引言：智能化时代的政治经济新范式

智能化时代的大潮正以不可阻挡之势重塑人类社会的每一个角落。当人工智能从实验室走向工厂车间、从手机屏幕嵌入城市街巷，它早已不再仅仅是一项技术工具，而正在成为社会运转的“新制度性基础设施”。作为政策改进的研究者，我们必须正视这样一个根本性事实：智能化不仅意味着生产效率的提升，更意味着政治体制与经济体制必须经历一次深刻的范式重构。这不仅仅是技术的升级，而是文明形态的跃迁。

国务院《关于深入实施“人工智能+”行动的意见》明确提出，到2035年我国全面步入智能经济和智能社会发展新阶段。这一战略宣示的背后，是对人工智能“元技术”属性的深刻认知——它正在从产业政策的技术维度上升为国家战略的制度议题。在这样的大背景下，《未来国策》的核心理念应运而生：政治体制必须从科层制走向人机共生的智能治理，经济体制必须从市场与计划的二元对立走向数据驱动的动态均衡，而这一切的核心支撑，正是本文所要重点阐述的“智能化单一事实来源”。

智能化时代的到来，意味着人们的生活必然走向智能化，政治经济的劳动生产必然走向智能化。这不是一个可以选择的选项，而是历史演进的必然方向。我们必须以清醒的认知和果敢的行动，迎接这场治理革命。

一、政治体制的人工智能重构：从科层制到人机共生

1.1 传统政治体制的结构性困境

工业时代孕育的科层制政治体制，以其分工明确、权责清晰、程序规范等优势，支撑了现代国家的有效运转。然而，当社会系统的复杂性与不确定性呈指数级增长时，这一体制的结构性困境日益凸显。

首先是信息处理的有限性。科层制依赖逐级上报、层层汇总的信息传递机制，不仅时效滞后，更在传递过程中不可避免地发生信息失真。每一个层级都会基于自身立场对信息进行筛选、加工甚至扭曲，导致决策层所依据的“事实”与基层的真实情况之间存在难以弥合的鸿沟。正如我们在政策调研中反复看到的，一份文件从中央到基层，再以报告形式返回，其间信息损耗往往超过百分之三十。

其次是决策理性的局限性。传统治理高度依赖决策者的个人经验和判断能力，而人类认知的有限理性决定了我们难以全面把握复杂系统的运行规律。在面对跨域、跨界的公共问题时，部门分割、条块分割的体制弊端进一步加剧了“治理失灵”的风险。

再次是响应速度的滞后性。在瞬息万变的社会运行中，传统的“出现问题—发现问题—研究问题—部署解决—层层落实”的响应链条过长，往往错失最佳处置时机。这种滞后性在公共卫生事件、自然灾害、经济波动等场景中表现得尤为突出。

1.2 人工智能治理的范式转向

人工智能的深度介入，正在推动政治治理从“经验理性”转向“算法理性”。这不是对人类决策者的替代，而是对决策能力的革命性拓展。

在认知层面，人工智能通过对海量数据的实时分析，能够捕捉人类感官无法察觉的细微变化和潜在关联。城市交通流量预测、传染病传播轨迹模拟、宏观经济先行指标构建——这些原本依赖专家经验推断的复杂问题，正在被智能算法以更高的精度和更快的速度求解。治理的认知基础从“事后总结”转向“事前预测”，从“局部感知”转向“全局把握”。

在过程层面，治理正在从“部门流程导向”转向“数据驱动”。传统的政策执行依赖于预设的程序和固化的分工，而智能化治理则通过实时数据流的动态更新，实现调度、调整与预测的闭环。当某个区域的民生诉求出现异常波动，系统会自动预警并启动响应预案；当某项政策的执行效果偏离预期，数据会第一时间揭示偏差，为动态调整提供依据。

在主体层面，治理形态正在从“单一科层”走向“人机复合”。政务服务智能体、公共安全数字人、生态环境智能监测系统正逐步嵌入治理流程。这些智能体不是简单的工具，而是具有有限自主性的“准行动者”。它们承担起信息采集、初步分析、常规响应、风险预警等大量基础性工作，将人类决策者从繁琐的事务中解放出来，使其能够专注于价值判断、复杂协调和创新决策。

