人工智能算法何以重構(gòu)社會(huì)治理？——基于中國警務(wù)部門算法運(yùn)作的實(shí)證研究

宋鍇業(yè)

山東大學(xué)

政治學(xué)與公共管理學(xué)院

助理研究員

徐雅倩

中國海洋大學(xué)

國際事務(wù)與公共管理學(xué)院

副教授

人工智能算法何以重構(gòu)社會(huì)治理？——基于中國警務(wù)部門算法運(yùn)作的實(shí)證研究

來源 | 《社會(huì)學(xué)研究》2026年第1期

作者 | 宋鍇業(yè)、徐雅倩

責(zé)任編輯 |何鈞力

人工智能算法重構(gòu)社會(huì)治理是一項(xiàng)重大時(shí)代性議題。本文基于對(duì)警務(wù)部門、平臺(tái)企業(yè)、風(fēng)險(xiǎn)算法工程師的參與式觀察和深度訪談，分析算法重構(gòu)社會(huì)治理的邏輯與影響。研究發(fā)現(xiàn)，警務(wù)部門通過算法構(gòu)建組織外部的關(guān)系結(jié)構(gòu)，同時(shí)通過算法集約化實(shí)現(xiàn)組織內(nèi)部的權(quán)力邊界重塑，還借助算法提高對(duì)風(fēng)險(xiǎn)的全面感知能力。這帶來的深層影響是，一方面，警務(wù)部門特別是基層警察的隱性知識(shí)和能力容易被算法替代，警務(wù)算法取代了其他更廣泛的解決社會(huì)問題的方法；另一方面，算法的全面擴(kuò)展帶來“信息過描”，這在實(shí)踐中容易轉(zhuǎn)化為各種形式的優(yōu)先排序。

一、引言

黨的二十屆四中全會(huì)提出，“走中國特色社會(huì)主義社會(huì)治理之路”，“完善社會(huì)治理體系”。現(xiàn)階段，國家和社會(huì)治理的各個(gè)領(lǐng)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(nèi)外大量算法研究主要聚焦于平臺(tái)經(jīng)濟(jì)和勞動(dòng)過程領(lǐng)域，比如平臺(tái)企業(yè)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(shí)上，算法不僅重塑了商業(yè)市場和勞動(dòng)秩序，也重構(gòu)了社會(huì)治理（張吉豫，2024；江小涓，2025），然而當(dāng)前少有關(guān)于算法重構(gòu)社會(huì)治理的研究，甚至專門針對(duì)國家公共部門算法應(yīng)用的研究亦較少（Wenzelburger et al.，2024）。

這里的研究生長點(diǎn)在于，國家和政府部門對(duì)算法的使用邏輯與已有研究普遍關(guān)注的平臺(tái)經(jīng)濟(jì)和勞動(dòng)過程領(lǐng)域的算法邏輯不同，至少存在三個(gè)重要區(qū)別。一是無法退出性。在社會(huì)治理場景下，作為治理對(duì)象的公眾往往無法拒絕或者選擇退出算法，無法像市場領(lǐng)域那樣通過退出平臺(tái)的方式避免算法的影響（Wenzelburger et al.，2024）。二是普遍的權(quán)力嵌入性。算法進(jìn)入國家強(qiáng)制和再分配權(quán)力的中心，對(duì)社會(huì)公眾的生活進(jìn)行實(shí)質(zhì)性干預(yù)，其影響不斷擴(kuò)大（Vogl et al.，2020）。三是有限透明性。警務(wù)部門雖然在不妨礙犯罪治理的情況下，可以采取適當(dāng)措施提高算法的透明度，但無法闡明模型的確切規(guī)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(qū)域。這是算法重構(gòu)社會(huì)治理的核心特質(zhì)。然而，專門針對(duì)政府部門算法應(yīng)用邏輯的研究相對(duì)較少，經(jīng)驗(yàn)作品比較匱乏。考慮到算法在政府部門占據(jù)著獨(dú)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(guān)注的現(xiàn)實(shí)問題是：在政府推動(dòng)社會(huì)治理過程中，算法如何重構(gòu)社會(huì)治理，以及算法如何推動(dòng)公共部門組織內(nèi)部的權(quán)力邊界重塑和外部的關(guān)系結(jié)構(gòu)重組。

要解答這一重要的經(jīng)驗(yàn)問題，必須找到恰當(dāng)?shù)那腥朦c(diǎn)，警務(wù)部門正是這樣一個(gè)“棱鏡”。在公共部門的算法實(shí)踐過程中，警務(wù)部門的算法使用更具特殊性和典型性，其無法退出性、權(quán)力嵌入性和有限透明性的特征頗為鮮明。究其原因，警務(wù)是一種國家干預(yù)，警務(wù)算法對(duì)公眾的復(fù)雜影響相比其他領(lǐng)域更為突出（Wenzelburger et al.，2024）。特別是隨著快速的技術(shù)發(fā)展和犯罪形式的變化，警務(wù)部門需要努力跟上最新的技術(shù)，因此，警務(wù)部門一直是實(shí)施人工智能算法最早，也是應(yīng)用算法最廣泛的公共部門之一（Meijer et al.，2021）。盡管存在經(jīng)典的警察民族志研究，但是自從算法成為警務(wù)行動(dòng)的重要組成部分以來，警務(wù)部門的算法應(yīng)用尚未得到充分關(guān)注。當(dāng)前，我們對(duì)算法在警務(wù)部門社會(huì)治理實(shí)踐中的運(yùn)用知之甚少。基于此，本文將研究問題進(jìn)一步聚焦，專注從警務(wù)部門的算法運(yùn)作來深入理解算法，力圖揭示警務(wù)部門如何基于算法重構(gòu)社會(huì)治理。我們對(duì)多個(gè)警務(wù)部門和多家平臺(tái)企業(yè)進(jìn)行了比較深入的訪談和參與式觀察，從而對(duì)既有研究形成三個(gè)方面的補(bǔ)充。

首先，從警務(wù)部門這一國家強(qiáng)制機(jī)構(gòu)的視角去觀察國家如何借助算法重構(gòu)社會(huì)治理和維持良好的社會(huì)治安秩序。目前，針對(duì)公共部門算法的研究聚焦于兩個(gè)方面。一是突出這些算法的專有方面，批評(píng)公共部門算法的不透明性、不公平性，在此基礎(chǔ)上分析如何設(shè)計(jì)有效的監(jiān)管機(jī)制以實(shí)現(xiàn)算法問責(zé)（Wessels，2024；Petrov?i? et al.，2025；王祥州、張成福，2024；孫源等，2024；魏遠(yuǎn)山，2024）。二是主要聚焦于公共部門如何使用算法進(jìn)行決策，了解公共部門的決策者如何與算法進(jìn)行互動(dòng)（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(guān)注算法的技術(shù)特性如何影響政府管理和運(yùn)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(xì)致分析算法在政府場景中“實(shí)質(zhì)使用”的邏輯。同時(shí)，既有研究缺少對(duì)算法在不同主體間關(guān)系和權(quán)力運(yùn)作的深入分析。本文將從警務(wù)場景中深入挖掘這些細(xì)節(jié)，從而拓展公共部門的算法研究。

其次，本文特別關(guān)注從警察的視角分析算法重構(gòu)社會(huì)治理的影響。受“算法賦能論”（Buffat，2015）影響，當(dāng)前研究的共識(shí)是，包括警務(wù)部門在內(nèi)的公共部門的現(xiàn)有專業(yè)判斷將通過算法得到強(qiáng)化。在既有研究看來，警務(wù)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(zhǔn)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(rèn)識(shí)到，更沒有以實(shí)質(zhì)性的細(xì)節(jié)捕捉到算法對(duì)社會(huì)治理影響的廣度和深度。實(shí)質(zhì)上，警務(wù)部門使用算法的影響已經(jīng)超出了警務(wù)本身專業(yè)性的強(qiáng)化。警務(wù)算法的應(yīng)用折射出國家在數(shù)智時(shí)代如何與公眾打交道，以及在數(shù)字社會(huì)犯罪形式發(fā)生巨大變化時(shí)如何對(duì)“社會(huì)”進(jìn)行重新分類和治理（Brayne，2020：127-133）。更重要的是，警務(wù)部門以算法重構(gòu)社會(huì)治理的過程還帶來了非預(yù)期的復(fù)雜影響。這有助于我們理解算法在實(shí)踐中形成何種張力，從而深化對(duì)算法重構(gòu)社會(huì)治理的經(jīng)驗(yàn)認(rèn)知和學(xué)理想象。

