自掀起大語言模型浪潮以來，國內外已涌現出多款AI工具，但這些大模型由于在成本、本土化、安全性等方面的不足，在我國數字政府中的實際應用仍然有限，尚處于探索階段。而近期備受關注的DeepSeek系列模型則因其在工程技術上的創(chuàng)新，為數字政府建設提供了新的技術選擇，并可能進一步促進公共治理模式的深層變革。以DeepSeek為代表的本土開源大模型在技術特性上契合了當前我國數字政府建設的哪些需求？帶來了哪些機遇？具有哪些潛在應用場景，有望為公共治理帶來哪些方面的變革？“深度探索”能否真正“深度嵌入”公共治理，而不只是趁熱“接入”，又可能遇到哪些方面的風險與挑戰(zhàn)？下文將就這些問題進行展望與探討。

一、DeepSeek的技術特性與我國數字政府建設需求的契合

（一）低成本實現

隨著數字政府建設的深入推進，如何在有限的財政經費約束下實現智能化升級，已成為各級政府面臨的重要命題。DeepSeek模型在工程技術路線上的創(chuàng)新為解決這一難題提供了新的可能。該模型采用了多層次注意力機制（Multi-Level Attention, MLA）和混合專家系統(tǒng)（Mixture of Experts, MoE），顯著降低了計算資源需求，使得模型訓練和部署的硬件門檻大幅降低。這種技術路線使其在保持高性能的同時，相對于傳統(tǒng)大模型將算力成本控制在較低水平，使政府部門可用更經濟的預算完成智能化升級，從而突破此前因高昂的技術成本造成的瓶頸。同時，模型的開源特性又進一步降低了其使用成本，使得各級政府部門可以根據實際需求與外部技術團隊合作對模型進行適應性調整和二次開發(fā)，提高了資源的使用效率。

（二）本土化理解

在數字政府建設過程中，場景的智能化水平很大程度上取決于模型對本土化語境的理解深度。DeepSeek模型在中文場景下展現出了較為卓越的理解和推理能力，進一步通過利用中國特有的政務語料進行訓練，將有助于模型更準確地理解各類行政術語、政策文件和民眾訴求中蘊含的細微語義差異。這種深度的本土化理解能力能使其在公共治理場景中，表現出更強的精準性和適應性。例如，在政策解讀方面，模型有助于更精準地把握政策文本的內在邏輯關系，并結合本土治理情境作出恰當的推理判斷；在民意分析任務中，有助于更準確地理解各種方言表達甚至網絡用語，提高服務準確度；在政務咨詢場景中，也有助于根據不同群體的表達習慣給出更有針對性的回應。這種本土化的語言理解能力有望提升我國數字政府建設的智能化水平，打造“有溫度”“接地氣”的數字政府。

（三）本地化部署

傳統(tǒng)云端部署模式在涉及敏感政務數據時往往面臨安全風險，而DeepSeek模型能夠支持完全的本地化部署，這一特征與數字政府建設的安全性要求高度契合。通過將模型部署在內部專有環(huán)境中，可以構建起物理隔離的安全屏障，消除數據外泄的隱患。同時，模型的開源性質使得政府技術團隊能夠深入審查代碼，確保其符合政務安全要求。這種相對透明、可控的技術特征為數字政府建設提供了安全保障。在實際應用中，各地政府可以根據數據安全等級，采用不同等級的訪問控制和加密措施，建立起多層次的安全防護體系。此外，本地部署模式還支持全過程的安全審計，使得政府可以實時監(jiān)控數據流轉和使用情況，從而能及時發(fā)現和處置潛在的安全隱患。

