作者：杨志安   尤悦

　　摘要：

　　在数字中国建设的宏观背景下，预算治理作为国家治理体系的核心支柱，正面临精准化、高效化与智能化的转型诉求。人工智能技术的发展，不仅为预算治理现代化进程提供关键赋能路径，更为其实现从工具理性向价值理性的深层转型创造了全新范式。本文基于技术赋能理论、协同治理理论和数字正义理论，系统剖析人工智能赋能预算治理的价值重构、能力补位以及风险预警的三重逻辑，从预算编制、执行、监督、绩效评价四大环节重点设计下沉式创新路径。研究旨在破解数智技术赋能中的数字鸿沟与算法风险，为实现以人民为中心的预算治理现代化提供兼具理论深度与实践操作性的方案。

　　关键词：

　　人工智能  预算治理现代化  价值重构  能力补位  风险预警

一、引言

　　在数字中国建设向纵深推进的时代背景下，财政是国家治理的基础和重要支柱，预算是财政的核心（樊丽明等，2025）。在此背景下，数字财政的战略价值日益凸显，不仅是推进财政治理体系和治理能力现代化的核心路径，更是适应数字经济时代发展的必然选择。数字财政能通过技术赋能直接提升财政治理效能，更能通过优化资源配置，为经济社会的持续健康发展提供坚实的制度支撑与动力保障（王志刚等，2024）；与此同时，从实践部署层面看，数字财政建设也是财政部门落实数字政府建设要求、推动政府治理能力现代化的重要抓手（马海涛，2022）。由此可见，预算治理作为国家治理的核心构成，其现代化水平不仅直接决定着财政资源的配置效率与公共服务的供给质量，更在数字财政赋能财政治理的进程中，成为推进中国式现代化的关键支撑要件。党的二十届三中全会通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》对深化财税体制改革作出了全面部署，明确提出“健全预算制度，加强财政资源和预算统筹”“深化零基预算改革”“完善预算公开和监督制度”等改革任务，为预算治理的数字化、智能化转型提供了根本遵循。这一战略部署与国务院于2023年印发的《数字中国建设整体布局规划》形成政策协同，共同构建起技术赋能制度、制度规范技术的预算治理现代化框架，标志着我国预算治理已从制度搭建、流程规范、合规管控的规范型改革，迈入以技术赋能、数据驱动、智能响应为核心的智能型升级新阶段。相较于规范型改革建制度、定流程的核心目标，智能型升级更强调通过数字技术破解规范型阶段遗留的粗放化、碎片化、协同弱等问题，推动预算治理从合规导向转型为效能和价值导向。

　　然而，从规范型改革向智能型升级的过渡过程中，我国传统预算治理仍面临多重现实困境。

　　在预算编制环节，矛盾的根源是规范型阶段部门封闭、经验主导的编制模式与智能型阶段数据协同、精准预测需求的错位。规范型改革虽明确了“二上二下”的编制流程，但制度设计的核心是确保部门收支合规，而非实现跨领域数据联动。财政部门编制预算时，仅能依赖自身历史收支数据，无法实时接入税务、统计、民政等部门的动态信息，部门间数据壁垒导致经济税源变化、民生需求规模、弱势群体诉求等关键信息难以纳入编制视野。这种封闭模式直接造成收支预测与实际需求脱节、非重点领域资金闲置与民生短板领域预算缺口并存的现象，无法满足智能型升级数据驱动、精准匹配的决策需求，甚至导致公共服务供给冷热不均。

　　在执行环节，矛盾的核心是规范型阶段刚性优先、层级审批的执行规则与智能型阶段弹性响应、实时调控需求的错位。为避免执行环节的随意调整，规范型改革将预算刚性作为核心原则，预算一旦批复，资金拨付需严格按科目、按进度执行，跨项目、跨部门调剂需经过多层级审批流程。这种制度设计的初衷是防违规，但忽视了智能型阶段治理场景动态变化的需求。面对突发公共事件、项目进度波动等情况，资金调剂流程繁琐，导致应急需求难以及时响应，同时部分项目资金因进度滞后长期闲置，而另一部分民生应急项目却面临资金缺口，财政资金闲置与短缺并存的问题凸显，与智能型升级实时感知风险、动态调剂资源的调控需求严重脱节。

　　在监督环节，矛盾的关键在于规范型阶段内部主导、合规导向的监督框架与智能型阶段多元参与、效益导向需求的错位。规范型改革的监督逻辑以政府内部监督为核心，搭建财政部门日常合规性监督与审计部门专项绩效性审计相结合的二元监督治理框架，监督重点集中于资金是否按预算花、流程是否符合规定，而非资金花得好不好、是否惠及民生。同时，规范型阶段对预算信息公开的要求仅停留在总额披露，未明确项目级、效益级的公开标准，公众、第三方机构难以获取细分数据，无法参与深层监督。这种模式导致监督仅能覆盖表层合规，无法触及深层效益，部分项目虽支出合规但实际效益低下的问题难以被发现，与智能型升级多元协同、穿透式监督的需求脱节，制约公共利益最大化实现。

