本研究旨在考查数字中国建设中一个尚未得到系统性理论阐释的重要议题——地方政府在人工智能治理的政策话语中究竟是如何理解和建构其角色定位的？具体而言，地方政府关注哪些类型的政府治理角色？其遵循“单一角色主导”还是“多重角色适配”的政策话语样态？不同地方在政府治理角色类型的关注度上是否存在差异？差异背后的形成机制又是什么？
本研究通过系统揭示我国省级政策话语对人工智能治理的政府角色定位，旨在从政策过程的认知起点切入，为深入理解各地政府“同中有异”的人工智能治理模式提供可能的逻辑解释。政策话语作为政策输入端的政府行为载体，可以抓取和反映政府面对不确定性事物时的认知建构逻辑。站在社会建构论的视角上，政府对人工智能治理的差异化建构会直接塑造其实际的行为选择。考虑到人工智能治理作为技术迭代演进过程中的新兴复杂议题，其高度不确定性特征意味着政府多样化的认知建构可能会持续存在。为此，将政策话语引入人工智能治理研究有其独特的理论价值；此外，本文将分析层级由国家转向地方，与既有文献主要关注跨国比较分析形成了有机互补。研究表明，在我国央地关系的治理格局下，各地的政府角色定位既是对中央政策精神的垂直响应，又蕴含了因时间和区域治理环境变化的地方灵活性。为此，在中国治理情境中，分析人工智能治理模式需要考虑纳入地方视角，在央地纵向比较和地方横向比较中，丰富对我国多元人工智能治理政府角色的制度形成逻辑的理论认识。本文的实践启示在于：尽管以“发展”为导向的人工智能治理符合当前我国所处阶段的治理需求，但是政府作为应用者和监管者角色的结构性缺失表明，在长周期推动人工智能在安全和创新中可持续发展需要政府平衡四类角色组合。地方政府在引领人工智能产业，构建产业生态的同时，需要注重从治理场景的需求侧入手挖掘人工智能的治理赋能价值，并同时研判其潜在伦理风险，搭建风险防控的规制体系。
既有文献围绕数字化转型中的政府角色已经形成了较为丰富的讨论，并指出政府在数字治理中的复合功能定位[9,10]。随着数字技术的迭代演进及其在国家治理中的嵌入程度加深，数字治理不仅在工具应用层面强调“用数据治理”，还日益关注数据自身的主体性地位。这意味着数据正成为新的治理对象，即“对数据治理”，甚至是“构建数据治理生态”[9,11,12]。相应地，政府在数字化转型中不仅扮演应用者角色，还同时扮演治理规制者和体系构建者的角色。然而，人工智能治理与传统数字治理既存在联系又有所不同。区别于传统数字治理主要关注信息系统和数字基础设施的规划、管理和服务，人工智能治理更关注以机器学习、深度学习为核心的智能算法。二者所面临的核心治理难题也因此存在差异。如果说在传统数字治理范式下，信息孤岛、数据安全和流程再造是核心的治理议题，那么人工智能治理则关注如何在可解释性、公平性、安全性和隐私保护等原则的基础上持续推进人工智能的应用和发展。
尽管上述文献为我们理解人工智能治理的政府角色多样性提供了有益参考，但是在以下两个方面仍然存在优化空间：
第一，既有学术讨论主要依赖正式的政策文本，忽视了政府在政策过程前端的话语建构行为。在政策的阶段性演进中，政府往往通过政策吹风等“软性”的政策话语预先界定政策议题。尤其在数字治理领域，这种非正式的治理手段虽未具有法定效力，却能够改变信息呈现方式，为技术合法性提供认知铺垫，进而影响实际的政策行为和制度建设。实际上，政策文件作为一种正式的成文载体，由于其内容需要经历较长的政策博弈过程，往往标准化程度较高。而以政策报道为载体的政策话语则处于政策过程的输入端，强调政府在认知前端对政策议题的理解，因而更加灵活多变。因此，政策话语视角的缺失使得研究者k8凯发官网难以从政策过程的认知起点解析政府对自身在人工智能治理中的角色定位。
