1月20日，被视为继ChatGPT-4.0后又一个里程碑式的AI大模型——DeepSeek-R1横空出世，引发全球关注。投入极少算力、极低成本，DeepSeek在与大洋彼岸的OpenAI进行产品性能博弈时也毫不逊色，其所构建的开源生态更是打破了美国在AI领域的技术垄断，被誉为“国产大模型之光”。

DeepSeek大模型爆火，各个行业、多家企业纷纷抢滩布局：中国电信、中国联通、中国移动三大运营商，华为、OPPO等手机厂商，吉利、岚图、极氪等汽车厂商，国泰君安、兴业证券等多家券商宣布接入DeepSeek大模型，探索行业智能化升级路径。值得关注的是，除在生产力领域的频繁部署之外，多地政府部门也迅速搭上了DeepSeek快车，或是使用大模型设置宣传议题，或是本地化布局擘画智慧政务服务蓝图，进一步扩大了AI应用的想象空间。

PART.01

人工智能技术如何适配政务服务场景？

近年来，随着大数据、云计算、人工智能等新技术的加速迭代，各类政务数据、基层基础数据被高效整合，打破“信息孤岛”；各类服务事项及行政指令被深度学习，增强响应速度；用户需求及办事记录等数据被单独集纳，提供定制服务……传统政务服务场景被重构，政务服务效能得到显著提升。

结合相关研究及实践，可以看到多元数据的归集与融通是智能政务服务体系建设的基础。以往政府部门在社会运行过程中积累的大量数据，因为部门壁垒的存在而难以统一管理使用，大数据技术可通过数据集成、标准化及转换匹配构建统一的数据共享平台，不同政府部门均可通过这一平台访问及共享所需数据。

人工智能技术则为智慧政务服务体系建设提供关键支持，自然语言处理技术及机器学习算法的深度应用，实现了对政务服务场景的全流程重塑。

一是补足人力短板

实现人机协同服务

AI通过语音识别、文本分析及语义理解，可扮演随时在线的智能客服，辅助处理办事指南、政策解读等常见服务场景。同时，对于有标准化程序的流程，可借助AI进行材料审批，自动对比核验文件，极大提高办事效率。

二是嵌入技术逻辑

创新政务服务模式

从面对面的服务体验，到使用自助服务终端、政务虚拟数字人等智能化产物；从线性冗杂的业务流程到“即问即答、即说即办”的简版步骤；从被动接收群众需求到依托算法画像主动推送并提供个性化服务；从单向政策发布到利用大模型进行决策预演……人工智能技术重构了传统政务服务模式，已成为政府治理能力建设的强大推力。

PART.02

DeepSeek赋能各地政务服务实践梳理

近年来，各地政府紧抓人工智能发展机遇，“AI+政务服务”建设如火如荼，比如北京构建了全国首个以智能自助服务为主的智能型政府服务中心、上海建设“一网通办”平台、杭州打造“城市大脑”等生动实践。DeepSeek爆火后不久，深圳市福田区首批70名基于DeepSeek开发的AI数智员工“上岗”，郑州、苏州、昆山、太仓等地宣布接入DeepSeek-R1模型并进行本地化部署，表现出敏锐的技术前瞻性。

从应用层面来看，DeepSeek与其他大模型在政务服务中所发挥的作用类似，具体包括：

智能政务客服与知识图谱构建

DeepSeek可自动回答常见政务问题，如社保公积金、户籍办理、税务等问题，将人工客服从重复冗杂的事务中解放出来，投入灵活性、人工需求更高的工作，如现场咨询、服务特殊人群、跨部门协同等。另外，通过对法律法规、政府政策、办事指南等的深度学习，DeepSeek可形成标准化知识库，理解并精准应答市民问题。

智能文档分析与政务自动审批

对于一些较为复杂或篇幅较长的政策文件，DeepSeek可迅速剥离重点，便于政府工作人员及群众获取关键信息，提高制度政策的可及性。同时，DeepSeek还可对市民提交的图像、文档等信息进行智能分析，并自动判定符合性，提高事项审批效率。

数据驱动下的政务决策智慧化

日常政务服务所积累的数据有极大的利用价值，DeepSeek可迅速挖掘一段时期内群众急难愁盼的问题与痛点、希望政府解决或完善的社会突出问题，为政策制定提供民意导向。此外，还可通过过往积累的丰富案例库，对类似政策实施后的社会影响进行模拟预演，预估不同方案的收益及风险隐患，提高决策精准性。

政府宣传议题设置的媒介

以“DeepSeek眼中的……”为叙事框架的宣传不胜枚举，通过结构化、互动化的内容设计，将地方特色转化为可传播的“故事资产”，既紧跟时代潮流，又融入了不动声色的宣传巧思。从受众反馈来看，网民多点赞这一传播方式，甚至因此了解并使用DeepSeek。此轮议题设置无形中在一定程度上助推了DeepSeek的使用热潮，助力形成“AI人人可及”的热闹场面。

PART.03

风险与挑战

可以预见，DeepSeek即将成为政务服务的智效引擎，推动智慧型政府建设迈上新台阶。然而，由于AI技术的先天限制及使用AI时可能出现的不当行为，DeepSeek的应用仍面临一些挑战。

一是训练数据依赖可能导致的刻板印象及固有偏见

AI往往依赖大规模数据进行训练与学习，如训练数据存在历史错误或社会偏见，则会导致这些错误或偏见被进一步强化，进而影响政策准确性及公平性。这对政府接入DeepSeek并进行本地化部署时投喂的训练数据质量提出较高要求。

二是AI幻觉困境可能形成的错误引导

AI在缺乏足够数据的情况下，会为了迎合提问者而生成看似合理但实际上存在虚假错误的内容，即“一本正经地胡说八道”，此为AI幻觉。DeepSeek已出现类似问题，可强制其从官方政务数据库中寻找答案，并采用多数据源交叉验证，或是设定AI可信度指标，要求其展示推理路径、信息来源，并自评可信度，引导政府工作人员理性判断。

三是政务数据安全问题

当前，本地化部署DeepSeek是政府部门降低外部攻击及数据泄露风险的手段之一，但政务数据库信息繁多，仍需谨防内部数据滥用等风险。对此，可通过数据加密与脱敏增强政务数据库的安全性；控制访问主体、属性、时间或地点来规范访问行为；贯彻数据分级管理及最小化原则，确保工作人员只能获取到必要数据；通过日志记录与审计监控访问行为，并通过AI巡检进行风险警告。

四是人机协同过程中的主体性之争

当DeepSeek被更为广泛地应用于政务场景，人工服务职能的弱化、政务决策的技术依赖都会成为不可避免的风险隐患。需科学界定技术介入的边界，突出人工审核的把关作用，确保实体政府在政务服务场景居于核心地位。

作者：人民在线品牌研究院研究员 赵露茜

编辑：李娅琦 | 责编：朱明刚

【未经授权，严禁转载！联系电话028-86968276】