数字政府大模型场景应用：作用机理、现实挑战及治理路径

摘要：ChatGPT和Sora迅速崛起并广泛应用，引发了各国对大模型的“追捧”与“考量”。然而，大模型能否引入数字政府，会在哪些应用场景形成乘数效应等问题有待观察。以国内几款主流大模型应用为例，对大模型的基本概念、主要分类、功能属性及其与数字政府的相互作用等作出解释。大模型在提升政府治理效率的同时，会增加额外成本，带来新的风险，对现有制度、机制、技术和数据等提出新挑战。依据敏捷治理理论和“技术嵌入型治理”等有关概念，提出“软硬结合”完善制度体系、“数实融合”重塑运行机制、“虚实结合”打牢技术底座、“人机结合”激发数据活力等对策建议，以期为大模型有效提升数字政府成熟度找到更优路径。

关键词：大模型；人工智能；数字政府；场景应用；敏捷治理

中图分类号：D63；TP18文献标识码：ADOI：10.3969/j.issn.1003-8256.2025.01.006

基金项目：中共中央党校（国家行政学院）科研项目（2023YB037）

数字政府是技术嵌入与数据赋能双重作用下的新型治理模式，更加强调技术优势、数据价值及协同合力[1]。从ChatGPT到Sora，机器算法的突破性进展与颠覆性创新，极大地提升了大模型的“思考”能力和“行动”本领，引发了世界各国将其应用于数字政府等领域的积极探索。但与其他新事物的演进过程相类似，大模型在哪些方面可以促进数字政府建设？会在哪些应用场景遭遇“梗阻”？对应的监管问题和治理难题有无可行性路径？诸多新问题也伴随而至，亟需从理论与实践两个层面寻找答案。不同于以往的机器算法，大模型凭借数亿级参数规模和高度可信的数据训练结果，展现出前所未有的逻辑推理和任务执行能力，具有更加丰富的应用场景和拓展空间。大模型嵌入数字政府已在公文写作、政策问询和辅助决策等微观层面取得实效，正逐步对制度优化、技术创新和数据治理等产生影响。从学理上剖析大模型与数字政府的相互关系和场景应用等问题，进一步归纳技术与治理相互作用等一般性规律，有望为各地政府数字化转型找到新的参考依据。从实践中总结大模型与各领域有效融合的经验做法，梳理当前面临的现实挑战并提出可行性对策建议等，则可为推动技术驱动下的数字政府成熟度提供新的“行动指南”。

目前来看，关于大模型发展及其监管的成果正在逐步增多，主要集中在技术原理、场景应用、伦理反思与规范治理等方面。对于技术原理的解释，大多发表于公众号、知乎和专业论坛等自媒体平台，学术文章以网络首发的形式居多，一些专业机构陆续发布了年度白皮书等。比如，中国人工智能学会的《中国人工智能系列白皮书——大模型技术（2023版）》，对大模型的历程、生态、风险等做了回顾，类似于一本大模型的“技术说明书”。具体应用场景方面，多数学者从产业发展的视角切入，发现大模型已在智能制造、数字金融、智慧城市等领域优先布局，并不断向公共服务和市域治理等政府事务嵌入。比如，有学者以大语言模型为例，认为在政务问答、实体识别、舆情判定和关系抽取等政务领域，大模型有“用武之地”[2]。关于伦理问题的讨论，一般从人与机器的关系、人工智能的整体性等方面展开叙事。比如，有学者提出大模型实现了人类的沟通革命和行动自由，但也潜藏政治堕化等风险，需要建设新劳动和新行动支撑下的人类新共同体[3]。至于加强治理的观点，依然秉持“先规范、后发展”的包容审慎思想，近年来国际上常用的敏捷治理得到更多关注。比如，有学者提供了分类监管思路和“全谱系”的政策工具箱，建议将敏捷治理作为我国新一代人工智能治理的新范式等[4]。

总的来讲，已有研究还存在一定的学科分离、术治脱节、实用性差等情况，为进一步研究留下了空间。在知网以“大模型”为主题检索学术期刊类文章，学科分布中排在前五位的分别是自动化技术、信息经济与邮政经济、计算机软件与应用、工业经济和新闻与传媒，“工科”属性较为明显。社会科学类论文中，存在单向思维或者缩小范围、概念混用甚至自造词汇等倾向，比如“从ChatGPT到Gov GPT”，就属于一种“理想类型”。就实际应用而言，将大模型与数字政府、社会治理、政务服务等关联起来的研究更少，且都是以某一类大模型或政府职能的某个方面为对象来“解剖”，理论与实际结合不紧密。多数文章以ChatGPT或Sora等国外大模型为例，而操作这些产品一般要访问境外服务器、以国外手机号注册且收费较高，难以在国内环境尤其是政府部门普及推广，因而相关结论和建议便缺乏“可信度”与说服力。为此，以广义的大模型为着力点，在规范相关术语使用和概念表述的同时，从各类大模型在数字政府真实场景中的应用切入，力求在两者相互嵌入、融合作用和良性互动等方面下功夫，探讨发展与安全、应用与治理等问题，有望取得一定的创新突破。一方面，希望可以弥补现有研究成果的不足；另一方面，尝试性地预判大模型使用过程中的现实困境，并前瞻性地提出应对思路与行动策略。