　　此外，技术支撑层面的数据孤岛问题尚未根本破解，难以支撑智能化决策需求。尽管全国各级政府网站已实现集约化整合，但根据审计署《国务院关于2024年度中央预算执行和其他财政收支的审计工作报告》对18个省市的重点审计结果，省级财政部门与其他部门的数据共享水平整体偏低，共享效能未充分释放。报告指出多地存在数据资源底数不清、共享应用梗阻等共性问题，具体表现为数据目录编制不规范、跨部门主动共享意愿薄弱、共享数据实际应用不足等。结合地方数字财政建设实践中数据共享深化不足、时效性与全面性欠缺的反馈，以及地方数据共享梳理中呈现的结构性矛盾，可见当前省级财政部门与其他部门的数据共享尚未形成高效协同格局，整体水平与智能化决策所需的全量数据支撑要求存在显著差距，共享机制完善与效能提升仍需重点突破。当前预算治理实践中面临的这些困境，与党的二十届三中全会提出的“统一预算分配权”“强化事前功能评估” 等改革方向和要求存在一定的适配空间，也由此凸显了以技术赋能预算治理的现实紧迫性。

　　在此背景下，推动预算制度与数字时代发展要求深度适配，成为亟待回应的重大理论与实践命题。那么，人工智能如何精准嵌入预算决策、执行、监督环节，实现从技术工具到治理赋能的深度转型？其“价值重构—能力补位—风险预警”的赋能逻辑，如何与智能型升级阶段的预算治理需求精准对接？又应构建怎样的政策体系，确保技术赋能不偏离公平、安全、高效的治理底线？围绕这些问题，本文基于技术赋能理论、协同治理理论、数字正义理论，系统剖析人工智能赋能预算治理的逻辑机理，设计下沉式实践路径，构建针对性政策体系，以期为我国预算治理从规范有序向智能高效转型提供兼具理论深度与实践操作性的方案。

二、理论基础与分析框架

　　（一）核心理论阐释

　　1.技术赋能理论。技术赋能理论是人工智能与预算治理融合的基础性理论，其核心内涵在于通过技术介入打破传统治理的能力边界，实现治理主体、治理流程与治理效能的系统性升级。该理论强调技术并非单纯的工具叠加，而是通过重构信息传递机制、优化资源配置逻辑，对治理体系的核心能力形成“补位—升级—重构”的递进式赋能。在预算治理场景中，针对传统预算编制中依赖经验判断、数据碎片化整合的短板，人工智能可通过实时抓取多源数据包括经济运行数据、民生需求数据以及公共服务数据等，并结合机器学习算法开展深度分析，以此提升预算收支预测的精准度；面对预算执行中监督滞后、动态调控不足的问题，技术赋能可依托物联网实时追踪与智能预警系统，实现资金流向的全流程可视化监控，同时对异常风险做出即时响应；在预算绩效评价环节，大数据、云计算、人工智能等数字技术不断迭代，政府网站、社交媒体等数字平台与传感器、互联设备等数字基础设施持续完善，推动数字化治理思维与技术逐步嵌入绩效目标设置、绩效指标开发、绩效数据收集、绩效结果评价等场景。在此过程中，公共部门的数字化转型更对预算绩效评价数据信息的生产、传播、使用及衍生结果形成重要影响（Volodina & Grossi，2025）。技术赋能能够突破指标单一、主观偏差大的局限，通过开展多维度数据挖掘并构建客观评价模型，推动绩效评价从事后总结向全周期动态优化转型。换言之，技术赋能理论为人工智能嵌入预算治理提供了“技术—能力”的适配逻辑，确保技术应用始终围绕预算治理的核心需求展开。

　　2.协同治理理论。协同治理理论聚焦于多元治理主体的权责协同、跨部门资源的整合联动以及治理流程的协同优化，其核心要义在于打破传统科层制下的部门壁垒与信息孤岛，构建多元参与、协同互动、权责对等的治理格局。数据来源具有跨部门、跨层级和跨系统的特点，因此，打通数据、共享数据和使用数据可以保障产业发展和政府治理的数据需求（丁煌和马小成，2021）。数据融通可以串联“单元的数字政府”，从而实现“系统的数字政府”运转顺畅（杨达和胡瑞竹，2024）。预算编制阶段的预算治理参与主体包括财政部门、各职能部门、公众及第三方评估机构。依据协同治理理论，可通过人工智能搭建多元主体参与平台，整合职能部门数据、公众诉求与第三方专业建议，进而规避单一主体决策带来的部门利益倾向与民生需求脱节问题；预算监督环节，传统监督模式以政府内部监督为主，存在监督视角单一、问责机制不畅的问题，协同治理理论则指导人工智能构建“政府—公众—媒体—第三方”的多元协同监督体系，通过区块链技术实现预算数据的可追溯共享，让公众能够实时查询预算执行进度，媒体与第三方机构可基于智能算法识别违规线索，形成监督合力；跨部门预算执行中，协同治理理论依托人工智能的跨部门数据融通功能，解决资金拨付与项目推进不同步、部门间数据口径不统一等问题，实现预算执行的协同高效。由此可见，协同治理理论为人工智能赋能预算治理提供了主体—流程的协同逻辑，确保技术应用能够打破治理主体间的协同障碍，提升预算治理的整体性效能。

