人工智能算法何以重構社會治理？——基于中國警務部門算法運作的實證研究

宋鍇業

山東大學

政治學與公共管理學院

助理研究員

徐雅倩

中國海洋大學

國際事務與公共管理學院

副教授

人工智能算法何以重構社會治理？——基于中國警務部門算法運作的實證研究

來源 | 《社會學研究》2026年第1期

作者 | 宋鍇業、徐雅倩

責任編輯 |何鈞力

人工智能算法重構社會治理是一項重大時代性議題。本文基于對警務部門、平臺企業、風險算法工程師的參與式觀察和深度訪談，分析算法重構社會治理的邏輯與影響。研究發現，警務部門通過算法構建組織外部的關系結構，同時通過算法集約化實現組織內部的權力邊界重塑，還借助算法提高對風險的全面感知能力。這帶來的深層影響是，一方面，警務部門特別是基層警察的隱性知識和能力容易被算法替代，警務算法取代了其他更廣泛的解決社會問題的方法；另一方面，算法的全面擴展帶來“信息過描”，這在實踐中容易轉化為各種形式的優先排序。

一、引言

黨的二十屆四中全會提出，“走中國特色社會主義社會治理之路”，“完善社會治理體系”。現階段，國家和社會治理的各個領域越來越多地使用人工智能算法（下文簡稱“算法”）輔助決策。目前為止，國內外大量算法研究主要聚焦于平臺經濟和勞動過程領域，比如平臺企業使用算法管理騎手，向用戶推薦和匹配信息（Cameron，2024；Ernst，2025；Starke et al.，2025；丁曉東，2020；趙璐，2022；劉河慶、梁玉成，2023；何晶、李瑛琦，2024），就此形成了深刻的理論洞察。但事實上，算法不僅重塑了商業市場和勞動秩序，也重構了社會治理（張吉豫，2024；江小涓，2025），然而當前少有關于算法重構社會治理的研究，甚至專門針對國家公共部門算法應用的研究亦較少（Wenzelburger et al.，2024）。

這里的研究生長點在于，國家和政府部門對算法的使用邏輯與已有研究普遍關注的平臺經濟和勞動過程領域的算法邏輯不同，至少存在三個重要區別。一是無法退出性。在社會治理場景下，作為治理對象的公眾往往無法拒絕或者選擇退出算法，無法像市場領域那樣通過退出平臺的方式避免算法的影響（Wenzelburger et al.，2024）。二是普遍的權力嵌入性。算法進入國家強制和再分配權力的中心，對社會公眾的生活進行實質性干預，其影響不斷擴大（Vogl et al.，2020）。三是有限透明性。警務部門雖然在不妨礙犯罪治理的情況下，可以采取適當措施提高算法的透明度，但無法闡明模型的確切規則。譬如，警察不需要解釋為什么他們被分配到特定路口或區域。這是算法重構社會治理的核心特質。然而，專門針對政府部門算法應用邏輯的研究相對較少，經驗作品比較匱乏。考慮到算法在政府部門占據著獨特的地位，其特殊的使用目的使得政府場景中的算法研究特別具有吸引力。本文關注的現實問題是：在政府推動社會治理過程中，算法如何重構社會治理，以及算法如何推動公共部門組織內部的權力邊界重塑和外部的關系結構重組。

要解答這一重要的經驗問題，必須找到恰當的切入點，警務部門正是這樣一個“棱鏡”。在公共部門的算法實踐過程中，警務部門的算法使用更具特殊性和典型性，其無法退出性、權力嵌入性和有限透明性的特征頗為鮮明。究其原因，警務是一種國家干預，警務算法對公眾的復雜影響相比其他領域更為突出（Wenzelburger et al.，2024）。特別是隨著快速的技術發展和犯罪形式的變化，警務部門需要努力跟上最新的技術，因此，警務部門一直是實施人工智能算法最早，也是應用算法最廣泛的公共部門之一（Meijer et al.，2021）。盡管存在經典的警察民族志研究，但是自從算法成為警務行動的重要組成部分以來，警務部門的算法應用尚未得到充分關注。當前，我們對算法在警務部門社會治理實踐中的運用知之甚少。基于此，本文將研究問題進一步聚焦，專注從警務部門的算法運作來深入理解算法，力圖揭示警務部門如何基于算法重構社會治理。我們對多個警務部門和多家平臺企業進行了比較深入的訪談和參與式觀察，從而對既有研究形成三個方面的補充。

首先，從警務部門這一國家強制機構的視角去觀察國家如何借助算法重構社會治理和維持良好的社會治安秩序。目前，針對公共部門算法的研究聚焦于兩個方面。一是突出這些算法的專有方面，批評公共部門算法的不透明性、不公平性，在此基礎上分析如何設計有效的監管機制以實現算法問責（Wessels，2024；Petrov?i? et al.，2025；王祥州、張成福，2024；孫源等，2024；魏遠山，2024）。二是主要聚焦于公共部門如何使用算法進行決策，了解公共部門的決策者如何與算法進行互動（Alon-Barkat & Busuioc，2023；Kronblad et al.，2024；譚海波等，2025）。這些研究無疑具有深刻的理論洞見，其分析特色在于主要關注算法的技術特性如何影響政府管理和運作流程（Cordella & Gualdi，2025）。不過，這些研究聚焦于算法的“形式特征”，并未細致分析算法在政府場景中“實質使用”的邏輯。同時，既有研究缺少對算法在不同主體間關系和權力運作的深入分析。本文將從警務場景中深入挖掘這些細節，從而拓展公共部門的算法研究。

其次，本文特別關注從警察的視角分析算法重構社會治理的影響。受“算法賦能論”（Buffat，2015）影響，當前研究的共識是，包括警務部門在內的公共部門的現有專業判斷將通過算法得到強化。在既有研究看來，警務部門使用算法帶來的最重要影響是促使警察的犯罪打擊更為精準和有效（Brayne & Christin，2021；Egbert & Esposito，2024；Donatz-Fest，2024；Kirby & Phythian，2025；張全濤，2025）。然而較少研究認識到，更沒有以實質性的細節捕捉到算法對社會治理影響的廣度和深度。實質上，警務部門使用算法的影響已經超出了警務本身專業性的強化。警務算法的應用折射出國家在數智時代如何與公眾打交道，以及在數字社會犯罪形式發生巨大變化時如何對“社會”進行重新分類和治理（Brayne，2020：127-133）。更重要的是，警務部門以算法重構社會治理的過程還帶來了非預期的復雜影響。這有助于我們理解算法在實踐中形成何種張力，從而深化對算法重構社會治理的經驗認知和學理想象。