1.3 人机协同治理的制度设计

人机共生的治理模式不是技术自发演进的结果，而需要精密的制度设计来规范和保障。

第一，建立分层分级的权责清单制度。 在不同治理场景中，必须明确界定人类工作人员与人工智能工具的职责范围。智能工具可负责信息采集、初步分析、常规咨询等辅助性工作，但关键决策权必须保留给人类。特别是在涉及重大公共利益、公民基本权利、伦理价值判断的领域，如司法审判、重大行政审批、公共资源配置等，必须确保“人类始终掌握最终控制权”。

第二，构建全生命周期的技术监管制度。 人工智能系统在投入使用前，必须经过严格的测试评估；在运行过程中，需接受持续的动态监测；在发生偏差或事故时，要有清晰的追溯和问责机制。对于涉及重大公共利益的智能系统，应建立“监管沙盒”试点机制，在可控范围内测试人机协同的新模式，积累经验后再逐步推广。

第三，完善可解释人工智能的技术标准。 算法黑箱是智能化治理的最大障碍。如果决策过程对利益相关方不可解释，治理的透明性、可问责性乃至合法性都将受到根本性质疑。因此，必须推动可解释性人工智能成为治理工具的内在要求，建立第三方评估体系，确保算法的运行逻辑透明可追溯。正如有学者指出的，透明性因黑箱而消失，参与性因技术壁垒而被剥夺，问责性因责任主体虚化而无法落实——这“三重失落”是人机社会治理必须破解的核心难题。

1.4 规避“人工智能君主制”的制度陷阱

在探讨政治智能化时，必须警惕一种危险的制度想象——“人工智能君主制”。这一设想主张由人工智能全面接管人类的治理权，将AI系统置于国家治理的最高位置，让其像传统君主一样主导决策。虽然这种设想在技术效率上具有一定诱惑力，但它是对政治本质的扭曲，是一条必须规避的歧路。

人工智能君主制的根本谬误在于：其一，算法和数据难免存在偏差，完全交由AI决策难以保证公平正义；其二，人工智能缺乏情感和伦理意识，无法做出符合人类社会道德标准和价值观念的判断；其三，权力高度集中于AI可能引发新的“技术霸权”，使人类沦为技术系统的附庸。正如学者尖锐指出的，这种“最优决策”或“完美政治”的追求，既不具有理论上的合理性，也不具有现实中的可行性。

因此，《未来国策》所倡导的政治人工智能重构，始终坚持“以人为本、智能向善”的根本原则。人工智能是治理的工具和助手，而不是治理的主人；是决策的支持系统，而不是决策的替代主体。这一价值定位，是全部制度设计的逻辑起点。

二、智能化单一事实来源：国家治理的数据基座

2.1 概念内涵与战略价值

“智能化单一事实来源”是《未来国策》的核心制度创新。它的基本内涵是：通过人工智能技术，将分散于各部门、各层级、各系统的海量数据整合为统一、权威、实时更新的“事实基座”，为所有治理决策提供一致、可信的信息支撑。

这一概念包含三个关键维度：

一是“单一”并非物理层面的集中存储，而是逻辑层面的统一视图。 数据可以分布在不同的部门和系统中，但通过统一的标准、接口和语义体系，形成逻辑上的一致性和互操作性。公民在民政部门登记的信息，在办理社保、税务、教育等业务时无需重复提交，这不是因为数据被搬到了同一个仓库，而是因为系统之间实现了“数据不出域、价值可流动”。

二是“事实”强调数据的客观性、权威性和可溯源性。 不是所有数据都能成为“事实来源”。只有经过质量校验、具有法定效力、能够追溯来源的数据，才能进入这一基座。这意味着需要对数据生产、采集、录入、更新等全过程建立严格的质量控制体系。

三是“智能化”体现在对事实的动态整合和智能应用。 传统的信息整合往往是静态的、周期性的，而智能化单一事实来源能够实时感知数据变化，自动进行关联比对，主动发现异常和矛盾，并以智能方式向决策者呈现有价值的洞察。

