江小涓
中国社会科学院大学教授
孟丽君
清华大学公共管理学院助理研究员
黄颖轩
大连理工大学公共管理学院副教授
李秋甫
清华大学党委学生部讲师
［摘 要］ 数字技术与人工智能正深刻改变政府服务与监管的能力边界与运行模式。我国数智政府建设已从网络化、数字化迈入智能化高阶阶段，AI在政务服务、市场监管、城市治理中的规模化应用，显著增强政府在感知、推演与精准服务的能力，同时也引发工具理性与人文关怀冲突、政企服务能力变化、财政投入与服务效能错配等挑战。本文聚焦数智政府建设中公共服务与市场监管两大职能，以提高数智政府行为的合理性与合意性为主线，从人机协同边界、政府市场分工边界、财政投入可行性三个维度出发，构建了三个四维分析框架，明确提出数智政府建设的重点选择、合理排序和策略组合，促进数智政府建设提质增效降本，更加均衡地履行各项职责，为人民群众提供更加满意的公共服务。
［关键词］ 数智政府；AI应用；公共服务；政府市场边界
习近平总书记围绕数字技术和人工智能服务人民、提高政府效能和建设智慧城市等问题，作出一系列重要论述，他指出要“激发数字经济活力，增强数字政府效能，优化数字社会环境，构建数字合作格局，筑牢数字安全屏障，让数字文明造福各国人民”。2022年4月19日，习近平总书记主持召开中央全面深化改革委员会第二十五次会议时强调：“要把满足人民对美好生活的向往作为数字政府建设的出发点和落脚点，打造泛在可及、智慧便捷、公平普惠的数字化服务体系，让百姓少跑腿、数据多跑路。要以数字化改革助力政府职能转变，统筹推进各行业各领域政务应用系统集约建设、互联互通、协同联动，发挥数字化在政府履行经济调节、市场监管、社会管理、公共服务、生态环境保护等方面职能的重要支撑作用，构建协同高效的政府数字化履职能力体系。”2025年7月，国务院总理李强在出席世界人工智能大会时指出，人工智能“应当成为造福人类的国际公共产品”，要“更加注重普及普惠”“坚持统筹发展和安全”，并指出中国“人工智能+”行动正在深入推进，为经济社会各领域智能化转型提供有力支撑。
我国数智政府建设是一个持续推进的过程。当前，AI技术广泛应用于政府公共服务与监管中，服务能力与监管水平随之显著提升，同时也带来不少问题和挑战。AI应用的边界、政府市场社会分工边界、AI投入的成本效益等诸多新问题亟待深入研究。本文聚焦数智政府建设中的公共服务与市场监管两项重要职能，以提高服务与治理的合理性与合意性为主线，从人机协同边界划分、政府市场边界划分、效益成本可行性三个维度出发，为政府服务与治理中的AI应用提供学理分析框架与实践决策借鉴，推动AI时代的数智政府建设在服务效率方面更加合理，在服务效果方面更加合意，能够促进政府职能转变，提高人民群众的满意度和获得感。
一、定义辨析及智能时代能力跃升
（一）网络化、数字化、智能化的继起与并存
过往的一些研究中，对网络化、数字化、智能化这三个概念的应用比较模糊，特别对数字化和智能化两者经常不加区别的使用。本文认为，技术迭代是驱动政府服务与监管模式变革的核心引擎，从网络化到数字化再到智能化的演进，并非简单的替代和互换关系，而是呈现出核心特征迭代升级、技术底座叠加兼容、实践形态并存共生的格局。三个阶段以技术底座的迭代为基础，依次实现了政府治理从“线下信息和流程线上查询与办理”到“数据打通跨域跨层次服务”再到“模型助力复杂问题治理”的层级跃迁，后一阶段以前一阶段的建设成果为底层支撑，形成了兼容并蓄、持续升级的演进路径，完整呈现了技术发展驱动政府服务和监管模式变迁与效能提升的核心脉络。
1.网络化服务与治理
网络化服务与治理是政府治理数字化转型的基础阶段。其技术特征体现为“互联网+协议+平台”的核心支撑，其本质是将传统政务流程迁移至线上运行，借助互联网技术突破行政服务的物理时空约束，建立政府与公众之间常态化的数字连接通道。该阶段兴起于20世纪90年代末，以1999年1月启动的“政府上网工程”为标志，各级政府部门陆续建立官方门户网站。早期建设聚焦于政策文件、办事指南等政务信息的线上发布，公众得以在线查询工商登记、社保缴费等事项的流程与材料要求。这一变化有效缓解了传统政务中长期存在的“信息不透明、办事流程需要反复问询”问题，有效降低了因信息不对称所引发的行政交易成本。以身份证换领网上预约、出入境证件线上预审为例，公民可在线完成材料提交与初审，减少线下往返次数，体现了政府治理的回应性理念，即在技术赋能下增强对公众需求的响应能力。
2.数字化服务与治理
数字化服务与治理是数字政府建设的核心成型阶段。该阶段在继承网络化阶段底层技术的基础上，引入“大数据”与“云计算”作为核心支撑。其本质是以数据为关键的生产要素，依托云计算提供的算力支持，对海量政务数据进行清洗、关联分析与趋势挖掘，从而实现数据价值的实质性释放。由此，该阶段推动了治理能力的两大跃升：在治理尺度上，从局部拓展至广域，打破跨层级、跨地域、跨部门的信息壁垒；在决策方式上，从经验主导转向循证决策，依托统一政务平台实现全链条业务融合与源头追溯。国内实践提供了很好的例证。浙江省“最多跑一次”改革打通了数十个部门之间的数据壁垒，实现企业开办“一日办结”、不动产权证“一窗通办”，成为治理尺度从局部迈向广域的典型范例。广东省食品安全“一品一链”全链条追溯体系，依托统一平台实现生产、流通、消费全环节的数据追溯，体现了从经验决策到循证决策的转型过程。这两大变革共同推动了治理逻辑从“碎片化”向“一体化”的根本转变，使政府服务逐步走出传统科层体制下的部门分割。同时，这一阶段积累的海量政务数据资产与平台化治理架构，也为智能化阶段的高阶演进奠定了坚实基础。
3.智能化服务与治理
