場景驅動視角下的大模型治理策略與模式選擇

［摘"要］當前以ChatGPT、DeepSeek等為代表的大模型領域科技創新與應用發展異常活躍，并引發通用人工智能的新一輪發展浪潮。大模型在電子商務、金融投資顧問等場景表現出廣闊發展前景的同時，也引發了新的治理挑戰，探討大模型治理策略與模式對推動大模型高質量可持續發展具有重要的理論價值與實踐意義。文章從場景驅動視角出發，根據場景屬性將大模型應用場景劃分為商業應用、公商混合以及公共服務三種類型，探討了大模型在具體場景應用的正負外部性影響，進而提出發展和規制視角下針對具體場景的技術價值創造、風險防范化解、技術信任構建等具體治理策略，進一步深入分析了基于場景適配的大模型治理模式，包括適應性治理、實驗性治理等六種，從而將上述治理策略轉化為具體場景的實際行動。研究為從場景驅動視角出發，更加精準有效地對大模型在具體場景的治理提供了理論依據和實踐指導。

［關鍵詞］場景驅動；大模型；場景屬性；治理策略；治理模式

［中圖分類號］F49；F0629；F204"［文獻標識碼］A"［文章編號］"1673-0461（2025）05-0027-07

一、引言

以ChatGPT、DeepSeek等為代表的大模型使用超大規模參數和海量訓練數據，涌現出強大的信息加工、薈萃、整合和生成能力。尤其作為一家中國的初創AI企業，與OpenAI開發的ChatGPT相比，DeepSeek不僅在技術上實現了重要突破——用純深度學習方法讓大模型自發涌現出推理能力，還大幅降低了推理模型的成本，其新模型DeepSeekR1以十分之一的成本達到了GPTo1級別的表現，引發海外AI圈的廣泛討論。大模型在電子商務、金融投資顧問（簡稱金融投顧）、醫療健康等場景表現出廣闊應用前景，也引發了治理挑戰。大模型治理已經從理念探討走到了實踐探索前沿，成為國際社會共同關注的熱點議題。歐盟提出《通用數據保護條例》《人工智能法案》等旨在確保人工智能安全、透明和可信賴的指導原則和法規［1］，并將根據《人工智能法案》設立歐洲人工智能辦公室，全面負責監督和確保相關法律的順利實施、協調聯合調查等事務。美國頒布《人工智能權利法案藍圖》《人工智能風險管理框架》等政策，注重在傳統法律框架下探索有效靈活的執法手段，如運用傳統體系打擊大模型應用過程中出現的詐騙、惡意競爭等行為。德國和日本分別提出風險鏈模型和VCIO模型，從而基于風險分級分類的方式對大模型進行治理。后發國家立法注重與已有法律框架的互操作性，如加拿大的《人工智能和數據法案》指出該法案在關鍵定義、概念、風險監管路徑等方面，均注重與人工智能領域國際規范接軌①。

中國高度重視大模型的治理并對此做出一系列部署。2023年4月，習近平總書記在主持召開中共中央政治局會議時指出：“要重視通用人工智能發展，營造創新生態，重視防范風險。”2023年7月，國家網信辦聯合國家發展改革委、教育部等部門聯合發布《生成式人工智能服務管理暫行辦法》，將信息內容安全作為治理重點，相關條款可分為績效標準、設計標準、內部管理型標準，以匹配大模型的不可控性、快速迭代性、大數據特性［2］。2023年10月，國家網信辦發布《全球人工智能治理倡議》，旨在人工智能治理中加強信息交流和技術合作，共同做好風險防范，形成具有廣泛共識的人工智能治理框架和標準規范，不斷提升人工智能技術的安全性、可靠性、可控性、公平性。大模型與應用場景結合才能發揮最大作用，但從目前大模型在典型場景的實際應用情況來看，大模型在電子商務、金融投顧等場景應用過程中，不僅面臨治理策略落地實操性欠缺，同時也面臨治理模式單一、場景適配程度低，以及治理效果有限等問題。如何從場景驅動視角出發，探尋大模型在不同場景治理的準確定位，構建與大模型不同場景高度適配的治理策略和治理模式愈加重要且迫切。

