打开“智治”的盒子：AI政务的城市方法论
总体而言，城市能级越高，应用越深入。普通地市多停留在智能咨询、公文辅助等通用场景，多数省会处于工具嵌入深化阶段，头部城市的部分智能体已深度嵌入闭环治理的体系中。
需要指出的是，“整体智治”之“整体”，不应只是部门之间的整体，更应是政府与社会的整体；居民若始终置身议程之外，智能治理越高效，治理的正当性根基反而越单薄。
文｜南方周末城市（区域）研究中心
责任编辑：李婧
治理是城市运转的中枢机能，是公共服务供给的根本保障。从根本上说，推进政府治理现代化，就是要让政府以整体协同的方式运转，让企业与群众办事更高效、权利更安稳。在人工智能的牵引下，地方政府的“智治”寄托的正是这样的期待。
回望地方政府政务数字化的三十年，从上世纪90年代的“政府上网”，到“一网通办”“最多跑一次”，再到今天的大模型，技术形态几经更迭，主线始终未变：让政府像一个整体那样协同运转，而非一百个部门一百扇门。按学界常用的阶段划分，这一进程如今走到数字政府4.0的高阶状态——“整体智治”。
当前，人工智能浪潮的兴起及其在政务领域的密集试验，正在为“整体智治”补上关键一环。在过去的信息化浪潮中，“整体协同”更多停留在平台整合与界面优化层面；大模型的到来，第一次让整合有了深入职能核心的技术抓手。2025年2月，深圳龙岗区在政务外网部署上线DeepSeek-R1全尺寸大模型，星星之火迅速燎原：政务大模型全面渗透政务服务、机关办公、社会治理、辅助决策四大核心场景。
据智能超参数统计，2025年全国大模型中标项目达7539个，披露中标金额295.2亿元，政务领域在其中占据举足轻重的份额。
然而，喧嚣之下亦有隐忧。这场变革呈现出鲜明的梯度分化：城市群之间、省域内部差距拉大，分化突显；头部城市率先实现治理能力跃升，一些地区却陷入建而不用、用而不深的困境。与此同时，基层运维薄弱、人才储备不足、制度建设滞后等短板持续暴露。
南方周末城市（区域）研究中心研究团队历时半年，通过实地调研、访谈和交叉比对等方式，试图呈现人工智能浪潮之下，地方政府探索的政务数字化实践。
研究团队的基本判断是：人工智能浪潮及其在政务应用领域的试验，为我国数字政府迈向“整体智治”的更高阶段提供了技术前提和实践基础。AI牵引的数字政府建设，本质上指向政府的“智能治理”——以智能化技术为引擎、以人本立场为尺度，把效率的提升从外部办事流程推进到职能部门的真实业务场景，实现“群众、企业少跑腿”与“办事人员提效率”的整体效能贯通。
本报告遵循“场景—城市格局—问题分析”三个层次，逐层打开“智能治理”的盒子：先看AI如何改变政务的日常，再辨区域领跑与掉队的机理，最后直面落地困境与公民本位的制度缺口，试图从各地的探索之中，提炼一套可资参照的城市方法论。
“湾区智警”机器人（左）在深圳福田区香蜜湖路、红荔西路交叉路口指挥车辆通行。（新华社/图）
场景之变：通向前瞻治理
观察这场变革，需要一把合适的尺子。本报告以“智能治理”度量各地的探索：既看对外——企业、群众办事是否更高效、更公正；也看对内——一线办事人员是否真正减负增能。从落地程度看，政务AI正沿着“工具嵌入—专业适配—智能体接管”的路径深化：先是作为通用工具提供智能问答、语音转写等标准化服务。中国信息通信研究院副总工程师何伟指出，这一阶段的核心价值在于降低人工服务的重复性负担，文本与机器人协同的政务大模型已分流近三分之一的人工服务；继而经过本地政务数据微调，应用延伸到表单预审、辅助填表、智能分办等业务环节；如今，具备自主感知、决策与执行力的政务智能体开始出现，逐步接管部分自动化流程。四个领域的实况如下。
