政务 AI

3 秒看懂：一句话速览

政务 AI 是指将人工智能技术（大模型、知识图谱、隐私计算、计算机视觉等）系统性地嵌入政府治理、公共服务与决策流程，形成的智能化解决方案集合。它不等同于“给政府做AI”，而是数字政府建设从“信息化”迈向“智能化”阶段的核心技术基座。

3 分钟产业解释：赛道全貌与运行逻辑

政务 AI 是什么

政务 AI 是数字政府建设的核心技术引擎，其存在形态并非单一产品，而是一个分层协同的技术-业务复合体。底层是政务云和政务大数据平台提供的算力与数据土壤；中间层是经过政务场景专门训练的大模型、知识图谱、隐私计算引擎；上层是面向具体业务场景封装的智能应用——智能审批、政策精准推送、城市事件自动发现与派单、舆情分析辅助决策、公文智能生成与校核等。

它解决什么问题

政务系统长期面临三重矛盾：一是“数据多而无用”——跨部门数据因安全与权属问题难以融合，形成孤岛；二是“人力繁而低效”——大量事务性工作（材料审核、热线应答、事件分拨）消耗编制资源，政务服务的弹性扩展能力受限；三是“决策凭经验而缺算力”——复杂治理问题缺少数据驱动的推演与辅助。政务 AI 的核心价值主张，就是用技术手段在这三组矛盾上撕开缺口。

产业运转的核心逻辑

政务 AI 产业遵循“政策牵引-预算配套-试点先行-规模化推广”的运转范式。中央层面的数字政府建设规划确立方向与考核指标，省市两级是采购和落地的主力；初期以“场景化小切口”项目（如智能客服、智能审批单点）验证效果，后期逐步走向城市级一体化平台模式。项目周期长、回款依赖财政支出节奏、定制化需求高，是赛道区别于消费级 AI 的显著特征。

据 IDC 数据，2022 年中国数字政府整体市场规模为 1,372 亿元人民币，其中 AI 相关投入占比约 12%-15%（IDC，《中国数字政府市场追踪》，2023 年 6 月发布；口径含软件、服务与集成，不含纯硬件基础设施）。另据中国信通院《政务大模型发展白皮书（2024）》测算，政务大模型直接带动的软件与服务业态，2027 年预计规模在 180-220 亿元区间（中国信通院，2024 年 3 月发布；口径含模型部署、应用开发与持续运营服务）。

市场构成: 主要由解决方案集成与开发（约 55%）、云与基础设施（约 30%）、标准软件与工具（约 15%）三部分构成。

增长驱动: 核心驱动来自“数字政府考核指标下沉 + 大模型技术成熟度跃升 + 数据要素政策趋于明晰”三重叠加。2023-2027 年 CAGR 预计在 25%-35% 之间（IDC 预测，2024 年 1 月）。

定价模式: 以项目制为主（占比约 75%-80%），按软件许可/SaaS 服务的订阅模式仅在一网通办类平台型采购中有所体现（约 15%），其余为运维续费。

技术原理：政务 AI 的技术栈分层与工作机制

政务 AI 并非单一算法问题，而是多层级技术栈在“高安全、高合规、低容错”约束下的体系化部署。其技术架构可拆解为四层：

第一层：政务云基础设施与数据基座

政务 AI 必须在政务云（或政务专区私有云）环境中运行，以满足等保 2.0 三级/四级与密码应用安全性评估要求。算力资源通常由国产化芯片服务器集群提供（鲲鹏/昇腾路线占较大比例）。数据层面，政务大数据平台需完成人口、法人、自然资源与空间地理、电子证照、社会信用等基础库的建设与治理，这是 AI 模型的“原料”来源。据国家政务服务平台公开数据，截至 2024 年 6 月，全国一体化政务大数据体系的基础库节点已覆盖 31 个省（区、市），挂接数据资源目录 200 万条以上。

第二层：政务大模型与 NLP 引擎

这是当前政务 AI 升级的核心变量。政务大模型的构建路径通常为：在通用开源或商用基座模型（如 LLaMA 架构系、ChatGLM 系、文心/通义/盘古等）之上，注入政务领域高质量数据进行继续预训练和指令微调。数据来源包括：

