申紅梅 方義松 漆晨曦 孫麗娟

摘要：[目的/意義]數(shù)字經(jīng)濟已經(jīng)成為經(jīng)濟社會發(fā)展的新范式。中央企業(yè)智庫（央企智庫）作為中央企業(yè)智力資源的重要載體，亟需提升數(shù)智化能力，以適應(yīng)數(shù)字化時代信息環(huán)境、知識生產(chǎn)及決策支持的新要求。[方法/過程]基于對國內(nèi)外數(shù)字化建設(shè)領(lǐng)先的智庫的訪談?wù){(diào)研和天翼智庫能力建設(shè)的實踐探索，本文從央企智庫的定位和研究人員對數(shù)智化能力的核心需求出發(fā)，分析了央企智庫數(shù)智化能力建設(shè)的必要性，并提出建設(shè)目標和規(guī)劃框架，同時，探索性研究了類ChatGPT人工智能技術(shù)賦能智慧決策的主要場景和落地模式，總結(jié)提煉了央企智庫能力建設(shè)和持續(xù)運營的關(guān)鍵要素。[結(jié)果/結(jié)論]央企智庫數(shù)智化能力建設(shè)需要以用戶為中心，以需求和問題為導(dǎo)向，充分利用人工智能等數(shù)字技術(shù)，構(gòu)建以數(shù)據(jù)為基礎(chǔ)、以知識為核心、以服務(wù)為宗旨的數(shù)智化智庫能力平臺，同時還需要加強組織和機制建設(shè)，以保障央企智庫可持續(xù)發(fā)展。這將有助于智庫整合優(yōu)勢資源，提升智慧決策支持能力和水平。

關(guān)鍵詞：央企智庫? ? 數(shù)字化? ? 智能化? ? 大語言模型? ? 知識圖譜? ? 決策支持

分類號：C931

DOI： 10.19318/j.cnki.issn.2096-1634.2024.02.13

1? 引言

作為中國特色新型智庫的重要組成部分，部分中央企業(yè)智庫（央企智庫）已經(jīng)發(fā)展成為服務(wù)黨和國家重大戰(zhàn)略、支撐引領(lǐng)行業(yè)產(chǎn)業(yè)發(fā)展、推動企業(yè)科學(xué)決策的重要力量[1]。面對數(shù)字經(jīng)濟新形勢，以及國家和企業(yè)要求更高的服務(wù)決策能力水平，中央企業(yè)智庫亟需提升數(shù)智化能力，完善運營機制，助力企業(yè)前沿思想、成果的聚合以及內(nèi)外優(yōu)質(zhì)研究資源的連接與合作，支撐企業(yè)戰(zhàn)略決策，在企業(yè)“把方向、管大局”上貢獻智慧。

2? 央企智庫數(shù)智化能力現(xiàn)狀及建設(shè)的意義和目標

2.1? 央企智庫的定位及數(shù)智化能力建設(shè)的必要性

2023年5月26日，國務(wù)院國資委印發(fā)了《關(guān)于中央企業(yè)新型智庫建設(shè)的意見》，文中將中央企業(yè)新型智庫定位為以戰(zhàn)略問題和創(chuàng)新發(fā)展為主要研究對象，以服務(wù)黨和政府及國資國企改革發(fā)展、行業(yè)產(chǎn)業(yè)、中央企業(yè)科學(xué)決策為宗旨的研究咨詢機構(gòu)[2]。這一定位要求央企智庫需要具備對宏觀大局的洞察和研判能力、對產(chǎn)業(yè)趨勢和科技創(chuàng)新方向的把握能力、對重大問題的分析和診斷能力，進而能夠為治國理政、產(chǎn)業(yè)轉(zhuǎn)型升級、建設(shè)世界一流企業(yè)建言獻策。因此，央企智庫既是企業(yè)的智囊，也是國家和行業(yè)的參謀，科學(xué)有效的決策支撐是央企智庫能力建設(shè)的核心要點。

當(dāng)前，無論是國家層面，還是企業(yè)層面，跨界、跨專業(yè)的問題越來越多，僅靠單一企業(yè)的知識體系、單一領(lǐng)域的專家，已無法實現(xiàn)科學(xué)診斷和決策，央企智庫需要充分發(fā)揮多元信息和數(shù)據(jù)的整合、跨領(lǐng)域知識和思想的集成作用。利用云計算、大數(shù)據(jù)、類ChatGPT大模型技術(shù)等數(shù)智化技術(shù)，賦能央企智庫，既有助于智庫形成常態(tài)化的情報搜集和跟蹤機制，構(gòu)建完善支撐科學(xué)決策的結(jié)構(gòu)化、數(shù)字化、全球化的行業(yè)產(chǎn)業(yè)數(shù)據(jù)庫、知識庫、政策庫等，實現(xiàn)數(shù)智化成果展示，提高決策效率[2]，又有助于智庫聚合跨領(lǐng)域?qū)＜屹Y源，提升合作創(chuàng)新與決策支撐能力，促進更大范圍的知識共享和流通，進而產(chǎn)出更高質(zhì)量、更具可行性的研究成果。數(shù)智化能力是數(shù)智化時代中央企業(yè)建設(shè)新型智庫，實現(xiàn)高效、可持續(xù)運營的有力保障。