（一）政务服务：从“被动答疑”到“主动办事”
政务服务是当前落地最成熟、群众感知最直观的领域，整体完成了从被动答疑向主动办事的升级。智能问答作为普及度最高的政务AI形态，通过梳理高频事项、归集业务规则、搭建标准化知识库，缓解了传统咨询响应不及时、口径不一的痛点，让机器能读懂群众诉求、按标准应答政务问题。
深圳AI政务助手“深小i”是其中的先行者。截至2026年6月，作为全国首个面向公众的实用型AI政务服务助手，其上线以来注册用户超150万，提供服务超600万次，单次解答精准率超过95%。换句话说，这相当于在深圳每12个人中，就有一人用过“深小i”询问政事。
以“智能治理”的尺子量，这是“对外效能”最直观的样本：高频咨询被机器实现，群众的一次次询问都被精准识别并得到标准应答。
在此基础上，智能辅助办理让系统可以“动手办事”。针对公积金查询提取、高龄津贴申领等简易高频事项，群众可通过对话交互直接办结；面对复杂业务，AI以表单预填、材料预审、流程导引压缩办事成本、减少申报失误。
福建漳州“候喜”AI智能助手在全国率先实现智能咨询、边问边办、辅助审批功能全覆盖。它通过学习超15万份政策文件，构建了涵盖全市69个部门、5万余个事项的知识库，累计使用量突破61万次，群众办事必填材料减少25%、事项一次性办结率提升80%。
在政策服务层面，AI改变了以往“人找政策”的被动模式。广州“穗@i企”政策智算器归集三千余条惠企政策，为280万家企业推送政策超5900万次，实现政策找人、精准直达。
也应看到，智能化服务的红利多流向数字素养较高的用户。对老年人、低数字素养群体而言，若线上入口越做越强而线下兜底同步收缩，反而可能形成新的服务落差——“群众”从来都不是同质的整体，群体可及性需要被单独看见。
（二）机关办公：迈向“脑力劳动自动化”
在机关办公领域，AI正推动办公迈入“脑力劳动自动化”的新阶段。长期以来，公文撰写校对、海量政策检索等工作高度依赖人工经验，耗时漫长且容易出错。如今AI深度嵌入办文、办会、专业业务审核流程，把过去依靠个人经验的主观判断转化为可追溯、可校验的标准化智能比对，既收获效率跃升，也更新了工作标准、减少了人为疏漏。
当前落地集中于辅助文书起草、资料检索、智能分办三个方向。
辅助文书起草借助大模型的生成、校对和润色能力，覆盖公文起草、格式校核、内容纠错、摘要提炼等全流程，着力破解基层写稿耗时长、表述不规范、体例不统一的问题。广东打造全国首个省级政务智能中枢“湾擎”，集成公文处理、政策研究、材料审核等能力，依托统一的办公组件搭建全省政务AI办公底座，实现省级能力全域复用，正是“对内赋能”与整体协同的题中之义。
资料检索场景通过知识图谱、语义理解和检索增强技术，实现政策文件、办事指南、历史资料的智能匹配和精准答疑，打破部门之间的信息壁垒。各地普遍通过归集辖区政策条目、办事流程、问答案例构建专属知识库，缓解海量资料难找、难用、难比对的问题。
智能工单分办则瞄准人工分拣压力大、派单不准、流转滞后、权责模糊等堵点，依托自然语言理解和海量历史工单训练，自动完成诉求拆解、事项归类、权责匹配、智能派单，从源头减少推诿扯皮、重复流转。青岛依托城市云脑大模型实现数万件政务事件全自动派单，准确率达92%，单事件派发耗时压缩至1秒内。