最后，就現實意義而言，我們特別呼吁拉近算法技術與具體治理過程之間的距離，也即考察“書本上的算法”和“行動中的算法”之間的復雜關系。我們不僅需要關注商業領域的推薦算法，也要關注和聚焦政府領域的治理算法。而政府領域算法研究面臨的關鍵議題就是如何在新興的網絡空間中重構一個國家的數字安全網（Lehdonvirta，2022：206-216）。這需要我們對算法重構社會治理這一重要議題進行系統的探索。本文的研究結果可以為國家公共部門（尤其是警務部門）在數字社會治理中引入、使用和實施算法提供新見解。

二、數字社會治理挑戰與算法重構社會治理

艾羅爾迪（Massimo Airoldi）在《機器慣習：邁向算法社會學》（Machine Habitus: Toward a Sociology of Algorithms）中指出，算法是一個模糊術語，因應用領域不同而內容各異（Airoldi，2022：7-9）。算法在最廣泛意義上的定義是基于特定的計算將“輸入數據”轉換成“期望輸出”的編碼過程。而在數字社會治理中，算法并不是簡單的執行代碼或計算公式，而是能夠觀察其所在環境、對大規模數據進行學習，并根據所獲得的見解提出決策的系統。這里的算法是龐大的相互依賴的復雜網絡（Roehl & Crompvoets，2025），并能夠與社會現實進行高頻互動。

盡管算法對社會治理產生了重要影響，但經驗研究特別是以警務為對象的經驗研究并不多見。此類研究之所以較為匱乏，有兩方面原因。一方面，算法應用大規模集中于經濟和商業領域，隨著公共部門算法應用的增長，有關討論才開始涉及政府場景，相關分析仍較為欠缺。另一方面，算法在政府公共部門的應用具有特殊性，研究者較難進入相關場景，特別是研究者較難獲得警務部門日常工作的深入定性資料。對此，我們迫切需要建構完整的分析框架。這一分析框架的關鍵在于，研究需立足于中國數字社會治理情境和犯罪形式的巨大變化，分析數字社會治理面臨的多重挑戰（向靜林、艾云，2023；李友梅，2025），進而分析警務部門如何借助算法應對這些復雜挑戰。總體來看，當前數字社會治理面臨三重挑戰。

首先，大批量/弱影響的網絡犯罪加劇傳統社會治理方式的失靈。隨著數字社會發展，犯罪結構發生重大變化（Curtis & Oxburgh，2023），搶劫、盜竊等傳統犯罪數量持續下降，以電信網絡詐騙為代表的新型網絡犯罪已經成為影響當前社會治安和人民群眾財產安全的突出犯罪類型。網絡犯罪大批量/弱影響的特征（許多案件雖涉案金額小，單次影響相對較弱，但累積危害大）與當前警務部門的小批量/強影響的治理邏輯形成鮮明對比。警務部門打擊網絡犯罪方面的工作量正在急速上升。缺乏資源是警務部門打擊網絡犯罪時面臨的核心挑戰之一，中國警察比較缺乏也是共識（楊志云，2019）。面對壓倒性的案件數量和有限的治理資源，警務部門需要在更廣泛的安全網絡中發展新的關系，而不局限于傳統警務所發展的警察與社會全體的合作關系。對尋求解決這些問題的警務部門來說，算法提供了調節和重塑關系的機會和可能（K?nig，2020）。

其次，數字社會涌現的治安和犯罪問題，不再能夠簡單地用物理邊界加以界定，也無法被任何單一警種（如技偵、刑偵、網安等）控制。犯罪時空的高度延展性危害著社會秩序（Ferguson，2017：34-61）。赫伯特（Steve Hebert）指出，警察通常是在物理和領土空間中打擊犯罪（Herbert，1997：3-10）。而電信網絡詐騙利用網絡技術手段，通過遠程、非接觸等方式詐騙財物，其跨區域、鏈條化特征明顯。網絡犯罪分子可以在任何地方進行活動，警務部門很難有效追蹤。電子數據成為非地域性的媒介，轄區等地域性的概念已不再適用。這需要重新定義對不同層級警務部門的治理權和相應管轄權的理解。進一步而言，數字社會的犯罪治理既非單純地應對物理空間的犯罪問題，也非只打擊網絡空間的犯罪問題，而是面臨物理空間與網絡空間犯罪問題的疊加（單勇，2022）。特別是網絡空間中收集、使用數據的不確定性，使得跨域、跨層級和跨警種的犯罪打擊成為難題。

最后，警務部門通過新技術手段應對數字社會犯罪問題的壓力不斷增加。網絡犯罪的現實特征是，顛覆性技術的影響與犯罪的交織，使得犯罪分子利用客觀技術差距進行網絡犯罪的損害范圍更廣，而且更加難以預防（Brayne,2020:51-73；劉艷紅，2025;張全濤,2025）。犯罪分子采用由先進技術支持的新手段開展各種類型的網絡犯罪活動。例如，有犯罪分子利用網絡交易平臺將作案手段“升級換代”，衍生出虛假的投資理財平臺或外匯交易平臺等新型詐騙手段。他們借助虛擬貨幣的去中心化、追溯難等特點隱藏身份，掩飾犯罪活動（Lusthaus，2024）。同時，新的加密通信技術和虛擬專用網絡的使用，使得網絡犯罪分子能夠匿名化地進行聯系。快速的技術發展要求警務部門努力跟上并采用最新技術，以便在物理空間和網絡空間中全面感知網絡犯罪的動態線索和痕跡。

