当生成式人工智能迈过通用技术的门槛，当大模型开始深度嵌入行政办公、公共服务与政策模拟，人类社会的政治经济运行形态正站在历史的转折点上。智能化不再是未来的畅想，而是当下的现实。国务院《关于深入实施“人工智能+”行动的意见》明确提出“创造更加智能的工作方式”，党的二十届四中全会将“人工智能+”治理能力作为加快实施的重点行动。在这一宏观背景下，构建适应智能化时代的政治体制与经济体制，不仅是技术进步的必然要求，更是国家治理体系和治理能力现代化的战略选择。

《未来国策》的核心命题在于：以计算政治学为理论基础，以智能化人工智能治理为实践路径，推动政治运行从经验驱动转向数据与算法双轮驱动，推动经济生产从劳动密集转向人机协同，推动社会生活从数字连接升维为智能共生。这不仅是工具的升级，更是文明形态的演进。本文将从理论范式、体制重构、经济转型、治理实践与风险应对五个维度，系统阐述智能化时代政治经济体制的未来图景。

一、计算政治学的理论范式：数字国家的兴起

计算政治学并非简单的“政治学+计算机”，而是对政治存在形态和政治认知方式的根本性重构。正如清华大学孟天广教授所指出的，计算政治学具有双重意涵：一是“计算的政治”，即对国家计算或社会计算实践展开政治学分析；二是“政治的计算”，即对政治现象进行计算化研究。这两种路径的交织融合，揭示了数字国家兴起的深层逻辑。

1.1 国家计算与社会计算的双重驱动

数智时代，国家治理体系正在形成两大计算系统：国家计算与社会计算。国家计算源于技术赋能国家，以数字政府为核心载体，通过数据、算法、算力等新治理要素重塑政府组织结构与运行机制。传统的科层制在纵向分层、横向分工的基础上，叠加了数据流的横向贯通与算法决策的纵向穿透，形成了“整体性政府”的技术基础。国家统计体系、登记认证体系、财税审计体系，以及数智时代的数据治理体系、算力基础设施，共同构成了国家计算的制度化和稳定化运行框架。

社会计算则源于技术赋权社会，移动互联网和智能化应用的普及使得计算系统与社会系统深度融合。虚拟结社、社交媒体、公共参与、民意表达等社会过程，日益依赖于计算系统的感知、认知与模拟能力。社会计算的核心逻辑在于理解复杂性——对社会心态、公共舆论、社情民意的计算式治理，要求多元主体的广泛介入和深度协同。社会公众、专业机构、社群网络共同构成社会计算的主体，形成应对智能社会复杂性的“社会性基础设施”。

国家计算与社会计算的协同演进，正在重塑国家-社会关系的底层逻辑。一方面，国家通过数据治理和算法监管提升治理能力；另一方面，社会通过数字参与和民意表达拓展民主空间。两者的交互与融合，推动着国家形态从“科层国家”向“数字国家”的跃迁。

1.2 数智治理的核心要义

数智治理作为计算政治学的实践形态，其核心要义可以概括为四个维度：

第一，以决策为基本面向。与以往技术革命不同，数智治理的核心在于依托数据智能对决策机制进行深刻重塑。借助机器学习、深度学习等技术，从海量、多源、异构数据中提炼可操作的洞见，将原始数据转化为支撑精准判断的行动依据。这一决策范式从传统的“经验驱动”转向“数据驱动”，从“事后应对”转向“预测与生成式驱动”。

第二，以人机互融为演进特征。技术系统与人类认知能力之间的深度耦合与相互塑造，构成了数智治理的动态演进逻辑。人工智能通过不断吸纳新数据、响应环境反馈，实现算法迭代与模型优化；人类凭借价值判断、伦理考量与情境理解能力，为技术演进提供方向指引与规范框架。这种“技术赋能人、人控制技术”的双向增强闭环，正在将人类角色从操作者转变为目标设定与价值仲裁者。