二、大模型應用的場景分類及影響分析

（一）大模型的典型場景應用及分類

國內外學者主要圍繞大模型應用較為廣泛的電子商務、金融投顧、醫療健康、教育應用以及政務服務場景進行探討。在電子商務場景，大模型一方面通過視覺生成算法形成商品3D立體模型、打造數字人等為電商帶來極致的感官體驗和豐富的應用場景，另一方面通過分析銷售大數據和消費者偏好生成精準用戶畫像，助力精準營銷［3］；在金融投顧場景，大模型已成為金融領域數字化轉型的重要支柱，ChatGPT作為高效的自然語言處理工具正被廣泛采用［4］，如金融風險管理［5］、金融科學研究［6］等；在醫療健康場景，大模型賦能醫療健康諸多環節，推動醫療服務水平和質量大幅提升，同時圍繞法律、政策的監管框架正在形成［7］；在教育應用場景，基于大模型啟發性內容生成、對話情境理解、序列任務執行和程序語言解析四大核心能力，拓展學習資源與方法，為智能家教與在線教育提供技術支撐，甚至引發教育形態變革和重塑［8］；在政務服務場景，大模型正在成為塑造政務服務智能體的新型引擎，驅動政務服務的智能化與需求革命，同時對大模型輔助行政決策帶來的問題也應加強法律規制［9］。

2019年世界和平論壇，很多學者主張對人工智能典型場景進行劃分，以幫助人類更好理解人工智能在什么情況下能做什么。本研究根據應用場景的商業與公共屬性，將其劃分為商業應用場景、公商混合場景以及公共服務場景三類：①商業應用場景是指借助大模型通過提供更精準的預測、更高效的決策支持和更智能化的服務來加快業務增長和效率提升。以電子商務和金融投顧為代表，大模型加持下的電子商務呈現虛實交融、沉浸體驗的特征，正在加速商品3D模型、虛擬主播甚至虛擬貨場的構建，通過與AR、VR技術有效結合，實現視聽等多種感官的沉浸式購物體驗。金融投顧場景具有數據資產化、敏感化的特征，大模型節約了人力成本、降低了投資門檻，同時通過自動化處理海量復雜的金融數據，分析客戶投資目標、風險偏好等，提供更加精準的投資組合建議［10］。②公商混合場景是指借助大模型能力兼顧商業價值獲取和公共服務問題的解決。以醫療健康為代表，大模型賦能下醫療健康場景更加凸顯生命至上、注重隱私的特征，大模型通過加速新型藥物研發進程、輔助醫療診斷、康復治療等諸多環節，推動醫療服務水平和質量的大幅提升［11-12］。③公共服務場景是指借助大模型改善和革新公共服務，以更高效、更公平地滿足公眾需求。以教育應用和政務服務為代表，教育應用場景特征集中體現為核心價值觀、理性德性，大模型對教學、學習以及育人方面帶來重大影響，包括助力建構多元化、智能化、綜合化的教學體系，打造泛在化、個性化、協作化的學習形態，重塑知識為基、能力為重、價值為先的育人內涵［13-14］。政務服務場景具有公平正義、精準高效的特征，大模型促進政務情境的自動化與虛實共生，引發服務供給的智能化與需求革命，正在成為塑造政務服務智能體的新型引擎［9］。大模型典型場景分類、特征及應用影響如表1。

（二）大模型場景應用的變革性影響

大模型在電子商務、金融投顧等場景實際應用過程中，既帶來了技術革新、效率提升等正外部性影響，同時也引發了數據安全風險、倫理道德失范、結構性失衡等負外部性影響。

1大模型在商業應用場景的正負外部性影響

隨著數字技術應用和消費升級加快，追求沉浸式的購物體驗成為電子商務場景的發展趨勢，大模型正加速商品3D模型、數字人等虛擬貨場建設，并融合AR/VR等技術，賦能線上商城和線下秀場的加速演變，為消費者提供多感官交互的極致體驗，如2021年7月，阿里巴巴首次展示了其虛擬現實計劃“Buy+”，并提供360度虛擬的購物現場開放購物體驗②，但同時可能引發隱私泄露擔憂、加劇市場不平等性等，其伴隨的負面影響不可忽視。大模型通過對金融咨詢、金融產品等深度學習與內容生成，提升金融機構的運營效率和服務質量，通過對復雜金融數據的分析幫助投資者理解市場動態，識別潛在風險和機會，做出更明智的投資決策，基于大模型的服務還可以覆蓋到之前難以觸及的“長尾客戶”群體，實現普惠金融的目標，同時也帶來了過度依賴、權責不明以及監管困境等挑戰。