智能化服务与治理是数字政府建设从“数字化”“数据化”向“智能化”演进的高级阶段。该阶段以前序阶段积累的政务大数据为训练素材，引入“大模型+智能体”作为核心技术支撑，通过深度学习赋予系统自主感知、推理与决策能力。与此前“数据驱动”的治理范式不同，智能化阶段实现了向“模型驱动”的跃迁，其本质是构建一种具备自主性、预测性与选择性的人机协同治理体系。相较于前两个阶段，智能化阶段的治理能力呈现三方面的提升：第一，语义理解能力显著增强，能够更精准识别复杂公共服务需求；第二，具备对不确定性问题的理解、分析与解决能力，可应对非结构化治理场景；第三，治理重心从效率提升扩展至风险的全周期掌控与预防。国内“一网统管”的探索为此提供了典型例证。在上海、厦门、深圳、广州、杭州等城市，通过布设物联网传感器、视频监控和卫星遥感资源，已经形成了全域多维的数据采集体系。在此基础上再叠加政务大模型的事件识别、多源数据融合与情景推演能力，使得交通、环保、公共安全、市场监管及应急指挥等多个治理场景，具备了实时态势感知、异常智能识别与风险提前预警的能力。以广州为例，其应急系统利用数智孪生技术，可提前72小时预测内涝风险，6小时内精准定位内涝点。以广州为例，其智慧水务平台通过物联感知与视频监控融合，全市481个河道监测点、296座水库及277个易涝风险点均已经进行上图监测，可即时掌握水位动态并调取现场画面，做到精准预警与快速响应。①（① 数据来源：广州市政府调研座谈，2025年5月27日。）
当前阶段，政府治理的网络化基础已成熟完备，本文将其作为既定前提不再展开。现阶段呈现政府数智化建设中，“数字”与“智能”并行融合的特征，实践中边界模糊、高度协同，工作中既需要加大智能化力度，同样需要在数字化方面下功夫，例如放出数据、用好数据。后面的分析统一称为数智政府。其定义为，是政府依托数据、算法与智能技术，在多领域实现精准服务、风险识别与全域统合，为敏捷治理提供场景与技术支撑。
（二）智能服务与治理：能力跃升的主要表现
网络化、数字化和智能化，都具有提高效率以及与公民更便利沟通的显著作用。
本部分基于AI治理的三大通用功能——感知、预测与推演，深入剖析智能化阶段数字政府在应用层面的理念跃升。具体表现为：
第一，基于感知的数智化全量映射，解决传统治理中“看不全”的盲区。感知能力是指政府运用人工智能技术，特别是机器学习中的分类与聚类算法，从海量非结构化数据中识别、定位并度量社会行为、经济现象及潜在风险的关键能力。我国数智政府建设的一个显著特点是，将大规模感知网络——如摄像头、传感器、物联网设备等——部署到基层，并将AI识别能力嵌入基层治理之中。由此，政府的公共服务与监管中的各类问题可以被实时转化为数字信号，让传统科层制下“看不见、管不全”的治理盲区，转变为系统能够自动识别、预警和分拨的明确事件，从而提升政府对民生需求的感知准确度和响应效率。
第二，依托预测实现资源精准化调度，解决资源分配中“配不准”的难题。预测能力指的是政府基于历史和实时数据，借助机器学习、大数据分析等技术，针对明确的政策目标，对未来趋势、需求、风险或事件展开系统性预判的能力。在传统模式下，资源投放量主要依据经验积累和事后反馈作出，政策目标与服务对象实际需求之间常存在错配。AI的预测能力通过对多源数据的深度分析，能够在需求高峰来临前作出预判、提前识别风险隐患、评估不同政策方案的适配程度。这一转变使资源调配从被动响应式的“事后补救”走向主动预测式的“事前布局”，从而有效提升政策目标与资源配置之间的匹配精度。例如，我国多地在积极探索，以烟台市为例，当地通过跨部门数据比对，精准锁定符合条件却未主动申请的老年群体，从而将传统的“人找政策”转变为津贴的自动发放。浙江省运用AI模型将人口的空间分布数据与教育、医疗、养老等公共设施的布局数据进行精准匹配与协同优化，从而有效避免因供需错位而导致的资源配置失衡风险。
第三，基于推演的复杂系统智治，应对复杂系统中“想不到”的不确定性。推演能力是指政府利用基于代理的建模（Agent-Based Modeling，ABM）与多源跨域数据融合技术，构建数实孪生或虚拟仿真环境，模拟政策干预在不同场景下的可能效果与社会反响。与预测不同，推演并不止于对某一结果或对象的数值判断，而在于揭示政策干预在复杂社会系统中引发的非线性、非预期的连锁反应与涌现现象。其核心价值在于，打破传统依赖经验或小范围试点的局限，使决策者能够在虚拟环境中观察不同政策领域之间的交互影响、反馈循环与演化路径，从而识别那些依靠常规数据分析难以预见的治理盲区。具体而言，通过动态调整参数与情景设定，决策者可以预演政策从实施到产生各种效应的全过程，推动方案在正式出台前完成迭代优化。当前，国内部分研究机构与城市已在探索基于多智能体建模的“社会模拟器”。以武汉市为例，其依托人口、产业、交通等真实数据构建虚拟社会，用于测试交通治堵、公共服务布局等政策的长远影响，为城市治理提供了可验证的决策支撑。在国际上，日本富士通公司开发的“政策孪生”平台运用行为经济学与数字孪生技术，在预防性医疗等领域实现了政策效果的精准预演，为复杂社会系统的治理提供了有益借鉴。
总之，三者迭代演进和融合并存，政府数字化正在迈向更为高阶的政府数智化，最终打造更高效、更公平、更具韧性的现代化政府服务与治理体系。
二、AI应用重点指引、实践进展与若干挑战
（一）政府有关AI应用重点的指引