智能化单一事实来源的战略价值怎么强调都不为过。它是打破“信息孤岛”、消除“数据烟囱”的根本手段；是确保政策制定和执行基于“同一套事实”而非各部门“各自的事实”的基础设施；是人工智能深度参与治理的前提条件——没有高质量的数据，再先进的算法也只能是无米之炊。

2.2 技术实现路径

构建智能化单一事实来源，需要在以下几个层面系统推进：

数据标准化层。 统一的数据标准是互联互通的前提。必须制定覆盖全领域的政务数据标准体系，包括数据元标准、代码标准、接口标准、交换标准等。每一项标准都应经过严格的专家论证和实践检验，并根据技术发展和业务变化建立动态更新机制。这是基础性的“制度基建”，其投入虽然不易产生立竿见影的政绩，却是智能化治理不可或缺的基石。

知识图谱层。 单纯的数据堆砌无法产生智能价值。必须构建覆盖经济社会各领域的知识图谱，将分散的数据点连接成相互关联的知识网络。例如，一个企业的信息不仅包括工商登记的基本字段，还应关联其纳税记录、社保缴纳、知识产权、司法涉诉、环保评级等信息，形成对该企业的立体化“数字画像”。这种知识化的数据组织方式，是人工智能进行深度理解和智能推理的基础。

质量治理层。 数据质量是智能化事实来源的生命线。必须建立覆盖数据全生命周期的质量管理体系：在数据采集环节，通过智能校验减少录入错误；在数据更新环节，确保源头变化及时反映到系统中；在数据应用环节，建立反馈机制让用户发现的问题能够被快速核实和修正。特别重要的是，要建立数据质量的责任制度，明确每个数据项的责任部门和责任人，让数据质量可追溯、可问责。

安全可信层。 数据的集中化整合也意味着风险的集中化。必须构建严密的数据安全防护体系，采用分类分级管理、隐私计算、联邦学习等技术手段，在保障安全的前提下实现数据价值释放。同时，要建立完善的数据权限管理制度，确保不同层级、不同岗位的人员只能访问其履行职责所必需的数据，实现“最小够用”的数据访问原则。

2.3 实践探索与经验启示

近年来，一些地方的先行探索为构建智能化单一事实来源积累了宝贵经验。

长沙市雨花区打造的政务服务智能体“政慧答”，全面梳理录入全区27个部门的分散信息，涵盖综合审批、商事登记、公安、民政、医保、人社、不动产等核心资源，形成覆盖2494类个人事项、1991类法人事项的统一政务服务知识数据库。这一系统彻底打破了跨部门、跨层级的“信息壁垒”，使工作人员政策查询时间缩短百分之八十以上，公文写作与材料处理效率提升百分之六十，群众办事平均时长缩短百分之五十。更重要的是，它通过“答复溯源”功能确保智能问答“有据可查”，实现了“智能且可信”的治理目标。

无锡市构建的“知惠”政务大模型，以“模型超市+开发平台+知识库”三位一体的技术基座，汇聚DeepSeek、Qwen等顶尖大模型，建立起超1020万条的政务知识库。在这一基座上，“企业经营风险监测”能够提前预警异常，“经济问数”可以实时研判趋势，政策调控从“大水漫灌”转向“精准滴灌”。无锡的实践表明，智能化事实来源不仅提升效率，更重塑了政务服务的“温度”与“精度”。

湘潭市雨湖区开发的“市长热线工单辅助智联体”，采用“知识图谱+语言模型”双轮驱动架构，在不干预原信息系统的前提下，通过插件读取页面信息的方式实现市民诉求的智能识别、智能分析和智能派单。这种“轻量化”的智能化改造路径，大大降低了政府部门的技术投入门槛，为基层治理的智能化升级提供了可复制的经验。

这些实践给我们的重要启示是：构建智能化单一事实来源，既要重视顶层设计、统一规划，也要尊重基层首创、允许差异化探索；既要有“大而全”的平台思维，也要有“小而美”的场景切入；既要追求技术先进性，更要注重实际效用和可持续性。

2.4 数据统一大市场的战略构想

从更高层面看，智能化单一事实来源的建设应当服务于“国内数据统一大市场”的战略目标。当前，我国虽然拥有海量数据资源，但“数据孤岛”现象依然严重，各部门、各地区、各系统之间的数据壁垒尚未根本打破。正如学者郑永年指出的，“我们有14亿人的数据，但内部没有完全整合好，都是一个个数据孤岛，所以加总起来好像量很大，但是不整合，数据的质量就特别差”。