第二，当前讨论主要秉持国家治理同质化的理论预设，在将国家视为均质化行动单元的同时，忽视了地方层面的治理多样性和政府的角色分化。这种理论简化难以适应中国幅员辽阔背景下中央一统性和地方多样性的治理复杂性情境。尤其在数字治理领域，地方政府在中央设定的政策框架下，往往会采取差异化的治理模式。例如，在电子政务的议题界定偏好上，省级政府会呈现出在经济发展、政府建设和社会服务子议题上的分化。在数据治理机构设置上，地方政府甚至会走在中央前面，优先结合本地发展需求，因地制宜地设立职能各异的数据治理机构。因此，我国在数字治理领域对地方自主性和创造性的鼓励和尊重，意味着各地在人工智能治理的政府角色定位上，可能会表现出差异化的角色偏好。此外，考虑到地方政府更贴近人工智能产业发展的实践一线，系统揭示地方层面的政府治理角色类型偏好，不仅能够在既有知识积累上从分析层次方面有所补充，而且可以揭示我国在人工智能治理中对全局规划和自主灵活有机统一的行为逻辑，探索构建中国特色人工智能治理模式的自主性理论框架。
本文从政策话语的理论视角出发，揭示地方政府在人工智能治理中的角色定位。作为公共政策过程的经典理论262，政策话语指政策行动者围绕公共政策议题所构建的叙事、语言和讨论体系，体现了其对政策问题本质及解决方案的认知与阐释方式。研究者对政策话语的关注源于其在政策制定过程中发挥的关键作用：决策者需通过文本、口头表达及论辩等形式论证政策的合法性。然而，语言作为一种表达工具，因其形式化特征和语义构建特性，往往难以实现完全客观中立的状态。这种局限性使得政策背后的意义世界呈现出多元性和复杂性。任何政策都包含若干维度或面向（dimensions），在话语讨论过程中，不同行动者往往聚焦于特定的维度，由此形成差异化的政策话语偏好。这种选择性关注反映了政策制定者在政策议题的不同维度之间的注意力分配模式。换言之，政策话语的差异反映了政策行动者对同一政策信息的呈现和解读方式的不同，其本质是对政策议题多重维度的选择性强调或忽视。对政策话语的分析，本质上是考察政策行动者对政策议题的多重意义赋予方式的考察。
政策话语之所以重要，原因在于话语框架是政策行动者的认知起点，会对后续政策环节产生显著的框架效应（framing effects）。在议程设置环节，政策话语通过问题再定义重塑政策议题的显著性，从而开启“政策之窗”，进而提升政策议题的优先性；在政策采纳和执行环节，策略性的话语框架建构有助于政策倡议者与利益相关者的共识达成，竞争政策资源，包括政策发布、财政拨款与法案通过等。在长周期政策变迁上，话语框架的转变能够重塑利益相关者的政策态度，打破政策平衡，推动政策变迁。
人工智能治理涉及多重政策领域和多元治理目标。例如，在技术应用层面，人工智能既强调促进经济转型与产业发展，又强调确保技术的安全可控与伦理规范。这种政策多义性导致不同行动主体会围绕人工智能治理形成差异化的政策话语。近年来，研究者逐步将政策话语理论拓展至数字治理，涵盖人工智能、数字化转型以及电子政务等议题。这一研究脉络在考察政策主体对数字技术应用的意义建构过程中，既借鉴了政策过程理论中的政策话语概念，又回溯至技术社会学领域的社会建构传统，特别是技术框架（technological frames）和技术执行（enacted technology）等，形成了多理论源流交叉融合的分析范式。Zeng等人通过对2015-2018年《人民日报》和微信上有关人工智能的14万篇媒体报道的分析发现，国家层面的政策话语主要强调人工智能的经济发展潜能。值得注意的是，政府和企业、学界以及社会组织等不同行动主体在政策话语偏好上存在一定差异。其中，学者和非科技公司在政策话语表达上会更多地关注伦理价值规范，而官方的政策话语几乎未涉及此类内容。以数字政务领域的研究为例，Fan发现中国省级政府围绕电子政务的政策话语呈现出差异化特征。省级政策话语倾向于将电子政务界定为经济发展议题，较少将其视为政府建设议题。这种“经济导向”的政策话语在区域间存在一定差异：东部地区更强调电子政务在吸引招商引资上的价值，而西部地区的关注度则较为有限。