• 法律法规、部门规章及规范性文件（总量约 300 万+ 条，含历史沿革数据）
• 政务公开数据，包括政府网站信息、公共资源交易记录、行政处罚决定书、行政复议决定书等
• 政务内部业务流程数据（需脱敏），如审批案例库、热线工单及办理记录
• 垂类强合规场景数据，如税务稽查案例、公安警情文本等

微调后需通过 RLHF（人类反馈强化学习） 对模型的“政务价值观”进行对齐，确保输出符合政策口径、不生成敏感内容、能在不确定时主动提示“请咨询主管部门”。技术难点在于：政务领域“正确”往往高度依赖上下文和地域政策差异，通用对齐方法难以覆盖全部细则，需要大量地方政务专家参与反馈标注。

第三层：隐私计算与安全引擎

政务 AI 涉及跨部门数据融合（如人社 + 税务 + 医保数据联审），必须在“数据不出域”的合规前提下完成联合建模。核心使用的隐私计算技术包括：

• 联邦学习: 各数据持有方在本地训练模型子集，仅交换梯度参数而非原始数据，再由中央服务器聚合。在政务场景中多用于社保反欺诈、综合治税等跨部门风控模型。
• 多方安全计算 (MPC): 基于密码学协议，使得多方能够在互不暴露各自私密输入的情况下完成联合计算（如筛选符合多项条件的救助对象而不泄露各条件的具体数据值）。
• 可信执行环境 (TEE): 在硬件层面隔离出安全区域，敏感数据与模型在“飞地”内运行，外部无法窥探。华为可信计算平台、蚂蚁摩斯均以此路线为主。

据中国信通院《隐私计算白皮书（2023）》，政务场景是隐私计算市场规模增长最快的领域之一，2022 年政务类隐私计算项目在总市场份额中占比约 28%。

第四层：领域知识图谱与推理引擎

政策法规、权责清单、企业信用等知识具有高度网络化特征。政务知识图谱需要构建“政策-事项-材料-部门-企业/个人”的多维实体关系网络，支撑智能问答、材料智能预审、政策与企业/个人精准匹配等任务。与通用百科知识图谱不同，政务知识图谱面临“实体定义随着机构改革和法规修订而高频变化”的挑战，更新维护成本占据实施总成本的较大比重。

第五层：多模态感知与智能体 (Agent)

在城市治理场景中，计算机视觉与 IoT 传感器构成感知层，大语言模型构成决策与交互层，形成“感知-理解-决策-执行”闭环。例如，城市视频监控自动识别占道经营事件，由多模态模型理解事件性质并关联地理信息与责任网格，自动生成派单建议，最终由智能体在数字政务系统内完成上报与分发。2024 年以来“Agent 工作流”成为热点技术方向，在特定场景（如辅助编制政府采购文件、政策一致性审查）中展现出初步能力。

关键参数：衡量政务 AI 的核心技术/业务指标

定性描述不足以判别竞争位势，以下为政务 AI 需要重点跟踪的指标维度：

模型能力类 (以 2024 年公开评测数据为参考):

业务落地类:

合规与安全类：等保三级/四级合规、国产化适配率（信创目录内软硬件占比）、数据出域最小化执行度等。据中央国家机关政府采购中心公开的 2024 年集采指引，信创适配已成为政务信息化项目验收的前置条件，AI 软件需提供与主流国产操作系统（麒麟、统信）、数据库（达梦、人大金仓）的兼容性证明。

技术路线：并行演进中的融合与分歧

政务 AI 当前存在三条主要技术路线，彼此交叉渗透：

路线一：大模型驱动的一体化平台 (旗舰路线)

以华为盘古+政务云、百度文心+城市大脑、阿里通义+浙政钉/浙里办生态为代表。特征是：以大规模通用模型为底座，经政务垂直微调后嵌入统一城市操作系统，向上支撑数十类场景应用（一网通办、一网统管、一网协同）。优势在于场景复用边际成本递减、数据飞轮效应可期；风险在于前期投入大（部分地市项目总包金额可达亿元级，含云基础设施）、对组织协调能力要求高。