第三，以多元协同为实现路径。数智治理价值的充分释放，依赖多层次、多维度、多场景的有效协同。这既包括“大智移云物区链”等技术体系内部的有机融合，也包括政府、企业、社会组织和公众等多方主体的协同互动。通过建立统一的数据共享协议与互操作标准，打破原有的组织壁垒与“信息孤岛”，形成“感知—传输—存储—计算—分析—决策—执行”的完整行动链。

第四，以技术赋能为价值依归。个体赋能构成数智治理的价值基石，其核心在于培育面向数字智能时代的核心素养——数字智商。数字智商不仅涵盖技术操作能力，更包括数字身份管理、安全防护、权利意识、使用素养与创造力等多个维度。在个体能力拓展的基础上，数智治理进一步驱动组织与社会的效能转型，实现“智能—智治—智效”的良性循环。

二、智能化人工智能治理：政治体制的重构与创新

人工智能正在从技术工具演进为社会的“认知基础设施”。当AI系统塑造着人们搜索信息、起草论证、评估风险、制定决策的方式时，政治体制必须做出适应性变革。智能化人工智能治理并非简单地将AI应用于既有政务流程，而是对政治运行逻辑的重新设计。

2.1 决策机制的智能化跃迁

传统政策制定受制于信息不完全、认知局限和利益博弈，往往呈现“有限理性”特征。人工智能的介入，使得政策制定具备了“增强理性”的可能。基于大规模数据的政策模拟与情景分析，可以帮助决策者预判不同方案的潜在后果；通过对非结构化数据和复杂因果关系的建模，生成风险预测与趋势分析，提升社会治理的预警和预判能力。

在具体实践中，政策模拟可以借助大模型的推理与生成能力，进行情景重现和反事实分析。例如，在社会保障政策调整前，系统可以基于微观个体的行为建模，模拟不同收入群体、不同年龄结构的反应模式，预判政策的分配效应与社会稳定性。这种计算式的政策分析，在很大程度上解决了治理中认知局限的问题，使决策从“救火式”走向“超前性”。

算法决策的引入，并非要取代人类决策者，而是构建“人机交互智能决策模式”。在突发事件应对、资源配置优化、公共服务供给等领域，AI系统可以提供多方案比选与风险评估，而人类决策者则基于价值判断与伦理考量做出最终裁定。这种人机协同的决策架构，既发挥机器的计算优势，又保留人类的判断权威。

2.2 组织形态的扁平化与协同化

数字国家的兴起正在重塑国家组织形态。传统依赖正式制度和组织边界来界定的政府架构日益模糊化，跨层级、跨部门、跨系统的业务协同和统筹联动快速扩张。基于数字技术的业务流程重塑和组织结构变革，推动着适应数智时代的整体性政府建设。

在纵向维度，数据贯通压缩了管理层级。传统的“逐级汇报、层层审批”模式，在数据直达的条件下正在发生变化。上级部门可以通过实时数据监控，增强在日常工作中的“存在感”及其对下级管理部门的影响力。这种基于数据流的垂直控制，既提升了监管效率，也对基层自主性提出新的平衡要求。

在横向维度，平台化运作打破部门壁垒。统一的数据共享平台和业务协同平台，使得原本分属于不同部门的数据能够互通互用，原本需要“多头跑”的业务能够“一网通办”。数据治理体系的建立，正在推动政府从“部门政府”向“整体政府”转型。

在空间维度，国家运行场域快速向数字空间拓展。数字空间与物理空间、社会空间的深度融合，要求国家权力通过进入数字空间建立新机构、新规则和新能力。智慧城市、城市大脑、社会治理智能体等新型治理载体的出现，标志着国家治理正在实现三重空间的耦合效应。

2.3 政民互动的智能化与民主化

社会计算系统的形成，为公众参与和民主协商提供了新的技术基础。过去二十年间，社会计算系统正在重构公共参与、民意表达、协商议事全过程。基于自然语言处理和情绪识别的社情民意分析，可以帮助政府实时感知社会心态，及时发现潜在风险；基于大模型的智能问答与政策推送，可以提供更高效的政务服务，实现从“人找政策”到“政策找人”的转变。