政策话语为剖析人工智能治理的政府角色提供了重要的理论视角。作为一个新兴政策议题，人工智能的治理复杂性和动态迭代性意味着政府无法在短期快速出台政策方案，而需要在酝酿阶段，通过从不同角度对人工智能治理进行讨论，完成对利益相关者的“政策吹风”。这些以官媒报道为载体的政策话语，通常聚焦人工智能治理的不同面向，反映了官方对人工智能治理中的政府角色定位。例如，某些官媒报道强调了政府应当大力培育适应人工智能产业发展的技能型人才；而另一些报道则聚焦于人工智能推广应用中可能衍生的伦理和社会风险，如隐私保护、社会偏见和数据安全等，并在此基础上强调政府应该秉持审慎态度加强对人工智能的监管。
具体来说，地方政府在人工智能治理中可能扮演如下四类角色，并在治理理念、范式和工具等维度各有特色：第一，引领型政府。该角色强调政府通过资金投入、技术攻关与战略规划，直接主导人工智能的技术研发与产业发展。相关政策话语多强调政府出台产业政策，推动产业的智能转型升级。在治理理念上，该角色强调政府在促进导向下的直接干预，体现了积极有为的创业型治理范式。相应地，政府偏好使用侧重于生产要素的供给面政策工具。第二，培育型政府。该角色强调政府通过构建生态系统，营造适宜的外部环境间接推动人工智能的产业创新应用。相关政策话语多强调政府对数字基础设施、人力资源和法律法规框架的搭建。其治理理念强调政府对产业的间接干预，通过培育市场来促进人工智能的产业创新应用，属于市场型的治理范式。相应地，除了供给面政策工具外，政府还偏好环境面政策工具，为科创企业的成长提供生态环境支撑。第三，应用型政府。该角色强调政府使用人工智能技术以提升优化管理和服务水平。其政策话语多强调政府应用新技术以应对传统治理困境。虽然应用型政府和引领型政府在理念上都关注政府通过直接干预市场以促进技术的创新和推广，但前者偏好需求面政策工具，强调创造产品的应用需求，降低人工智能产品的市场进入门槛。第四，监管型政府。该角色强调政府出台举措以应对和缓解人工智能的伦理和社会风险。相关政策话语主要围绕隐私保护、算法偏见和劳动替代等议题。在治理理念上，其强调政府构建技术可控的规制环境体系，如出台指导性和软约束的伦理指南和政策框架，以确保人工智能安全可控，属于监管型的治理范式。
经典的主题建模，如潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）、结构主题模型（Structural Topic Model，STM）和非负矩阵分解（Non-Negative Matrix Factorization，NMF），主要基于词袋模型进行统计建模，得到文档的主题分布。然而，这种通过词袋模型的方法在一定程度上忽略了单词之间的语义关系，可能影响主题估计的准确性。随着深度学习技术的发展，学术界将传统主题建模与深度神经网络技术结合，提出了一系列深度主题建模方法。BERTopic是一种基于BERT模型开发并被广泛使用的深度神经网络主题模型，主要基于预训练语言模型进行文档嵌入，借助UMAP降维方法和HDBSCAN聚类方法生成相似语义文档，最后使用基于类的c-TF-IDF方法提取每个主题簇的关键词。BERTopic模型具有显著的优势：首先，其解决了基于密度聚类和基于中心采样的聚类算法之间的冲突问题，使得结果具有较好的解释性；其次，该模型在处理长文本和短文本方面展现出较强的适应力和主题提取能力；最后，BERTopic在主题一致性和主题多样性方面均优于其他主题建模方法。因此，BERTopic近年来已成为社会科学大数据文本分析的主流路径之一。