2.2? 央企智庫數(shù)智化能力現(xiàn)狀及存在問題

綜合對某通信運營商研究院、某電網(wǎng)研究院、某集團戰(zhàn)略研究院等多家中央企業(yè)智庫進行調(diào)研，以及大量案頭資料跟蹤研究的情況看，目前大部分中央企業(yè)智庫的數(shù)智化水平還處于初級階段。具體來說，主要存在以下問題：一是缺少統(tǒng)一的整合智庫內(nèi)外部數(shù)據(jù)的管理平臺，內(nèi)部數(shù)據(jù)、資料、成果等分散在多個業(yè)務(wù)系統(tǒng)中（如辦公自動化、項目管理、情報系統(tǒng)等），外部資料和數(shù)據(jù)尚未建立持續(xù)的收集與分享機制，導(dǎo)致研究人員無法實現(xiàn)知識資源的集中獲取和使用；二是缺少對內(nèi)外部專家資源的統(tǒng)一和標簽化管理，難以實現(xiàn)領(lǐng)域?qū)＜业目焖僮R別和調(diào)度；三是缺少協(xié)同研究支撐平臺，團隊內(nèi)部協(xié)作、內(nèi)外部專家合作溝通等主要通過微信等通信工具實現(xiàn)，難以做到協(xié)作過程的有效管控和知識資源的實時沉淀；四是很多研究成果依然分散在個人及小團隊計算機中，阻礙研究成果的統(tǒng)一展示、借鑒參考和創(chuàng)新利用。

2.3? 央企智庫數(shù)智化能力建設(shè)的內(nèi)涵及目標

央企智庫數(shù)智化建設(shè)是指借助新一代信息技術(shù)，構(gòu)建面向決策支持和創(chuàng)新發(fā)展的統(tǒng)一研究支撐和思想生產(chǎn)平臺，以“數(shù)字化平臺+AI（人工智能）能力+知識服務(wù)”強化研究資源的聚合、沉淀、流轉(zhuǎn)、協(xié)同、創(chuàng)造和再利用，驅(qū)動研究人員工作方式的變革和生產(chǎn)效率的提高，進而提升央企智庫的服務(wù)能力和業(yè)界影響力。

央企智庫數(shù)智化能力建設(shè)的總體目標是以用戶為中心，聚焦核心業(yè)務(wù)場景和需求，聚合與連接優(yōu)質(zhì)研究資源，提升智庫研究效率與開放協(xié)同水平。具體包括：建立行業(yè)資料庫、數(shù)據(jù)庫與成果庫，引入智能聚合、生成式人工智能（artificial intelligence generated content，AIGC）等智能化技術(shù)，提高知識的整合、展示與服務(wù)水平；建立合作資源庫與聯(lián)合研究支持中心，連接內(nèi)外部專家、知名智庫、研究團體等，具備廣泛的研究協(xié)同支持能力；制定資源統(tǒng)籌制度、平臺治理制度，引入安全共享交流技術(shù)等，確保平臺可持續(xù)運營，實現(xiàn)智庫數(shù)據(jù)資源的高效管理及價值創(chuàng)新。

3? 央企智庫數(shù)智化能力平臺的架構(gòu)設(shè)計、功能規(guī)劃與知識組織探索

根據(jù)央企智庫數(shù)智化能力建設(shè)目標，央企智庫數(shù)智化能力平臺是指利用數(shù)字化技術(shù)提升信息和知識的自動化處理程度及可獲得性，實現(xiàn)央企智庫數(shù)據(jù)資源全面整合、知識創(chuàng)新協(xié)同，以及增強智庫服務(wù)能力的數(shù)字化平臺。天翼智庫建設(shè)團隊根據(jù)央企智庫數(shù)智化能力建設(shè)目標，參考藍凌軟件公司、拓爾思信息技術(shù)股份有限公司等國內(nèi)領(lǐng)先內(nèi)容管理平臺提供商的平臺設(shè)計架構(gòu)，研究總結(jié)出智庫數(shù)智化能力支撐平臺總體設(shè)計架構(gòu)圖（圖1），并基于此架構(gòu)對原有平臺進行了升級。

3.1? 央企智庫數(shù)智化能力平臺主要功能解析

3.1.1? 基礎(chǔ)層? ? 基礎(chǔ)層主要實現(xiàn)智庫數(shù)智化能力建設(shè)的云上部署，以及互聯(lián)網(wǎng)開源數(shù)據(jù)、自有數(shù)據(jù)資源（包含原有業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)）、第三方合作數(shù)據(jù)等多來源、多形態(tài)數(shù)據(jù)資源的全面匯聚和整合。

3.1.2? 數(shù)據(jù)中臺? ? 數(shù)據(jù)中臺是央企智庫數(shù)智化能力建設(shè)的核心層，為知識價值鏈[3]的全流程管理提供技術(shù)支撐，主要由五大功能構(gòu)成。