　　3.数字正义理论。数字时代的正义理论，面临的是科技革命背景下正义空间的变革，即正义的发生场域由有形空间进入无形空间（黄彦钦，2025）。数字正义理论以公平分配数字资源、平等保障数字权利、合理规避数字风险为核心内涵，强调在数字技术赋能过程中，需避免因技术接入差异、数字能力鸿沟或算法歧视导致的治理不公，确保技术发展始终服务于以人民为中心的治理目标。一方面，针对预算治理中的数字鸿沟问题，例如欠发达地区基层部门技术接入能力薄弱，以及老年人、低收入群体等弱势群体的预算参与渠道不畅，数字正义理论要求人工智能赋能需兼顾技术适配性，如为基层部门开发轻量化智能平台，为弱势群体提供简易化的预算参与入口包括语音交互、可视化界面等，确保不同主体均能平等享受技术赋能的红利；另一方面，针对人工智能可能引发的算法歧视，如预算资源分配算法因训练数据偏差而导致向优势区域或优势群体倾斜，数字正义理论强调需建立算法公平性审查机制，通过透明化算法逻辑、优化训练数据结构，纳入更多弱势群体需求数据，确保预算资源分配符合公共利益最大化与民生需求优先的原则。此外，数字正义理论还为预算治理中的数字权利保障提供指导，如规范预算数据的采集与使用流程，防范公众隐私泄露，确保技术赋能不偏离公平、正义的价值导向。

　　（二）人工智能赋能预算治理的分析框架构建

　　基于上述三大理论的支撑，本文构建以“价值重构—能力补位—风险预警”为内核，同时衔接预算环节创新路径和政策体系保障的人工智能赋能预算治理分析框架，各要素之间形成“目标—手段—保障”的逻辑闭环，确保技术赋能既符合理论逻辑，又具备实践可行性。

　　从框架核心维度来看，“价值重构—能力补位—风险预警”三重逻辑并非相互独立，而是呈现“导向—支撑—兜底”的递进关系。其中，价值重构是人工智能赋能预算治理的核心导向，旨在推动预算治理从工具理性侧重合规性、效率性向价值理性侧重公平性、民生性转型，其核心目标是通过技术赋能将以人民为中心的理念嵌入预算治理全流程，例如通过智能优化公众参与平台，提升民生需求在预算编制中的权重；通过设计预算资源分配的算法公平性，缩小区域与群体间的公共服务差距，这一逻辑直接呼应数字正义理论的价值诉求。能力补位是实现价值重构的关键手段，聚焦于人工智能对传统预算治理短板的系统性弥补，具体对应预算编制、执行、监督、绩效评价四大环节的能力升级，比如编制环节的智能预测能力、执行环节的动态调控能力、监督环节的多元协同能力、绩效评价环节的客观评估能力，这一逻辑以技术赋能理论为支撑，确保技术应用精准匹配治理能力缺口。风险预警则是技术赋能的兜底保障，针对人工智能可能引发的算法黑箱、数据安全、数字鸿沟等风险，构建“识别—评估—响应”的闭环机制，例如通过开展算法透明化审查识别决策不透明风险，通过制定数据安全法规防范信息泄露，通过出台技术适配政策缩小数字鸿沟，这一逻辑同时融合了数字正义理论的风险规避诉求与协同治理理论的多元监督理念，确保技术赋能的安全性与可持续性。

　　从框架要素的耦合关系来看，三重逻辑与预算四大环节形成深度适配，且需要依托政策体系实现落地。在预算编制环节，价值重构逻辑指导编制目标从合规性转向民生适配性，能力补位逻辑通过整合多源数据与应用智能预测算法提升编制精准度，风险预警逻辑则聚焦于对算法预测偏差的识别与修正，比如因经济数据波动而导致的收支预测误差；在预算执行环节，价值重构逻辑要求执行过程体现资金使用效率与公共利益统一，能力补位逻辑通过实时监控与智能调剂机制优化执行流程，风险预警逻辑则针对资金挪用、超支等违规风险构建即时响应机制；在预算监督环节，价值重构逻辑强调多元监督与透明化，能力补位逻辑依托区块链技术与协同监督平台形成监督合力，风险预警逻辑则防范监督数据泄露与监督权力滥用；在预算绩效评价环节，价值重构逻辑推动评价从效率导向转向“效率-公平”双导向，能力补位逻辑通过构建多维度智能评价模型提升客观性，风险预警逻辑则规避评价指标偏差与算法歧视。而分级适配、伦理约束、动态调适的政策体系，分别对应能力补位的差异化落地需求，例如针对不同层级政府、不同规模部门的技术适配需求；价值重构的伦理底线要求，包括算法公平、数据安全等方面；风险预警的长效应对措施，比如对政策进行动态调整，最终形成对三重逻辑与四大环节的制度保障。

三、人工智能赋能预算治理的三重逻辑剖析

　　（一）价值重构：从工具理性到价值理性的转向

　　价值重构逻辑是人工智能赋能预算治理的核心导向，其本质是推动预算治理从传统的工具理性主导转向价值理性引领，将以人民为中心的治理理念深度嵌入预算全流程。这一逻辑的形成与数字正义理论的价值诉求高度契合，通过人工智能技术的介入，打破传统预算治理中“重效率、轻公平”“重合规、轻民生”的局限，实现预算治理价值维度的系统性升级。