第一类政策话语凸显出对引领型政府角色的关注，其主题包括智能制造、数字经济和科技创新。这类话语在产业落脚点上集中在制造业、数字经济和人工智能等领域。行动主体上囊括政府和企业，但尤其强调政府对人工智能产业发展的引领作用。在叙事逻辑上，这类话语强调政府应当大力发展人工智能和大数据等高新技术产业，并推动产业智能转型升级，拥抱数字经济等。在这一角色框架下，省级政府展现出明显的主动介入意识，将人工智能定位为驱动产业转型升级的核心引擎，不仅反映出国家新一代人工智能发展赶超战略下的地方探索实践，更凸显地方政府在区域竞争中对技术红利捕获的积极诉求。
第二类政策话语主要关注培育型政府，其主题包括人才教育和园区展览两个主题。人才教育主题主要探讨人工智能技术对现行教育体系的冲击和重塑，强调人工智能发展对劳动者技能更新的需求。在叙事逻辑上，这类话语强调政府应该培养与新技术发展趋势相适应的高技能人才，以应对技术变革的挑战。园区展览主题则聚焦政府通过举办产品展览会和搭建产业园区等方式，为人工智能产品的应用和推广提供基础设施支撑。综合以上两个主题，在这类政策话语中，政府角色体现在为人工智能发展提供人力资源、研发场地和产品交流的平台搭建上，其核心目标是营造适宜的技术发展环境，培育人工智能产业发展所需的关键生产要素，符合培育型政府的概念。
第三类政策话语对应用型政府关注较多，聚焦常态和应急态两种场景下的公共治理与服务应用。常态治理应用主要包括医疗卫生、社区养老、社会治安、垃圾处理、政务服务和气象预测等多个场景。其叙事逻辑强调政府运用人工智能技术以提升上述领域的服务水平和治理效能。应急态治理应用则侧重于政府在公共卫生危机应对、消防应急以及自然灾害处置等高危场景中的人工智能技术应用。例如，使用机器人替代人类从事危险系数较高的工作任务，在提升工作效率的同时可以降低工伤率。其叙事逻辑体现出重大突发公共事件可能催化出人工智能广泛应用的“战时机制”。上述政策话语将政府定位为人工智能技术的应用者，其核心目标是在常态和应急态场景下有机应用新技术以提升治理效能。
进一步分析主题的概率占比，能够揭示不同政府角色在人工智能治理话语中的分布特征。引领型和培育型主题构成了政策话语的主要内容。具体而言，引领型政府的线.45%，监管型主题占比8.67%（参见图1）。这表明，在2015-2024年间，各省人工智能治理话语形成了“以引领培育为主，应用监管为辅”的政府角色定位，反映了省级政府在人工智能治理中既希望直接主导产业发展，也希望补位市场，为人工智能发展搭建适配的外部环境体系，着力破解当前人力资本短缺和创新生态薄弱的问题。监管型主题的“边缘化”表明，在人工智能技术迭代演进的背景下，地方决策者倾向于采用“发展优先”的柔性规制策略。
就二级主题而言，在培育型政府角色中，省级政府更加注重园区展览（22.87%）和人才教育（15.70%）两个关键领域。其中，在园区展览方面，各地政府通过多样的产业园区建设以推动人工智能产业发展。这些产业园区不仅覆盖算法开发、数据服务和应用试验等上下游产业链条以降低企业协作成本，还强调为高端科技人才提供配套服务（集中式公寓）和产品应用的试验场地。此外，地方政府还积极组织人工智能产品应用博览会，不仅为创新产品提供展示平台，还可与国内外同行企业进行对接、投资与合作，促进创业新兴团队的孵化。与此同时，公众可在展览会上与人工智能产品近距离互动，提高对人工智能的信任度。在人才教育方面，相关政策话语关注人工智能的人才培养。在中小学阶段，强调改革课程体系，举办机器人竞赛以激发青少年对人工智能的兴趣；在高等教育阶段，重点设置科学智能（AI for Science）相关的课程体系；在职业教育阶段，开拓劳动技能提升项目。例如，人社部在2022年新增了机器人工程技术人员等新兴职业岗位。各地以此为依据相继推出多项跟进举措。其中，温州市人社局于2024年组织了浙江省首期人工智能训练师高技能培训班，内容涵盖人工智能基础理论、数据采集标注和算法测试等内容，旨在培养具备独立模型训练、操作和优化能力的人才。
