5月3日讯（记者 黄心怡）今年以来，DeepSeek大模型火爆出圈，其如何赋能政务？
记者获悉，扬州市政务云率先部署“满血版”DeepSeek-R1-671B，成为江苏省内首批部署的城市之一。目前，扬州市数据局、海关、水利局、城管局、医保局等多个部门单位都接入了DeepSeek大模型，主要应用在智能客服、智慧审查、办公协同、辅助分析决策等方面。
扬州市数据局相关负责人向记者称，在数据局的统筹推进下，全市各政府部门正在积极探索AI如何赋能业务，而高质量的数据是影响应用落地的关键。
▍扬州市政务云部署“满血版”DeepSeek
江苏省扬州市数据局于去年3月挂牌成立，已形成了“数据局—大数据集团—大数据管理中心”三位一体的协同机制，通过一系列机制举措，让数据“供得出、流得动、用得好”。
扬州市数据局相关负责人表示，在“三位一体”的协同机制下，数据局发挥统筹协调作用，大数据管理中心提供技术支撑，夯实数字基础设施底座，大数据集团专注市场化运营，推动数据要素价值释放，从不同的侧重点共同形成联动机制。
记者实地探访发现，扬州市大数据管理中心已部署10台昇腾AI一体机，成功运行DeepSeek-R1-671B大模型，为各政务部门的人工智能应用创新提供算力支持。
在其他资源方面，扬州市政务云接入了160余家单位、420余个业务系统，CPU总量达到7万多核、内存173TB，存储容量超6300TB。2024年启动的信创政务云已投入使用，目前支撑23个单位的30余项业务，未来将逐步实现存量系统的替代升级。
▍大模型如何赋能政务？
扬州市正推进人工智能技术在政务服务领域的深度应用，通过大模型技术赋能多个政务场景，以提升服务效能。
在扬州市智慧政务大厅，政务服务由传统大厅“集成化”模式向零人工“智慧化”模式转型升级，为市民提供7天24小时“不打烊”的政务服务。
其中，智能政务问答小助手覆盖了政府信息公开、政务服务和热点回应等领域。为了保证问答质量，小助手收集整理涵盖了办事服务、政策文件、寄语市长、知识库等各类信息8万余条。上线短短半年时间里，小助手访问量超9万余次，答复咨询提问2万余条，提升了政务服务效率和公众满意度。
现场工作人员向记者记者演示了政策咨询、事项办理的过程。比如输入问题“满足什么条件才能纳入医疗救助对象？”小助手会列出纳入医疗救助对象的具体条件，如家庭经济状况、疾病种类等，并提供政策文件的链接地址，方便用户查询。
后续，扬州市政务云还将深化技术应用，包括接入DeepSeek模型算法，进一步优化问答的准确性和智能化水平，并丰富智能问答的场景，逐步推出智能解读、智能导办、事项直达以及智能问数等功能。
扬州市公共资源交易中心则在推进公共资源交易与AI的融合。其中，“AI+服务”的“评标智能管控”系统，基于大模型推理、机器视觉分析、物联网、云计算等技术，结合”扬小易”数字人，对评标现场的不良行为进行实时分析、监测，锁定违法违规言行。
“扬小易”数字人对评审过程中的专家言论进行智能监测。当专家说出疑似倾向性言论，“扬小易”数字人第一时间发出警示，要求专家保持独立评审。而这些分析预警信息也同步发送到后台，让监管部门对其进行核查处理，有效维护了评标过程的公平公正。
扬州市12345政务服务便民热线于今年4月完成了DeepSeek大模型部署和智能体平台建设。通过智能体开发平台，可以快速搭建和使用扬州市12345医保职能辅助助手，为市民解答医保相关问题，处理高频的医保咨询。
扬州市政务综合服务中心和扬州市中小企业发展服务中心联合打造的”一企来办”（易申报）平台通过构建企业库、资质库和政策的标签库，运用大模型和AI智能体技术，把晦涩难懂的政策条款转化为研发投入占比等量化条件，可自动识别企业资质并智能推荐适配政策项目，切实解决了企业在政策申报过程中遇到的各类难题。
比如，在“一企来办”（易申报）平台上的AI智能体上输入某家企业后，系统会自动分析该企业属于日化行业，具备国家级高新技术企业、省级专精特新小巨人企业等资质标签，从而把这家企业匹配至扬州市工业高质量发展的关键核心攻关技术以及重点产业技术申报项目。
▍高质量数据的缺乏阻碍了应用落地的步伐
在推进AI大模型落地政务服务的过程中，也存在不少难点。扬州市数据局相关负责人向记者表示，首要难题是基础设施支撑能力不足。
“模型应用对算力资源的需求量极大，同时需要多种模型协同支撑不同部门的业务需求，这就需要建立统一的算力资源管理和调度体系，以提升资源利用效率。”
需求场景与大模型如何适配也成为瓶颈之一。虽然大模型技术日趋成熟，但如何将其能力转化为解决实际问题的智能体应用，仍需持续探索。”模型仅是工具，无法直接提供具体的服务，需要针对具体部门需求，构建一个个的精准化细分领域的智能体。”相关负责人强调。
在数据安全方面，政务数据的特殊性带来了应用挑战。由于涉及大量个人和企业敏感信息，必须在确保数据安全的前提下，推进模型应用。这要求建立完善的数据治理和安全保障机制。
而最为根本的挑战来自数据质量。”模型性能的优劣很大程度上取决于训练数据的质量。”该负责人指出，”当前各地AI应用推进速度受限，主要原因在于高质量数据集的匮乏。从数据采集、标注到数据库建设，整个数据治理过程耗时费力，这直接影响了应用落地的效率。”
主题测试文章，只做测试使用。发布者：科创板日报，转转请注明出处：https://www.zmdnky.org.cn/article/12229.html
