【中文摘要】中国的数字政府建设正在经历由数字化迈向智能化的深刻转变，DeepSeek的出现带来转型新契机。由广东深圳在2025年初率先启动的“DeepSeek+政务”实践已经引发全国性效应，吸引大量地方政府跟进推动接入或部署大模型，演变成为具有示范性和持续性的科技创新动员行动。基于“锦标赛理论”的视角，可以发现地方政府参与“DeepSeek+政务”的直接目的是推进数字政府建设下的多项政策子议题，根本目的是以政府创新行动获得科技创新竞争优势，但这一过程却缺乏针对性的数字政府建设方法予以指引。从数字政府建设本旨来看，该热潮背后所隐含的规模性转型风险需要通过引入进化治理理论来革新数字政府建设方法论。因此，需要立足治理实践路径依赖、相互依赖和目标依赖的基础上，以评估机制、问责与容错一体化机制和伦理审查机制为切入点，强化对治理的动态性观察和情境化设计，以进化思维构建起一套面向更好地建设数字政府的治理策略体系。
【全文】
一、问题的提出
在数字化浪潮下，“数字政府”概念及其实践注1在全球范围内逐步兴起[1]，推动包括中国在内的诸多国家启动数字政府建设。近年来，随着智能化革命开始对全球带来深刻变革，人工智能和算法系统开始以辅助行政裁量、自动化决策、预测调配资源的方式陆续嵌入各国公共治理领域的不同场景[2]，各国数字政府建设进程由此大大加快。中国的政府治理，也经历着“街头型官僚-屏幕型官僚-系统型官僚-算法型官僚”的演变，技术条件在政府赋能和社会赋权等方面的作用日益提升。[3]当前，适应多场景多任务的大语言模型（Large Language Model）开始广泛应用，进一步催化了政府转型的实现。2025年初，自深度求索公司发布全新一代推理模型DeepSeek-R1后，中国新一轮人工智能热潮随之得以被迅速激发，其中突出现象之一是，大量政府机关开始主动将该模型接入本地政务系统或进行本地化部署，DeepSeek由此开始被广泛应用于政务咨询、智能办公、社区管理、应急处理等领域（例如，2025年2月8日，广东省深圳市龙岗区正式宣布在其官方政务外网接入DeepSeek，向龙岗区各部门开放，成为广东乃至全国首个在政务信创环境下部署上线该模型的政府部门单位）。[4]由此带来的后果是，大模型本身不再是数字政府建设中的简单工具或手段之一，“实质上正在重构政府治理的权力图谱，传统科层制下的行政能力边界被AI的算法优势不断突破”[5]。
人工智能的影响是复线性的，既会提高行政能力，也会造成行政负担。由于DeepSeek等模型产品在公共领域日益普及，该类产品也逐渐开始具备公共产品属性。在行政逻辑主导的行政决策及其执行环节，该类产品还要回应复杂的实践约束和动态变化的现实诉求，技术发展的不成熟极易导致相关纠纷向社会矛盾转化，这并非简单地依靠技术规律就足以应对。显然，这些问题均非常引人注目，甚至逐渐演化成数字政府建设中的结构性问题，且难以一蹴而就地解决。基于此，在人工智能快速迭代的同时，学界也在持续对数字政府与人工智能的相关议题予以关注，这些讨论甚至超越了单一学科的研究范畴，理论来源也较为庞杂，但已经形成蓬勃发展的气象。不过，目前有关前述议题的研究，主要还是聚焦于规范性研究，或立足建设数字政府的功能与结构再造，或结合一些典型场景，或梳理归纳人工智能的技术特征，先定位其中的主要风险，再提出具体对策，而对策能否发挥实效，仍处于设想与验证阶段。总的来看，在推进国家治理体系和治理能力现代化的历史性进程中，这些研究为我们理解智能化态势下行政与技术的关系问题提供了重要借鉴，奠定了一定研究基础，但由于数字政府向智能化转型起步较晚，这些研究尚缺一种体系化、全景式的观察与讨论，也较少涉及政府作为核心主体的复杂性，从而未能完整揭示出政府在人工智能驱动下的转型方法论。
政府主动运用DeepSeek的过程，会伴随产生一种整体性的“转型风险”，并会基于实践探索的铺开而扩展。应遵循的一个基础逻辑是，从政府要兼顾能力提升与稳定性的角度出发，政府既会寻求发挥DeepSeek的多元能力以强化自身能力，又必须推动对此种新兴公共产品的监管与规制。在法治层面，代表中国人工智能最新立法动态的《互联网信息服务算法推荐管理规定》《生成式人工智能服务管理暂行办法》等规范性文件已经相继出台，但依然无法全面回应“DeepSeek+政务”中的新风险问题。如何在政府转型过程中，充分发挥大模型的技术价值，真正实现DeepSeek合理合规融入数字政府建设，需要进一步考量。因此，作为一种实际现象和分析框架，“DeepSeek+政务”的全景及其挑战无疑值得研究者加以重视。相应地，需要从两个层面提炼问题意识与研究方向：在认识论方面，我们如何认识这一现象？在方法论层面，如何在协同的视角下构建起技术发展与数字政府建设之间的关联机制？下文将尝试通过整体性思维和引入新的治理框架，对此做出回答。
二、“智能化锦标赛”：政府“DeepSeek热”的实质情境及其阐释
（一）数字政府建设回溯：转型动力仍有不足
政府的数字化与智能化转型效应具有溢出性，并会直接传导至当地的经济社会整体发展过程，所以确有可能导致政府花大力气完成转型任务，但这并不具有必然性，因为政府一直警惕数字技术背后的直接或间接风险。目前，中国数字政府建设的现实效果难言十分理想，一些数字化政务应用或集成平台的利用率不高，应用系统分散、虚置的情况较为突出，难以切实发挥出效益，有学者就直接地评价道：“整体来看，政府运行依然处于有数字化而无转型的状态。”[6]
在中央层面，数字政府建设则被视为实现“数字中国”的关键环节。例如，2022年发布的《国务院关于加强数字政府建设的指导意见》中，中央明确将加强数字政府建设定位为“建设网络强国、数字中国的基础性和先导性工程”。不过，数字政府建设的特殊性在于，其不易体现出跨地域复杂治理的外观，难以形成直接且可评价的“政绩”，更多地表现为政府以重点任务推进“自主变革”的实践形态。从负责执行的地方政府角度来看，这还会面临更为复杂的动力生成和目标定位问题：其一，受到资源配置的影响，“数字政府建设”的政治势能在地域上有所差异，这导致不同地方的政策凝聚力有高有低，还需要经历相对漫长的政策再生产过程。例如，有学者就发现，基于行政“无限责任”和“有限能力”之间的矛盾，地方政府只能对数字政府建设政策内容进行选择性再生产。[7]其二，即使当政府注意力分配给数字政府建设，数字化的虚拟性、即时性特征会促使政府急于尽快打造平台或系统来完成任务，通常很难细致入微地调研社会公众的实际需求和体验感受。其三，数字化与智能化转型必然会在政府“条块管理”上造成监管体系重构，面临的是“系统搭建”过程中数字资源归集共享与“系统运行”过程中部门权限调整的双重压力[8]，会产生不同程度的改革阻力。其四，现实中大部分公众尚未完全掌握参与数字化行政的技巧，而行政活动的“接触性”“亲历性”特征又十分显著，“有事找政府”的思维惯性使得公众通常更信任、更依赖线下的互动方式。