1作用机理：“单向嵌入”到“场景驱动”

数字政府是技术赋能政府职能转变、促进治理效能提升等动态过程的统称，大模型在数字政府中的应用，实质上仍然离不开“技术嵌入型治理”的范畴。从演进历程看，大模型实现了从“技治结合”向“数实融合”的转变，完成了从狭义的技术向广义的“技”和“术”的拓展，不仅是一种工具，更是一套“解题思路”或者方法体系。正因为大模型在不断成熟并取得实效，才逐渐被引入各个行业各个领域，也为丰富数字政府内涵提供了新的路径选择。

1.1大模型的基本概念与主要类型

大模型（Large Model，也称基础模型，即Foudation Model），是一种具有庞大参数规模及复杂程度的机器学习模型（主要是人工神经网络模型），所谓的“大”表示参数量达到了数十亿甚至数千亿级别。这里的模型一般是指计算机科学领域的算法集合或技术架构，简单理解就是一个或一组函数（公式）。模型的工作原理，是通过训练数据和优化调整参数，从中找出现实世界的一些规律和模式，并以此来预测后续结果。在海量大数据的支撑下，大模型拥有比以往更加强大的学习与泛化能力，在自然语言处理、语音图像识别、视频内容生成等方面表现出色，在智慧教育、智慧医疗和辅助决策等领域得到广泛应用。按照功能划分，大模型通常包括决策式大模型和生成式大模型；按照输入数据类型不同，可分为语言大模型（NLP）、视觉大模型（CV）和多模态大模型；依据领域划分，有通用型大模型L0、行业大模型L1和垂直大模型L2；而具体到部署方式上，则可分为云侧大模型和端侧大模型两类。无论是哪种分类形式，大模型所扮演的“角色”，实际上就是采取类似或超过人类专家的论证分析与逻辑推理方法，对输入的有效数据进行“黑箱式”加工，要么给出“一揽子”解决方案，要么“代替”人类积极行动。比如，利用百度文心一言完成政策问询，借助讯飞智能录音笔生成会议纪要等。

1.2大模型的功能拓展与实际应用

国外的ChatGPT、Sora等大模型，被认为是人工智能演进的新成果，具有大数据、大算力、多模态的合力优势，有望实现感知世界、理解世界向创造世界的嬗变。从内涵上讲，人工智能范围较为宏大，凡是技术与应用相结合的事物，都可以看作是人工智能；大模型则相对比较具象，人工智能背后的机器算法和推理机制等，合起来就算是一组模型，规模超过一定量级就称其为大模型，它们已经从“模仿人类思考”演化为“模拟人类创造”。2023年底，谷歌发布了新一代大模型Gemini，标志着“原生多模态”时代的到来，大模型的性能呈现“指数级”攀升，不再局限于自然语言处理、视觉特效制作等简单工作，而能胜任以前人类专属的文学创作、绘画设计、视频剪辑等复杂任务。大模型的通用性、可扩容等特征，为其大面积“复制”并嵌入各行各业与复杂场景、影响和重塑生产方式与治理模式等创造了有利条件。截至2023年底，有超过100家国内的跨行业企业“进军”大模型领域，百度、阿里、智谱、讯飞等公司“领衔”推出各自的大模型产品，并陆续向社会开放。通过实测基础功能发现，在中文续写、自动绘图、语音转录等方面它们“各有千秋”。比如，百度文心一言4.0既可以解答用户随机提出的各类问题，还能根据要求画出“会飞的猪”、思维导图、流程图等，而且比较符合逻辑；知网智能写作可以根据已有论文提纲，逐行生成一篇较为完整的研究报告，且从头到尾没有重复部分；科大讯飞把大模型内嵌到录音笔、办公本等硬件中，会议一结束就能自动完成纪要写作，极大地节约了办公时间等。