最后，就現(xiàn)實(shí)意義而言，我們特別呼吁拉近算法技術(shù)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(dòng)中的算法”之間的復(fù)雜關(guān)系。我們不僅需要關(guān)注商業(yè)領(lǐng)域的推薦算法，也要關(guān)注和聚焦政府領(lǐng)域的治理算法。而政府領(lǐng)域算法研究面臨的關(guān)鍵議題就是如何在新興的網(wǎng)絡(luò)空間中重構(gòu)一個(gè)國家的數(shù)字安全網(wǎng)（Lehdonvirta，2022：206-216）。這需要我們對(duì)算法重構(gòu)社會(huì)治理這一重要議題進(jìn)行系統(tǒng)的探索。本文的研究結(jié)果可以為國家公共部門（尤其是警務(wù)部門）在數(shù)字社會(huì)治理中引入、使用和實(shí)施算法提供新見解。

二、數(shù)字社會(huì)治理挑戰(zhàn)與算法重構(gòu)社會(huì)治理

艾羅爾迪（Massimo Airoldi）在《機(jī)器慣習(xí)：邁向算法社會(huì)學(xué)》（Machine Habitus: Toward a Sociology of Algorithms）中指出，算法是一個(gè)模糊術(shù)語，因應(yīng)用領(lǐng)域不同而內(nèi)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(jì)算將“輸入數(shù)據(jù)”轉(zhuǎn)換成“期望輸出”的編碼過程。而在數(shù)字社會(huì)治理中，算法并不是簡單的執(zhí)行代碼或計(jì)算公式，而是能夠觀察其所在環(huán)境、對(duì)大規(guī)模數(shù)據(jù)進(jìn)行學(xué)習(xí)，并根據(jù)所獲得的見解提出決策的系統(tǒng)。這里的算法是龐大的相互依賴的復(fù)雜網(wǎng)絡(luò)（Roehl & Crompvoets，2025），并能夠與社會(huì)現(xiàn)實(shí)進(jìn)行高頻互動(dòng)。

盡管算法對(duì)社會(huì)治理產(chǎn)生了重要影響，但經(jīng)驗(yàn)研究特別是以警務(wù)為對(duì)象的經(jīng)驗(yàn)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(yīng)用大規(guī)模集中于經(jīng)濟(jì)和商業(yè)領(lǐng)域，隨著公共部門算法應(yīng)用的增長，有關(guān)討論才開始涉及政府場景，相關(guān)分析仍較為欠缺。另一方面，算法在政府公共部門的應(yīng)用具有特殊性，研究者較難進(jìn)入相關(guān)場景，特別是研究者較難獲得警務(wù)部門日常工作的深入定性資料。對(duì)此，我們迫切需要建構(gòu)完整的分析框架。這一分析框架的關(guān)鍵在于，研究需立足于中國數(shù)字社會(huì)治理情境和犯罪形式的巨大變化，分析數(shù)字社會(huì)治理面臨的多重挑戰(zhàn)（向靜林、艾云，2023；李友梅，2025），進(jìn)而分析警務(wù)部門如何借助算法應(yīng)對(duì)這些復(fù)雜挑戰(zhàn)。總體來看，當(dāng)前數(shù)字社會(huì)治理面臨三重挑戰(zhàn)。

首先，大批量/弱影響的網(wǎng)絡(luò)犯罪加劇傳統(tǒng)社會(huì)治理方式的失靈。隨著數(shù)字社會(huì)發(fā)展，犯罪結(jié)構(gòu)發(fā)生重大變化（Curtis & Oxburgh，2023），搶劫、盜竊等傳統(tǒng)犯罪數(shù)量持續(xù)下降，以電信網(wǎng)絡(luò)詐騙為代表的新型網(wǎng)絡(luò)犯罪已經(jīng)成為影響當(dāng)前社會(huì)治安和人民群眾財(cái)產(chǎn)安全的突出犯罪類型。網(wǎng)絡(luò)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(duì)較弱，但累積危害大）與當(dāng)前警務(wù)部門的小批量/強(qiáng)影響的治理邏輯形成鮮明對(duì)比。警務(wù)部門打擊網(wǎng)絡(luò)犯罪方面的工作量正在急速上升。缺乏資源是警務(wù)部門打擊網(wǎng)絡(luò)犯罪時(shí)面臨的核心挑戰(zhàn)之一，中國警察比較缺乏也是共識(shí)（楊志云，2019）。面對(duì)壓倒性的案件數(shù)量和有限的治理資源，警務(wù)部門需要在更廣泛的安全網(wǎng)絡(luò)中發(fā)展新的關(guān)系，而不局限于傳統(tǒng)警務(wù)所發(fā)展的警察與社會(huì)全體的合作關(guān)系。對(duì)尋求解決這些問題的警務(wù)部門來說，算法提供了調(diào)節(jié)和重塑關(guān)系的機(jī)會(huì)和可能（K?nig，2020）。

其次，數(shù)字社會(huì)涌現(xiàn)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(wǎng)安等）控制。犯罪時(shí)空的高度延展性危害著社會(huì)秩序（Ferguson，2017：34-61）。赫伯特（Steve Hebert）指出，警察通常是在物理和領(lǐng)土空間中打擊犯罪（Herbert，1997：3-10）。而電信網(wǎng)絡(luò)詐騙利用網(wǎng)絡(luò)技術(shù)手段，通過遠(yuǎn)程、非接觸等方式詐騙財(cái)物，其跨區(qū)域、鏈條化特征明顯。網(wǎng)絡(luò)犯罪分子可以在任何地方進(jìn)行活動(dòng)，警務(wù)部門很難有效追蹤。電子數(shù)據(jù)成為非地域性的媒介，轄區(qū)等地域性的概念已不再適用。這需要重新定義對(duì)不同層級(jí)警務(wù)部門的治理權(quán)和相應(yīng)管轄權(quán)的理解。進(jìn)一步而言，數(shù)字社會(huì)的犯罪治理既非單純地應(yīng)對(duì)物理空間的犯罪問題，也非只打擊網(wǎng)絡(luò)空間的犯罪問題，而是面臨物理空間與網(wǎng)絡(luò)空間犯罪問題的疊加（單勇，2022）。特別是網(wǎng)絡(luò)空間中收集、使用數(shù)據(jù)的不確定性，使得跨域、跨層級(jí)和跨警種的犯罪打擊成為難題。

最后，警務(wù)部門通過新技術(shù)手段應(yīng)對(duì)數(shù)字社會(huì)犯罪問題的壓力不斷增加。網(wǎng)絡(luò)犯罪的現(xiàn)實(shí)特征是，顛覆性技術(shù)的影響與犯罪的交織，使得犯罪分子利用客觀技術(shù)差距進(jìn)行網(wǎng)絡(luò)犯罪的損害范圍更廣，而且更加難以預(yù)防（Brayne,2020:51-73；劉艷紅，2025;張全濤,2025）。犯罪分子采用由先進(jìn)技術(shù)支持的新手段開展各種類型的網(wǎng)絡(luò)犯罪活動(dòng)。例如，有犯罪分子利用網(wǎng)絡(luò)交易平臺(tái)將作案手段“升級(jí)換代”，衍生出虛假的投資理財(cái)平臺(tái)或外匯交易平臺(tái)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(diǎn)隱藏身份，掩飾犯罪活動(dòng)（Lusthaus，2024）。同時(shí)，新的加密通信技術(shù)和虛擬專用網(wǎng)絡(luò)的使用，使得網(wǎng)絡(luò)犯罪分子能夠匿名化地進(jìn)行聯(lián)系。快速的技術(shù)發(fā)展要求警務(wù)部門努力跟上并采用最新技術(shù)，以便在物理空間和網(wǎng)絡(luò)空間中全面感知網(wǎng)絡(luò)犯罪的動(dòng)態(tài)線索和痕跡。