我国数字政府建设的顶层设计，为AI应用提供了明确的方向指引。2022年，《国务院关于加强数字政府建设的指导意见》提出“构建协同高效的政府数字化履职能力体系”，通过数字技术“全面推进政府履职和政务运行数字化转型”，涵盖经济调节、市场监管、社会管理、公共服务、生态保护、政务运行和政务公开七个方面。本文认为，当前和今后一段时期，政府经济调控职能中应用AI主要是感知经济状况，作用相对局限；政务运行主要涉及政府内部运营，也不是本文的重点，其余四项内容的AI应用更为全面。其中，市场监管和环境保护以监管为主，社会管理公共服务和政务公开以服务为主，因此本文聚焦于“政府服务与治理”中的AI应用。
2025年8月26日，《国务院关于深入实施“人工智能+”行动的意见》提出了“人工智能+”行动总体布局的六大应用行动与八大基础支撑。其中，数智服务与监管的内容主要集中体现为“人工智能+民生福祉”以及“人工智能+治理能力”。在“人工智能+民生福祉”领域，核心在于利用AI算法精准识别民生需求，优化资源配置，重点在医疗、社保、交通等领域提供个性化、主动式服务。在“人工智能 + 治理能力”领域，智能预警模型对金融风险、重大灾害、群体性事件等进行早期可能性风险分析，提升应急的精准度和效率；可应用于生态环境治理，依托海量遥感数据与物联网传感数据开展智能分析，精准预测环境变化趋势、评估生态系统健康状况。
国外先行国家的实践经验，也为我们提供了有益的参考经验。欧盟委员会发布《eGovernment Benchmark 2024》确立了基于“人生大事”的分类范式，将搬家、健康、求学、企业开办等跨部门场景作为服务整合的基本单元。这种分类方式的关键在于，它不局限于单一服务事项，而是聚焦跨部门的业务协同。例如，爱沙尼亚依托国家级跨部门数据交换平台X-Road和“一次性原则”，将数字政府服务从“在线服务”升级为“主动服务”：系统通过跨部门数据互联互通，感知公民发生的特定人生大事（如新生儿出生等），自动触发后续政务流程——分配身份代码、启动育儿津贴审批发放，大幅减少公民主动申请的交互频次。英国政府数字服务局以用户需求为核心，构建了覆盖开办企业、学习驾驶到死亡丧葬等全生命周期的“人生大事”服务范式，通过标准化在线引导清单和统一的政务服务设计规范，消解部门边界对用户体验的阻碍。荷兰的MijnOverheid（我的政府）个人数字账户体系，将政务服务按搬迁、失业与求职、身份登记等场景划分，依托基础登记制度实现政务数据“一次更新、全网同步”——公民办理地址变更时，仅需在单一入口完成信息更新，系统自动同步至税务、社会保险、市政厅等相关机构。
综观国内外数字政府发展要求，可以提炼出一个共同指向：AI在数字政府建设中的应用，不能停留于单个事项的线上化，而应走向跨部门协同、主动感知、精准推送的深度整合。这种“以用户为中心”的逻辑，既是技术能力的体现，更是制度设计的方向。
（二）实践进展概览
1.全球数智政府建设加速推进，但国家间发展差距显著
从全球来看，数字政府建设正在稳步加速推进。《2024年联合国电子政务调查报告》显示，全球电子政务发展指数（EGDI）均值持续上升。如果将电子政务发展处于“中等”或“低”水平的国家人口定义为“数字政府发展滞后人口”，那么这一群体占全球人口的比例，已从2022年的45.0%下降到2024年的22.4%。这意味着，过去两年中，超过四分之一全球人口所在的国家实现了数字政府能力的跃升，其背后是各国在韧性基础设施①和前沿技术领域投入的明显加快。在这一进程中，丹麦、爱沙尼亚、新加坡、澳大利亚等领先国家的经验具有代表性。它们的实践表明，提升数字政府竞争力的关键，不在于某项具体技术的率先应用，而在于国家战略层面的系统性推进。这些国家的实践呈现出几个共同特征：一是通过统一的服务门户整合分散的部门业务，降低公共服务成本；二是建立较为完善的制度底座，包括数字身份认证、数据治理框架和跨部门协同机制等；三是将云计算、人工智能等新兴技术整体嵌入政府治理流程，推动政府运作从部门各自为政、分散运行，转向平台支撑下的协同运行。（① 韧性基础设施是指能够抵御、吸收、适应各种风险（如自然灾害、网络攻击、设备故障、电力中断等），并能在遭受破坏后快速恢复正常运行的数字化基础设施。）
在经济合作与发展组织（OECD）对政府运作的监测框架下，人工智能在公共部门的应用呈现出明显的“效率优先”特征。数据显示，AI在内部运营领域的渗透率最高，约70%的OECD成员国已利用AI优化行政流程；在服务提供环节，67%的国家通过算法提升服务交互效率。相比之下，AI在政策制定领域的应用仍处于初级阶段，仅有30%的国家开展了实质性探索。这一格局表明，当前各国引入AI时，倾向于优先选择那些可控性强、见效快的内部管理与服务交付环节，而AI在支撑复杂政策制定方面的潜力尚未被充分释放。
中国数智政府建设整体已处于世界前列。2024年联合国评估显示，中国继续保持“极高电子政务发展水平（Very High EGDI）”，EGDI得分从2022年的0.8119提升至2024年的0.8718，全球排名大幅跃升。这一进展主要依托于三个方面的优势。首先，智慧城市规模领先全球。我国已设立500个智慧城市试点，在建项目占全球总量的48%，远超欧洲（23%）、印度（11%）、美国（7%）和大洋洲（5%），见图2。其次，硬件底座支撑坚实。截至2025年底，我国累计建成5G基站483.8万个，占全球总数一半以上；算力总规模位居全球第二，其中智能算力占比超过30%，通算、智算、超算协同体系为数字政府提供了全球领先的硬件基础。再次，一体化政务服务能力突出。中国在线服务指数（OSI）得分为0.9258（满分1.0），与美国、加拿大等发达国家同处全球最高梯队，政务服务数智化供给能力已达到国际领先水平。
总体而言，中国在数智政府建设的硬件底座、规模体量和政务服务数智化方面已形成显著优势，为AI技术的深度应用奠定了坚实基础。