推进数据统一大市场建设，应当采取“区域突破、梯次推进”的策略。支持基础较好的区域率先突破——粤港澳大湾区、长三角、京津冀、成渝等区域可以先行先试，探索区域内数据互联互通的体制机制，形成可复制的模式和经验，再逐步向全国推广。在数据流通规则上，要借鉴欧盟共同市场的形成经验，在保障安全的前提下推动数据“出得去、进得来”。

需要强调的是，数据统一大市场不是简单的技术工程，而是深刻的体制机制改革。它涉及部门利益调整、权责关系重构、管理模式变革，必然面临各种阻力和挑战。因此，必须从国家战略高度统筹推进，以坚定的决心和系统的方案，攻坚克难、久久为功。

三、智能化经济体制：从市场与计划的二元超越

3.1 传统经济调节方式的局限

经济学史上，关于“计划还是市场”的争论持续了近两个世纪。计划经济的支持者强调，通过中央计划机关对全社会经济活动的统一安排，可以克服市场自发调节的盲目性和周期性波动；市场经济的拥护者则论证，由于信息分散和激励复杂，任何中央计划机关都不可能获取有效配置资源所需的全部信息。哈耶克的“知识问题”构成了对计划经济的经典批判——信息分散在无数个体手中，不可能被集中到中央计划机关。

然而，智能化时代的到来，正在为这一经典争论提供全新的视角。当人工智能能够实时汇聚、处理和分析海量分散信息时，传统意义上“信息不可集中”的前提正在被重新审视。这不是说完全的计划经济变得可行，而是说我们有可能超越“计划vs市场”的二元对立，走向一种“数据驱动的动态均衡”新范式。

3.2 数据驱动的动态均衡范式

智能化经济体制的核心特征，可以概括为“三重超越”：

第一重超越：从“事后调节”到“前瞻引导”。 传统市场调节本质上是事后矫正——价格信号反映的是已经发生的供求变化，企业据此调整生产，其间必然存在时间滞后和资源浪费。智能化经济体制通过实时感知市场脉动、预测需求变化、识别产能瓶颈，可以在失衡发生前发出预警，引导市场主体提前调整。这不是对市场机制的替代，而是对市场功能的增强——让“看不见的手”拥有更敏锐的感知和更迅速的响应。

第二重超越：从“局部均衡”到“全局优化”。 在传统体制下，每个企业、每个行业基于自身掌握的局部信息进行决策，其总和可能偏离社会整体最优。智能化经济体制通过构建覆盖产业链、供应链全过程的“数字孪生”系统，能够模拟不同决策选择的全局影响，为微观主体提供更丰富的决策信息，也为宏观政策提供更精准的调控依据。例如，当某个关键零部件出现供应紧张信号时，系统可以自动识别受影响的下游产业，评估不同产能调配方案的全局效果，为政府和企业协同应对提供决策支持。

第三重超越：从“刚性规则”到“弹性边界”。 传统的经济调节要么依赖市场自发调节，要么依赖政府行政指令，两者都存在一定刚性。智能化经济体制可以实现“规则基础上的弹性”——设定基本的行为边界和调控目标，让智能系统在边界内根据实时情况动态调整具体参数。货币政策是典型的例子：设定通胀目标和增长区间后，人工智能可以持续监测海量经济指标，为利率调整、流动性投放提供动态优化的决策建议。

3.3 智能经济中的政府与市场关系

智能化经济体制不是要取消市场，恰恰相反，它要让市场更有效；也不是要弱化政府，而是要让政府更聪明。政府与市场的关系将呈现新的形态：

市场在资源配置中起决定性作用——价格机制依然是经济运行的核心，竞争依然是创新的根本动力，企业的自主决策权必须得到尊重。人工智能的介入不会改变这一基本定位。

政府的作用从“替代市场”转向“增强市场”。政府不再试图用行政指令取代市场功能，而是通过智能化的信息基础设施、精准的政策工具、敏捷的监管机制，让市场运行更顺畅、更高效。这包括：建设统一、开放、透明的数据要素市场；提供覆盖全社会的信用基础设施；建立智能化的风险监测和预警体系；在公共服务、基础研究、关键共性技术等领域发挥引导和补充作用。

