郭 妙:《AI赋能公共数字文化服务:内在机理、潜在风险与实践进路》

本刊现面向海内外征集稿件

详见：《征稿启事》

郭妙，商洛学院人文学院助教，Email：790666121@qq.com。

在数字化时代背景下，推动公共数字文化服务转型升级、提升公共数字文化服务发展质量，是健全现代公共文化服务体系的现实要求，也是推进文化强国建设的重要内容。生成式人工智能的快速发展，打破传统公共文化服务时空限制，精准对接公众需求，保障公众接受公共数字文化服务的权利。本文采用理论分析与现实观照相结合的方法，引入公共服务供给理论、数字治理理论与技术接受模型，系统阐释AI赋能公共数字文化服务的内在机理，并深入剖析其潜在风险的形成机制。研究发现，生成式人工智能从可及性、精准性、普惠性三个维度提升公共数字文化服务效能，但同时也因技术特性、制度规范与社会环境等多重因素制约，面临“失焦”“失守”“失能”三重风险。基于此，本文提出构建“价值校准—数据治理—均衡配置”的系统性应对框架，以营造普惠共享的公共数字文化服务生态。本文的研究结论不仅为理解生成式人工智能在公共文化服务领域的应用逻辑提供了理论视角，也为相关政策完善与实践优化提供了参考依据。

DeepSeek；生成式人工智能；数字赋能；公共数字文化服务

党的十八大以来，以习近平同志为核心的党中央高度重视公共文化服务体系建设，将其作为保障人民文化权益、提升国家文化软实力的重要抓手。党的二十大报告明确指出，要“实施国家文化数字化战略，健全现代公共文化服务体系，创新实施文化惠民工程”。《“十四五”公共文化服务体系建设规划》进一步强调要“推动公共文化服务数字化、网络化、智能化发展”。在国家战略引领和数字化时代背景下，数字技术与公共文化服务的融合不断深化，正日益成为推动公共文化服务转型升级的重要动力。充分运用新兴数字技术增强公共文化服务能力，不仅是对人民群众日益增长的精神文化需求的积极回应，也是顺应时代发展趋势、推进文化强国建设的应有之义。

但从现实运行情况看，传统公共文化服务长期受到时空限制、资源分配不均、供需匹配效率不高等结构性因素的制约，难以充分满足数字化时代人民群众日益多元、差异化的文化需求。一方面，实体公共文化场所的服务范围和开放时段相对有限，偏远地区、基层群众以及特殊群体在文化服务获取上的可及性和便捷性仍显不足；另一方面，文化资源供给在不少情况下仍带有较强的“供给导向”和“一刀切”色彩，难以及时识别并有效回应不同群体的个性化需求，进而造成资源配置错位和服务效能折损；此外，不同区域数字基础设施建设水平以及不同群体数字素养发展程度的差异，也在一定程度上限制了公共文化服务普惠价值的实现。随着生成式人工智能技术的兴起和迭代，以DeepSeek为代表的AI大模型凭借自然语言交互、深度学习分析和个性化内容生成等能力，正在重塑信息传播与知识服务的基本逻辑，推动公共文化服务“优质”“精准”“普惠共享”，由此为公共文化服务转型提供了新的可能。

然而，技术赋能并非简单的线性过程。从理论层面看，现有研究对生成式人工智能赋能公共数字文化服务的内在机理阐释仍显不足，尚未形成“赋能机理—潜在风险—实践进路”的系统性分析框架，对技术赋能所具有的“双刃剑”效应讨论也不够充分。围绕这一问题展开研究，有助于进一步拓展数字文化治理理论和技术赋能理论的研究维度，推动生成式人工智能与公共数字文化服务的融合研究走向深入。从实践层面来看，当前生成式人工智能正在逐步应用于我国各类文化机构，但其应用模式与风险应对机制还不够成熟与完善。因而，有必要在梳理其赋能逻辑的同时，对其风险来源和治理路径作出更为细致的分析，以便为政府部门制定政策、文化机构推进数字化实践以及平台企业优化AI服务模式提供参考，进一步推动生成式人工智能与公共数字文化服务的深度融合和规范发展。

基于此，本文以DeepSeek为典型案例，聚焦生成式人工智能赋能公共数字文化服务的核心议题，按照 “内在机理—潜在风险—实践进路” 的研究框架展开分析：首先阐释生成式人工智能从可及性、精准性、普惠性三个维度赋能公共数字文化服务的内在逻辑，结合相关理论夯实研究的理论基础；其次深入剖析生成式人工智能赋能过程中面临的技术、制度、社会三重层面的潜在风险，并揭示风险与赋能机理的内在关联；最后针对各类风险提出针对性的实践进路，构建系统性的风险应对体系，以期为构建普惠共享的公共数字文化服务生态、实现公共数字文化服务高质量发展提供理论与实践支撑。