2.我国数智政府AI应用成效显著，规模化落地进入快车道
在完善的数智底座与顶层设计支持下，中国在政务大模型的规模化应用上进展迅速。特别是2025年DeepSeek等国产开源模型的快速普及，大幅降低了地方政府部署AI的资金与技术门槛。截至2025年6月，全国已有超过320个地区和部门接入大模型，覆盖政务服务、社会治理、机关办公、辅助决策4大类16个具体场景，其中政务服务类应用占比达64%。
AI技术已深度嵌入我国政府服务与监管的全过程，其成效集中体现在以下三个方面。一是在政务服务领域，AI推动“一网通办”从被动响应走向主动感知。依托语义理解和智能推理，各地智慧政务平台能够快速回应公众诉求，并实现政策与服务的精准匹配。以深圳“深i企”平台为例，该平台整合了366万家企业和2.1万条政策资讯，通过AI精准推送实现政策“直达快享”，已惠及企业2.85万家，涉及资金总额15.43亿元。①在智能审批环节，AI“数智员工”通过多源数据比对自动核验资格，推动高频业务实现“秒批秒办”，显著降低了群众的制度性交易成本。二是在政府运行层面，AI助力“一网协同”实现跨业务联动与流程再造。在内容生成、办文办件等场景中，AI正在推动具体业务流程的优化整合。例如，浙江省市场监管平台将“浙江质量在线”“浙E行在线”“浙里检”等业务模块集成于统一智能平台，支撑商事改革、知识产权、安全智控、执法办案、市场消费等不同领域的协同运作。②宁波市则通过AI预审服务，将发明专利授权的平均周期从22个月缩短至3个月左右（最快仅31天），显著提升了知识产权服务效能。③三是在城市治理层面，AI赋能“一网统管”提升态势感知与应急响应能力。通过健全的感知监测终端，AI能够实现事件快速预警、智能研判与科学决策。浙江省将杭州市3万台电梯接入物联网，依托城市大脑与智能感知系统的实时联动，实现了电梯运行状态的在线监测与应急响应的一体化调度。多地“一网统管”平台借助全域多维数据采集体系与政务大模型的事件识别能力，在交通运行、生态环境、公共安全、应急指挥等场景中，具备了实时态势感知与潜在风险提前预警的能力。（① 深圳市智慧城市科技发展集团有限公司调研，2025年5月27日。② 浙江省市场监督管理局调研，2025年6月15日。③ 中华人民共和国宁波海关《〈宁波市2024年知识产权发展与保护状况〉发布》，2026年2月24日。）
3.公共服务领域，数智技术既赋能政府也赋能经营主体
数智技术赋能市场主体提供部分公共服务有了新变化。这种激励来自公共服务提供的入口与数据。例如，公共部门提供的水电气服务连通千家万户，这种广泛的连通性对平台企业极为重要，因此不少平台就开通“市民服务大厅”，提供“生活缴费”等服务，希望能吸引更多市民以自己平台为入口，获得更多流量和数据，提升平台触达消费者的能力。再如公共文化服务，长期以来政府通过补贴向社会提供一些低票价的公益性演出和组织一些群众演艺活动，但补贴有限受惠人数很少，演艺活动的类型和水平也很有限。现在，互联网将大量文化服务送达亿万网民，普通消费者可以免费观赏大量文化服务，例如依托互联网的数智音乐已经成为大众音乐消费的主流市场，其规模、多样性、价格和可得性都是以往公共文化服务所无法比拟的。总之，数智时代的部分公共服务市场化提供带来多赢，企业能迅速聚集起海量用户，获得推送商品和服务、投放广告、获取数据等多种利益；公民获得的服务更加便捷、多元、个性化和持续迭代；政府可以减少财政支出，将更多财力用于不可商业化替代的服务，例如提高低收入人群的社会保障支出。
综上所述，AI技术在数智政府建设中的应用范围不断拓展，嵌入深度持续加强，显著提升了政府服务和监管的效能。
（三）AI应用的挑战与风险
AI引入对政府服务与监管带来了诸多新的挑战和风险。
1.工具理性与人文关怀的冲突
AI技术在政务领域的规模化应用显著提升了行政效能，但技术理性的过度扩张也带来了“算法替代人工”的风险错配，可能会引发以下两类风险：一是在涉及情感交互和价值判断的领域，技术替代可能带来预期外的负面效应。以独居老人探视、困难群体帮扶为例，若以智能监控系统完全替代常规性的人工走访，固然可以获取连续的行为数据，却可能切断服务对象所依赖的社会联结与情感支持，反而强化其孤立感。同样，在城管执法、基层矛盾调解等需要权衡“情、理、法”的场域，视觉识别等算法的机械判断往往难以容纳具体情境中的裁量弹性，可能使本可柔性化解的矛盾趋于激化。二是在新型业态和突发应急场景中，技术手段的局限性可能被放大。以直播电商为例，部分商家雇用“职业弹幕人”批量发布虚假弹幕，尽管AI系统具备一定的识别能力，但受限于技术对抗的动态性和平台推荐机制的固有逻辑，造假内容有时反而获得更高曝光，形成“越假越火”的现象。此外，在极端天气、公共安全等应急场景中，过度依赖数据驱动的算法也存在决策风险。如2023年土耳其7.8级地震中，谷歌Android地震预警系统的AI模块由于训练样本的局限性，将主震震级误判为4.5—4.9级，导致有效预警发布不足。
2.市场提供服务走样变形
数智技术赋能经营主体有意愿有能力提供部分公共服务。然而设计不合理和监管不到位，有可能导致这部分服务变形走样，使公众利益受损。例如，某地建设的“阳光厨房”项目，目前已接入1.2万家餐饮单位。该项目在市场化运营过程中，由于摄像头在线率、画面清晰度等运维标准尚不明确，也缺乏相应的成本分摊机制，部分企业出于运营成本考虑，出现了“只安装、不维护”或“信号接入形同虚设”的情况。这反映出监管未能及时跟上——企业缺乏持续运维的动力，导致食品安全监管防线形同虚设。另一方面，政府不当干预也可能将本应由市场有效提供的服务收回，造成新的不便。例如，部分地区存在政务APP重复建设、功能雷同的现象，甚至为了追求所谓的“用户活跃度”或“装机量”排名，将原本已在市场化平台（如支付宝、微信）上运行良好的公共事业缴费、预约挂号等便民服务，强制迁移至体验不佳的政府专用APP上，导致群众办事需在不同应用间反复切换，造成了新的数字鸿沟与不便。