二、“深度”賦能下的應用場景與治理變革展望

（一）服務交互方式重塑：從菜單式到對話式

首先，以DeepSeek為代表的本土開源大模型憑借其優(yōu)秀的對話理解能力和知識整合能力，有望重塑傳統(tǒng)的政務服務與政民互動方式。公眾與政府部門間的交互將能突破菜單式的傳統(tǒng)導航和結構化檢索的局限，轉向更自然、更人性化的人機對話，實現從“菜單式點擊”向“對話式交互”的變遷。模型可通過多輪對話更準確地把握用戶的實際需求，并結合上下文信息提供更為精準的服務指引，降低群眾辦事的認知負擔。而在處理復雜政務咨詢時，模型也可基于深度語義理解，將群眾的口語化表達更為準確地匹配到相應的政策與服務事項，有助于解決傳統(tǒng)政務咨詢和服務中“群眾不會問、部門答非所問”的痛點。同時，模型強大的跨域推理能力使其能夠自動關聯多個業(yè)務領域的政策法規(guī)，為群眾提供“一門式”的咨詢服務，有助于解決傳統(tǒng)模式中“多頭咨詢”的痛點。

（二）政務知識管理革新：從失傳孤立到傳承共享

DeepSeek等模型還有望對政務知識管理體系帶來變革。通過建立智能化的政務知識管理系統(tǒng)，政府可以對分散在各個部門的經驗、案例和最佳實踐進行系統(tǒng)化整理和關聯分析，促進組織記憶的數字化重構。這種知識管理方式有助于解決公務員因輪崗、離職、退休等人員流動而造成的經驗“失傳”問題，通過對日常工作過程的持續(xù)觀察和記錄，公務人員個人積累的隱性知識更有可能被傳承轉化為整個組織的知識寶庫，使人人都能迅速成為業(yè)務上的“老法師”。模型還可通過對大量歷史案例的深度學習，總結出不同類型事務的處理模式和關鍵要素，為新任公務員提供高效精準的業(yè)務培訓。同時，模型構建的知識關聯網絡還有望打破部門間的信息壁壘，促進跨部門知識共享和經驗互鑒。這種知識網絡不僅能夠促進信息的快速流動，還能通過智能算法發(fā)現不同部門之間潛在的業(yè)務協同點，為跨部門協作提供新的可能。在政策試點推廣過程中，這種智能化的知識管理系統(tǒng)有助于快速提取和歸納試點經驗，為政策在不同地區(qū)的落地提供適宜的本地化建議，以確保政策執(zhí)行的一致性，同時保持對地方特色的適應性。總之，通過構建動態(tài)更新的知識治理體系，政府組織可以不斷積累和優(yōu)化治理經驗，實現組織能力的持續(xù)提升。

（三）政府決策模式躍升：從切片式到立體化

在政府決策支持領域，大模型的深度分析能力可能帶來決策模式的躍升。借助其強大的數據處理和多維度分析能力，模型能夠突破傳統(tǒng)決策模式中的單維度、切片式瓶頸，快速整合來自不同領域的海量信息和知識，構建起覆蓋經濟、社會、民生等多領域的綜合分析框架，從而實現對復雜問題的跨域性、立體化研判。同時，決策者還可通過多情景模擬等方式，預測不同政策選擇可能帶來的影響，從而促進政府決策從靜態(tài)評估向動態(tài)優(yōu)化轉變。例如，在公共危機管理中，模型強大的模式識別能力可助力決策者及早發(fā)現風險信號，提供多種應對方案的比較分析，從而提升政府預警和應急處置能力；在民生政策制定過程中，模型可通過對海量民意數據的語義分析，把握群眾訴求的深層次規(guī)律，為精準施策提供數據支撐。這些優(yōu)勢在城市治理等復雜系統(tǒng)中的潛力尤為明顯，有助于增強政府決策的精準性和預見性，以支持治理目標的實現。

三、從趁熱接入到深度“嵌入”：挑戰(zhàn)與啟示

如上所述，以DeepSeek為代表的新一代本土開源大模型技術為數字政府建設帶來了新的機遇，其技術特征與我國數字政府建設需求具有很高的契合度，低成本實現、本土化理解、本地化部署等技術特性為各級政府部門的智能化轉型提供了更具可行性、精準性和安全性的落地方案，并有助于推動政府在服務交互、知識管理和決策支持等方面的深層次變革。