杭州市小河街道的“红茶议事会”是智能化基层民主的典型案例。该街道开发的“人工智能同事”应用系统，构建了“民主协商+科技支撑”的治理机制。议事主题通过智能检索问答实现动态感知民意热点；议事过程依托“知识仓库”实现文件材料的结构化整合；议事简报借助“公文助手”实现自动生成；议事人员培养依托“数据评估”实现成长路径研判。这种人机协同的民主协商模式，既保持了基层民主的实质内涵，又提升了议事效率和质量。

智能化治理并不意味着技术对民主的替代，而是为民主提供更强的信息支撑和互动能力。通过实时数据分析，政府能够更精准地把握不同群体的差异化需求；通过智能反馈机制，公众能够更便捷地表达诉求、参与监督。这种“数字民主”或“智能协商”的实践形态，正在拓展民主的边界与深度。

三、人机协同：经济体制与劳动生产的智能化变革

人工智能对经济体制的影响，远超一般技术革命的范畴。郑永年教授指出，前三次工业革命创造的工具具有“分散分权”的特征，而人工智能则呈现“集中集权”的技术结构。这一判断对经济体制设计具有重要启示意义：如何在发挥规模效应的同时防止垄断，如何在提升效率的同时保障公平，成为智能化时代经济体制改革的核心命题。

3.1 生产方式的智能化重构

从农业社会到工业社会，再到智能社会，生产方式的变革从未停歇。“人工智能+”行动的深入推进，正在从职业分类、工作价值、就业模式等方面为劳动者创造新机遇。在工业领域，人工智能优化生产工艺、实现供应链智能协同，让劳动者从重复操作中解放出来，聚焦更具创造性的环节；在服务业，智能终端、智能体的广泛应用拓展服务场景，让劳动者服务更精准、更高效；在传统农业，智能农机、农业机器人让劳作变得更轻松。

这种变革的核心逻辑在于人机协同。劳动者与智能系统的关系，正在从“操作与被操作”演变为“协作与被赋能”。在生产一线，劳动者结合多年积累的工作经验，探索人机协同的新型组织架构和管理模式，不断优化智能生产工艺，调整智能算法以更贴合实际生产需要。这种“分工—协作—优化—创新”的循环，使机器成为劳动者的“智慧助手”，共同创造出新的价值。

生产方式智能化变革对经济体制提出新要求。数据作为新型生产要素的地位需要从法律和制度层面予以明确；算法决策的透明性与可解释性需要建立规范；人机协作中的责任归属需要重新界定。只有构建适应智能生产的经济体制，才能充分释放人工智能的生产力潜能。

3.2 就业形态与劳动权益保障

智能化变革对就业市场的影响是双重的：一方面，人工智能接管了大量重复性、流程化的体力和脑力劳动，可能造成部分岗位的消失；另一方面，人工智能催生了数据标注师、智能训练师、人机协作工程师等新职业，推动就业市场向高端化、多元化升级。

把握“人工智能+”行动带来的新机遇，劳动者需要主动提升工作技能。这既包括补齐“人工智能通识”短板——了解人工智能的基本原理、常用工具的使用方法；也包括深耕“人机协同专业技能”——成为能驾驭智能机械臂、智能生产线的技术大拿，或聚焦智能服务场景设计与优化。各地政府应大力支持开展人工智能技能培训，鼓励全民积极学习人工智能新技术，为劳动者提升技能创造各种有利条件。

劳动权益保障机制需要做出适应性调整。首先，应加强人工智能时代劳动者的工作风险评估，减少人工智能对就业的冲击，不断完善符合人工智能时代人才职业属性和岗位特点的劳动者能力多元化评价体系。其次，在企业推进智能化改造过程中，劳动者可通过工会等渠道，向企业提出“技能培训配套”“岗位调整保障”等合理诉求，确保智能化改造不损害劳动者的合法权益。第三，整合政府、企业与高校院所等各类资源，通过技能升级与职业转型构建AI技能培训生态，支持企业与高校共建实训基地，为技术工人提供算法优化、人机协作等进阶课程。