1.3大模型的发展趋势与场景延伸

与ChatGPT等国外产品使用繁琐、收费较高不同，国内大模型使用注册简便且是熟悉的中文界面，更易“飞入寻常百姓家”。在一系列利好政策推动下，大模型生态逐步完善，应用场景大幅下沉。除了集中在能源、金融、教育、医疗、交通等领域，聚焦数据分析、智能客服、智慧营销等服务外，借助大模型执行公文写作、政策对比、案例筛选等任务，开始在党政机关普及开来，从微观层面加快了数字政府建设步伐。尤其是开源大模型的大面积渗透，打通了预训练、微调、部署、评测等各个环节，进一步降低了大模型研发成本与使用“门槛”。2023年7月，上海人工智能实验室发布书生·浦语大模型的70亿参数轻量级开源版本InternLM-7B，成为国内首个面向大模型研发与应用的全链条开源体系，引领了大模型开源化、轻量化、专业化的发展趋势。随着各地数字政府成熟度的不断提升，对于大模型的需求更加迫切，政企合作、产学研用一体推进等模式也被移植过来，各类大模型纷纷“抢滩”政务领域。比如，百度文心一言可以按场景、职业等分类提供服务，仅“党政机关”类就细分为工作报告、领导发言稿、事务性通知等36项功能。2023年底，安徽省发布第一批数字政府大模型场景应用清单，明确提出政务咨询、城市治理、辅助决策等6大类18个具体应用场景，计划采取“通用能力+场景建设”和产品化两种模式落地，为数字政府大模型场景应用提供了新鲜“样本”。

1.4大模型对数字政府的外部效应

依据“技术嵌入型治理”相关论述，技术是广义的方法手段、作用原理的统称，那么大模型也可以看作一种“技术”，是统合制度、机制、技术与数据的技术综合体。实践证明，技术嵌入治理会消除人与机器的“身份”区别，形成一种人机结合、数实融合、技治联合的理想形态。大模型在数字政府的不同节点和运转环节中，相应地将会产生一定的积极影响。一是制度创新方面，大模型能够揭示现有制度的缺陷和不足，推动制度设计更加“完美”，提高制度的科学性、合理性和可行性，加快传统制度的“数字化转型”。比如，大语言模型通过语料分析和知识库对比，可以搭建出数字空间的制度“阵列图”，并用知识图谱等形式展现制度优势及其执行过程等。二是运行机制方面，大模型可以通过自我训练更加熟悉政府工作流程和工作人员使用习惯，并“潜移默化”影响和改变现有做法，促进政府治理的方式和结构发生变化，甚至会推动政府机构改革或局部调整。比如，知识增强的多模态大模型，可以帮助使用者快速掌握跨学科知识和关联知识，在重大事项决策时避免“旁听则暗”的窘境。三是技术实力方面，大模型引发了算力、数据、算法等各要素及其产业链的整体联动，极大地拉动了智能算力的需求与布局，对现有技术和信息系统产生了“鲶鱼效应”，推动传统数字工具“二次迭代”与“复刻使用”。以云侧大模型为例，需要调动新型基础设施、算力网络、数据集合、应用平台等一系列技术举措，关键在于整个技术体系而非单一技术的应用效率。四是数据潜能方面，大模型在强大算法和算力助力下，可以快速把晦涩难懂的数据话语用通俗易懂的人类语言呈现出来，通过数据流动有效整合各类资源，打破信息壁垒和数字鸿沟。比如，医疗或金融等定制型大模型，可以更换为政务数据后转化为政务服务类大模型，以便更好地实现跨部门、跨层级甚至跨区域的数据交换与业务协同，为各级政府用数据说话、依数据评判等提供基础支撑。大模型与数字政府相互作用框架，参见图1。

2现实挑战：“技治分离”与“供需错配”

数字政府最公认的定义，是指新一代信息技术推动政府治理模式创新后的一种状态，是技术与治理相互嵌入的具体呈现。大模型在数字政府实际场景中的应用，除了数据安全防护、技术伦理等“老生常谈”问题外，也会暴露出包括自身缺陷在内的许多新风险[5]。受传统行政体制及政府管理的影响，一定程度上“消减”了大模型的促进功能。比如，信息沟通不畅仍然严重，地方政府各部门间的数据共享还有“梗阻”，不能发挥出大模型的“客观性”“可信性”“便利性”等优势，在制度、机制、技术和数据等方面均面临新的挑战[6]。

2.1大模型“揭露”数字政府的制度缺项

大模型本身并不能“独自”发挥作用，背后是强大的算力网络、数据集合和基础设施的支撑。从最小的一块GPU芯片，到遍及全国的整个产业链体系，大模型应用涉及各行各业、各级政府和各个领域，嵌入过程中不断审视现有制度体系，同时也提出一些新需求。一是制度的专属性。大模型与数字政府相结合，不仅需要投入大量资金和人力资源，在如何熟悉使用新技术、新工具，培养新思维、新习惯等方面下功夫；还会无形中增加比较大的制度成本，需要针对可能引发的社会问题或新的矛盾，及时制定和出台“定制化”的管理制度。二是制度的体系化。与其他国家相比，我国关于新技术、新业态、新应用的制度法规等正在构建当中，比如国家层面有《网络安全法》《个人信息保护法》《数据安全法》等，为促进数字技术与政府治理深度融合提供了依据。但与人工智能、大模型这些新事物直接关联、行之有效的制度还较为欠缺，各级网络安全和信息化委员会、数据局这些最主要的管理部门，也面临如何快速响应、怎么处理好大模型的发展与安全的关系等命题的思考。三是制度的时效性。具体到大模型监管而言，国家和地方陆续出台了一些与算法、人工智能等有关的政策，比如《关于加强互联网信息服务算法综合治理的指导意见》《互联网信息服务算法推荐管理规定》《生成式人工智能服务管理暂行办法》等，虽然明确了权责归属、任务分配和“注意事项”等，但与大模型的演进趋势和普及速度相比，显得相对有些滞后和“被动”。四是制度的适用性。我国人工智能相关领域的现有制度或政策，在层级、领域和地区等方面还存在“各自为政”现象，执行力度和实际效果难以实现“齐头并进”，诸如跨部门、跨区域联席会议制度、“纵横交叉”的信息共享制度、政企合作的数据治理制度、“平战结合”技术转换制度等，还没有在大模型的应用与管理中有效“适配”。