面對數字社會治理的現實壓力，本文嘗試建構以下分析思路。數字社會發展帶來了三重治理挑戰，對警務部門基于物理空間、專業警種的社會治理方式構成前所未有的沖擊。在此情境下，警務部門通過算法運作解決一系列數字社會發展所帶來的突出的社會問題。基于這一分析思路，本文將完成以下工作：首先，在大批量/弱影響的網絡犯罪形式加劇警務治理資源緊張的背景下，分析算法如何實現對警務組織外部關系結構的重組；其次，觀察算法如何促進警務部門內部的權力邏輯變化，以適應大量跨域、跨層級、跨警種的犯罪問題的涌現；最后，針對新興技術對網絡犯罪形式的加持，討論算法如何進一步強化警務能力，實現警務力量從物理空間向網絡空間的延展。后續分析將緊扣上述三個層面展開，完整呈現算法重構社會治理的內在邏輯。

三、研究方法與數據

本文的經驗材料來自于筆者及課題團隊2019—2024年在我國南部N省和中部M省警務部門的實地研究（見表1）。我們對兩省S市、J市、M市、G市、D市、Z市等地的12個警務部門展開會議座談、深度訪談和參與式觀察，對部分城市進行不止一輪調研（遵循研究倫理，文中地名、人名等信息已進行匿名化處理）。在長時段的觀察中，我們發現隨著時間的推移，各級警務部門使用的算法數量持續增多，這些算法對數據體量的要求也逐漸增加。同時，警務內部對算法的使用也有著嚴格的規范，算法的設計和應用成為警務工作的重要部分。在實地調研中，田野收集的資料包括治安、交警、網絡安全、網警、情報、科技信息、技術偵查、巡警等方面的訪談資料。需要說明的是，不同警種由于專業知識和需求差異，并不會在同一時間采用同一種類型的算法，這也成為本文的分析優勢所在，有利于我們觀察算法在警務部門應用方面的差異。當然，在實地調研過程中，警務部門的受訪者不太能夠解釋算法的細節，也不太能夠解釋它為什么會起作用，但他們能夠解釋算法應用的過程，以此形成有啟發性的回答。

我們還訪談了與警務部門合作的五家大中型平臺企業，包括QB公司（專注于公共安全領域、人工智能研發決策的私營平臺企業），JA公司（涉及智慧交通和平安城市的私營平臺企業），SG公司（涉及警務智能平臺建設的國有平臺企業），TU公司（涉及反詐平臺建設的國有平臺企業）和HA公司（涉及智慧公安與區域公安管理平臺建設的私營平臺企業）。在警務部門主導的算法實踐中，平臺企業亦扮演著重要角色。這些平臺企業設計了警務算法或警務平臺。我們還重點訪談了與警務部門合作的平臺企業的算法工程師。在某種程度上，現有的警務算法是算法工程師設計的產物。他們在算法流程中承擔了相當重要的工作，專注于需要解決的社會問題，以及基于算法優化人工判斷的效率和精準度。此外，我們還在警務部門與平臺企業的項目合作會議上進行觀察交流，以了解犯罪和非犯罪活動的數據是如何在不同機構共享的。同時，我們還收集了豐富的二手資料，通過收集相關工作文檔，與一手資料形成三角互證。

四、算法重構社會治理的多重邏輯

（一）算法的關系結構邏輯：算法重塑社會治理的綜合治理格局

數字社會涌現的大批量/弱影響的網絡犯罪使治理資源的問題進一步凸顯，這是警務部門推進社會治理面臨的重要問題。面對這一難題，警務部門借助算法把數字社會涌現的復雜社會問題轉化為不同主體集體協調和互動的結果，顯著地緩解了治理資源的不足。已有研究也指出，算法可以塑造多主體間的協調與合作，以數據化、連接性、自動化的形式重新設計各個主體之間的關聯（K?nig，2020）。警務部門借助算法把社會治理過程中所需的多個行動主體的資源更好地匯聚起來，這有效緩解了單一治理力量無法有效應對復雜網絡犯罪的壓力。

我們在N省調研時，省級警務部門與H公司建立聯合創新中心，依托K平臺企業的認知智能實驗室開展自然語言的研究和識別。警務部門全面引進大型平臺企業的成熟平臺和技術，在云計算、“AI＋”視頻、警務移動應用、智能交通和“情報＋指揮”等領域聯合開展項目共建。通過協作建立“線上線下+警企協同”合成作戰新機制，N省整合警務部門和平臺企業的人才和能力，整合人流、車流、物流、信息流和資金流的數據，開創互聯網偵查、違法犯罪和群體事件預警、大型安保風險防控、網絡電子證據鑒定等警務新模式，構建“數據合成、資源合成、能力合成”的全新社會治理形態。N省警務部門引入六家平臺企業的先進算法為全省民警的巡邏防控、偵查辦案等業務警種提供新工具和新手段，利用以動態人像識別為主，以對車輛、無線網絡、門禁、手機等的識別為輔的感知和采集手段，實現精準的布控設防。N省還明確提出打造“市場化”的情報資源調節模式，警務部門與大型平臺企業建立了緊密的資源合作關系。

全省著力建立和打造“市場化”的情報資源調節模式，就是充分運用和體現“互利共贏”的理念……深化與互聯網企業的合作、加強警企合作開發聯合創新應用；與最具實力的科技企業建立聯合創新中心，共建、共享、共治、共贏；把警務外部的智慧、技術和能力融入到警務模式變革中，構成新的“警務基因組”。（訪談資料21060701，N省公安某業務警種主任）

上述訪談提及重新打造“警務基因組”，其隱蔽邏輯在于，算法對社會治理過程中多主體之間關系的重塑。蘭博（Melayna Kay Lamb）指出，秩序對警察如此重要，它的本質是處理關系（Lamb，2024：123-125）。

然而，算法塑造的社會治理關系結構呈現更復雜的面向。傳統的社會治理著眼于調整警察和社會之間的關系，社區警務就是最典型的代表。警察立足社區，動員社區居民參與社區治安風險防范工作，促進社區居民、網格員、志愿者等群防群治力量的合作。直到當下，依靠群眾就地化解矛盾的“楓橋經驗”以及創建“楓橋式公安派出所”的舉措均表明，警察與社會關系是中國社會治理的關鍵環節，警察與社會主體之間的互動和合作不斷強化。上述措施也是警務部門緩解資源不足，促進社會治理的有效手段。但算法對社會治理的重構在于，它在警務部門和市場主體之間的關系方面持續做增量，警務部門與平臺企業的關系成為新時期警察打擊網絡犯罪、維護社會秩序的焦點。

