边界重构:生成式人工智能对政府数据开放的新挑战*

doi:10.12267/j.issn.2096-5931.2025.12.005

信息通信技术与政策 ›› 2025, Vol. 51 ›› Issue (12): 33-39.doi: 10.12267/j.issn.2096-5931.2025.12.005

专题:面向数智时代的数字政府建设上一篇下一篇

边界重构:生成式人工智能对政府数据开放的新挑战^*

Boundary reconfiguration: new challenges posed by GenAI to open government data

吕文增¹, 杨正军²

1.南京大学数据管理创新研究中心, 苏州 215163
2.中国信息通信研究院泰尔终端实验室, 北京 100191

收稿日期:2025-11-27 出版日期:2025-12-25 发布日期:2026-01-08
通讯作者: 杨正军
作者简介:
吕文增，南京大学数据管理创新研究中心博士研究生在读,研究方向为政府数据治理、数据开放等
基金资助:
*国家社会科学基金重大项目(21&ZD337)

LYU Wenzeng¹, YANG Zhengjun²

^1. Research Institute for Data Management Innovation, Nanjing University, Suzhou 215163, China
^2. CTTL Terminal Labs, China Academy of Information and Communications Technology, Beijing 100191, China

Received:2025-11-27 Online:2025-12-25 Published:2026-01-08
Contact: YANG Zhengjun

摘要/Abstract

摘要：

在人工智能技术与应用全球博弈竞速的背景下,生成式人工智能对高质量政府数据的依赖日益加深,但也深刻冲击传统政府数据开放工作的边界。基于文献研究与逻辑归纳,系统剖析生成式人工智能在数据获取、训练与应用各阶段与政府数据开放之间的互动关系,揭示其如何推动政府数据开放工作在对象范围、质量治理、平台基础设施三个维度上的边界重构与挑战内涵,从而为理解生成式人工智能对政府数据开放工作带来的深层次挑战提供理论参考与政策启示。

关键词: 政府数据开放, 生成式人工智能, AI就绪

Abstract:

Against the backdrop of global competition and rapid advancement in artificial intelligence (AI) technologies and applications, generative AI (GenAI) is becoming increasingly dependent on high-quality government data, while simultaneously disrupting the established boundaries of traditional open government data (OGD) practices. Drawing on literature review and logical induction, this paper systematically examines the interactions between GenAI and OGD across the stages of data acquisition, model training, and application. It reveals how GenAI drives a reconfiguration of boundaries in three key dimensions of OGD: the scope of data subjects, data quality governance, and platform infrastructure. By unpacking these dynamics, the study elucidates the profound challenges GenAI poses to OGD initiatives and offers theoretical insights and policy implications for navigating the evolving landscape of government data openness in the age of generative AI.

Key words: open government data, GenAI, AI-Ready

中图分类号:

G203

吕文增, 杨正军. 边界重构:生成式人工智能对政府数据开放的新挑战^*[J]. 信息通信技术与政策, 2025, 51(12): 33-39.

LYU Wenzeng, YANG Zhengjun. Boundary reconfiguration: new challenges posed by GenAI to open government data[J]. Information and Communications Technology and Policy, 2025, 51(12): 33-39.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2025.12.005