2.2大模型“搅乱”数字政府的机制组合

数字政府发展过程中，先后涌现出人机结合、数据共享、信息公开、“人工+智能”等技术嵌入型的运行机制。然而，大模型与数字政府相结合，却超过了“技术”的外延，正在完善或仍在“襁褓”中的一些机制举措，无法顺利“嫁接”过来直接使用，需要重新排列组合。一是供需两端未匹配。从应用场景看，大模型对政府职能的方方面面产生了影响，从最基础的公文写作、政策制定，到较复杂的部门协同、数据交换等，传统的人与人合作、单位与单位沟通等机制将难以为继。二是使用管理有空隙。从具体操作看，大模型的服务提供商实际上没有控制输入端的能力，对谁来提问、问答内容是否敏感等情况，企业无法及时作出干预，即便在前端或后台依法履行了合规义务和管理职责，但仍不能杜绝使用者在输入端的“违规”操作，目前来看还没有这方面的可行性机制。三是破旧立新不同步。从实际效果看，大模型核心技术由企业掌管的单一局面短期内无法改变，数字政府建设过程中依然存在数据和技术被企业垄断、政府科技实力不足、党员干部技术驾驭能力偏低等问题[7]。新技术嵌入传统治理伴随的一些固有隐患，比如技术依赖、数据安全、公众隐私等，既是大模型同样要面对的难题，也对通过大模型形成一些新机制提出了“希望”。四是新旧并存成常态。从内外协调看，大模型在重塑政府治理结构的同时，会“破坏”现有的规则或约定，技术优势、本领优势会对权责优势产生一定“威胁”，额外地增加了新的机制壁垒。大模型的使用不如传统的OA办公自动化系统、文字编辑软件那么便捷，所在单位是否允许、有无申请审批要求等，都会成为新的“拦路虎”，如何处理人机关系、技治矛盾、数算冲突等“增量”，正在成为大模型与数字政府相互融合的新考量。

2.3大模型“放大”数字政府的技术短板

各地实践证明，数字政府建设普遍遵循技术嵌入、理念革新、制度建构的发展顺序，但就技术层面而言还有许多不足，比如供给端与需求端无法完全匹配，掌握数字技能的仍是少数群体，既掌握专业技能又具备行政管理能力的复合型人才比较稀缺，核心技术受制于企业等[8]。大模型引入数字政府之中，沿袭了技术与制度互嵌的路线轨迹，暴露出了不同类型的技术难题。一是“不能用”的问题。大模型本身具有突破性、变革性和高风险等新特点，天然带有人工智能自主演化难控制、技术迭代难跟进、黑箱遮蔽难追责等“三难”窘境，支撑其后的不同类型技术相互“打架”、技术与治理不“兼容”甚至相互排斥等情况也不可避免。比如，Kimi、讯飞“星火”等国产大模型为了提升用户体验，纷纷推出移动端或PC端应用，而大多数党政机关已经更换了国产化PC，信创版操作系统却不支持大模型客户端安装。二是“不好用”的问题。以最基本的大语言模型为例，实际操作发现，几款国内产品生成的问答文字，虽然看上去逻辑清晰、没有重复，但存在“一句话翻来覆去说”“引用文献找不到出处”“遇到敏感词汇转链接”等不同程度失误，如果要使用这段文字，就要花数倍时间人工校验并反复核对。大模型尤其是定制大模型从设计到落地，要经历比较长的周期，对于一些习惯“拿过来就用”的政府人员而言，很难有耐心等到它们完全成熟再去使用。三是“不会用”的问题。大模型虽然在推理分析和复杂任务等方面，已经达到甚至超过了人类水平，但是否可以对政务服务、行政事务等产生正外部效应等，只靠学术文章、产品宣传、抢鲜试用等静态分析，很难得出令人信服的答案，为此观望者远远多过行动派。如果想用大模型生成比较符合“常理”的结果，就要依赖一定的专业知识，比如“学会怎么向机器提问”等，但因人员数字素养有所差别、新技术驾驭能力高低不一，应用效果便不尽相同。四是“不敢用”的问题。大模型由各种复杂的新技术组成，由技术不信任导致的望“数”却步也会扩散为望“模”却步。大模型产品层出不穷，仅国内产品就超过了100种，包括开源、闭源、二次开发、微调等多种开发模式，成熟度、稳定性、适用性等方面都有待验证。发布机构涉及互联网巨头、云计算企业、人工智能公司以及数字基础设施服务商等，这种竞相“爆发”的局面不但没有增加大模型的亲和力，反而增加了甄别难度和选择成本。