（1）數(shù)據(jù)采集：通過網(wǎng)絡(luò)爬蟲、數(shù)據(jù)接口等方式，與各類內(nèi)部、外部數(shù)據(jù)源進行對接，實現(xiàn)對智庫所需的各類數(shù)據(jù)的自動化、實時化、全面化的采集和接入。

（2）數(shù)據(jù)整合：通過對采集到的各類數(shù)據(jù)進行清洗、轉(zhuǎn)換、標準化、融合化處理，確保數(shù)據(jù)資源的高質(zhì)量和高可用性。

（3）數(shù)據(jù)管理：對加工后的各類數(shù)據(jù)進行分類、目錄化、標簽化、元數(shù)據(jù)化等管理，實現(xiàn)數(shù)據(jù)資源的規(guī)范化、可視化、可查詢性的有序管理和維護，構(gòu)建成果庫、資料庫、數(shù)據(jù)庫、合作庫、專家?guī)煳宕蠡A(chǔ)資源庫。

（4）數(shù)據(jù)服務(wù)：利用AI引擎（如語義、圖像解析）、分析標注引擎（如智能標簽、智能聚類）、算法模型（如知識推薦算法、關(guān)聯(lián)模型）等實現(xiàn)知識資源的深度挖掘、關(guān)聯(lián)發(fā)現(xiàn)、場景化聚合及創(chuàng)新生成，以此確保知識供給與研究需求和場景的高效、精準匹配，提高研究效率和質(zhì)量。

（5）數(shù)據(jù)共享：通過數(shù)據(jù)服務(wù)總線對整合后的各類數(shù)據(jù)進行權(quán)限控制、安全保障、接口開放等處理，實現(xiàn)對央企智庫所需數(shù)據(jù)資源的安全控制和靈活調(diào)用。

3.1.3? 應(yīng)用平臺? ? 應(yīng)用平臺指央企智庫知識生產(chǎn)的協(xié)同創(chuàng)新和應(yīng)用傳播平臺，主要包括知識倉庫、協(xié)作中心、專家中心、知識問答及個人中心五大功能模塊。

（1）知識倉庫：基于數(shù)據(jù)中臺，通過分類知識樹、智能檢索、知識地圖、知識圖譜等形式，將合適的知識內(nèi)容傳遞給有需要的研究人員。

（2）協(xié)作中心：具有文檔庫、權(quán)限管理等功能，且支持成果審核發(fā)布等流程的數(shù)字化，是課題協(xié)同研究、政策研討、跨域?qū)＜液献鞯闹喂ぞ摺?/p>

（3）專家中心：基于數(shù)據(jù)中臺專家?guī)斓馁Y源，提供內(nèi)外部專家信息查詢功能，實現(xiàn)專家在線交流、在線調(diào)研，以及更深層次的專家合作。

（4）知識問答：支持智庫專家之間的交流和溝通，并對問答信息進行管理和評價，形成知識合集，同時，也可以基于知識原子化及AIGC技術(shù)提供智能機器人問答服務(wù)。

（5）個人空間：提供個人知識管理、個人收藏、個人圈子等多種個性化設(shè)置和內(nèi)容呈現(xiàn)。

3.1.4? 服務(wù)層? ? 服務(wù)層通過個人計算機（personal computer，PC）門戶、移動端門戶及信息大屏等多媒體展現(xiàn)形式，面向不同角色（如決策人、研究員、管理員等）人員，對智庫知識內(nèi)容和研究成果進行差異化呈現(xiàn)。

3.2? 央企智庫數(shù)智化能力平臺知識組織模式創(chuàng)新探索

在天翼智庫數(shù)智化能力建設(shè)實踐中，研究團隊嘗試采用知識地圖的方式，來解決研究場景（課題）與知識資源的智能匹配問題，以提高研究效率和知識利用率，取得了較好的成效。

知識地圖是一種常見的知識聚合模式，通過將業(yè)務(wù)流程、工作場景等分解為多個環(huán)節(jié)，按節(jié)點聚合具有相同標簽屬性的數(shù)據(jù)、文檔、成果、專家等各類資源，建立不同組織方式、不同存儲方式的研究資源之間的動態(tài)聯(lián)系。知識地圖輸出的內(nèi)容包括知識來源、整合后的知識內(nèi)容、知識流和知識匯聚，以直觀的方式向用戶展示知識概況、主題類別、關(guān)聯(lián)關(guān)系等，其作用是協(xié)助研究人員發(fā)掘智力資產(chǎn)的價值、所有權(quán)、位置和使用方法，支撐智庫研究工作的高效開展。知識地圖建模通常由領(lǐng)域?qū)＜衣?lián)合專業(yè)研究團隊共同完成，需求導(dǎo)向、主題突出、重點牽引、動態(tài)易擴、方便獲取是知識地圖構(gòu)建的5個原則。知識地圖種類較多，場景類知識地圖是智庫研究工作中最常用的地圖形態(tài)，建模示例如圖2所示。