以DeepSeek为代表的生成式人工智能，不仅能将数字技术深度应用于公共文化服务领域，还能够为公共数字文化服务的创新发展注入新动能，提升公共文化服务质量。其赋能逻辑并不是单纯的技术应用，而是依托公共服务供给理论、数字治理理论、技术接受模型（TAM）等理论，在理论核心要义与核心赋能维度实现深度契合。为进一步推动DeepSeek规范、高效应用，促进公共数字文化的创新与高质量发展，必须厘清DeepSeek赋能公共数字文化服务的内在机理。

（一）DeepSeek提高公共数字文化服务可及性

公共服务供给理论以公共产品的有效供给为核心，以均等化供给为价值取向。强调公共服务要能够打破时空、主体、资源等供给壁垒，从而实现供给范围全域化、供给方式多元化、供给资源共享化，核心目标是解决公共服务供给与公众需求的适配性问题，这为DeepSeek提升公共数字文化服务可及性提供了供给侧理论指引。

“可及性”一词最初应用于公共卫生领域，由美国卫生专家罗纳德·安德森1968年提出，指公民在不考虑支付能力的情况下，平等获取和使用公共卫生服务的权利和能力。随着研究的不断深入，20世纪90年代，“可及性”一词引入我国公共服务领域。目前，我国学者主要是从服务的覆盖范围和使用频率来认识“可及性”这一概念。公共数字文化服务的可及性是指公众能够便捷、平等、无障碍地获取和利用数字文化资源和服务的能力。这一概念强调服务供给与公众需求之间的适配程度，旨在提升公众的文化获得感和文化参与度。传统的公共文化服务有着严格的时空限制和要求，提供方和接收方严重依赖线下特定的场所与时段。这与公共服务供给理论中指出的传统公共服务 “供给模式固化、供给能力受限” 的痛点高度契合。而DeepSeek作为生成式人工智能，依据其技术特性可以打破时空限制，减少公众获取服务所需的步骤，全方位提升公共数字文化服务的可及性，从而不断提高服务的便捷性。这契合公共服务供给理论的均等化要求，正是对公共服务供给理论有效供给要求的实践落地。一方面，搭建公共数字文化服务平台，通过网络覆盖与数字接入，帮助用户对数字平台无障碍使用，使公众在任何时间地点都可以快速获取公共文化服务，实现了公共数字文化服务供给范围的全域化。同时，打破资源壁垒，促进文化资源在更大范围内共享和传播，落实了公共服务供给的资源共享化要求。此外，数字平台也能服务于不同语言背景的用户，进一步扩大服务覆盖范围，丰富了公共服务的供给适配形式。 DeepSeek从时空、经济、语言等多方面实现公共数字文化服务的可获得、可接近、可接受、可适应、可负担，满足公共数字文化服务的“5A”要求，使得服务触达的基础保障不断夯实。

（二）DeepSeek增强公共数字文化服务精准性

数字治理理论以数据为核心生产要素，以数字技术为治理工具，强调通过数据挖掘、分析、应用实现公共治理的精细化、智能化、动态化，推动公共服务从 “粗放化服务” 向 “精细化服务” 转型，通过需求识别、资源配置和动态响应实现供需高效对接，这为DeepSeek增强公共数字文化服务精准性筑牢了治理端理论基础。

精准性是指服务能够根据用户需求提供个性化、定制化的服务。公共服务精准化是 “以居民需求为中心的整体性运作过程”，强调通过需求识别、资源配置和动态响应实现供需高效对接。当前，数字技术的发展及其在公共服务领域中的应用，使得公共文化服务不断转型，从传统的“粗放化服务”转为“精细化服务”，不断满足公众的异质化需求，这正是数字治理理论在公共文化服务领域的实践导向。DeepSeek赋能公共数字文化服务，使其精准性可以通过大数据分析、用户画像、个性化推荐等方式实现，与数字治理理论 “数据驱动精细化治理” 的核心要求高度契合。一方面， DeepSeek能精准识别用户需求、精准供给内容。通过深度学习与分析用户数据，细分用户群体，精准捕捉不同用户的真实需求，解决了传统服务中需求识别模糊的治理难题；同时，通过大语言模型深入理解用户指令，基于用户需求生成高度契合的资源和服务，使得用户获取到“相关的、有用的、适配的内容和服务”，而不是无关信息和资料的简单叠加。此外，还可以通过个性化推荐机制为用户匹配适配的文化资源，做到服务“因人而异”，避免资源供给与需求错位，实现了数字治理理论要求的资源精准配置。另一方面，DeepSeek能提供精准的服务方式、动态调整智能推荐。通过对用户画像进行构建，熟悉用户行为，明确用户使用习惯和条件，针对不同的用户和群体，选择对其而言最有效的触达方式。如根据用户时间的碎片化，可以推荐模块化内容；或根据用户的数字素养，采取语音交互的方式。同时，根据社会大环境的变化及热点信息的更迭，通过数据分析和用户反馈，为游客进行智能推荐和个性化服务，落实了数字治理理论 “动态响应需求” 的核心要求。DeepSeek赋能公共数字文化服务是提升服务质量的关键，不断促使公共文化数字服务从“有”转“优”。