3.投入与效能错配及财政资源浪费
政府AI应用落地是一项高投入的系统性工程，需要海量的软硬件资源支撑。我国数智政府建设相关投资规模近几年数以千亿计，显著提升了服务效率和治理能力，但某些方面存在投入与实效不匹配、公共财政资源的低效利用甚至浪费的突出问题。主要体现为：一是脱离实际的形象工程。部分地方数智化建设重展示、轻实效，背离基层真实需求，沦为“面子工程”。如某省（区）住建厅耗资227.53万元建设数字液晶屏，仅用于接待参观，日常基本关闭，未产生实际服务效能，反而加重基层运行负担。二是局部试点的重复建设问题。如江苏在政务App清理中发现，22个县级及以下App存在严重同质化，“智慧吴江”“江北智慧农路”“健康溧阳”等与省级“苏服办”功能重叠，部分应用用户不足千人，数据之间也未实现联通。国务院办公厅已明确要求县级及以下原则上不得新建政务App，并推动全国范围内清理整合。三是技术迭代滞后引致的沉没成本风险。数智化项目缺乏前瞻性规划与技术兼容设计，极易陷入“建成即落后”困境。如某省（区）住建厅投资1200万元建设的住建行业人才管理系统、供排水全过程监管系统等6个政务服务信息系统，有的建成后即停用，有的未能有效运行，造成资源浪费。
数智政府建设仍在推进之中，前期实践已提供丰富经验，也有不少教训。今后数智政府建设的规模和方向需要有决策参考维度，进一步提升政府工作效率、公众满意程度和财政支出效果。
三、合理与合意：AI应用中统筹权衡的关键维度
本文使用合理性与合意性两个评价维度，作为数智政府建设中相关项目和服务内容增减去存的衡量标准。“合理”是经济学的角度，将“政府服务效率提高和服务覆盖更加广泛公平”定义为合理①；“合意”是社会学和公共管理学的角度，将“服务对象对服务内容具有最广泛的认可度”定义为合意②。提出这两个维度的意义在于，当实践中有许多选项需要比对选择时，能有明确方向和可以测度的标准，有资源约束的概念，有机会成本的概念，并在这些约束条件下寻求百姓获得感最大化。（① 社会资源配置问题和财富分配问题是当代经济学的两个核心研究问题，合理的经济秩序要符合资源配置高效率和分配相对公平这两个要求。② 这里合意指一种社会共识，社会学视阈中的社会共识代表着一种较高程度的社会合意。）
（一）合理性
AI在数智政府建设中的合理性，首先来自服务效率的提升。AI技术可以全面、及时、准确掌握治理所需的信息并迅速对复杂信息做出解读和判断，降低了因信息不对称和信息处理低效率导致高行政成本。例如行政审批的“秒批”、交通执法领域的非现场执法、社区安全监测、市民诉求理解处置等场景中，由于实时监测、智能识别、应急处理等功能的实现，政府相关机构可以迅速提供服务。其次，合理性也来自企业合理进入公共服务领域，“入口”和“数据”激励促使企业有意愿有能力提供原本由政府提供的部分公共服务，可以提高服务效率和减少财政支出。
（二）合意性
公共服务中所讲的合意，是指数智政府建设以及公共决策，受到社会与公民最广泛认可，这种认可有利于社会和谐稳定。［40］在讨论公共服务时，人们常用“公平”这个概念与效率相对应，表明讲效率的同时不能偏废公平；在讨论数智化应用时，人们常用价值理性概念与工具理性相对应，表明用数智化工具的同时不能偏废价值。两个概念都包含在“合意”之中，AI带来的影响必然包含公平和价值之要求。例如，为残疾人、老年人等弱势群体提供可及的服务，面向语言少数群体发布精准的灾害预警③，重视解决数智鸿沟下的教育不平等、AI医疗部署中关注弱势地区与人群可及性问题等。但是，AI应用于公共服务的影响远超公平，还必须关注以下一些“合意”问题。（③ 2025年4月，美国国家气象局宣布不再使用人工智能公司Lilt提供的气象翻译服务，专家分析此举使得非英语使用者错过极端天气的潜在救命预警。）
一是不同经营主体和公民对不同类型数智化服务的合意性感受。以普遍改善民生为目的的公共服务供给最为直接可感，合意性较明显。然而，部分服务尽管在技术层面易于由AI提供，却未必契合经营主体与公民的真实需求，例如某个政府部门的APP提供一些信息服务，并强制要求不需要这类服务的经营主体进行注册。此外，对于同一项数智化服务，不同群体之间的合意性评价也可能产生分歧。教育行政部门运用大量AI评估各校之间的教育质量，不同类别的学校和社会各方面对此的看法并不相同。又如，在疫情期间，英国取消线下考试后采用标准化算法对A-Level成绩进行调整，但最终导致大量学生，尤其是公立学校及弱势背景学生的预估成绩被大幅下调。这一结果被社会舆论批评为加剧了教育不公，随即引发了全国性的抗议活动，英国政府最终放弃了该算法方案，改为采用教师评估成绩。
二是公民对服务与隐私之间选择权重的合意性感受。以视频监控为例，该类技术的广泛应用有助于提升社会安全稳定、协助寻找失踪人员等公共目标的实现，但同时也对公民隐私构成潜在侵蚀。公众对这一权衡的接受程度具有明显的时空情境依赖性。在疫情期间，出于公共安全需要，民众认为处处刷脸可以接受，但疫情结束后舆情反弹明显，现在多数城市已经不再强制。此外，跨国比较研究进一步揭示，不同国家民众对政府在公共领域使用人脸识别等监控技术的接受度存在系统性差异，中国受访者总体支持度更高，而德国、美国相对更低，英国介于其间。再如回应式服务与主动式服务的平衡，回应式服务模式下，算法仅在公民提出服务请求时予以响应，无须提前收集或持续追踪个人信息；而主动式服务需要收集公民较多信息，例如某地试行的低保家庭服务计划，在资格可判定时自动触发服务，使福利获得无需申报。但这需要低保人群及时报备并被低保家族服务体系全链感知，但有些人群将家庭收入视为隐私，只愿在特定场合下提供，并不愿时时在平台上更新。如果强求线上报备更新，这部分人群就无法从原有的线下渠道获得隐私程度高的服务保障。