（三）社会治理：从“人工巡查”到“全域感知”
在社会治理领域，AI正推动城市从人工巡查、事后处置，转向全域感知、智能预警、闭环处置的主动治理模式，主要涵盖智能巡检、执法监管、风险预判三个方向。
智能监测巡检让城市基础设施具备“自我感知”能力，实现隐患早发现、早预警。南京“城市之眼”作为国内首个城市级多要素感知中枢，整合近27万路视频、数十万物联设备，打通燃气、供水、桥隧及政务热线、交通消防等系统，形成全链路治理闭环，让城市运行的每一处异动都能第一时间被捕捉到。
辅助执法监管依托语音识别、视频分析、知识图谱等能力，破解基层执法定性难、查规慢、文书繁的难点。2025年北京经开区落地全国首个全流程AI执法大模型，实现全领域案件线上办理，具备自主研判、自动生成文书等功能，办案效率提升超50%；2026年又推出AI+AR智能执法眼镜，在5到8米外即可自动捕捉车牌、秒级比对备案状态。效率跃升的另一面，是自主研判、自动生成文书带来的新课题：机器介入执法越深，人机之间的权责边界越须划清。“可问责”这把尺子，先在这里立了起来。
经济治理的风险预测应用相对有限，但已有代表性探索。广东“粤经济综合智能体”以“1个经济大脑+10大专业智能体”为架构，实现经济指标监测、异常识别、成因溯源、趋势研判，目前已服务全省近10万公职人员。
（四）辅助决策：从“经验判断”到“数据推演”
在辅助决策领域，AI推动政务决策从经验判断转向数据推演、智能预判，覆盖灾害预警、应急处置、政策评估、辅助评审等关键场景。
灾害预警的关键在于风险前置。应急管理部“久安”大模型作为国家级智慧应急大脑，可在30秒内从数万路视频中锁定内涝风险；南京“宁安晴”应急大模型融合二十余万件法规标准和六百余万条应急专业知识点，实现应急风险智能研判全域覆盖。这类大模型从海量数据中识别风险、匹配对策，将治理关口从灾后响应前移到灾前预警。这种前瞻性治理，正是智能治理区别于以往信息化的关键一跃。
应急处置场景依托智能算法和仿真能力，结合现场态势、人力物资、救援力量分布，快速推演不同处置方案的落地效果。上海“禹智河洛”防汛智能体依托高精度时空数字底座，精细化建模管网、检查井等城市水系单元，秒级推演水情演化趋势，落地后空间智算、动态模拟、智能调度等核心业务的处置效率提升65%以上。
在政策评估方面，大模型通过挖掘公众反馈、市场表现、经济运行等信息，多维度评价政策实施的成效和潜在问题。浙江依托财政“AI哨兵”对转移支付资金开展全流程智能研判，精准识别资金使用偏差与执行低效。据浙江省财政厅披露，其预警准确率已由23.3%提升至61.3%，风险疑点业务量增长6倍多。用算法盯住公共资金的流向，监督便不再依赖事后抽查，而成为全流程的在线值守，可视为“可问责”治理的雏形。
在智能辅助评审场景中，AI依托文件深度解析和规则自动比对，提升项目、资金、采购评审的效率和规范性。江门蓬江上线“人工智能+政府投资工程项目审查辅助系统”，打通财政、发改两大核心业务，以往需数周完成的项目预结算审核，AI半天即可完成筛查纠错、对标整改，有效减少企业反复跑腿。
总体来看，四大领域呈现出清晰的梯度：政务服务最为成熟，已形成规模化应用；机关办公全面普及，从写材料、查文件迈向智能派单、自动流转；社会治理加速突破，从“看得见”向“能思考”升级；辅助决策仍在探索，但智能评审等场景已初具规模。
格局之辨：谁在领跑