（三）DeepSeek保障公共数字文化服务普惠性

技术接受模型（TAM）的核心要义在于，用户对一项技术或服务的接受度与使用意愿，感知有用性和感知易用性两大核心因素起决定性影响。其中，感知有用性与感知易用性分别指用户认为使用某技术或服务能带来实际价值的程度和使用某技术或服务的难易程度，二者共同影响用户的使用行为。这一模型为DeepSeek保障公共数字文化服务普惠性提供了需求侧理论遵循。

普惠性的概念源于经济学与社会学的交叉领域，最初主要用于描述经济政策的公平性与可及性。随着全球化的推进，尤其是在信息技术迅猛发展的背景下，普惠性逐渐被赋予了更广泛的内涵，包括教育、医疗、金融服务等多个方面。普惠性的基本公共服务须满足以下条件：首先要有，其次要种类够、数量足，此外还应质量好、取用易、有效果。传统公共数字文化服务可及性与精准性受限，使得其服务群体覆盖具有一定的“排他性”，资源分配具有一定的“失衡性”，服务可达的“隐性壁垒性”等，本质上是未能兼顾不同群体的感知有用性与感知易用性，导致部分群体对服务的接受度和使用意愿偏低。DeepSeek赋能公共数字文化服务，从感知易用性和感知有用性两大维度出发，消除各类使用障碍，推动普惠性目标落地。这首先是保障了经济与技能普惠，大幅提升不同群体的感知易用性。DeepSeek的轻量化模型使用成本和门槛较低，这意味着公共数字文化服务可以下沉至基层单位，进一步深化服务提供的纵向刻度，消除了经济层面的使用壁垒；同时，通过语音交互与多模态融合，用户在获取公共数字文化时没有较高的技术与技能要求，使不同群体都可以享受服务，这又进一步扩大服务提供的横向范围，消除了技能层面的使用壁垒。此外，DeepSeek赋能公共数字文化服务还保障了认知与文化普惠，持续提升不同群体的感知有用性。通过对语言的“转译”，使得任何知识背景的用户都可以理解服务内容，消除了认知层面的理解壁垒；通过对数字文化内容类型的调整，也可以使得不同认知习惯的用户及不同文化背景的群体平等地享受服务，让服务内容与各类用户的文化需求高度匹配，充分体现服务的实际价值。

“可及性”是公共数字文化服务的基础，依托公共服务供给理论实现供给侧的优化；“精准性”是公共数字文化服务的手段，依托数字治理理论实现治理端的升级；“普惠性”是公共数字文化服务的目标，依托技术接受模型（TAM）实现需求侧的满足。三大理论从供给侧、治理端、需求侧形成完整支撑体系，让DeepSeek赋能公共数字文化服务的逻辑更具理论性，促使每一位公民都能平等、有效地享受优质文化服务。

以DeepSeek为代表的生成式人工智能在提升公共数字文化服务可及性、精准性、普惠性的同时，其技术特性、数据依赖、算法逻辑也使其在赋能过程中面临一系列潜在风险。生成式人工智能的赋能维度，恰恰是其潜在风险的产生领域：提升可及性的同时可能加剧数字鸿沟，增强精准性的同时可能导致价值导向失焦，保障普惠性的同时可能引发数据主权争议。结合生成式人工智能的应用实践，其潜在风险可分为技术层面、制度层面、社会层面三个维度，各维度风险相互关联、相互影响，若不加以有效管控，将严重制约生成式人工智能对公共数字文化服务的赋能效能，甚至影响公共数字文化服务的高质量发展。

（一）技术层面：失焦的风险

DeepSeek作为一种生成式人工智能，依赖于电子设备。在使用DeepSeek的过程中，要想使其能够接收与处理用户输入的文本信息，就需要先将文本转化成由0和1所组成的二进制数据，分解成一串token传入大语言模型中，然后经过一系列的计算生成另一串token，再转换为文本的形式呈现给用户。这种解码—转换—编码的过程与“数据—模型—生成” 的传导路径使得DeepSeek要处理大量的文本信息。文本数据本身不属于意识形态，但可以用来承载、表达意识形态。生成式 AI 的技术链路各环节存在的偏差，最终导致内容输出与主流文化价值导向偏离。因此，DeepSeek的使用中要谨慎其潜在的内容与价值失焦风险。