2大模型在公商混合場景的正負外部性影響

醫療行業面臨醫療資源分布不均、診斷過程過度依賴醫生經驗和個人判斷等問題，大模型能分析海量醫學影像數據，如X光片、MRI掃描結果等，幫助醫生更快識別病變部位并提供初步診斷意見，通過模擬分子結構預測化合物活性、篩選潛在有效藥物成分，從而降低新藥研發成本，以及從非結構化的文本數據中抽取有價值的信息支持醫學研究等。同時，如何保護患者隱私、大模型醫療技術標準與互操作性，以及大模型與醫生責任邊界確定等問題依然需要深入探討。

3大模型在公共服務場景的正負外部性影響

我國教育體系正面臨教育資源分布不均、教師工作負擔過重、學生獲取知識方式多元化等挑戰。大模型為教育行業帶來新機遇，通過數據分析實現對學生學習行為的個性化追蹤，幫助教師及時了解學生學習進度和薄弱環節，提供針對性輔導支持，借助自動化工具節省教師大量時間，使其專注于教學質量提升和學生潛能挖掘，在線教育平臺結合大模型讓偏遠地區學生能享受優質教育資源，打破教育資源地域分布不均，如科大訊飛推出星火大模型、AI學習機等在內的科創教育產品。此外，由大模型導致的學生獲取知識差異加大、教師與大模型關系該如何平衡等都是需要進一步考慮和解決的問題。當前，政務服務面臨從信息數據匱乏到信息數據爆炸，需對公共屬性的海量數據進行處理和回應的時代性變遷，大模型能夠對政務數據進行深度挖掘、自然語言處理、人工神經網絡分析和機器學習，最終優化政務服務的運作方式與運作流程。大模型通過虛擬空間場景、組織與資源要素集成等驅動政務服務生態系統的構建［9］，但同時要全方位考慮大模型驅動政務服務過程中引發的信息安全、知識產權、人類主體地位等風險的影響。

三、基于場景類型的大模型治理策略

大模型治理與發揮其溢出帶動的“頭雁效應”同等重要，更是推動其持續健康發展，為人類社會帶來更多福祉的應有之義。不同場景類型對治理活動有其內在具體要求，因此治理策略因場景類型不同而相異。

（一）大模型商業應用場景的治理策略

對商業應用場景而言，實現價值創造是其首要目標，目前大模型創造的價值有限，對此類場景以采取價值創造為愿景、風險防控為底線的治理策略。例如，大模型能夠為電子商務和金融投顧場景的企業提供更高質量的產品與服務，提升收入和盈利能力，應持續激發其價值創造能力，同時還應筑牢數字安全底線，防范大模型商業應用場景引發的系統性風險，如算法歧視、市場操縱、法律監管缺位等。

（二）大模型公商混合場景的治理策略

對公商混合場景而言，其可采取以信任構建為抓手、多邊平衡為保障的治理策略。醫療健康場景兼具公共服務和商業應用屬性，不僅通過遠程醫療服務、優化醫療資源分配等提升了公共醫療服務水平和覆蓋范圍，而且市場潛力巨大，但也帶來不少棘手的風險。醫療健康場景對技術要求極為嚴苛，因此確保大模型在診斷、治療、健康管理等方面的安全性、可靠性、可解釋性和公平性等至關重要，同時醫療健康關乎病患生命健康，必須嚴格遵循一系列技術、安全及倫理規范，采取最高等級的風險應對策略。

（三）大模型公共服務場景的治理策略

對公共服務場景而言，安全穩定是其治理首要目標，可采取以系統安全為前提、質效提升為目標的治理策略。例如，教育應用場景需要培養學生的德性品德，以實現教育事業的根本價值目標，大模型在教育場景可采取價值觀念引導策略，堅守倫理道德原則，確保教育變革的健康化發展。此外，雖然大模型能為教育主體提供自動生成學習成果、打造更為安全且有創意的學習環境，但目前受眾偏向優質資源地區，因此應采取普惠個性推廣策略以便推動大模型覆蓋更多地區與群體。政務服務場景治理則應著重體現確保系統安全和促進服務的公平正義、精準高效，因此適宜采取公共安全對齊策略與公平效率提升策略。

