人工智能技术的飞速发展，尤其是以DeepSeek为代表的大模型开源化、低成本化趋势，正在深刻改变政府治理的底层逻辑，从政策解读到民生服务，从决策支持到城市管理，大模型以其强大的数据处理、模式识别和自动化能力，为政府数字化转型提供了全新的工具和视角。
尽管技术红利显著，但各地政府在推广大模型过程中，出现“上马快、应用浅”的特征，在实践中频频遭遇功能错配、资源浪费、安全隐患等挑战。这场技术应用热潮背后，折射出的不仅是数字政府的转型焦虑，更是技术赋能与治理现代化之间的系统性适配难题。本文解构政务大模型应用潜在风险与突围路径，为各地政府用好大模型提供参考。
热潮下的隐忧：政务大模型应用四大乱象
1、盲目跟风、缺乏规划
一些地方政府在看到其他地区应用大模型取得一定成效后，便盲目跟风，急于上马相关项目，没有考虑场景需求设计、技术应用路径、语料基础和本地条件，在成效上受到训练语料、算法设计等多种因素的影响，导致内容存在偏差、错误或误导性，这些风险可能对政府决策、公共服务和社会舆论产生负面影响，一些地方为了免责，在面向企业、群众的应用场景上直接加上“生成内容无法保障准确性，不代表政府立场”的免责提醒，这反而引起群众使用困扰，降低了群众满意度。
例如，某市政务系统接入AI智能客服后，在对话窗口显示提示语“本对话功能的回答均由AI生成，生成内容准确性和完整性无法保证。”同时每一条AI生成的回复末尾都会自动附加标注：“由AI模型生成，仅供参考”，那么到底群众是用还是不用呢？
2、安全隐患与技术依赖
大模型的训练和运行需要大量的数据支持，而政务数据往往涉及到公民的个人隐私、商业机密以及国家安全等敏感信息。一些地方在应用大模型时，对数据安全的重视程度不够，存在数据泄露、滥用等风险。
例如，各地在政务外网部署DeepSeek-R1推动一网统管视频自动巡查，依托视频监控实现“一句话找人”功能，但多模态数据调用若未严格隔离，可能通过模型接口泄露敏感信息。据四川2025年2月17日《多地政务系统接入DeepSeek》报道，某地政务外网部署的DeepSeek-V3模型因需融合海量政务数据训练，存在训练数据残留风险，可能被外部攻击者通过模型输出反推原始数据。
3、成本和效率不平衡
各地政府纷纷采用本地化大模型部署，满血版DeepSeek成为标配。这一举措背后，需要政府投入大量的算力资源，很多省、市，甚至区县都在“堆”算力，对于欠发达地区政府大大增加了财政负担。部分地区在应用效果上尚未达到预期，导致成本和收益之间的天平出现失衡。
例如，某县投资15亿打造县域算力中心，据公开资料显示，该项目占地8.5亩，包括新建人工智能算力核心机房、辅助配套用房，搭建人工智能计算集群系统及配套系统工程三个方面，总建筑面积5000平方米。该项目不仅要建立专用算力园区，还需持续投入高额资金用于购置计算集群、部署核心系统，同时面临专业运维团队组建的技术门槛。县级政府在数字经济底座尚未夯实、配套应用场景开发滞后的现实条件下，此类“超前投资”存在风险，可能诱发长期运营成本沉疴，形成束缚县域发展的新型债务困局。
基层公务员对大模型的技术原理和应用逻辑普遍缺乏理解，部分单位甚至将“会用DeepSeek”简单等同于“输入对话，点击按钮，生成报告”，忽视了人机协作的深度价值和背后政务知识的采集、标注和训练，这种认知偏差，使得技术难以真正融入具体工作流程。
例如，某地级市为提升办公效率，采购了一套基于大模型的“智能公文助手”系统，部署在全市200多个基层单位。系统具备公文起草、政策摘要、会议纪要生成等功能。多数公务员仅使用简单指令（如“写个通知”），不会通过提示词工程优化输出。某局要求生成“安全生产检查方案”，因未提供具体行业要求，输出内容严重脱离实际。这一现象反映出，当前政务智能化转型中存在的“工具化”认知误区——将AI简单视作“自动答题机”，而忽视了其作为“智能协作者”的深层价值，导致技术应用浮于表面，难以实现业务效能的实质性提升。
