IPP评论是国家高端智库华南理工大学公共政策研究院（IPP）官方微信平台

导语：

从“互联网+政务”到“人工智能+政务”的跃迁，意味着政府在治理理念和体制机制上也需随之转型。现下，人工智能在公共服务、社会治理中展现出自主性。与此同时，算力、算法和数据高度集中于少数企业。这些变化正在重塑政府与社会的关系。如何在创新与监管之间确立秩序，不仅关系到公共服务的可及性与质量，也关乎制度权威与社会信任的塑造和延续。

IPP特约研究员、广州市社会科学院城市治理研究所副所长孙占卿指出，人工智能正在推动政府从“全能提供者”转向“治理共同体”的元治理者，构建“集中化的去中心化”模式，并重塑前后台分工，形成“哑铃型政府”：后台趋于智能化自动化，前台则更加凸显人本关怀与社会互动。对于未来的智慧政府而言，成功的关键不仅在于后台算法的先进性，更在于能否在前台有效地传递和实现这些核心的公共价值。

人工智能（AI）对政府治理的影响将远超以往任何技术革新。早期的数字政府主要依赖信息化工具从纸质系统向在线平台转型，实现流程优化、数据可访问性提升以及远程办事，本质上是将政府流程搬到线上。AI则有所不同，它直接嵌入治理的核心——数据与决策，给政府的组织和行动模式带来巨大冲击。

这种冲击源于AI的双重属性：一方面，它作为工具性技术，能够前所未有地优化资源分配和决策过程；另一方面，作为日益自主的系统，它可能挑战政府的权威模式，推动组织形态从固化的层级制向动态的网络化转型，政府行为从规则导向向预测性治理演进。它迫使我们重新审视政府的角色、组织结构及其与社会和市场的关系。

一、AI在政府中的应用

（一）政府部门加速人工智能部署

当前，人工智能在政府领域的运用已从初步实验阶段向加速规模化部署转型。根据美国政府问责办公室（GAO）发布的报告，联邦机构报告的AI使用案例从2023年的571个增加到2024年的1110个，其中生成式AI使用案例从32个激增至282个。这些部署主要由卫生与公共服务部、退伍军人事务部、国土安全部和内政部主导，占总案例的50%。

白宫的《美国AI行动计划》（2025年）进一步确认了机构层面的部署，包括成立首席人工智能官理事会（CAIOC）以协调跨机构AI采用，并由通用服务管理局（GSA）开发AI采购工具箱，以确保符合隐私和透明度法规。

而在中国，据相关报道，已有超过70个省级和市级政府已部署DeepSeek大模型，其中包括北京、广州和深圳等一线城市。

（二）人工智能在政府治理中的应用场景

AI大模型在政府中的应用场景主要集中在公共服务、行政效率和决策支持。

一是查询与交流服务，纽约市的MyCity聊天机器人处理了数百万次市民查询，将响应速度提升了35%；明尼苏达州、密歇根州的政府机构都支持将表单自动翻译成西班牙语、阿拉伯语等多种语言。

纽约市在线服务平台“MyCity”除提供AI聊天服务外，还整合了政府服务申请、状态查询、资料储存等功能。

二是数据管理和分析，包括处理非结构化的记录文件、快速搜索档案、审查合同文书、草拟文件等，如广州的“穗智管”城市运行管理中枢通过融入AI，实现了合同周转时间大幅减少。

三是自动处理，包括失业救济资格初审，内华达州与Google合作，使用AI分析失业申诉转录和证据，以加速处理等。

四是审计和过程监督，马斯克曾经执掌的“政府效率部”（DOGE）就是最好的例子。

五是专门领域的研究与决策支持，例如医疗AI，可以实现电子健康记录（EHR）提取和临床决策支持；气候科学模型支持环境政策。

（三）政府对人工智能的运用主要在于自我完善

回溯数字政府的发展历程，会发现数字化对政府系统的改造主要聚焦在传统政府框架下的效率提升和内部改造，数字政府与现实政府是一体两面的关系，前者是后者的技术化延伸，旨在更好地实现后者的核心使命。

第一阶段的主题是电子政务阶段（约2000-2010年），这一阶段的核心工作是“政府上网”，目标是提升透明度和效率。各国政府纷纷建立政务网站和数据库，将线下业务搬到线上。

