3月16日，浙江数字经济百人会在在未来科技城国际会议中心举办“AI进化论——如何推动DeepSeek赋能千行百业”圆桌会。浙江数字经济百人会执委、浙江省人民政府办公厅副主任、党组成员陈新忠以《DeepSeek等大模型在政务领域的应用》为题作主旨演讲，根据现场发言整理如下：

一、人工智能在政务领域的应用背景

当前，国家在人工智能领域做出诸多部署。习近平总书记指出，新一代人工智能为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式；同时，在今年政府工作报告中李强总理对人工智能应用做出新部署，提出“持续推进‘人工智能+’行动，支持大模型广泛应用”；特别地，在今年两会上，“人工智能+”成为继2014年“互联网+”、2020年“数字化转型”后的重大议题。

我从三个维度回顾浙江省在政务领域人工智能的实践。从技术维度看，以2013年乌镇互联网大会的“互联网+”为标志，历经从“互联网+”到“云计算”“大数据”再到“人工智能”“DeepSeek”的变迁。从电子政务维度看，电子政务实现从“信息化”到“数字化”再到“智能化”的不断跃迁，开启数字政府2.0时代。从改革维度看，早期浙江通过建设“四张清单一张网”，初步实现推动政府服务从线下到线上迁移，打造了“一网通办”；随后，以“最多跑一次”改革为突破口，推动政务信息的公开与共享，打造“浙里办”等平台；2021年后，浙江以数字化改革为引领，构建“整体智治”的政务新模式，并积极探索人工智能等新技术应用，推动电子政务向智能化、精准化方向发展。

图1 浙江在政务领域人工智能的实践

二、DeepSeek等大模型在政务领域的实践

传统政务领域AI解决方案通常采用大数据技术，基于海量数据建设大数据处理、分析平台，从而支撑应用场景建设。而基于大模型的AI强调的则是用大模型支撑应用场景建设，在外部用互联网的海量数据训练出通用大模型，在政务领域内部利用通用大模型蒸馏训练政务领域的垂域模型，实现模型适配业务并支撑应用场景建设，用户的使用情况会不断反馈到模型中，从而进行进行模型调优。

以2023年省政府办公厅牵头组建专班专题研究充电桩布局课题为例，我们要将12万个充电桩部署到90个县区，利用浙江省人口数据及预测增量、新能源车保有量及增长情况、新能源车下乡政策优惠状况和农村地区充电桩报装比率等，对全省新能源车未来5-10年间总体保有量进行预测；在此基础上，根据现有充电站点数据、新能源车充电桩利用数据、交通路网数据和环境业态数据等，从需求和供给两侧出发，对全省各地区充电点位及其资源配置进行预测，得出最优充电点位数量，最终得出“推荐点位一张图”，这是一个典型的利用传统AI对海量数据进行计算的案例。

2023年Chatgpt横空出世后，我们尝试对大模型AI展开探索，围绕ChatGPT开展政务大模型研究，但由于模型能力、数据安全及费用等各种原因，最终并未实现成功部署。但我们也有较为成功的实践案例，每日互动以政策及时精准“投送”到企业为突破口，以“政策——企业”智能精准匹配为切入点，运用大语言模型予以理解和检索增强技术（RAG）构建企业信息理解、政策解读、政策匹配和政策评估四大模型，实现数字赋能政策精准直达企业。

在DeepSeek大模型上线之前，市面上的大模型主要问题一是计算资源需求高，训练和推理需要大量计算资源，成本高昂，对硬件（GPU、TPU等）要求高；二是部署与维护复杂，模型规模大，部署和优化复杂，需要持续更新和维护，成本高。DeepSeek的爆火打破了我们以往的四个认知：一是AI领域中国相对美国差距很大，且差距会持续拉大；二是受美国芯片限制，中国难以发展AI；三是AI的竞争主要是训练成本间的竞争，而非推理；四是今后AI领域的大突破都会发生在美国，而非中国或其他国家。DeepSeek的优势则在于，一是模型开源，推理逻辑透明；二是算法优化，采用更高效的训练和推理算法，减少计算资源的消耗；三是硬件适配，针对特定硬件进行优化，提升计算效率，用国产芯片也能有不错的表现；四是使得大模型在政务云平台本地化部署成为可能。

当前，DeepSeek等大模型在我省政务领域的应用主要有以下几方面：一是智能体应用，基于一体化智能化公共数据平台和全省政务云大模型服务平台，开发“办小通”“办小知”智能问答应用；二是智能分办、拟办，利用AI自动提取关键信息，并结合历史数据恩和拟办规则自动生成拟办意见；三是“民意直达”顺风耳，构建智能分析研判模型分析群众、企业、基层的困难诉求和期盼建议，识别经济社会发展中的系统性、趋势性问题；四是智能文稿，基于Deepseek大模型搭建智能文稿应用，提供提纲生成、文稿写作、润色、扩写、提炼等能力。

这是全国人工智能在政务场景的五类应用情况，供大家参考。最后我想谈自己的几点思考，一是要还数据“自由”，要突破系统界限，实现数据自动获取；二是平台能力，业务需求和大模型技术的结合需要新思路和新办法；三是目前大模型幻觉严重，导致内容不准确、不可靠，容易引发误导性决策；四是建设创新生态需要“技术要素、市场要素、实施要素”反复迭代。无论在任何模型下，政务的目标都是解决问题，其终极形态是要有自己的智能体，用自己的私有数据来解决问题。

图2 全国人工智能在政务场景的五类应用情况