整體而言，基于場景分類的治理策略可分為發展型和規制型，其中發展型策略包括技術價值創造、技術信任構建、普惠個性推廣、公平效率提升，規制型策略包括風險防范化解、價值觀念引導、公共安全對齊，這些策略根據場景分類應用到具體實踐之中（見表2）。

四、基于場景適配的大模型治理模式

在明確治理策略基礎上需進一步討論包括治理工具和決策方式在內的治理模式，從而將治理策略轉化為實際行動。近年來，數字技術發展與應用的風險日益顯現，學界提出適應性治理、實驗性治理、預見性治理、試探性治理、敏捷性治理、自反性治理等模式并被廣泛用于解釋各類新興技術的治理實踐（見表3）。①適應性治理以管理制度變遷來應對環境變化產生的復雜性與不確定性，其基礎是反應的多樣性，行為主體通過反應、醞釀、準備、先發制人等各種行動和步驟，不斷接受各種內外挑戰并進行調整。適應性治理的關鍵特征是在不同規模上的合作、彈性和基于學習的議題管理［15］。②實驗性治理本質上是一種遞歸決策，即多個公共行動主體為達成某種政策目標，在統一框架下分散決策、彼此互動，在不斷的評估中共同學習，并根據自身環境及條件修正各自行動方案［16-17］。③預見性治理強調通過對未來的預測和前瞻性策略，主動應對潛在挑戰，在問題出現前或在問題成為危機前進行有效控制。預見性治理要求多方參與并建立行動者遠見、參與及整合能力，借助大數據、云計算等技術手段更加準確地預測變化與趨勢分析［18］。④試探性治理指的是與確定性治理過程分解式的線性治理方式相對應，嘗試通過循環迭代的方式來管理復雜性、不確定性問題的治理模式。試探性治理從技術與制度協同演化關系切入，形成了辯證的試探性治理模式，表現為及時、合理地配置技術工具和制度工具，靈活漸進地處置問題［19］。⑤敏捷性

治理強調多元主體的共同參與和合作，同時注重政策工具的快速反應和適應性演化，以及政府作為權威主體在其中扮演的主導性角色［20］。敏捷性治理實施需要監管者與被監管者形成相互依賴的互動關系，對產業發展過程風險進行及時評估，采取引導性、指向性而非懲罰式、選擇式的監管行為［21］。⑥自反性治理特點就是它關注自身，治理過程也可以成為被調整的對象。這意味著它要對治理本身的基礎與過程，包括概念、理論、實踐、程序、制度等進行不斷質疑，并尋求更好的替代者［22］。

（一）大模型商業應用場景的治理模式

發展視角下，電子商務和金融投顧場景的治理以釋放技術價值創造能力為發力點，根據適應性治理可從政策制定、人才培養、應用推廣以及資金支持等方面做出回應，如明確大模型發展目標并將其納入國家或地區科技發展規劃，加大人才培養，支持AI基礎研究、推動產學研合作、示范項目推廣等，以持續激發與釋放大模型的價值創造能力；規制視角下，實驗性治理涵蓋試點、篩選和擴散的動態過程，認為中央與地方通過融合式共同學習對公共政策進行驗證、強化或糾偏，實現對大模型在電商與金融場景的風險治理。例如，我國一些地方市場監管部門推出基于大數據分析的“四色預警”機制以降低購物風險，中國人民銀行下發《金融領域科技倫理指引》對金融機構在采用大模型時的倫理原則提出了要求，浙江數字金融科技聯合會設立金融科技倫理（專業）委員會等，實驗性治理能夠在政策出臺后進行試驗期，通過各方反饋來衡量規范的合理性，并為風險治理留下試錯空間。

（二）大模型公商混合場景的治理模式

發展視角下，預見性治理是大模型在醫療健康場景主動構建技術信任的合適模式，預見性治理強調通過技術監測、透明度、可靠性驗證等方式建立對技術的信任，包括但不限于采用對大模型技術引入、應用及患者反饋的長期監測，公開算法邏輯、必要的數據來源和處理過程，以及通過第三方認證或標準化測試驗證大模型系統性能與可靠性等。此外，形成由醫療機構、技術開發者、患者代表、倫理專家等多方參與的治理結構對技術信任機制的長期穩定至關重要。規制視角下，試探性治理秉持彈性思維觀念，把歷史分析和辨證思考引入治理過程，及時合理地配置技術工具和制度工具，如定期或實時評估誤診風險、醫療合規性監督等，是防范化解大模型在醫療健康場景風險的理想選擇。