2.4大模型“切换”数字政府的数据角色

大模型与数字政府相结合，将进一步释放数据要素价值，推动数据与应用场景形成乘数效应，加快治理数据向数据治理“跃升”。在这一动态过程中，数据流转的路径和速度，直接影响业务优化的方向和进度，数据的“角色”发生了全方位的转换。一是治理主体的“核心行动者”。大模型建立在海量且有效的数据集合之上，输入端数据的规模和质量，决定了生产端结果的可靠性和可用性。数据与技术、制度和人员一道，构成了异质性行动者网络，数据的传输、交换、共享等各个环节，都与政府职能及业务流程合为一体，数据成为“牵一发而动全身”的决定力量。二是治理过程的“实际领导人”。大模型是个“黑箱”系统，使用者只需要关注输入和输出两端，无需了解具体过程和全部细节，大模型在数字政府中的应用，会形成类似于去中心、无组织等新型治理类型，其中不同阶段自动生成的各类数据，或者不同样态的数据，比如图片、视频等，都会成为下一阶段行动的触点或指令，相当于代替人类“发号施令”一般。三是治理方式的“自我革命者”。大模型的生成“幻觉”问题容易导致生成结果不可信，“智能涌现”效应带来模型能力不可控、容易被使用者“激怒”后反向“攻击”人类。这些由于自身缺陷隐含的潜在风险，只能依靠“内力”自行纠正，比如用正确和权威的数据替换掉有问题的数据，并用结果数据进一步验证过程数据、行为数据以及指令数据等，由此对数据本身的治理能力提出了更高要求，需要大模型的开发者也要具备除数字素养之外的综合能力。四是治理结果的“相关旁观者”。大模型大多由技术企业掌控，拥有大量数据、核心算法或领先技术的企业，有时会凭借其技术优势和市场优势形成垄断，挤压其他使用者合法访问数据和利用算法，引发新的数据壁垒和数字鸿沟。如何利用大模型解决信息不对称、数据歧视等问题，杜绝以往的技术滥用、隐私泄露、片面评价等误区，也成为大模型嵌入数字政府后的新任务。由此引发的算力网络快速构建、算法架构优化组合、基础设施系统布局、应用场景反向驱动等新的命题，又会对数据要素的地位作用重新审视，这便是大模型应用于数字政府中的意义所在。

3治理路径：“包容发展”与“审慎监管”

作为一种快速适应环境变化的动态治理范式，国际上通用的敏捷治理，被越来越多的国家用于大模型等新样态的监管，这与我国的“包容审慎监管”理念相一致[9]。敏捷治理倡导快速感知、灵活响应、多元参与和持续协调等观点，秉持“原则指引为主、灵活策略为辅”的基本方略，更加适合治理大模型这类不断升级变化的“活”对象。大模型嵌入数字政府应用场景，实际上是新技术、新理念与现有政府治理活动交互作用、实现迭代升级的“数字化转型”过程。大模型本身的发展演进与成熟度提升，都会推动各级政府在治理主体、治理过程、治理方式和治理结果等方面发生深刻变革。为了顺应这些变化和挑战，就要不断推进制度、机制、技术和业务创新，着力打造全向赋能、多治融合、跨业协同的敏捷治理新格局。

3.1治理主体规范化：“软硬结合”完善制度体系

敏捷治理强调的是弹性、回应性和适应性，既有“硬性”的制度要求，也有“软性”的规约规制，更看重治理主体是否可以及时回应、制度执行力与适应性能否调合等问题。大模型在数字政府中的应用，是一种制度、技术、数据等非人为行动者与人为行动者共同参与治理的异质性网络，体现出了更多的弹性和适应性，更加需要主体多元、协同参与的治理架构，加快形成与数字政府、技术治理、数据治理等直接相关的“专门”性的制度体系[10]。