面對(duì)數(shù)字社會(huì)治理的現(xiàn)實(shí)壓力，本文嘗試建構(gòu)以下分析思路。數(shù)字社會(huì)發(fā)展帶來了三重治理挑戰(zhàn)，對(duì)警務(wù)部門基于物理空間、專業(yè)警種的社會(huì)治理方式構(gòu)成前所未有的沖擊。在此情境下，警務(wù)部門通過算法運(yùn)作解決一系列數(shù)字社會(huì)發(fā)展所帶來的突出的社會(huì)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(wǎng)絡(luò)犯罪形式加劇警務(wù)治理資源緊張的背景下，分析算法如何實(shí)現(xiàn)對(duì)警務(wù)組織外部關(guān)系結(jié)構(gòu)的重組；其次，觀察算法如何促進(jìn)警務(wù)部門內(nèi)部的權(quán)力邏輯變化，以適應(yīng)大量跨域、跨層級(jí)、跨警種的犯罪問題的涌現(xiàn)；最后，針對(duì)新興技術(shù)對(duì)網(wǎng)絡(luò)犯罪形式的加持，討論算法如何進(jìn)一步強(qiáng)化警務(wù)能力，實(shí)現(xiàn)警務(wù)力量從物理空間向網(wǎng)絡(luò)空間的延展。后續(xù)分析將緊扣上述三個(gè)層面展開，完整呈現(xiàn)算法重構(gòu)社會(huì)治理的內(nèi)在邏輯。

三、研究方法與數(shù)據(jù)

本文的經(jīng)驗(yàn)材料來自于筆者及課題團(tuán)隊(duì)2019—2024年在我國南部N省和中部M省警務(wù)部門的實(shí)地研究（見表1）。我們對(duì)兩省S市、J市、M市、G市、D市、Z市等地的12個(gè)警務(wù)部門展開會(huì)議座談、深度訪談和參與式觀察，對(duì)部分城市進(jìn)行不止一輪調(diào)研（遵循研究倫理，文中地名、人名等信息已進(jìn)行匿名化處理）。在長時(shí)段的觀察中，我們發(fā)現(xiàn)隨著時(shí)間的推移，各級(jí)警務(wù)部門使用的算法數(shù)量持續(xù)增多，這些算法對(duì)數(shù)據(jù)體量的要求也逐漸增加。同時(shí)，警務(wù)內(nèi)部對(duì)算法的使用也有著嚴(yán)格的規(guī)范，算法的設(shè)計(jì)和應(yīng)用成為警務(wù)工作的重要部分。在實(shí)地調(diào)研中，田野收集的資料包括治安、交警、網(wǎng)絡(luò)安全、網(wǎng)警、情報(bào)、科技信息、技術(shù)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(yè)知識(shí)和需求差異，并不會(huì)在同一時(shí)間采用同一種類型的算法，這也成為本文的分析優(yōu)勢所在，有利于我們觀察算法在警務(wù)部門應(yīng)用方面的差異。當(dāng)然，在實(shí)地調(diào)研過程中，警務(wù)部門的受訪者不太能夠解釋算法的細(xì)節(jié)，也不太能夠解釋它為什么會(huì)起作用，但他們能夠解釋算法應(yīng)用的過程，以此形成有啟發(fā)性的回答。

我們還訪談了與警務(wù)部門合作的五家大中型平臺(tái)企業(yè)，包括QB公司（專注于公共安全領(lǐng)域、人工智能研發(fā)決策的私營平臺(tái)企業(yè)），JA公司（涉及智慧交通和平安城市的私營平臺(tái)企業(yè)），SG公司（涉及警務(wù)智能平臺(tái)建設(shè)的國有平臺(tái)企業(yè)），TU公司（涉及反詐平臺(tái)建設(shè)的國有平臺(tái)企業(yè)）和HA公司（涉及智慧公安與區(qū)域公安管理平臺(tái)建設(shè)的私營平臺(tái)企業(yè)）。在警務(wù)部門主導(dǎo)的算法實(shí)踐中，平臺(tái)企業(yè)亦扮演著重要角色。這些平臺(tái)企業(yè)設(shè)計(jì)了警務(wù)算法或警務(wù)平臺(tái)。我們還重點(diǎn)訪談了與警務(wù)部門合作的平臺(tái)企業(yè)的算法工程師。在某種程度上，現(xiàn)有的警務(wù)算法是算法工程師設(shè)計(jì)的產(chǎn)物。他們?cè)谒惴鞒讨谐袚?dān)了相當(dāng)重要的工作，專注于需要解決的社會(huì)問題，以及基于算法優(yōu)化人工判斷的效率和精準(zhǔn)度。此外，我們還在警務(wù)部門與平臺(tái)企業(yè)的項(xiàng)目合作會(huì)議上進(jìn)行觀察交流，以了解犯罪和非犯罪活動(dòng)的數(shù)據(jù)是如何在不同機(jī)構(gòu)共享的。同時(shí)，我們還收集了豐富的二手資料，通過收集相關(guān)工作文檔，與一手資料形成三角互證。

四、算法重構(gòu)社會(huì)治理的多重邏輯

（一）算法的關(guān)系結(jié)構(gòu)邏輯：算法重塑社會(huì)治理的綜合治理格局

數(shù)字社會(huì)涌現(xiàn)的大批量/弱影響的網(wǎng)絡(luò)犯罪使治理資源的問題進(jìn)一步凸顯，這是警務(wù)部門推進(jìn)社會(huì)治理面臨的重要問題。面對(duì)這一難題，警務(wù)部門借助算法把數(shù)字社會(huì)涌現(xiàn)的復(fù)雜社會(huì)問題轉(zhuǎn)化為不同主體集體協(xié)調(diào)和互動(dòng)的結(jié)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(xié)調(diào)與合作，以數(shù)據(jù)化、連接性、自動(dòng)化的形式重新設(shè)計(jì)各個(gè)主體之間的關(guān)聯(lián)（K?nig，2020）。警務(wù)部門借助算法把社會(huì)治理過程中所需的多個(gè)行動(dòng)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(yīng)對(duì)復(fù)雜網(wǎng)絡(luò)犯罪的壓力。

我們?cè)贜省調(diào)研時(shí)，省級(jí)警務(wù)部門與H公司建立聯(lián)合創(chuàng)新中心，依托K平臺(tái)企業(yè)的認(rèn)知智能實(shí)驗(yàn)室開展自然語言的研究和識(shí)別。警務(wù)部門全面引進(jìn)大型平臺(tái)企業(yè)的成熟平臺(tái)和技術(shù)，在云計(jì)算、“AI＋”視頻、警務(wù)移動(dòng)應(yīng)用、智能交通和“情報(bào)＋指揮”等領(lǐng)域聯(lián)合開展項(xiàng)目共建。通過協(xié)作建立“線上線下+警企協(xié)同”合成作戰(zhàn)新機(jī)制，N省整合警務(wù)部門和平臺(tái)企業(yè)的人才和能力，整合人流、車流、物流、信息流和資金流的數(shù)據(jù)，開創(chuàng)互聯(lián)網(wǎng)偵查、違法犯罪和群體事件預(yù)警、大型安保風(fēng)險(xiǎn)防控、網(wǎng)絡(luò)電子證據(jù)鑒定等警務(wù)新模式，構(gòu)建“數(shù)據(jù)合成、資源合成、能力合成”的全新社會(huì)治理形態(tài)。N省警務(wù)部門引入六家平臺(tái)企業(yè)的先進(jìn)算法為全省民警的巡邏防控、偵查辦案等業(yè)務(wù)警種提供新工具和新手段，利用以動(dòng)態(tài)人像識(shí)別為主，以對(duì)車輛、無線網(wǎng)絡(luò)、門禁、手機(jī)等的識(shí)別為輔的感知和采集手段，實(shí)現(xiàn)精準(zhǔn)的布控設(shè)防。N省還明確提出打造“市場化”的情報(bào)資源調(diào)節(jié)模式，警務(wù)部門與大型平臺(tái)企業(yè)建立了緊密的資源合作關(guān)系。

