从趁热接入到深度嵌入：DeepSeek本土开源大模型在数字政府建设中的应用展望与挑战分析

张宏　复旦大学国际关系与公共事务学院博士研究生，数字与移动治理实验室研究助理

郑磊　复旦大学国际关系与公共事务学院教授，博士生导师，数字与移动治理实验室主任

自掀起大语言模型浪潮以来，国内外已涌现出多款AI工具，但这些大模型由于在成本、本土化、安全性等方面的不足，在我国数字政府中的实际应用仍然有限，尚处于探索阶段。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，为数字政府建设提供了新的技术选择，并可能进一步促进公共治理模式的深层变革。以DeepSeek为代表的本土开源大模型在技术特性上契合了当前我国数字政府建设的哪些需求？带来了哪些机遇？具有哪些潜在应用场景，有望为公共治理带来哪些方面的变革？“深度探索”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？下文将就这些问题进行展望与探讨。

（一）低成本实现

随着数字政府建设的深入推进，如何在有限的财政经费约束下实现智能化升级，已成为各级政府面临的重要命题。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。该模型采用了多层次注意力机制（Multi-Level Attention, MLA）和混合专家系统（Mixture of Experts, MoE）[1]，显著降低了计算资源需求，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保持高性能的同时，相对于传统大模型将算力成本控制在较低水平，使政府部门可用更经济的预算完成智能化升级，从而突破此前因高昂的技术成本造成的瓶颈。同时，模型的开源特性又进一步降低了其使用成本，使得各级政府部门可以根据实际需求与外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率。

（二）本土化理解

在数字政府建设过程中，场景的智能化水平很大程度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现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，将有助于模型更准确地理解各类行政术语、政策文件和民众诉求中蕴含的细微语义差异。这种深度的本土化理解能力能使其在公共治理场景中，表现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在逻辑关系，并结合本土治理情境作出恰当的推理判断；在民意分析任务中，有助于更准确地理解各种方言表达甚至网络用语，提高服务准确度；在政务咨询场景中，也有助于根据不同群体的表达习惯给出更有针对性的回应。这种本土化的语言理解能力有望提升我国数字政府建设的智能化水平，打造“有温度”“接地气”的数字政府。

（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临安全风险，而DeepSeek模型能够支持完全的本地化部署，这一特征与数字政府建设的安全性要求高度契合。通过将模型部署在内部专有环境中，可以构建起物理隔离的安全屏障，消除数据外泄的隐患。同时，模型的开源性质使得政府技术团队能够深入审查代码，确保其符合政务安全要求。这种相对透明、可控的技术特征为数字政府建设提供了安全保障。在实际应用中，各地政府可以根据数据安全等级，采用不同等级的访问控制和加密措施，建立起多层次的安全防护体系。此外，本地部署模式还支持全过程的安全审计，使得政府可以实时监控数据流转和使用情况，从而能及时发现和处置潜在的安全隐患。

（一）服务交互方式重塑：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秀的对话理解能力和知识整合能力，有望重塑传统的政务服务与政民互动方式。公众与政府部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，转向更自然、更人性化的人机对话，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准确地把握用户的实际需求，并结合上下文信息提供更为精准的服务指引，降低群众办事的认知负担。而在处理复杂政务咨询时，模型也可基于深度语义理解，将群众的口语化表达更为准确地匹配到相应的政策与服务事项，有助于解决传统政务咨询和服务中“群众不会问、部门答非所问”的痛点。同时，模型强大的跨域推理能力使其能够自动关联多个业务领域的政策法规，为群众提供“一门式”的咨询服务，有助于解决传统模式中“多头咨询”的痛点。

（二）政务知识管理革新：从失传孤立到传承共享

DeepSeek等模型还有望对政务知识管理体系带来变革。通过建立智能化的政务知识管理系统，政府可以对分散在各个部门的经验、案例和最佳实践进行系统化整理和关联分析，促进组织记忆的数字化重构。这种知识管理方式有助于解决公务员因轮岗、离职、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记录，公务人员个人积累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历史案例的深度学习，总结出不同类型事务的处理模式和关键要素，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打破部门间的信息壁垒，促进跨部门知识共享和经验互鉴。这种知识网络不仅能够促进信息的快速流动，还能通过智能算法发现不同部门之间潜在的业务协同点，为跨部门协作提供新的可能。在政策试点推广过程中，这种智能化的知识管理系统有助于快速提取和归纳试点经验，为政策在不同地区的落地提供适宜的本地化建议，以确保政策执行的一致性，同时保持对地方特色的适应性。总之，通过构建动态更新的知识治理体系，政府组织可以不断积累和优化治理经验，实现组织能力的持续提升。