引進平臺企業的算法是為了給我們解決數據的問題。辦公辦案，我們都用算法，然后進行分析，做到所有個人身份信息、所有案件都可以關聯起來。不光局限在這個方面，社會的各類數據都可以有效關聯。（訪談資料24061303，S市公安局治安大隊大隊長）

警務與平臺企業的合作創造了一種可迭代和延展的權力動態。警務部門不僅使用平臺企業收集的各類數據，還可能使用平臺企業的系統來存儲、共享和分析數據。打擊網絡犯罪的先進技術需求和數據需求會刺激警務部門與平臺企業的緊密合作（Afzal & Panagiotopoulos，2025）。當警務部門提出需求后，平臺企業具體設計警務算法、數據共享系統、情報分析軟件、數據集成平臺等，供警務部門使用。平臺企業也擁有促進警務算法訓練的重要資源，包括物理資源（大型圖形處理單元集群）、認知資源（尖端研究人員群體）和信息資源（用于數據測試的系統）等。

這一定程度上改變了社會治理的底層邏輯。數字社會治理不只是以科層組織的層級權威為中心，而是把數據和算法作為數字社會治理過程中資源配置的關鍵節點。大量平臺企業因掌握大規模的數據和算法，也參與到數字社會治理中，并扮演著重要角色（呂鵬等，2022）。算法逐漸促成“警—企—社”多元主體參與的社會治理格局。

（二）算法的權力收縮邏輯：算法集約化模式下的社會治理

跨地域、非物理媒介的網絡犯罪的興起使得跨越組織邊界促進多機構對話成為中國社會治理的突出特征。警務專業化和多警種的局限是，各警種囿于自身職能，較難進行系統思考（Ferguson，2017：162-165），使得警務部門缺乏對社會治安的整體感知。一些警種的業務系統大多反映某一類或幾類治安情況。不同警種對復雜案例輕重緩急的判斷形成了警務組織內部的張力，特別是隨著新興網絡犯罪的涌現，警務內部的張力更為突出（Giacomantonio，2015：101-105）。我們在調研中發現，警務部門的“情報研判人員疲于應對各警種、各專班、各作戰室提請的研判需求，被動接案情況突出”（訪談資料19083002，D市公安分局局長）。因此，警務機制一方面“迫切需要聯動”（訪談資料19071602，M市公安分局情報中心主任），另一方面強調整合，“市里一直想辦法，怎么整合交警、網安、刑偵系統等，擰成一股勁”（訪談資料19032501，J市公安局治安隊長）。

在這種情況下，警務部門的“算法集約化”現象正在廣泛興起。在警務部門內部，算法的相關要素（數據、模型、算力）逐漸向上級集聚，上級警務部門通過與平臺企業合作，設定和提供必要的邊界資源、標準接口和格式等要素（如算法類型、數據標記約定等）。基層警務部門大多負責采集數據，向上傳輸給市級和省級警務部門，由省級警務部門統籌各警種的數據。省級警務部門基于算法的輸出結果傳輸給下一級警務部門及相應警種。由此，算法集約化促進大量專長不一的警種在數字社會治理中的共同協作。

豐富的經驗材料也表明了算法集約化的普遍興起。我們在南部N省和中部M省的調研發現，N省的警務部門牽頭處理技偵、網安等各警種數據，建設全省統一的算法治理和服務體系，實現了多種算法的共存融合。省級警務部門提供算法服務、模型服務、數據接口、工具引擎、知識圖譜、標簽服務、時空大數據服務、自然語言處理等。M省的警務部門嘗試在全省編織全時空的“人、地、物、事、組織”治安要素感知網。2025年M省下轄的F縣警務部門在重點區域、重點部位、重點場所實現視頻監控的全覆蓋，新增重點視頻監控點位近萬個。可以發現，算法串起了所有的警務環節，形成“省廳搭臺、警種唱戲”的社會治理生態。

算法是上層整合……省廳開發的大數據、算法模型，一個是警務便民服務，一個是打擊涉毒、涉詐等各種類型犯罪的。涉及犯罪的資源數據我們都需要，你（省級警務部門）幫我做好端口、平臺等，我使用就行。省里不僅要設計好這些可移動的警務平臺，而且要把數據目錄提供給全警種，基層提出申請要用哪類數據，整個推動公安的一網化。（訪談資料19071603，M市公安分局局長）

視頻偵察、情報研判、網上追逃、異常案件處理對算法有很大的需求，大數據工程、算法建模發揮的作用越來越重要。通過它的深度研判，串起來所有的警務環節，就有了無限可能，可以做到服務全警種，這也是省里面一個很重要的創新。（訪談資料19071501，G市公安局大數據中心主任）

算法集約的過程也蘊含了更深層次的功能。算法集約化讓省、市一級警務部門在犯罪打擊乃至社會治理中更具權威性，促使他們高效地統合不同層級的治理資源，警務部門的協作性得到顯著提升。這在很大程度上解決了打擊網絡犯罪面對的跨層次、跨地域和跨警種的難題。這也有助于理解為什么省級警務部門關注算法的設計研判，以及為什么警務部門比一般政府部門更常使用算法。在復雜案件需要警務內部協同時，上級警務部門可借助算法將相關部門力量整合起來。

公安的算法還是不一樣的，它需要適應社會的發展變化來打擊犯罪……治安防控最重要的是怎么整合資源，尤其現在每天要收集可能上千條、上億條數據，用不了可能就會變成“死數據”。所以從中央、省、市到下面的縣、鎮、村，包括我們民間的力量，都要在這個網絡當中。算法需要織出一個網狀的模式，這樣才能把從上到下的問題處理了，然后中間層的這些治理問題都能嘗試解決。（訪談資料24061202，S市公安局副局長）

乍一看，這一趨勢似乎與已有研究關于警察的自由裁量權向警務科層組織的底部（基層警務部門）下放的判斷相悖（Ericson & Haggerty，1997：31-37；Chan，2001）。早期的社區警務興起說明基層警務部門在物理空間上獲得了大量的資源和裁量權，在社會治理中發揮重要作用。當下，隨著警務邁向算法集約化，這種趨勢在網絡空間發生了顯著逆轉，即警務部門的自由裁量權（實際控制權）向上集中（見圖1）。