乱象溯源：技术、制度与认知的三重失衡
上述问题并非偶然，而是多重因素交织的结果：
技术冲动压倒需求理性
各地领导关注、兄弟城市上线快，各地政府信息化主管部门技术焦虑尤其突出，部分地方政府将“技术应用率”等同于“治理现代化水平”，忽视了场景适配与成本收益分析。大模型的应用需要根据场景需求灵活选择适配的技术方案，而非“一刀切”式部署，我们认为坚持“算力基础—场景需求—分类模型”的灵活适配原则，结合不同地区的算力部署情况和场景运行要求，灵活选择各类基础模型（如Qwen2.5、DeepseekV3）及推理模型（如DeepseekR1-671B/70B/32B/14B/8B/7B/1.5B）的组合生态，技术上还可以降低模型参数的精度（如将32位浮点数转换为8位整数）来压缩模型大小、提升推理速度并降低功耗，实现大模型技术的有限投入下的高效利用，合理评估算力成本，在当前大环境下显得尤为重要。
安全机制滞后于技术迭代
当前政务大模型的安全机制建设明显滞后于技术发展和迭代速度，数据分级保护、算力弹性调度等配套制度尚未完善，导致技术应用中的风险敞口扩大。
对技术的认知不足
一些政府工作人员对大模型技术的理解不够深入，忽视了技术与业务的深度融合以及配套措施的建设，这种认知上的不足导致在应用过程中出现各种问题，无法充分发挥大模型技术的优势。
破局之道：以“用”为核心，构建理性应用生态
1、以用为核心，精准定位需求
政府部门在应用大模型技术时，应始终以实际应用为核心，精准定位自身的业务需求，明确需要解决的核心问题和期望达到的目标，精准设计技术应用路径，在应用中不断迭代，让效果更佳。
2、平衡成本与收益，优化资源配置
政府部门在启动大模型应用项目时，需进行全面的成本核算，包括技术引进成本、数据采集—治理—训练成本、人才培养成本等，同时评估应用可能带来的经济效益和社会效益。根据成本收益分析结果，优化资源配置，避免盲目投入和资源浪费。
3、效率与安全并重，强化数据保护
政府部门在推进大模型应用时，在追求效率提升的同时，要高度重视数据安全和隐私保护。建立完善的数据安全管理制度，加强对数据采集、传输、存储和使用等环节的监管。
4、分层分类，灵活适配大模型能力
不同的政务业务对大模型的能力需求不同，应根据业务的特点和需求，分层分类地选择和适配大模型。对于一些简单的文本处理、信息查询等业务，可以选择通用性较强、成本较低的大模型；对于一些复杂的决策支持、风险预测等业务，则需要选择具有更高精度和专业能力的大模型。同时，要建立大模型的动态评估和调整机制，根据业务的发展和变化，及时调整大模型的应用策略，确保大模型能够始终满足业务需求。
5、加强人才培养，缩小技术鸿沟
政府部门应加大对大模型技术人才的培养力度，通过开展培训课程、引进专业人才等方式，提高工作人员的技术水平和应用能力，有效缩小技术差距，为政务大模型的可持续发展提供人才支撑。
政务大模型的应用绝非一场“装备竞赛”，而是推动治理能力现代化的系统性工程。政府部门在推进“AI+政务”应用过程中需立足三大价值标准：人效提升实现基础工作自动化，经验赋能促成专家知识模型化，流程重构推动治理和服务模式创新。唯有以价值标准为基石、以问题为导向、以安全为底线、以实效为标尺，才能在技术红利与治理理性之间找到平衡点。未来的数字政府，不应是算法的附庸，而应成为驾驭技术的“智慧体”——既拥抱变革，亦坚守以人为本的初心。
新点数字政府研究院出品
撰稿｜沈武（研究院院长）、周小红（高级研究员）
针对各类大模型应用场景落地实践经验，我们正在开展系列报道，请持续关注“新点政在服务”公众号。
