2026年7月3日，2026中国数字经济发展和治理学术年会（以下简称“年会”）在清华大学举行。本届年会以“数智经济发展中的全球机遇与治理挑战”为主题，紧扣2026全球数字经济大会核心议题。

近40位顶尖专家学者、智库和业界代表参会并进行研讨交流。近20所高校的研究人员、数字经济产业相关的科研机构及企业代表共400余人线下参加会议，超10万人次观看了大会直播。

全球数字经济大会国际顾问委员会秘书长、清华大学公共管理学院教授、年会主席团秘书长孟庆国发表题为《政务智能体创新应用的理论逻辑与实践路径：前景、可能性与挑战》的主旨演讲。

孟教授结合基层政务AI智能体专项调研实践，从数智化转型逻辑、智能体应用模式、潜在风险治理三个方面，系统阐述了政务智能体的理论逻辑与实践路径。

孟庆国教授发表主旨演讲

本文根据孟庆国教授发言内容整理，以下为演讲全文：

各位老师、各位同学，大家下午好！

今天我分享交流的主题是《政务智能体创新应用的理论逻辑与实践路径》。

本次分享源于前期参与的基层政务AI智能体专项调研，重点围绕Open Claw（俗称“龙虾”）这一新兴AI智能体产品在基层政务场景的落地应用现状，开展全面摸底、态势研判与利弊梳理。结合调研实践与行业研究成果，我将和大家交流本次调研的心得体会与思考感悟。

从国家“十五五”规划纲要的顶层设计可以清晰看出，我国政务数字化转型正迎来关键范式升级，正式从“十四五”阶段的数字化，全面迈向“十五五”阶段的数智化。两字之差，背后是转型逻辑、核心能力与治理模式的深层变革。

通俗来看，传统数字化依托“互联网+”技术底座，核心是实现政务业务流程电子化、服务线上化，通过数据打通与共享完成业务协同，重点解决政务服务“高效可办”的基础问题。而进入“人工智能+”时代，数智化转型成为核心趋势，以大模型、AI智能体为核心创新引擎，实现了能力维度的全面升级：转型重心从数据共享驱动的业务协同，转向业务知识与规则驱动的认知决策，最终达成人机协同模式下的政务智能能力跨越式提升。

我们可以简单归纳：数智化=数字化+数据智能。中国信通院相关报告明确指出，数据智能的核心是“数据+智能”的双向赋能。其中，“数据”是政务治理的核心生产要素，是技术应用的基础养料；“智能”是新型生产力引擎，能够将海量碎片化数据，转化为可落地的知识洞察、精准研判与科学决策。因此，政务领域从数字化到数智化的迭代，绝非简单的技术工具升级，而是政府治理理念、服务模式与运行机制的系统性、深层次变革。

基于上述背景，我将从三个维度展开本次分享：一是对政务数智化转型与发展的理解；二是智能体政务应用的基本逻辑与实践模式；三是政务智能体可能带来的风险挑战。

一、对政务数智化转型与发展的理解

从技术迭代与应用演进的视角，我国政务信息化建设可划分为电子政务、数字政务、智能政务三个递进发展阶段，层层递进、不断深化。

第一阶段是“计算机+政务”的电子政务阶段。依托计算机普及与局域网技术，核心实现单点、单业务的电子化替代，主要解决传统纸质办公效率低下的问题，是政务信息化的起步探索阶段。

第二阶段是“互联网+政务”的数字政务阶段。依托互联网、移动互联网技术，打破单点业务壁垒，搭建一体化政务服务平台、政务APP、政府网站等载体，实现政务业务互联互通、一站式办理，核心解决政务服务“可及、便捷”的问题，实现政务服务的线上化、平台化升级。

第三阶段是“人工智能+政务”的智能政务阶段。依托大模型、AI智能体核心技术，突破传统线上化、流程化的局限，聚焦认知增强、自主决策与人机协同，打造代理式、伙伴式的新型政务应用模式，推动政务治理从“流程执行”向“智能赋能”转型。

当前赋能政务数智化转型的人工智能核心形态，主要分为大语言模型与AI智能体两类，二者能力定位、应用边界差异显著。

大语言模型（LLM）是政务领域的“数字大脑”，依托海量数据训练，具备强大的自然语言理解、逻辑推理与文本生成能力。但其应用形态以对话框交互为主，存在长期记忆缺失、无法直接操作外部系统的短板，本质是“动口不动手”的辅助认知工具，仅能完成咨询、解读、梳理等基础辅助工作。

AI智能体（AI Agent）则是以大模型为核心引擎，搭载任务规划、长期记忆、工具调用三大核心模块的“数字员工”。它不仅能够理解人类指令，还可自主拆解复杂任务、联动各类工具、自动执行操作，真正实现从“聊天问答”到“自主落地执行”的核心跨越，是政务智能化落地的核心载体。

