?
智庫動態 NEWS
吳謀遠：人工智能引發中國特色新型智庫“智變”
時間:2025-05-06來源:未知 作者:acebm 點擊:
次
4月14日，上海社會科學院與瞭望周刊社共同召開《中國智庫報告（2024）》發布會暨企業智庫高質量發展研討會。來自上海、北京、深圳、江蘇、湖南等地的9位智庫專家圍繞今年《報告》主題，并結合各單位智庫建設情況發表演講。
中國石油集團經濟技術研究院副院長、中國石油集團國家高端智庫研究中心專職副主任吳謀遠圍繞“人工智能引發中國特色新型智庫‘智變’”作專家發言。
當前在全球治理體系深度變革和數字化轉型共振的新時代，人工智能技術正驅動智庫研究發生革命性變革，成為構建國家戰略決策核心支撐力的關鍵突破口。人工智能引發的不僅是技術工具升級，更是研究范式的代際躍遷，其核心特征表現為數據驅動的認知革命、算法賦能的決策升維、人機協同的智慧涌現。這種系統性變革正在重新定義政策研究的科學邊界，為智庫機構在智能時代的轉型升級指明方向。
作為國家軟實力的重要載體，中國特色新型智庫如何在智能時代完成“智變”升級，既關乎決策科學化水平，更影響著國際話語權爭奪的戰略格局。我將從效率革命、范式躍遷、生態重塑、風險挑戰等人工智能對于智庫研究產生的四大影響展開闡釋，并簡要介紹這些年中石油經研院在推進數字轉型方面所做的探索和實踐。
一是信息獲取與處理能力實現指數級躍升。在傳統的智庫研究中，信息收集是一項耗時費力的工作，研究人員需要從海量的書籍、期刊、報告當中篩選出有用的信息。人工智能通過機器學習技術，將智庫研究的信息數據處理效率提升了至少3-5倍。
二是信息數據分析與挖掘實現智能突破。在智庫研究中，面對大量的統計數據、社會調查數據等，傳統的數據分析方法往往難以處理極其復雜的關系，基于深度學習的知識圖譜技術正在重構智庫的知識生產流程，研究人員可以利用知識圖譜將碎片化的研究成果進行有機結合，從而形成新的研究思路和觀點。
三是復雜系統的動態映射技術和干預預測實現決策支撐的升維突破。人工智能正在突破人類認知的維度限制，通過復雜系統建模實現決策精準度的量級提升。動態映射技術通過多元數據融合與實時反饋機制，將物理世界中的復雜系統轉化為高精度的數字模型，為決策者提供全景式的認知框架。
一是從經驗驅動到數據驅動的范式轉變。傳統智庫研究基于定性分析、文獻歸納和專家經驗判斷，這種研究范式在一定程度上存在著主觀性和局限性。而人工智能的出現能夠促使智庫研究從經驗驅動向數據驅動轉變，在數據驅動的研究范式下，智庫研究依賴于大量的數據收集和分析，以數據為依據提出觀點和決策建議，從小數據歸納到大數據演繹，實現從經驗推測到精準推演的跨越。
二是從靜態分析到動態仿真推演的方法變革。傳統智庫研究多以橫截面分析為主，難以刻畫多變量間的動態交互與非線性反饋機制。而基于深度的神經網絡、多智能體建模和系統動力學等方法的引入，使得智庫得以對宏觀政策變量、微觀主體行為和中觀治理結構進行耦合建模，從而實現對復雜系統的演化預測和政策干預的模擬。
三是從單一學科到跨學科協同研究的智能化實現。人工智能打破學科壁壘，催生“AI+社會科學”研究范式。在研究中生成的多學科交叉解決方案大幅度提高多學科融合研究效率。
四是從決策建議到決策參與的智能化重構。人工智能將智庫的功能從傳統的“政策建議提供者”演進為“決策過程參與者”乃至“實時策略優化引擎”。借助AI增強的模擬能力與推理邏輯，智庫可實現動態評估、實時監測與敏捷響應，使決策支撐不再是事后分析報告，而成為過程型的決策協同系統。
一是數據資源體系的系統化重構和智能化升級。人工智能技術正在對智庫信息數據體系進行全鏈條、多維度的系統性重構，這種變革體現在數據采集、處理、存儲到應用的完整閉環中。傳統智庫數據體系存在著“數據孤島”“分析滯后”“知識斷層”等痛點，目前這些問題正在被智能化技術體系所破解。