全省著力建立和打造“市場化”的情報(bào)資源調(diào)節(jié)模式，就是充分運(yùn)用和體現(xiàn)“互利共贏”的理念……深化與互聯(lián)網(wǎng)企業(yè)的合作、加強(qiáng)警企合作開發(fā)聯(lián)合創(chuàng)新應(yīng)用；與最具實(shí)力的科技企業(yè)建立聯(lián)合創(chuàng)新中心，共建、共享、共治、共贏；把警務(wù)外部的智慧、技術(shù)和能力融入到警務(wù)模式變革中，構(gòu)成新的“警務(wù)基因組”。（訪談資料21060701，N省公安某業(yè)務(wù)警種主任）

上述訪談提及重新打造“警務(wù)基因組”，其隱蔽邏輯在于，算法對(duì)社會(huì)治理過程中多主體之間關(guān)系的重塑。蘭博（Melayna Kay Lamb）指出，秩序?qū)烊绱酥匾谋举|(zhì)是處理關(guān)系（Lamb，2024：123-125）。

然而，算法塑造的社會(huì)治理關(guān)系結(jié)構(gòu)呈現(xiàn)更復(fù)雜的面向。傳統(tǒng)的社會(huì)治理著眼于調(diào)整警察和社會(huì)之間的關(guān)系，社區(qū)警務(wù)就是最典型的代表。警察立足社區(qū)，動(dòng)員社區(qū)居民參與社區(qū)治安風(fēng)險(xiǎn)防范工作，促進(jìn)社區(qū)居民、網(wǎng)格員、志愿者等群防群治力量的合作。直到當(dāng)下，依靠群眾就地化解矛盾的“楓橋經(jīng)驗(yàn)”以及創(chuàng)建“楓橋式公安派出所”的舉措均表明，警察與社會(huì)關(guān)系是中國社會(huì)治理的關(guān)鍵環(huán)節(jié)，警察與社會(huì)主體之間的互動(dòng)和合作不斷強(qiáng)化。上述措施也是警務(wù)部門緩解資源不足，促進(jìn)社會(huì)治理的有效手段。但算法對(duì)社會(huì)治理的重構(gòu)在于，它在警務(wù)部門和市場主體之間的關(guān)系方面持續(xù)做增量，警務(wù)部門與平臺(tái)企業(yè)的關(guān)系成為新時(shí)期警察打擊網(wǎng)絡(luò)犯罪、維護(hù)社會(huì)秩序的焦點(diǎn)。

引進(jìn)平臺(tái)企業(yè)的算法是為了給我們解決數(shù)據(jù)的問題。辦公辦案，我們都用算法，然后進(jìn)行分析，做到所有個(gè)人身份信息、所有案件都可以關(guān)聯(lián)起來。不光局限在這個(gè)方面，社會(huì)的各類數(shù)據(jù)都可以有效關(guān)聯(lián)。（訪談資料24061303，S市公安局治安大隊(duì)大隊(duì)長）

警務(wù)與平臺(tái)企業(yè)的合作創(chuàng)造了一種可迭代和延展的權(quán)力動(dòng)態(tài)。警務(wù)部門不僅使用平臺(tái)企業(yè)收集的各類數(shù)據(jù)，還可能使用平臺(tái)企業(yè)的系統(tǒng)來存儲(chǔ)、共享和分析數(shù)據(jù)。打擊網(wǎng)絡(luò)犯罪的先進(jìn)技術(shù)需求和數(shù)據(jù)需求會(huì)刺激警務(wù)部門與平臺(tái)企業(yè)的緊密合作（Afzal & Panagiotopoulos，2025）。當(dāng)警務(wù)部門提出需求后，平臺(tái)企業(yè)具體設(shè)計(jì)警務(wù)算法、數(shù)據(jù)共享系統(tǒng)、情報(bào)分析軟件、數(shù)據(jù)集成平臺(tái)等，供警務(wù)部門使用。平臺(tái)企業(yè)也擁有促進(jìn)警務(wù)算法訓(xùn)練的重要資源，包括物理資源（大型圖形處理單元集群）、認(rèn)知資源（尖端研究人員群體）和信息資源（用于數(shù)據(jù)測試的系統(tǒng)）等。

這一定程度上改變了社會(huì)治理的底層邏輯。數(shù)字社會(huì)治理不只是以科層組織的層級(jí)權(quán)威為中心，而是把數(shù)據(jù)和算法作為數(shù)字社會(huì)治理過程中資源配置的關(guān)鍵節(jié)點(diǎn)。大量平臺(tái)企業(yè)因掌握大規(guī)模的數(shù)據(jù)和算法，也參與到數(shù)字社會(huì)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(huì)治理格局。

（二）算法的權(quán)力收縮邏輯：算法集約化模式下的社會(huì)治理

跨地域、非物理媒介的網(wǎng)絡(luò)犯罪的興起使得跨越組織邊界促進(jìn)多機(jī)構(gòu)對(duì)話成為中國社會(huì)治理的突出特征。警務(wù)專業(yè)化和多警種的局限是，各警種囿于自身職能，較難進(jìn)行系統(tǒng)思考（Ferguson，2017：162-165），使得警務(wù)部門缺乏對(duì)社會(huì)治安的整體感知。一些警種的業(yè)務(wù)系統(tǒng)大多反映某一類或幾類治安情況。不同警種對(duì)復(fù)雜案例輕重緩急的判斷形成了警務(wù)組織內(nèi)部的張力，特別是隨著新興網(wǎng)絡(luò)犯罪的涌現(xiàn)，警務(wù)內(nèi)部的張力更為突出（Giacomantonio，2015：101-105）。我們?cè)谡{(diào)研中發(fā)現(xiàn)，警務(wù)部門的“情報(bào)研判人員疲于應(yīng)對(duì)各警種、各專班、各作戰(zhàn)室提請(qǐng)的研判需求，被動(dòng)接案情況突出”（訪談資料19083002，D市公安分局局長）。因此，警務(wù)機(jī)制一方面“迫切需要聯(lián)動(dòng)”（訪談資料19071602，M市公安分局情報(bào)中心主任），另一方面強(qiáng)調(diào)整合，“市里一直想辦法，怎么整合交警、網(wǎng)安、刑偵系統(tǒng)等，擰成一股勁”（訪談資料19032501，J市公安局治安隊(duì)長）。

在這種情況下，警務(wù)部門的“算法集約化”現(xiàn)象正在廣泛興起。在警務(wù)部門內(nèi)部，算法的相關(guān)要素（數(shù)據(jù)、模型、算力）逐漸向上級(jí)集聚，上級(jí)警務(wù)部門通過與平臺(tái)企業(yè)合作，設(shè)定和提供必要的邊界資源、標(biāo)準(zhǔn)接口和格式等要素（如算法類型、數(shù)據(jù)標(biāo)記約定等）。基層警務(wù)部門大多負(fù)責(zé)采集數(shù)據(jù)，向上傳輸給市級(jí)和省級(jí)警務(wù)部門，由省級(jí)警務(wù)部門統(tǒng)籌各警種的數(shù)據(jù)。省級(jí)警務(wù)部門基于算法的輸出結(jié)果傳輸給下一級(jí)警務(wù)部門及相應(yīng)警種。由此，算法集約化促進(jìn)大量專長不一的警種在數(shù)字社會(huì)治理中的共同協(xié)作。

豐富的經(jīng)驗(yàn)材料也表明了算法集約化的普遍興起。我們?cè)谀喜縉省和中部M省的調(diào)研發(fā)現(xiàn)，N省的警務(wù)部門牽頭處理技偵、網(wǎng)安等各警種數(shù)據(jù)，建設(shè)全省統(tǒng)一的算法治理和服務(wù)體系，實(shí)現(xiàn)了多種算法的共存融合。省級(jí)警務(wù)部門提供算法服務(wù)、模型服務(wù)、數(shù)據(jù)接口、工具引擎、知識(shí)圖譜、標(biāo)簽服務(wù)、時(shí)空大數(shù)據(jù)服務(wù)、自然語言處理等。M省的警務(wù)部門嘗試在全省編織全時(shí)空的“人、地、物、事、組織”治安要素感知網(wǎng)。2025年M省下轄的F縣警務(wù)部門在重點(diǎn)區(qū)域、重點(diǎn)部位、重點(diǎn)場所實(shí)現(xiàn)視頻監(jiān)控的全覆蓋，新增重點(diǎn)視頻監(jiān)控點(diǎn)位近萬個(gè)。可以發(fā)現(xiàn)，算法串起了所有的警務(wù)環(huán)節(jié)，形成“省廳搭臺(tái)、警種唱戲”的社會(huì)治理生態(tài)。