一方面，“基層警務部門多是收集數據”（訪談資料19052004，G縣公安某派出所負責人），另一方面，“算法的設計和研判向市級特別是省級公安部門集中”（訪談資料24061502，S市公安局網安大隊大隊長）。即便基層警務部門也有自設的一些算法模型，但這類算法并不是嚴格的警務預測算法：“很多基層公安也有自己的算法，但這個算法是已經有的警務系統里可以設置的，是基于這個系統要讓它實現什么功能從而自定一些模型，自定篩選一些指標、數據。這種模型有時候也說是算法，但這里的模型和真正意義的算法其實不是一個東西”（訪談資料24061302，S市公安局治安大隊大隊長）。Z市L派出所的受訪者指出：“我們使用的警情統計算法，是從警綜系統抽取當周的報警數據，然后按照警情發生的地點和警情分類建立維度”（訪談資料19082402，Z市L派出所所長）。當涉及更為復雜和精準的算法和平臺時，基層警務部門大多需要向上級尋求權限，這對其日常管理和運作帶來深遠影響。

治安基礎管控信息化平臺，這個是從省級層面上解決問題。對我們來說，包括重點人，包括技術管控，包括研判這一塊，應該是從我們省級層面發力，不需要縣區一級在這個方面去發力。（訪談資料24061302，S市公安局治安大隊大隊長）

面對數字社會犯罪形式的變化，基層公安在社會治理中的職能、角色和工作邏輯的轉變尤為突出。按照N省Z市警務部門的說法，“全省要把信息采集納入工作考評強勢推動，力促刑偵、治安、派出所等一線警種及時采集打擊防范的工作信息”。省市一級警務部門基于一線警種采集的大量數據，通過算法進行研判以及控制數據權限。大量的警務平臺權限集中于省市一級，這一過程促使基層警務部門在社會治理過程中常常需要尋求上級警務部門的權限支持，并將采集的數據納入上級警務平臺預定義的各類標簽。

因此，警務部門的算法集約化在中國社會治理實踐中取得了良好的治理效能。在這一過程中，算法在警務的實踐具有分層次的特征，即其在省、市、縣區警務部門的應用邏輯表現出明顯的差異性（見表2）。

某算法工程師指出，“基層公安和省里所用的算法是分層次的，一些更復雜的算法達到的效果和所需要的算力是不一樣的，所以省里的算法算力達到的效果也不一樣”（訪談資料24061403，S市警務部門合作平臺企業算法工程師）。之所以產生這種現象，根源在于以往犯罪問題主要集中在物理空間，基層警務部門維持社會秩序時，往往需要行使較大的自由裁量權。隨著數字社會犯罪形式的變化，上級警務部門需要在網絡空間中促進和協調多警種之間的合作，省市警務部門對各類數據、算法、平臺的實際控制權有了更迫切的需要。此外，上級警務部門需要足夠體量的數據進行算法訓練和工作，而基層警務沒有足夠的數據建立強大的算法（Ferguson，2017：82）。因此，當算法被引入警務部門時，不同層級警務部門對算法的需求和認知有相當大的差異。

（三）算法的空間擴張邏輯：算法驅動下的社會治理力量倍增

算法還進一步拓寬了警務部門偵查執法的范圍，極大促進了警察社會治理半徑的擴大。在當前的警務工作中，預測性警務算法給警務部門的案件偵查和警務執行工作帶來巨大變革。算法作為核心要素，直接參與警務部門的偵查、分析、研判等業務過程。譬如，當案件發生時，算法自動化數據采集程序通過整合多源信息，構建案件全息圖譜，并自動解析文本信息，精準提取關鍵要素。通過行為模式分析，該程序為警務部門的偵查辦案提供了方向指引。算法對海量數據信息的深入挖掘，為警務部門提供了更加精準和有效的執法決策支持（王祿生，2024）。警務部門的執法模式從以“經驗觀察案件”為中心逐漸轉變為以“算法研判數據”為中心。

基于算法的數據收集和處理方式的轉變，使得警務部門對更大范圍的人、事、地、物進行治理成為可能。隨著可用數據的規模、范圍比以往任何時候都大，警務部門借助算法實現了對風險更全面的感知。這種轉變可稱為“警務的超級化”（Brayne，2020：13-29），即從原來的對人、事、地、物等的重點防控，轉變為“對所有風險、隱患、苗頭和問題的全面防范”（訪談資料19083001，D市H分局副局長）。當然，這不意味著傳統“重點防控”手段的消失。相反，重點防控借助算法變得更加精準。在我們的訪談中，算法工程師指出了治安算法的設計邏輯。

治安算法的設計思路之一就是覆蓋面要廣，覆蓋面要大。再一個就是人臉還有車輛的識別，需要清晰度高。很多攝像頭識別的數據，我們只要求看到的范圍廣就行了。我們一些專業化采集人臉和車牌數據的，因為要求采集精度高，所以有些設備拍到的視角相對來說比較窄，不能像拍普通車輛那樣范圍比較大。（訪談資料24061402，S市警務部門合作平臺企業算法工程師J先生）

警務部門合作平臺企業的算法工程師進一步指出了為什么警務部門的治安預測算法需要通過大量數據來實現算法預測的精準化。

說白了，算法的邏輯就是用量變撬動質變，比如比對不是拍一張，你要多拍然后再進行比對，然后才能聚類，因為每個人每次走路都不一樣，化妝打扮，戴個帽子，都不一定能拍到準確的臉，只有在不同地方、不同時段多拍……不同時間段陽光照在身上，出來的陰影都不一樣。光線比較暗，比對準確性只有百分之X，拍的正面的，這個準確性能提高到百分之Y。（訪談資料24061403，S市警務部門合作平臺企業算法工程師C先生）