四个领域的实践，拼出了政务AI的全景图。从部署的密度和深度看，全国大致呈三级格局：粤港澳大湾区、长三角、京津冀三大集群的城市率先实现全场景打通；成都、武汉、重庆、西安等内陆省会单点突破；大量普通地市和区县以轻量化应用起步。总体而言，城市能级越高，应用越深入。普通地市多停留在智能咨询、公文辅助等通用场景，多数省会处于工具嵌入深化阶段，头部城市的部分智能体已深度嵌入闭环治理的体系中。但仅以“层级”描述这场分化并不够，真正值得追问的是：领跑者为何领跑？
（一）大城大区领跑：资源密度与试点授权
最醒目的领跑者，是超大特大城市的主城区。技术、人才与财政在这些区域高度集中，探索意识强，好应用出现得也早。
具体来看，深圳龙岗区在政务外网部署上线DeepSeek-R1，是这轮浪潮的全国起点；同城的南山区作为广东省城市全域数字化转型试点区，2025年2月即接入DeepSeek，7月上线“AI智办”专区，数字政务专员“南小智”覆盖卫健、城管、民政等部门的高频事项，材料智能核验使填报错误率降低80%、首次申报通过率提升至90%以上。北京海淀区2025年11月推出政务服务智能体“淀小二”，覆盖全区1700多个事项，“边聊边答、边聊边查、边聊边办”一体推进，教师资格认证的办理从8分钟压缩至2分钟，并专门为老年人保留语音通话入口、破解“数字鸿沟”。上海浦东新区上线“12345市民服务热线大模型”，搭建19个智能体，单条工单审核从15分钟缩短至5分钟、审核准确率达90%——浦东2024年受理热线工单41万件、占全市三分之一，AI减负的效果立竿见影。此外，杭州滨江区的基层治理助手“滨小治”将文书工作时长缩短70%，成都高新区在“不见面审批”和无感监管上形成特色。
主城区领跑的机制，可以概括为三重条件的叠加：场景密度——南山区商事主体已突破60万户，服务需求足够密集，AI有足够的“原料”可喂；资源密度——技术、人才、财政在同一空间高度集中；试点授权——南山、浦东等区域承担着省级乃至国家级改革试点身份，改革有制度空间。场景解决“有没有”，资源解决“能不能”，授权解决“敢不敢”，三者缺一，探索都难以成势。
（二）卫星城借力：从“星期六工程师”到机构化外溢
最意想不到的，是第二类领跑者：一线城市周边的中小城市。
江门是典型。研究团队实地调研的蓬江区基于DeepSeek本地化部署的政务AI助手“江小i”，覆盖1700多个政务服务事项，85个高频事项实现“边聊边办”，2025年12月获评南都“AI治理应用十大示范案例”；江海区（江门高新区）成为江门首个在信创环境下实现DeepSeek本地化部署的县级区域，构建起“6+12”政务AI应用矩阵，其城市治理一体化AI智能管理系统接入约2800路视频监控，自动识别五类风险事件，是首次在村居一级落地的智慧治理系统。加上前文的蓬江项目审查系统，这座并非数字政府第一梯队的城市，在政务AI上的落子密度远超其经济体量对应的位次。
一个有意思的问题随之而来：江门这类“卫星城”凭什么？
机制与当年珠三角的“星期六工程师”如出一辙。上世纪80年代，广州的国营厂工程师周末到佛山、东莞的乡镇企业兼职技术指导，技术以“人的流动”实现外溢；今天，广深的算法、模型和企业化服务以“机构的输出”实现外溢。江门市在政府文件中明确提出“充分利用深圳人工智能算法、机器人核心部件研发创新优势”，依托深江经济合作区承接成果转化和规模化生产。