算法是上層整合……省廳開發(fā)的大數(shù)據(jù)、算法模型，一個(gè)是警務(wù)便民服務(wù)，一個(gè)是打擊涉毒、涉詐等各種類型犯罪的。涉及犯罪的資源數(shù)據(jù)我們都需要，你（省級(jí)警務(wù)部門）幫我做好端口、平臺(tái)等，我使用就行。省里不僅要設(shè)計(jì)好這些可移動(dòng)的警務(wù)平臺(tái)，而且要把數(shù)據(jù)目錄提供給全警種，基層提出申請(qǐng)要用哪類數(shù)據(jù)，整個(gè)推動(dòng)公安的一網(wǎng)化。（訪談資料19071603，M市公安分局局長）

視頻偵察、情報(bào)研判、網(wǎng)上追逃、異常案件處理對(duì)算法有很大的需求，大數(shù)據(jù)工程、算法建模發(fā)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(wù)環(huán)節(jié)，就有了無限可能，可以做到服務(wù)全警種，這也是省里面一個(gè)很重要的創(chuàng)新。（訪談資料19071501，G市公安局大數(shù)據(jù)中心主任）

算法集約的過程也蘊(yùn)含了更深層次的功能。算法集約化讓省、市一級(jí)警務(wù)部門在犯罪打擊乃至社會(huì)治理中更具權(quán)威性，促使他們高效地統(tǒng)合不同層級(jí)的治理資源，警務(wù)部門的協(xié)作性得到顯著提升。這在很大程度上解決了打擊網(wǎng)絡(luò)犯罪面對(duì)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(jí)警務(wù)部門關(guān)注算法的設(shè)計(jì)研判，以及為什么警務(wù)部門比一般政府部門更常使用算法。在復(fù)雜案件需要警務(wù)內(nèi)部協(xié)同時(shí)，上級(jí)警務(wù)部門可借助算法將相關(guān)部門力量整合起來。

公安的算法還是不一樣的，它需要適應(yīng)社會(huì)的發(fā)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(xiàn)在每天要收集可能上千條、上億條數(shù)據(jù)，用不了可能就會(huì)變成“死數(shù)據(jù)”。所以從中央、省、市到下面的縣、鎮(zhèn)、村，包括我們民間的力量，都要在這個(gè)網(wǎng)絡(luò)當(dāng)中。算法需要織出一個(gè)網(wǎng)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(guān)于警察的自由裁量權(quán)向警務(wù)科層組織的底部（基層警務(wù)部門）下放的判斷相悖（Ericson & Haggerty，1997：31-37；Chan，2001）。早期的社區(qū)警務(wù)興起說明基層警務(wù)部門在物理空間上獲得了大量的資源和裁量權(quán)，在社會(huì)治理中發(fā)揮重要作用。當(dāng)下，隨著警務(wù)邁向算法集約化，這種趨勢在網(wǎng)絡(luò)空間發(fā)生了顯著逆轉(zhuǎn)，即警務(wù)部門的自由裁量權(quán)（實(shí)際控制權(quán)）向上集中（見圖1）。

一方面，“基層警務(wù)部門多是收集數(shù)據(jù)”（訪談資料19052004，G縣公安某派出所負(fù)責(zé)人），另一方面，“算法的設(shè)計(jì)和研判向市級(jí)特別是省級(jí)公安部門集中”（訪談資料24061502，S市公安局網(wǎng)安大隊(duì)大隊(duì)長）。即便基層警務(wù)部門也有自設(shè)的一些算法模型，但這類算法并不是嚴(yán)格的警務(wù)預(yù)測算法：“很多基層公安也有自己的算法，但這個(gè)算法是已經(jīng)有的警務(wù)系統(tǒng)里可以設(shè)置的，是基于這個(gè)系統(tǒng)要讓它實(shí)現(xiàn)什么功能從而自定一些模型，自定篩選一些指標(biāo)、數(shù)據(jù)。這種模型有時(shí)候也說是算法，但這里的模型和真正意義的算法其實(shí)不是一個(gè)東西”（訪談資料24061302，S市公安局治安大隊(duì)大隊(duì)長）。Z市L派出所的受訪者指出：“我們使用的警情統(tǒng)計(jì)算法，是從警綜系統(tǒng)抽取當(dāng)周的報(bào)警數(shù)據(jù)，然后按照警情發(fā)生的地點(diǎn)和警情分類建立維度”（訪談資料19082402，Z市L派出所所長）。當(dāng)涉及更為復(fù)雜和精準(zhǔn)的算法和平臺(tái)時(shí)，基層警務(wù)部門大多需要向上級(jí)尋求權(quán)限，這對(duì)其日常管理和運(yùn)作帶來深遠(yuǎn)影響。

治安基礎(chǔ)管控信息化平臺(tái)，這個(gè)是從省級(jí)層面上解決問題。對(duì)我們來說，包括重點(diǎn)人，包括技術(shù)管控，包括研判這一塊，應(yīng)該是從我們省級(jí)層面發(fā)力，不需要縣區(qū)一級(jí)在這個(gè)方面去發(fā)力。（訪談資料24061302，S市公安局治安大隊(duì)大隊(duì)長）

面對(duì)數(shù)字社會(huì)犯罪形式的變化，基層公安在社會(huì)治理中的職能、角色和工作邏輯的轉(zhuǎn)變尤為突出。按照N省Z市警務(wù)部門的說法，“全省要把信息采集納入工作考評(píng)強(qiáng)勢推動(dòng)，力促刑偵、治安、派出所等一線警種及時(shí)采集打擊防范的工作信息”。省市一級(jí)警務(wù)部門基于一線警種采集的大量數(shù)據(jù)，通過算法進(jìn)行研判以及控制數(shù)據(jù)權(quán)限。大量的警務(wù)平臺(tái)權(quán)限集中于省市一級(jí)，這一過程促使基層警務(wù)部門在社會(huì)治理過程中常常需要尋求上級(jí)警務(wù)部門的權(quán)限支持，并將采集的數(shù)據(jù)納入上級(jí)警務(wù)平臺(tái)預(yù)定義的各類標(biāo)簽。

因此，警務(wù)部門的算法集約化在中國社會(huì)治理實(shí)踐中取得了良好的治理效能。在這一過程中，算法在警務(wù)的實(shí)踐具有分層次的特征，即其在省、市、縣區(qū)警務(wù)部門的應(yīng)用邏輯表現(xiàn)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(fù)雜的算法達(dá)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(dá)到的效果也不一樣”（訪談資料24061403，S市警務(wù)部門合作平臺(tái)企業(yè)算法工程師）。之所以產(chǎn)生這種現(xiàn)象，根源在于以往犯罪問題主要集中在物理空間，基層警務(wù)部門維持社會(huì)秩序時(shí)，往往需要行使較大的自由裁量權(quán)。隨著數(shù)字社會(huì)犯罪形式的變化，上級(jí)警務(wù)部門需要在網(wǎng)絡(luò)空間中促進(jìn)和協(xié)調(diào)多警種之間的合作，省市警務(wù)部門對(duì)各類數(shù)據(jù)、算法、平臺(tái)的實(shí)際控制權(quán)有了更迫切的需要。此外，上級(jí)警務(wù)部門需要足夠體量的數(shù)據(jù)進(jìn)行算法訓(xùn)練和工作，而基層警務(wù)沒有足夠的數(shù)據(jù)建立強(qiáng)大的算法（Ferguson，2017：82）。因此，當(dāng)算法被引入警務(wù)部門時(shí)，不同層級(jí)警務(wù)部門對(duì)算法的需求和認(rèn)知有相當(dāng)大的差異。