路线二：垂直场景深度优化 (尖兵路线)

以科大讯飞（语音交互+司法/教育政务）、拓尔思（内容安全与知识管理）、**数字政通（网格化城管+AI）**为代表。特征是：在特定政务场景拥有多年积淀的项目经验与行业 Know-How，AI 能力作为“智能插件”叠加在已有成熟软件产品之上。优势在于交付快、风险低、客户关系深；局限在于跨场景扩展能力依赖并购或长期自研。

路线三：数据隐私优先的联邦智能 (合规赋能路线)

以蚂蚁集团（摩斯 MPC/TEE）、华控清交、翼方健数等隐私计算厂商为核心。特征是：不直接提供上层应用，而是作为数据流通的基础设施赋能方，嵌入中下游解决方案商的架构中。随着《数据安全法》《个人信息保护法》执法趋严和“数据要素×”三年行动计划推进，该路线的战略卡位价值持续上升。

当前趋势：三条路线加速融合。2024 年起多个亿元级政务云项目中，已明确要求中标方同时具备大模型能力、垂直应用开发经验以及隐私计算方案，单一维度优势难以赢得复杂标的。公开资料未见统一的路线市场份额统计。

上游：技术与基础设施供应链

政务 AI 上游是支撑整个产业运行的“卖水人”，由三类主体构成：

算力与芯片层

政务 AI 对算力的需求因大模型训练和推理而急剧攀升。在信创政策驱动下，华为昇腾系列 AI 芯片和 Atlas 服务器是政务智算中心的国产化首选，据公开报道，昇腾在 2023-2024 年政务智算中心新建项目中的采用率超过 60%（口径：以公开招标公告中芯片架构作为统计基础，非精确市场调研数据）。寒武纪思元系列在部分省的安防 AI 推理场景有部署。海光信息（X86 兼容路线）在通用计算类政务云中亦占一席。据 IDC《中国半年度加速计算市场（2023）跟踪报告》，政府行业是国产 AI 芯片的最大采购方之一，2023 年采购额同比增长约 45%。

基础模型与算法供给层

百度（文心大模型）、科大讯飞（星火大模型）、阿里（通义大模型）、华为（盘古大模型）、腾讯（混元大模型）以及新一代 AI 企业（智谱 AI GLM 系列）构成主要的底层模型供应阵营。政务场景下，开源模型的可控性优势使得 ChatGLM、LlaMA 架构系模型在部分自研能力强的省级平台有独立部署案例。

数据治理与安全工具层

上游还包括：数据湖/仓工具（阿里 DataWorks、华为 FusionInsight），数据脱敏与分类分级工具（安恒信息、启明星辰），以及隐私计算软件套件（蚂蚁摩斯、华控清交）。这三类工具是政务数据要素化流通的刚性前置需求，其采购通常与政务云建设同步配置。

下游：需求场景与采购主体

政务 AI 的下游是各级政府部门与公共服务机构，采购行为与决策逻辑如下：

需求层级与典型场景

采购决策逻辑与预算特征

政务 AI 采购实行政府预算制，普遍流程为：列入年度信息化建设计划→可行性研究批复→财政评审→公开招标（或竞争性磋商）→按节点支付。单项目采购金额跨度极大（从百万级的场景试点到亿元级的城市大脑总包），项目周期 6-24 个月。据中国政府采购网 2024 年前三季度公开招标公告不完全统计，明确标注“人工智能/大模型”的政务信息化标的数量同比增长约 80%，但单个标的平均金额下降约 15%（口径：剔除亿元级以上总包项目后的简单算术平均），反映需求从“建平台”转向“买应用”的趋势。需要强调的是，政务预算受宏观财政环境影响显著，2024 年部分地区出现招标延期或需求压缩迹象。