二是人機協同共創成為新常態。傳統的以人文社會科學為主的智庫人才結構逐漸向復合型人才結構轉變。智庫將不再僅僅是專家知識的集散地，而是混合智能體協同平臺。人工智能在語言理解、模式識別、推演預測等方面具有巨大優勢，但在價值判斷、倫理辨析、制度設計等方面仍需依賴人類的智慧。未來智庫的核心競爭力正是在于能否構建起人機協同的混合職能架構，實現從“替代式AI”到“增強式AI”的躍升。
三是實現封閉式研究到開放式創新的突圍。基于人工智能技術的突破性發展，智庫研究的要素配置、協作模式和成果應用正發生結構性改變，傳統智庫研究受限于數據獲取成本和技術瓶頸，多采用封閉式數據采集和內部專家研討方式，人工智能技術突破了研究的封閉邊界。這種數據整合能力使智庫正在突破部門壁壘，形成覆蓋政府、企業、社會的立體化研究網絡。此外人工智能技術顯著增強了社會智慧整合能力，公眾參與機制提升了決策的科學性。借助人工智能平臺，智庫研究人員可以與不同群體的人員進行更加便捷、高效的互動，同時人工智能可以對這些互動數據進行實時分析，將公眾的關注點和訴求反饋到決策研究過程中，使決策研究更加符合實際。
四是形成資源整合與協同創新的新格局。一方面借助人工智能技術，智庫可以整合分散的研究資源，打破地域、機構之間的壁壘，通過多模態數據處理、知識圖譜構建與智能語義分析，突破了傳統智庫受制于數據規模、結構及處理效率的資源整合瓶頸。例如通過構建智庫聯盟共享數據庫，各個智庫可以共享研究數據、成果等資源，避免重復研究，提高研究資源的利用效率。另一方面人工智能技術構建的虛擬協作空間正在打破傳統智庫的物理邊界和學科壁壘，推動知識共享機制的創新。
一是數據安全和隱私保護風險。智庫研究高度依賴數據，隨著數據的大量采集和使用，數據的泄漏、被篡改等風險增加，特別是一些涉及國家安全、企業機密的智庫研究數據一旦泄漏，造成的后果非常嚴重。
二是算法偏見與倫理問題。由于算法是基于數據進行訓練的，如果訓練數據存在偏差，那么算法就可能產生偏見的結果，算法黑箱容易引發決策的可信度危機。
三是人類專業判斷的邊緣化風險。人工智能系統雖然能夠處理大量數據并提供分析結果，但它們缺乏人類的直覺、情感和對復雜社會問題背景的深入理解，特別是在一些需要綜合考慮各種非量化因素的研究中，如文化、戰略等領域，過度依賴人工智能可能會導致研究結果偏離實際。
中石油經研院是中國石油集團直屬從事戰略研究的決策咨詢機構，也是國家首批高端智庫試點單位和國家能源局首批研究咨詢基地，前身為1964年成立的石油工業部科學技術情報研究所，在60多年發展歷程中，逐漸發展成為以戰略研究和決策支撐為主的智庫研究單位。近年來中石油經研院實施“數智賦能”工程，完成了多項數據采集、挖掘、算法設計、平臺搭建、軟件研發等任務，信息化、數字化和智能化能力取得了長足進步，為數智轉型奠定了堅實基礎。具體包括以下幾個方面：一是數據信息渠道不斷拓寬。中石油經研院每年花費兩三千萬采集各種數據，形成各類數據庫等相關產品，為做好研究打下了堅實基礎。二是大力推進數據體系建設。形成涵蓋3000多項指標體系、超150年跨度的9個數值型數據庫和12個信息型數據庫，初步構建起了一套具有大數據級規模的數據體系。三是算法模型持續創新。前不久中國石油集團發布了昆侖大模型，中石油經研院作為昆侖大模型的首批試點單位負責整個昆侖大模型在決策和軟科學方面的專業化研究，通過大模型在軟科學研究的落地和積極開發，真正實現了算法數據模型的人工智能升級，在信息收集、自動分類、人機結合等方面取得一定進展，并且在探索知識圖譜的研究工作方面也初具成效。四是形成數據共享、實驗研究和管理辦公平臺，真正實現了成果共享、研究共享和成果全生命周期管理。
來源：瞭望智庫
?
- OA
-
acechina01@163.com
-
0755-89992025 0371-66686801
- TOP
