尊龙集团官网

自掀起大说话模型海潮以来
，国内表已涌现出多款AI工具
，但这些大模型由于在成本、本土化、安全性等方面的不及
，在我国数字当局中的现实利用依然有限
，尚处于索求阶段。而近期备受关注的DeepSeek系列模型则因其在工程技术上的创新
，为数字当局建设提供了新的技术选择
，并可能进一步推进公共治理模式的深层刷新。以DeepSeek为代表的本土开源大模型在技术个性上符合了当前我国数字当局建设的哪些需要？带来了哪些机缘？拥有哪些潜在利用场景
，有望为公共治理带来哪些方面的刷新？“深度索求”能否真正“深度嵌入”公共治理
，而不只是趁热“接入”
，又可能遇到哪些方面的风险与挑战？下文迁就这些问题进行瞻望与探求。

一、DeepSeek的技术个性与我国数字当局建设需要的符合

（一）低成本实现

随着数字当局建设的深刻推动
，若何在有限的财政经费约束下实现智能化升级
，已成为各级当局面对的沉要命题。DeepSeek模型在工程技术路线上的创新为解决这一难题提供了新的可能。该模型选取了多档次把稳力机造（Multi-Level Attention, MLA）和混合专家系统（Mixture of Experts, MoE）
，显著降低了推算资源需要
，使得模型训练和部署的硬件门槛大幅降低。这种技术路线使其在维持高机能的同时
，相对于传统大模型将算力成本节造在较低程度
，使当部门门可用更经济的预算实现智能化升级
，从而突破此前因高昂的技术成本造成的瓶颈。同时
，模型的开源个性又进一步降低了其使用成本
，使得各级当部门门能够凭据现实需要与表部技术团队合作对模型进行适应性调整和二次开发
，提高了资源的使用效能。

（二）本土化理解

在数字当局建设过程中
，场景的智能化水平很大水平上取决于模型对本土化语境的理解深度。DeepSeek模型在中文场景下展示出了较为卓越的理解和推理能力
，进一步通过利用中国特有的政务语料进行训练
，将有助于模型更正确地理解各类行政术语、政策文件和民多诉求中蕴含的轻微语义差距。这种深度的本土化理解能力能使其在公共治理场景中
，阐发出更强的精准性和适应性。例如
，在政策解读方面
，模型有助于更精准地把握政策文本的内涵逻辑关系
，并结合本土治理情境作出适当的推理判断；在民气分析工作中
，有助于更正确地理解各类方言表白甚至网络用语
，提高服务正确度；在政务征询场景中
，也有助于凭据分歧群体的表白习惯给出更有针对性的回应。这种本土化的说话理解能力有望提升我国数字当局建设的智能化水平
，打造“有温度”“接地气”的数字当局。

（三）本地化部署

传统云端部署模式在涉及敏感政务数据时往往面对安全风险
，而DeepSeek模型可能支持齐全的本地化部署
，这一特点与数字当局建设的安全性要求高度符合。通过将模型部署在内部专有环境中
，能够构建起物理隔离的安全樊篱
，解除数据表泄的隐患。同时
，模型的开源性质使切当拘募术团队可能深刻审查代码
，确保其切合政务安全要求。这种相对通明、可控的技术特点为数字当局建设提供了安全保险。在现实利用中
，各地当局能够凭据数据安全等级
，选取不一致级的接见节造和加密措施
，成立起多档次的安全防护系统。此表
，本地部署模式还支持全过程的安全审计
，使切当局能够实时监控数据流转和使用情况
，从而能实时发现和措置潜在的安全隐患。