对于引领型政府角色，省级政策话语更关注产业智能转型升级（16.28%）和数字经济发展（17.70%），这与中央关于经济高质量发展的顶层设计密不可分。2015年，国务院印发《中国制造2025》，提出以加快融合新一代信息技术与传统制造业深度融合为主线。工业和信息化部联合多部门分别在2016年和2021年印发《智能制造发展规划（2016-2020年）》和《“十四五”智能制造发展规划》，成为“十三五”和“十四五”时期全国智能制造发展的纲领性文件。各地政府相继出台配套政策以推动智能制造战略。例如，广东省2023年出台《关于高质量建设制造强省的意见》，提出要“每年打造不少于100个智能制造试点示范、智能制造系统解决方案和智能制造装备、机器人典型应用场景标杆”。此外，随着数据被确立为新型生产要素，数字经济逐渐成为经济高质量发展的另一个主攻方向。2023年，中央、国务院印发《数字中国建设整体布局规划》，明确将“做强做优做大数字经济”置于数字中国建设的首位，凸显了其战略地位。与之相关的数据要素化、数据交易中心和授权运营等实践举措在地方蓬勃发展。2023年，机构改革后成立国家数据局，各地政府也参照中央方案将原分散在发改委和经信/工信系统的数字经济职能整合进新设立的数据局，反映了数字经济作为独立性政策议题的地位。
比较而言，应用型和监管型政府的政策话语占比较小。其中，应用型主题以常态治理应用为主，占比11.35%，主要涉及养老和医疗。这与当前我国正在步入老龄化社会的人口结构现状息息相关。应急态下的治理应用仅占比2.10%，涉及领域包括公共卫生突发事件、自然灾害事件和消防救援等。这既与全球新冠疫情紧密相关，也是我国更加注重保护危险任务场景下劳动者身心健康的新发展理念的产物。尽管在省级政策话语中出现了人工智能伦理风险的相关主题，比如数据安全、信息安全、隐私保护和劳动替代等，但是其占比整体较低，仅为8.67%。
分析话语框架的时间变化趋势有助于理解人工智能治理政府角色的变迁历程。图2勾勒出四类政府角色话语框架的动态变化特征。其中，培育型与引领型主题的占比持续稳定地居于高位，但存在一定的波动。具体而言，在2015年，引领型政府所获关注最多（43.12%）。随着时间的推移，其比例逐渐下降，并在2020年前后触底。培育型政府的重要性则在2015-2017年间持续走高，在2019年左右达到39.54%，反超引领型政府。相较之下，应用型政府在2019-2020年左右出现了显著增长。监管型政府则持续处于7%-8%的低水平状态。
图3勾勒出各个二级主题的演变趋势。整体来看，政府在引领数字经济和智能制造方面呈现出较为明显的变化。具体而言，省级政策话语对数字经济的关注度自2015年开始下降，至2022年降至最低点，随后虽略有回升但仍低于初始水平。相比之下，智能制造的关注度较为平稳，且在2020年出现了小幅上涨。值得注意的是，政府对科技创新的关注度则一直维系在较低水平的均衡状态。变化背后的政策现实在于，面对逆全球化背景下的政策不确定性，地方决策者更加关注经济内循环，反映了对优化本土产业结构、维护产业安全和提升经济韧性的战略考量。
在培育型政策话语中，人才教育与园区展览两个领域存在明显波动。自2015年开始，政府对园区展览的关注度持续攀升。与此同时，人才教育的关注度则在2019年后明显走低。其政策逻辑可能在于，在新冠疫情后的海外人才回流窗口期，地方政府对人才要素配置作出战略调整，强调通过生态系统搭建，加大对外部高层次人才和科创企业的吸引，达到“引凤筑巢”和“招才引智”的目的。在此过程中，对园区展览的投入增加部分挤出了各地对本地人才培育的关注。
