步入“十五五”开局之年，数字技术革命呈现出加速演进的强劲 势头。在数据要素市场化改革持续深化、人工智能大模型实现规范应 用、政务数据共享体系不断完善等一系列关键领域取得重大突破的有 力带动下，政府数字化转型成功步入“深度融合、智能驱动”的全新 阶段。国家高度关注数字治理能力的提升，从技术创新、制度构建、 标准统一等多个层面着手，全面加速数字政府建设的战略布局，积极 运用数字化手段重塑政务服务流程、优化社会治理模式。 的稳固体系，后者有效化解“数据烟囱”“重复建设”等突出难题； 10 月，《中共中央关于制定国民经济和社会发展第十五个五年规划 的建议》明确提出“深入推进数字中国建设”，有力推动数据、人工 智能与数字化治理深度融合，为数字政府建设指明了清晰的发展方向。 在中国社会发展新阶段来临之际，在促进高质量发展和构建新发 展格局的总体指引下，数字政府建设应当主动把握机遇、积极应对挑 战，密切跟踪发展动态，科学评估当前进展，深入剖析发展状况，以 联的“数据底座”，达成核心数据归集与场景数据汇聚，为政务决策 提供精准依据。其二，人工智能加速数据价值转化进程，通过智能算 法挖掘数据要素潜在价值，实现从“被动响应”到“主动预见”的转 变。人工智能深度融入审批、监管、服务等场景，推动政务服务精准 化、社会治理智能化、应急决策科学化以及机关办公高效化。 3. 新挑战：技术赋能带来安全与伦理双重考验 当下，人工智能技术虽为数字政府建设注入强大动力，但安全风

，专家发现人类知识无穷无尽 ，且有些知识本身难以总结后交给计算机 ，于是一些学者诞生了将知识学习能力赋予计算机本身的想法。发展 到 20 世纪 80 年代 ，机器学习真正成为一个独立的学科领域、相关技术层出不穷 ，深度学习模型以及 AlphaGo 增强学习的雏形 - 感知器 - 均在这 个阶段得以发明。随后由于早期的系统效果的不理想 ，美国、英国相继缩减经费支持 ，人工智能进入低谷。 80 年代初期 ，人工智能逐渐成为产 1984 1992 2006 2012 2016 2018 机器学习期 计算机从数据中学习算法 深度学习在语音、图像、 自然语言处理领域大获成 功 个百分点夺冠 ImageNet Hinton 发表深 度学习的文章 莱第五代计算机 - 人 工智能计算机 - 由于 技术路线明显背离计 算机工业的发展方向 无人潜航器等自主武器成为战争主要杀伤目 标 ，将使后台操纵人员的伤亡进一步减少。 这些因素使战争看起来显得更加 “人道” ，进一步减轻了战争决策者发动战 争的道义责任和政治压力。 人工智能时代传统战争制胜机理将被颠覆 以深度学习为基础建立的人工智能技术一般是在用大数据解决小问题 ， 而人类智能往往能够以小数据解决大问题。 人类可凭借自己的观察和判断形成最终的价值决策 ，机器的语音识别、 计算机视觉等 AI 能力在现阶段还很难支撑到对

厦门大学大数据教学团队作品 1. 大模型：人工智能的前 沿 1.1 大模型的概念 1.2 大模型的发展历程 1.3 人工智能与大模型的关系 1.4 大模型分类 大模型通常指的是大规模的人工智能模型 ，是一种基于深度学习技术 ，具 有 海量参数、强大的学习能力和泛化能力 ，能够处理和生成多种类型数据的 人 工智能模型 通常说的大模型的“大”的特点体现在： 2020 年 ， OpenAI 公司推出了 GPT-3 大模型发展历经三个阶段 ，分别是萌芽期、 沉淀期和爆发 期 1.2 大模型的发展历 程 1.2 大模型的发展历 程 大模型发展对算力的需求演变 人工智能 机器学习 深度学习 人工智能包含了机器学习 ，机器学习包含了深度学习 ，深度学习可以采用不同的模型 ， 其中一种模型是预训练模型 ，预训 练模型包含了预训练大模型（可以简称为“大模型”） ，预训练大模型包含了预训练大语言模型（可以简称为“大语言模 ERNIE ， ChatGPT 是基于 GPT 开发的大模型产 品， 预训练大模型 预训练 大语言模型 预训练大语言模型 GPT 文 心 ERNIE 1.3 人工智能与大模型的关 系 深度学习模型 预训练模型 文心一言 ChatGPT 文心一言是基于文心 ERNIE 开发的大模型产 品 语言大模型 是 指 在 自 然 语 言 处 理 （ Nat u ral La ng

