想了解更多相关内容，可以下载报告《数字时代治理现代化研究报告（2023年）：大模型在政务领域应用的实践及前景》查看，以下内容都是根据该报告总结的，仅供参考。
目前，人工智能通用大模型已成为继移动互联网技术之后最大的 一波技术浪潮，人工智能成为新一轮科技革命和产业革命的重要驱动 力量，全球范围内科技巨头争相布局，掀起创业热潮的链式反应。其 带来的价值会随着未来应用场景的不断拓展而增加，并可能创造新的 应用接口、构建出新的应用生态、带来效率提升及潜在商业模式变革。 但同时需要认识到，生成式 AI 技术目前仍处于早期阶段，技术 本身并不成熟，在内容可信度、可解释性等方面仍存在很多问题。政 府推动生成式 AI 应用仍需要不断探索其价值点及使用方法，现阶段 较为重要的是从战略、业务、组织、风险多个层面对政府机构应用生 成式 AI 形成充分的认知：首先，生成式人工智能技术将给政府治理 带来什么影响和价值；其次，政府特殊的信息化发展路径适合采用何 种落地策略；再次，政府的组织人才体系如何适应技术变革需要；最后，技术存在哪些风险与局限性，需要重点予以规范。对应地，提出 四方面技术应用建议：
（一）平衡应用风险与收益 生成式 AI 大模型在政务领域应用前景广阔，尤其是在政务服务、 文书写作等人与人互动及内容生产环节潜力巨大，能大幅提升互动效 率，减轻不必要的行政负担，助力构建协同高效、泛在可及的数字政 府。但由于技术本身仍处于快速变化之中，应用的潜在风险并非完全 明朗，治理依然存在滞后性。面对新技术热潮，我们既要探索其价值 避免落后于人，又要保持谨慎以规避风险。一是要建立敏捷治理方式 以适应技术快速变化，如采用监管沙箱推动政务大模型测试和应用， 推动科技企业、公务人员、公民等共同探讨应用和治理策略，出台政 务领域的针对性使用规范或指南指导各地探索等。二是应当建立适当 的风险分类分级管理框架，不同政务场景技术应用风险差异较大，国 情的不同也导致国外的分类分级不能完全适用于我国政府情况，应结 合我国数字政府建设的相关要求，明确列出应用领域和使用场景清单， 并针对每个潜在应用场景进行“风险-获益”评估，实现分类分级管理。 三是因地制宜梯次推进场景应用探索，可优先考虑应用于风险较小的 支持辅助类工作，如创建电子邮件、知识搜索等，再逐步向文本生成、 数据分析、政策问答等中高级应用场景过渡，确保应用安全合规。
（二）强化技术与场景融合 国外政府在使用 ChatGPT 时主要采取使用市场产品和定制化部 署的方式，少数政府机构正开发政务专属大模型。市场中类似于 ChatGPT 的通用大模型具知识宽度有余但深度不足，政务专业知识的 缺乏会影响输出结果的可信度，且需要投入大量人力去审查，与效率 提升的应用初衷相悖。而定制化应用则需要政府具备较强的创新能力和基础，自建专属大模型成本较高。因此，推进数字政府中大模型技 术应用，需要兼顾技术效率和服务效能提升，在安全应用前提下，实 现收益最大化。从应用层面看，政府需要充分理解大模型的技术特征， 结合部门数字基础、治理需求等合理设计落地场景的优先级，做好效 能监测评价。同时，综合考量战略重要性、技术门槛、资源投入、数 据储备、系统兼容性等因素选择合适的部署方式，如在何种层级、哪 些领域选择自建大模型能力或是采购外部供应商的解决方案，实现技 术赋能最大化。从产业层面看，需要积极发展垂直领域大模型，并利 用外围插件，实施大模型和政务知识图谱、政务知识库相结合的策略， 提升大模型的落地效果。
（三）推动内外部生态建立 推动大模型规模化应用，需要建立配套的政策、人才和技术保障， 借助内外部力量，形成技术应用和升级的良性生态。一是政府要加强 引导，通过发布政策需求、梳理创新图谱、征集典型案例等方式明确 应用探索方向，引导市场提供符合特定场景、性能、安全要求的产品 或服务。二是要提供与新技术应用相适应的组织人才支持。通过引入 技术人才、借调科技企业人工智能专家等，帮助政府制定合适的大模 型部署和推动策略。同时，强化现有员工数字素养培训，帮助其获得 人工智能的知识和技能，了解技术限制，优化交互窗口提示输入，负 责任地使用和实施人工智能技术。三是要加强与企业和社会的良性互 动、合作共治。如借助第三方机构力量，建立针对政务大模型的系统 评估评测、监测处置能力；借助行业力量，开展政务行业大模型标准 编制，全面评估政务大模型综合水平，实现健康有序发展；加强技术 应用过程的公众参与，共同确定大模型在政务服务、城市治理等领域 的优先场景和风险边界。
（四）加大高质量数据供给 数据是大模型的基础燃料，数据量大、数据质量高、数据多样性 强的行业能够为大模型提供充足的训练和微调数据。无论采用定制化 部署模式还是开发政务专属模型，都需要庞大、高质量的公共数据支 撑。当前，我国已逐步健全一体化政务大数据体系的共享通道，加快 推动政务数据共享和公共数据开放，但有通道无协同、数据质量不高、 源头治理不足的问题仍然存在。推动政务领域大模型应用，一方面要 加快公共数据的整合利用，以公共数据或公开政务文本为基础打造政 务大模型训练的统一底座，在确保安全的前提下提升企业训练模型的 可用性。另一方面要统筹开展全量政务数据治理，细化各部门数据管 理职责，加强数据源头治理的法规标准体系建设，实施数据质量工程， 定期进行数据质量评估，提升高质量数据供给。