　　1.价值重构逻辑首先体现为预算治理价值取向的重塑。传统预算治理的核心目标集中于合规性管控与效率性提升，实践中更倾向于保障预算编制契合制度规范、预算执行环节高效畅通，但在一定程度上忽视了公众需求的表达与公共利益的统筹兼顾。人工智能通过对民生需求数据的实时抓取、深度挖掘与精准分析，能够识别公众在教育、医疗、养老、基础设施建设等重点民生领域的迫切需求。具体而言，可通过自然语言处理技术分析公众在政务平台、社交媒体上的意见反馈，通过大数据关联分析识别不同区域、不同群体的公共服务缺口，进而确保预算资源配置向民生短板领域倾斜，使预算治理的目标从完成流程转向满足需求，真正实现公共利益最大化。

　　2.数字正义的融入进一步夯实了价值重构的公平基础。传统预算治理中，不同区域、不同群体因信息获取能力、参与渠道的差异，存在预算参与权、知情权不对等的问题，导致预算资源分配容易向优势区域或群体倾斜。人工智能通过优化预算参与渠道、平衡信息获取机会，推动数字正义在预算治理中落地。具体实践中，一方面可开发适用于不同群体的预算参与入口，为基层治理主体提供轻量化的预算信息查询与反馈工具；另一方面可通过智能算法对预算信息进行多维度解读与通俗化呈现，将专业的财政收支数据转化为公众易懂的图表、文字解读，消除信息壁垒，确保不同主体均能平等参与预算治理过程，共享预算治理成果。

　　3.治理目标的升级使得预算治理从单一价值导向转向综合价值导向。传统预算治理的目标较为单一，多聚焦于财政资金的安全使用与有效执行，而人工智能赋能下的预算治理目标，整合了公平性、民生性、可持续性等多重价值维度。其中，通过智能算法确保预算资源在区域间、群体间的均衡分配，体现公平性；通过民生需求数据与预算编制的精准对接，体现民生性；通过对财政收支长期趋势的预测与公共项目生命周期成本的分析，确保预算安排符合经济社会发展的长期需求，体现可持续性。这种综合价值导向的形成，标志着预算治理从工具层面的优化走向价值层面的重构，为预算治理现代化奠定价值基础。

　　（二）能力补位：预算治理短板的智能化弥补

　　能力补位逻辑是人工智能赋能预算治理的基础支撑，其本质是通过技术工具的嵌入填补传统预算治理的能力短板，实现治理效能的系统性提升。传统预算治理因技术手段有限、数据整合能力不足、主体协同效率低等问题，在各环节均存在明显能力缺口，而人工智能通过技术特性与治理需求的精准匹配，构建起“短板识别—技术介入—能力升级”的递进式补位机制，全面提升预算治理的专业化、智能化水平。

　　1.预算编制环节传统模式的核心短板集中于经验依赖与数据碎片化。前者表现为预算分配长期遵循“基数+增长”逻辑，以历史支出惯性为主要依据，缺乏对项目实际需求、成本效益的动态评估；后者则因部门数据壁垒，财政部门编制预算时难以实时整合税务、统计、行业主管等部门的经济税源、民生需求等关键信息，导致收支预测与现实需求脱节。党的二十届三中全会明确提出“深化零基预算改革”，零基预算的核心价值是采用有限性选择，以精准全面的信息为基础，精细化安排预算（杨斌，2021）。其以从零论证为核心，要求脱离历史基数束缚，基于项目必要性、战略优先级重新评估，这一方向直指传统经验依赖短板。但零基预算的落地需以全面、实时的跨部门数据为支撑，恰好凸显了数据碎片化对改革推进的制约。人工智能正是破解这一困局的关键，它可通过多源数据整合能力打破部门信息壁垒，汇聚经济运行、民生诉求、政策导向等全维度信息，从根源上解决数据碎片化问题；同时依托算法模型对项目需求合理性、成本效益匹配度进行量化分析，为零基预算的从零论证提供客观、精准的量化依据，替代传统经验判断，最终成为衔接零基预算改革、破解预算编制传统短板的核心技术支撑。

　　2.预算执行环节的传统短板表现为监督滞后与动态调控不足。传统执行过程中，资金流向监控多依赖事后报表审核，难以实时掌握资金使用情况，且当出现超支、挪用或项目推进与资金拨付不同步等问题时，调控响应速度慢，容易造成财政资源浪费。人工智能依托物联网技术、实时数据传输系统与智能预警算法，实现对预算执行过程的全流程可视化监控。具体可通过在资金拨付、使用、核销等关键节点设置数据采集点，实时追踪资金流向与使用效率；同时构建智能预警模型，当资金使用进度与项目推进进度偏差超过预设阈值，或出现异常资金划转时，自动触发预警信号，提醒治理主体及时介入调控，实现“实时监控—异常预警—动态调控”的闭环管理，大幅提升执行效率与资金安全性。