三是政府部署AI支出与服务的合意性问题。不考虑支出时，可以说服务愈多愈好。但财政支出需要更多税收，更多部署需要更多税收，因此AI部署的成本需要让公民知情。当公民了解到某些并非必需、仅偶尔需要的服务，却需财政大量支出时，或许会感觉到不合意。例如某地城管部门以较高预算体系化部署摄像头甚至物联网，监测全市垃圾桶及时清理情况以及“扔垃圾不入桶”行为，并以较高价值委托第三方开发算法，这一举措被公民认为“不合理、不合算”。垃圾清理本就落实到社区甚至落实到人，居委会、物业、业委会以及“楼长”等诸多线下系统承担监管任务无任何困难，即使偶有疏漏也无碍大局，无须再花费高额支出部署AI来执行。
四是数据安全与服务便利关系处理的合意性。数智化公共服务与治理高度平台化，系统宕机、数据泄露、身份冒用等事件会直接破坏公众对制度的稳定预期，因此需要保障系统安全。但同时过高的安全要求又会影响公民获得服务的便利性。英国统一福利金（Universal Credit）的数字化改革实施路径中，系统对用户数字能力和AI能力、设备条件与身份核验能力预设较高，导致部分弱势群体在申领过程中面临明显障碍。英国国家审计署的评估显示，只有38%的福利金申领人能成功通过在线身份验证，远低于政策预期的90%，且相当比例申领人出现支付延迟与财务困难，造成服务可及性下降。
五是程序便捷、程序正义与可申诉性之间关系处理的合意性。数智化监管的便捷性会造成正当程序的折叠。例如，在行政当局做出对行政相对人的权利施加不利影响的场景，如行政处罚的过程中，在处罚决定做出前被处罚人有陈述申辩的权利，在处罚决定做出时需告知当事人。当下，行政程序在算法内化运行的作用下被无限压缩，瞬时显化为处罚决定，有些处罚当事人认为这种便捷行为合意，罚款一交了之，节省时间和精力。有些则相反，会产生对正当程序缺位的质疑。算法作为实际上规则的实施者无法实现相对人在法律过程中每一个环节都可以拥有知情权、监督权，行政程序的调查取证、论证、陈述申辩在这一过程中被极限折叠。持这种观点公民的主观感受是，基于对原有行政程序的心理和路径依赖，缺乏现场执法的实时互动，从而降低了参与感，导致其对裁判结果不信任。
政府建设中要处理大量的比对、权衡和选择问题，需要有可以落地的评估维度和标准。从理论视角和实践经验两方面思考，合理与合意是较为普适的两个评估维度。
四、数智政府建设中的AI应用：三组核心关系与四象限图
数智时代，AI在数智政府建设中的应用并非单纯的技术部署或工具升级，而是涉及政府治理体系中人机分工关系、政府与市场边界划分以及财政资源配置重点等重大问题。AI部署和应用过程面临着多重逻辑的冲突与磨合：技术理性的效率追求与公共价值的人文关怀之间的协调与适配，AI赋能后市场与政府服务能力的变化及分工边界调整，财政资源的稀缺性约束与服务需求扩张冲动之间的抉择。本部分以合理性与合意性为核心评估维度，紧扣政府AI应用的实践逻辑，依次厘清“人机如何定位”“政府与市场如何分工”“财政投入如何选择”三大核心命题，讨论AI在公共服务和市场监管中的决策逻辑与行动指引。
（一）框架一：权衡人的智能与人工智能边界
本框架旨在厘清“人与机器谁更适合做”这个问题。随着算法算力的指数级增长，AI在感知、计算、存储等方面已展现出超越人类生理极限的优势，但在价值判断、情感交互、伦理裁量等涉及“人之所以为人”的领域，人类仍占据不可替代的主体地位。所以合理区分人的智能与人工智能的能力边界是数智政府AI应用的基础。“合理”指代任务处理的效能与程序正当性，即AI在处理该场景时，是否能比人类更精准、更快速、更低成本，并能保证行政行为的客观性，避免人为偏见。“合意”指代公众的心理感知与伦理认同，即公众是否接受在该场景中由机器代替人，鉴于公共服务面向的是有温度的个体，这取决于该场景是否涉及情感交互、伦理判断或人格尊严等。此框架以政府工作人员的感知与行动能力为横轴、AI的感知与行动能力为纵轴，将AI应用场景划分为四种基础类型（图3）。
1.AI提效型（A类：AI效率更高）
此类场景聚焦于高频发生、流程固化、规则明确的政务服务事项。在合理性层面，AI的介入能够突破人力处理的“生理瓶颈”，实现全天候、零差错、秒级响应的“极致效率”，大幅降低行政成本与社会交易成本。在合意性层面，公众对此类服务的核心诉求是“快”与“准”，对服务由谁提供并无显著情感偏好，AI替代人工不会引发心理抵触，反而会因便利性提升而增强满意度。因此，此类场景应作为AI应用的首选突破口，推动“机器换人”。例如，AI“数字员工”能通过多源数据比对自动完成资格核验，实现高频业务“秒批秒办”并保障准确率。
2. AI增强型（B类：人工困难AI易行）
此类场景通常涉及超大规模数据的实时感知、跨域关联与复杂计算，如城市生命线监测、公共卫生预警等。在合理性层面，此类任务超越了人类个体的认知负荷极限，单靠人力不仅效率低下，甚至无法完成，必须借助AI的算力优势突破治理边界。在合意性层面，AI赋能显著提升了政府对风险隐患的预见性与处置的敏捷性，精准回应了公众对安全、秩序等核心公共产品的高层次需求，实现了技术理性与公共价值的完美契合。例如，AI赋能的非现场监管可实时分析海量经营主体的经营数据，自动发现违规线索；AI对特种设备（电梯）物联网监测数据进行实时分析，能在故障前精准预警。完成人力难以独立完成的全域连续监测任务。