所不同的是，今天卫星城的“借力”更稳定、也更制度化：江门在市级层面成立DeepSeek人工智能赋能政务领域应用工作专班，把外溢而来的技术资源组织进本地治理场景，“江小i”亦拓展为覆盖市、区两级的智慧应用矩阵。邻近外溢解决“供给从哪来”，地方政府的开放意识和组织能力决定“接不接得住”。
在同一模式下，惠州仲恺高新区2025年2月上线“双通道”政务服务智能支持系统，它对内是窗口人员的“智慧工作台”，对外是群众的“掌上AI导办”，窗口单次业务咨询时间由平均6分钟缩短至3.5分钟；中山则在12345热线部署智能坐席助手，提升话务应答和工单填写的效能。
（三）条线先行与底座复用：另两条路径
如果说前两类领跑者依赖的是特定行政区域内的资源集聚和制度空间，那么第三类领跑路径则来自“条线”的纵向穿透。
应急管理部的“久安”、浙江财政的“AI哨兵”、广东的“粤经济”，都是部委和省厅以业务条线为单位纵向穿透的产物。它们不依赖某一个城市的能级，而把AI直接送进全国、全省的系统末梢。
对更广大的后发地区而言，更好的路径是省级底座复用：贵阳贵安依托政务外网部署政务大模型公共服务平台，整合省级算力资源，实现市、县、乡、村四级全覆盖，不求本地原创，先解决“有没有”。
问题与方法：如何更好
在技术狂飙突进、场景快速铺开的背后，区域分化、建设失衡、经验脱节、人才短板、制度滞后等问题逐步显现，制约着政务AI的提质增效，亟需系统性破解。
（一） 弥合区域鸿沟
政务AI的普及并未抹平区域治理差距，反而加剧了分化。发达地区依托海量的政务数据、完善的人才配套和丰富的应用场景，形成数据富集、模型迭代、治理升级的正向循环；欠发达地区并非缺少AI系统，而是受限于数据体量不足、质量不高、业务样本匮乏，模型精准度不足、应用浮于表面，难以延伸至深度治理场景，导致差距持续拉大。
省级统筹算力和大模型底座，地市在省级框架下开展场景开发，县级原则上不再独立自建大模型，直接复用上级能力。这一集约化模式产生了双重效应。一方面，它遏制了重复建设，大幅降低欠发达地市的接入门槛——中西部地区无需重资产投入，调用省级底座即可获得基础AI能力，解决了“有没有”的问题；另一方面，省级平台的建设水平直接决定省内所有下级单位AI能力的“天花板”。率先建成省级中枢的广东、上海、浙江已锁定先发优势，省级统筹滞后的地区即便个别城市努力追赶，也面临着能力上限的硬约束。
与此同时，政务AI存在明显的“数据漏斗效应”。高质量政务数据（办件详情、退件分析、投诉记录）集中在省会和发达城市，欠发达地市的本地知识库建设滞后，AI在本地场景中“水土不服”。省域内部的“数据漏斗”与“场景漏斗”叠加，可能制造新的不平衡，县域数字治理如何从被动承接转向主动赋能，仍需更深层次的机制创新。
破解之道在于分层分类施策。在省域层面，省级统筹不能止步于算力与模型底座的统一搭建，更要实现数据、标准、运维的全域统筹：建立常态化数据回流机制，推动核心政务数据下沉市县；统一全省政务数据的标准，打通跨区域、跨层级的应用壁垒；依托省级技术团队搭建远程运维体系，防止基层系统上线即衰减。在全国层面，欠发达地区最务实的路径是依托省级统一底座，聚焦本地业务需求，做好知识库微调与场景适配，稳步提升政务智能化的水平。
（二）警惕“建而不用”
尽管中央政策强调“统筹集约”，部分地区尚未完全落实。省、市、区县多头采购，底座不互通、知识库相互隔离的现象仍然存在；部分区县盲目跟风自建大模型，忽视自身技术运维能力，造成项目闲置、资金浪费，“重建设，轻运营”问题突出。