一是以制度创新带动技术创新。采取跨部门、跨区域联席会议或主要领导磋商等方式，集中讨论技术应用方案、项目建设规划、专业培训计划等，从技术使用的“源头”做好资源配置与人力分配等制度建设。明确各类治理主体与大模型使用有关的责任清单，用文件或规章等形式确定下来，为形成各部门各负其责、相互协作、齐抓共管的工作局面提供制度保障。二是以信息共享推动制度执行。行政手段与技术举措相结合，打通各类数据纵向到底、横向到边的传输渠道，传统方法与数字技术并用，推动信息互通、数据共用、责任同担、价值共识等大模型应用新模式。及时出台符合治理实际的算法共享与数据交换标准规范，实时补充代码公开、技术开放、资源均摊等管理制度。三是以软性规约补充硬性监督。通过社会监督、群众监督、第三方评估等途径，营造政府公职人员运用大模型的“开放”空间，用阳光政府、透明政府建设防止数据滥用和技术“乱”用。成立相对独立的监管机构或进一步加强党的领导，加大对政府公职人员使用大模型的监督审查力度等。四是以实时效能倒逼制度创新。用数据安全水平、标准规范完备度、群众政务服务满意度等指标，验证各级政府大模型实际应用效果。将政府机关数字化转型、智能化升级、业务流程再造等情况纳入年度工作要点和年终绩效考核，加强各类人员技术培训与实操训练，以提高全员数字素养和技能水平为基点，培养更多更广泛的大模型助力制度执行的中坚力量。

3.2治理过程专业化：“数实融合”重塑运行机制

敏捷治理通过对全过程的风险感知与及时响应，实现对技术和算法等新风险的预判与应对，从而避免技术泛滥带来的风险悖论。大模型在数字政府中的应用，目的在于提高各级政府的工作效率和治理效能，关键在于如何实现应用结果与现有机制取长补短、相互补位，需要一系列以多中心协同治理为核心的敏捷治理机制。

一是用敏捷思维改造传统政府工作流程。运用互联网思维、人工智能思维和大数据思维，按照数据流转路径重塑业务流程，通过大模型前端应用、数据分析平台等手段提高办事效率，坚持“数据多跑路、群众少跑腿”创新部门协同方式。加快推进机构改革进一步向基层延伸，依据大模型产业上、下游调整技术部门岗位设置，推行跨层级办理、多部门协同、扁平化运行、一站式审批等新方式。二是用制度化举措加强数字政府项目管理。具体项目建设过程中，坚持统一标准规范、统一规划计划、统一资金管理、统一专家把关、统一项目验收等“五个统一”。强调数据赋权、网络协同与信任支撑一体推进，优先在市域社会治理、城市大脑指挥等领域试点大模型应用，推进数据管理部门和技术监管部门有机整合，鼓励多元合作、政企协作、第三方评估等机制在大模型应用场景中的实时嵌入。三是用监督问责制规范政府部门职责履行。进一步厘清大模型应用的建、管、用、防各项职责，按照权责分配、能力适配和岗位匹配等原则，及时调和权力与权利、守正与创新、自主与引进等各种关系，确保政务服务等各类数据和结果的公正性、透明度。及时收集群众反馈与评价，实时发现问题并整改，根据群众需求快速调整大模型应用场景和使用范围，用真实结果和可信数据提升群众获得感、幸福感与安全感。四是用大模型实测推动数实融合良性互动。持续推进政府主导下的政企合作模式数字化转型，通过建立行业治理共同体、企业内部增设专门监督机构、政府企业联合成立新型监督小组等形式，用数字化新手段结合制度化硬约束，探索用大模型监管大模型、用数字化治理数字化的新方式，借助较为成熟的新技术、新算法，建立信任科技支撑下的各类技术“转译”新机制[11]。

3.3治理方式数字化：“虚实结合”打牢技术底座

敏捷治理强调对外部环境和内部需求的适应与回应，更加重视硬件底座、软件算法及体制机制的不断迭代升级。大模型在数字政府中的应用，涉及技术选型、算法选用、方案选定等诸多“技术性”难题，这就需要由“人工”与“智能”一起评判，从“系统-功能”角度出发，最大限度消除技术与治理间的“隔阂”。

一是优先选用相对成熟技术。以大模型为引领的新一代智能技术发展迅猛，大多数先在娱乐、生活、文化、金融等领域落地生效，到达与政府治理相关的领域时往往需要一定周期。各级政府要着力缩短这一周期，积极采取更有效的政企合作、更简便的技术转化等举措，及时引入比较新且成熟的大模型。比如，人工智能技术的普及推广，就是先从安防摄像头、智能工厂机器人开始的，先行先试、逐步引进的做法可在一定范围内尝试。二是加强技术使用过程监管。各级政府要处理好安全与发展的关系，在确保技术安全性和稳定性的前提下，最大限度降低技术依赖风险、杜绝数字“利维坦”现象。在数字政府和智慧城市建设专项规划、市域社会治理实施方案等指导意见中，详细提出大模型适用范围、不同部门对应职能、应用效果评估方法等，打通基于数据评判和算法评价的大模型应用全过程管理闭环。三是注重技术普及宣传推广。通过宣传讲解、媒体报道、学术会议等方式，向基层群众介绍大模型的优点和成功案例，提高群众对技术、治理、数字化等知识的了解和接受程度。选择一些有代表性的治理领域或数字化项目，评选大模型应用的示范单位或优秀企业，通过大模型评测报告、现场讲解试用、开发单位解读等方式，展示大模型应用的实际效果和真实前景，为其拓展应用和推广复制提供参考借鉴。四是鼓励对外交流合作共享。各地应当坚持“引进来”“走出去”齐步走，借鉴或直接使用其他地区或国家大模型应用及数字政府建设方面的成功经验，立足自身、因地制宜总结典型案例并积极推广，通过技术合作、成果交流、研讨评选、项目招标等方式，完成资源共享、数据交换和优势互补。鼓励成熟技术成果优先用于民生问题和群众“急难愁盼”事项，注重运用人工智能、大模型、知识图谱等新手段的实际效果，反向验证并促进大模型向更大范围普及。