首先，DeepSeek内植于大语言模型，依赖大量文本数据从而形成深度学习模型。DeepSeek的文本数据主要来源于以下几个方面：第一，公开数据集。利用公共领域的文本数据、公共平台提供的开放数据以及科学研究论文等学术资源。第二，网络爬取数据。大量收集论坛、社交媒体、网站的多样化内容。第三，专业领域数据。获取垂直领域的专业文本与数据以扩充数据库。第四，多语言资料库。多语言网页数据及其他语言的文本资料。可以看出，其中不少文本数据来源于网络，这些信息并没有经过严格的审核，其质量不能得到保障，甚至有些信息是虚假和杜撰的。同时，有些信息还包含着一定的偏见和歧视。算法在对这些质量参差不齐的数据进行提取、转换与学习时，会将数据中的偏见、错误信息融入模型中，导致用户接收信息的失真性和扭曲性，从而形成一定的观念偏差和意识偏差。不仅降低了公共数字文化服务的质量，也会对社会风气和文化氛围产生负面影响。

其次，DeepSeek生成式人工智能的逻辑架构和大模型的设计带有意识形态色彩。人工智能本身并没有意识形态色彩，但在模型设计、算法结构堆叠的时候会无形嵌入价值认同。模型设计与算法结构堆叠的前提条件是进行数据标注。并且，深度学习依然是当前人工智能领域比较主流的机器学习方式，这种学习方式也对数据标注有着较强的依赖。所谓的数据标注是指通过对数据进行贴标签、做记号等方式加工处理，将其转化成计算机可识别的信息。在数据标注的过程中，数据标注人员自身的价值观念、文化背景、认知偏见、关注指向都会影响数据标注结果，使得标注后的数据具有了一定的意识形态色彩和价值取向。模型设计和训练受制于数据标注的质量，模型对于数据的理解和判断也会受到直接影响，在提取、分析呈现这些数据时也会延续其所具有的隐性意识形态色彩和价值取向。此外，算法结构堆叠的复杂程度和其对数据的需求呈正相关。越复杂的算法结构堆叠需要越多的数据支撑，这也就意味着数据标注所隐含的价值观念与意识形态，以及算法开发者的取向会在算法结构堆叠中体现出来。这些因素会共同造成公共数字文化服务时的内容偏差，用户也会受到潜移默化的影响，从而产生与主流文化相悖的价值观念和意识形态。这种“数据标注人员主管特征—标注数据意识形态嵌入—训练样本价值偏向—模型推理固有倾向” 的逻辑链使得这种源头的价值偏差被不断固化，成为模型难以摆脱的固有倾向。

最后，DeepSeek存在难以察觉的随机生成现象和幻觉问题。2021年《On The Dangers of Stochastic Parrots: Can Language Models Be Too Big?》中提出了“随机鹦鹉”现象，明确指出，大型语言模型可能仅能根据统计概率生成看似合理的文本，而并不真正理解世界。其核心观点是语言模型在生成文本时，可能只是基于训练数据中观察到的语素进行随机拼接，而缺乏对文本含义的真正理解。作为一款生成式人工智能，DeepSeek也会出现“随机鹦鹉”现象。由于欠缺深入的理解和推理能力，在为用户呈现相关服务内容时，有可能会随机生成一些看似合理实际上存在错误的内容，导致生成内容的不可靠，降低公共数字文化服务内容的质量和可信度，使劣质的文化和价值观念有机可乘。同样，在 Vectara HHEM 人工智能幻觉测试中，DeepSeek - R1 的幻觉率为 14.3%，远高于其前身 DeepSeek - V3 的 3.9%，也远超行业平均水平。幻觉率是指大语言模型在回答问题时出现答非所问、胡说八道等现象的比例。在进行文本数据分析时，DeepSeek会自动增加用户简单指令的思维链，思维链具有一定的引导性，过长的思维链会使简单任务复杂化，出现分析偏离。分析过程中如果没有足够的多余信息支撑，也会生成虚构答案。但由于DeepSeek在输出时其内容往往具有“合理性”，通过严谨的表达使得用户难以发现其幻觉，这种虚假内容也会对用户的价值观念与意识产生错误的引导，直接损害公共文化服务的传播价值。

（二）制度层面：失守的风险

数据是DeepSeek类生成式人工智能的底层逻辑，海量的数据可以不断优化其模型的学习能力，以及面对不同任务的适应能力。高质的数据也可以不断提升其理解现实世界的能力，为其精准内容的生成夯实基础。此外，在DeepSeek和公众、用户不断交互的过程中，会积累越来越多的数据，通过对这些数据的深入分析及应用不断提升用户体验。用户和业务的增多会产生更多的数据，从而形成以数据驱动为基础的正反馈循环现象，也就是我们所说的数据飞轮效应。数据贯穿于DeepSeek开发、训练、应用的全过程。然而生成式 AI 的 “数据飞轮效应” 与数据治理的 “规则碎片化、监管滞后性” 之间存在的矛盾，会直接引发相关风险。