3.3 产业生态与创新体制

郑永年教授提出的“抓小放大”理念，对智能化时代产业政策具有重要启示。人工智能技术高度集中在中美两国、集中在少数大公司的现实，要求政策设计更加注重培育中小型创新企业。政府应当营造良好的营商环境，构建创新生态，而具体的业态由企业自主选择。对于已经上市的大企业，应交给市场竞争；对于中小企业，特别是专精特新企业，应通过金融资本等方式给予扶持。

风险投资在人工智能发展中扮演着关键角色。美国人工智能的发展很大程度上得益于风险资本的推动。我国要建立大的科创体系，需要产学研一体化发展，需要基础科研、应用技术转化、金融、人才的有机融合。耐心资本需要体制机制改革的支持，包括国有资本与民间资本的“两条腿”走路，包括对早期、小型创新企业的融资支持。

数据作为核心生产要素，其流通与治理直接影响创新活力。郑永年教授强调，“在数据保证安全的情况下‘出得去、进得来’非常重要”。我国拥有14亿人的数据资源，但内部整合不够，存在数据孤岛问题。未来的任务是通过体制机制改革，整合国内数据，形成国内数据统一大市场。从区域性数据市场起步，逐步走向全国统一市场，进而参与国际数据流通，是可行的路径选择。

四、从理论到实践：智能化治理的现实探索

理论的生命在于实践。近年来，全国各地在智能化治理领域进行了丰富多样的探索，为《未来国策》的完善提供了宝贵的实践经验。

4.1 社会治理智能体

杭州市萧山区社会治理中心开发的“社会治理智能体”，是智能化治理的典型实践。该系统建成政务服务“一网统办”、城市治理“一网统管”和社会民生“一网共治”的“三网融合”智治驾驶舱，实现各类紧急事件在线监控、社会治理和城市运行问题即时感知。深度求索（DeepSeek）网格人工智能智能助手的上线，构建了“智能体+自然人”的人机互动模型，实现“简单事项机器办”“复杂事项专窗办”的双线并行。在矛盾调解领域，深度求索（DeepSeek）+“矛盾调解”系统应用人工智能辅助决策，大模型智能识别分析全区所有事件，发现规律性问题，提前预警预测，“治病于未病”。

这一实践表明，智能化治理并非简单的技术叠加，而是对治理流程的重新设计。通过构建“感知—研判—决策—执行—迭代”的智能闭环，社会治理可以实现从“区域覆盖”到“个体需求”的精准跃迁。

4.2 垃圾分类智慧管理

垃圾分类是影响社会治理效能的“关键小事”。浙江通过垃圾分类智慧管理平台，打造了人机互动的无人值守垃圾分类新模式。垃圾分类投放驿站具备自动破袋、自动压缩、自动换桶等功能，当垃圾投入时，通过自动破袋、人工智能技术分析，即时掌握分类准确率，并精准反馈给居民。垃圾达到设定阈值时，自动寻桶、自动换桶，全程无需人工搬运。后台控制端实时生成影像和电子台账，对居民垃圾分类的质量、种类、次数、重量、分类习惯进行分析和研判，实现精准宣教。

这一案例展示了智能化治理的赋能逻辑：智能技术不仅替代了重复性体力劳动，更重要的是通过实时反馈和数据积累，引导居民行为改变，提升治理效能。人机互动显著提高了居民参与的积极性、主动性和分类效果。

4.3 认知基础设施与政策设计

世界经济论坛的研究指出，人工智能正在成为社会的“认知基础设施”，政策制定者必须从“认知韧性”的角度进行治理设计。当AI系统成为信息搜索、论证起草、风险评价的默认层时，人类的认知能力面临“认知卸载”和“自动化偏见”的风险。如果过度依赖自动化决策工具，人类的态势感知能力和判断能力可能随时间推移而退化。