围绕应用型政府，常态治理应用相较于应急态始终居于主导。然而，与前者相比，应急态治理应用在2020年出现了显著跃迁。其现实支撑在于，全球新冠疫情凸显了运用人工智能手段进行监测预警、精准防控和资源调配的必要性与紧迫性，吸引了政府对公共卫生应急事件场景中人工智能应用的关注。随着新冠疫情得到有效控制，应急态治理应用的关注度回落到原初水平。总之，对于监管型政策话语，各个二级主题的概率占比相对较低，并且波动并不明显。
上述分析表明，省级政策话语变迁具有如下特征：第一，四类政府角色的关注度在历时层面整体稳定。省级政府在政策话语中始终以“引领者”和“培育者”的角色自我定位。这种角色组合的形成源于我国作为世界上最大的发展中国家，“发展”依然构成一切工作的核心驱动力。人工智能作为新质生产力的有机组成，自然被地方政府赋予了浓厚的发展导向，体现在将要素培育和生态构建置于人工智能产业发展的首位。第二，应用型和监管型政府角色的重要性虽然在近年来有些许上升，但仍然呈现出明显的结构性“缺位”。一方面，在当前全球科技竞合态势不稳的形势下，把握人工智能技术追赶的宝贵窗口期构成当前我国人工智能发展叙事的主旨。为此，政府倾向于在短期内让监管规制做出适当“让步”，为创新探索提供充足的“试错”空间。另一方面，由于新一代人工智能技术本身仍然处于初期发展阶段，在满足复杂公共治理场景需求上仍然面临较大的技术和后果不确定性，为此地方政府对于人工智能塑造治理格局的应用前景较为谨慎。第三，尽管“引领培育为主，应用监管为辅”的政策话语格局在过去十年内相对稳定，但是各二级主题的关注度却因应阶段性治理环境的变化而动态调整，反映了地方政府在自我角色定位上的灵活适应性特征。
图5展示了在三类省级政策话语中，政府角色的主题分布情况。总体而言，三类政策话语的政府角色定位差异体现在引领型与培育型的二级主题上，而在应用型与监管型主题分布上相对一致。具体来说，类型1的政策话语体现出“数字引领-人才培育”的政府角色组合。在引领型角色上，类型1更关注数字经济，对智能制造的关注度相对较低。在培育型角色上，类型1侧重于人才教育，强调对本地高技能劳动者的培养。由此可见，属于类型1的省级政府在人工智能治理中，主要扮演数字经济引领者和高技能劳动者培养者的双重角色；与之相比，类型3的政策话语则突出了“智造引领-平台培育”的政府角色组合。在引领型角色上，类型3更加注重智能制造而非数字经济，这表明该类政府在产业引领上，倾向于加强人工智能与传统制造业的融合。在培育型角色上，类型3通过基础设施建设促进人工智能产业生态的培育，包括产业园区和产品博览会。类型2的政策话语处于“中间态”位置，呈现出“引领-培育-应用均衡”的政府角色组合。该类型不仅对智能制造与数字经济的关注度较为接近，同时在园区展览和人才教育等方面也相对均衡。
本文进一步结合代表性地区，分析“三个世界”的技术、环境和组织特征（参见表3）。类型1以北京和上海为典型代表。在技术层面，这一区域拥有丰富的教育资源和科研优势，在全国人才培养和教育改革上具有示范性地位。在组织层面，当地政府也探索搭建了比较成熟的产学研协同创新组织机制，可以较好地整合分散在政府、企业和科研机构的创新要素。例如，上海市2024年发布《加快数字技术技能人才培育支撑数字经济发展实施方案》，旨在搭建数字领域的“产学研用”一体化人才培育平台和“校企合作”人才培育模式，培养创造新质生产力的数字技能人才队伍。在环境层面，这些地区依托本地服务业主导的产业结构和海量数据资源优势，在金融科技、智慧医疗等数字经济核心领域形成深度融合态势。此外，部分西北和东北的边疆省份也属于类型1。虽然这些地区与北京上海的经济社会基本面迥然不同，但却依托“数字边疆”国家战略获得了重要的数字经济发展机遇。例如，新疆借助绿电优势和“东数西算”工程，在哈密和昌吉等地落地数据中心集群，构建“绿电+算力”的可持续发展模式，成功塑造西部“数字粮仓”的战略定位。此外，这些边疆省份与京沪等地的产业联动也助推他们在政府角色定位上形成关联。比如，科技创新是京蒙协作“六个倍增”计划的重要一环。在此背景下，内蒙古探索“飞地”研发模式，通过在北京建设“反向飞地园区”，实现“企业研发在北京，生产落地到赤峰”的跨区域产业协作模式。该机制能够有效整合北京的创新策源功能与内蒙古的场景应用优势。