“建而不用”并非危言耸听。众多媒体关注到的现象是：有的地方精心打造的“智慧门面”，漂亮的机器人和炫酷的大屏主要用于接待来访参观，平时基本处于关闭状态；有的政务服务资讯系统建成后就停用，或未有效运作，沦为“僵尸平台”。中央网信办、国家发展改革委《政务领域人工智能大模型部署应用指引》亦明文要求“避免重复建设、无效建设，避免未审先建、建而不管，避免强制使用、无效使用”，切实防范“数字形式主义”。
媒体的一线观察与政策警示共同说明：技术红利不会自动兑现。各地应严格落实集约化部署，建立算力、数据、场景、采购的统一机制。浙江宁波奉化区整合全区技术资源、统一调度运维力量，90天内将应用系统压减39.3%、运维成本降低30%，提供了有益参考。
（三）经验迁移：头部经验的水土不服
北上深杭的标杆案例，建立在海量的感知设备、完备的政务数据体系、足量的技术团队支撑的基础之上。中小城市普遍缺乏相应的硬件基础、数据样本和人才储备，简单照搬大城市的城市大脑、风险预警算法，极易出现识别不准、方案与本地需求脱节等问题，甚至沦为看上去先进、实际不好用的形象工程。
北京大学马亮等学者警告，“一哄而上和分散建设，极易带来财力浪费与资源闲置。”
因此，头部经验不能盲目复制，必须立足本地实际做适配。或直接复用上级底座，只做本地政务知识库、权责清单的适配及轻量化场景开发；或引入成熟方案，围绕本地治理痛点小范围定制改造。试点选择应注重真实场景的代表性，不刻意营造理想化条件，防止成果沦为无法推广的“孤岛式创新”。
（四）人才之困：不会用、不敢用、系统没人养
省级统一底座可以解决基层“有无可用AI”的问题，但场景落地、知识库更新、模型调优仍依赖既懂政务又懂AI的复合型人才。多数基层区县缺乏专职的技术运维团队，政务AI系统普遍“上线即停滞”，知识库更新滞后、模型效果持续衰减，无法适配政策与业务的动态迭代。
与此同时，随着AI工具在办公中普及，其对干部能力的潜在侵蚀值得警惕：过度依赖AI，可能使部分干部逐渐丧失深入基层调研的耐心和独立分析的能力，陷入技术依赖、能力退化、治理风险上升的恶性循环。AI的本质是工具而非决策主体，政务智能化须坚持人机协同。由AI承接标准化、重复性工作，涉及价值判断、利益调配、复杂风险研判的关键事项，必须保留人工审核与最终决策权。
针对基层短板，需健全长效保障机制：依托省级平台搭建远程运维体系，为基层提供常态化模型调优与知识库更新服务；开展分层分类精准培训，提升基层实操、干部研判、执法风控的能力；优化考核导向，从重建设投入转向重实际成效，推动政务AI从“建成”走向“好用管用”。
（五）制度滞后：算法行政的规则缺口
政务AI的落地速度远超法规建设。尽管杭州、上海等地已在管理制度上先行探索，但就全国而言，算法透明、问责监督、公众参与等具体制度安排仍存缺口，人机权责边界模糊正在成为突出的隐患。当智能审批、自动处罚等算法决策出现差池，算法缺陷、数据偏差、行政主体履职失误的责任往往难以划分。
国家信息中心副主任王冬欣指出，当前政务智能体存在身份不绑定、责任链条断裂、伦理风险难管控等问题，亟需依托数字凭证技术把智能体与责任主体绑定，实现操作全程可追溯。
补齐短板需从制度供给与技术支撑两端发力：一是推动人工干预实质化，设置分级风险预警，涉及群众重大权益的事项强制转入人工，搭建“法定复核义务、基层自主裁量、群众申请复审”三级触发机制；二是依托智能体溯源技术厘清权责，探索容错与激励相结合的考核问责制度；三是针对政策变动、模型偏差、特殊个案建立分类反馈机制，将人工修正数据回流，用于模型优化，逐步搭起覆盖算法评估、人工监督、全程溯源、责任追究的完整制度框架。