（三）大模型公共服務場景的治理模式

發展視角下，實驗性治理通過試點項目改進教育方法并推動教育治理能力現代化，為后續促進大模型惠及更多教育群體、更加個性化學習奠定前期基礎，如清華大學于2023年9月28日正式啟動“清華大學人工智能賦能教學試點課程工作方案”，根據不同學科特點開發大語言模型的垂直應用，打造智能助教、知識圖譜等多元化教學場景，并深入觀察和分析大模型與教育教學融合所帶來的深遠影響；規制視角下，教育應用場景以預見性治理為指導，聯合教育部門、技術開發者以及教育工作者等，共同探討制定覆蓋隱私權、公平等倫理道德準則，通過將社會主義核心價值觀等嵌入到教育場景諸多環節、技術與人文關懷相結合等方式，有效防范化解大模型教育場景的倫理道德風險。

發展視角下，針對大模型在政務服務場景的效率、公正透明等問題，自反性治理在大模型政務服務應用全過程中涉及政府、組織和個人，在擁有必要知識與能力基礎上，通過協商、對話等方式，前瞻性地重塑問題解決程序并持續反思與改進；規制視角下，敏捷性治理為大模型在政務服務場景的風險問題提供有力支撐，其根本原因在于大模型雖然使政務服務能在多數據源、多類型與巨量的數據形式與內容中學習，并生成回應公眾訴求和需求的政務結果，但這種模式也使得數據信息安全涉及范圍更廣、鏈條與環節更長，亟須借助敏捷性治理的分類思路，對政務場景中的隱私泄露、知識產權等問題進行分類研判，以應對紛繁復雜的政務治理情形，當風險對象發生變化時及時調整治理工具與策略，從而實現敏捷回應。

五、研究結論與啟示

（一）研究結論及貢獻

本文梳理了大模型在電子商務、金融投顧等場景應用，以及帶來的變革性影響，并從場景驅動視角出發，深入探討了大模型的治理策略與治理模式，主要研究結論如下：

第一，根據大模型應用的場景屬性，將其劃分為商業應用場景、公商混合場景以及公共服務場景，大模型在不同場景應用過程中兼具正負外部性影響。具體而言，商業應用場景是指借助大模型通過提供更精準的預測、更高效的決策支持和更智能化的服務來加快業務增長和效率提升，如電子商務和金融投顧。公商混合場景是指借助大模型能力兼顧商業價值獲取和公共服務問題的解決，如醫療健康。公共服務場景是指借助大模型改善和革新公共服務，以更高效、更公平地滿足公眾需求，如教育應用和政務服務。大模型在電子商務、金融投顧等場景應用過程中，帶來技術革新、效率提升等正外部性影響的同時，也引發了數據安全風險、倫理道德失范、結構性失衡等負外部性影響。

第二，鑒于大模型場景應用帶來的正負外部性影響，其治理應從發展和規制的雙重視角切入，從而確保大模型發展符合人類福祉、防范化解大模型風險挑戰。不同場景類型對治理有其內在要求，治理策略也因場景類型不同而相異，其中商業應用場景可采取以價值創造為愿景、風險防控為底線的治理策略，公商混合場景可采取以信任構建為抓手、多邊價值平衡為保障的治理策略，公共服務場景可采取以系統安全為前提、以質效提升為目標的治理策略。

