龙志奇（中国人民大学信息资源管理学院）与安小米（中国人民大学信息资源管理学院、中国人民大学智慧城市研究中心）合作的研究《大模型驱动政府数智治理的“技术—制度—能力”协同机制研究——基于深圳市DeepSeek应用的实证分析》于2025年11月在《情报理论与实践》网络首发。该研究聚焦人工智能迈向通用智能（Artificial General Intelligence, AGI）背景下，大模型（Foundation Models）如何重构政府治理范式，填补了本土化实证研究的空白。

学术背景

研究基于技术赋能理论、新制度主义理论与治理能力理论，构建“技术—制度—能力”三维协同框架，旨在揭示大模型驱动政府数智治理的动态耦合机制。政策层面，中国从早期技术嵌入（如《新一代人工智能发展规划》）逐步转向制度适配（如《生成式人工智能服务管理暂行办法》），但实践中仍面临技术黑箱、责任模糊等挑战。现有研究多聚焦单一维度（如技术可供性或制度协同），缺乏整合性视角。

研究流程与方法

研究采用深度案例研究法，以深圳市DeepSeek应用（国内首个政务专用16B参数级大模型）为对象，通过多源数据三角验证：
1. 数据收集
- 访谈：2025年2—3月开展4轮焦点小组访谈与52次个人深度访谈（共78人次），覆盖市、区、街道三级政务服务与数据管理部门。
- 客观数据：获取DeepSeek的API调用记录、系统日志及政策文本（如《深圳市打造人工智能先锋城市的若干措施》）。
- 追踪调研：通过线上访谈补充制度演进与能力建设数据。
2. 分析框架
- 技术赋能：解析数据治理（如城市数据底座日均处理8.6亿条结构化数据）、算法应用（政策文本生成模型BLEU值达0.89）、算力支撑（100PFlops集群动态调度）。
- 制度适配：考察规制创新（如“算法沙盒”机制）、流程再造（三轨审批制）、价值重构（“技术谦逊”原则）。
- 能力提升：评估技术应用（公务员数字素养培训）、制度执行（跨部门智能中台）、资源整合（算力云网）。

核心发现

1. 技术赋能机制

   • 数据治理：DeepSeek清洗算法将异常数据修正率提升至95%，区块链存证确保数据可追溯。
     
   • 算法应用：政策生成模型减少文书修改次数（从5.2次降至1.7次），智能问答系统“深小i”日均处理3700万次咨询，效率提升400%。
     
   • 算力支撑：华为昇腾智算专区实现任务等待时间从120秒压缩至8秒。
     

2. 制度适配过程

   • 规制创新：伦理审查耗时从45天缩短至15天，福田区发布政务机器人“基本法”明确责任追溯。
     
   • 流程再造：三轨审批制（智能轨、协同轨、干预轨）使企业开办审批时间从3天降至4小时。
     
   • 价值重构：公务员角色转向监督者，智能决策采纳率达70%。
     

3. 治理能力提升

   • 技术应用：公务员培训课程降低智能审批操作失误率。
     
   • 资源整合：“算力券”机制降低模型训练成本，API开放缩短政务应用开发周期。
     

三重张力与优化路径

研究揭示实践中的核心矛盾：
1. 技术困境：算法黑箱（Transformer架构决策不可追溯）与隐私风险（联邦学习梯度泄露）。
2. 制度滞后：责任归属不明（《民法典》未覆盖模型决策责任）、程序正义缺位（如人才引进审批复议僵局）。
3. 能力短板：算力区域失衡（东部算力密度显著高于西部）、复合型人才短缺（政务AI高等教育滞后）。

对此，研究提出“螺旋上升模型”：
- 技术治理：开发政务专用大模型（融合领域知识增强与小样本学习）。
- 制度创新：拟定《政务大模型应用管理条例》，建立智能决策双轨制（初审—协同—专家审议）。
- 能力建设：构建“算力云网”（东数西算动态调度）与公务员数字素养积分制。

研究价值与创新

1. 理论贡献：首次提出“技术—制度—能力”协同框架，揭示三者动态耦合机制。
   
2. 实践意义：为各级政府部署大模型提供可复制的决策参考（如深圳“算力沙盒”模式）。
   
3. 方法创新：结合系统日志检视与多轮访谈，实现技术效能与制度演进的交叉验证。
   

展望

未来需聚焦可解释AI（Explainable AI）破解黑箱难题，通过“算法沙盒”推动制度同步演进，并将数字素养纳入公务员培养体系。该研究为构建智能、高效、公正的公共治理新形态提供了系统性路径。