3.3? 央企智庫數(shù)智化能力平臺的風(fēng)險判斷

央企智庫數(shù)智化能力平臺能夠有效解決央企智庫目前面臨的一些關(guān)鍵問題，例如，信息和知識資源分散存放、決策支持效率低、跨域?qū)＜液献麟y、缺少協(xié)同支撐工具、成果發(fā)布渠道單一等，因此，對中央企業(yè)建設(shè)新型智庫具有非常重要的作用和價值，未來有可能成為央企智庫核心競爭力的重要組成部分[4]。但同時也要注意到，一旦啟用數(shù)字化平臺，就需要將智庫的高端成果及核心經(jīng)驗知識上傳到平臺，并實現(xiàn)共享，這可能使企業(yè)知識資產(chǎn)存在對外泄露等安全風(fēng)險。對此，智庫管理團隊需要制定嚴格的信息安全管理機制，評估各類數(shù)據(jù)和信息的保密級別，加強接入數(shù)字化平臺的人員和設(shè)備的認證及權(quán)限管理，例如，智庫數(shù)字化平臺僅允許在公司內(nèi)網(wǎng)訪問，對系統(tǒng)內(nèi)知識進行嚴格的分級管理和訪問權(quán)限控制等[5]。

4? 引入類ChatGPT大模型技術(shù)賦能智庫的場景及模式探索

類ChatGPT大模型技術(shù)的持續(xù)突破，為各行業(yè)提供了豐富的內(nèi)容創(chuàng)新和價值提升的可能性。類ChatGPT大模型技術(shù)在智能問答、內(nèi)容創(chuàng)作、信息抽取、數(shù)據(jù)分析等方面的能力與智庫的研究和咨詢工作有巨大的融合空間，將革新智庫決策支持的方法和模式[6]。

4.1? 類ChatGPT大模型技術(shù)與智庫融合的典型場景

引入類ChatGPT大模型技術(shù)所帶來的智庫創(chuàng)新場景主要體現(xiàn)在以下幾個方面。

（1）知識獲取。傳統(tǒng)的知識獲取方式是智庫專家根據(jù)需求自上而下地獲取知識。而通過智能知識挖掘，可以利用數(shù)據(jù)自下而上，從數(shù)據(jù)中挖掘知識、抽取知識，給專家更好的支持。目前智庫本身有大量成果報告等高質(zhì)量的用戶生成內(nèi)容（user generated content，UGC）及知識圖譜，可為AI自動準確挖掘和生成知識提供高質(zhì)量數(shù)據(jù)源。

（2）輔助研究。接入文本生成、圖像生成、視頻生成等AI能力，對知識內(nèi)容進行自動或協(xié)同創(chuàng)作、優(yōu)化、補充等操作，提高知識的質(zhì)量和豐富度。另外，類GPT大模型技術(shù)插件的接入會大大縮短研究報告創(chuàng)作的時間。這主要體現(xiàn)在數(shù)據(jù)或者素材的提供方面，有了“GPT+聯(lián)網(wǎng)”的能力，效率可以得到大幅提升。

（3）智能搜索。利用語義搜索、問答系統(tǒng)、推薦系統(tǒng)等AI技術(shù)，對用戶的查詢進行智能理解和匹配，提供精準、相關(guān)、個性化的知識結(jié)果。目前微軟公司的新必應(yīng)搜索和問答，能返回比傳統(tǒng)搜索更精準的結(jié)果，并且附帶資料鏈接。

（4）知識問答及推送。利用ChatGPT的對話能力，提高知識內(nèi)容的交互性和個性化，同時根據(jù)用戶的輸入和反饋不斷學(xué)習(xí)和優(yōu)化，根據(jù)用戶的個性化需求和興趣來生成和推薦文本等。

（5）成果審核。引入標簽、識別模型等AI能力來輔助成果審核人員的工作，提升審核人員的效率及準確度。

（6）分析和解釋數(shù)據(jù)。通過學(xué)習(xí)數(shù)據(jù)集和模型，類ChatGPT大模型技術(shù)可以用于生成數(shù)據(jù)可視化、提供數(shù)據(jù)洞察、解釋模型結(jié)果等，幫助用戶理解和利用數(shù)據(jù)。

（7）知識標引。利用AI技術(shù)，對知識內(nèi)容進行自動標注、分類、聚類等操作，提高知識的可檢索性和可復(fù)用性。

（8）論文閱讀。提供文章或文檔摘要、論文寫作助手、論文閱讀平臺等，也可以利用AI技術(shù)總結(jié)分析用戶對論文的評價和反饋等。

（9）智能翻譯。類ChatGPT大模型技術(shù)可以實現(xiàn)多語言之間的智能翻譯[7]，其效果超越一般翻譯軟件，可以用來翻譯處理智庫知識庫的外語資料。