第三，大模型治理模式選擇需要適配不同場景類型，并將治理策略轉化為具體實際行動。具體而言：①以電子商務和金融投顧為代表的商業應用場景應采取適應性治理和實驗性治理模式。適應性治理從政策制定、人才培養、應用推廣等方面激發與釋放大模型在電商與金融場景的價值創造能力，實驗性治理能夠在政策出臺后進行驗證、強化或糾偏，助力大模型在電商與金融場景的風險治理。②以醫療健康為代表的公商混合場景應采取預見性治理和試探性治理模式。預見性治理通過技術監測、透明度、可靠性驗證等方式建立對技術的信任，成為大模型在醫療健康場景主動構建技術信任的理想選擇；試探性治理把歷史分析和辨證思考引入治理過程，及時合理地配置技術工具和制度工具，防范化解大模型在醫療健康場景的風險。③以教育應用和政務服務為代表的公共服務場景應采取實驗性治理、預見性治理、自反性治理以及敏捷性治理模式。實驗性治理通過試點項目改進教育方法并推動教育治理能力現代化，為后續促進大模型惠及更多群體、更加個性化學習奠定基礎；預見性治理聯合利益相關者共同探討制定覆蓋隱私權、公平等倫理道德準則，有效防范化解教育場景的倫理道德風險；自反性治理通過協商、對話等方式重塑問題解決程序并持續反思與改進，提升政務服務公平性與效率性；而借助敏捷性治理的分類思路能應對紛繁復雜的政務服務治理情形。

本文理論貢獻主要體現為：其一，根據場景屬性將大模型應用場景歸納為商業應用、公商混合以及公共服務三種類型，為大模型應用場景分類提供了參考依據；其二，從場景驅動視角出發，同時兼顧大模型在不同類型場景應用的正負外部性影響，分別提出針對商業應用場景、公商混合場景以及公共服務場景的具體治理策略和治理模式，為大模型典型場景應用的治理提供了適配性更強的理論支撐，助力治理效能提升。

（二）實踐啟示與研究展望

本文的實踐啟示有兩點：第一，為政府部門電子商務、金融投顧等不同場景的大模型治理的政策設計提供思路啟示，如有組織地推動大模型應用場景創新，從“資源性支持”向“場景機會支持”轉變等。第二，服務于大模型在不同場景的健康有序發展。本研究提出針對商業應用、公商混合以及公共服務場景的大模型治理策略與模式，為電子商務、金融投顧等場景采用大模型的相關產業主體放大深化大模型正外部性影響、防范化解負外部性影響提供了策略和行為上的參考依據。

由于大模型仍處于飛速發展階段，大模型的場景應用及治理屬于新興議題，本文雖然從場景視角出發對大模型的治理策略與模式進行了初步探討，但在實踐中大模型治理的實施涉及技術能力、多元主體、多目標平衡以及國際合作等因素。面向未來，應梳理大模型核心技術能力、多元治理主體協同、兼顧多目標平衡，并且加強全球合作與對話，持續拓展和構建面向更豐富場景、包容共享的大模型治理體系。

［注"釋］

①

資料來源：中國信息通信研究院、中國科學院。

②"資料來源：中國信息通信研究院和京東探索研究院。[BFQ][ZK）]

［參考文獻］

［1］施錦誠，王國豫，王迎春."ESG視角下人工智能大模型風險識別與治理模型［J］.中國科學院院刊，"2024，39"（11）：1845-1859.

［2］張學府.生成式人工智能服務信息內容安全的三類標準——基于《生成式人工智能服務管理暫行辦法》的分析［J］.中國行政管理，"2024，"41（4）：120-128.

［3］JUSTIN"P，"AKIKO"U，"CHARLES"D．ChatGPT"and"consumers："benefits，"pitfalls"and"future"research"agenda［J］."International"journal"of"consumer"studies."2023，47（4）：1213-1225.

［4］汪壽陽，李明琛，楊昆，等.ChatGPT+金融：八個值得關注的研究方向與問題［J］.管理評論，2023，35（4）：3-11.

［5］GEORGE"A"S，"GEORGE"A"H，"MARTIN"A"S"G."A"review"of"ChatGPT"AI’s"impact"on"several"business"sectors［J］."Partners"universal"international"innovation"journal，"2023，1（1）：9-23.

［6］WANG"X，"LIN"X，"SHAO"B."Artificial"intelligence"changes"the"way"we"work："a"close"look"at"innovating"with"chatbots［J］."Journal"of"the"association"for"information"science"and"technology，"2023，74（3）：339-353.

［7］SALLAM"M."ChatGPT"utility"in"healthcare"education，"research，"and"practice："systematic"review"on"the"promising"perspectives"and"valid"concerns［J］."Healthcare，2023，11（6）：887-907.

［8］盧宇，余京蕾，陳鵬鶴，等.生成式人工智能的教育應用與展望——以ChatGPT系統為例［J］.中國遠程教育，2023，43（4）：24-31.