　　3.预算监督环节的传统短板在于单一主体与事后监督。传统监督以政府内部监督为主，公众、媒体、第三方机构等外部主体参与度低，且监督多集中于预算执行完成后的结果审查，难以发现执行过程中的隐性问题，如资金使用不规范、项目偷工减料等。人工智能通过构建多元协同监督平台，整合政府监督部门的监管数据、公众的反馈数据、媒体的调查数据、第三方机构的评估数据，依托区块链技术实现预算数据的可追溯、不可篡改，确保监督主体能够实时查询预算编制依据、执行进度、资金使用明细。同时，通过智能算法识别监督数据中的异常线索，比如同一项目的资金申报金额与实际使用金额差异过大这类情况，自动推送至监督主体，推动监督模式从单一主体事后监督转向多元主体实时监督，形成监督合力。

　　4.预算绩效评价环节的传统短板是指标单一与主观偏差大。传统评价多以资金使用效率为核心指标，缺乏对公共项目社会效益、环境效益、民生效益的综合考量，且评价过程依赖人工打分，容易受评价者主观认知影响。人工智能通过构建多维度智能评价模型，整合定量指标与定性指标，其中定量指标包括资金使用效率、项目完成率、公共服务覆盖率等，定性指标包括公众满意度、政策适配性、长期社会效益等；同时通过层次分析法与机器学习算法确定各指标权重，避免人工权重设置的主观偏差。此外，依托全周期数据采集，实现对公共项目从立项到完工后运营的全流程绩效数据追踪，推动绩效评价从事后总结式评价转向全周期动态评价，确保评价结果能够全面、客观反映预算资源的使用效益。以数字政府建设推动预算绩效评价结果应用是预算绩效管理提质增效的重要方向（蔡泽山和王秀梅，2025）。

　　（三）风险预警：数智化赋能中的风险识别与规避

　　风险预警逻辑是人工智能赋能预算治理的兜底保障，旨在应对人工智能技术应用过程中可能引发的各类风险，确保技术赋能始终在安全、合规、公平的框架内推进。这一逻辑融合了数字正义理论的风险规避诉求与协同治理理论的多元监督理念，通过构建“风险识别—风险评估—风险响应”的闭环机制，提前防范、及时化解算法黑箱、数字鸿沟、数据安全、算法歧视等潜在风险，为人工智能赋能预算治理提供可持续的安全环境。

　　1.明确人工智能赋能预算治理的核心风险类型。其一为算法黑箱风险，源于人工智能决策过程的不透明性。预算资源分配、绩效评价等级确定等关键决策依赖算法模型运算，但算法的参数设置、数据处理逻辑难以完全公开，导致决策依据无法追溯，若算法存在设计缺陷，易引发预算资源错配却难以追责的问题。其二为数字鸿沟风险，体现在不同治理主体、不同群体的数字能力差异上。基层政府尤其是欠发达地区的数字基础设施不完善、工作人员数字操作能力不足，导致人工智能预算治理工具难以有效落地；公众中部分群体如老年人、低收入群体，因数字设备缺乏、操作技能欠缺，无法参与AI辅助的预算治理过程，进一步加剧参与不平等。其三为数据安全风险，预算数据包含财政收支敏感信息、公众个人信息（如民生需求反馈中的身份信息等），若缺乏有效的数据加密、访问控制机制，易出现数据泄露、被非法篡改或滥用的问题，损害财政安全与公众权益。其四为算法歧视风险，因人工智能训练数据可能存在区域偏差、群体偏差，比如历史预算数据存在向发达地区倾斜的趋势，导致算法学习后延续甚至放大这种偏差，使预算资源进一步向优势区域或群体集中，违背公平治理原则。

　　2.构建多维度风险识别机制是风险预警的基础。需围绕技术、制度、主体三个层面搭建风险指标体系。技术层指标包括算法透明度、数据加密强度、系统稳定性，其中算法透明度可通过算法逻辑可解释程度、决策过程可追溯性衡量，数据加密强度可通过数据传输与存储的加密算法类型、访问权限控制等级评估，系统稳定性可通过AI系统的故障发生率、数据处理延迟时间判断。制度层指标包括数据采集使用规范、算法审查流程、应急管理制度，数据采集使用规范需明确数据来源合法性、数据使用范围界定，算法审查流程需规范算法上线前的合规审查步骤、审查主体构成，应急管理制度需确定风险发生后的处置流程、责任划分机制。主体层指标包括治理主体的数字能力水平、公众对AI预算治理的参与度，治理主体的数字能力水平可通过工作人员的AI工具操作熟练度、算法理解能力体现，公众对AI预算治理的参与度可通过公众在AI平台反馈意见的数量、参与预算公示查询的比例反映。人工智能可依托该指标体系，实时监测算法运行数据、数据流转轨迹、主体操作行为。例如，可通过监测算法决策结果与历史数据的偏差值，识别算法黑箱可能引发的决策异常；通过监测不同地区AI预算工具的使用频率与故障反馈，识别数字鸿沟导致的应用不均衡；通过监测数据访问日志与传输路径，识别数据安全风险信号，实现对潜在风险的自动、实时识别。