形成“政府引导-平台支撑-市场运作”的协同机制。在数字时代，大型平台企业事实上承担着部分市场组织功能。如何在发挥平台效率优势的同时，防止平台垄断、保障公平竞争、维护公共利益，是智能化经济体制必须回应的重大课题。这需要政府与平台之间建立新型的协同治理关系——政府制定规则、设定底线、强化监管，平台在规则范围内进行市场化运作，同时承担起对平台内主体的治理责任。

3.4 产业政策与竞争政策的智能协同

在智能化经济体制下，产业政策与竞争政策的关系需要重新审视。

传统的产业政策往往采取“挑选赢家”的方式，通过补贴、税收优惠、要素倾斜等手段支持特定产业或企业。这种方式面临两大风险：一是“选错”的风险，政府判断可能偏离市场实际；二是“固化”的风险，政策一旦形成路径依赖，可能阻碍创新和竞争。

智能化工具可以帮助实现产业政策从“定向支持”向“环境营造”的转型。通过对产业链、创新链的深度分析，可以更精准地识别制约产业升级的共性瓶颈——是基础研究短板、关键设备依赖、还是技能人才短缺？然后针对这些共性问题设计普惠性政策，而非直接指定受益对象。同时，智能监测系统可以持续追踪政策实施效果，及时发现偏差并动态调整，避免政策固化带来的负面效应。

竞争政策的智能化转型同样重要。算法合谋、数据滥用、平台垄断等新型竞争问题，对传统的反垄断分析框架提出了挑战。监管机构需要借助智能工具，提升对市场行为的监测能力，更早发现竞争风险、更准识别垄断行为、更快做出监管响应。同时，也需要探索“监管沙盒”等敏捷治理机制，为创新留出空间，在发展与规范之间寻求动态平衡。

四、智能化劳动生产：生产力形态的根本变革

4.1 人机协作的新型生产方式

智能化对劳动生产的重塑，正推动生产力形态发生根本性变革。这不是简单的“机器换人”，而是人类与智能机器的深度协作，形成一种“复合生产力”。

在制造业领域，智能工厂正在从概念走向现实。生产线上的智能机器人不再是执行固定程序的自动化设备，而是能够感知环境变化、自主调整动作、与人类工人安全协作的智能体。人类工人负责复杂判断、异常处理、工艺创新，智能机器人承担重复性、高强度、高精度的操作任务，人机之间形成互补而非替代的关系。

在知识生产领域，大语言模型正在改变创作、分析、决策的方式。金融分析师借助AI快速处理海量信息、识别潜在风险；医生在智能辅助诊断系统的支持下提高诊疗准确率；教师利用智能工具实现个性化教学辅导；科研人员通过AI加速文献梳理、实验设计和数据分析。在这些场景中，AI不是取代人类专业判断，而是将人类从信息过载中解放出来，让专业能力聚焦于更高价值的创造性工作。

在服务领域，智能客服、数字人导引、智能推荐系统正在重塑服务体验。以政务智能体为例，无锡的数字人导引实现“7×24小时在线”，让群众办事“随时找得到、问得清、办得顺”。这并不意味着窗口工作人员被取代，而是将重复性咨询解放出来，让人工服务更聚焦于复杂事项和特殊需求，实现服务资源的优化配置。

4.2 劳动形态的重构与人的发展

智能化的深度介入，必然带来劳动形态的深刻重构。这种重构既带来机遇，也带来挑战。

机遇在于： 大量重复性、事务性工作被智能系统承担，人类可以从“为谋生而劳动”逐步走向“为创造而劳动”。当人机协同成为常态，劳动的内涵将发生深刻变化——从执行具体操作转向设定目标、监督过程、处理例外、持续改进。这为人的全面发展创造了新的空间：人们可以有更多精力从事创造性工作，可以有更多时间用于学习、思考和陪伴家人，可以基于个人兴趣和特长发展多样化技能。