类型2涵盖云南、广西、青海和甘肃等西南西北地区，其政府角色呈现出“引领-培育-应用”三维组合特征。以云南省2019年颁布的《云南省新一代人工智能发展规划》为例，该规划既强调要加快优势产业智能转型升级，又包括大力推动人工智能示范应用，全面推进公共服务智能化，如智慧政务、数字公安和智慧交通，反映了对引领型和应用型政府角色的关注。此外，文件还要求积极培育智能新兴产业、创新企业，构建开放协同的科技创新体系，促进人工智能产业集聚和着力强化智能基础设施建设，体现了对培育型政府的关注。在技术层面上，这些地区多处于后发技术阶段，因此注重探索跨区域资源调配与协作。例如，广西在算力基础设施上加大对薄弱地区的支持力度，依托黔贵毗邻区位优势共建超大规模数据中心集群。在组织层面上，这类地区注重向东部发达地区的政府组织学习。例如，广西明确提出学习安徽省经验，探索构建与高校和科研院所的产学研合作体系，联合设立人工智能研究中心，围绕产业需求开展有组织科研攻关。在环境层面，这些区域深挖地缘战略价值，依托“一带一路”挖掘区域优势。以中国-东盟（华为）人工智能创新中心为例，该中心由数字广西集团与华为公司联合成立，拓展与东盟国家在人工智能的生态构建、人才培养等多领域的合作。
类型3的政策话语则强调智能制造和园区展览的建设，体现出产业引领与生态体系搭建并重的特点。广东和江苏等东部沿海和中部省份是典型代表。在技术层面，此类地区具备优质的人力资源储备和科研创新网络，其高密集分布的科研院所构成了人工智能产业发展基础。在组织层面，地方政府依托长期积累的产业主导传统，通过系统化的政策供给，包括资金引导、制度设计、平台搭建吸引科创人才和企业的聚集。例如，江苏省苏州工业园区2017年就颁布实施《苏州工业园区人工智能产业发展行动计划（2017-2020)》，作为国内首个系统布局人工智能产业的国家级高新区，至今已汇聚人工智能相关企业1800余家。2022年，苏州工业园区举办全球人工智能产品应用博览会，汇聚华为、科大讯飞等科创企业，成为国家新一代人工智能创新成果的总结和交流窗口。在环境层面，这类地区普遍具备雄厚的传统制造业基础，因此多依托既有产业基础，因势利导推动传统制造业的智能转型升级。例如，广东省近年来整合粤港澳大湾区科创资源，重点发展机器人和人工智能产业，并构建智能制造生态系统。而我国“机器换人”产业政策最早也主要从广东省和浙江省的地市（如东莞和温州）策源扩散。
对三类区域政策话语的技术、环境和组织面分析表明，各地方政府致力于通过特色化路径实现人工智能与经济社会系统的协同演进。省级政府在人工智能治理中的“三个世界”是各地区依托自身技术资源禀赋、产业基础条件与宏观政策定位因地制宜的产物。类型1侧重数字经济与人才培养并重的“引领-培育型”政府角色组合，类型2形成区域协调与均衡发展导向的政府角色组合，类型3则形成智造引领与平台搭建的“引领-培育型”政府角色组合。值得关注的是，虽然省级政策话语整体遵循“培育引领为主，应用监管为辅”的发展导向，但在二级政策领域已衍生出适应性的调试机制，具体表现为：各地结合区域发展实际对“培育-引领”角色的二级领域进行差异化配置，最终形成具有显著辨识度的三种模式类型。