3.4治理结果可视化：“人机结合”激发数据活力

敏捷治理的主要思路，是通过对大数据的收集、处理、运用来实现科学化的数据决策。具体到大模型在数字政府中的应用，就是要从较为完善的数字基础设施中获取数据，为决策者打造“驾驶座舱”“城市大脑”“实战平台”来运用数据，在治理效能中用数据说话，努力形成“决策-执行-反馈”的数据治理的全周期闭环。

一是重视对数据要素及其治理问题的研究。当前，关于数据及其治理问题的研究成果相当丰富，比如《数权法1.0》系列专著就是基于“数据人”假设建构的从数权、数权制度到数权法的理论架构；《数据论》一书全面解读了数据的“前世今生”“未来发展”“价值意蕴”等。但是对于大模型中数据要素的观察还比较欠缺，要在这方面有针对性地“集中火力”，吸收院校、智库和社会等研究成果，提出更多更好用的通用性指导意见和对策建议。二是提升数据治理对数字政府的引领作用。在努力释放数据要素经济价值的同时，突出抓好各类与治理有关数据的使用与管理，集聚政府、企业、社会和个人等多方力量，集思广益拟制数字政府建设规划、大模型使用方案和数据治理行动计划，突出大模型的技术属性和数据特征，注重用身边事、身边人等典型案例“现身说法”，逐步扩大大模型的适用范围，在安全可靠、自主可控前提下，为大模型有效嵌入数字政府提供支持激励。三是打造更加开放透明的数据治理新格局。广泛征集各地大模型应用及数字政府建设等方面的成功做法，及时转化、固化为两者结合的具体制度和运行机制，“合并同类项”归纳概括为适应性更强、操作性更好的“专属”方案。比如，建立透明和开放的数字政府及其数据治理体系，实现决策过程公开，鼓励不同利益相关者试用大模型，采取严格的数据安全管理制度和技术应用保障机制，确保大模型使用的合法性和安全性等[12]。四是营造有利于数据潜能发挥的生态环境。各级政府要坚持问题导向和系统观念，以规则先行、安全先行加强数字政府和智慧城市建设[13]。具体到大模型应用而言，应当站在“用户视角”“游客视角”审视数据收集、算法优化、结果应用等全过程的难点、痛点问题，把“领导干部走流程”“数字空间体验员”“网络达人下基层”等创新模式落到实处，积极鼓励各级各类人员参与测试、分享体会，努力提升大模型的亲和力和普及率。

4结论与讨论

技术进步永不停歇，推动社会发展与治理变革也不会止步。不可否认，无论是多种类型的数字政府新模式，还是大模型赋能各行各业的新领域，实际上都是“电子+政务”组合的新样态，对应的治理也不会拘泥于一种，从共存、协作向“共情和共同进化”转变乃是大势所趋[14]。以新质生产力为代表的数字时代，在技术和业态不断更新的同时，管理和制度创新也在同步跟上，用数据说话、靠技术决策、依数字评估等模式成为数字政府的常用手段[15]。大模型的逐步成熟并广泛应用，为以往“争论”颇多的技术嵌入型治理提供了新赛道，有望对解决当前数字政府遭遇的现实困境提出新建议。正如大模型的智能写作过程，比如先用百度AI助手（文心一言）完成二十多条问答，收集到一万多字的原始素材，再加上“人工”想法干预和修正，最终便可呈现出一篇看上去较为工整、读起来“没毛病”的学术论文。但是，在借助大模型提升效率的同时，必须警惕被技术“绑架”、过分依赖算法等现象。纵观各地数字政府建设进展情况，全国各地“百花齐放百家争鸣”的现象令人欣喜，但新技术新手段引入之后并不总能“按计划进行”，如何平衡安全与应用、效率与公平等矛盾，一直是技术嵌入型治理的核心议题[16]。概言之，无论是技术的临时使用还是大模型与政府治理的深度融合，都是行动者网络理论提倡的“人类与非人类行动者要和平相处”理念的体现。各地的探索试验会及时转换为新的指导理论，更多的地方实践也会变成新的典型案例，不断为大模型应用于数字政府等领域找到新的优化路径。