由此观之，以往的数字政府建设更接近于“逐底竞争”的样貌；人工智能技术的进步，在一定意义上提供了新的创新空间。早在2017年，《新一代人工智能发展规划》就提出“开发适于政府服务与决策的人工智能平台”。近年来，受大模型产业发展的驱动，不同公共大模型或政务大模型相继进入市场，也有一些城市率先上线专注政务领域的大模型注2，但要承认的是，政务领域的数字化与智能化显然还未到蓬勃发展期，整体转型节奏仍较为平缓，主要创新基本发生于广东、浙江、上海等数字经济发达、产业基础较好的省市。
一个需要深思的现象是，自2025年初以来的“DeepSeek热”已经迅猛蔓延至行政领域，数字政府建设进程陡然加速，国内诸多地方政府竞相高调宣布在政务系统中接入或本地化部署DeepSeek模型。这是自2023年生成式人工智能在国内快速普及后从未有过的新趋势，甚至可以说创造了数字政府转型的新局面。一般而言，政府事务可以分为两大类型：一类是政府内部管理的事务，可称之为内部事务；另一类是政府与社会互动的事务，可称之为外部事务。[9]因此，如果对目前已经相当丰富的“DeepSeek+政务”实践在类型上加以区分，可以在大的范畴上划分为内部事务融合和外部事务融合两大类型：面向内部，政府接入DeepSeek的目的是发挥“部署效应”，即通过自动化数据密集型任务以减轻公职人员的批量事务性工作负担、促进信息驱动的决策，从而实现潜在效率提升。[10]其典型应用为基于DeepSeek的“智能员工”。例如，广东省深圳市福田区基于该区的数智融合平台，上线11大类70名“AI数智员工”，全面嵌入240个政务场景。[11]面向外部，政府接入DeepSeek的目的是优化行政与社会的沟通和互动机制，服务于“感知-认知-行动”流程的改善。其典型应用为“数字人”等政务智能体和DeepSeek支撑的“智能政务平台”等。例如，辽宁省沈阳市和平区宣布在全省率先打造“小和”AI政务服务智能体，可以回答300项高频政务问题[12]，本质上起到政务服务“智能客服”的重要作用，极大地提高了政府与公众对话式互动的效率。这些实践探索，为我们展现出DeepSeek自身卓越的模型能力与广阔的应用前景，但也体现出一定超常规性特征，有必要对此进行分析。
（二）“智能化锦标赛”：一个解读政府“DeepSeek热”的理论模型
前文提到，地方政府运用大模型的尝试并不是自2025年才启动的，只是自始就体现出了明显的地域差异，与“DeepSeek热”的全面兴起形成鲜明对比。在学界早已对人工智能风险展开大量研究、顶层设计亦密切关注人工智能风险的背景之下，又应当如何理解政府“DeepSeek热”这种现象的实质呢？更进一步说，这种接近于“逐顶竞争”的现象究竟是昙花一现，还是最终会成为一种数字政府建设的新范例，并能为社会提供稳定预期？直观地看，“DeepSeek热”应是源于技术巨大进步所引发的社会高度认同，促使包括地方政府在内的各类主体自发、积极地响应新兴技术发展趋势。但这个分析对全国性的政府“DeepSeek热”仍欠缺解释力，因为基于相异的资源禀赋和发展基础，并非所有的地方政府都能从中获得直接的创新回报。大部分地方政府在过去甚至不具备全面实现智能化的技术条件和组织保障条件，往往成为数字政府建设中“沉默的大多数”。
于此进行视角的转换，将观察的重点由技术转到政府本身，或许更契合认识政府行为的逻辑起点。为此，我们需要构建一个足以初步总结现象的模型来予以说明。回顾过去，地方政府在特定议题中“一拥而上”的现象并不鲜见注3，学界也对此做出过多种解读，其中一个经典模型即为“锦标赛理论（Tournament Theory）”。传统的“锦标赛理论”强调将组织内的晋升与薪酬差距视为一种类似体育锦标赛的竞争机制，通过预先承诺的奖励结构激励员工努力，主要运用相对绩效来作出评价。[13]中国学者将这一理论率先应用于政治经济学领域，将其解读为是上级政府对多个下级政府部门的行政长官设计的一种晋升竞赛，竞赛优胜者将获得晋升，而竞赛标准由上级政府决定[14]，其潜台词是“以激励促行动，以竞争促发展”。自该理论提出后，学界不断将其运用于分析多个领域的政府行为。从“锦标赛”视角出发考察政府“DeepSeek热”的全貌，上述问题便转化为如何厘清这一现象的动因、演变过程和特征。
⒈“智能化锦标赛”的关键性动因：技术迭代打造数字政府建设新起点
或有论者会指出，发动“锦标赛”的一般前提是，各地政府要处于经济社会发展的“同一起跑线”。诚然，一地的经济发展水平和财政收入一般会决定着当地数字政府建设的进程，数字政府建设的资源分散化是其成效不高的主要原因[15]，这也与数字化和智能化技术采购需要消耗大量人力、财政等资源有关。结合大模型发展趋势来看，一个普适的发展思路就是投入大量资源形成高质量数据集、攻关算力，打造更高参数量的大模型。在“数据+算力+模型”的基本架构下，政府就需要在政务数据开放、专项资金管理和部门权责划分等环节“向外配合”和寻求帮助，一种“技术-组织-社会”三方紧密互嵌的结构由此基本稳定下来，但也意味着政府需要持续投入大量资源以达成三方的平衡。受层级低、资源不足、综合事务繁重以及发展路径依赖等诸多因素的限制，地方政府的创新不足可谓常态，即存在一种疲于应对常规工作、无力开拓创新加分项的困局，反过来则会对特定创新点的爆发制造契机。
2024年后，深度求索公司相继推出DeepSeek V2、DeepSeek V3以及DeepSeek-R1等推理模型，并在核心理论和训练方法上逐步实现了颠覆式创新，引发了全球关注。最重要的是，DeepSeek将模型架构和参数基于MIT许可协议开源，特别是将训练算法、目标函数等技术细节公布，对于实现模型复现和广泛普及具有重要意义。DeepSeek-R1还通过DeepSeek-R1-Distill系列小模型，将“蒸馏微调”引入大众视野，有利于弥合社会不同群体接触或部署大模型的“鸿沟”。这种突破式创新是非常态现象，故而也会引发政府和社会的非常态反应。