（三）政府决策模式跃升：从切片式到立体化

在政府决策支持领域，大模型的深度分析能力可能带来决策模式的跃升。借助其强大的数据处理和多维度分析能力，模型能够突破传统决策模式中的单维度、切片式瓶颈，快速整合来自不同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模拟等方式，预测不同政策选择可能带来的影响，从而促进政府决策从静态评估向动态优化转变。例如，在公共危机管理中，模型强大的模式识别能力可助力决策者及早发现风险信号，提供多种应对方案的比较分析，从而提升政府预警和应急处置能力；在民生政策制定过程中，模型可通过对海量民意数据的语义分析，把握群众诉求的深层次规律，为精准施策提供数据支撑。这些优势在城市治理等复杂系统中的潜力尤为明显，有助于增强政府决策的精准性和预见性，以支持治理目标的实现。

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政府建设带来了新的机遇，其技术特征与我国数字政府建设需求具有很高的契合度，低成本实现、本土化理解、本地化部署等技术特性为各级政府部门的智能化转型提供了更具可行性、精准性和安全性的落地方案，并有助于推动政府在服务交互、知识管理和决策支持等方面的深层次变革。

然而，炫酷的“技术玩具”并不必然就能成为有效的“治理工具”[2]，“深度探索”被各地政府趁热“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实际成效，还需要关注以下几方面的问题与风险。

首先，在应用场景选择上存在“找错钉孔”的风险。技术能力的升级助推了政府部门以“供给驱动”取代“用户驱动”[3]的倾向，此时要警惕地方政府一味追求“技术领先”或“概念创新”，不顾实际需求盲目跟风，“手里拿着锤子，看什么都是钉子”，争先恐后地将大模型这把“智能锤”植入并不必需或并不适合的公共治理场景，造成技术创新与真实需求的脱节。这种做法不仅难以命中关键“钉位”，还可能带来“AI自嗨”， 产生大量“AI生成的文字八股”和AI赋能的“表哥表姐”，却没有从根本上深层次地解决群众真心关心的问题，甚至还可能破坏原来成熟有效的由人工主导的服务和管理方式，最终沦为“数字炫技”之作[4]，在指尖上的形式主义之后，又带来新一波“大模型上的形式主义”。 

其次，在技术能力边界上存在“锤力失效”的可能。尽管近年来人工智能技术发展迅猛，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，最近根据Vectara HHEM的人工智能幻觉测试结果，DeepSeek-R1显示出14.3%的幻觉率，显著高于行业平均水平[5]。同时，在高质量公共数据集和语料库的建设与供给上，也还存在不少体制机制方面的障碍。因此，政府部门也需要清醒地认识到，大模型这把“智能锤”的接入并不能因此就“一锤定音”解决各类公共治理难题，避免陷入“唯技术论”。

最后，在公共价值规范上还存在“重锤误伤”的风险。尽管大模型已在多个领域展示出强大的能力，但也容易因用力过猛造成附带伤害。例如，大模型可能存在算法偏见，其训练数据中隐含的社会偏见也可能被系统性地放大，导致对特定群体的不公平对待。还可能因违规或过度收集和使用数据语料，影响国家安全，侵犯公民隐私。因此，把握好大模型应用的“尺度”[6]至关重要，否则，即便AI技术使效率得到了巨大提升，却会对公平正义、普惠包容、安全隐私等公共价值和社会伦理造成严重损害。

总之，技术是“赋能者”而不是“决定者”，技术上可能的不一定就是组织上可行的，更不一定是社会上可接受的。[6]要在数字政府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成效，不仅要做好技术判断，更要做好价值判断，采取系统而冷静的策略。首先，要坚持问题导向和需求导向，避免为创新而创新，准确识别和筛选出真正适合大模型应用的政务与治理场景。其次，要客观认识大模型的能力边界，合理设定技术应用预期，在充分引入AI技术的同时，持续提升公务人员运用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，要将以人为本、科技向善作为AI时代数字政府建设的出发点和落脚点，在利用AI进行治理的同时做好对AI本身的治理，充分引入社会各方和利益相关“人”的参与和判断，在提升效率的同时，守护好公平正义、权益保护等公共价值。唯有如此，“深度”的技术进步才能真正落地为“深度”的治理成效，而不仅停留在蹭热度、浅层次的“接入”。