3. AI辅助型（C类：需要人工决策）
此类场景的核心特征是涉及情感沟通、价值判断、伦理抉择或矛盾调解等需要主观能动性与人际互动的环节。在合意性层面，公众在此类服务中高度依赖具有同理心的人际互动，这种互动本身就是公共服务价值不可或缺的组成部分。若以AI系统替代人工，可能削弱服务的温度与可接受性，引发公众对服务质量的质疑，进而影响政府公信力。在合理性层面，AI可在信息检索、数据整合、证据固定等辅助性环节发挥作用，但涉及自由裁量权的行使时，仍需以人工决策为主导。例如，困难群体慰问、信访矛盾化解、复杂案件审理等场景，均需由人工承担最终判断与执行职责。
4.协同递进型（D类：人员使能和AI使能相结合）
此类场景主要指向高度不确定性、缺乏既有经验和数据积累的前沿治理领域或突发极端事件。在合理性层面，AI因缺乏充足的训练样本，算法模型的推理能力受到限制；同时，人类决策也因缺乏相关经验而存在认知盲区。在此情况下，任何一方单独行动均难以达成理想的治理效果。在合意性层面，由于结果的高度不可预测，单一依赖任何一方都可能导致决策失误，引发公众不满。因此，需要构建“人机共进”的协同机制：人类提供价值判断与情景理解，由AI提供数据模拟与趋势推演。在动态调整与持续学习的过程中，双方逐步提升应对此类复杂问题的能力。例如，新兴风险研判、重大突发事件应对等场景，需要人机协同探索前行。
（二）框架二：权衡政府与市场边界
数智技术赋能经营主体有意愿有能力提供部分公共服务，同时也存在市场化服务变形走样使公众利益受损的问题。本框架旨在厘清“政府与市场谁主导”这一权责问题。“合理”主要指当经营主体免费或以更低成本提供与政府服务水平大致相当的公共服务时，应该由市场来提供，因为此时服务效率与质量不变且节约了公共支出。前面部分已分析，经营主体的激励来自提供服务的同时获得“入口”和“数据”，通常情况下，经营主体在技术能力方面相较于政府机构更具优势，故而其服务提供水平相对更高。“合意”则主要指公共服务的普惠性、均衡性与包容性能否得以满足。显然，经营主体并不会提供所有类型的公共服务，而是仅提供他们可以从中获利的部分，对于那些被市场剔除在外的服务，政府就必须承担供给责任。本框架以政府+AI的技术能力与服务意愿（简称“政府+AI”）为横轴，以市场+AI的技术能力与服务意愿（简称“市场+AI”）为纵轴，将AI应用场景划分为四种供给模式（图4）。
1.共同保障型（A类：市场愿为+政府兜底）
此类场景聚焦于具有强公共属性且对政治伦理与公民基本权利的核心领域。在合理性层面，市场具备较强的技术能力与供给意愿，能够有效承接相关系统的建设与日常运维工作。在合意性层面，此类场景事关公共治理的核心属性、政治伦理底线与公民基本权利保障，必须防止资本逐利可能引发的数据滥用、算法歧视或公共利益受损等风险。因此，即便市场在效率层面可能更具优势，政府仍需掌控核心权责。具体而言，可将技术开发、系统运维等执行性工作委托给商业平台，但核心决策权、数据所有权与最终裁量权必须由政府牢牢掌握，以确保公共价值不被侵蚀。例如，在食品安全与全链条溯源监管中，商业平台可负责技术开发与系统运维，但食材溯源核心数据所有权、监管决策权应由政府掌控；再如社保医保核心系统、跨部门联合惩戒平台（信用监管）亦如此，需严防资本逐利损害公共利益。
2.企业主导型（B类：市场愿为能为且效率更高）
此类场景兼具公共属性与商业属性，属于准公共产品范畴。在合理性层面，市场具备两大优势：一是技术能力强，拥有成熟的运营生态、敏锐的需求捕捉能力和灵活的迭代机制，服务供给效率远优于政府；二是供给意愿足，公共服务在触达用户的同时，能够为企业带来流量、数据以及品牌收益，从而形成可持续的商业模式。在合意性层面，公众对此类服务的核心诉求是服务体验的便捷性与内容供给的丰富性，对供给主体的身份属性并无特殊的政治敏感性，更看重服务质量与使用体验。因此，政府应遵循“法无禁止即可为”的原则，放手让市场主导，通过购买服务或政策引导，依托企业创新提供高质量的公共产品，避免政府“既当裁判员又当运动员”的低效越位。例如，数智文化服务可由企业依托成熟运营生态打造优质内容、迭代服务；天气、地图等生活资讯服务，由企业凭借敏锐需求捕捉能力提供便捷体验，政府无需直接参与，通过政策引导即可实现高效供给。
3.政府主导型（C类：市场不愿为不能为）
此类场景涉及政府的法定职责及社会底线公平，市场在合理性与合意性两个维度上均无法有效替代政府。在合理性层面，此类服务缺乏商业激励——无法为经营主体带来流量、数据或品牌收益，市场既无意愿也无能力提供可持续服务。若放任不管，将导致服务缺口扩大，侵蚀底线公平。在合意性层面，此类服务恰恰是市场“剔除在外”的部分：行政执法需要权威，矛盾调解需要信任，困难帮扶需要温度——这些价值无法通过市场逻辑满足。公众对政府兜底的核心期待是“一个都不能少”，而非服务主体的技术能力。因此，政府必须承担供给责任，推动AI技术适配应用，确保“市场不愿做、但百姓离不开”的服务能够落地。例如，独居老人探视、困难群体帮扶、偏远地区的便民服务等，都需要政府主导推动AI技术的适配应用，而不能指望市场自觉补位。
4.协同递进型（D类：政企协同探索治理前沿）