首先，数据泄露与滥用风险。DeepSeek的隐私政策中提到，用户在接受其服务时会被收集包含手机号码、登录密码、证件号码、电子邮箱等在内的个人隐私数据。虽然在政策中声明，已采用符合行业标准的措施和合理可行的措施保护用户数据安全。但在实际运行和操作中，如果没有对未经验证的大量外部数据进行过滤和清洗，便可能会在模型生成内容时无意中披露敏感信息，泄露隐私。并且，不充分的加密和不严密的访问控制会增加数据传输的脆弱性，增加数据被盗取和篡改的风险。调查机构wiz报告指出DeepSeek曾在一次重大数据安全事件中泄露100万行日志条目和用户聊天记录，其内容包含高度敏感信息。并且由于未配置身份验证机制，这些数据任何人都可以随意下载访问。公共文化服务涉及大量公民个人信息（如文化偏好、身份信息等），若数据存储或传输环节存在漏洞或被非法滥用，不仅会削弱用户对数字文化服务的信任感，影响服务普惠性的实现，还可能导致公民个人信息被用于商业牟利，甚至引发公共文化数据的安全问题。

其次，跨境数据流动的合规性挑战。其本质是公共数字文化服务 “公共性、开放性”与 DeepSeek隐私政策及数据处理规则的 “单一性、属地性”之间的矛盾形成的合规适配缺口，同时叠加全球数据治理规则碎片化带来的多重法律困境。公共文化是为了提升公民素质、促进社会和谐、传承和弘扬文化而由政府主导、社会其他主体共同参与形成的的一种文化形态。其首要特征就是公共性，这也决定了公共文化是以全体社会成员为服务对象，任何人都有享受公共文化、接受公共文化服务的权利。公共文化强调文化资源的共享性和开放性，这也就意味着处理跨区域用户需求在公共数字文化服务中十分常见。DeepSeek隐私政策具有一定的适应范围，面对不同国家不同的用户数据收集要求，无法进行很好的适配与回应。例如，DeepSeek隐私政策中表明其所收集的资料均存储在中华人民共和国境内大陆地区的服务器上，并且没有明确用户数据的国际传输路径，这与欧盟《通用数据保护条例》（GDPR）中“数据主体知情权与跨境传输合法性”这一要求相违背，有可能会造成数据收集不合法问题。而且，在跨区域数据传输过程中也要同时满足我国对于数据出境合规的要求。此外，目前全球数据治理处于规则碎片化阶段，尚未形成统一的国际数据跨境规则。不同国家对公共文化数据分类分级和流动标准存在一定差异，部分公共文化数据也受版权保护，DeepSeek对用户需求的实时响应，与数据出境安全评估、跨境授权的严格程序形成时间差，导致部分跨境数据处理行为未经合规审批，形成违规风险。

最后，政务数据的导向性挑战。政务数据中包含大量与公共文化相关的信息，如文化基础设施分布信息、文化资源分类信息、文化活动统计数据信息等。DeepSeek可以根据这些信息进一步了解当前公共数字文化的资源分布、公众需求、服务质量等，从而不断提高其服务的针对性和精准性，增强其公共数字文化的丰富性和覆盖性。但不可忽视的是，政务数据中也包含了大量的公众基本信息及敏感信息，若在使用过程中不对DeepSeek进行严格监管便有可能发生数据滥用的情况，导致公众需求与数据导向错位，使得政务数据的公共数字文化服务功能失调。而政务数据作为公共数字文化服务的重要数据支撑，其滥用不仅会损害公民隐私，更会直接影响公共文化服务的精准性与公共性。

（三）社会层面：失能的风险

提高公共数字文化服务可及性、精准性和普惠性是DeepSeek类生成式人工智能所具有的显著优势。这不仅依赖于其充足的数据、独特的算法，还依赖于外部群体及环境所给予的支撑与回馈。自身优势与外部信息之间的交互为其发挥作用提供双重保障，如若在使用过程中不注重影响因素的双边性，就有可能导致公共数字文化服务出现数字鸿沟和算力适配困境。二者形成相互强化的恶性循环，最终使得 DeepSeek 的公共数字文化服务功能失能，其核心是生成式 AI 的技术门槛与资源分配偏向，与公共数字文化服务的普惠性要求之间的矛盾。

首先，算法歧视带来算力失配。前文所述DeepSeek的应用依赖于其内在模型与数据基础。生成式人工智能的模型在优化目标与结构上的不同导致他们面对不同群体数据有不同的学习能力，面对不同群体用户有不同的服务表现。由此可能会忽视捕捉罕见模式，难以有效学习少数群体的独特模式，体现出对小众需求的不敏感；也可能会忽略特定领域的语言特点，扩大生成文本使用范围的偏差。在这种算法歧视根本上所进行的算法生成，其内容与结果会对某些群体存在一定程度上的偏向，限制用户对不同文化的了解和接触，造成文化资源在地域传播上的不均衡，导致享受公共数字文化服务机会不均等。其本质是马太效应在公共数字文化服务领域的体现，形成了 “算法的主流数据偏向—模型对主流用户及地区的服务需求学习更充分—平台将更多算力资源分配给主流用户及地区—小众用户及落后地区的算力需求被忽视—算力资源错配—服务效率降低” 的传导机制。除此之外，算法歧视也可能无法精准地理解、分析和满足用户的真实需求，当无效及低效运算不断增加时就会影响算力需求的分布，带来错误的资源分配导向，造成了文化服务的阶层差异。公共数字文化服务效率的降低会影响整个公共数字文化服务的生态平衡，最终造成算力资源的浪费和失配。