（三）算法的空間擴(kuò)張邏輯：算法驅(qū)動(dòng)下的社會(huì)治理力量倍增

算法還進(jìn)一步拓寬了警務(wù)部門偵查執(zhí)法的范圍，極大促進(jìn)了警察社會(huì)治理半徑的擴(kuò)大。在當(dāng)前的警務(wù)工作中，預(yù)測性警務(wù)算法給警務(wù)部門的案件偵查和警務(wù)執(zhí)行工作帶來巨大變革。算法作為核心要素，直接參與警務(wù)部門的偵查、分析、研判等業(yè)務(wù)過程。譬如，當(dāng)案件發(fā)生時(shí)，算法自動(dòng)化數(shù)據(jù)采集程序通過整合多源信息，構(gòu)建案件全息圖譜，并自動(dòng)解析文本信息，精準(zhǔn)提取關(guān)鍵要素。通過行為模式分析，該程序?yàn)榫瘎?wù)部門的偵查辦案提供了方向指引。算法對(duì)海量數(shù)據(jù)信息的深入挖掘，為警務(wù)部門提供了更加精準(zhǔn)和有效的執(zhí)法決策支持（王祿生，2024）。警務(wù)部門的執(zhí)法模式從以“經(jīng)驗(yàn)觀察案件”為中心逐漸轉(zhuǎn)變?yōu)橐浴八惴ㄑ信袛?shù)據(jù)”為中心。

基于算法的數(shù)據(jù)收集和處理方式的轉(zhuǎn)變，使得警務(wù)部門對(duì)更大范圍的人、事、地、物進(jìn)行治理成為可能。隨著可用數(shù)據(jù)的規(guī)模、范圍比以往任何時(shí)候都大，警務(wù)部門借助算法實(shí)現(xiàn)了對(duì)風(fēng)險(xiǎn)更全面的感知。這種轉(zhuǎn)變可稱為“警務(wù)的超級(jí)化”（Brayne，2020：13-29），即從原來的對(duì)人、事、地、物等的重點(diǎn)防控，轉(zhuǎn)變?yōu)椤皩?duì)所有風(fēng)險(xiǎn)、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(dāng)然，這不意味著傳統(tǒng)“重點(diǎn)防控”手段的消失。相反，重點(diǎn)防控借助算法變得更加精準(zhǔn)。在我們的訪談中，算法工程師指出了治安算法的設(shè)計(jì)邏輯。

治安算法的設(shè)計(jì)思路之一就是覆蓋面要廣，覆蓋面要大。再一個(gè)就是人臉還有車輛的識(shí)別，需要清晰度高。很多攝像頭識(shí)別的數(shù)據(jù)，我們只要求看到的范圍廣就行了。我們一些專業(yè)化采集人臉和車牌數(shù)據(jù)的，因?yàn)橐蟛杉雀撸杂行┰O(shè)備拍到的視角相對(duì)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(wù)部門合作平臺(tái)企業(yè)算法工程師J先生）

警務(wù)部門合作平臺(tái)企業(yè)的算法工程師進(jìn)一步指出了為什么警務(wù)部門的治安預(yù)測算法需要通過大量數(shù)據(jù)來實(shí)現(xiàn)算法預(yù)測的精準(zhǔn)化。

說白了，算法的邏輯就是用量變撬動(dòng)質(zhì)變，比如比對(duì)不是拍一張，你要多拍然后再進(jìn)行比對(duì)，然后才能聚類，因?yàn)槊總€(gè)人每次走路都不一樣，化妝打扮，戴個(gè)帽子，都不一定能拍到準(zhǔn)確的臉，只有在不同地方、不同時(shí)段多拍……不同時(shí)間段陽光照在身上，出來的陰影都不一樣。光線比較暗，比對(duì)準(zhǔn)確性只有百分之X，拍的正面的，這個(gè)準(zhǔn)確性能提高到百分之Y。（訪談資料24061403，S市警務(wù)部門合作平臺(tái)企業(yè)算法工程師C先生）

治安算法的這種全面擴(kuò)張的邏輯還體現(xiàn)在，警務(wù)部門基于特定算法將離散的、基于點(diǎn)的犯罪數(shù)據(jù)轉(zhuǎn)換為更大的、基于網(wǎng)格的區(qū)域。根據(jù)各類數(shù)據(jù)分配警察資源和警務(wù)力量的地點(diǎn)可被稱為“熱點(diǎn)”（hotspot），即“特定尺度×特定尺度”的不規(guī)則區(qū)域，在實(shí)踐中表現(xiàn)為重點(diǎn)區(qū)域（由有經(jīng)驗(yàn)的警察劃定）或高風(fēng)險(xiǎn)區(qū)域（由算法根據(jù)既有數(shù)據(jù)劃定）。一些算法的輸出常常采用網(wǎng)格的形式，將大量數(shù)據(jù)輸入轉(zhuǎn)換為犯罪可能性較高的區(qū)域或是潛在風(fēng)險(xiǎn)較高的區(qū)域。這里出現(xiàn)的反常識(shí)問題在于，將基于點(diǎn)的犯罪數(shù)據(jù)轉(zhuǎn)換為基于網(wǎng)格的概率分布，會(huì)導(dǎo)致犯罪預(yù)測分辨率（或精準(zhǔn)度）的損失，而預(yù)測分辨率對(duì)警務(wù)部門的社會(huì)治理卻相當(dāng)重要。

警務(wù)部門之所以采取這種做法，有兩個(gè)重要原因。一方面，轉(zhuǎn)換為基于網(wǎng)格的概率分布可以確保算法犯罪預(yù)測不必非常精確，然后輔之以警務(wù)部門的經(jīng)驗(yàn)認(rèn)識(shí)和直覺判斷。如果算法將基于點(diǎn)的犯罪數(shù)據(jù)轉(zhuǎn)換為基于點(diǎn)的犯罪預(yù)測，那么當(dāng)犯罪事實(shí)沒有發(fā)生在預(yù)測的點(diǎn)上時(shí)，算法的判斷就可能出現(xiàn)故障。因此，分辨率的喪失雖然使算法預(yù)測的結(jié)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(wǎng)格的形式輸出算法結(jié)果也提升了警力與警情的匹配度。網(wǎng)格可以將物理空間的犯罪事件簡化為網(wǎng)絡(luò)空間上的“點(diǎn)”或“區(qū)域”，降低了相應(yīng)犯罪事件的復(fù)雜性，提高了警務(wù)工作人員分配的效率。我們?cè)贛省S市調(diào)研時(shí)就發(fā)現(xiàn)，情報(bào)指揮部門依托算法開展指揮調(diào)度，充分利用各類智能警務(wù)平臺(tái)（警務(wù)算法是其運(yùn)行核心），動(dòng)態(tài)地研判治安形勢，以保障將警力投放到重點(diǎn)區(qū)域、重點(diǎn)部位、重點(diǎn)場所和重點(diǎn)時(shí)段。

實(shí)地調(diào)研發(fā)現(xiàn)，從“點(diǎn)”到“面”再到無數(shù)個(gè)面構(gòu)成的“網(wǎng)格化”均體現(xiàn)了社會(huì)治理思維的變化。警務(wù)部門能夠在數(shù)字社會(huì)更好地實(shí)現(xiàn)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(wù)力量還從地面擴(kuò)展到空中，警用無人機(jī)使用的“地理信息算法”常被視為地面警務(wù)的“力量倍增器”。我們?cè)谥胁縎市公安局調(diào)研時(shí)，治安大隊(duì)的負(fù)責(zé)人就指出，警用地理信息算法有助于“實(shí)現(xiàn)空地一體、效能倍增，有效解決傳統(tǒng)視角盲區(qū)”（訪談資料24061202，S市公安局治安大隊(duì)大隊(duì)長）。這類警務(wù)算法進(jìn)一步賦予了警察“遠(yuǎn)程行動(dòng)”的能力，使其能在遠(yuǎn)處行使警察權(quán)力。

（四）小結(jié)：算法何以重構(gòu)社會(huì)治理

上述討論總結(jié)了算法重構(gòu)社會(huì)治理的經(jīng)驗(yàn)邏輯。一方面，隨著數(shù)字社會(huì)犯罪結(jié)構(gòu)發(fā)生變化，算法在廣泛的社會(huì)安全網(wǎng)中不斷參與和發(fā)展新的關(guān)系，而不再僅僅限于傳統(tǒng)警務(wù)發(fā)展的社區(qū)、公眾關(guān)系。警務(wù)部門與平臺(tái)企業(yè)的合作也成為重構(gòu)社會(huì)治理的焦點(diǎn)。另一方面，新興的網(wǎng)絡(luò)犯罪問題無法被任何單一警種治理。算法實(shí)現(xiàn)了對(duì)警務(wù)組織內(nèi)部資源的統(tǒng)籌協(xié)調(diào)，數(shù)據(jù)算法資源向上級(jí)收攏，上、中、下層的警務(wù)力量得以實(shí)現(xiàn)整體性的權(quán)力重構(gòu)和邊界重組。此外，新技術(shù)的發(fā)展使得網(wǎng)絡(luò)犯罪的危害更加突出，算法拓寬了警務(wù)部門可以追蹤的范圍，實(shí)現(xiàn)了對(duì)物理空間和網(wǎng)絡(luò)空間中所有風(fēng)險(xiǎn)要素的感知，警務(wù)力量倍增。