二、“深度”赋能下的利用场景与治理刷新瞻望

（一）服务交互方式沉塑：从菜单式到对话式

首先
，以DeepSeek为代表的本土开源大模型凭借其优良的对话理解能力和知识整合能力
，有望沉塑传统的政务服务与政民互动方式。公家与当部门门间的交互将能突破菜单式的传统导航和结构化检索的局限
，转向更天然、更人道化的人机对话
，实现从“菜单式点击”向“对话式交互”的变迁。模型可通过多轮对话更正确地把握用户的现实需要
，并结合高低文信息提供更为精准的服务指引
，降低人民处事的认知职守。而在处置复杂政务征询时
，模型也可基于深杜罪义理解
，将人民的口语化表白更为正确地匹配到相应的政策与服务事项
，有助于解决传统政务征询和服务钟装人民不会问、部门答非所问”的痛点。同时
，模型壮大的跨域推理能力使其可能自动关联多个业务领域的政策律例
，为人民提供“一门式”的征询服务
，有助于解决传统模式钟装多头征询”的痛点。

（二）政务知识治理改革：从失传孤立到传承共享

DeepSeek等模型还有望对政务知识治理系统带来刷新。通过成立智能化的政务知识治理系统
，当局能够对分散在各个部门的经验、案例和最佳实际进行系统化整顿和关联分析
，推进组织影象的数字化沉构。这种知识治理方式有助于解决公务员因轮岗、去职、退休等人员流动而造成的经验“失传”问题
，通过对日常工作过程的持续观察和纪录
，公务人员幼我堆集的隐性知识更有可能被传承转化为整个组织的知识宝库
，使人人都能迅速成为业务上的“老法师”。模型还可通过对大量汗青案例的深度进建
，总结出分歧类型事务的处置模式和关键身分
，为新任公务员提供高效精准的业务培训。同时
，模型构建的知识关联网络还有望突破部门间的信息壁垒
，推进跨部门知识共享和经验互鉴。这种知识网络不仅可能推进信息的急剧流动
，还能通过智能算法发现分歧部门之间潜在的业务协同点
，为跨部门合作提供新的可能。在政策试点推广过程中
，这种智能化的知识治理系统有助于急剧提取和综合试点经验
，为政策在分歧地域的落地提供合适的本地化建议
，以确保政策执行的一致性
，同时维持对处所特色的适应性。总之
，通过构建动态更新的知识治理系统
，当局组织能够不休堆集和优化治理经验
，实现组织能力的持续提升。

（三）当局决策模式跃升：从切片式到立体化

在当局决策支持领域
，大模型的深度分析能力可能带来决策模式的跃升。借助其壮大的数据处置和多维度分析能力
，模型可能突破传统决策模式中的单维度、切片式瓶颈
，急剧整合来自分歧领域的海量信息和知识
，构建起覆盖经济、社会、民生等多领域的综合分析框架
，从而实现对复杂问题的跨域性、立体化研判。同时
，决策者还可通过多情景仿照等方式
，预测分歧政策选择可能带来的影响
，从而推进当局决策从静态评估向动态优化转变。例如
，在公共；卫碇
，模型壮大的模式鉴别能力可助力决策者及早发现风险信号
，提供多种应对规划的比力分析
，从而提升当局预警和应急措置能力；在民生政策造订过程中
，模型可通过对海量民气数据的语义分析
，把握人民诉求的深档次法规
，为精准施策提供数据支持。这些优势在城市治理等复杂系统中的潜力尤为显著
，有助于加强当局决策的精准性和预感性
，以支持治理指标的实现。

三、从趁热接入到深度“嵌入”：挑战与启迪

如上所述
，以DeepSeek为代表的新一代本土开源大模型技术为数字当局建设带来了新的机缘
，其技术特点与我国数字当局建设需要拥有很高的符合度
，低成本实现、本土化理解、本地化部署等技术个性为各级当部门门的智能化转型提供了更具可行性、精准性和安全性的落处所案
，并有助于推动当局在服务交互、知识治理和决策支持等方面的深档次刷新。