其次，数字化素养发展不均衡拉大数字鸿沟。在政策推动与技术迭代的双重作用下，我国已然全面进入数字化时代，人们的生活方式受到深刻改变。传统文化搭乘数字快车便可以使人们足不出户领略到优秀文化，满足自我文化需求。然而，较低的数字素养延展度使得部分群体无法享受DeepSeek类人工智能所带来的文化服务。《全民数字素养与技能发展水平调查报告（2024）》指出，我国六成以上公民具备初级及以上数字素养与技能。成年人中，城镇居民初级及以上水平占比为65.92%，农村居民初级及以上水平占比为50.57%。未成年人中，城镇居民初级及以上水平占比为70.94%，农村居民初级及以上水平占比为53.11%。这意味着我国仍有大量农村群众、老年人、低学历群体缺乏基础的数字教育与技能培训，其对智能技术的接受度低、操作能力弱，无法熟练使用以 DeepSeek为代表的生成式人工智能数字文化服务平台。生成式人工智能的服务供给依赖于用户的数字操作能力，数字素养的差异与不同群体在享受数字文化服务时形成正相关关系，这一局限性直接缩小了公共数字文化服务的范围，降低了公共数字文化服务的普惠性。

最后，数字基础设施薄弱制约服务有效提升。畅通的网络和全面的基建设施是数字文化不断繁荣的基础和保障。要想DeepSeek类生成式人工智能在公共数字文化服务中发挥良好作用，必须满足其在网络环境方面的需求。《第55次中国互联网络发展状况统计报告》指出，截至2024年12月，我国城镇网民规模达7.95亿人，占网民总体的71.8%，城镇地区互联网普及率为85.3%。农村网民规模达3.13亿人，占网民总体的28.2%，农村地区互联网普及率为65.5%。当前，我国非网民规模为3.01亿人，仍以农村地区为主，农村地区非网民占非网民总体的比例为54.4%。《2024年通信业统计公报》指出，截至2024年底，三家基础电信企业的固定互联网宽带接入用户总数达6.7亿户；全国农村宽带用户总数达2亿户。数字基础设施的区域失衡，导致不同地区、不同人群在数字基础设施获得上具有显著差异，这便会限制网络环境对数字化设备需求的满足，进一步使公共数字文化服务出现分层。数字基建先进地区和人群更易获取优质文化服务，而落后地区和人群更难跟上，加剧数字文化服务的不平衡，形成 “基础设施薄弱—算力利用不足—服务效能低下” 的恶性循环。

2024年7月，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》明确提出了“完善生成式人工智能发展和管理机制”的要求。面对DeepSeek类生成式人工智能技术赋能公共文化服务过程中面临的技术、制度、社会三重层面的风险，需要有的放矢地建构系统性风险应对机制，明确每条进路对相应风险的针对性解决路径，形成 “风险—对策” 闭环。方能化被动为主动，推动实现DeepSeek类生成式人工智能有效赋能公共数字文化服务。

（一）校准价值坐标，锚定文化航向

针对技术层面的算法缺陷、模型局限导致的价值导向与内容生成失焦风险，需从数据源头上把控、模型训练中引导、内容生成后校验、强化公众认知等环节入手，从技术层面实现价值坐标的精准校准，确保生成式人工智能的内容供给始终锚定传承优秀文化、弘扬主流价值观的公共文化服务航向。

首先，构建“价值观嵌入+人工校验”的双重引导机制。《生成式人工智能服务管理暂行办法》明确规定：“提供和使用生成式人工智能服务，应当遵守法律、行政法规、尊重社会功德和伦理道德。”为掌握主流意识形态话语权，我们应不断扩大其覆盖范围，建设社会主义意识形态的分级分类语料库，从源头上确保DeepSeek类生成式人工智能内容的高质量，有效抵御其他不良意识形态的渗透、挤压与打击。一方面，要不断优化技术主体思辨能力。正确认识到生成式人工智能会带来一定程度的伦理风险及负面影响，深入思考技术与价值之间的有效平衡。通过精心挑选的符合主流价值观的语料库来训练DeepSeek模型，在其中注入社会主义核心价值观关键词库，结合公共文化机构的内容生产标准，建立包含拦截违法违规词汇、识别价值导向偏差内容、核验主流价值观契合度的三级语义过滤与敏感词拦截系统，设置与主流价值观相吻合的提示词，引导模型有效规避虚假错误内容，使其能够在自身使用范围与场域中发挥作用。另一方面，建立标注人员岗前培训+定期考核机制，提高数据标注人员专业素养与意识形态，在进行数据标注时做到“价值无涉”，还原数据自身含义。同时采用标注 “双人复核” 制度保障数据质量。组建一支由专家、各领域精尖人士等构成的人工校验团队，在明确包含初审筛查逻辑漏洞、复审审核价值导向、终审标注修改意见并反馈模型优化在内的校验标准和流程的基础上，对于不良生成内容能够及时修正，有效维护公共数字文化服务内容生态。