治安算法的這種全面擴張的邏輯還體現在，警務部門基于特定算法將離散的、基于點的犯罪數據轉換為更大的、基于網格的區域。根據各類數據分配警察資源和警務力量的地點可被稱為“熱點”（hotspot），即“特定尺度×特定尺度”的不規則區域，在實踐中表現為重點區域（由有經驗的警察劃定）或高風險區域（由算法根據既有數據劃定）。一些算法的輸出常常采用網格的形式，將大量數據輸入轉換為犯罪可能性較高的區域或是潛在風險較高的區域。這里出現的反常識問題在于，將基于點的犯罪數據轉換為基于網格的概率分布，會導致犯罪預測分辨率（或精準度）的損失，而預測分辨率對警務部門的社會治理卻相當重要。

警務部門之所以采取這種做法，有兩個重要原因。一方面，轉換為基于網格的概率分布可以確保算法犯罪預測不必非常精確，然后輔之以警務部門的經驗認識和直覺判斷。如果算法將基于點的犯罪數據轉換為基于點的犯罪預測，那么當犯罪事實沒有發生在預測的點上時，算法的判斷就可能出現故障。因此，分辨率的喪失雖然使算法預測的結果表面上顯得不夠精確，但這恰恰并不容易引起算法失靈（Brayne，2017）。

另一方面，采用網格的形式輸出算法結果也提升了警力與警情的匹配度。網格可以將物理空間的犯罪事件簡化為網絡空間上的“點”或“區域”，降低了相應犯罪事件的復雜性，提高了警務工作人員分配的效率。我們在M省S市調研時就發現，情報指揮部門依托算法開展指揮調度，充分利用各類智能警務平臺（警務算法是其運行核心），動態地研判治安形勢，以保障將警力投放到重點區域、重點部位、重點場所和重點時段。

實地調研發現，從“點”到“面”再到無數個面構成的“網格化”均體現了社會治理思維的變化。警務部門能夠在數字社會更好地實現全面的犯罪控制，也是得益于算法所帶來的可能性。不僅如此，警務力量還從地面擴展到空中，警用無人機使用的“地理信息算法”常被視為地面警務的“力量倍增器”。我們在中部S市公安局調研時，治安大隊的負責人就指出，警用地理信息算法有助于“實現空地一體、效能倍增，有效解決傳統視角盲區”（訪談資料24061202，S市公安局治安大隊大隊長）。這類警務算法進一步賦予了警察“遠程行動”的能力，使其能在遠處行使警察權力。

（四）小結：算法何以重構社會治理

上述討論總結了算法重構社會治理的經驗邏輯。一方面，隨著數字社會犯罪結構發生變化，算法在廣泛的社會安全網中不斷參與和發展新的關系，而不再僅僅限于傳統警務發展的社區、公眾關系。警務部門與平臺企業的合作也成為重構社會治理的焦點。另一方面，新興的網絡犯罪問題無法被任何單一警種治理。算法實現了對警務組織內部資源的統籌協調，數據算法資源向上級收攏，上、中、下層的警務力量得以實現整體性的權力重構和邊界重組。此外，新技術的發展使得網絡犯罪的危害更加突出，算法拓寬了警務部門可以追蹤的范圍，實現了對物理空間和網絡空間中所有風險要素的感知，警務力量倍增。

表3呈現了人工智能算法重構社會治理的基本邏輯。表中三重機制的內在關系在于，算法對關系結構的重塑注重在橫向上調整多主體的關系，借助算法搭建的橋梁，為各主體構建共識、交換資源提供重要基礎。但這一機制無法解決內部存在專業分工的警務部門在應對復雜網絡犯罪問題時的無力問題。在此基礎上，算法的權力收縮邏輯彌補了這關鍵的一環，在縱向上調整警務內部的多層級、多警種關系，緩解內部權力層次的碰撞。這樣，通過關系結構和權力結構的調整，算法有效整合了多方主體和資源。在此情況下，算法的空間擴張邏輯進一步使得警務部門能夠將這套治理方式從物理空間不斷向網絡空間延伸，使得警務部門對風險的感知能力迅速提升。在這三重機制的共同作用下，警務組織內外部的多主體之間形成了更強的信任意識和合作共識，通過改善警務部門與平臺企業的關系、優化警務組織內部的權力架構、提高算法在多重空間的治理效力等途徑，形成動態應對數字社會治理挑戰的治理能力。

需要注意的是，這三重機制在不同警務部門的影響是不同的。在省市級警務部門中，算法的關系結構和權力收縮邏輯更為明顯，而基層警務部門更著重于算法的空間擴張。一方面，算法發揮作用所需的大規模數據的特點決定了省級警務部門能夠發揮關系和權力機制的作用。省級警務部門的層級較高且資源豐富，而基層警務部門層級較低，掌握的數據規模較小。基層警務部門算法所發揮的作用更多表現為算法驅動的空間擴展。另一方面，從實際治理需求來看，為應對數字社會治理挑戰，中央和省級警務部門開始注重社會治理過程中的控制性和整合性（向靜林、艾云，2023）。因此，省級警務部門也更多地借助算法來擴展關系結構和集中治理權力。正是從這個角度看，算法重構社會治理的過程更強調上級和基層之間、警務部門內部和外部之間的“協同用力”，而算法就是實現這種協同的重要支點。

五、算法重構社會治理的結果

上述變化對警務部門的社會治理有何深層影響？我們認為，算法作為社會治理的關鍵驅動機制也存在著潛在風險，警務部門的算法運作會帶來實施成本和非預期后果。

（一）算法蘊含的“權力沖突”限制社會問題的解決范疇

警務部門對算法的依賴與原有科層結構形成沖突。對基層警務部門而言，其應對和處理犯罪方面的經驗感知和空間記憶能力逐漸被算法替代。基層警務部門的工作轉變為收集數據和風險預防，并按照上級的算法輸出結果開展警務活動。由于算法常常被視為一種權威和科學，基層警務部門的隱性知識和經驗直覺在算法擴張中逐漸弱化。由此，警務部門實施的算法作為一種事實上的替代品，取代了其他更廣泛的解決社會問題的方法（Kennedy et al.，2018：19），限制或縮小了基層警務部門可以解決的社會問題類型（如網絡詐騙案件或刑事犯罪案件偵查權的上移）和能夠考慮的解決方案范疇（如大規模警務數據信息的處置權上移）。原有社會治理機制發揮作用的雙重基礎——警務部門的專業知識和問責制被削弱（Busuioc，2021）。基層警務部門花費相對較少的時間練習和發展他們的演繹推理技能，警察的經驗知識也隨之減少。我們在D市警務部門訪談時，市公安指揮中心的一位受訪者指出：

