观点分享 | 张小劲：计算政治学与AI时代的知识生产

张小劲，清华大学数字政府与治理研究院院长、国家治理研究院副院长、数据治理研究中心主任，社会科学学院政治学系长聘教授、博士生导师。

2025年7月25日，首届“AI与知识经济创新论坛暨‘智创未来，基于知识的分享’研讨会”在南京图灵人工智能研究院举行。本次论坛聚焦“AI与知识经济”核心议题，汇聚政府代表、顶尖学者与产业领袖，深入探讨AI时代知识经济的创新路径。会上，《新社会，新商业：拥抱知识变革的力量——关于“基于知识的分享（KBS）”倡议》正式发布，为AI赋能知识经济发展凝聚共识、引领方向。

组委会整理了领导与专家的精彩发言内容，经由嘉宾确认陆续分享，以飨读者。以下为清华大学数字政府与治理研究院院长张小劲教授的主题报告内容，张教授的报告从知识分享的发展历程切入，重点围绕“计算政治学”这一前沿学科，详尽介绍了其坚实的创生与发展过程及丰厚的实践成果，进而论述了AI时代知识生产所发生的革命性创新。报告表明，知识经济的核心驱动力是知识本身。而各学科在AI时代的蓬勃发展，意味着知识经济的根基日益雄厚，前景欣欣向荣。

第一次听到这个主题还是在20多年以前。那时候，知识的载体本身还是非常有限的，主要依托于纸媒，是实体化的。20年之后再来谈知识分享，已经发生了巨大的变化——不仅是知识载体的演变，甚至在人工智能的影响下，还出现了“知识涌现”这样的主题。在这个过程中，我们进一步认识到人类知识自身所具备的一系列特点，包括前段时间最热门的话题，即中文本身的信息承载量问题。换句话说，这促使我们深入知识的内部、知识的组合方式，以更加包罗万象的视角来看待知识，而我们对知识的理解也发生了翻天覆地的改变。

这一变化大约从2014年大数据兴起时就已开始，但我们确实没有预料到，从那之后变革会如此迅猛且一发不可收拾。尤其是AI大模型出现后，给我们带来的冲击远超预期。就以中国的DeepSeek为例，从今年2月到现在不过短短几个月，其肉眼可见的增速让我们清晰地看到，人类与知识海洋或知识宝库的交互方式已经彻底改变。这实在是一件令人惊叹的事情。

再看未来，5年甚至10年后，对中国而言，我们在知识分享与知识转化方面（这里也包括知识转化）将迈向新的阶段。自2015年大数据蓬勃发展以来，人类知识的更新速度急剧加快。在中国，这一进程尤其体现在各类论坛中，特别是“数字中国”这样顶尖专家云集的平台。众多新概念、新术语、新总结层出不穷，各种奇思妙想不断提出。当我们把这些论坛汇聚在一起观察，就会发现它们正在形成一种全新的知识生成与传播方式——甚至快到我们来不及准确描述。但无论如何，知识供给侧已经发生了巨大的变化。

 今天介绍一下计算政治学和人工智能时代的知识生产。计算政治学在新知识产生的热潮中，成为社会科学中第一个以“计算”为名正式确立的二级学科。我分享四个部分：历史回望、现实关照、未来展望以及现实中的案例。我们从学科角度来描述这一进程是非常有意思的现象。

回望历史，可以发现政治学本身与国家计算密切相关。自中西方有国家实践以来，自有国家起就有了财政支出，或者说必须用最原始的方式进行记录和计算，人类之间的冲突、战争、和平与再生产，都离不开用计算来完成物资的采集、储蓄、消费与配置，于是计算便应运而生。这一传统在古典学者中也有所体现，比如柏拉图在古罗马希腊时代采用公理方式进行推演，亚里士多德首次将统治者的人数与其品行、以及品行的高低结合起来，分析城邦政体的优劣。近代，威廉·配第最初就希望借助数学的算术规则来实现人的幸福，他在开创福利主义一脉时强调，人的幸福是可以计算的，通过计算资源配置以实现最大福利。二次大战以后，计算方式愈发丰富，不仅计算水平达到新高，学科中也体现出行为主义、理性选择和政治文化等思潮，推动了问卷调查、定量分析、仿真模拟等一系列定量方法的快速迭代和持续发展。

在社会科学领域中，个人主义与集体主义（或群体间关系）构成了重大争论：在个体身上得到的发现能否推广至整体和群体，是一个重大挑战。这也引发了后行为主义时代对行为主义的批判等等。但现在，借助海量数据，我们能够从每个个体中提取特征以描述集体和群体。技术问题的解决突破了原先的想象，小数据的局限被大样本所打破，从而形成了所谓“全域、全量、全时”的“全”概念，几乎是包罗万象的。与此同时，个体意义也得以体现，这就构成了今天所谓的“计算”。

“计算政治”这一概念早在70年代就已提出，到1987年正式提出“计算政治学”。这一发展带来的最大变化是，政治学的计算传统与计算社会科学以及社会科学主流中的计算成果相汇合，再与计算科学和计算自然科学的发展交融，形成了异常强大的计算传统。

我们可以看到，在2024年正式公布的学科体系中，不论在政治学还是公共管理学中，“计算政治学”和“数字公共管理”都已将计算内容纳入学科体系。在新设的一级学科中，我们用红色标注了那些已内置计算方向的专业，几乎所有学科都在融入计算与数据元素，而政治学在这方面走得更快，今年初，该学科已完成论证，本科与研究生培养方案均已制定。

这一学科发展带来了知识生产的新模式。政治学虽历史悠久，积淀深厚，拥有大量古籍与知识积累，但以计算和数据为导向的新视角，展现出格外有趣的现象。在我看来，这体现了计算政治学的“实践品格”：它关切、研究并试图理解当代国家实践，甚至尝试以自身方式介入其中。在方法论范式上，计算政治学最显著的差异在于关注国家计算实践中的三大变化：