第二阶段的主题是“互联网+政务服务”（约2010-2020年），随着移动互联网的普及，数字政府的重心转向服务整合与流程优化，旨在通过跨部门协同和数据共享，为公民和企业提供一站式、便捷化的服务，政府的角色从信息发布者转变为服务集成者。中国的“最多跑一次”改革和“一网通办”模式是这一阶段的典范。

第三阶段的主题是智能治理（2020年至今），随着人工智能技术应用，数字政府开始向“智能化”演进，突出预测性和主动性。杭州的“城市大脑”从“治堵”扩展到“治城”，广州的“穗智管”实现应急管理的智能优化，都标志着AI正被用于辅助甚至主导复杂的城市决策，推动治理范式从被动响应向主动预见转变。

图为广州“穗智管”总框架示意图。图源：中国测绘学会智慧城市工作委员会

二、AI时代传统政府治理框架面临冲击

AI广泛应用加剧了社会的复杂化，大幅增加了公共服务的内容，政府需要寻求社会力量的支持，而算力和算法规则对治理的渗透，令其主导者——大型AI和平台企业实质上分享了治理权力，传统治理框架进一步松动，迫使政府加强自身关键AI能力，重塑对治理的主导权。

（一）大型AI企业侵蚀政府的权威垄断

大型科技平台以前所未有的深度和广度融入现代社会，它们不仅是商业实体，更演变为塑造经济、社会乃至政治议程的强大力量。这些平台通过控制关键的数字基础设施、海量数据和算法规则，形成了事实上的私人权力中心，对传统的国家主权构成了系统性挑战。

社会契约论的逻辑表明，对关键规制力量的垄断是政府的核心属性。AI，特别是大型科技平台的算法，正在创造新的规则空间和权力中心。它们不仅在自己的“数字领地”内，通过制定规则（平台协议）、执行奖惩（账号封禁或流量倾斜）、征收“税收”（交易佣金），还掌握着比许多政府更精细的公民行为数据。

平台算法决定了信息的呈现、资源的分配乃至个人的社会信用，这是一种在局部和微观层面绕过国家立法和司法程序的“算法治理”，对国家的经济主权、数据主权和规则制定权统一性构成了事实上的影响。

（二）公共服务范围扩大分散政府权力

面对日益复杂的社会需求和公共服务挑战，传统上由政府主导、层级分明的服务供给模式正显现出其局限性。AI带来的生产力急速扩张，必然推动相当比例的人口退出生产领域，同时扩大公共服务范围，参与者得以分享治理权。在处理日益扩大的养老、托育、健康等棘手问题时，任何单一组织，即便是传统上所谓的“全能政府”，也无法掌握解决问题所需的全部信息、资源和能力。

养老健康相关数据部分在医院、保险机构或个人手里，造成信息分散化。图源：新华社

因此，必须构建一个由相互依赖的、自主的行动者组成的网络，通过协商、合作和共同决策来提供公共服务和解决社会问题。苏珊·斯特兰奇（Susan Strange）提出的结构性权力（Structural Power）理论认为，真正的权力不体现在直接的强制，而在于塑造和决定全球政治经济结构的能力，这种权力通过四个结构发挥作用：安全、生产、金融和知识。企业、社会组织通过公共服务获得数据信息，以及资源分配和社会话语，同时也分享了治理权。

（三）人工智能冲击官僚制度的组织和行为模式

马克斯·韦伯的官僚制理论是现代政府组织模式的理论原型，它强调通过层级分工、专业化选拔、非人格化关系和规则导向来实现理性、高效和可预测的治理。

首先，AI冲击了官僚制的组织模式。

韦伯式的层级结构依赖于中层管理者进行信息的上传下达和指令的分解执行。但AI驱动的决策支持系统可以实现数据的实时汇聚和分析，将决策建议直接推送给高层，从而削弱甚至替代中层管理者的角色，导致组织结构趋向扁平化和网络化。斯坦福大学的报告预测，AI可能导致20-40%的行政岗位被自动化，这将引发政府组织结构的剧烈重塑。