的治理模式在处理突发事件、优化资源配置、提升服务质量等方面 逐渐显露出局限性。信息技术的迅猛发展，尤其是人工智能和大数 据技术的成熟，为城市治理提供了新的解决方案。DeepSeek 模型 作为一种先进的深度学习架构，具备强大的数据处理和模式识别能 力，能够有效应对城市治理中的复杂问题。引入 DeepSeek 模型， 不仅可以提升事件处置的效率和准确性，还能够为决策者提供更为 科学、实时的数据支持。 引入 DeepSeek 模型后，事件发现的平均时间从原来的 2 小时缩短 至 15 分钟，事件处理的平均时间也从原来的 8 小时缩短至 3 小 时。 其次，DeepSeek 模型能够通过历史数据的深度学习，优化事 件处置的策略。通过对以往事件处理过程的分析，模型可以总结出 最佳的处理路径和资源配置方案。这种数据驱动的决策方式，不仅 能够提高事件处理的效率，还能够降低处置过程中的资源浪费。以 1.2 目的与目标 本项目的核心目的在于通过将 DeepSeek 模型集成到政务城市 治理体系中，显著提升城市事件处置的效率和精准度。具体而言， 该模型的应用旨在实现以下几个关键目标：首先，通过深度学习与 大数据分析技术，快速识别和分类城市治理中的各类事件，如交通 拥堵、环境监测异常、公共设施损坏等，从而缩短事件响应时间。 其次，通过预测模型的应用，提前预警潜在的城市问题，如天气变 化

工智能技 术的快速发展，政务热线作为政府与公众沟通的重要渠道，正在经历一场智能化 变革。作为数字政府的“门脸”，政务热线进一步建设发展需要各方的通力合作， 将人工智能大模型和智能技术与政务场景深度融合，打造出智慧、高效、便捷的 现代城市治理“总客服”。 （一）政务热线的发展历程 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民 分析、预测分析和可视化呈现，充分释放数据红利，推动传统城市治理向精细化、 精准化和智能化全面升级。 （二）大模型在政务热线中的全新价值 随着大模型、人工智能、物联网等新一代数字技术的突破性发展，技术赋能 呈现出智能化与场景化深度融合的特征，为政务热线从数字化向智能化跃迁提供 了核心驱动力。在这一转型过程中，大模型通过重构政务热线的底层技术逻辑， 正在成为推动数字政府治理现代化的重要引擎。 首先，大模型驱动资源整合，强化数字政府协同联动能力。 困扰，助力各级平台及其成员单位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。

年以来，人工智能进入第三次高潮，神经网络和机器学习复兴，深度学习诞生。大 数据和云计算推动 AI 发展，重要算法和模型如 SVM 、 LSTM 、 LeNet 相继提出。 AI 在图像和语音识别应用广泛。 里程碑事件包括深蓝战胜卡斯帕洛夫和 AlphaGo 战胜李世石。 GANs 和无监督学习推动 图 片生成领域。 Transformer 架构改变深度学习方向。 OpenAI 的 GPT 系列和生成式 03 人工智能硬件基础，包括 GPU （图形处理单元） 、 TPU （张量处理单元）等专 门 为 AI 计算优化的芯片，能够高效处理大量数据和复杂的算法。 1. 人工智能的关键技术 机器学习 深度学习 强化学习 智能芯片技术 基础算法技术 二 、关键技 术 计算机视觉 自然语言处理 语音处理 多模态分析推理技术 1. 人工智能的关键技术 感知技术 二 、关键技 术 人工智能研究的三个门派 Transfomer 模型， GPT 的全称，是 Generative Pre-Trained Transformer （生成式预训 练 Transfomer 模型）是一种基于互联网的、可用数据来训练的、文本生成的深度学习模型。 大模型的基本概念 -ChatGPT 概 述 各大热门平台产品月活跃用户数破亿所需时长。 ChatGPT 被称为 AI 的“ iPhone 时刻” , 以 ChatGPT 为代表的生成式

开源大模型优势 美国 日本 政务行业大模型发展驱动：需求升级 政务智能化进程加速 ，业务场景深度与广度持续提升 ，需要大模型支持 在数字化浪潮下 ，各个产业加速数字化转型 ，利用云数智工具实现业务创新和降本增效；政务行业亦与时俱进 ，加速数字化建设 ， 利用政务云等数字化平台助力政府内部管理效率不断提升 ，集成商则较偏重服务能力建设。 目前 ，我国政务行业大模型建设仍处于行业早期 ，各 厂商虽然技术、服务 能力各有所长 ，但在项目建设中各类厂商之间合作大于竞争 ，彼此取长补短、相互协同 ，共同探索推动大模 型与政务行业的深度融 大华 腾讯云 H3C 维智科技 软通智慧 开普云 百度智能云 阿里云 中国电信 中国移动 . 中国联通 太极 华为云 政务行业大模型厂商能力特征象限 来源：公开 来源：艾瑞咨询研究院自主研究及绘制。 政务服务场景厂商案例：中国移动 深度理解政务事项、遵循安全可信要求，帮助民众“高效办成一件事” 中国移动依托在数据、场景、算力等方面的优势，结合政务领域数据进行模型精调，并引入政务领域约束模型进行输出限制，面向 政务领域打造了九天 · 海算政务大模型。面向“一网通办”场景，九天 · 海算政务大模型能够提供对政务事项的深度理解能力、多维度 的信息关联扩展能力以及多元化的