受益公司分析：产业链核心玩家与竞合关系

以下从产业链位置和竞争壁垒角度梳理主要企业（不含投资评级，仅为产业角色识别）：

综合解决方案龙头型

• 科大讯飞 (iFlytek): 政务 AI 领域不可回避的玩家。核心壁垒在于：深耕政务市场 20 年积累的政府客户关系与场景知识；语音交互的绝对技术优势嵌入热线、窗口交互等场景；星火大模型在“智慧教育”和“智慧司法”两个政务子赛道有明确落地。据公司 2023 年年报（2024 年 4 月披露），智慧城市/政务相关业务收入占比约 21%，但未单独披露政务 AI 口径。
• 华为 (Huawei): 以“政务云+鲲鹏/昇腾+盘古大模型”全栈方案构成政务 AI 基础设施的最大市场份额竞争者之一。优势在于信创全栈、安全分级体系完备、政府顶层信任度极高。据 IDC 报告，华为在政务云 IaaS+PaaS 市场份额连续多年保持第一（2023 年约 25%）。
• 百度 (Baidu): 以“文心大模型+城市大脑+Apollo 交通 AI”组合切入，优势在搜索引擎级别的知识覆盖和 NLP 技术积淀，在政策问答和知识管理场景中有差异化优势。据百度智能云公开宣传材料及公开报道，截至 2024 年 Q2，已与超 15 个省级行政区达成政务大模型合作。

垂直领域专精型

• 拓尔思 (TRS): 强项在政务大数据的知识管理和内容安全，服务中央部委新媒体监测系统多年。政务大模型时代引入“政策知识库+核校助手”定位。据公司 2023 年年报，政府及公共事业单位客户收入占比较高，公开资料未见其政务 AI 业务的单独口径。
• 数字政通 (eGOVA): 城市管理网格化平台（综治 9+X 系统）的国内市场市占率第一梯队，AI 能力主要体现在城市视觉事件发现和部件智能采集。公开资料未见其政务大模型独立产品的商业化规模。
• 华宇软件 (Thunisoft): 专注法律科技与智慧政务，在法院、检察院信息化市场市占率领先。公开资料未见其 AI 大模型产品在泛政务领域的规模化外溢。

技术基础设施赋能型

• 阿里云 (Alibaba Cloud): 在地方政务云市场（尤其是浙江等先发省份）地位牢固，通义大模型通过“浙政钉”“浙里办”生态渗透政务应用。公开资料未见其政务 AI 解决方案收入的单独统计。
• 腾讯云 (Tencent Cloud): 以“混元大模型+WeCity”品牌，在广东（粤省事/粤政易）等数字政府标杆省份有深度融合优势。据公司公告及公开报道，腾讯云在政务视频 AI、惠民服务小程序方面具有流量入口优势。
• 智谱 AI (Zhipu AI): 开源 ChatGLM 系列成为部分省市自部署政务大模型的基座模型候选，但其自身直销政务项目有限，更多通过合作伙伴（如数字广东等）间接进入。
• 蚂蚁集团 / 其他隐私计算厂商: 摩斯等隐私计算产品系政务数据安全流通的“工具包”，受益于数据要素市场化的政策浪潮。

竞合关键维度对比 (定性)

说明: 以上对比依据各公司年度报告、权威市场分析机构（IDC、Gartner）公开摘要、以及官方公开发布会信息，不构成任何方向性判断。

市场规模：数字、口径与增长驱动力

政务 AI 作为数字政府投入的子集，其市场规模的界定需注意口径边界。以下区分三层口径：

第一层：广义数字政府市场（含硬件） 根据 IDC《中国数字政府 IT 支出指南（V3, 2024 年 1 月发布）》，2023 年中国数字政府整体 IT 支出约为 1,490 亿元（人民币，口径含硬件、软件、服务及运维），2024 年预计增至 1,620 亿元，2027 年预计突破 2,200 亿元。此口径为最大囊括范围，AI 只是其中一部分。

第二层：政务 AI 技术相关支出（软硬融合） 多家研究机构尝试拆分。据赛迪顾问《中国政务人工智能市场研究报告（2024 年 3 月发布）》，2023 年中国政务人工智能市场（含支撑 AI 的专用服务器、AI 软件平台、AI 应用开发与集成）总规模约为 225 亿元，2025 年预计达到 370-400 亿元。此口径为当前引用较多的中间层。