　　3.建立分级风险评估与响应机制是风险预警的关键。在风险识别基础上，可通过风险权重计算划分风险等级。数据安全泄露风险、算法歧视风险对财政安全与治理公平性影响重大，应列为高等级风险；数字基础设施不足导致的AI系统运行延迟风险、算法透明度不足导致的决策追溯困难风险影响治理效率但暂不危及核心权益，应列为中等级风险；工作人员操作不熟练导致的AI工具使用误差风险、公众因操作习惯差异导致的参与意愿低风险可通过培训或优化界面改善，应列为低等级风险。针对不同等级风险需制定差异化响应预案：高等级风险需启动紧急处置流程，同时由财政、技术、法律等跨部门组成应急小组开展调查，排查风险源头并制定整改方案，如修复算法歧视漏洞、加强数据加密措施；中等级风险需启动优化改进流程，如为欠发达地区补充数字基础设施建设资金、组织专家对算法逻辑进行梳理并公开可解释部分；低等级风险需启动培训指导流程，确保风险能够得到及时、有效的化解，形成“识别—评估—响应”的闭环预警机制，保障人工智能赋能预算治理的安全性与可持续性。

四、人工智能赋能预算治理的实现路径：基于四大环节的下沉式创新

　　结合我国预算治理从规范型改革向智能型升级的阶段需求，当前人工智能赋能实践中，仍存在部分技术应用悬浮于顶层设计、难落地于基层实操的问题。为此，本文提出下沉式创新路径，其核心是跳出重技术概念、轻治理实效的倾向，以基层预算治理全链条的实际操作痛点为锚点，将人工智能技术拆解为适配编制、执行、监督、绩效评价具体环节的模块化方案；并非将复杂的智能系统直接照搬至基层，而是针对乡镇预算编制的数据短缺问题提供轻量化数据协同工具，针对村级项目执行的监管难题设计简易化动态监控模块，让技术从抽象的赋能理念转化为基层预算人员可操作、治理实践能见效的具体能力。基于此，笔者结合基层预算治理的现实约束，从四大核心环节展开具体创新路径，确保人工智能赋能真正嵌入治理实践、服务于基层需求。路径设计既依托技术赋能理论的能力升级逻辑，又呼应协同治理理论的多元联动要求，同时以数字正义理论为底线保障，确保技术应用兼顾效率与公平、安全与普惠。

　　（一）预算编制环节：智能预测与民生适配的下沉实践

　　预算编制是预算治理的起点，传统编制模式因数据割裂、经验主导、民生脱节等问题，难以精准匹配区域发展需求与公众诉求。人工智能通过多源数据整合、智能预测算法应用与民生需求深度融入，推动预算编制从被动填报转向主动适配，实现编制精准度与民生契合度的双重提升。

　　1.多源数据融合模型的构建是智能编制的基础。需打破财政部门与统计、民政、教育、医疗等部门的数据壁垒，建立跨部门数据共享机制。具体而言，要整合财政收支历史台账、区域GDP增速、失业率等经济运行相关数据，学龄儿童数量、养老机构缺口、慢性病患者分布等民生需求相关数据，以及重大公共项目规划、产业扶持政策等政策导向数据，形成覆盖“经济—民生—政策”的综合数据库。在此基础上，运用长短期记忆网络、随机森林等机器学习算法构建收支预测模型，该模型通过对历史数据的趋势分析与政策变量的影响模拟，预测未来财政收支规模与结构。例如，针对教育领域预算编制，该模型可整合学龄人口增长数据、现有学校学位缺口数据与教育政策调整的现实情况，进而智能化生成义务教育阶段经费预算的调整建议，保障预算编制的相关数据既契合经济运行规律，又精准衔接教育领域的实际需求。

　　2.民生需求的智能转化是编制下沉的核心。传统编制中公众诉求多通过线下调研、书面反馈等方式收集，存在反馈不及时、转化难度大的问题。人工智能通过搭建智能民生诉求平台，实现公众需求的实时抓取、精准分析与指标转化。公众可通过政务APP、社区终端、线下意见箱等渠道，以文字、语音、视频等形式反馈教育、医疗、养老等领域的需求；平台依托自然语言处理技术提取诉求关键词，比如社区养老服务站不足、农村学校师资短缺，并结合地理信息系统形成“需求类型—区域分布—紧急程度”的三维需求图谱；再通过算法将需求图谱转化为可量化的预算编制指标，比如每万人拥有社区养老服务站数量、农村学校师生比等，直接纳入对应领域的预算编制依据，确保预算资源向民生痛点精准倾斜。

　　3.动态调整机制的嵌入进一步提升编制灵活性。针对突发公共事件如自然灾害、公共卫生事件或政策调整带来的预算需求变化，人工智能可构建实时响应模块。该模块通过对接应急管理、卫生健康等部门的实时数据，当出现突发情况时，自动分析事件对预算的影响，如疫情防控所需的医疗物资采购经费、防汛救灾所需的基础设施修复资金，同时基于现有预算盘子的结余情况、项目优先级排序，生成预算调整方案；方案经预设的分级审批流程推进，小额调整由财政部门即时审批，大额调整提交政府常务会议审议，快速落地实施，避免传统编制中年初定数、全年不变的刚性局限，确保预算编制能够动态适配基层治理的突发需求。

　　（二）预算执行环节：实时监控与协同优化的下沉实践

　　预算执行是预算落地的关键环节，传统执行中资金监控滞后、跨部门协同不畅、基层操作繁琐等问题，易导致资金使用效率低下、资源浪费甚至违规风险。人工智能通过实时数据追踪、智能预警调控与轻量化协同工具应用，推动预算执行从事后核查转向实时管控，实现执行效率与资金安全的双重保障。