其次，AI挑战了官僚制的行动模式。

官僚制的行动以“法有授权方可为”的规则为基础，追求稳定性和可预测性。而AI治理则基于大数据分析和预测模型，其行动模式是概率性的、适应性的，甚至是“黑箱”的。当一个AI系统因其复杂的内部运作机制而无法向人类解释其决策依据时，传统的问责机制便会失效，这直接挑战了法治政府对透明度和程序正义的要求 。

另外，AI放大了传统治理的内在风险。

算法偏见可能将社会中已有的歧视（如种族、性别歧视）固化并放大，并通过算法的隐蔽性和自动运行机制，嵌入复杂的治理链条，增加歧视的正当性，加剧公共资源分配的不公。例如COMPAS在美国的地方司法体系里被广泛应用于预测被告的再犯几率、作为建议量刑的基础。尽管COMPAS的正确预测率达到了61%，在它的系统里，黑人与白人的分数分布却存在差别（白人约62.5%vs.黑人62.3%）。黑人更有可能被误识别为高风险。算法歧视对政府的公正、理性原则，以及其保障社会公平的核心使命构成挑战。

2016年，美国非营利调查媒体 ProPublica的调查发现，COMPAS 对黑人被告的预测更容易高估再犯风险，而对白人被告则更容易低估风险。图源：ProPublica

三、政府权力再主张：数字时代的平台企业监管模式

面对大型AI和平台企业对治理框架的冲击，政府的角色必须从被动的市场监管者，转变为积极的治理活动领导者和数字秩序塑造者。这要求建立一套多层次、多维度的规制框架，将平台权力纳入国家治理的轨道，并利用数字政府自身的技术能力实现对平台的实时、有效监督。

面对平台企业对传统治理框架的挑战，全球主要经济体已发展出三种截然不同的规制哲学和政策路径，反映了它们对国家与市场关系的不同理解。

（一）欧盟加强事前程序监管

欧盟的《数字市场法案》（DMA）是事前规制的典范。它不针对具体违法行为，而是预先识别出具有“看门人”（gatekeeper）地位的大型平台，并为其设定了一系列明确的“义务清单”和“禁止清单”。例如，禁止平台在排名上偏袒自家服务、必须允许用户卸载预装软件、必须允许商业用户在平台之外与客户交易等。

DMA希望主动塑造一个更公平、更具竞争性的数字市场，通过立法来限制结构性权力的滥用。欧盟这种以法治和程序正义为核心的规制路径，反映了其对外来数字平台企业的警惕，以及缺乏本地相关企业的现实。

DMA针对所谓的 “看门人平台”，这些平台往往在社交网络、在线搜索、应用商店等领域占据主导地位。图源：新华社

（二）美国以反垄断凸显事后市场修正

相比之下，美国的规制模式主要是事后的（ex-post），其核心工具是反垄断法。美国司法部和联邦贸易委员会通常在平台已经形成垄断地位并出现明确的反竞争行为（如谷歌在搜索和广告市场的垄断行为）之后，才发起漫长的法律诉讼。

这种模式反映了美国更倾向于相信市场自我调节能力，将政府干预视为一种在市场失灵时才动用的“修正”工具，而非主动的市场塑造者。当前AI和平台企业的成长速度对这种事后干预模式的可控性和社会风险控制造成巨大挑战。

（三）中国以规则引导企业融入国家战略

中国的模式则体现了强有力的国家主导和战略引导。中国政府不仅通过反垄断调查来约束平台（如对阿里巴巴和美团的调查），更重要的是通过一系列针对性的法规，如《互联网信息服务算法推荐管理规定》和《生成式人工智能服务管理暂行办法》，将平台的关键技术（算法）和核心业务纳入国家监管框架。这些法规不仅关注市场竞争，更强调国家安全、社会稳定和意识形态导向，引导平台发展主动纳入国家整体战略。

四、政府与社会关系再整合：数字化的公共服务共同体

人工智能时代催生了一种新的治理范式——“治理共同体”，即政府与多元化的社会主体（包括国有企业、社会企业、私人企业乃至非营利组织）形成网络化的合作伙伴关系，共同提供公共服务。

治理活动由政府主导的网络化治理体系承担。政府从一个全能的服务提供者，转变为一个生态系统的“元治理者”或协调者。其主要职责是设计和维护网络运行的规则，促进参与者之间的信任与合作，并确保整个网络的行动方向与公共利益保持一致。