对于欠缺研发资源和能力的地方政府来说，DeepSeek的开源策略意味着获取先进的模型架构和训练好的基础模型并不困难，或可以直接借助云平台进行本地化部署，在成本较低的情况下最大程度地发挥基础模型的作用。这也是政府“DeepSeek热”的最直接原因。由此来看，无论是人工智能产业基础更扎实的东部沿海地区，还是正处于赶超阶段的中西部地区，均具备了以经济高效方式促进“智能政府”走向现实的可能性。更值得注意的是，政府在数字化与智能化转型上有较低的风险容忍度和风险承受能力，核心诉求是在保障安全、稳定的前提下推进数字政府建设，DeepSeek作为本土研发模型，能在政务数据共享和处理等具有较大风险隐患的环节予以保障。由此，DeepSeek在一定程度上回应了地方政府“不能用、不敢用”大模型的困境，催化了“智能化锦标赛”的出现。
⒉“智能化锦标赛”的导向及其过程：促进科技创新与政府转型的统一
DeepSeek的出现为数字政府建设设定了新起点，但如果按照过去的政务大模型推广和应用经验来看，一个模型产品的“爆火”，并不必然会导致前所未有的政府行动。“锦标赛理论”点明的是地方政府的行为会具有横向竞争的特征，为我们提供了新的启示。
首先要明确的是，数字政府建设在当下已经不再是一个仅面向政府能力提升的议题，通常包含着促进经济发展、加强政府建设和优化社会服务等三个主要类别的政策子议题，而某一特定政策子议题所获得的关注度大小，反映的是政府在官方话语中对该项政策的“议题界定”抑或“框架构建”[16]，而政府部门治理导向的迁移以及政策产出的差异，本质上又是政府注意力选择方向与分配强度差异化组合的结果[17]。从这个背景出发，我们可以从宏观和微观两个方面剖析“智能化锦标赛”的过程。
在宏观层面的议题设置上，由于中央要求贯彻落实新发展理念和新质生产力理论，推动科技创新的战略地位显著提高。人工智能发展在当前不仅已经成为社会对科技创新最直接的认知，也已经是地方政府注意力分配的核心。
习近平总书记在二十届中共中央政治局第二十次集体学习时强调，人工智能作为新技术新领域，政策支持很重要。要综合运用知识产权、财政税收、政府采购、设施开放等政策，做好科技金融文章。各地方政府期望通过出台政策或提出策略来推动人工智能发展，是基于传统经济增长方式已经乏力的现状。有研究者指出，地方政府竞争重点一般在收益大、周期短的政绩明星产业，而科技创新投资大、周期长和风险高，地方政府缺乏对科技创新的政策激励和财政支持，也就意味着地方政府竞争程度与科技创新效率成反比。[18]因此，地方政府过去致力于开展的是土地开发、基础设施建设、招商引资等尽快获得经济效益的政策议题，这也说明地方政府的政策布局和注意力分配具有单一性。
随着科技创新的定位被提升到前所未有的高度，服务和引导科技创新成为政府的重要职责之一，诸如科技进步贡献率、全社会研发经费支出、研发投入强度等重点指标被引入政府考核评价体系。若从“委托-代理”（Principal-Agent）关系来看，在科技创新这个领域，中央和上级政府对科技创新的关注通常会演变为“委托”的重点任务，从而被地方或下级政府接受“代理”并纳入常规政策议程中。自2023年后，人工智能已经成为科创领域无法绕开的“新蓝海”，特别是在国际发展环境复杂化的背景下，人工智能发展开始被增添更深刻的国际竞争意义，就此而言，人工智能发展已经不再是一个简单的技术进步问题，而被赋予了多重价值，对于党和政府、社会公众、企业等多方主体来说均具有统合目标和行动的意义。目前，从中央政府到地方政府，都出台了大量支持人工智能发展的专项政策，足见国家对于人工智能的重视程度。这导致的直接后果是，牵引政府注意力往科创领域特别是人工智能领域分配，“人工智能热”应运而生。
而在微观层面的议题设置上，由于DeepSeek的出现具有突发性和泛影响性，率先进行垂直化落地的主体，将取得较高的社会关注度和先发优势，对于地方政府而言亦是如此。相应地，没有及时开展探索的其他地方政府，则会承担更严峻的竞争压力，即需要尽快通过不同的行动策略参与竞争。
压力体制下的地方政府客观上存在以科技创新带动经济社会发展的需求，但如何找准发力的切口成为当务之急。原因在于，推进科技创新在本质上属于政府的一项政策行动，但在“委托-代理”关系内，对于如何具体推进的问题，作为委托方的中央或上级政府的指引又是相对模糊的，赋予了地方政府开展自主性探索的空间。前文提到，凭借其技术架构上的巨大创新和开源模式的开放性，DeepSeek被视为中国在人工智能领域的重大原创性成果，其研发与应用“成为人工智能发展过程中一次重要的智能跃迁，也是中国人工智能高质量发展的典型事件”。[19]从政府角度看，以数字政府建设为切入，关注的是能否通过DeepSeek实现两方面效应：
第一，能否通过创造投资以增进投资，从而带动经济增长。有学者通过实证研究指出，政府在数字化转型过程中发生的政府采购行为可作为一种产业政策工具，带动相关产业发展，以此促进企业投资。[20]事实上，地方政府一直在关注科技创新能否发生扩散效应，以带动经济增长的问题。例如，有报道就指出，“关于AI部署，地方官员通常都关注几个方面。他们首先希望AI能够推动经济发展与产业升级，例如通过支持智能制造或数字经济来提升本地竞争力……”[21]追根溯源，这还是由于经济增长在当下被视作地方政府官员的最主要政绩，驱使他们灵活采用各种手段以实现目标。
第二，能否通过自身的创新示范行动，构建创新的政策叙事，以吸引科创资源“用脚投票”。进入2025年以来，以深度求索公司为代表的杭州科创公司群体得到全国热议，相关讨论推动全社会对如何营造更好的科创环境进行了深入反思。创新性通常是通过大量前沿新颖的概念引进和改造而成，“第一”“首个”“首次”“最先”是其关键绩效指标。[22]即使不在“锦标赛”情境中，大量实践已经表明，政府通常对这些关键绩效指标具有较高的敏感度，因为这会构成“政绩”的直接表达，近年来火热的“首发经济”等即为典型。
在这个情境中，政府的创新示范行为不仅为自身带来关注度，还会对社会具有强指引效果，从而能营造出更加活跃的科创环境，这就是政府“参赛”的深层次动机。有学者指出，通过改善相关利益主体对于政策创新特定属性的感知，提升他们对政策创新的认同程度，将有机会调动来自相关利益群体的各类资源以延续原有的创新。[23]结合实践来看，广东省深圳市龙岗区政府于2025年2月8日宣布启动接入DeepSeek，深圳全市则在2月10日完成“满血版”DeepSeek R1模型在政务云的部署，2月16日已经在全市范围内启用模型。随后，其他地方政府迅速行动，大量企事业单位、高校又继续跟进，此起彼伏的实践创新不仅重塑了全社会对人工智能技术的再认知，同时也从侧面烘托出增量自发创新行为的价值：各类主体借助DeepSeek打造“创新高地”的自身形象，从而获得社会关注度和认可度，潜在的激励效应与科技创新资源再分配成为相应回报。