此类场景主要聚焦于前沿技术治理、新型业态监管等高度复杂的领域。在合理性层面，由于技术迭代速度极快，政府往往缺乏与之相匹配的监管能力，从而形成“技术盲区”；而企业虽掌握技术资源，但不具备介入公共治理的法定权限，双方单独开展行动均存在能力上的短板。在合意性层面，公众在享受技术红利的同时，对隐私泄露、算法偏见、内容造假等风险保持着高度的警惕，对政府加强治理的诉求日益强烈。因此，有必要构建一种“风险共担、能力互补”的协同机制，即由政府提供制度框架与监管权限，企业发挥技术优势，双方形成合力，在提高治理效能的同时回应公共价值诉求。例如，深度伪造内容识别、算法备案与审计、跨境数据流动监管等新兴议题，均需要政企协同探索治理路径。
（三）框架三：权衡财政投入边界
财政投入的成本收益状况是数智政府AI应用落地的现实约束维度。如何将有限的财政资金精准投向最合理最合意的领域，是财政约束下数智政府建设的必选项。本框架旨在厘清“应该投向哪里和投入多少”这一问题。“合理”指AI投入应符合成本效益原则，即综合考量投入成本（包括软硬件研发、运维及人员培训等）与预期收益（如效率提升、成本节约、风险降低等）是否匹配，避免因盲目投入导致公共资源的错配与浪费。“合意”指公众对公共开支的效用感知与优先级认同，即老百姓觉得这笔钱花得“值不值”，是否符合当下最紧迫的民生需求。本框架以政府AI财政投入成本为横轴、AI提供的政务服务增量为纵轴，将AI应用场景划分为四种投入策略（图5）。
1.量力而为型（A类：高投入高成效型）
此类场景特点是：投入大，短期直接收益不明显，但涉及城市长远安全和基本运行保障。从合理性层面看，它们确实难以通过常规的成本收益检验，因为很多收益是潜在的、长期的、非货币化的。但从合意性层面看，公众对城市抗风险能力有明确期待，这类投入有其社会认可基础。所以，这类项目不能因为短期成本高就被否定，关键是要在财政可承受范围内审慎布局——做好财政承受能力论证和全生命周期成本测算，量力而行、尽力而为。例如跨领域全要素城市治理大模型、覆盖主要灾害类型的防灾减灾城市大脑等。
2.优先应用型（B类：高效普惠服务）
此类场景是AI落地的优先普及领域。从合理性层面看，相关技术已较为成熟，不需要重复研发，花小钱就能办大事，有些甚至能通过效率提升反过来节约财政开支。从合意性层面看，应用成果可以直接转化为公众可感知的便利与安全，且覆盖范围广、普惠程度高，易于获得社会认同。例如，通过开源模型二训打造政务知识类模型，以“小投入”实现政务领域各类知识型任务的智能化；又如通过在智能电表中植入算法识别电动车入户充电行为，以“微改造”规避重特大火灾风险，用极小投入守住公共安全底线。
3.投入规避型（C类：低效非必需服务）
此类场景是AI应该尽量避免投入的领域。从合理性层面看，前期投入大、运维成本高，但实际能增加的公共服务很有限，有些项目甚至在技术路线还没落地前就已经过时了。从合意性层面看，老百姓不仅得不到好处，反而觉得被打扰——数据采得多、流程搞得复杂，费力不讨好。这类项目合理性和合意性双双不过关，财政审计与绩效评估应将其作为重点监督对象，建立健全问责机制，从源头上遏制财政资源的低效配置。例如，一些地方重复建设的政务APP、部门重复建设的业务APP，以及各种利用率极低的数字展示大屏等。
4.审慎试点型（D类：边缘场景服务）
此类场景多面向特定群体或边缘性需求。就合理性而言，此类场景投入成本虽在可控范围内，但因受众面窄、使用频次低，若在全域推广，易造成财政资源闲置，投入产出比不高。就合意性而言，公众感知不强，并非普遍性、刚性的需求。因此，不宜大规模铺开，而应先采取小范围试点来验证可行性，待条件成熟后再审慎推广，以规避财政资金的低效占用。例如垃圾分类AI督导系统、重要性弱和安全风险低的不可移动文物物联网监控系统等，都需要试点先行探索，认真研究其普遍适用性。
综上，上述三个框架共同构成数智政府建设中AI应用的三个关键抉择：人与机器的抉择、政府与市场的抉择和财政投入优先级的抉择，合理性与合意性两个维度贯穿于几个框架之中，为抉择提供共同理念和统一标准。
五、余论：以数智化助力政府治理现代化
数智政府建设远不止于运用数智技术创新服务与治理方式，未来发展方向更不能仅限于如何更好地运用AI这一问题。我们正在向全面建成社会主义现代化强国的第二个百年奋斗目标迈进，从这一顶层目标考虑，数智政府建设要服务于为中国式现代化建设提供更高效、更适配的治理能力。要从推进现代化建设这个时代特征开展数智政府建设的顶层设计：从满足人民群众对美好生活的愿望出发，就需要更加重视持续创造财富并实现更加公平的分配，在社会管理和公共服务方面补短板和上台阶并重，社会公平方面要特别关注低收入人群和统筹城乡发展等问题；从推动高质量发展目标出发，要求切实推动发展新质生产力，提高全要素生产率，特别要聚焦于促进创新和扩大消费两个方面；从建设高水平市场经济体制任务出发，要进一步让市场在资源配置中进一步发挥决定性作用和更好发挥政府作用，要求完善公平竞争制度，强化竞争政策基础地位；从世界百年变局加速演进的复杂国际环境看，需要完善我国开放体制来应对国际环境中的不确定性，加快构建能够有效管理多种类国际事务的国内体系与能力，形成积极推动全球治理体系重构重塑的体制机制。在这许多方面，数智技术的应用都有广阔空间，应该发挥重要作用。
在合理运用数智技术提升具体服务能力的同时，必须不断推进政府自身改革，转变政府职能、健全政府职责体系、完善行政流程、优化组织结构。唯此，数智政府建设才能拥有可靠的基础和正确的方向。否则，就有可能在线上复制一个自身改革和职能转变不到位的政府体系，数智化技术应用有可能放大和强化线下体系的缺陷和问题。同时，政府自身改革和职能转变到位，能够为数智政府建设提供更加合理恰当的内驱动力。
来源：《中国行政管理》