http://ictp.caict.ac.cn/CN/Y2025/V51/I12/33

参考文献 35

[1]	European Parliament and of the Council. Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence[R], 2024.
[2]	艾瑞咨询. 2024年中国AI基础数据服务研究报告[R], 2024.
[3]	Organization for Economic Co-operation and Development. State of implementation of the OECD AI Principles[R], 2021.
[4]	Global Partnership on AI. Therole of government as a provider of data for artificial intelligence[R], 2024.
[5]	夏义堃, 宋佳, 纪昌秀. 高价值数据集开放与复用的内涵边界与实践进路分析[J]. 电子政务, 2024(6): 54-68.
[6]	Office of Management and Budget. 2021 action plan[R], 2019.
[7]	The White House. Executive order on the safe, secure, and trustworthy development and use of artificial intelligence[R], 2023.
[8]	The White House. Winning the AI race: America’s AI action plan[R], 2025.
[9]	U.S. Department of Commerce. Generative artificial intelligence and open data: guidelines and best practices[R], 2024.
[10]	中国政府网. 国务院关于深入实施“人工智能+”行动的意见[EB/OL].(2025-08-21)[2025-11-27]. https://www.gov.cn/gongbao/2025/issue_12266/202509/content_7039598.html.
[11]	国家数据局. 《高质量数据集建设指引》发布[EB/OL].(2025-08-30)[2025-11-27]. https://www.nda.gov.cn/sjj/ywpd/szkjyjcss/0830/20250830210000366789341_pc.html.
[12]	中国信息通信研究院. 人工智能高质量数据集建设指南[R], 2025.
[13]	KNIGHT S, DICKSON-DEANE C, HEGGART K. Generative AI in the Australian education system: An open data set of stakeholder recommendations and emerging analysis from a public inquiry[J]. Australasian Journal of Educational Technology, 2023, 39(5):101-124.
[14]	YAR M A, HAMDAN M, ANSHARI M, et al. Governing with intelligence: the impact of artificial intelligence on policy development[J/OL]. Information, 2024[2025-10-24]. https://www.mdpi.com/2078-2489/15/9/556.
[15]	门理想, 魏筠筵, 毛菁菁, 等. 公共数据开发利用中的大语言模型应用:前景、挑战与路径[J]. 情报理论与实践, 2024, 47(11):70,111-120.
[16]	王宏. 人工智能时代政府数据开放中的预算信息公开[J]. 上海师范大学学报(哲学社会科学版), 2021, 50(4): 89-98.
[17]	季冬梅. 从知识产权到数据要素:AIGC相关制度困境的化解[J]. 科技进步与对策, 2025, 42(2):122-131.
[18]	黎浩田. 体育大模型的促进型数据制度:理论反思与体系优化[J]. 武汉体育学院学报, 2025, 59(3): 46-52, 102.
[19]	刘晓慧, 陶成煦, 张钰洋, 等. 面向AI模型的数据价值评估:基于大模型指令工程与无训练方法的融合[J]. 图书馆论坛, 2025:1-11.
[20]	GAO Y, JANSSEN M. Generating value from government data using AI: an exploratory study[C]// Electronic Government. Cham: Springer International Publishing, 2020:319-331.
[21]	朱晓鑫, 张广海, 孙佰清, 等. 人工智能时代我国政府开放应急管理数据的应用研究[J]. 图书馆理论与实践, 2019(6): 61-67.
[22]	姚怡帆, 胡峰, 许正中. 生成式人工智能赋能政府数据安全治理的机遇、风险及应对[J]. 智库理论与实践, 2024, 9(4): 1-11.
[23]	玛丽亚木·艾斯凯尔. 合成数据:生成式人工智能数据训练中隐私保护和数据利用并行的新路径[J]. 图书馆建设, 2024:1-15.
[24]	魏远山. 生成式人工智能训练数据的准法定许可制度[J/OL]. 图书馆论坛, 2025[2025-10-06]. https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=TSGL20250813001.
[25]	张涛. 生成式人工智能训练数据集的法律风险与包容审慎规制[J]. 比较法研究, 2024(4): 86-103.
[26]	赵精武. 论人工智能训练数据高质量供给的制度建构[J]. 中国法律评论, 2025(1): 1-13.
[27]	林伟. 人工智能数据安全风险及应对[J]. 情报杂志, 2022, 41(10): 105-111, 88.
[28]	张欣. 生成式人工智能的数据风险与治理路径[J]. 法律科学(西北政法大学学报), 2023, 41(5):42-54.
[29]	徐伟, 韦红梅. 生成式人工智能训练数据风险治理:欧盟经验及其启示[J]. 现代情报, 2025, 45(5):89-98.
[30]	李可心, 肖冬梅. 日本生成式人工智能训练数据合理使用规则及其启示[J]. 图书馆论坛, 2025, 45(9): 93-101.
[31]	MAJITHIA N, SIMPERL E. Methods to assess the UK government’s current role as a data provider for AI[J]. arXiv, Preprint arXiv:2412.09632, 2024.
[32]	IEEE. Research on government data governance in the era of large language model \| IEEE conference publication \| IEEE xplore[EB/OL]. [2025-10-09]. https://ieeexplore.ieee.org/document/10858693.
[33]	夏义堃. 数字环境下公共数据的内涵、边界与划分原则分析[J]. 中国图书馆学报, 2024, 50(2):100-114.
[34]	郑磊. 政府数据开放研究:概念辨析、关键因素及其互动关系[J]. 中国行政管理, 2015(11):13-18.
[35]	JATI P H P, LIN Y, NODEHI S, et al. FAIR versus open data: a comparison of objectives and principles[J]. Data Intelligence, 2022, 4(4):867-881.

边界重构:生成式人工智能对政府数据开放的新挑战^*

Boundary reconfiguration: new challenges posed by GenAI to open government data

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 35

相关文章 7

编辑推荐

Metrics

本文评价

[1]	徐明. 生成式人工智能大模型的安全挑战与治理路径研究[J]. 信息通信技术与政策, 2025, 51(1): 10-19.
[2]	苑卫国, 张新跃, 尉迟学彪. 生成式人工智能技术对网络安全领域的影响分析与启示建议[J]. 信息通信技术与政策, 2025, 51(1): 2-9.
[3]	李诗婧, 赵爽. 生成式人工智能应用于制造业的网络安全风险及对策研究[J]. 信息通信技术与政策, 2025, 51(1): 20-24.
[4]	孟楠, 周成胜, 赵勋. 生成式人工智能赋能网络安全运营降噪能力研究[J]. 信息通信技术与政策, 2024, 50(8): 24-31.
[5]	董耀聪, 张倩, 李宝强, 李艺, 董悦. 基于生成式人工智能的工业互联网安全技术与应用研究[J]. 信息通信技术与政策, 2024, 50(8): 32-37.
[6]	武林娜, 宋恺, 王淞鹤. 生成式人工智能对个人信息安全的挑战及应对策略[J]. 信息通信技术与政策, 2024, 50(1): 13-18.
[7]	宋恺, 屈蕾蕾, 杨萌科. 生成式人工智能的治理策略研究[J]. 信息通信技术与政策, 2023, 49(7): 83-88.