综上所述，尽管DeepSeek系列模型落地政务领域的实效有待观察，但其仅需轻量投入，同时具备无可替代的科技创新象征意义，对于地方政府而言是极具“性价比”的创新策略，地方政府为实现政绩目的和获得科层制激励而实施了行政动员，也就不难理解了。这种动员现象一方面没有脱离科技创新的“委托-代理”关系，另一方面还体现出“锦标赛”自我强化和路径依赖的特点。尤其是在创新初期，由于信息不对称程度较高、策略选择空间较大，各治理单位通过策略试错展开多维竞争，会形成“群雄逐鹿”的活跃态势[24]，这使得在竞争压力的传递下，“你上我也上”的情况并不鲜见，最终形成了兼具竞争与发展的“锦标赛”外观，“DeepSeek热”也不再仅仅依附于数字政府建设的议题安排，反过来驱动了政府的改革。
⒊“智能化锦标赛”的认识论意义：关注“智能政府”的治理问题
“智能化锦标赛”为我们呈现的现象特征是：贯穿在“智能化锦标赛”中的主线是科技创新，政府不断推进实践的基础是竞争压力，维持实践的力量在于政府持续配置行政资源和注意力，导致数字政府建设成为一个切入点，而非总体性目标。那么紧接的问题就是，将“DeepSeek热”认识为一种“智能化锦标赛”，有何现实意义？其意义首先在于，实现了对相关讨论的概念化，使“DeepSeek+政务”领域的治理研究具备更聚焦的讨论对象。其次，“智能化锦标赛”是一个范本，展现了地方政府在当下面临创新不足局面时的行为逻辑，也勾勒出了地方政府创新策略选择的矛盾，即一方面要竭力展示创新标签，另一方面又要努力为创新行动寻找合法性。[25]随着实践的铺开，矛盾的对立进一步体现出治理的必要性。换句话说，政府对创新的追求与犹豫交织在一起，潜移默化地描摹出了DeepSeek进入政务领域的新图景，使得我们有必要对此做出准确认识，并探究是否需要在哪个治理方向上予以推进。
三、“智能化锦标赛”视角下的“转型风险”与治理策略
（一）转型风险：“智能化锦标赛”对数字政府建设影响的呈现
同其他正式组织一样，政府也有着组织管理、信息不对称性、利益协调的一系列交易成本[26]，所以数字政府建设必然具有渐进性，要将其视为一项系统性工程。然而，数字政府建设的探索创新又是开放的，创新得以持续的前提是，要以更加整体的视角来评价和看待“智能化锦标赛”内蕴的挑战，进而形成一个完整全面的风险观，以此作为选择治理策略的认识论前提。围绕数字政府建设，“智能化锦标赛”也是一种全新的转型尝试，但这种尝试会受到行政体制、具体制度和社会现实的约束，产生以下三个方面的具体问题。
⒈没有真正变革数字政府建设的方法论
“DeepSeek+政务”造成了行政权的部分转移与重组，在一定程度上提升了数字政府建设的力度和转型的深度，对于实现模型规模化和快速工程化具有明显意义，但还不足以支撑形成数字政府建设的一套新方法论。
第一，DeepSeek系列模型无法解决技术演化与行政能力有待提升的非对称性矛盾。一方面，各类DeepSeek创新虽然“满天飞”，但DeepSeek与数字政府建设衔接的方法没有实现体系化和规范化。政府普遍选择以“智能化转型”之名解读DeepSeek，但DeepSeek系列模型对数字政府能力的提升还需要经过大量检验和评估才能确证，对这一过程的忽视，会在未来动摇社会认知的真实基础。另一方面，DeepSeek系列模型的内生缺陷短期内不易优化，这些内生缺陷主要是“非模态模型难以适配政务场景的多元化需求”“模型幻觉问题尚不可有效控制”以及“本地化部署成本高昂且可能造成资源浪费”。例如，DeepSeek的大规模版本模型对硬件和计算资源需求极高，只能在大规模云端环境运行，实际上也需要消耗大量资源和进行大量维护，并非简单接入或部署即告一劳永逸。
第二，“锦标赛”所传导出的绩优主义和竞争压力容易导致结果导向的建设方式，滋生短期主义和投入失衡困境。现阶段的“智能化锦标赛”呈现“自主探索、规划后行”的结构性特征，在很多地方政府内部获得了较高的行动优先性，从而也在一定意义上调节了科层制与“委托-代理”关系下政府创新动力可能不足的问题。但“锦标赛”所表现出的经济理性特征，会诱发更多地方政府盲目和冲动“参赛”。有学者就关注到了政府为实现“达标”可能暴露出的问题，认为在优胜者激励的驱动下，地方政府或下级政府还要通过自我加码的方式去竞争优胜者位置，以便获得政治上的激励或政策上的激励，但滥用治理手段导致的潜在危机也是其中不可忽略的面相之一。[27]由此，要特别关注地方政府对短期经济效益的追求。一旦DeepSeek被简化理解为经济增长手段，还会加剧政府盲目推进的状况。
第三，“锦标赛”偏重工具理性思维，技术供给与政务需求实质对接的不足难以根本解决。从宏观层面看，传统的数字政府建设，在规划或方案方面往往采用分解任务的方式实现权责有效分配的目的，对重点任务的逐个解决，依赖的是将问题简化为工具理性的思维，隐含的是对价值判断的忽视。从微观层面来看，由于地方政府在早期依赖的是业务系统化、平台化的转型思路，不同部门“各自为政”也导致出现政务系统和平台冗余的问题，DeepSeek实际发挥的作用有限。有学者就明确，将国家组织内部央地之间以及部门之间向社会供给公共服务质量不均、效率不高的问题一味溯源归因成信息不对称的做法，非但不能通过相应引入数字化业务平台来破解问题，反而容易引发“上有政策、下有对策”和形式主义的痼疾[28]，在特定场景下，可能还会引发难以预测的社会矛盾。这也说明，当技术与组织的适配程度较低时，平台系统使用效率可能会较为低下，数字赋能将流于形式。当前，行政领域的诸多矛盾是复杂因素形成的结果，如果不做出根本变革，则可能引发行政价值迷失、行政权威衰减、行政话语冲突等问题，已经铺开的各类应用也会存在虚置化的可能。
⒉对内：消解内部事务管理的有效性
行政的网络逻辑和科层逻辑从根本上来说是互相矛盾的，如果行政组织真正涉足数字化，将发生基本面的嬗变。[29]由于当前政府内部的运作基本未脱离科层制注4[30]，DeepSeek对内的有效性问题由此主要包含两个维度：一是DeepSeek对公职人员能力与问责的再建构是否有效；二是DeepSeek对政府内部组织机制环境的再建构是否有效。