綜上所述，類ChatGPT大模型技術(shù)與智庫研究工作場景的融合度較高，對提高研究人員的工作效率和決策支撐的質(zhì)量有很大幫助。隨著技術(shù)進一步發(fā)展，未來還會出現(xiàn)更多的創(chuàng)新應(yīng)用場景。

4.2? 類ChatGPT大模型技術(shù)在智庫落地的模式探索

目前類ChatGPT大模型在智庫落地主要有3種模式：一是調(diào)用大模型應(yīng)用程序接口（application program interface，API）；二是部署領(lǐng)域模型，即垂直行業(yè)模型；三是基于模型公開架構(gòu)自研。

（1）直接調(diào)用大模型API。可以直接利用成熟類ChatGPT大模型的能力，其優(yōu)點是啟動成本低，缺點是差異化及控制范圍受到一定限制。2023年3月，OpenAI開放ChatGPT API（基于GPT-3.5-turbo模型），并大幅調(diào)低了調(diào)用價格，進一步降低了企業(yè)將ChatGPT集成到自有應(yīng)用和服務(wù)的門檻，國內(nèi)大模型廠商如百度也推出了文心大模型API調(diào)用服務(wù)。

（2）部署領(lǐng)域模型。精調(diào)領(lǐng)域模型，優(yōu)點是可以讓大模型更好地符合特定行業(yè)及場景需求，缺點是目前商業(yè)模式不夠明晰。目前國內(nèi)外大模型巨頭及行業(yè)龍頭企業(yè)都有聯(lián)合探索內(nèi)容資源，管理垂直行業(yè)模型落地的案例。例如，百度聯(lián)合人民網(wǎng)發(fā)布“人民網(wǎng)–百度·文心”行業(yè)大模型。摩根士丹利從2022年開始探索應(yīng)用GPT利用其智力資源，例如，GPT-4能對該公司數(shù)十萬頁的知識和分析報告（涵蓋投資策略、市場研究和評論及分析師見解）進行快速檢索和綜合，為內(nèi)部員工提供智能聊天機器人，幫助其快速找到相關(guān)的信息。另外，該公司研究部門還使用GPT-3生成金融報告的摘要，通過對GPT-3進行微調(diào)，使其能夠理解金融術(shù)語和數(shù)據(jù)，并根據(jù)給定的標題或關(guān)鍵詞生成簡潔的報告摘要，以節(jié)省分析師的時間和精力，提高其工作效率和報告質(zhì)量。該公司數(shù)據(jù)與創(chuàng)新主管杰夫·麥克米蘭（Jeff McMillan）認為該項目可能是迄今為止將人類的建議與技術(shù)結(jié)合的最佳范例[8-9]。

（3）基于模型公開架構(gòu)自研?？梢远ㄖ苹騼?yōu)化模型、數(shù)據(jù)和參數(shù)，優(yōu)點是更符合特定行業(yè)及企業(yè)的需求，缺點是需要較多資金和技術(shù)投入，公開架構(gòu)技術(shù)性能可能不如ChatGPT。美國市場情報公司AlphaSense是將自主研發(fā)AIGC技術(shù)賦能情報搜索及服務(wù)的成功案例。AlphaSense的AI技術(shù)由自有團隊歷經(jīng)10多年的時間研發(fā)完善，利用機器學(xué)習(xí)和自然語言處理，使專業(yè)人士能夠輕松從數(shù)千個來源和數(shù)十億個數(shù)據(jù)點中提取見解。2023年4月，谷歌母公司Alphabet旗下投資公司CapitalG宣布，向AI市場情報公司AlphaSense投資1億美元。CapitalG表示，AlphaSense聚合了超過10，000個數(shù)據(jù)源，通過分析數(shù)據(jù)編制索引信息，聯(lián)動人工智能，可以提供更準確、更個性化的搜索結(jié)果。

央企智庫普遍都建立了包含大量資料數(shù)據(jù)和研究成果的知識庫，研究如何利用已有的知識庫將ChatGPT能力適配到智庫研究領(lǐng)域很有必要，同時需要研究利用與用戶的對話歷史記錄等個性化數(shù)據(jù)，來訓(xùn)練個性化的ChatGPT模型。綜合考慮實際情況及3種模式的適應(yīng)性，央企智庫部署經(jīng)過微調(diào)的垂直行業(yè)模型是相對比較合理的模式。

4.3? 類ChatGPT大模型技術(shù)應(yīng)用于智庫可能存在的風(fēng)險

以ChatGPT為代表的生成式人工智能所展現(xiàn)出的強大“類人性表達”能力使科研活動中的知識獲取途徑從檢索式向生成式轉(zhuǎn)變，AI將分擔(dān)越來越多的人類認知工作，導(dǎo)致科研活動中人類智力參與程度的降低。而人類參與程度的降低將帶來兩方面的潛在風(fēng)險：一是研究者失察引起的信息質(zhì)量風(fēng)險，即AI所生成的內(nèi)容具有事實性錯誤或者存在違反人類價值之處；二是研究者使用AI生成物引起的欺詐舞弊風(fēng)險，即研究者在論文撰寫中使用AI生成物，將AI作品視為自己的作品[8]。

