型，智库工作者未来的主要任务不是为决策者提供支持，而是为数字智库提供支持，换言之，大多数智库工作者，包括智库专家或将转向从事与数字智库决策算法逻辑构建相关的研究工作，而非传统智库模式中直接面向具体决策问题的决策支持工作，智库工作者要适应这种变化并在新的领域发挥更重要的作用。

参考文献：

[1] 李刚. 论新型智库及其核心能力建设[J]. 决策与信息， 2023（5）： 38-43.

LI G. On the new-type think tank and its core competence construction[J]. Decision & Information， 2023（5）： 38-43.

[2] MCGANN J G. 2020 Global go to think tank index report[R]. Philadelphia： University of Pennsylvania， 2021.

[3] 陈潭. 从大数据到大智库：大数据时代的智库建设[J]. 中国行政管理， 2017（12）： 42-45.

CHEN T. From big data to big think tank： Think-tank construction of big data age[J]. Chinese Public Administration， 2017， 23（12）： 43-45.

[4] 陈潭. 大数据驱动社会治理的创新转向[J]. 行政论坛， 2016， 23（6）： 1-5.

CHEN T. The innovative turn of big data driven social governance[J]. Administrative Tribune， 2016（6）： 1-5.

[5] 周湘智. 中国特色新型智库发展趋势与走向[J]. 智库理论与实践， 2022， 7（6）： 1-10.

ZHOU X Z. The Development trend and future direction of new types of think tank with Chinese characteristics[J]. Think Tank： Theory & Practice， 2022， 7（6）： 1-10.

[6] 李杰. 工業大数据： 工业 4.0 时代的工业转型与价值创造[M]. 北京： 机械工业出版社， 2015： 43-67.

LI J. Industrial big data： Industrial transformation and value creation in the industry 4.0 era[M]. Beijing： China Machine Press， 2015： 43-67.

[7] 张煜东， 吴乐南， 王水花. 专家系统发展综述[J]. 计算机工程与应用， 2010， 46（19）： 43-47.

ZHANG Y D， WU L N， WANG S H. Survey on development of expert system[J]. Computer Engineering and Applications， 2010， 46（19）： 43-47.

[8] 邱国栋， 王易. “数据-智慧”决策模型：基于大数据的理论构建研究[J]. 中国软科学， 2018（12）： 17-30.

QIU G D， WANG Y. “Data-Wisdom” decision model： Research on theoretical construction based on big data[J]. China Soft Science， 2018（12）： 17-30.

[9] 季倩. 清华大学人工智能“泰斗”张钹：ChatGPT出现后 建立人工智能理论有了可能性[EB/OL]. （2023-07-08） [2024-02-06]. https：//baijiahao.baidu.com/s？id=1770761079020630994&wfr=spider&for=pc.

JI Q. Zhang Bo， a leading figure in artificial intelligence at Tsinghua University： The possibility of establishing artificial intelligence theory after the emergence of ChatGPT[EB/OL]. （2023-07-08） [2024-02-06]. https：//baijiahao.baidu.com/s？id=1770761079020630994&wfr=spider&for=pc.

[10] 鲍静， 范梓腾， 贾开. 数字政府治理形态研究：概念辨析与层次框架[J]. 电子政务， 2020（11）： 2-13.

BAO J， FAN Z T， JIA K. Research on the governance forms of digital government： conceptual analysis and hierarchy framework[J]. E-Government， 2020（11）： 2-13.

[11] KRAEMER R A. Digital disruptions and the emergence of virtual think tanks[M]//KHARE A， STEWART B， SCHATZ R. Phantom Ex Machina. Cham： Springer International Publishing， 2017： 281-295.

[12] 張云昊. 从实体智库到虚拟智库：电子智库的提出及其建构[J]. 中国科技论坛， 2012（6）： 56-61.

ZHANG Y H. From the entity think tank to the virtual think tank[J]. Forum on Science and Technology in China， 2012（6）： 56-61.

[13] 王绍光. 中国公共政策议程设置的模式[J]. 中国社会科学， 2006（5）： 86-99.

WANG S G. Public policy agenda-setting patterns in China[J]. Social Sciences in China， 2006（5）： 86-99.

[14] ACKOFF R L. From data to wisdom[J]. Journal of Applied Systems Analysis， 1989， 16（1）： 3-9.

[15] 潘教峰. 智库研究的双螺旋结构[J]. 中国科学院院刊， 2020， 35（7）： 907-916.

PAN J F. Double helix structure of think tank research[J]. Bulletin of Chinese Academy of Sciences， 2020， 35（7）： 907-916.

[16] 徐宁， 宗明明. 数字化赋能新型智库高质量发展[N]. 中国社会科学报， 2021-05-20（2）.

XU N， ZONG M M. Digitalization empowers high-quality development of new think tanks[N]. Chinese Social Science Today， 2021-05-20（2）.

[17] RUIJER E， PORUMBESCU G， PORTER R， et al. Social equity in the data era： A systematic literature review of data‐driven public service research[J]. Public Administration Review， 2023， 83（2）： 316-332.

作者贡献说明：

夏子叶：资料收集，论文初稿撰写；

霍国庆：论文选题确定，框架搭建，写作指导，论文修改。

Digital Transformation of Think Tanks and Digital Think Tanks

Xia Ziye  Huo Guoqing

School of Public Policy and Management， University of Chinese Academy of Sciences， Beijing 100190

Abstract： [Purpose/Significance] The purpose of this article is to analyze the application of digital technology in think tank decision-making consultation， its potential impact， and the future development prospects of think tanks. [Method/Process] This article examines how digital technology is applied in the decision-making field， explores the process mechanism of empowering think tanks with digital technology for consultation， analyzes the digital transformation of think tanks and its key issues， and discusses the future prospects of think tank digital transformation. [Result/Conclusion] This article believes that the future digital think tanks will function as intelligent decision-making systems， and intelligent， unmanned， and learning-based digital think tanks will become the dominant mode of decision-making consultation. The focus of future think tank decision-making consultation will be on building， maintaining， and continuously upgrading intelligent decision-making systems. Think tank experts will primarily study the intelligence of decision-makers and other experts， converting it into algorithms and providing decision recommendations on the proposed solutions by intelligent decision-making systems. Decision makers， think tank experts， and various types of think tank workers must adapt to the digital transformation of think tanks.

Keywords： digital technology    traditional think tanks    digital transformation of think tanks    digital think tanks    policy recommendations

收稿日期：2023-11-22      修回日期：2023-12-26