针对第一个有效性问题，需要聚焦公职人员个人能力。将DeepSeek与公职人员的履职相结合是一项重点创新，目前也已经在公文写作、材料审核等场景大量推广，还推动形成了一些关于公职人员是否会被取代的讨论。目前来说，这种讨论不具备现实意义，但反映的趋势是，在技术介入科层制后，公职人员的独立性在一定程度上有所降低，还显现出公职人员数字素养有所欠缺的不足。问题的实质是，随着人工智能同数字政府建设的融合愈发紧密，这一进程所展现的技术复杂性、多样性和趋势不确定性，使得行政机关愈发依赖企业的技术支持，其自身却很少展开后续操作，导致行政机关在一些领域丧失与所使用的技术相关的专业知识、洞见和控制力[31]。更重要的是，这可能会冲击传统行政活动中的权责一致原则。有研究就发现，拥有自由裁量权的基层公职人员往往并不愿意上报与算法结果不相符的信息，这意味着算法本身有走向僵化的风险，同时滋生了大量避责现象。[32]权责一致是行政权获得合法性的前提，也是解决个别公职人员行为不当与整体行政秩序稳定性之间张力的基本机制。在科层制中，行政权与责任相伴而生，而在技术的辅助下，部分行政权特别是决策权被划分至外部，反而导致责任的分配不明确。
针对第二个有效性问题，需要聚焦智能化导致行政权力呈现“又集中、又扩散”的矛盾局面。数字政府建设使各级政府可以根据本地情况有选择地发动社会多元主体和新兴技术参与行政，在上级政府的规划下，下级政府也可以参与到更高层级的数据共享与行政资源整合过程，“智能化锦标赛”由此表现出三项挑战：其一，面临可用性和稳定性缺陷时，安全风险不降反升。例如，目前多地倾向于本地化部署DeepSeek，但DeepSeek开源框架的属性，可能导致更多的攻击面，一旦核心系统或数据库遭受恶意攻击，不仅会触发系统故障，甚至会导致城市管理、应急响应等协同失效。其二，创新的地域不平衡性仍非常明显。从信息化到数字化再到智能化的过程，也是各级政府作为一个共同体在日益强化的过程。目前，各地政府出于“赢取锦标赛”的考虑，往往根据本地经验和智能化现状来设计DeepSeek应用的场景以进行“参赛”，提供的基本也是本地所掌握的政务数据，这对打通地域性平台的分隔作用不大。其三，DeepSeek的介入再次提出了如何平衡数字政府建设中公私主体关系的现实问题。在具体项目的实施阶段，凭借专业技术知识优势，私人部门在数字政府建设中逐渐拥有一定的资源和控制权。但公私双方的价值、利益和管理方式存在差异，会导致出现控制权配置困境，产生交易成本。[33]
⒊对外：弱化对外决策与互动的合法性
政府对外面向的是社会，数字政府建设强调“推进线上线下融合”，这说明相关改革创新除了要在法治轨道上运行以获得制度层面的合法性认可外，还需通过真实效能来获取社会层面的合法性认可。在这个前提下，“智能化锦标赛”面向社会的困境不在于“推广不充分”，而在于“认可不足”，主要表现是智能化转型后，政府与社会已经形成新的互动方式，“线上-线下”交互逻辑也发生了显著变化，在传统“强政府”“万能政府”与新型“智能政府”交替之间，在行政决策权力重新分配之时，实践与认知的错位会强化社会的不理解、不参与甚至是不配合，那么对于政府的对外决策与互动来说，就会面临合法性欠缺的挑战。
“谁来决策、如何决策”是相关创新获得社会合法性认可的首要问题，而这种互动是否符合预期是获得社会合法性认可的第二层问题。政府治理的特征源于政府官员的自由裁量权和政府所从事的职责的特殊性质[14]，所以在“强政府”的权威下，智能化决策一般容易获得公众认同，但实际上是一种“表面认同”，因为多方的互动与信息的共享极易让行政相对方实质辨明诉求与利益的解决是否妥当，在其利益受损的情境下，就会丧失对智能化决策的接受。因此，对决策的服从性也是一个“内-外”互动的产物，并不完全取决于智能化水平有多高。
至于互动是否符合预期的问题，尤其需要关注的是模型不可控输出的现象。前文提到，政务领域“AI数字人”或“数智人”等应用开始大量出现，涉及信息发布型、信息交互型以及业务导办型等多个类型[34]，但模型本身不可避免的认知障碍和推理错误势必影响公众体验，甚至可能生成与社会共识大相径庭的内容。由于政府的权威性具有促使公众服从和接受管理的天然特征，模型在对外交互中若发生不可控输出或产生偏差，极易引发后果不可控的舆情风险和公信力危机，最终会损害公众对政府的信任。可见，在对外决策与互动的场合，随着大模型要面对更广阔的受众与更多样的审视，分歧与冲突是必然产生的，这既是因为社会深层的观念和认知难以在短期内转变，也是因为价值抉择本就是决策活动的重要部分和有机构成，在模型产品还不足以自主反思和纠偏时，应当限定其应用范围。
（二）进化治理观的引入及其内涵
前述挑战都是在技术应用过程中不断强化和突出的，背后的公共价值选择问题也在若隐若现。围绕电子政务治理、数字政府治理等相近议题，学界先后贡献了诸多洞见。然而，依赖简约明确的特定治理理论，也可能使得我们忽视现实情境的动态变化，甚至对既有观点与实际之间的区隔视而不见。特别是，各理论间的不可通约性使得理论之间也难以对话，只是为治理的学理描述贡献了一种抽象思维，却难以为实践设计提供足够的支持。
治理理论的效用并非源于其学理上的正确与否，而是要结合实际来形成差异化的治理策略。面对形态多元的创新实践，要制定一套稳定的治理政策是比较难的，一个值得考虑的思路是，要先离开情境，领会行政规律的基础性导向，认识行政活动对DeepSeek设定的约束条件，再回到情境，依据具体分析来提出相应的治理机制。近年来，克里斯托夫（Kristof）、拉乌尔（Raoul）和马泰恩（Martijn）等欧洲学者开始关注到适用于情境的治理的重要性，认为治理总是被情境化（situated）、总是处于动态运动和变化过程中，主张治理的要素之间都是处于共同进化过程中，不同的要素只能依据其与其他行动者、制度等的共同进化背景来理解[35]1-4，由此创设了进化治理理论（Evolutionary Governance Theory，EGT）。进化治理理论的产生可以追溯至进化生物理论、社会系统论、发展经济学等知识资源，宏观地看，我们可以从以下三个方面把握进化治理的要义：
第一，治理不是静态的，而是被概念化为协调集体性约束决策的过程，以及由行动者、制度、权力与知识等核心要素构成的配置体系，具有行动者/制度构型和权力/知识构型。这种配置具有自我再生产与自我指涉的特性。意即，治理中的每个事物都是进化的结果，治理也影响着这些要素的进化。由此，进化治理观引入了一种可以被理解为协同进化的内聚性。易言之，并非所有要素都是治理的产物，但一旦它们进入治理，就将会在治理中并通过治理而被变革。[35]115