表3呈現(xiàn)了人工智能算法重構(gòu)社會(huì)治理的基本邏輯。表中三重機(jī)制的內(nèi)在關(guān)系在于，算法對(duì)關(guān)系結(jié)構(gòu)的重塑注重在橫向上調(diào)整多主體的關(guān)系，借助算法搭建的橋梁，為各主體構(gòu)建共識(shí)、交換資源提供重要基礎(chǔ)。但這一機(jī)制無法解決內(nèi)部存在專業(yè)分工的警務(wù)部門在應(yīng)對(duì)復(fù)雜網(wǎng)絡(luò)犯罪問題時(shí)的無力問題。在此基礎(chǔ)上，算法的權(quán)力收縮邏輯彌補(bǔ)了這關(guān)鍵的一環(huán)，在縱向上調(diào)整警務(wù)內(nèi)部的多層級(jí)、多警種關(guān)系，緩解內(nèi)部權(quán)力層次的碰撞。這樣，通過關(guān)系結(jié)構(gòu)和權(quán)力結(jié)構(gòu)的調(diào)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(kuò)張邏輯進(jìn)一步使得警務(wù)部門能夠?qū)⑦@套治理方式從物理空間不斷向網(wǎng)絡(luò)空間延伸，使得警務(wù)部門對(duì)風(fēng)險(xiǎn)的感知能力迅速提升。在這三重機(jī)制的共同作用下，警務(wù)組織內(nèi)外部的多主體之間形成了更強(qiáng)的信任意識(shí)和合作共識(shí)，通過改善警務(wù)部門與平臺(tái)企業(yè)的關(guān)系、優(yōu)化警務(wù)組織內(nèi)部的權(quán)力架構(gòu)、提高算法在多重空間的治理效力等途徑，形成動(dòng)態(tài)應(yīng)對(duì)數(shù)字社會(huì)治理挑戰(zhàn)的治理能力。

需要注意的是，這三重機(jī)制在不同警務(wù)部門的影響是不同的。在省市級(jí)警務(wù)部門中，算法的關(guān)系結(jié)構(gòu)和權(quán)力收縮邏輯更為明顯，而基層警務(wù)部門更著重于算法的空間擴(kuò)張。一方面，算法發(fā)揮作用所需的大規(guī)模數(shù)據(jù)的特點(diǎn)決定了省級(jí)警務(wù)部門能夠發(fā)揮關(guān)系和權(quán)力機(jī)制的作用。省級(jí)警務(wù)部門的層級(jí)較高且資源豐富，而基層警務(wù)部門層級(jí)較低，掌握的數(shù)據(jù)規(guī)模較小。基層警務(wù)部門算法所發(fā)揮的作用更多表現(xiàn)為算法驅(qū)動(dòng)的空間擴(kuò)展。另一方面，從實(shí)際治理需求來看，為應(yīng)對(duì)數(shù)字社會(huì)治理挑戰(zhàn)，中央和省級(jí)警務(wù)部門開始注重社會(huì)治理過程中的控制性和整合性（向靜林、艾云，2023）。因此，省級(jí)警務(wù)部門也更多地借助算法來擴(kuò)展關(guān)系結(jié)構(gòu)和集中治理權(quán)力。正是從這個(gè)角度看，算法重構(gòu)社會(huì)治理的過程更強(qiáng)調(diào)上級(jí)和基層之間、警務(wù)部門內(nèi)部和外部之間的“協(xié)同用力”，而算法就是實(shí)現(xiàn)這種協(xié)同的重要支點(diǎn)。

五、算法重構(gòu)社會(huì)治理的結(jié)果

上述變化對(duì)警務(wù)部門的社會(huì)治理有何深層影響？我們認(rèn)為，算法作為社會(huì)治理的關(guān)鍵驅(qū)動(dòng)機(jī)制也存在著潛在風(fēng)險(xiǎn)，警務(wù)部門的算法運(yùn)作會(huì)帶來實(shí)施成本和非預(yù)期后果。

（一）算法蘊(yùn)含的“權(quán)力沖突”限制社會(huì)問題的解決范疇

警務(wù)部門對(duì)算法的依賴與原有科層結(jié)構(gòu)形成沖突。對(duì)基層警務(wù)部門而言，其應(yīng)對(duì)和處理犯罪方面的經(jīng)驗(yàn)感知和空間記憶能力逐漸被算法替代。基層警務(wù)部門的工作轉(zhuǎn)變?yōu)槭占瘮?shù)據(jù)和風(fēng)險(xiǎn)預(yù)防，并按照上級(jí)的算法輸出結(jié)果開展警務(wù)活動(dòng)。由于算法常常被視為一種權(quán)威和科學(xué)，基層警務(wù)部門的隱性知識(shí)和經(jīng)驗(yàn)直覺在算法擴(kuò)張中逐漸弱化。由此，警務(wù)部門實(shí)施的算法作為一種事實(shí)上的替代品，取代了其他更廣泛的解決社會(huì)問題的方法（Kennedy et al.，2018：19），限制或縮小了基層警務(wù)部門可以解決的社會(huì)問題類型（如網(wǎng)絡(luò)詐騙案件或刑事犯罪案件偵查權(quán)的上移）和能夠考慮的解決方案范疇（如大規(guī)模警務(wù)數(shù)據(jù)信息的處置權(quán)上移）。原有社會(huì)治理機(jī)制發(fā)揮作用的雙重基礎(chǔ)——警務(wù)部門的專業(yè)知識(shí)和問責(zé)制被削弱（Busuioc，2021）。基層警務(wù)部門花費(fèi)相對(duì)較少的時(shí)間練習(xí)和發(fā)展他們的演繹推理技能，警察的經(jīng)驗(yàn)知識(shí)也隨之減少。我們?cè)贒市警務(wù)部門訪談時(shí)，市公安指揮中心的一位受訪者指出：

以前公安隊(duì)伍對(duì)人的素質(zhì)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(xiàn)在公安長期的經(jīng)驗(yàn)推理能力……哪怕寫材料水平低也不要緊，會(huì)辦什么案，問的什么話，能推理出來才重要。但現(xiàn)在AI算法、大數(shù)據(jù)的使用，需要的（警察）條件更高。掌握新技術(shù)的警察成了最稀缺的資源。過去處理案子可能十天、半個(gè)月、一個(gè)月、兩個(gè)月，現(xiàn)在可能是三天、五天、八小時(shí)破案，這對(duì)警察的要求，特別是如何對(duì)大規(guī)模數(shù)據(jù)抽絲剝繭，要求很高。（訪談資料24051301，D市公安局指揮中心負(fù)責(zé)人）

對(duì)上述過程的進(jìn)一步深究揭示出算法在數(shù)字社會(huì)治理中的一個(gè)不容忽略的問題：算法成為重構(gòu)社會(huì)治理的關(guān)鍵,不僅重新規(guī)定了網(wǎng)絡(luò)空間中的秩序,使得省市警務(wù)部門在數(shù)字社會(huì)治理中的權(quán)力得到提升，跨層級(jí)警務(wù)部門的協(xié)同性顯著增強(qiáng)，還帶來了不同層級(jí)警務(wù)部門的知識(shí)和權(quán)力結(jié)構(gòu)沖突的潛在結(jié)果。西方語境下的“監(jiān)控資本主義”理論指出，大規(guī)模數(shù)據(jù)的收集催生出一種新的工具主義的權(quán)力形式，它可能在不同主體間形成新的知識(shí)/權(quán)力不對(duì)稱（Zuboff，2023：13-23）。上級(jí)警務(wù)部門基于算法的集中指導(dǎo)與地方警務(wù)部門基于算法的實(shí)際行動(dòng)之間容易產(chǎn)生復(fù)雜張力。譬如，我們的實(shí)地觀察發(fā)現(xiàn)，上下級(jí)警務(wù)部門圍繞不同“權(quán)限”（如警察數(shù)據(jù)權(quán)）的獲取產(chǎn)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(shí)候省里吃老本，不能及時(shí)給基層提供好的東西，比如新的算法應(yīng)用……當(dāng)時(shí)有科技公司來這的時(shí)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(tái)，然后再把數(shù)據(jù)反饋給省里，上邊不同意。（訪談資料24061201，S市公安局情報(bào)大隊(duì)大隊(duì)長）