其次，增强公众感知能力和责任意识。公众不仅是生成式人工智能的用户，同样也是其所提供的公共数字文化服务的受众。公众对于其所传递的价值观念也具有相当的引导作用。一方面，公众应能够准确判断公共数字文化质量高低，通过实体场馆、新媒体平台等多种途径的科普活动掌握辨别劣质、虚假文化内容的方法，不过于沉迷和依赖生成式人工智能提供的文化内容。在接触到劣质文化及虚假文化时及时向有关部门进行反馈，全力配合各方加强对公共数字文化服务的监督。另一方面，公众也要正确认识自己在文化传播链中的重要地位和作用，树立自律意识，坚决地对劣质文化说“不”，为构建良好的公共数字文化内容生成营造良好的环境，贡献自己的力量。

（二）筑牢数据藩篱，严守隐私防线

针对制度层面的规范缺失、监管不足导致的数据主权与隐私边界失守风险，需以国家标准为依据搭建标准化数据治理框架，强化全流程数据监管，实现数据全生命周期安全防护。从制度层面筑牢数据治理的藩篱，严守公共文化数据的隐私防线与国家文化数据主权，保障生成式人工智能数据飞轮效应的良性运转。

首先，设计“分级授权+数据沙箱”的数据治理框架，明确具体操作流程与技术标准。保障数据安全的核心任务和基本前提是对数据按照标准进行分类分级。根据我国36家单位共同研制的《数据安全技术 数据分类分级规则》国家标准，可以依照数据管理和使用需求，按 “一次分类+二级分类+动态更新” 流程开展数据梳理：从数据主体角度进行一次分类，形成“公共数据—组织数据—个人数据”类目；在此基础上按照数据对国家安全、经济运行、社会秩序、公共利益、组织权益、个人权益造成的危害程度对数据进行二级分类，形成“核心数据—重要数据—一般数据”级别，制定《公共数字文化服务 AI 数据分类分级清单》并实行定期动态更新。根据DeepSeek不同的用户所对应的职责和需求，赋予其不同的数据访问和操作权限，如核心数据仅对高级管理员开放、重要数据按岗位职责分配权限、一般数据对公众开放查看。在使用平台过程中，结合身份验证、生物特征等属性进行动态权限控制，灵活把控风险情景，确保公文数字文化服务中各方数据安全和隐私得到保护。“数据沙箱”是一种通过虚拟化技术构建的隔离环境，用于安全的运行程序或处理数据，避免对原始数据或外部系统造成影响。目前，DeepSeek已经进行了“联邦学习”，在多个参与方之间协作训练模型，使各个参与方的节点本地保存数据。再通过聚合服务器收集与整合各个节点的数据参数，从而达到无须共享原始数据，只对节点数据进行传输交换。数据沙箱可以为DeepSeek的联邦学习提供一个安全的隔离环境，将其特定数据区分隔于其他数据，设置物理隔离屏障杜绝数据交叉泄露，确保数据操作处于“真空”状态，从而减少数据直接暴露和潜在泄露的可能性，进一步提高数据保护的可靠性。同时，数据沙箱也会对政务数据在内的多类型数据按照“替换+掩码+泛化”三重标准进行脱敏与加密处理，使得公共数字文化服务中涉及的个人隐私信息，即使被意外获取也可以通过替换等方式阻止其破解与还原，且沙箱实行 “每日巡检+每周漏洞扫描” 的常态化管理，保障数据的安全性。

其次，加强数据跨境监管，制定具体可操作的监管规则与流程。以我国《数据出境安全评估办法》《中华人民共和国个人信息保护法》等法律法规为依据，结合公共数字文化数据的特点，多部门联合出台公共数字文化服务 AI 数据跨境流动管理细则，明确“核心数据禁止跨境、重要数据审批跨境、一般数据备案跨境”的三级数据监管具体要求和规则。结合数据分级分类采取不同的监管措施，将责任落实到具体部门和企业。制定具体可操作的流程指南，结合数据分级分类采取不同的监管措施，将责任落实到位，从而完善监管政策。企业应不断强化自身责任，实现风险监测常态化，制定数据安全管理方案与风险预案，就数据跨境传输与流动设置单独板块与功能，规范数据处理程序。数据跨境前需完成申请、审核、脱敏加密等流程并全程留痕，进一步加强和其他国家与地区的监管合作，实现信息共享与协作，避免数据跨境流动过程中的冲突。