第三层：政务大模型及生成式 AI 净新增市场（细分蓝海） 这是 2023 年才出现的新增市场概念。据中国信通院《政务大模型发展白皮书（2024 年 3 月发布）》评估，政务大模型直接创造的软件与服务市场（不含底层算力基础设施的通用部分，仅含模型训练部署、应用开发、安全配套），2023 年约为 18-25 亿元，2025 年预计达到 85-110 亿元，2027 年预计在 180-220 亿元。该市场 CARG 极高，但基数较小。

需要强调的是：三层口径存在大量重叠与交叉计算，不宜直接相加。且政务 IT 统计因项目拆分方式不同（纯软件 vs 含集成总包），不同机构数据差异较大。引用时务必注明来源、年份和口径边界。

玩家对比：评价维度与竞争位势

对政务 AI 赛道主要玩家，可以从以下五个非估值、非荐股维度进行客观定位（基于公开产品信息和项目案例，不涉及投资评价）：

维度一：政务场景Know-How 深度 评价标准：是否能准确理解政府业务流（如审批环节、权责清单、绩效考评），项目经验年限。

• 第一梯队: 科大讯飞（政府客户合作超 20 年）、数字政通（网格化管理标准起草参与方）、拓尔思（中央部委内容系统长期运维方）。
• 基础扎实: 华为、浪潮、太极（多年政务系统总集经验）。

维度二：大模型技术自主性与适配深度 评价标准：是否能提供安全可控、在政务合规评测中表现优良的自研模型。

• 完全自研领先梯队: 百度（文心）、科大讯飞（星火）、华为（盘古）。
• 开源深度适配: 智谱 AI（ChatGLM 路线）等。

维度三：信创/安全合规门槛 评价标准：与国产硬件、OS、数据库的适配完备程度及等保/密评资质齐全度。

• 全栈国产化领跑: 华为、浪潮。
• 重要玩家: 阿里云、腾讯云均加快信创适配，公开资料未见其性能损耗对比数据。

维度四：标杆项目影响力 评价标准：在一线城市或省部级、有全国示范意义的标杆项目参与度。

• 标杆集中的公司: 华为（多地城市大脑）、腾讯（粤省事/粤政易生态）、阿里（浙政钉/浙里办生态）、百度（上海/苏州等城市大脑合作）、讯飞（安徽/江淮城市超脑等）。

维度五：渠道与生态扩展能力 评价标准：有无丰富的本地合作伙伴、ISV 及集成商网络。

• 生态规模最大: 华为（全国渠道最下沉的 ICT 生态之一）、阿里云/腾讯云（广泛合作伙伴网络）、讯飞（自有教育、医疗渠道可复用于政务）。

综合定位总结：政务 AI 赛道呈现“结构化非充分竞争”格局。华为、百度、讯飞、阿里/腾讯形成基础能力与头部客户竞争梯队；拓尔思、数字政通、华宇软件等守住垂类深厚壁垒；大量中小型本地系统集成商占据市县层碎片化市场。公开资料未见统一的市场份额排名数据。

风险：不可回避的结构性挑战

政务 AI 虽为政策和技术共振的朝阳赛道，但存在六类结构性风险，需正视：

1. 数据安全事件与合规风险 (高)

《数据安全法》《个人信息保护法》和《密码法》对政务数据的处理划出红线。一旦发生数据泄露或违规使用，责任自供应商至采购方均可能被追究。2023 年以来个别政务 App 因超范围采集个人信息被通报下架，已警示增量项目须将安全审计纳入首期交付。据中央网信办公开通报，违法违规收集使用个人信息的政务/公共类 App 仍有一定存量，风险边际不容忽视。

2. 算法公平性与“机器官僚主义”风险 (中高)

社保资格认定、社会救助对象筛查、纳税异常判定等涉基本权益的算法辅助决策，存在隐形歧视放大风险。学界和监管部门对“算法黑箱”的警惕在上升，《生成式人工智能服务管理暂行办法》已要求政务使用的生成式 AI 须有可解释性机制。若无法有效证明决策公平性，相关项目可能面临舆论挑战甚至行政复议、诉讼。