挑战在于： 技术性失业、技能错配、收入分化等风险真实存在。某些岗位可能被智能系统替代，某些技能可能迅速贬值，如果不能有效应对，可能加剧社会不平等。特别是对于年龄较大、教育水平较低、适应能力较弱的群体，智能化转型可能带来更大的就业压力和生活冲击。

应对这些挑战，需要系统性的政策回应：

一是建立覆盖全民的终身学习体系。 智能化时代，一次学习终身受用的模式已经过时。必须构建灵活开放的终身教育体系，让劳动者能够根据技术变化和职业需求，持续更新知识、提升技能。政府、企业、社会组织和教育机构应形成合力，提供多样化的学习渠道和资源支持。

二是完善社会保障和收入再分配机制。 对于因技术变革而失业或收入下降的群体，要有充分的社会保障兜底。同时，需要探索适应数字时代的新型收入分配机制，让技术进步的红利更公平地惠及全体社会成员，而非集中于少数技术精英。

三是强化对劳动者的赋能而非替代。 技术应用的方向选择至关重要。同样是人工智能，可以设计为替代人的系统，也可以设计为增强人的系统。《未来国策》明确倡导后者——以赋能劳动者、提升人的能力为技术应用的根本导向。

4.3 生产力跃升的制度保障

从更宏观的视角看，智能化劳动生产的全面发展，需要一系列制度保障。

创新激励制度。 智能化是创新驱动的产物，也需要创新制度来支撑其持续发展。这包括完善的知识产权保护、公平的市场竞争环境、充足的风险资本支持、开放的国际合作空间。特别是对于基础研究、关键共性技术、前沿交叉领域，需要政府、企业、社会协同投入，形成可持续的创新生态。

数据要素市场制度。 数据是智能生产的“新石油”。需要加快建立数据产权、交易流通、收益分配、安全保护的基础制度，让数据能够合规、高效、公平地流通和使用。特别是在公共数据开放、企业数据共享、个人数据保护之间，需要精细的制度设计来平衡各方权益。

标准与伦理规范。 智能生产涉及众多技术接口和伦理边界，需要建立完善的标准体系和伦理准则。从数据格式、接口协议到算法评估、伦理审查，都需要形成广泛认同的规范，确保不同系统之间能够互联互通，确保技术应用符合社会价值和伦理底线。

基础设施支撑。 智能化生产高度依赖新型基础设施。这包括高速泛在的网络设施、集约高效的计算设施、融通适用的融合设施等。需要统筹规划、适度超前布局，为智能化生产提供坚实底座。

五、风险治理与制度保障

5.1 算法透明与可解释性

智能化治理的最大隐忧，莫过于算法黑箱带来的透明度危机。当影响公民权益的决策由算法做出，而决策过程对当事人不可解释、不可质疑时，治理的合法性基础将被动摇。

应对这一挑战，需要在制度层面确立“可解释人工智能”的基本要求。对于应用于公共治理领域的智能系统，必须满足透明性、可追溯、可质疑的标准：

• 透明性：系统的运行逻辑、数据来源、决策依据应向监管部门和利益相关方充分披露，不存在技术上的“黑箱”。
• 可追溯：每一项决策都能够追溯到做出决策的算法版本、数据样本和关键参数，便于事后核查和问题诊断。
• 可质疑：当事人有权对智能决策提出异议和申诉，并有畅通的渠道获得人工复核。这是保障公民基本权利的底线要求。

对于不符合可解释标准的系统，不得用于涉及公共利益的决策场景。对于高风险领域，如司法辅助、行政审批、公共资源配置等，应建立强制性的事前评估和事中监测机制，确保算法透明性得到实质性保障。

5.2 责任分配与问责机制

人机协同治理带来了责任分配的复杂性。当决策由人类和智能系统共同完成，而系统的运行又涉及开发者、提供者、部署者、使用者等多个主体，一旦出现问题，责任如何界定？

传统的“单一主体归责”模式难以应对这种复杂性。需要建立“群体责任”或“组合式责任”的新型机制。具体而言：

纵向责任链条的扩展。将场景涉及的人机责任作为一个整体纳入考量，把算法设计者、数据提供者、系统部署者、最终使用者等都纳入责任网络，形成“利益相关者责任体”。当问题发生时，根据各主体的注意义务和过错程度分担责任。