在治理共同体模式下，数字政府的核心任务是演变为一个开放的“平台”，为这个服务生态系统提供基础架构和规则支持，从而实现一种“集中的去中心化”治理。网络化治理共同体的优势在于既能够整合不同部门的专业知识和资源，提高服务的灵活性和响应速度，促进创新，又依托传统政府对社会的协调体系，以最低成本实现平稳改革。

蒂姆·奥莱利（Tim O'Reilly）在2010年出版的《开放政府：合作、透明与参与》提出政府应借鉴科技平台提供商的成功经验，将其数字基础设施转变为一个开放的、可供第三方开发者和服务提供商使用的基础平台 ，引导构建一个共享组件、规范数据集和API介入的治理共同体。在这种模式下，政府不再致力于开发所有面向公民的应用程序和服务，而是专注于提供一套共享的、标准化的核心数字能力。

一是统一数字身份认证，提供一个安全、可靠的公民数字身份系统，使所有接入平台的公共和私人服务都能便捷地验证用户身份。

二是核心数据登记库，维护权威的、可信的基础数据库（如人口、法人、地理信息等），并通过API向授权的服务提供商开放。

三是开放应用编程接口（APIs），通过API将政府的数据和服务能力“模块化”，允许外部开发者像调用积木一样，将政府功能整合到他们创新的服务中 。

O’Reilly提出，政府不只是提供服务，而是开放数据、提供基础设施，让公民、企业和社会机构共同创造公共价值。图源：Wikimedia Commons

通过构建这样一个平台，政府实现权力平衡。一方面，它将具体的服务创新和交付“去中心化”地交给了更多元的市场和社会主体，激发了整个生态的活力。另一方面，它通过对平台架构、数据标准和API规则的“中心化”控制，牢牢掌握了治理的主导权和领导权。这种“集中化的去中心化”模式，意味着政府的权力从直接的行政命令，转向了间接的、更具技术性的生态系统设计和规则制定。

英国的治理实践表明“政府即平台”理念之下仍然存在多重技术路线。自2015年提出“政府即平台”计划以来，英国依托数字化技术改造公民与政府之间的关系，推动政府机构改革。然而，与蒂姆·奥莱利去权威化的理念相比，英国政府的实践提高了公共服务市场的开放性和对公民诉求的响应效率，但并未本质上改变政府的官僚体制，这或许也预示了未来治理重塑的丰富可能性和多元选择。

五、治理的前后台分工：人工智能时代的“哑铃型政府”

人工智能带来的数字政府能力提升将从根本上重塑政府的组织形态和工作模式，催生哑铃型的政府结构。政府的“后台”与“前台”将发生深刻分野。

后台，即内部管理与决策支持系统，将朝着高度自动化、数据驱动和人力精简的方向发展；

而前台，即与社会直接互动的界面，则需要投入更多具备高级社交和情感智慧的人力资源。这一转型对公共部门的劳动力结构、技能需求和组织文化构成了前所未有的挑战。

（一）智能化后台：人工智能大量应用于政府数据、决策

政府的后台职能，包括数据处理、政策分析、预算编制、合规审计和内部资源管理等，将成为“智能自动化”最具潜力的应用领域。通过结合机器人流程自动化（RPA）、机器学习和自然语言处理等技术，政府能够实现核心行政流程的根本性变革。

一是数据融合与预测分析能力加强。AI能够整合来自不同部门的孤立数据，形成统一的数据视图，并通过预测模型为决策提供支持。例如，在公共卫生领域，AI可以通过分析多种数据源（如急诊记录、药品销售、社交媒体）来预测疫情爆发；在城市管理中，AI可以预测交通拥堵、优化公共资源部署 。

二是实现流程自动化。大量的、基于规则的重复性行政工作，如福利资格审批、许可证发放、税务申报审核等，可以被AI系统大规模自动化。美国退伍军人事务部利用智能文档处理来加速退伍军人福利申请流程，将数百名理赔助理从繁琐的文书工作中解放出来，专注于更复杂的案件。

三是政策模拟与评估水平提升。AI能够构建复杂的社会经济模型，模拟不同政策选项可能带来的长期影响，帮助决策者在政策出台前进行更科学的评估，从而从“经验决策”转向“数据决策”，带来巨大的效率提升和成本节约。据估算，仅在美国联邦政府，自动化就可能释放约13亿小时的工作时间 。