第二，治理始终对多元的外部观察与影响（如话语和意识形态）保持开放，而这种开放性源于行动者之间、群体之间、组织之间和功能系统之间的联结。[36]但演化不意味着行动者在被给定的制度构型中可以任意地改变治理进路，我们不能忽视治理中的路径依赖（历史对治理的约束）、相互依赖（治理要素间的关联）和目标依赖（预设目标的牵引）现象。[35]43
第三，进化治理的核心要素由此包含三个维度：一是治理路径，即治理路径是由制度/正式制度/失效制度的相互关系、行动者/制度构型、权力/知识构型所共同组成的动态配置；二是三大依赖性，我们需要识别三种依赖关系来预测治理变革的方向；三是共进化机制，即治理主体（如政府、企业、公民）与制度、环境之间通过反馈循环实现协同演化。
进化治理理论突破了传统治理理论偏向于静态分析的思路，为理解治理系统的复杂性与适应性提供了全新范式，确立的是更加灵活的治理思维。将进化治理作为一种理论框架来认识当前的“智能化锦标赛”治理问题具有契合性，主要原因有两方面：其一，“自主进化”本身就是人工智能的核心特质之一。人工智能的进化路径、规律和表现不是一成不变的，其嵌入至相对稳定的政府体系中，则需要通过一个兼顾开放性和规范性的理论基础来拓展分析视角和治理对策的结构。其二，面向流动、复杂社会系统的治理，人工智能为治理体系所增添的灵活性在未来势必将成为治理常态，治理本身也被赋予持续进化的期待。
（三）进化治理理论应用于“智能化锦标赛”的逻辑：以三大依赖性为视角
与治理活动共同存在的特定要素与结构构成了治理策略进一步再生产的先决条件，也就是前文提到的三大依赖性。那么，若要对未来的治理策略做出设计，我们就需要首先在认识论上明确这三个范畴在本文论题中的具体表达。
第一，路径依赖性。路径依赖性表明，当下的治理总是以某种方式建立在既有治理的基础之上，即过往的治理路径、先前的治理形式及其要素、结构与组织，会以多种方式延续并产生广泛影响。[36]28在“智能化锦标赛”中，各地政府之所以能够做到快速上线DeepSeek，背后原因就在于“DeepSeek+政务”没有突破原有的创新经验，即使是将其应用在新的业务流程，也是对业务流程的优化而非颠覆。如此，无论是基于节省治理成本的考虑，还是出于维护政策和制度延续性的需求，数字政府建设在DeepSeek出现前后的治理手段虽然可能不会完全重合，但很大程度上会是重叠的。而从反面看，数字政府建设领域“强规划、弱执行”“强推广、弱评估”的不足，在全域范围特别是在基层并不少见，治理手段在形式上一致的同时，亦在创造新的治理困局，因为持续的科技创新诉求和政府竞争焦虑，倒逼政府不断将DeepSeek等前沿成果引入行政活动，在不断涌现的创新案例及其治理需求之间，这种无法摆脱的路径依赖性会为治理的有效性提出更为持久的挑战。
第二，相互依赖性。相互依赖性指治理中各要素之间的“依赖”关系，克里斯托夫等在此提出一个形象的比喻：“可以想象小鼠与其植物食物、竞争者以及捕食它们的猫头鹰是否存在之间的协同进化关系。”[36]29在学理上观察“智能化锦标赛”背后的“技术-组织-社会”互动关系并不容易，因为三者的边界、要素和资源基础已经在事实上相互交织，难以直接判断某一种现象属于哪一类特定范畴，关注其中的要素依存和界限流动反而更为必要。若追溯到治理体系和治理能力层面，相互依赖性就是指治理实践受到逐步提高的现代化进程影响仍需要充分兼顾包括主体、目标、制度在内的各种治理要素，并统筹考虑正式和非正式的治理安排。“人工智能无论从研发还是应用，都包含了巨大的共享和协同需求，同时也蕴含了巨大的共享和协同价值，还暗含新时代的普惠追求。”[37]这一状况间接表明，任何一种现代的治理关系，其在内外意义上均应以协同性而非冲突性为本旨。
第三，目标依赖性。克里斯托夫等认为，目标依赖的内涵是，治理中产生的未来起初可以脱离共同体中处于支配地位的未来，但仍然必须与它话语构型的其他方面联系起来[35]15，当以叙事、意识形态或话语形式存在的愿景作用于行动者与制度的协同进化时，目标依赖性便会显现[36]29。相较于具有刚性和稳定性的正式制度来说，非正式的目标愿景往往在逻辑与现实层面虽然欠缺制度性思维，但却享有更高的优先级，说明目标愿景足以反映现实并推动现实。地方政府主动加入“智能化锦标赛”，意欲实现的目标是多元的，且不一定能体系化，不同的目标在位阶上的次序也处于变动过程中，但无法忽视的是，基于中国式现代化的蓝图，DeepSeek所服务的数字政府建设还具有更高维度的体系化目标，这些目标才是数字化与智能化转型的价值基础。在DeepSeek发展前景与效果均不明朗的情况下，政府和社会公众自然也会对DeepSeek产生差异化预期，使得政府很难迅速依照行政伦理规范、组织规范和维护公共理性的相应原则来做出及时调整，这种现状一方面基本证明，通过单一目标来统合工具理性和价值理性的治理思路已经失去空间，另一方面也彰显出目标愿景再整合的重要性。有学者经过实证分析后发现，在中国的数字政府建设相关政策中，行政属性和服务属性的政策目标占主导，经济属性的政策目标涉及较少。[38]还有学者依据特定省份的具体案例指出，作为委托方的上级数字政府建设规划的总体目标和具体目标的设置存在冲突和模糊性，会导致激励失衡。[39]这些问题表明，目标愿景在主体间的认可程度越高，对“权力/知识”乃至“行动者/制度”的影响就越深。“行政人员必须致力于构建一种集体的、共享的公共利益观念。目标不是找到由个体选择驱动的快速解决方案，而是创造共享利益与共同责任。”[40]从这个角度说，应当科学地设置并整合目标，这就涉及更高层面的价值整合问题。
总之，当前的数字政府建设在转型意义上的曲折性，包含着各个地区行业创新发展的不平衡性，同时又受到中央战略规划和社会公众期待的牵制与影响，与传统行政体制面向当下时代的深层次不足亦有密切联系。追根溯源，行政的权力来源于公众，行政最终要对公众利益负责，不论承担行政责任的对象是技术还是政府。[41]这就表明，DeepSeek治理一方面要回归以人为本的数字政府建设价值体系，预期实现的是行政视角下的公共价值和公共利益；另一方面也不能脱离技术迭代的本旨，避免对科技创新带来不当的负面影响。
四、基于“进化治理”的机制建构与政策启示
从整体视角观之，“智能化锦标赛”揭示的核心难题是，数字政府建设在方法、应用、机制等层面渐趋固化，越发难以有效处理何为智能化本质、如何将智能化与社会复杂系统及需求相衔接的问题。因此，我们不应再围绕“技术决定论”与“制度决定论”的二元对立论来作为分析背景，而是要关注如何在数字政府建设的路径依赖中创造适应性的机制变革，在多个治理要素的共进化中维系多元价值平衡。基于2035年所要实现的“整体协同、敏捷高效、智能精准、开放透明、公平普惠”数字政府建设目标，至少可以基于三大依赖性率先进行破题，并从相适应的三种机制入手开展进一步的治理机制探索。