第一，数据作为新要素。这是近年最热门的议题之一。国家将数据列为新型生产要素，中国更是全球首个将数据正式纳入生产要素的国家。我们一方面面对海量数据的治理问题，所有基础设施都构建于数字经济与数字技术之上；另一方面，也面临数字空间（或称赛博空间）的治理挑战。我们曾启动超大规模课题，试图理解人类同时生存于物理与虚拟两个空间这一现实。虽然我们对实体社会运动已有较多研究，但对线上行为仍知之甚少，或尚未形成系统认知。与此同时，数据作为基础治理要素已催生大量研究成果，唯有深入理解，才能善加利用。

第二，信息作为新机制。数据的表现形式是信息，信息的载体则是数据。我们重新审视信息基础对国家与社会的影响，才能真正理解国家在信息时代的意涵。以中国为例，低效能信息时代与高效能信息时代的对比鲜明：如今全国真正实现了紧密连接。我们拥有全球最先进的地震监测网络，这背后是国家力量的体现。这一切都依托于信息互联。过去信息薄弱时，我们只能采取粗放、离散的治理方式，而现在数据带来极强的传导性。国家与社会的信息连接呈现出非常有意思的现象，比如北京市推行的“接诉即办”，通过热线电话后台数据，千百年来首次实现不经中间环节，直接把握16个区、343个街巷镇的实情与民众诉求。信息作为新机制，在热线工作中得到了深刻体现。

第三，技术作为新牵引。我们常谈技术的“赋能、赋权、赋智”。对国家而言，数字化转型是一种赋能。而更难得的是赋权——提升公众参与和政民互动的能力，新技术的出现加速了知识扩散，互联网使民众掌握更多政府相关知识，从而更积极参与公共活动。曾经高居庙堂的知识已高度普及，只要你愿意，几乎所有问题都可在网上找到答案，这是前所未有的。例如拨打热线电话虽是表达个人诉求，但汇聚起来就是参与城市治理。最后是赋智。在所有工作流程中，技术正在带来深刻变革，AI在模拟工作流程时有一个有趣的特点：它能排除不合理的人为干预。紧急情况下本应依科学流程处理，一旦异常，不应层层请示。我们甚至可以设想AI在高考命题、阅卷等领域的应用。我们期待AI的智慧用于向上向善，并能遏制某些人为干预中的不良行为。这也是我们未来应思考的方向。

议题转向场景的具体应用与知识产出，我们对中国语境下的知识应用尤其感兴趣。我们构建了一个2×2矩阵，试图把“过程与结构”以及“赋权与赋能”两个维度结合起来，探讨中国场景的特殊性。在人工智能与数字化时代，我们确实观察到政府行为正在发生深刻变化。在讨论数字社会主义、数字资本主义乃至数字悲观主义时，我们将其置于国家治理的多层次框架中进行理解。另一边是我们当前的研究路径：我们致力于研究数字国家的构建、数字政府的行为、数字国家的运行机制，以及数字政治的价值取向——从抽象理念到具体实践，从体系创建到实际运转。

所有这些课题都是我们正在开展的研究，这些努力还不足以全面覆盖层出不穷的新现象与新场景，但我们依然在持续推进，以助力理解这一正在形成的基本图景。

这是我们机构的发展历程。我们的实验室最初成为教育部首批重点实验室之一。教育部的规划是在文科交叉学科范围内建设约100个实验室，清华将以最具综合性的实验室为引领，把全部学科带入AI时代和数字时代。在这一过程中，知识生产的方式发生了巨大变革，因此我们将其命名为“计算社会科学实验室”。可见，知识生产与知识组织设计的方式均已发生变化，这一变化的确超出我们最初的预料。

我们从未想过，政治学这一向来高度抽象化的学科，如今也要深入具体实践，参与系统定制、软硬封装乃至产品化落地，后来我们积极参与了许多实际项目，其中“接诉即办”是我们投入最多的领域。从政治学的角度看，“接诉即办”之所以重要，在于它源于真实而宝贵的市民诉求，是来自需求侧的声音。这类数据帮助我们理解老百姓急难愁盼的问题，其中也蕴含着明确的价值判断。这一过程也涉及知识生产，我们对报告体系及其内在逻辑进行系统梳理，并整合多项品牌产品共同推进。通过这种方式，我们试图更好地理解信息交流以及政府与民众、企业之间的互动。

我们推出的数字政府发展研究，包括各类测评和指标体系——这些都是我们的品牌产品，希望深入理解中国数字政府转型与数字国家构建的基本图景，已经取得的一些成果包括“民情通”“城感通”以及城市运行状态监测指数等。“城感通”已投入实际应用，其原理是通过热线电话和社交媒体数据提前感知城市运行状态，上海已利用该系统更直接、及时地掌控城市应急事件。

我们也体会到，知识本身即是一种分享。因此，KBS未来将提供更多分析功能，因为知识扩散的本质就是共享。即便在内部，知识也在不断扩散——从北京市“接诉即办”的热线实践中获得的发现，如何转化为更广泛的知识，正体现了这一样式。尤其今年清图数据曾光总参加了我们的研究院挂牌仪式，我们推出了“智能社会科学（AI4SS）实验研究集成装置”，旨在为知识创造提供AI支持。

总而言之，回到本次研讨会的主题，我们正在见证知识生产方式的深刻变革。这一变革的核心可概括为“S”型演进状态，它促使知识从人工智能的抽象输出，转化为可被个体真实感知和分享的形态，同时也使象牙塔中的科技创新成果能够在社会应用层面实现更广泛的扩散。