首先，通过对省级人工智能治理的政策话语分析，本文得以从社会建构视角丰富既有文献对人工智能治理的政府角色讨论。实际上，既有文献在规范性学理分析层面指出，在人工智能治理中政府可能从工具理性的视角聚焦“用人工智能治理”，也可能将人工智能视作新的治理对象，从而关注“对人工智能治理”和“构建人工智能治理生态”。本文通过分析过去十年省级党委机关报的官方报道，为人工智能治理的政府角色划分提供了政策话语层面的经验证据。研究发现，“对人工智能治理”和“构建人工智能治理生态”两类叙事逻辑主导了省级政策话语，而“用人工智能治理”则处于从属性地位。这表明，在当前阶段，我国省级政府更倾向于将人工智能作为治理对象本身，而非从工具理性的角度将其视作赋能治理体系的方式和手段。
其次，进一步对四类政府角色下的二级政策领域分析发现，省级政府主要以产业经济发展为出发点引领和培育人工智能。尽管以规制人工智能风险为着力点的监管型政府角色同样将人工智能本身作为治理对象，但是该类政府角色在当前省级政策话语中处于结构性缺失的位置。这意味着，省级政府在“对人工智能治理”和“构建人工智能治理生态”中，特别强调挖掘人工智能的经济潜能，而非抑制伦理风险。这种“以发展为导向”的治理叙事，一方面来源于中国作为典型的发展型国家（Developmental State），在政策制定中普遍将经济发展作为多元政策议题的根本目标。为此，从产业发展角度来定位人工智能治理中的政府角色便是题中之义。实际上，近期研究同样发现，中央和省级的党委机关报倾向于从促进招商引资和优化营商环境等角度来建构政府数字化转型。另一方面，相关统计数据表明，东亚社会普遍青睐技术乐观主义，面对人工智能迭代演进的不确定性前景，人们倾向于技术“赋能”而非“负能”的叙事逻辑。需要说明的是，尽管这种发展导向的非均衡政府治理角色组合有其存在的现实必要性，但是对于人工智能在长周期内平衡创新和安全以实现可持续发展而言，各地政府仍需要更多地承担应用者和监管者角色，既从场景需求侧拉动人工智能的产业发展，又从政策生态的环境侧使得人工智能发展安全可控。
再次，通过考察中国地方层面的政府角色定位，本文与国家层面分析的既有文献形成了有机互补。其中，Guenduez与Mettler的研究最具代表性。其研究指出中国在国家层面表现出“培育型”政府的“一枝独秀”。然而，本文基于省级层面的经验证据揭示，地方政府则表现出了“引领-培育”并重的复杂特征。换言之，在人工智能治理中，地方政府不仅注重构建良性生态体系，还倾向于通过直接“下场”介入来引领产业。从中央与地方的治理格局来看，在我国单一制的制度安排中，中央和地方政府在职能上呈现出有机互补的特征。一方面，中央政府主要承担顶层设计职责，为人工智能的全局发展“定调子”；另一方面，地方政府则需要对中央大政方针进行垂直响应，在具体实践中积极有为地参与到产业引领中。可以说，省级政府作为这一格局的重要组成部分，其政策角色既需结合中央政策精神来设计区域性发展规划，间接培育市场，又因贴近现实治理场景而需要“置身事内”，在推动地方产业的发展中发挥更直接的作用。
最后，政府角色的时空分布格局体现了我国人工智能治理的统一性和灵活性。一方面，历时维度上的“因时制宜”，例如新冠疫情期间对应急态治理应用的关注度显著提升，体现了政府因治理环境变迁的动态灵活性特征。另一方面，空间维度的“因地制宜”则表现在政府治理角色的三重组合模式。各地政府在“引领型”和“培育型”一级角色类型上存在共识，但在二级政策领域层面则根据本地实际进行差异化探索，形成了人工智能治理的“三个世界”。这不仅体现了融合统一性和灵活性的中国特色的人工智能治理自主模式，也意味着后续研究需要跳出既有文献集中在国家层面的模式比较分析，在国家治理异质性的基础上，考察地方多样化的治理模式。
范梓腾 宁晶 发展优先：地方人工智能治理政策话语中的政府角色定位与时空特征返回搜狐，查看更多