（一）对路径依赖的控制：健全进化导向的“场景-需求-效果”评估机制
路径依赖可能导致政府在数字政府建设方面的举措缺乏实质的突破性，仅仅停留在“完成任务”的水平。以DeepSeek对政府的智能化改造为契机，若要使社会公众对数字政府建设形成真正的认同，政府自身必须展现出创新的自主性，其前提在于评估何处需要推进创新。具体说来，评估内容包括三个领域：新阶段数字化智能化改造的起点为何，数字化智能化的进化边界在哪里，经济系统中的成本如何与行政系统中的收益相联系。相对应而言，就是需要建立三种机制：
其一，数字政府建设中接入DeepSeek的业务场景评估机制。在此可以借鉴分类分级的思路，因为进化治理本就是多层级的治理。首先是分类，即通过对业务场景进行标准化的类型区分，明确模型适用的优先性。例如，对于群众诉求工单回答、分派等“客服式”场景，DeepSeek可以发挥较好作用，但对于城市治理中的矛盾调解、纠纷处理等复杂场景，在没有进行恰当微调的基础上直接使用DeepSeek，并无益于治理的进行，对此需要精细化处理。其次是分级，着重关注的是科层制框架下基层治理的具体场景。有学者曾言，中国基层的行政工作表现出极强的地方化特色，如果没有本土化的治理技术，中国广大的基层社会就很难与制度化的国家行政体系衔接起来。[42]目前，基层的智能化能力和治理水平处于缓慢发展状态，全场景的模型推广不具备可行性，上级政府应重视基层特定场景的智能化支持，以及对基层行政工作流程同步进行适配性的改造，避免出现“线上线下两套流程”。
其二，接入或本地化部署DeepSeek的公众需求评估机制。数字政府不仅是智能化的政府，更强调“回应型政府”的本质，所以在整个行政体系中，“需求”既是背景因素，也是影响行政效果的关键变量。自新公共管理主义的勃兴推动“顾客导向”的行政观获得影响力以来，公众的满意程度由此成为衡量政府绩效的关键指标。实践中，随着公众开始更加积极参与行政，政府应更深入地了解公众的多元利益主张和“急难愁盼”问题，以此作为设计DeepSeek政务应用的基点，避免流于“琐碎性（triviality）”，正如有学者用“公园长椅问题”概念所描述的那样，当一座城市赋予居民决定公园长椅颜色的权力时，居民参与度虽有所提升，却无实质意义。[43]对此，应探索构建面向不同群体的数字政府建设需求评估机制：第一类是包容性的需求信息收集机制，既有政府采集渠道，又要注重建立政府相关信息披露后的公众反馈渠道；第二类是灵活开放的磋商互动机制，需要政府保持对公众需求或诉求的开放态度，同时亦应主动扩充数字政府建设的议题设置，引导公众正确看待和评价自身需求合理性与正当性；第三类是安全风险管理机制，政府安全与公众安全感紧密关联，保障安全可以定性为公众对政府的底线性要求，DeepSeek应用亦应落实最小必要采集公众数据的规范要求，并严格设计防护手段和应急流程。
其三，“模型-算力”成本收益的评估机制。虽然转型的发生由场景和需求共同驱动，但政府注意力和资源的配置，才是决定转型是否可持续的动因。受到固有体制惯性以及过去数字政府建设路径依赖的影响，2023年以来的人工智能产业发展在很大程度上具有政府“集中力量办大事”的特征，但附随的算力资源错配、基础设施虚置和运维成本虚高现象也时有发生。前文提到，DeepSeek的直接开发成本确有极大降低，但若部署的是大参数级（“满血版”）模型，运行环境的搭建将耗费大量资源，而与之相关的运行维护成本、知识库搭建成本、更新迭代成本等亦无法忽略，在当前相异的政务场景和业务流程中，是否需要一律引入大参数级模型，是否需要构建集群，则需要审慎研判。对此，地方政府应建立模型开发运维投入与业务收益的评估机制，重点是综合考虑人财物各要素并充分注意其相互间的制约关系[44]，以明确自身的“作为可能性”；对于已经投入使用的，应根据对DeepSeek等模型效果的动态化监测来实施评价，以此作为后续政策选择的依据。此外，还可以重视业务场景试点的作用，先进行小范围的技术验证，经过归纳研究后再逐步往全流程推广，稳步地提升DeepSeek作为一项公共产品的“投入-产出”平衡。
（二）对相互依赖的调整：建立“行政问责-创新容错”一体化体制
进化治理理论凸显的是，正式制度和非正式制度，在一种与行动者处于类似辩证的关系的构型中形塑彼此。[35]116回到现实看，政府在广泛的行政活动中会受正式制度与非正式制度的双重塑造，而在政府上下级、监督者和基层官员之间，实际也存在着两套互为表里、由正式制度与非正式安排共同组成的约束条件。[45]长期以来，行政问责制都被认为是对地方政府及公职人员约束力度最强的正式制度，因为其深度体现了自上而下的权威控制，但政府创新通常是以非正式形式进行的，那么，只有恰当地分配权责关系，才能发挥约束条件的最大效用，也才能引导地方政府提出真正的创新举措。
第一，应确立的认识论基础是，只有将问责制与容错制统一起来，才能提升政府实质创新的真实意义。在行政体系内，责任是效率的基础，所以行政一体的核心意义应当是责任一体，确立的是上下级政府共同对行政任务负责的整体控制模式[46]，居于主导地位的上级政府若一味强调结果导向的强问责，实际是对资源有限的地方政府创新能力的限制，会导致责任关系的固化。“智能化锦标赛”营造的是一种压力体制，在对智能化趋势和技术原理没有深刻解读的前提下，若地方政府没有经过审慎评估，也就难以判断究竟应该在哪个领域推进智能化，以及推进到何种程度，此时体现的就是下级政府规避责任与创新保守相缠结的困局，以至于会引发短期主义和结果导向的“表面创新”。基于此，问责制与容错制调适的基点就在于，上下级政府要先在特定议题中形成共同体，再根据职权和能力等要件分配细化的任务与责任。