（六）回到“人”本身
上述阵痛，多从政府供给侧立论。但治理的终点在“人”，而“人”在当前政务AI的图景中，主要以两种面目出现：被服务的对象，被算法识别的数据点。这恰是最深的缺口。智能治理能回答“如何更高效”，却回答不了“为谁而高效、由谁说了算”。而后一个问题的答案，只能来自参与。
必须指出，公众参与之缺憾，缺的不是一个意见箱、一轮问卷调查，而是一套让居民进入算法治理全过程的制度安排。模型用什么数据训练、场景按什么优先级开放、算法出了偏差由谁纠正，这些议程目前几乎全部在政府内部设定。需要指出的是，“整体智治”之“整体”，不应只是部门之间的整体，更应是政府与社会的整体；居民若始终置身议程之外，智能治理越高效，治理的正当性根基反而越单薄。
出路，在于把居民的参与式治理与AI赋能结合起来：前者提供正当性，后者提供技术杠杆，互为燃料。结合至少有三个层面：
其一是需求。AI先做什么，不应取决于政府“觉得需要”，而应经由民主恳谈、居民议事排出优先级，把社区AI应用的选题权交还居民，让“政策找人”之前先有“民意立项”；
其二是规则。涉及民生的算法规则应译成大白话公开，邀请居民代表、社区工作者参与校准；杭州滨江的“滨小治”辅助社工调解纠纷，AI整理方案、人主持协商，已隐约可见“AI帮人协商”而非“AI替人决定”的形态，值得制度化；
其三是反馈。居民的申诉、差评与人工改错，不应止于个案纠正，而应结构化回流为模型迭代的养料；从“接诉即办”到“未诉先办”的跃迁，本质就是把群众诉求转化为治理议程的机制，民意由此成为算法的“训练集”。
更进一步，参与式治理与AI赋能的结合，是“人机协同”向社会一侧的必然延伸。政务AI的人机协同，目前多止于科员与机器之间；而完整的智能治理体系，还应包括居民与机器的协同。更理想的状态是，人工智能将散落的诉求聚合成可讨论的议程，把专业的规则翻译成可参与的文本，将协商的结果沉淀为可校验的数据。反之，缺了这一环，技术狂飙之下便是参与的空心化：治理越聪明，公民越沉默，数字形式主义的病灶便从“建而不用”转移为“用而不问”。
结论
第一，人工智能为数字政府迈向“整体智治”提供了技术前提和实践基础，这是观察这场变革的基本坐标。AI不是治理逻辑的另起炉灶，而是“整体智治”在新技术条件下的深化——以此为准绳，既能识别真正的变革，也能戳破概念的泡沫。
第二，政务AI不会像水波一样均匀惠及各地。主城区以密度和授权领跑，卫星城借邻近外溢上位，条线靠纵向穿透破局，后发地区凭省级底座入场。决定分化的从来不是技术本身，而是组织能力和数据治理的底子。这也意味着，掉队者的追赶之道不在多买算力，而在补组织的课、补数据的课。
第三，技术能解决效率的问题，却解决不了正当性的问题。把居民的参与式治理写进智能治理，把算法问责立成刚性制度，是比多上几个大模型更紧迫的功课。否则技术跑得越快，制度和信任的欠账越多。
技术可以狂飙，治理必须从容。让应用落地、让制度就位、让居民参与入场，如此，“智治”盒子上的许诺方能兑现，这也是智能政务真正的破题之道。
南方周末城市（区域）研究中心研究团队
统筹：戴春晨 郭倩倩
研究团队成员：戴春晨 郭倩倩 郑颖琦 石登江 李婧 李润泽子 张翼翔
执笔：戴春晨 郑颖琦 郭倩倩 张翼翔
数据及案例复核：自研智能体“城小理”
顾问：中山大学自贸区综合研究院副研究员 黄抒田