然而，人工智能的大量运用，也加大了人们对算法“黑箱”的担心，复杂的AI模型可能做出人类难以理解的决策，导致问责机制难以发挥作用。另外，如果训练数据带有历史偏见，自动化系统可能会系统性地歧视特定人群，加剧社会不公。

人工智能仍存在数据污染、模型缺陷等潜在风险问题。 图源：新华社

（二）人本化的前台：大量人力资源回归公共服务一线

与后台的自动化趋势相反，政府那些直接面向公民、处理复杂社会问题的的一线工作， 将愈发凸显人类的不可替代性，并需要更大力度的投入。

一是复杂涉人个案处理。社会工作者、社区矫正官、信访接待员等，他们处理的案件往往涉及复杂的家庭背景、心理问题和伦理困境，需要高度的同理心、沟通技巧和创造性的问题解决能力。

二是社区营造与社会动员。社区工作者需要深入基层，组织社区活动，调解邻里纠纷，建立社会资本和信任网络。这些工作依赖于人与人之间面对面的互动和情感连接。

三是危机沟通与社会安抚。在自然灾害、公共卫生危机或社会冲突等事件中，政府需要大量一线人员进行信息发布、心理疏导和秩序维护，以稳定公众情绪，维系社会凝聚力。

这些任务的核心是处理非标准化、充满不确定性和需要人文关怀的情境。AI在这些领域的能力极其有限。因此，一个悖论性的结果是：后台的自动化程度越高，释放出的财政和人力资源就越应该被投入到强化前台的人本化服务中。政府的工作重心将从信息处理者，转向社会关系的维护者、公共价值的诠释者和公民福祉的促进者 。

两端化的趋势，迫使我们重新思考“公共价值”的构成。后台的价值主要体现在工具性价值——效率、速度、成本节约和准确性。而前台的价值则更多地体现在规范性价值——公平、正义、信任、尊重和人文关怀。未来的智慧政府，其成功的关键不仅在于后台算法的先进性，更在于能否在前台有效地传递和实现这些核心的公共价值。

【关于“城市观察”】

“城市观察”是广州市社会科学院城市治理研究所副所长、IPP特约研究员孙占卿博士在“IPP评论”开设的专栏，着力分析当今中国城市发展所面临的模式与路径、技术与产业发展等问题。

点击图片阅读更多孙占卿博士的文章

IPP公共关系与传播中心

排版｜周浩锴

审阅｜刘　深

终审｜刘金程

诚挚约稿

“IPP评论”是国家高端智库华南理工大学公共政策研究院（IPP）的官方微信平台，以提倡优秀政策研究为导向。现IPP评论欢迎海内外学者和专家同仁就国际关系、社会治理、技术与产业及相关公共政策话题的研究赐稿，协助举办专栏。稿件须以科学化和学科化为导向，符合学术议论文的一般规范，突出对于公共政策实践的启示和建议。IPP评论将邀请院内专家对稿件进行匿名审稿，并在收文一个月内择优刊登。

来稿请寄 wx@ipp.org.cn，电子邮件题目请标明“IPP评论投稿”。目前仅接受电子邮件投稿，一般来稿以5千字左右为宜。

凡在IPP评论上发表的文字，不代表本机构观点，作者需对作品的学术正直性负全责。著作权归华南理工大学公共政策研究院所有，作者享有署名权。未经书面允许，不得转载。引用或转载本刊文章请注明出处。

华南理工大学公共政策研究院

“IPP评论”编辑部

孙占卿：翻越“奇点”，“加速时代”需要均衡治理｜城市观察

重估一切：RWA开启资产统一与价值重构时代｜ 城市观察

孙占卿：不解决发展同质化问题，统一大市场就会变成“内卷加速器”｜城市观察

关于IPP

华南理工大学公共政策研究院（IPP）是一个独立、非营利性的知识创新与公共政策研究平台。IPP围绕中国的体制改革、社会政策、中国话语权与国际关系等开展一系列的研究工作，并在此基础上形成知识创新和政策咨询协调发展的良好格局。IPP的愿景是打造开放式的知识创新和政策研究平台，成为领先世界的中国智库。