因此，政策设计需要从四个维度构建“认知韧性”：一是认知友好的AI设计标准，要求AI系统具备透明的论证路径、内置的反驳提示和验证要求；二是国家AI素养框架，将AI素养从“可选的数字技能”提升为“基础的公民能力”；三是对高影响力AI平台（搜索引擎、对话代理、算法推荐系统）的透明度监管；四是在医疗、司法、金融、公共行政等高风险领域，保持人类决策者的实质性问责。

五、挑战与应对：构建中国特色人工智能治理体系

智能化转型带来机遇的同时，也伴随着严峻挑战。算法不透明、模型歧视、隐私泄露、责任认定模糊等问题日益凸显。构建中国特色人工智能治理体系，既是应对技术风险的必然要求，也是掌握人工智能治理主动权的战略选择。

5.1 发展与安全的动态平衡

习近平总书记强调，“要正视差距、加倍努力，全面推进人工智能科技创新、产业发展和赋能应用，完善人工智能监管体制机制，牢牢掌握人工智能发展和治理主动权”。构建中国特色人工智能治理体系的关键，在于通过政策制定、法律监管、伦理指导等系统化、制度化的框架，秉持以人为本、智能向善的原则，实现技术红利最大化和风险最小化的动态平衡。

在发展和安全的关系上，中国处于美国模式和欧洲模式之间。美国是发展导向、监管最少；欧洲是规则先进但发展滞后。中国需要“两条腿”走路：适度放松监管让技术落地，同时发展监管技术保障安全。对监管概念需要重新理解——从技术层面要适度放松监管促进创新，同时要建立健全技术监测、风险预警、应急响应体系。

5.2 治理体系的系统性构建

构建中国特色人工智能治理体系，需要在多个维度协同发力：

在顶层设计层面，充分发挥新型举国体制优势，统筹制定具有战略性、前瞻性、系统性的发展规划，成立跨领域、跨部门的协作机制，解决治理碎片化问题。

在伦理规范层面，始终坚持“以人为本、智能向善”的理念，推动企业和科研机构设立独立的伦理监督机制，加强对公众的人工智能伦理教育。

在法律法规层面，及时出台针对人工智能技术研发、应用和监管的专项法律法规，明确算法透明性、可解释性和责任归属问题，加强数据安全与隐私保护。

在协同治理层面，搭建政府、企业、学术机构、社会组织等各方参与的跨界治理平台，政府实施发展性监管，企业主动承担社会责任，科研机构加强技术创新和伦理审查。

在自主可控层面，加大对人工智能领域基础研究和关键技术攻关的支持力度，确保高端芯片、基础软件等关键核心技术牢牢掌握在自己手里。

在国际合作层面，积极参与国际人工智能治理标准与规则的制定，主动贡献具有中国特色的治理方案，推动全球智能发展差距的弥合。

结语

智能化时代的到来，不是未来的远景，而是当下的现实。《未来国策》的核心理念在于：以计算政治学为理论基石，以智能化人工智能治理为实践路径，推动政治体制从科层走向协同，推动经济体制从要素驱动走向智能驱动，推动社会运行从数字连接走向人机共生。

计算政治学的双重意涵——计算的政治与政治的计算——揭示了数字国家兴起的内在逻辑。国家计算与社会计算的协同演进，正在重塑国家形态、国家结构、国家-社会关系。数智治理的四大要义——决策驱动、人机互融、多元协同、技术赋能——为智能化治理提供了理论框架。智能化治理的实践探索——从社会治理智能体到认知基础设施——展现了技术赋能治理的广阔前景。

面对智能化转型的挑战，构建中国特色人工智能治理体系是必然选择。以发展促安全，以安全保发展，在发展和安全的动态平衡中推进人工智能健康有序发展，是《未来国策》的根本遵循。

正如郑永年教授所言，“人工智能是第四次产业革命的核心，我们不能掉队，我们没有资格掉队”。在迈向智能社会的历史进程中，只有把握人工智能发展趋势和规律，加快完善相关法律法规、政策制度、应用规范、伦理准则，才能牢牢掌握人工智能发展和治理主动权，为人类政治文明贡献中国智慧和中国方案。