大模型与智能体具备的多语言交互、多模态处理、复杂问题分析、自主感知决策四大核心能力，与政务场景高度适配。政务领域存在大量公文文稿、政策文本、信访诉求等非结构化数据，同时承载着跨部门协同、应急研判、精准治理、辅助决策等知识密集型、高复杂度工作，是人工智能技术天然的优质应用场景。

结合基层调研与行业实践，当前大模型与智能体在政务场景的应用，可划分为由浅入深、层层递进的三个层级，不同层级对应差异化的技术部署模式与业务融合深度。

第一层级：通用工具应用模式。这是目前基层政务最主流、最易落地的应用模式，核心是依托通用大模型外挂政务专属知识库。该模式部署门槛低、落地速度快、改造成本小，能够快速实现政策咨询、信息查询、基础解读等通用服务，满足常态化、基础性政务服务需求。但其短板同样突出，应用效果高度依赖知识库的更新时效与内容质量，每次交互均需调用知识库资源，整体运行效率有限，难以适配专业复杂场景。

第二层级：专业场景微调模式。针对行政审批、招投标文书撰写与评审、专项业务核查等专业性、规范性、合规性要求极高的政务场景，通用模型的标准化能力难以满足精细化业务需求。这就需要结合具体业务规则、行业标准、专属数据，对大模型进行针对性微调优化，提升模型输出结果的精准度与合规性。该模式目前在专业政务领域应用逐步普及，但存在数据标注要求高、工程化落地难度大、迭代升级成本偏高的问题。

第三层级：智能体代理执行模式。这是政务智能化的高阶形态，核心是依托具备感知识别、自主决策、任务拆解、闭环执行能力的政务智能体，打造“AI公务员”式应用形态。工作人员只需下达核心工作目标，智能体即可自主完成思考拆解、工具调用、流程推进、落地执行全链条工作，能够全面承接公众办事服务、内部业务流转、治理决策辅助等核心工作，有效优化政务流程、释放人力效能。但该模式落地门槛最高、技术成本最高，同时受大模型“幻觉”问题影响，在处理超高复杂度任务时，可能出现判断偏差、结果失真等问题，需要严格的人工复核机制兜底。

二、政务智能体应用的基本逻辑与实践模式

今年5月，国家网信办、国家发改委、工信部联合印发《智能体规范应用与创新发展实施意见》，首次从国家层面明确了智能体的官方定义、应用规范与落地部署要求，为政务智能体的合规创新发展提供了顶层指引。

所谓政务智能体，是嵌入政府治理与运行体系，具备自主感知、长效记忆、智能决策、人机交互、闭环执行能力的专用人工智能系统。其应用场景覆盖政务全链条：面向社会公众，可完成政策解读、办事引导、表单自动填报等便民服务；面向机关内部，可实现材料校验、流程分派、公文处理、日常巡查等事务落地；面向治理决策，可依托数据分析与规则推理，开展运行监测、风险预警、政策研判等辅助工作。

智能体赋能政务变革的核心逻辑，集中体现在治理主体重构与政务流程重组两个维度。

从治理主体重构来看，传统政务治理体系由政府部门、公务人员、市场主体、社会公众四类主体构成，治理效能依赖各方的资源配置、职能分工与协同配合。政务智能体的引入，构建起“人类主体+数字主体”的人机混合治理新架构，彻底重构传统治理模式。一是治理主体扩容，智能体作为具备独立感知、学习、执行能力的数字行动者，承接部分标准化政务工作，形成人机复合治理结构；二是职能分工优化，智能体聚焦高频重复、规则明确、流程固定的事务性工作，推动公务人员从“事务执行者”转向“价值判断者、资源协调者、流程监督者”，构建人机各司其职、优势互补的新型分工体系；三是协作关系重塑，智能体打通跨部门数据链、流程链、责任链，大幅降低协同成本，推动政务治理从“规则管控”向“任务协同”转型，实现跨领域、跨部门治理的动态整合。

从政务流程重组来看，智能体对传统政务流程的优化升级，主要体现为四种核心形态。一是能力增强，依托人工智能认知优势，弥补人力能力短板，完成传统人工难以实现的复杂分析、精准研判等工作；二是任务分解，智能体自主拆解复杂政务任务、自动编排执行流程，人工聚焦核心审核、研判、监督环节；三是流程接管，全面承接数据检索、信息整理、常态监测等基础性、重复性工作，释放人力投入高价值工作；四是环节取代，对结构化、规则化、结果可控的重复性政务任务，实现全流程自动化处置，大幅提升运行效率。这种人机分工与流程重构，既显著提升了政务运行效率，又推动政务工作提质增效，让公共服务与社会治理更加精准、高效、专业。