目前，國家監(jiān)管部門已經(jīng)注意到類ChatGPT大模型技術(shù)的潛在風(fēng)險，并出臺了相關(guān)政策強化治理。例如，中央網(wǎng)信辦2023年４月發(fā)布《生成式人工智能服務(wù)管理辦法（征求意見稿）》[9]，明確了生成式AI應(yīng)用服務(wù)提供者、技術(shù)支持者和服務(wù)使用者等各方的責(zé)任，指出了生成內(nèi)容和訓(xùn)練數(shù)據(jù)必須符合倫理道德及合規(guī)要求。央企智庫作為生成式AI的使用方，有必要基于國家政策法規(guī)進一步細化相關(guān)措施以規(guī)避風(fēng)險，例如，加強對AI生成內(nèi)容的審核和驗證，另外，還需要注意智庫信息安全與隱私問題及知識產(chǎn)權(quán)問題。

5? 央企智庫數(shù)智化能力平臺持續(xù)運營關(guān)鍵要素

央企智庫數(shù)智化能力平臺需要通過完善流程機制來保障內(nèi)容資源的循環(huán)生產(chǎn)、沉淀、聚合、共享和使用。強有力的組織及資源保障、融合業(yè)務(wù)場景，以及建立高效的運營機制、反饋改進機制和資源治理機制，是智庫數(shù)智化能力平臺可持續(xù)發(fā)展，最大化支撐央企智庫決策支撐的關(guān)鍵要素。

5.1? 設(shè)立“領(lǐng)導(dǎo)小組+實施團隊”，提供強有力的組織和資源保障

央企智庫數(shù)智化能力平臺執(zhí)行組織是智庫能力建設(shè)及可持續(xù)運營的基礎(chǔ)保障之一。智庫體系執(zhí)行組織由運營領(lǐng)導(dǎo)小組和運營實施團隊兩部分構(gòu)成。

（1）運營領(lǐng)導(dǎo)小組。運營領(lǐng)導(dǎo)小組須由智庫高層領(lǐng)導(dǎo)人員掛帥，并擔(dān)任領(lǐng)導(dǎo)小組組長角色。所有部門領(lǐng)導(dǎo)均為該領(lǐng)導(dǎo)小組的成員，領(lǐng)導(dǎo)小組的職責(zé)是牽頭制定智庫數(shù)智化能力建設(shè)目標，協(xié)調(diào)各方資源和工作。

（2）運營實施團隊。運營實施團隊是智庫能力平臺運營的核心團隊，主要職責(zé)是組織和推進智庫體系的管理制度、流程及規(guī)范的設(shè)計和執(zhí)行，負責(zé)智庫體系的內(nèi)容資源規(guī)劃、知識管理文化宣傳和推廣工作，并組織開展內(nèi)外部知識交流活動，另外，還需負責(zé)央企智庫數(shù)智化能力平臺的建設(shè)與維護。

以中國交通建設(shè)集團有限公司為例，該集團明確了下屬戰(zhàn)略研究院為集團智庫機構(gòu)。戰(zhàn)略研究院在研究總院理事會的領(lǐng)導(dǎo)下，明確了智庫人員的崗位和編制，確保專職人員到位，并且充分利用基層單位的信息渠道和專業(yè)水平，確保兼職人員的精力投入[10]。

5.2? 與業(yè)務(wù)融合，構(gòu)建情景化智庫知識管理體系

智庫數(shù)智化能力平臺需要與智庫研究主要業(yè)務(wù)緊密結(jié)合，將研究流程固化到平臺上，才能持續(xù)地沉淀和積累更多的智力知識和經(jīng)驗，更好地發(fā)揮作用[11]。例如，可以通過將企業(yè)組織內(nèi)的業(yè)務(wù)流程、管理流程固化到智庫數(shù)字化平臺，從而與知識沉淀、知識共享過程捆綁，實現(xiàn)對智庫內(nèi)部基礎(chǔ)內(nèi)容資源的歸集，具體做法如下。

（1）對于成果類資源歸集，可以將成果發(fā)布審核流程固化到平臺，審核完成，成果即沉淀。

（2）對于外購資料歸集，可以在資料報銷流程中加入分享培訓(xùn)資料節(jié)點。

（3）對于項目/團隊自采資料歸集，可在資料報銷流程中增加分享資料節(jié)點。

除此之外，還要建立與需求相結(jié)合的資源沉淀模式，例如，中國船舶集團某研究所將設(shè)計過程中的問題記錄在協(xié)同設(shè)計平臺的問題管理模塊中，通過平臺實現(xiàn)對問題的跟蹤、追溯、改善及落實，有效地提升全價值鏈的知識共享和知識創(chuàng)新能力[12]。