第二，在具体机制层面，基于权责一致的原则，以及数字化智能化转型后政府权责分配可能不一致的现状，强化问责更加重要。面向“智能化锦标赛”，主要从内、外两方面完善相应问责机制。首先，内部问责机制应当优化。上级政府应明确数字政府建设绩效考核指标，定量指标应契合转型期的行政实际，非定量指标应尽量规避模糊性表达，为形成责任一体的行政一体关系创造有利条件。下级政府应在行政资源和能力允许的范围内转变职能，以更能动的意识提供公共服务，以此将风险隐患和不利事件的事后治理路径转变为事前预防机制。在火热的创新氛围中，“智能化锦标赛”具有科技创新动员的外观，这约束了地方政府是否参赛的决定权，进行严格的风险防控才是地方政府避免发生意外事件的首要选择。与此相对应，上级政府应加强对数字政府安全风险及其具体事件治理的总体指导，对下级政府合理需求在提供资源和组织支持的同时，审慎实施问责措施，以增强基层官员的积极性和主动性。[47]其次，在外部问责上，应构建起面向多元主体的协同问责机制。此处有两层含义：一是在公众对DeepSeek仍抱有巨大功能期待的背景下，政府有必要拓宽问责渠道，并尽快将问责意见转化为实践行动，使公众认知与智能化议题的行进方向尽可能保持一致；二是也不能忽视对提供信息服务的企业等私主体的责任追究，即结果问责与过程问责要达成并行。
第三，行政活动中容错空间的存在，也提出了问责应当遵循何种限度的问题。问责与容错的关系是DeepSeek推广后进一步凸显的一个难题，实质上就是秩序与创新的关系问题，在具体执行中，二者均不能有所偏废。在明确问责机制之余，仍需弘扬对创新的包容。这需要我们扩展对“智能化锦标赛”等现象与数字政府转型经验的协同认知，并将可能冲突的问责与容错机制纳入更宏观的治理过程予以精准考察。
（三）对目标依赖的整合：实施科技伦理审查与行政伦理审查协同机制
目标依赖性在许多治理实践中都曾体现，而所谓“目标依赖”，也可以理解为不同治理策略背后价值选择的一个缩影。政府需要创造并捍卫公共价值，导致行政活动素来重视贯彻行政伦理。与此相关的是，人工智能治理依赖的是所谓科技伦理或技术伦理，一般指代科技工作者及其共同体需要遵循的价值理念和行为规范。
“伦理”与价值本真具有一种彼此映射关系，通过伦理领域的实践机制，才能让原本无序的具体行为具有基于道德或具体价值的秩序感。在各种伦理机制之中，伦理审查机制的独特优势是，面对一些主体对遵守伦理的漠视或懈怠，可以通过外部的限制监督来提升相关主体践行伦理的积极性。目前，国内伦理审查机制较为成熟的领域，主要集中于生物医药研发、科学试验等，而随着《互联网信息服务算法推荐管理规定》《生成式人工智能服务管理暂行办法》等规定的出台，中国人工智能科技伦理审查在实践中正式开始推进，回应的是智能程序的机器应否以及能否管理人，实际上等同于人工智能作为治理主体是否具有合法性以及合理性的问题。[48]由此出发，需要进一步考虑如何将行政伦理纳入伦理审查之中。
数字政府的公共价值创造是一个治理过程，建立在一致性建构基础之上的技术赋能是价值创造的基本逻辑[49]，“一致性”说明需要对多重目标进行平衡，而“技术赋能”则意味着公共价值建基于行政逻辑与技术逻辑的协同。就此而言，这一趋于伦理化的价值创造设想，需以同步审视科技伦理与行政伦理作为前提，以防止技术应用中出现不同价值选择而导致冲突。具体到“智能化锦标赛”的场景里，就需要构建“科技伦理-行政伦理”协同的审查机制。当前，应当明确的是实施主体、实施流程与审查内容这三个层面的设计。
首先，需要明确伦理审查的主体，具体包括责任主体和审查主体。在责任主体方面，决策应用模型的各级政府是责任主体，通常不包含政府内部部门，这体现的是由使用者来负责的责任配置思路。在审查主体方面，参考《科技伦理审查办法（试行）》（后文简称《办法》），应明确由单位内设立的专门伦理审查委员会履行审查职责，委员会的构成不应仅容纳公职人员，还应当包含外部的专家学者乃至于社会公众，而责任主体则应保障委员会履职的独立性。
其次，明确伦理审查的流程性设计，具体包括全流程设计和具体规则设计。在流程设计方面，伦理审查应搭建“申请启动-审查评估-决议执行-伦理监督”的基本框架，至于在伦理监督环节，除了由责任主体负责监督外，可以探索成立外部的伦理监督委员会进行配合，避免给政府内部造成过重的审查负担。具体规则设计包括以下几个方面：一是要依照《办法》的规定，进行类型化的程序设置。由于行政领域风险的泛在性、跨地域性和不可逆性更加突出，应谨慎设计简易程序和应急程序的具体议事规则。二是要兼顾行政领域业务流程繁杂、场景多样化的特征，应当允许义务主体采用更为灵活的审查评估模式，对潜在的科技伦理风险、技术安全风险等风险类型进行一次评估。[50]三是要完善与其他监管机制的衔接，例如《办法》第四十一条涉及的审查质量控制、监督评价机制以及教育培训机制等，通过构建机制网络发挥伦理引导目标和价值设定的功能。
最后，明确伦理审查的内容，即DeepSeek在政务领域应用的不确定性和风险。就此而言，除了技术应用风险外，还要着重评估DeepSeek对政务活动可能带来的冲击性风险。人工智能伦理强烈的场景化特征，使得其很多伦理规则需要在伦理审查现场产生[51]，还需要进一步推动伦理审查内容的进化与重塑。但问题是，科技创新的目标是科技发展，行政的目标是服务公众，两者难以弥合，但考虑到行政风险常常会引发公信力和群众满意度剧烈波动的现象，应当将行政伦理审查置于相对优先的位阶。
五、结论
中国的人工智能产业发展与数字政府建设是两条相互交织、彼此关联的发展脉络，政府自身具有受益者与推动者的双重属性，最终以主动或被动的不同姿态参与了由DeepSeek而起的“智能化锦标赛”。“数字政府”乃至于“智能政府”的建构在一定程度上可以视为在新时代实现治理体系和治理能力现代化的实践延续。然而，若要全面理解这种趋势，立论于表面现象仍不足够，重心应当放在人工智能是否真正“改造”了政府和政务这一问题上。
在数字政府建设的情境内，DeepSeek所造成的影响在当下仍难以衡量，导致我们无法以某个时间横截面为切入点，全面还原“智能化锦标赛”的经验与教训。尽管“智能化锦标赛”会提升行政效率、提高政府治理能力，但作为组织的政府仍会在特定情形下被技术及其发展规律所左右，因而不免会滋生出一定局限性。
需要说明的是，政府依托各类大模型所展开的各项数字化与智能化创新，虽然不是盲目被动地接受技术介入的结果，但创新措施与治理路径的一致性问题仍应得到更多关注。在该问题的导向下，上文提出对数字化与智能化转型的治理要以进化思维进行观察和设计。这是因为人工智能本身会产生极大的不确定性和开放性，路径选择、要素关联和目标导向都会不断得到进化。因此，在功能分化的社会，面对传统行政体系已经基本达到自洽状态、政府运作已经获得社会广泛认可的现实，若要回答人工智能到底应该用在哪里、怎么用的认识论困惑，或许需要突破对技术的过分依赖，以进化治理的思想加深对治理中不可预测性和不确定性的理解，同时保留对何为“行政”本质的抽象思考，这对处于以科技创新为关键杠杆的中国式现代化来说，尤为重要。
