面向人工智能的政务数据治理与共享

清华大学计算社会科学与国家治理实验室执行主任、清华中国电子数据治理工程研究院院长

孟庆国

　　尊敬的各位领导、各位专家，非常荣幸受邀参加今天下午的论坛。钦敏主席先前强调了电子政务建设中统筹协调机制的重要性，特别指出政务数据共享的必要性。孙总工也探讨了在人工智能时代，如何有效利用人工智能推动基层服务创新，这不仅能显著减轻我们的工作负担，还能提供更高效、便捷的创新途径；反之，若处理不当，也可能带来新的负担。我将围绕这一主题展开分享，重点讨论面向人工智能时代的政务数据治理与共享问题。

　　特别是自今年春节以来，DeepSeek的迅速普及，许多基层政府积极拥抱大型语言模型，尤其是在基层政务服务领域，大型模型已成为人工智能时代创新的关键场景。实际上，无论是当前热议的生成式人工智能，还是以往基于规则的人工智能，本质上都是通过分析海量数据，从中发现规律以解决实际问题。

　　因此，人工智能可应用于政务的众多方面，包括智能问答、办公自动化、顾问生成等。人工智能不仅促进了基层政务服务的创新，实际上也为我们带来了操作上的便捷减负。

　　具体来说，从数字政府的发展历程来看，可以大致划分为几个阶段，尽管这些阶段的划分可能并不十分严谨。

　　在计算机和互联网时代的数字政府建设中，我们强调技术驱动；随着数据驱动趋势的增强，我们可以将其定义为数字政府；而现在，大型模型的运用标志着模型驱动的兴起。因此，从技术驱动到数据驱动，再到模型驱动，我们对数据的理解、定义和要求发生了显著变化。

　　在技术驱动时期的电子政务，我们更多关注数据的采集和数据库建设；而在数字政府时代，我们更强调跨部门的数据打通和共享，以实现一体化的政务服务模式，包括一网通办、一网通管、一网协同等创新形式。此时，数据共享的核心创新在于数据共享平台机制的实现。

　　现在，我们正拥抱大型模型，通过模型驱动实现政务服务创新。模型的实现依赖于高质量的数据集、数据管理和知识库构建。因此，我们还需进一步统筹和建设新的数据和算力基础设施。

　　从这个意义上讲，人工智能时代数据驱动的作用并未减弱，反而更加重要。我们不仅要进行数据采集、维护、管理和共享，还要强调对数据的进一步标注和处理，以清晰理解大数据之间的关联，构建知识库。知识库作为一种外挂形式的政务创新，在许多基层探索中已成为关键技术路径。

　　当然，一些地方政府也会进行微调，无论是外挂还是微调，数据集都变得至关重要。因此，政务数据集和政务知识库的构建变得迫在眉睫。如果仅是简单接入而未对数据进行深入处理，政务大模型可能无法发挥预期效果。

　　此外，在考虑数据集和知识库的同时，我们还需建立统筹协调机制。如果不能统筹协调数据集的开发和使用，那么训练出的大模型或知识增强的大模型可能只适用于特定场景。将来，如果每个场景都拥有自己的大模型，我们可能会面临模型孤岛的问题。

　　在基层减负的过程中，面对众多APP，将来手机上可能会出现许多垂直领域的大模型。如果模型之间相互孤立，同样会给基层带来负担，增加操作上的不便。因此，在推进人工智能建设应用时，在构建数据集和数据库的过程中，我们必须引入统筹协调机制。这样，在许多场景下，包括互动咨询、审批许可、智能问答、智能搜索等领域，我们才能更好地构建模型生态，形成数据集和数据知识库的综合性架构体系，而不是每个部门或业务场景都独立构建一套知识库、一个大模型。这样我们才能真正解决大模型应用问题，同时减轻基层负担。

　　当然，随着大模型应用的增多，DeepSeek的本地化部署可以在一定程度上解决安全问题。但在未来，随着大模型的广泛应用，对政务数据共享以及知识库共享的需求将发生变化，此时对政务数据和政务知识的安全管理变得尤为迫切。

　　因此，在人工智能时代，我们不仅需要进一步关注数据，还需要进一步完善数据集和数据库的建设。这样，我们才能更好地拥抱政务大模型，让政务大模型发挥赋能作用，为我们带来更加便捷、高效的创新使用方式。

　　以上是我的观点，请大家批评指正，谢谢大家！

　　（以上内容根据嘉宾发言速记整理）