3. 财政预算紧约束风险 (中高)

地方政府土地财政收入承压、减税降费背景下，信息化预算增长的可持续性有较大不确定性。2024 年已有数省出现政务信息化项目预算核减、审批周期延长的信号。高额的城市大脑总包项目可能首当其冲；AI 投入若不能展现明确、可量化的节省人力或提升满意度成效，在下一轮预算博弈中或被边缘化。

4. “中看不中用”的技术泡沫风险 (中)

部分政务 AI 项目陷入“为 AI 而 AI”：部署大模型仅用于“政策问答演示”，未能融入实际高频事务流程，使用率畸低。AI 幻觉导致的错误答复（尤其是影响企业或个人实际权益时）可能造成公信力损伤。公开资料未见全国性正式统计数据衡量政务 AI 项目的闲置率，但多地审计公告曾指出信息化系统建成后使用率偏低。

5. 数字鸿沟加剧风险 (中)

线上 AI 服务越多，老年人、视障/听障人士等“数字弱势群体”可能越被排斥。国务院办公厅《关于切实解决老年人运用智能技术困难的实施方案》明确要求保留传统服务渠道并行。政务 AI 部署若过于激进而未构建包容性通道，可能引发负面社会反馈。

6. 人才缺口与组织适配风险 (低中)

既懂 AI 技术又通晓政府业务流程的复合型人才紧缺；政府侧缺乏对 AI 系统的持续调优、审计和安全监控能力，易形成对特定供应商的长期锁定，带来运维成本和议价权的风险。

误读纠偏：关于政务 AI 的常见认知偏差正本清源

误区一：“政务 AI 就是把 ChatGPT 装在政府网站上”

事实：政务 AI 远不止对话机器人。对话仅是交互层的一个子集，真正的政务 AI 覆盖审批辅助、城市事件自动发现、跨部门联合建模风控、公文智能处理等多类后台任务。且政务严肃场景对可控性、可审计性的要求远高于通用聊天场景，不允许“答非所问”和“自由发挥”。

误区二：“政务 AI 最核心的是算法技术”

事实：算法是必要条件，但政府项目的核心壁垒分层在：①对政府业务流程的深度理解（Know-How），②在安全合规框架下的数据整合能力，③交付与属地化服务的可持续性。纯粹的工具型 AI 公司试图单靠模型能力进入政务赛道，往往在交付阶段遇到梗阻。

误区三：“政务数据一共享，AI 就能产生巨大价值”

事实：数据共享在法律和技术上均非一蹴而就。隐私计算技术虽能实现“可用不可见”，但部署成本、计算效率损耗和多部门协调成本仍然高昂。数据分级分类和确权规则仍在完善中，许多改革探索尚处于局部试点状态。

误区四：“政务 AI 市场规模可以用一个数字说清楚”

事实：如前文所述，不同口径（是否含硬件、是否含总包、是否含运维）会得到差异数倍的数值，须阅读每一份渠道数据时的口径标注。笼统引用某一表面数字会造成对赛道大小的错误判断。

误区五：“中国政务 AI 领域已形成垄断格局”

事实：华为、百度、讯飞、阿里等头部企业虽占据主要城市标杆项目，但中国有 400 多个地级行政区（含地级市、州、盟）和 2800 余个县级行政区，市场高度分层，头部集中度在 Top5 远低于消费互联网；大量本地系统集成商、高校校办 IT 企业在市县层级占有可观份额。

最新事件：2024 年政务 AI 关键动态追踪

以下按时间由近及远，记录对赛道有标志性影响的事件：

2024 年 9 月: 国家数据局发布《关于加快推进数据要素市场化配置改革的若干措施（征求意见稿）》，首次明确提出“鼓励政务数据授权运营和智能开发利用”，政务 AI 获得顶层授权探索的制度信号。

2024 年 Q2-Q3: 多个省级大数据局密集发布政务大模型应用管理暂行办法（如广东、浙江先行），从备案评估、训练数据质量、生成内容标识和人工复核等方面建立规则，为政务大模型规模化提供合规路径。