以前公安隊伍對人的素質要求不是很高，破案辦案更多是靠傳幫帶，就是老民警帶新民警。這里的“帶”主要體現在公安長期的經驗推理能力……哪怕寫材料水平低也不要緊，會辦什么案，問的什么話，能推理出來才重要。但現在AI算法、大數據的使用，需要的（警察）條件更高。掌握新技術的警察成了最稀缺的資源。過去處理案子可能十天、半個月、一個月、兩個月，現在可能是三天、五天、八小時破案，這對警察的要求，特別是如何對大規模數據抽絲剝繭，要求很高。（訪談資料24051301，D市公安局指揮中心負責人）

對上述過程的進一步深究揭示出算法在數字社會治理中的一個不容忽略的問題：算法成為重構社會治理的關鍵,不僅重新規定了網絡空間中的秩序,使得省市警務部門在數字社會治理中的權力得到提升，跨層級警務部門的協同性顯著增強，還帶來了不同層級警務部門的知識和權力結構沖突的潛在結果。西方語境下的“監控資本主義”理論指出，大規模數據的收集催生出一種新的工具主義的權力形式，它可能在不同主體間形成新的知識/權力不對稱（Zuboff，2023：13-23）。上級警務部門基于算法的集中指導與地方警務部門基于算法的實際行動之間容易產生復雜張力。譬如，我們的實地觀察發現，上下級警務部門圍繞不同“權限”（如警察數據權）的獲取產生了差異化的需求。

省里一直在做，但問題是就算想給省里改，也沒辦法改，而且有時候省里吃老本，不能及時給基層提供好的東西，比如新的算法應用……當時有科技公司來這的時候，我們想跟這些公司合作，想著省里做省里的，我做我的平臺，然后再把數據反饋給省里，上邊不同意。（訪談資料24061201，S市公安局情報大隊大隊長）

不僅如此，圍繞算法的設計和應用，警務部門與平臺企業之間也存在著知識與權力的沖突。平臺企業及其算法工程師更關心他們設計的算法是否在某些時候被證明是正確的，是否足夠好，而不是廣泛的公共利益問題。訪談中我們發現，警務部門的代表會向平臺企業的代表詢問他們的算法模型、平臺系統如何幫助警方實現特定目標。但平臺企業項目負責人表述的邏輯則不同，他們會演示其設計的平臺算法在非警務環境中（譬如大數據部門、行政審批部門等）的使用，然后詢問警務部門是否對在當地環境中使用類似算法模型感興趣，以及該平臺公司的算法相對于其他公司算法的優勢。換言之，平臺企業的主要目標不是填補警務部門發現的技術空白，而是銷售利潤豐厚的產品和系統。警務部門的受訪者提出近似的觀點。

之前市局做的規劃加起來有278萬元，但這幾年沒感覺發揮什么特別好的、實際的作用……很多時候，我們在跟公司合作過程中發現，他們大都還是關注能掙多少錢之類的，卻沒有把事情做到實處。（訪談資料19032801，J市公安局局長）

（二）算法對社會問題的“信息過描”轉化為優先排序

仔細審視算法塑造下的社會治理，可以發現，警務部門對算法性能的主要評估標準是“預測精度”，即預測犯罪的精準度。出于這一目的，警務部門需要更多數據來訓練算法以提高預測的精準度。這與一般算法有明顯的差異性。以網約車平臺為例，商業領域算法的主要目的是幫助司機高效、便捷地抵達目的地，無助于達到這一目的的其他信息都可被淡化和隱去（徐婧、王婧涵，2024）。社會治理領域的算法恰恰相反——為了實現精準預測，所有數據和信息的收集成為警務工作的核心。N省《建設全省公安機關數據采集共享長效機制工作方案》就提出要組織各警種、各地市開展數據采集，并向各警種、各地市下達79項采集任務。多位受訪者均指出警務部門對數據的高需求。

公安精準度必須很高，不像普通算法的精度不需要那么高，公安辦案的話，人的識別必須要精準，要是不精準的話，說白了就會做很多的無用功……比如有一個比對閾值，普通情況下這個閾值可以調到50%，只要有相似的，都可以看看，而這個系統基本上要達到90%、95%以上，這需要大量數據去喂。（訪談資料24061401，S市警務部門合作平臺企業算法工程師J先生）

治安管理、犯罪打擊這一塊，公安應該考慮到方方面面，事前事后，越全面越細致越好。要達到這樣的程度必須獲得各種各樣的數據信息。（訪談資料24061302，S市公安局治安大隊副隊長）

有研究指出，治安太復雜，警察無法也不能把治安簡化為算法能夠完美解決的事務（McDaniel & Pease，2021：24-25）。但為了獲取精準的預測結果，警務部門需獲取大量信息，這使其在社會治理過程中遭遇信息和數據過剩的困境。由此帶來的問題是，算法在警務領域的擴展使現有的工作量在一定程度上超出了可管理的范圍。例如，法醫依賴犯罪現場提供的信息來處理犯罪案件，早期DNA技術的出現使得法醫過去可在八小時內完成的犯罪現場勘察后來需時一個星期以上，因為他們需要開展更多的犯罪細節和數據的勘察印證（Giacomantonio，2015：75）。算法重構社會治理的邏輯也有近似的影響。我們在訪談中常常聽到基層警務人員提到這樣一個觀點：他們的角色已經變成“數據錄入員”。

這是我們搞警務智能化的基礎，數據的采集這塊，只靠人力是根本行不通的，動不動就發動基層干警去做信息采集的工作，那本職工作都做不了。（訪談資料19032801，J市公安局局長）

相較于以往警務部門社會治理依托的“苞殼法”（bud-shell method），即依靠警察的犯罪打擊經驗和直覺處理社會問題的模式（見圖2），算法驅動的警務使得基層警務人員除了完成日常任務外，還必須成為“數據輸入專家”。對他們來說，可能有80%的工作時間都要花在收集和整理數據上。規模化的數據收集使警察的工作變得比以往復雜得多。在數據增加和信息過剩的情況下，不受限制地使用警務算法不僅會加大警務部門的工作量，而且容易使算法轉變為各種形式的優先排序和刻板印象。這些算法會與不起作用的干預措施聯系在一起，使得警務部門的一些算法應用缺乏建設性和實用性。