开源大模型优势 美国 日本 政务行业大模型发展驱动：需求升级 政务智能化进程加速 ，业务场景深度与广度持续提升 ，需要大模型支持 在数字化浪潮下 ，各个产业加速数字化转型 ，利用云数智工具实现业务创新和降本增效；政务行业亦与时俱进 ，加速数字化建设 ， 利用政务云等数字化平台助力政府内部管理效率不断提升 ，集成商则较偏重服务能力建设。 目前 ，我国政务行业大模型建设仍处于行业早期 ，各 厂商虽然技术、服务 能力各有所长 ，但在项目建设中各类厂商之间合作大于竞争 ，彼此取长补短、相互协同 ，共同探索推动大模 型与政务行业的深度融 大华 腾讯云 H3C 维智科技 软通智慧 开普云 百度智能云 阿里云 中国电信 中国移动 . 中国联通 太极 华为云 政务行业大模型厂商能力特征象限 来源：公开 来源：艾瑞咨询研究院自主研究及绘制。 政务服务场景厂商案例：中国移动 深度理解政务事项、遵循安全可信要求，帮助民众“高效办成一件事” 中国移动依托在数据、场景、算力等方面的优势，结合政务领域数据进行模型精调，并引入政务领域约束模型进行输出限制，面向 政务领域打造了九天 · 海算政务大模型。面向“一网通办”场景，九天 · 海算政务大模型能够提供对政务事项的深度理解能力、多维度 的信息关联扩展能力以及多元化的

棋”，着力发展“互联网 +” 服务，着力增强大数据分析决策能力，着力提升政务服务供给精细化、精 准化水平！ 建设信息化基础支撑大平台 标准统一 互联互通 安全可控 构建政务业务大系统 深度融合 上下联动 纵横协同 形成民政信息化的发展格局 集约整合 纵横互联 信息共享 业务协同 形成信息资源大数据 物理分散 逻辑集中 资源共享 目标任务 智慧民政纵横一体化 1+N 平台解决方案 个业务应用 的能力，实现民政业务与信息化的深度融合！ 深度融合 各级民政机构使用同一个平台，结合多种技术手 段确保数据采集全面、准确，数据传输实时、安 全，实现上下联动！ 上下联动 智慧民政平台与国家平台互联，与公安、卫计委、 人社、财政等其他单位互通，实现纵横协同！ 纵横协同 建设智慧民政纵横一体化 1+N 平台，实现民政业务与信息化的深度融合！ 智慧民政产品蓝图 基础设施（高速、移动、安全、泛在） 受助人员档案库，确保受助人员信息的准确性、唯一性。 实时视频 照片 视频录像 数据源 人脸识别比对 人脸定位检测 特征提取 人脸特征比对 人脸大数据 模型训练过程 Deep Learning (深度学习) 人脸比对识别结果输出 特 征 模 型 Gabor,LBP等 经验描述子 应 用 场 景 • 身份证读取：通过读取求助人员身份证信息，既可以鉴 别求助人员是否伪造证件，还可以减少人工录入操作，

以满足现代化政务管理的需求，亟需引入先进的技术手段来提升整 体效能。 在此背景下，构建一个基于大模型的 AI 公共支撑平台，成为 解决当前政务办公痛点的有效途径。该平台不仅能够实现智能化信 息处理，还能通过深度学习、自然语言处理等技术，提供辅助决 策、自动化办公、数据挖掘等功能。以下是具体的需求分析： 1. 信息处理需求：政府机构每天需要处理海量的文档、数据和信 息，包括公文流转、会议记录、政策解读等。传统的手工处理 AI 技术发展趋势 近年来，大模型 AI 技术在自然语言处理、计算机视觉、语音 识别等领域取得了突破性进展，成为推动人工智能发展的重要引 擎。大模型 AI 技术以海量数据和强大算力为基础，通过深度学习 框架构建具有高泛化能力的模型，能够处理复杂的任务并提升智能 化水平。这一技术的应用已经从实验室逐步走向产业化和商业化， 成为各行业数字化转型的核心驱动力。 在政务办公领域，大模型 AI 7*24 小时的智能咨 询服务，减少人工客服的工作负担。  公文处理：利用文本生成和语义分析技术，自动化生成、审核 和归档公文，提升办公效率。  数据挖掘：结合大数据技术，对政务数据进行深度挖掘，发现 潜在规律，为决策提供支持。  舆情监测：通过实时分析社交媒体和新闻数据，及时发现舆情 热点，辅助政府进行舆情管理。 从技术发展趋势来看，大模型 AI 的未来发展将呈现以下几个