2024 年 5 月: 深圳发布《深圳市加快推动人工智能高质量发展高水平应用行动方案（2024-2025 年）》，提出政务领域“AI 秒批”事项再扩容 150 项，清单化管理力度属全国之首。

2024 年 3 月: 华为云在“华为中国合作伙伴大会”上宣布盘古政务大模型已在 40+ 城市落地政务问答、公文核校等场景。

2023 年 12 月: 中央经济工作会议提出发展数字经济，加快推动人工智能发展。国家数据局等 17 部门联合印发《“数据要素×”三年行动计划（2024-2026 年）》，明确“数据要素×政务服务”为优先行动方向。

2023 年 8 月: 《生成式人工智能服务管理暂行办法》正式施行，政务等关键信息基础设施运营者采购生成式 AI 服务需额外完成安全评估。

（注: 以上事件均据国家部委官方网站、权威公开媒体报道整理。）

跟踪指标：政务 AI 赛道的持续观察清单

追踪政务 AI 产业发展，推荐关注以下指标和信号（均为公开可获取维度）：

政策立法类:

• 国家及各省政务大模型/政务数据授权运营管理办法的发布
• 中央本级和重点省（广东、浙江、上海、北京）数字政府年度工作要点中大模型相关表述
• 信创产品适配清单中 AI 模块的准入与更新

采购与项目类:

• 中国政府采购网以“政务 AI”“大模型”等为关键词的招标公告数量、金额季度变化（需连续统计平台数据）
• 政务云/城市大脑大额总包项目中是否明确列支 AI 能力建设
• 标杆项目的一期后续是否进入二期、三期规模化推广（存续率）

技术与应用类:

• 权威机构发布的政务大模型评测榜单或标准（如中国信通院可信 AI 评测）
• 第三方对政务 App、热线 AI 接口的可用性测评和满意度评分
• 政务 AI 相关的算法备案公告（国家互联网信息办公室定期公布）

市场与产业类:

• IDC、赛迪、信通院年度/半年度权威报告的政府行业AI支出拆分
• 主要上市公司财报中政务/智慧城市 AI 相关业务的增长率和毛利率变化

风险与事件类:

• 政务类 AI 系统的安全漏洞通报和重大数据安全事件
• 因算法决策引发的社会争议、行政复议或诉讼案例
• 地方财政预算执行报告中对信息化支出的调整倾向

信源：主要信息来源与使用声明

本文信息基于以下公开资料综合整理，力求客观呈现，不构成任何投资决策建议:

政府政策文件与公开数据:

1. 国务院《关于加强数字政府建设的指导意见》（国发〔2022〕14 号）
2. 《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》及配套法规
3. 国家互联网信息办公室定期公布的境内算法备案清单
4. 中国政府采购网（ccgp.gov.cn）政务信息化项目公开招标公告
5. 国家数据局、《“数据要素×”三年行动计划（2024-2026 年）》
6. 各省市大数据管理局/政务服务数据管理局公开信息

行业研究机构: 7. IDC《中国数字政府 IT 支出指南》《中国半年度加速计算市场跟踪报告》（2023-2024 各期） 8. 中国信通院《政务大模型发展白皮书（2024 年 3 月发布）》 9. 中国信通院《隐私计算白皮书（2023 年发布）》 10. 赛迪顾问《中国政务人工智能市场研究报告（2024 年发布）》 11. Gartner、Forrester 相关政府行业 AI 采用率的公开摘要（如有）

公司公开信息: 12. 科大讯飞、数字政通、拓尔思等上市公司年度报告（2023 年度）及投资者关系公告 13. 华为、百度、阿里巴巴、腾讯相关业务线的公开产品发布会与宣传材料

免责与时效声明: 本文时间节点截至 2024 年 10 月。所有数字均标注年份与口径，未标注口径的数据请谨慎引用。除明确注明的权威渠道数据外，部分讨论涉及行业定性判断为产业惯例和公开常识，不构成具体事实主张。未经许可，本文任何内容不得被视为投资、采购或商业决策建议。