然而，炫酷的“技術玩具”并不必然就能成為有效的“治理工具”，“深度探索”被各地政府趁熱“接入”也并不等同于在公共治理場景中已被深度“嵌入”。以DeepSeek為代表的大模型要真正有效嵌入公共治理并產生實際成效，還需要關注以下幾方面的問題與風險。

首先，在應用場景選擇上存在“找錯釘孔”的風險。技術能力的升級助推了政府部門以“供給驅動”取代“用戶驅動”的傾向，此時要警惕地方政府一味追求“技術領先”或“概念創(chuàng)新”，不顧實際需求盲目跟風，“手里拿著錘子，看什么都是釘子”，爭相恐后地將大模型這把“智能錘”植入并不必需或并不適合的公共治理場景，造成技術創(chuàng)新與真實需求的脫節(jié)。這種做法不僅難以命中關鍵“釘位”，還可能帶來“AI自嗨”，產生大量“AI生成的文字八股”和AI賦能的“表哥表姐”，卻沒有從根本上深層次地解決群眾真心關心的問題，甚至還可能破壞原來成熟有效的由人工主導的服務和管理方式，最終淪為“數字炫技”之作，在指尖上的形式主義之后，又帶來新一波“大模型上的形式主義”。

其次，在技術能力邊界上存在“錘力失效”的可能。盡管近年來人工智能技術發(fā)展迅猛，但其在知識精確性、邏輯推理嚴謹性等方面仍存在技術局限。例如，最近根據Vectara HHEM的人工智能幻覺測試結果，DeepSeek-R1顯示出14.3%的幻覺率，顯著高于行業(yè)平均水平。同時，在高質量公共數據集和語料庫的建設與供給上，也還存在不少體制機制方面的障礙。因此，政府部門也需要清醒地認識到，大模型這把“智能錘”的接入并不能因此就“一錘定音”解決各類公共治理難題，避免陷入“唯技術論”。

最后，在公共價值規(guī)范上還存在“重錘誤傷”的風險。盡管大模型已在多個領域展示出強大的能力，但也容易因用力過猛造成附帶傷害。例如，大模型可能存在算法偏見，其訓練數據中隱含的社會偏見也可能被系統(tǒng)性地放大，導致對特定群體的不公平對待。還可能因違規(guī)或過度收集和使用數據語料，影響國家安全，侵犯公民隱私。因此，把握好大模型應用的“尺度”至關重要，否則，即便AI技術使效率得到了巨大提升，卻會對公平正義、普惠包容、安全隱私等公共價值和社會倫理造成嚴重損害。

總之，技術是“賦能者”而不是“決定者”，技術上可能的不一定就是組織上可行的，更不一定是社會上可接受的。要在數字政府建設中讓大模型從趁熱“接入”走向深度“嵌入”，并實現各方可接受的治理成效，不僅要做好技術判斷，更要做好價值判斷，采取系統(tǒng)而冷靜的策略。首先，要堅持問題導向和需求導向，避免為創(chuàng)新而創(chuàng)新，準確識別和篩選出真正適合大模型應用的政務與治理場景。其次，要客觀認識大模型的能力邊界，合理設定技術應用預期，在充分引入AI技術的同時，持續(xù)提升公務人員運用AI和監(jiān)督AI的能力與素養(yǎng)，既讓AI賦能于人，也讓人做好AI的“把關人”和“守門員”， 實現人機協同。最后，要將以人為本、科技向善作為AI時代數字政府建設的出發(fā)點和落腳點，在利用AI進行治理的同時做好對AI本身的治理，充分引入社會各方和利益相關“人”的參與和判斷，在提升效率的同時，守護好公平正義、權益保護等公共價值。唯有如此，“深度”的技術進步才能真正落地為“深度”的治理成效，而不僅停留在蹭熱度、淺層次的“接入”。

文章來源：《電子政務》2025年第3期

文章作者：張宏，復旦大學國際關系與公共事務學院博士研究生，數字與移動治理實驗室研究助理；鄭磊，復旦大學國際關系與公共事務學院教授，博士生導師，數字與移動治理實驗室主任。