5.3? 建立以用戶為中心的運營機制和治理機制

智庫數(shù)智化能力平臺的持續(xù)運作需要建立以用戶（包括企業(yè)管理層等智庫用戶及智庫研究專家）體驗為中心的機制，高效、精準、充分釋放知識的價值，提供個性化服務(wù)，強調(diào)知識的實時性、可獲得性及自助式。要通過數(shù)智化技術(shù)實時了解、分析智庫數(shù)智化能力體驗、知識應(yīng)用、成果利用等情況，并根據(jù)分析評估結(jié)果持續(xù)改進。以中交第四航務(wù)工程勘察設(shè)計院為例，該院2018年開始系統(tǒng)地推動知識管理平臺建設(shè)，經(jīng)過持續(xù)優(yōu)化，知識的豐富程度和平臺應(yīng)用的便捷性不斷提高，有效推動了科研創(chuàng)效。

同時，需要建立資源治理機制，在數(shù)據(jù)、資料、成果、專家等不同類型的知識資源中，找出運營關(guān)鍵點（如質(zhì)量要求標準、價值體現(xiàn)等），實施差異化治理。對于數(shù)據(jù)資源，板塊負責(zé)人需要重點核實數(shù)據(jù)口徑，做好數(shù)據(jù)更新及變更說明，同時，對數(shù)據(jù)質(zhì)量進行檢驗，對數(shù)據(jù)的準確性負責(zé)；對于網(wǎng)絡(luò)公開的免費資料，板塊負責(zé)人需要對監(jiān)測對象進行定期評估、更新和補充，并對資源內(nèi)容、質(zhì)量進行審核，確保分類及標簽設(shè)置的正確性；對于外購資料，板塊負責(zé)人需要對采購資源/報告的使用情況進行定期評估，確保采購資源/報告被有效利用，同時根據(jù)評估結(jié)果審核采購資源/報告的質(zhì)量，確認可持續(xù)購買的必要性；對于成果報告，板塊負責(zé)人需要定期對成果資源的使用情況進行統(tǒng)計和分析，評估成果的參考價值和復(fù)用性；對于專家資源，板塊負責(zé)人需要定期更新專家信息，對專家服務(wù)質(zhì)量及專家工作室的運營情況進行評估。

6? 結(jié)語

央企智庫數(shù)智化能力建設(shè)將有助于智庫整合優(yōu)勢資源，提升智慧決策支持能力和水平。天翼智庫經(jīng)過1年多的探索實踐，通過數(shù)字化能力建設(shè)和共享機制的優(yōu)化實現(xiàn)了資料、數(shù)據(jù)和成果的共享，大幅提升了知識資源和成果的利用率，超過90%的研究人員認為對工作幫助很大。央企智庫數(shù)智化能力建設(shè)需要以用戶為中心，以需求和問題為導(dǎo)向，以是否提升研究效率為判斷標準，探索應(yīng)用類ChatGPT技術(shù)，構(gòu)建以數(shù)據(jù)為基礎(chǔ)、以知識為核心、以服務(wù)為宗旨的數(shù)智化智庫能力體系。央企智庫數(shù)智化能力建設(shè)還需要加強組織保障、融合核心業(yè)務(wù)流程、完善運營和治理機制，保障數(shù)智化能力平臺的持續(xù)運行和優(yōu)化升級。

參考文獻：

[1] 經(jīng)濟參考報. “完善中國企業(yè)智庫建設(shè)，服務(wù)中國式現(xiàn)代化”：中國企業(yè)智庫建設(shè)平行論壇召開[EB/OL]. [2023-05-25]. http：//www.sasac.gov.cn/n2588025/n2588139/c26455450/content.html.

Economic Reference News： “Improving the construction of Chinese enterprise think tanks and serving Chinese-style modernizati[EB/OL]. [2023-05-25]. http：//www.sasac.gov.cn/n2588025/n2588139/c26455450/content.html.

[2] 國資委研究中心. 國務(wù)院國資委印發(fā)《關(guān)于中央企業(yè)新型智庫建設(shè)的意見》[EB/OL]. [2023-05-25]. https：//mp.weixin.qq.com/s/9CNgCtg4oy3gaLDYZENkoA.

State owned Assets Supervision and Administration Commission Research Center. State owned assets supervision and administration commission of the state council issued the Opinions on the Construction of New Type Think Tanks for Central Enterprises[EB/OL]. [2023-05-25]. https：//mp.weixin.qq.com/s/9CNgCtg4oy3gaLDYZENkoA.

[3] 陶銳. 基于知識增值過程的企業(yè)知識價值鏈研究[J]. 科學(xué)決策， 2009（5）： 45-50.

TAO R. Research on enterprise knowledge value chain based on knowledge appreciation process[J] Scientific Decision Making， 2009 （5）： 45-50.

[4] 李剛. 論新型智庫及其核心能力建設(shè)[J]. 決策與信息， 2023（5）： 38-43.

LI G. On the construction of new think tanks and their core capabilities[J]. Decision and Information， 2023 （5）： 38-43.

[5] 何政軍. 大型企業(yè)集團知識管理體系的構(gòu)建方法與實踐經(jīng)驗[J].企業(yè)改革與管理， 2021（24）： 8-9.

