今年8月，我受邀参加深圳一场关于“AI+社会治理”的大会。会上，广东省委社会工作部部长崔建军在致辞中提出，要坚持应用导向，以数智赋能提升社会治理的精细化、智能化水平，并特别强调“科技向善”。
与会专家也形成了一个基本共识：人工智能正在从工具进入治理结构，重塑治理的理念、模式与手段。归纳起来，大致有六条判断：治理将走向精细化、智能化，应用导向成为主流；治理的有效性本质上是公共产品的质量，AI可驱动质量监管与信用体系创新；智能体是城市治理的落地载体，在公共安全、应急管理等场景形成平台化协同；AI可成为社会信任的基础设施；AI重塑全球治理格局，须构建开放、包容、平衡的框架；企业组织则从经验驱动转向智能协同。
这六条放在一起，是一幅乐观的图景：AI会让治理更精细、更协同、更可信、更高效。作为一个制造业发展研究者，我对AI在制造业的应用有很多田野的研究，我想换一个角度来谈，不是从治理看AI，而是从制造业应用AI的实际经验出发，对这些共识做一次“压力测试”。
这两年我走访了珠三角多家“专精特新”企业，从精密零部件厂到小家电企业，看到了AI在制造业逐层深化的过程。这个过程大致分为五个层次：第一层是把AI当工具，写文案、做翻译；第二层是嵌入流程，比如AI视觉质检替代人工检测；第三层是重新定义能力边界，中小企业借助AI获得原本只有大企业才具备的战略分析能力；第四层是组织重构，全员立项，决策不再高度集中于顶层；第五层是元认知，AI让组织的决策链变得可追溯、可审计，企业开始“看见自己是怎么思考的”。
与此并行的是数字化三阶段：懂场景的员工自己开发智能体，数字化从IT部门“出走”；数据联通，IT转型为系统架构部门；战略升维，企业可能从制造者变成产业路由器，输出标准、品控与数据协同能力。
省促进会打造的“AI创新实验室”项目，旨在通过场景落地、人才培养等方式，推动“AI+制造”在企业端的深度融合与实践
制造业的经验，对专家们的乐观共识提出了四重追问。
第一，循证决策：证据由谁定义？
在制造业场景里，AI把老师傅的经验变成了可追溯的决策链。治理中对应的是政策制定从依赖层级汇报转向数据驱动。但制造业的经验提醒我们：当AI开始定义什么是“有效数据”，实际上就在定义什么是“重要问题”。企业中，这套逻辑由创始人和市场检验；社会治理中，谁来检验？如果指标成为考核依据，就可能被博弈——数据好看，问题未解。
第二，平台协同与扁平化：责任由谁承担？
制造业的全员立项打破了“业务提需求到IT排期”的瓶颈，信息不再单向自上而下。治理中，数字技术的信息多方位、去中心化特性确实会冲击科层层级固化。但制造业的经验也显示：扁平化的前提是数据联通和标准统一，否则只是把混乱搬到线上。更关键的是，企业扁平化后，决策责任由创始人承担；社会治理扁平化后，责任由谁承担？这是“大政府、小社会”与扁平化之间的真正张力，可能衍生“指尖上的形式主义”。
第三，智能体落地：模块自治的底线在哪？
在制造业场景里，前端场景自治、后端数据联通，形成模块化重组。治理中对应的可能是部门壁垒被平台打通，基层获得更多自主权，中枢转向标准与协同。但制造业的模块化有一个隐含前提：品控标准是统一的。社会治理的“品控标准”是什么？是公平、是安全、是基本公共服务。如果模块自治失去共同底线，效率提升可能以公平为代价。
第四，信任基础设施：商业能力越界怎么办？
制造业中，AI压缩了“发现需求—决策—交付”的时滞，让小企业获得大企业级的战略能力。但制造业观察中有一个值得警惕的线索：平台企业掌握行业数据、品控标准和订单分配权，实际上承担了部分产业治理功能。平移到社会治理，当商业机构提供信用基础设施、标准制定、协同平台，治理主体与商业主体的边界如何划定？同时，AI人才过度集中于商业侧，治理侧可能面临能力空心化。
这四问的实质，不是技术问题，而是治理主体的能力与边界问题。商业侧掌握智能权力，政府侧掌握公共规则，二者如何分工、如何互相约束，才是关键。
省促进会举办的“AI智能体应用实操训战营”，围绕AI智能体如何深度赋能企业发展展开深度研讨与实操演练
制造业的经验还给出一个判断：AI时代，规模优势正在被压缩，认知优势正在放大。这对治理的启示是，治理能力的强弱，可能不再取决于层级多少、人员多少，而取决于能否建立可追溯、可审计、可优化的决策系统。这种倒逼不是替代，而是职能重组——政府从“指令—执行”转向“需求—响应”，从“自己造系统”转向“定标准、管边界、保底线”。但制造业的“元认知”由市场检验，治理的“元认知”由谁检验？这是治理必须回答的问题。
回到崔建军部长讲的“科技向善”。制造业的观察让我理解，科技向善不是一句口号，而是一个哲学判断：技术本身没有方向，方向来自人如何组织制度。制造业的“重新思考”是市场倒逼的，社会治理的“重新组织”则必须是主动设计的。当AI让效率提升、组织扁平、决策分散时，真正的挑战不是“要不要向善”，而是“靠什么制度让向善成为可能”。商业带来效率，政府守护公平，但二者都需要被规则约束。出路不在于“大政府”还是“小政府”，而在于规则共治、能力互补——政府定底线，企业做合规，社会参与监督。科技向善，最终考验的是一个社会的制度想象力。
效率与公平，这或是国家竞争真正的本质。人工智能社会的社会治理模式，同样需要回答几千年的治理模式之争。