总之，为了应对大模型嵌入数字政府中的现实挑战，需要政府、社会、企业等各方共同努力，及时出台技术监管、数据保护、部门协作甚至国际合作等“一揽子”制度机制，发挥多元共治合力，推动数据治理模式创新，有效破解技术与治理“两张皮”等问题。实际上，我国各地数字政府成熟度差距仍然较大，东部地区明显好于西部，省级政府新技术应用远远超前于市县一级，技术创新应用不平衡不充分问题依然严重，为继续关注大模型与数字政府相关命题留下了拓展空间。从大模型的演进可以看出，技术发展与治理变革相互促进相互影响，从数据驱动向场景驱动、业务驱动转变，一体推进治理现代化的趋势已经相当明显。2024年，国家数据局联合多部门正式印发《“数据要素×”三年行动计划（2024—2026年）》，强化场景需求牵引，带动数据要素高质量供给、合规高效流通，并选取交通运输、科技创新、城市治理等12个行业和领域作为重点，为各地各级政府发挥数据要素乘数效应、更好释放数据要素价值提供了新的参考路径。在大模型等新手段的支撑下，在一系列新的应用场景引领下，更好地挖掘技术潜力、更多地释放数据价值，也将是数字政府建设的努力方向。

参考文献：

[1]宋晔琴，贾小岗.“社会-技术”框架下数字政府建设绩效的影响因素及提升路径研究：基于31省份的定性比较分析[J].科学与管理，2023，43（4）：56-64.

[2]王昀，胡珉，塔娜，等.大语言模型及其在政务领域的应用[J].清华大学学报（自然科学版），2024，64（4）：649-658.

[3]高奇琦.大模型时代的劳动与行动：以阿伦特为中心的思考[J].人文杂志，2024（3）：110-119.

[4]薛澜，贾开，赵静.人工智能敏捷治理实践：分类监管思路与政策工具箱构建[J]中国行政管理，2024，40（3）：99-110.

[5]滕妍，王国豫，王迎春.通用模型的伦理与治理：挑战及对策[J].中国科学院院刊，2022（9）：1290-1299.

[6]刘海军.技术驱动下的数字政府成熟度研究[J].行政管理改革，2024（2）：76-84.

[7]王玉龙，栗兴芸，李齐.适配性变革：技术治理的理论逻辑与实践进路[J].中国行政管理，2024（1）：121-130.

[8]周晓丽，姬晓暄.从技术嵌入到制度建构：我国数字政府建设的路径研究：基于部分地方政府数字化建设的经验分析[J].贵州省党校学报，2023（5）：73-81.

[9]张凌寒，于琳.从传统治理到敏捷治理：生成式人工智能的治理范式革新[J].电子政务，2023（9）：2-13.

[10]李晴，刘海军.融合执行力与适应性：基层治理的制度优势分析[J].天津行政学院学报，2024（1）：3-12.

[11]翟云.数字政府替代电子政务了吗？基于政务信息化与治理现代化的分野[J].中国行政管理，2022（2）：114-122.

[12]李政蓉，郭喜.信息技术赋能的政府治理创新：基于社会技术系统理论的要素框架[J].科学管理研究，2023，41（2）：111-116.

[13]王益民.数字政府整体架构与评估体系[J].中国领导科学，2020（1）：65-70.

[14]李晴，郁俊莉，刘海军.数据赋权、网络协同、信任支撑：数字政府建设中政企合作的路径优化[J].新视野，2023（4）：104-111.

[15]刘海军，翟云.数字时代的新质生产力：现实挑战、变革逻辑与实践方略[J].党政研究，2024（3）：45-56，125.

[16]徐媛媛，严强.技术嵌入数字政府建设的障碍及其消解路径[J].江海学刊，2022（6）：151-159.

Scenario Application of Large Model Embedded into Digital Government：Function Mechanism、Realistic Challenges and Governance Path

LIU Haijun

（Party School of the Central Committee of C.P.C（National Academy of Governance），Beijing 100091，China）

Abstract：The rapid rise and widespread application of Chat GPT and Sora have sparked the pursuit and consideration of large models in various countries. However，it remains to be seen whether the large model can be introduced into digital government and in which application scenarios it will form a multiplier effect.Taking several mainstream large model applications in China as examples，explain the basic concepts，main classifications，functional attributes，and interaction with digital government of large models. While improving government governance efficiency，large models will increase additional costs，bring new risks，and pose new challenges to existing systems，mechanisms，technologies and data.Based on the theory of agile governance and relevant concepts such as \"technology embedded governance\"，this paper proposes countermeasures and suggestions including \"combining software and hardware\" to improve the institutional system，\"integrating data and reality\" to reshape the operating mechanism，\"combining virtual and real\" to solidify the technical foundation and \"combining human-machine\" to stimulate data vitality，in order to find a better path for the effective promotion of digital government maturity with large models.

Keywords：large model；artificial intelligence；digital governance；scenario application；agile governance