HE Z J. Construction methods and practical experience of a knowledge management system for large enterprise groups[J]. Enterprise Reform and Management， 2021（24）： 8-9.

[6] 張智雄， 于改紅， 劉熠， 等. ChatGPT對文獻情報工作的影響[J]. 數(shù)據(jù)分析與知識發(fā)現(xiàn)， 2023， 7（3）： 36-42.

ZHANG Z X， YU G H， LIU Y， et al. The influence of ChatGPT on library & information services[J]. Data Analysis and Knowledge Discovery， 2023， 7（3）： 36-42.

[7] 張慧， 佟彤， 葉鷹. AI 2.0時代智慧圖書館的GPT技術(shù)驅(qū)動創(chuàng)新[J]. 圖書館雜志， 2023， 42（5）： 4-8.

ZHANG H， TONG T， YE Y. GPT-driven technical innovation of smart libraries in the AI 2.0 era[J]. Library Magazine， 2023， 42（5）： 4-8.

[8] 游俊哲. ChatGPT類生成式人工智能在科研場景中的應(yīng)用風(fēng)險與控制措施[J]. 情報理論與實踐， 2023， 46（6）： 24-32.

YOU J Z. The application risk and control measures of ChatGPT generative artificial intelligence in scientific research scenarios[J]. Information Studies： Theory & Application， 2023， 46（6）： 24-32.

[9] 劉佳妮. 《生成式人工智能服務(wù)管理辦法（征求意見稿）》公開征求意見[EB/OL]. [2023-04-11]. https：//baijiahao.baidu.com/s？id=1762854795381293048&wfr=spider&for=pc.

LIU J N. The Management Measures for Generative Artificial Intelligence Services （Draft for Soliciting Opinions） is publicly solicited for opinions[EB/OL]. [2023-04-11]. https：//baijiahao.baidu.com/s？id=1762854795381293048&wfr=spider&for=pc.

[10] 中交戰(zhàn)略研究院. 中交集團：以“三個堅持”，實施“三項建設(shè)”奮力打造中央企業(yè)新型智庫[EB/OL]. [2023-08-14]. https：//mp.weixin.qq.com/s/m8pzguHZWh6R2WtmrzhBJQ.

China Communications Strategic Research Institute China Communications Group： With the "Three Adherences" and the implementation of the "Three Construction"， we strive to build a new type of think tank for central enterprises [EB/OL]. [2023-08-14]. https：//mp.weixin.qq.com/s/m8pzguHZWh6R2WtmrzhBJQ.

[11] 構(gòu)造情境化知識管理體系[EB/OL]. [2023-08-15]. http：//blog.itpub.net/7839396/viewspace-960339/.

Construct a contextualized knowledge management system[EB/OL]. [2023-08-15]. http：//blog.itpub.net/7839396/viewspace-960339/.

[12] 董小英.從知識管理到知識優(yōu)勢：企業(yè)數(shù)字能力九宮格[J]. 清華管理評論， 2022（12）.

作者貢獻說明：

申紅梅：論文撰寫，提出論文選題和思路；

方義松：論文思路、框架設(shè)計的指導(dǎo)及論文修改；

漆晨曦：參與論文討論及修改；

孫麗娟：論文修改及撰寫第4部分關(guān)鍵要素的部分內(nèi)容。

Exploration of the Digitalization and Intelligentization Capability Building of

Central Enterprise Think Tanks

Shen Hongmei? ?Fang Yisong? ?Qi Chenxi? ?Sun Lijuan

China Telecom Reserch Institute， Guangzhou 510000

Abstract： [Purpose/Significance] The digital economy has emerged as a new paradigm for economic and social development. As crucial repositories of intellectual resources for state-owned and central enterprises， state-owned enterprise think tanks urgently need to promptly enhance their digital and intellectual capabilities to meet the new requirements of information acquisition， knowledge production， and decision support in the digital era. [Method/Process] This article is based on interviews and research conducted with leading companies in the digital construction of think tanks， both domestically and internationally. It also includes practical exploration of capacity building at Tianyi Think Tank. Starting with the positioning of central enterprise think tanks and the core requirements of researchers regarding logarithmic intelligence capabilities， the article analyzes the necessity of developing digital intelligence capabilities in central enterprise think tanks. It further proposes objectives and planning frameworks. Additionally， exploratory research is conducted on the primary scenarios and implementation modes of ChatGPT-like AI technology enabling central enterprise think tanks. Finally， the article summarizes and refines the key elements of capacity building and sustainable operation of central enterprise think tanks. [Result/Conclusion] The construction of digital intelligence capabilities in central enterprise think tanks needs to be user centered， demand and problem oriented， fully utilizing digital technologies such as artificial intelligence， and building a digital intelligence think tank capability platform based on data， knowledge， and service. At the same time， it is necessary to strengthen organizational and mechanism construction to ensure the sustainable development of central enterprise think tanks.

Keywords： central enterprise think tanks? ? digitization? ? intelligentization? ? large language model? ?knowledge graphs? ? decision support

收稿日期：2023-05-10? ? ? 修回日期：2023-08-15