（三）均衡多元配置，打通适配脉络

针对社会层面的资源失衡、素养差异导致的数字鸿沟与算力失配困境，需从算力资源配置、数字基础设施建设、数字素养培育三个方面入手，构建算力协同供给体系，夯实基建与素养双重保障。从社会层面实现资源的均衡多元配置，打通算力与服务的适配脉络，缩小数字鸿沟，让生成式人工智能的赋能红利惠及所有群体、所有区域。

首先，建立“分层服务+边缘计算”的协同供给体系，明确三级技术架构与分阶段实施路径。根据公共数字文化服务的需求，建设具有云计算能力和超算能力的国家—省级两级智能计算中心。将智能计算资源集中部署在特定区域，以集群化的方式实现高效协同计算，构建一体化算力服务体系。面对不同区域和业务场景的异质化需求，动态化分布文化资源，提高服务的质量和效率。布局区域性集群式智能计算带来的强大的算力支撑，一方面能够建立算力资源优先级调度机制，确保关键文化任务优先获得算力资源的基础上，其他任务也可以在一定保障下稳定运行。另一方面，边缘计算构建“云端—区域边缘节点—终端节点”三级技术架构：先完成东部及中西部省会城市边缘节点部署，再覆盖中西部地市区县，最终延伸至农村偏远地区的乡村文化站。将数据存储靠近数据源或者用户后进行分布计算，终端节点可以实时高质完成数据量较小的复杂任务，之后经过“边—云—边”的计算路径实现算力的协同供给和均衡配置。同时基于算力架构实行分层服务，对城市发达区域提供高清、沉浸式 AI 文化服务，对农村偏远区域提供轻量化、低流量的基础文化服务，适配不同区域的网络与设备条件，保障公共数字文化服务的普惠性。

其次，夯实数字基建与数字素养的双重保障基础。应不断加大基层与偏远地区的基础设施建设力度，加大在互联网宽带、5G端口接入、基站与光纤铺设等方面的投入，实行“一县一策”的基建建设方案，进一步扩大网络覆盖范围，形成“千兆城市、百兆乡村”的信号全覆盖，网络多融合的局面。从硬件层面补齐基层地区的数字基建短板，为生成式人工智能赋能公共数字文化服务提供基础保障。在此基础上，打造全国统一、上下联动、互联互通的一体化公共数字文化服务平台，基于DeepSeek形成统一的文化资源数据库，开发平台核心功能，提供智能咨询服务与个性化文化资源推荐，构建公共数字文化网络知识图谱。针对老年人、残障人士等特殊群体优化平台适配功能，实现文化资源的一体化整合与智能化推荐。针对公众在年龄、职业、文化等方面所具有的不同属性，可以设计不同的分级分类的数字素养培训方案，如“线上与线下相结合”，线上视频授课、线下实践指导；还可以通过兴趣班、数字技能竞赛等活动激发公众的数字技能学习、数字文化建设的积极性、主动性和持久性，形成良好的学习氛围，强化基层数字素养培育的阵地建设，不断提高公众数字素养。确保农村地区与偏远地区也能够快速、流畅地享受到优质的公共数字文化服务。

党的二十大明确将 “健全现代公共文化服务体系” 纳入文化强国建设目标，公共数字文化高质量发展是我国建设文化强国的重要推动力。其既推动区域协调发展，促进服务公平供给；又激活文化基因，重塑服务生态；还增强文化实力，延伸文化纬度。生成式人工智能的兴起，为破解传统公共文化服务的结构性困境提供了技术支撑。以DeepSeek为代表的技术创新，在提升服务可及性、精准性与普惠性方面展现出独特价值，推动公共数字文化服务从“有”向“优”、从“标准化”向“精准化”、从“部分覆盖”向“普惠共享”的转型。然而，价值导向的“失焦”、数据治理的“失守”、数字鸿沟的“失能”三重风险，警示我们在拥抱技术红利的同时，必须保持清醒的问题意识。唯有构建“价值校准—数据治理—均衡配置”的系统性应对框架，方能在技术逻辑与价值逻辑之间找到平衡，化被动为主动。

展望未来，随着生成式人工智能的持续演进，公共数字文化服务的形态与边界还将不断拓展。如何实现技术赋能与文化传承的有机统一，如何在效率提升与公平配置之间实现均衡，如何在不同利益主体之间构建协同治理格局，仍有待学界与业界持续探索。期待本研究能够为相关理论深化与政策优化提供有益参考，为构建普惠共享的公共数字文化服务生态贡献绵薄之力。