　　1.全流程实时监控系统的搭建是执行管控的核心。需依托物联网技术与智能数据采集终端，在“预算资金拨付—使用—核销”全链条设置数据采集节点。在资金拨付环节，对接财政国库集中支付系统，实时抓取资金划转时间、金额、收款单位等信息；在资金使用环节，推动乡镇政府、学校、医院等基层用款单位部署智能终端设备，依托扫码、人脸识别等技术手段完成身份核验与场景记录，覆盖办公用品购置、民生工程项目建设等资金使用场景，并同步上传消费凭证、项目进度影像资料等佐证材料，实现资金使用过程的全流程留痕；在资金核销环节，自动比对拨付金额、使用金额与核销金额，形成资金流向的闭环追踪。同时，运用大数据分析技术构建资金使用效率模型，通过计算资金拨付进度与项目推进进度的匹配度、单位产出的资金消耗等指标，实时评估资金使用效益，实现问题早发现、早介入。

　　2.智能预警与动态调剂机制的应用是执行优化的关键。针对执行中的超支、挪用、闲置等风险，需设定多维度预警阈值。在金额维度，对单笔支付超过一定额度的情况触发金额预警，例如基层单位单笔支付超过一定金额时，系统自动启动预警程序。在用途维度，对资金流向与预算申报用途不符的情况触发用途预警，比如教育经费流向房地产领域；对高频向同一非预算单位转账的情况，也触发用途预警。在时间维度，对资金拨付后3个月未使用或项目完工后仍有大额结余的情况触发闲置预警。预警信号生成后，系统自动推送至对应责任人（如基层财政所长、项目负责人），并提供风险分析报告，内容包括异常资金的流向轨迹、可能存在的违规类型；责任人需在规定时限内反馈整改方案，整改情况纳入后续预算信用评价。

　　3.轻量化操作工具的开发是执行下沉的保障。基层用款单位尤其是乡镇、社区级普遍存在数字能力弱、操作设备简的问题，复杂的智能系统难以落地。需开发适配基层的极简版执行工具，界面设计以图标化、步骤化为主，避免专业术语；功能聚焦资金申请、凭证上传、进度填报、结果查询等核心操作，比如基层单位申请小额办公经费时，只需选择申请类型、金额并上传申请单照片，系统自动完成表单填写与流转；同时支持离线操作，在农村网络信号薄弱地区，基层工作人员可先离线录入数据，待网络恢复后自动同步至云端。工具还需嵌入智能帮助模块，通过语音问答、短视频教程等形式，解答基层工作人员的操作疑问，确保人工智能工具真正用得上、用得好。

　　（三）预算监督环节：多元协同与实时透明的下沉实践

　　预算监督是保障预算合规性的重要防线，传统监督模式因主体单一、事后发力、基层覆盖不足等局限，难以形成全方位、常态化的监督合力。人工智能通过构建多元协同监督平台、智能识别违规线索与赋能基层监督力量，推动预算监督从“政府独唱”转向“多元合唱”，实现监督范围与监督时效的双重拓展。

　　1.多元协同监督平台的搭建是监督联动的基础。需整合政府监督、公众监督、第三方监督等多主体力量，构建“线上+线下”融合的监督体系。线上平台依托区块链技术，将预算编制依据、执行数据、绩效结果等信息实时上链，确保数据不可篡改、可追溯。审计局、财政局监督科室等政府监督部门，可依托该平台调取全流程业务数据，据此开展线上化审计核查与监督检查工作；公众可通过平台的监督入口，实时查询所在区域民生项目的预算金额、执行进度、资金使用明细，若发现异常，可在线提交举报线索，附照片、视频等证据；第三方监督机构包括会计师事务所、高校研究团队、行业协会等专业组织，可依托平台开放的脱敏数据，开展预算合规性、效益性评估，并发布独立监督报告。线下则通过监督联络点下沉至乡镇、社区，配备专职监督联络员，协助老年人、低收入群体等数字能力较弱的群体使用线上平台，收集线下反馈意见，实现线上监督无死角、线下监督全覆盖。

　　2.智能违规线索识别算法的应用是监督精准化的关键。传统监督多依赖人工筛查，效率低、遗漏率高。人工智能通过分析预算数据的异常特征，自动识别潜在违规行为。针对虚报冒领风险，算法可比对预算申报的项目规模与实际实施规模；针对挪用资金风险，算法可追踪资金流向的异常轨迹，标记资金用途与申报不符的问题；针对虚增成本风险，算法可比对同类项目的单位造价，从而识别出成本异常偏高的项目。识别出的违规线索经系统初步核验后，推送至政府监督部门进行实地核查，核查结果反馈至平台并向公众公示，形成“算法识别—人工核查—结果公开”的闭环监督流程。