我們在N省和M省警務部門調研時，基層警務部門的負責人就指出，有時候使用算法模型的價值在于提升他們與上級警務部門和公眾打交道時的“形象”，即表明該局的警務工作對數字社會犯罪形式的適應和新技術的采用：“我們時間不多，可以先做幾個數字派出所的試點，大數據算法模型，這些東西拿得出去，亮點就出來了”（訪談資料19032803，J市公安局局長）。警務部門的犯罪打擊成效被轉化為擁有多大體量的數據和復雜程度不同的算法。一些數據及在此基礎上的算法輸出也具有較強的遲滯性。在N省，省廳資源服務平臺部分基礎數據無法實現實時更新。全省警務地理信息系統的地圖數據滯后于社會實際使用的地圖數據兩年以上。基于遲滯性的數據所開發的警務算法除了將人的行為和場所轉化為粗糙的數據點之外，能發揮的作用有限，其在警務實踐中容易轉變成技術先進性的代名詞。

六、結論與討論

在新的研究場景，立足警務部門算法實踐，本文力圖回應的問題是：算法的廣泛應用給國家的社會治理帶來何種新的可能？本文的整體判斷是：相對于傳統的社會治理方式，算法已經成為新的社會治理中樞，可以有效應對數字社會治理涌現的多重挑戰。警務部門與平臺企業的合作形成了“警察—平臺企業—社會”的多元關系結構。省級警務部門通過構建算法集約化模式，建立起覆蓋人、事、地、物，從地面到空中的算法綜合治理體系，并越來越依靠算法實現警務力量從物理空間向網絡空間的全面延伸。由此，警務部門基于算法的數字治理實踐顯示出了突出的治理效力。

進一步而言，算法在警務部門的集約化過程本身是算法對治理權的集中控制。既有的“算法科層制”研究富有洞察力地指出，公共部門的算法應用表現出其對數字治理權的控制與集中（吳進進、何包鋼，2023）。然而，本文對警務部門的細致經驗研究在呼應這一觀點的同時，也發現了不同之處。警務部門依托算法重構社會治理的過程中，產生了明顯的“分層效應”，算法在不同層級警務部門中的使用及功能邏輯存在差異，這進一步影響了各級警務部門的權力運作邏輯。這些變化可能會產生意想不到的結果。在算法的使用邏輯方面，省級警務部門主要負責對算法進行整體設計和研判，將算法生成的結果向下反饋。市級警務部門主要基于算法對不同類型的犯罪問題展開“合成作戰”，運用算法為案件偵查提供重要的資源和技術支持。基層警務部門則關注數據的收集、算法結果的執行以及風險的預防。這背后的權力差異在于，中央和省級警務部門更關注如何借助算法在警務內部實現治理權（包括數據權、算法權和平臺權）的集中，以及在警務組織外部塑造分布式的治理權力（平臺企業成為社會治理的重要一環）。基層警務部門在算法集約化過程中的治理權減少，基層隱性知識和“街頭智慧”的地位降低（Brayne & Christin，2021）。

不僅如此，不同層級警務部門對算法使用的分層效應還有一個隱蔽的伴生變化，即算法對同一層級警務部門的不同警種也產生了差異化影響。掌握更豐富算法模型和更大規模數據的警種往往會成為警務部門運作的關鍵節點，更容易形成新的權力集中。并且，在算法的技術特性（比如及時性、可重復性等）的加持下，這些業務警種擁有的治理權力會變得越來越大。我們在N省和M省調研時，受訪者分別指出網絡安全或科技信息等警種得益于其掌握的算法資源和規模化數據資源，在案件偵辦、風險研判中扮演著重要角色。警務部門以算法破除不同警種之間的物理壁壘，最終形成以算法為中心、多警種配合的治理新生態。

中國社會治理過程中涌現的這些現象并不僅僅局限于警務領域，因此，本文的發現在其他領域亦具有理論解釋力。首先，算法在重構社會治理過程中形成的警察—平臺企業—社會的多元治理結構，本質上是應對網絡犯罪形式變化帶來的治理資源短缺和協作能力不足的產物。我們可以在數字公共服務領域發現類似的現象。為回應社會需求的普遍增長，國家層面積極引導，形成政府—平臺企業—社會共同構成的公共服務生態網絡（宋鍇業、徐雅倩，2025）。平臺企業在公共服務和社會治理過程中都是重要的組成部分（呂鵬等，2022）。其次，魯肯斯坦（Minna Ruckstein）指出，包括警務部門在內的國家行政系統的“視覺功能”（努力使其社會公眾被解讀）是自上而下的、整體的，而不是分布式的、靈活的（Ruckenstein，2023：141）。算法的新穎之處在于，上級警務部門可以借助算法及其收集的大量數據，實時地對社會進行分布式觀察，對影響社會秩序的風險源頭進行全面觀察和感知。這一過程在數據管理等部門的工作中亦是如此，只是數據管理部門更注重對公眾需求的感知乃至“未訴先知”。

“大平臺”“大算法”和“大數據”的建設已經成為國家治理、社會治理過程中的新趨勢。我們通過長期實地調查發現，這里的“大”已經遠遠超出了“規模”的范疇，而是內在蘊含著國家面對數字社會的巨大變化時，對警務部門的社會治理方式進行的具有前瞻性的調整。研究者對這種特殊而普遍的治理現象進行分析時，既要關注已經被大量研究強調的數據、算法、平臺本身的透明度、公平性等技術議題，更要關注它們在警務部門等公共部門運行中涉及的更深層次的關系、權力和空間邏輯變化。更重要的是，從關系或權力維度觀察警察的工作為我們打開一扇窗戶，讓我們看到反復出現的“問題/議題”是由算法這一尚未被深入認識的系統性力量造成的。算法等尖端科技不可阻擋的力量與社會治理之間的適配感或沖突感，往往會更多地出現在警務部門的工作中。沿著上述思路，未來的研究需要更多關注國家公共部門應用算法的差異化邏輯，這一議題值得進一步追問和思考。