［9］汪波，牛朝文.從ChatGPT到GovGPT：生成式人工智能驅動的政務服務生態系統構建［J］.電子政務，2023，20（9）：25-38.

［10］劉安平，金昕，胡國強.人工智能大模型綜述及金融應用展望［J］.人工智能，"2023，12（2）：29-40.

［11］張君冬，劉江峰，王震宇，等.用戶響應式場景下大模型驅動的AI問答研究：以醫療分診為例"［J］.情報理論與實踐，2025，48（2）：188-197.

［12］顧東曉，黃智勇，朱凱旋，等.醫療健康大模型知識體系構建、服務應用與風險協同治理［J/OL］.情報科學，"1-29（2024-09-25）［2025-01-26］."http：//knscnkinet/kcms/detail/221264G2202409250948002html.

［13］盧宇，余京蕾，陳鵬鶴，等.多模態大模型的教育應用研究與展望［J］.電化教育研究，"2023，44（6）：38-44.

［14］吳砥，李環，陳旭.人工智能通用大模型教育應用影響探析［J］.開放教育研究，"2023，29（2）：19-25.

［15］CHAFFIN"B"C，"GOSNELL"H，"COSENS"B"A."A"decade"of"adaptive"governance"scholarship："synthesis"and"future"directions［J］."Ecology"amp;"society，"2014，19（3）：56-69.

［16］SABEL"C，"SIMON"W"H."Minimalism"and"experimentalism"in"the"administrative"state［J］."Social"science"electronic"publishing，"2011，100（1）：53-93.

［17］KUMM"M."Constitutionalism"and"experimentalist"governance［J］."Regulation"amp;"governance，"2012，6（3）：401-409.

［18］GUSTON"D"H."Understanding"“anticipatory"governance”［J］."Social"studies"of"science，"2014，"44（2）：218.

［19］李沖，李霞.人工智能風險的試探性治理：概念框架與案例解析［J］.中國軟科學，2024，40（4）：91-101.

［20］WANG"C，MEDAGLIA"R，ZHENG"L."Towards"a"typology"of"adaptive"governance"in"the"digital"government"context："the"role"of"decisionmaking"and"accountability［J］."Government"information"quarterly，"2018，35（2）：306-322.

［21］MERGEL"I，"GONG"Y，"BERTOT"J."Agile"government："systematic"literature"review"and"future"research［J］."Government"information"quarterly，"2018，"35（2）：291-298.

［22］DRYZEK"J，"PICKERING"J."Deliberation"as"a"catalyst"for"reflexive"environmental"governance［J］."Ecological"economics，"2017，37（131）：353-360.

Governance"Strategies"and"Model"Selection"of"Large"Models"

from"a"Scenariodriven"Perspective

Li"Shaoshuai

（Tsinghua"University，"Beijing"100084，"China）

Abstract：Technological"innovation"and"application"development"in"the"field"of"large"model，"represented"by"ChatGPT，DeepSeek，"are"exceptionally"active，"triggering"a"new"wave"of"development"in"general"artificial"intelligence."The"large"model"has"shown"broad"development"prospects"in"ecommerce，"financial"advisory"and"other"scenarios，"but"it"has"also"triggered"new"governance"challenges."Exploring"the"governance"strategies"and"models"of"large"model"has"important"theoretical"value"and"practical"significance"for"promoting"highquality"and"sustainable"development."This"paper"starts"from"scenariodriven"perspective"and"divides"the"application"context"of"large"model"into"three"types："commercial"applications，"mixed"public"and"commercial"applications，"and"public"services."It"explores"the"positive"and"negative"external"impact"of"large"models"in"specific"scenarios，"and"proposes"specific"governance"strategies"for"creating"technological"value，"preventing"and"resolving"risks，"and"building"technological"trust"in"specific"context"from"the"perspective"of"development"and"regulation."The"study"further"indepth"analyzes"the"governance"models"of"large"models"based"on"scenario"adaptation，"including"six"governance"models"such"as"adaptive"governance"and"experimental"governance，"thereby"transforming"the"above"governance"strategies"into"concrete"actions"in"specific"scenarios."The"research"provides"theoretical"basis"and"practical"guidance"for"more"precise"and"effective"governance"of"large"models"in"specific"scenarios.

Key"words：scenariodriven；large"model；scenario"properties；governance"strategy；governance"model

（責任編輯：李"萌）