　　3.基层监督力量的赋能是监督下沉的核心。乡镇、社区是预算执行的“最后一公里”，其监督力量相对薄弱，可能成为基层预算执行中增加违规风险的一个潜在因素。人工智能通过开发基层监督赋能工具，提升乡镇财政所、社区居委会的监督能力。工具内置监督指引库，收录预算监督的政策依据、常见违规类型、核查方法，内容包括村级公益事业资金监督要点、民生补贴发放核查步骤等，基层监督员可随时查询；同时具备数据比对功能，基层监督员只需导入本乡镇的预算执行数据，工具自动与上级财政部门的备案数据比对，识别账实不符超范围支出等问题；此外，工具还支持监督案例学习，通过短视频形式展示其他地区基层预算监督的典型案例，提升基层监督员的实操能力。定期组织基层监督员开展人工智能监督工具的专项培训，确保工具能够有效应用于日常监督工作，筑牢基层预算监督的第一道防线。

　　（四）预算绩效评价环节：多维指标与全周期追踪的下沉实践

　　预算绩效评价是预算治理的“指挥棒”，传统评价因指标单一、主观偏差、结果闲置等问题，难以发挥对预算优化的导向作用。预算绩效管理“重评估、轻使用”等形式主义频现，无不说明当前地方政府对预算绩效评价结果的应用力度和广度仍十分有限（何文盛和申珊，2025）。人工智能通过构建多维度评价指标体系、应用智能权重算法与推动评价结果闭环应用，实现绩效评价从形式化考核转向实质性优化，并将评价触角下沉至具体项目、具体区域，确保评价结果真正服务于基层治理提质增效。

　　1.多维度智能评价指标体系的构建是评价科学的基础。需突破传统资金使用效率单一指标的局限，构建“定量+定性”“效率+公平+民生”的综合指标体系。定量指标涵盖资金执行率、项目完成率、公共服务覆盖率等可直接量化的指标，其中资金执行率通过实际支出金额与预算金额的比值计算得出，项目完成率通过实际完成工作量与计划工作量的比值确定，公共服务覆盖率可参考农村饮水安全工程覆盖的村庄数量与区域总村庄数量的比例计算；定性指标包括公众满意度、政策适配性、长期社会效益等难以直接量化的指标，公众满意度通过智能问卷系统收集公众对民生项目的评价获取，政策适配性用于评价预算项目与区域发展政策的契合度，长期社会效益可通过教育预算投入对区域升学率的长期影响等维度衡量。指标体系需根据不同领域、不同层级进行差异化调整，例如乡镇级民生项目需增加基层群众参与度、项目可持续运营能力等指标，确保指标既符合共性标准，又适配基层实际。

　　2.智能权重算法的应用是评价客观的关键。传统评价中指标权重多由人工设定，易受主观偏好影响。人工智能通过层次分析法与机器学习算法结合的方式，实现权重的科学确定。首先通过层次分析法，邀请财政、审计、行业专家对各指标的重要性进行两两比较，形成初步权重矩阵；再通过机器学习算法，分析历史评价数据中指标得分与总体评价结果的关联性。例如，若公众满意度得分高的项目总体评价结果普遍较好，算法会自动提升该指标的权重；若资金执行率得分与总体评价结果关联性较弱，算法则适当降低该指标的权重。通过“专家经验+数据验证”的双重校准，避免单一主观判断或单一数据驱动的偏差，确保各指标权重既符合治理目标，又反映实际评价规律。

　　3.全周期绩效数据追踪机制的建立是评价动态化的核心。传统评价多集中于项目完工后，难以反映项目运营阶段的长期效益。人工智能通过构建项目全周期数据追踪系统，从项目立项开始，实时采集各阶段的绩效数据。立项阶段采集项目必要性论证数据，内容包括区域需求缺口、替代方案比较等；实施阶段采集进度数据与质量数据，进度数据涵盖月度完工百分比、资金使用进度，质量数据包括工程验收结果、服务达标率；运营阶段采集效益数据，包括民生项目的服务人数、公众重复使用率、长期社会效益指标变化等。系统通过智能算法对全周期数据进行动态分析，生成阶段绩效报告。例如：项目实施中期，若发现公众满意度低于预期，系统会分析原因，可能是服务流程不合理或项目选址不当，并提出优化建议，如调整服务时间、增设服务站点；项目运营满1年后，开展长期绩效评估，判断项目是否持续产生效益，为后续预算安排提供依据。

　　4.评价结果闭环应用机制的落地是评价价值的体现。若评价结果仅停留在报告层面，则难以推动预算优化。需通过人工智能构建“评价结果—预算调整”的联动机制。系统自动将评价结果划分为优秀、合格、不合格三个等级，对评价优秀的项目，下一年度预算优先保障，并可适当增加资金规模；对评价合格的项目，需根据评价反馈的问题制定整改方案，整改到位后方可维持原预算规模；对评价不合格的项目，下一年度削减或取消预算，并追究相关责任人责任。同时，将评价结果与基层政府绩效考核挂钩，乡镇、社区所辖项目的平均评价得分纳入其年度绩效考核指标，通过“绩效评价—预算调整—考核挂钩”的闭环，倒逼基层政府重视预算绩效，推动预算资源向高效益、高民生契合度的项目倾斜。■

　　（基金项目：辽宁省社会科学规划基金重大委托项目“辽宁促进民营经济高质量发展研究”〈项目编号：L24ZD016〉的阶段性研究成果）

　　（作者单位：辽宁大学经济学院）