然而
，炫酷的“技术玩具”并不用然就能成为有效的“治理工具”
，“深度索求”被各地当局趁热“接入”也并不等同于在公共治理场景中已被深度“嵌入”。以DeepSeek为代表的大模型要真正有效嵌入公共治理并产生现实功效
，还必要关注以下几方面的问题与风险。

首先
，在利用场景选择上存在“找错钉孔”的风险。技术能力的升级助推了当部门门以“供给驱动”取代“用户驱动”的偏差
，此时要警惕处所当局一味钻营“技术当先”或“概想创新”
，不顾现实需要盲目跟风
，“手里拿着锤子
，看什么都是钉子”
，争相恐后地将大模型这把“智能锤”植入并不用须或并不适合的公共治理场景
，造成技术创新与真实需要的脱节。这种做法不仅难以射中关键“钉位”
，还可能带来“AI自嗨”
，产生大量“AI天生的文字八股”和AI赋能的“表哥表姐”
，却没有从底子上深档次地解决人民至心关切的问题
，甚至还可能粉碎原来成熟有效的由人为主导的服务和治理方式
，最终沦为“数字炫技”之作
，在指尖上的大局主义之后
，又带来新一波“大模型上的大局主义”。

其次
，在技术能力天堑上存在“锤力失效”的可能。只管近年来人为智能技术发展迅猛
，但其在知识精确性、逻辑推理严谨性等方面仍存在技术局限。例如
，最近凭据Vectara HHEM的人为智能幻觉测试了局
，DeepSeek-R1显示出14.3%的幻觉率
，显著高于行业均匀水平。同时
，在高质量公共数据集和语料库的建设与供给上
，也还存在不少体造机造方面的阻碍。因而
，当部门门也必要复苏地意识到
，大模型这把“智能锤”的接入并不能因而就“一锤定音”解决各类公共治理难题
，预防陷入“唯技术论”。

最后
，在公共价值规范上还存在“沉锤误伤”的风险。只管大模型已在多个领域展示出壮大的能力
，但也容易因使劲过猛造成附带中伤。例如
，大模型可能存在算法私见
，其训练数据中隐含的社会私见也可能被系统性地放大
，导致对特定群体的不平正对待；箍赡芤蛭ス婊蚬韧绾褪褂檬萦锪
，影响国度安全
，加害公民隐衷。因而
，把握好大模型利用的“尺度”至关沉要
，不然
，即便AI技术使效能得到了巨大提升
，却会对平正正义、普惠包涵、安全隐衷等公共价值和社会伦理造成严沉侵害。

总之
，技术是“赋能者”而不是“决定者”
，技术上可能的不愿定就是组织上可行的
，更不愿定是社会上可接受的。要在数字当局建设中让大模型从趁热“接入”走向深度“嵌入”
，并实现各方可接受的治理功效
，不仅要做好技术判断
，更要做好价值判断
，采取系统而默默的战术。首先
，要对峙问题导向和需要导向
，预防为创新而创新
，正确鉴别和筛选出真正适合大模型利用的政务与治理场景。其次
，要客观意识大模型的能力天堑
，合理设定技术利用预期
，在充分引入AI技术的同时
，持续提升公务人员使用AI和监督AI的能力与素养
，既让AI赋能于人
，也让人做好AI的“把关人”和“守门员”
， 实现人机协同。最后
，要将以报答本、科技向善作为AI时期数字当局建设的启程点和落脚点
，在利用AI进行治理的同时做好对AI自身的治理
，充分引入社会各方和利益有关“人”的参加和判断
，在提升效能的同时
，守护好平正正义、权利；さ裙布壑。唯有如此
，“深度”的技术进取能力真正落地为“深度”的治理功效
，而不仅停顿在蹭热度、浅档次的“接入”。

文章起源：《电子政务》2025年第3期

文章作者：张宏
，复旦大学国际关系与公共事务学院博士钻研生
，数字与移动治理尝试室钻研助理；郑磊
，复旦大学国际关系与公共事务学院教授
，博士生导师
，数字与移动治理尝试室主任。