结合基层落地实践，当前政务智能体已形成四类成熟的创新应用模式，场景覆盖持续拓展、融合深度持续提升。

一是服务支撑型。以智能客服、智能问答、办事导航、多语种政务服务等为核心场景，全面提升政务服务响应速度、覆盖范围与可及性，优化群众、企业办事体验。

二是任务辅助型。聚焦政务数据分析、态势感知、问题研判、任务拆解、流程编排等任务环节，为公务人员开展各项工作提供精准、高效的智能辅助。

三是流程接管型。深度嵌入政务核心业务流程，实现材料预审、自动派单、流程流转、简易审批等环节的自动化处理，打通政务服务高效运转闭环。

四是人机协同型。应用于突发事件发现、跨部门任务分派、联合处置、结果复盘等复杂治理场景，构建人机协同处置闭环，提升复杂问题治理能力。

整体而言，政务智能体的应用场景已从初期的边缘辅助场景，逐步渗透至政务服务、社会治理、决策研判等核心业务领域，实现政务工作全流程、全场景覆盖。随着技术迭代持续深化，政务智能体将从试点验证迈入规模化、常态化应用阶段，不再是单一的技术工具，更将成为重塑政府治理模式、提升现代化治理能力的核心赋能载体。

三、政务智能体可能带来的风险挑战与治理

政务工作具备极强的公共性、权威性、敏感性与合规性要求，坚守依法行政、公平普惠、安全可控的核心原则。智能体技术的深度嵌入，在驱动政务治理变革的同时，也带来了技术安全、运行管理、公共治理等多维度风险挑战。结合近期安全机构对Open Claw等政务智能体的风险预警，其技术与运行层面主要存在四类安全风险。

第一，指令劫持风险。在政务咨询、线上导办、材料申报等对外交互场景中，智能体需常态化读取群众、企业提交的各类材料。恶意主体可通过在文档、表单中植入隐藏恶意指令，劫持智能体运行逻辑，诱导其执行未授权操作，引发信息窃密、权限篡改、数据泄露等安全隐患。

第二，权限失控风险。当前政务智能体的能力拓展高度依赖第三方开源技能插件，而多数开源插件尚未经过国家级安全合规审核。基层工作人员为提升应用便捷性，若随意引入未知插件、第三方工具，极易引入恶意代码，导致政务终端被远程控制，引发内外网横向渗透、权限滥用等重大安全风险。

第三，决策偏差风险。受大模型固有“幻觉”问题影响，智能体在处理复杂逻辑、特殊场景、边缘案例时，易出现语义理解偏差、逻辑判断失误等问题。若未在审批、研判、决策等关键环节设置刚性人工复核机制，模型偏差将转化为实体操作失误，引发数据误删、审批错判、决策失准等不可逆政务风险。

第四，算力挤兑风险。区别于传统政务系统固定的运行规律，政务智能体具备7×24小时持续感知、思考、迭代、执行的运行特征，打破了传统算力与用电的峰谷平衡。若基层无序、大规模部署智能体应用，将造成Token消耗激增、算力资源挤占，引发算力供需失衡、能源保供压力增大等问题，影响政务系统整体稳定运行。

从公共管理深层维度来看，政务智能体面临的核心挑战集中在代理性争议与责任归属界定两大难题，本质是工具理性与价值理性、技术赋能与公共治理的平衡困境。

在工具与价值层面，智能体的效率赋能价值已形成广泛共识，其在减负增效、流程优化、服务提质等方面的作用毋庸置疑。但在涉及公共利益、公平普惠、价值判断的治理场景中，智能体的自主决策难以完全兼顾各方诉求，其决策的合理性、公正性、适配性存在不确定性，极易引发“代理性治理争议”。

在主体与责任层面，公共权力的授权与追责体系面临重构难题。现行治理体系中，公共权力仅授予合规公务人员，责任归属清晰明确。但智能体作为数字主体，是否具备公共事务处置权限、如何界定权力边界，目前尚无统一规范与制度共识。一旦智能体在政务执行、决策辅助环节出现失误，无法精准界定责任源头，难以区分是算法缺陷、数据偏差、部署不当还是外部攻击导致，责任追溯、整改问责缺乏明确依据，同时也对政务治理的人本主体价值形成潜在挑战。

综上，政务智能体的普及应用，标志着我国政务数智化转型迈入全新阶段，政府治理正式从“人工主导的数字化治理”，转向“人机协同的数智化治理”。作为连接政府、市场与社会的新型治理接口，政务智能体将持续推动政府治理体系智能化、现代化升级。未来，需加快完善人工智能领域法律法规与伦理准则，建立健全智能体应用审核、全程审计、风险溯源、责任追责机制，在充分释放技术赋能价值的同时，筑牢安全合规底线，实现政务效能提升与风险可控的动态平衡。

以上就是我的分享，恳请各位老师、同学批评指正，谢谢大家！

来源：清华服务经济与数字治理研究院