未明责任池机制。对于难以追溯具体责任主体的场景，可以设立“未明责任池”，由相关各方共同承担。这种机制既保障了受损方能获得救济，也激励各方在事前尽到审慎义务，尽可能避免责任模糊状态的发生。

关键决策的人类保留原则。从源头上减少责任困境的根本办法，是确保关键决策权始终保留在人类手中。智能系统可以提供建议、辅助分析，但最终的决定必须由负有法定职责的人类做出。这不仅符合民主政治的基本原理，也是最清晰的责任分配方式——责任归属于依法拥有决策权的那个人。

5.3 智能鸿沟与公平保障

智能化治理可能带来新的不平等——智能鸿沟。不同地区、不同群体在获取智能技术、使用智能服务、参与智能决策方面的能力差异，可能转化为新的社会分化。

弥合智能鸿沟，需要多方面的政策努力：

基础设施的均衡布局。通过财政转移支付、普遍服务机制等方式，确保欠发达地区能够获得与发达地区相当的智能基础设施。5G网络、数据中心、智能感知设施等不应成为发达地区的专属，而应逐步覆盖全国城乡。

数字素养的普惠提升。将数字素养纳入国民教育体系和终身学习体系，针对不同群体开展差异化培训。特别要关注老年人、低技能劳动者、农村居民等重点群体，通过适老化改造、专门培训、社区支持等方式，帮助他们跨越数字鸿沟。

智能服务的无障碍设计。智能应用的设计应遵循“通用设计”原则，确保残障人士、老年人等群体能够平等获取和使用。这既是技术规范问题，更是社会公平问题。

参与机会的平等保障。在涉及公共利益的智能化决策中，应确保受影响的群体有表达意见、参与讨论的机会，防止“数字精英”垄断决策话语权。

5.4 全球治理与中国方案

人工智能的治理是一个全球性议题。算法没有国界，数据跨境流动，智能应用的影响超越主权边界。中国作为人工智能大国，既要在国内构建完善的治理体系，也要积极参与全球治理规则的制定。

在参与全球人工智能治理时，应坚持以下原则：

开放包容。人工智能的发展需要全球合作，封闭排他只会阻碍技术进步。中国应坚持开放态度，与各国共享发展经验，共同应对挑战。

多边共治。全球人工智能治理规则应由各国共同商定，而非由少数国家垄断。中国应积极参与联合国等框架下的治理讨论，推动形成广泛共识的治理规范。

发展导向。治理规则应为技术进步和产业发展留出空间，而非过度约束创新活力。中国倡导的“发展导向的治理”，可以为平衡创新与规范提供有益借鉴。

数字包容。全球智能鸿沟问题同样值得关注。中国应推动南南合作、技术援助，帮助发展中国家提升人工智能能力和治理水平，让技术进步惠及更多国家和人民。

结语：迈向人机共生的善治未来

智能化时代已经到来，它不是未来学的预测，而是正在发生的现实。政治体制和经济体制的人工智能重构，不是要不要做的问题，而是如何做得更好的问题。《未来国策》所倡导的，是以清醒的历史自觉、系统的制度设计、坚定的价值坚守，主动塑造智能化进程，使其朝着“以人为本、智能向善”的方向发展。

在这个过程中，“智能化单一事实来源”构成了治理现代化的数据基座。它让决策建立在真实、一致、实时的事实基础之上，让不同部门、不同层级之间能够基于“同一套事实”对话和协作，让人工智能的深度参与拥有高质量的数据支撑。这不是技术乌托邦，而是正在从各地实践中生长出来的现实可能。

我们也必须清醒地认识到，智能化不是万能药。技术可以提升效率，但不能替代价值判断；可以增强能力，但不能取代人的主体性。人工智能是人类创造的工具，它应当服务于人的发展、增进人的福祉，而非让人类成为技术系统的附庸。这是《未来国策》全部论述的价值原点，也是我们评判智能化进程的根本尺度。

走向人机共生的善治未来，既需要技术创新，更需要制度创新；既需要效率追求，更需要公平保障；既需要立足国情，更需要胸怀天下。唯有在技术、制度、价值三个维度上协同发力，才能让智能化真正成为中国式现代化的有力支撑，为人类文明进步贡献中国智慧和中国方案。