不僅如此，圍繞算法的設(shè)計(jì)和應(yīng)用，警務(wù)部門與平臺(tái)企業(yè)之間也存在著知識(shí)與權(quán)力的沖突。平臺(tái)企業(yè)及其算法工程師更關(guān)心他們?cè)O(shè)計(jì)的算法是否在某些時(shí)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(fā)現(xiàn)，警務(wù)部門的代表會(huì)向平臺(tái)企業(yè)的代表詢問他們的算法模型、平臺(tái)系統(tǒng)如何幫助警方實(shí)現(xiàn)特定目標(biāo)。但平臺(tái)企業(yè)項(xiàng)目負(fù)責(zé)人表述的邏輯則不同，他們會(huì)演示其設(shè)計(jì)的平臺(tái)算法在非警務(wù)環(huán)境中（譬如大數(shù)據(jù)部門、行政審批部門等）的使用，然后詢問警務(wù)部門是否對(duì)在當(dāng)?shù)丨h(huán)境中使用類似算法模型感興趣，以及該平臺(tái)公司的算法相對(duì)于其他公司算法的優(yōu)勢。換言之，平臺(tái)企業(yè)的主要目標(biāo)不是填補(bǔ)警務(wù)部門發(fā)現(xiàn)的技術(shù)空白，而是銷售利潤豐厚的產(chǎn)品和系統(tǒng)。警務(wù)部門的受訪者提出近似的觀點(diǎn)。

之前市局做的規(guī)劃加起來有278萬元，但這幾年沒感覺發(fā)揮什么特別好的、實(shí)際的作用……很多時(shí)候，我們?cè)诟竞献鬟^程中發(fā)現(xiàn)，他們大都還是關(guān)注能掙多少錢之類的，卻沒有把事情做到實(shí)處。（訪談資料19032801，J市公安局局長）

（二）算法對(duì)社會(huì)問題的“信息過描”轉(zhuǎn)化為優(yōu)先排序

仔細(xì)審視算法塑造下的社會(huì)治理，可以發(fā)現(xiàn)，警務(wù)部門對(duì)算法性能的主要評(píng)估標(biāo)準(zhǔn)是“預(yù)測精度”，即預(yù)測犯罪的精準(zhǔn)度。出于這一目的，警務(wù)部門需要更多數(shù)據(jù)來訓(xùn)練算法以提高預(yù)測的精準(zhǔn)度。這與一般算法有明顯的差異性。以網(wǎng)約車平臺(tái)為例，商業(yè)領(lǐng)域算法的主要目的是幫助司機(jī)高效、便捷地抵達(dá)目的地，無助于達(dá)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(huì)治理領(lǐng)域的算法恰恰相反——為了實(shí)現(xiàn)精準(zhǔn)預(yù)測，所有數(shù)據(jù)和信息的收集成為警務(wù)工作的核心。N省《建設(shè)全省公安機(jī)關(guān)數(shù)據(jù)采集共享長效機(jī)制工作方案》就提出要組織各警種、各地市開展數(shù)據(jù)采集，并向各警種、各地市下達(dá)79項(xiàng)采集任務(wù)。多位受訪者均指出警務(wù)部門對(duì)數(shù)據(jù)的高需求。

公安精準(zhǔn)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(shí)別必須要精準(zhǔn)，要是不精準(zhǔn)的話，說白了就會(huì)做很多的無用功……比如有一個(gè)比對(duì)閾值，普通情況下這個(gè)閾值可以調(diào)到50%，只要有相似的，都可以看看，而這個(gè)系統(tǒng)基本上要達(dá)到90%、95%以上，這需要大量數(shù)據(jù)去喂。（訪談資料24061401，S市警務(wù)部門合作平臺(tái)企業(yè)算法工程師J先生）

治安管理、犯罪打擊這一塊，公安應(yīng)該考慮到方方面面，事前事后，越全面越細(xì)致越好。要達(dá)到這樣的程度必須獲得各種各樣的數(shù)據(jù)信息。（訪談資料24061302，S市公安局治安大隊(duì)副隊(duì)長）

有研究指出，治安太復(fù)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(wù)（McDaniel & Pease，2021：24-25）。但為了獲取精準(zhǔn)的預(yù)測結(jié)果，警務(wù)部門需獲取大量信息，這使其在社會(huì)治理過程中遭遇信息和數(shù)據(jù)過剩的困境。由此帶來的問題是，算法在警務(wù)領(lǐng)域的擴(kuò)展使現(xiàn)有的工作量在一定程度上超出了可管理的范圍。例如，法醫(yī)依賴犯罪現(xiàn)場提供的信息來處理犯罪案件，早期DNA技術(shù)的出現(xiàn)使得法醫(yī)過去可在八小時(shí)內(nèi)完成的犯罪現(xiàn)場勘察后來需時(shí)一個(gè)星期以上，因?yàn)樗麄冃枰_展更多的犯罪細(xì)節(jié)和數(shù)據(jù)的勘察印證（Giacomantonio，2015：75）。算法重構(gòu)社會(huì)治理的邏輯也有近似的影響。我們?cè)谠L談中常常聽到基層警務(wù)人員提到這樣一個(gè)觀點(diǎn)：他們的角色已經(jīng)變成“數(shù)據(jù)錄入員”。

這是我們搞警務(wù)智能化的基礎(chǔ)，數(shù)據(jù)的采集這塊，只靠人力是根本行不通的，動(dòng)不動(dòng)就發(fā)動(dòng)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(wù)部門社會(huì)治理依托的“苞殼法”（bud-shell method），即依靠警察的犯罪打擊經(jīng)驗(yàn)和直覺處理社會(huì)問題的模式（見圖2），算法驅(qū)動(dòng)的警務(wù)使得基層警務(wù)人員除了完成日常任務(wù)外，還必須成為“數(shù)據(jù)輸入專家”。對(duì)他們來說，可能有80%的工作時(shí)間都要花在收集和整理數(shù)據(jù)上。規(guī)模化的數(shù)據(jù)收集使警察的工作變得比以往復(fù)雜得多。在數(shù)據(jù)增加和信息過剩的情況下，不受限制地使用警務(wù)算法不僅會(huì)加大警務(wù)部門的工作量，而且容易使算法轉(zhuǎn)變?yōu)楦鞣N形式的優(yōu)先排序和刻板印象。這些算法會(huì)與不起作用的干預(yù)措施聯(lián)系在一起，使得警務(wù)部門的一些算法應(yīng)用缺乏建設(shè)性和實(shí)用性。

我們?cè)贜省和M省警務(wù)部門調(diào)研時(shí)，基層警務(wù)部門的負(fù)責(zé)人就指出，有時(shí)候使用算法模型的價(jià)值在于提升他們與上級(jí)警務(wù)部門和公眾打交道時(shí)的“形象”，即表明該局的警務(wù)工作對(duì)數(shù)字社會(huì)犯罪形式的適應(yīng)和新技術(shù)的采用：“我們時(shí)間不多，可以先做幾個(gè)數(shù)字派出所的試點(diǎn)，大數(shù)據(jù)算法模型，這些東西拿得出去，亮點(diǎn)就出來了”（訪談資料19032803，J市公安局局長）。警務(wù)部門的犯罪打擊成效被轉(zhuǎn)化為擁有多大體量的數(shù)據(jù)和復(fù)雜程度不同的算法。一些數(shù)據(jù)及在此基礎(chǔ)上的算法輸出也具有較強(qiáng)的遲滯性。在N省，省廳資源服務(wù)平臺(tái)部分基礎(chǔ)數(shù)據(jù)無法實(shí)現(xiàn)實(shí)時(shí)更新。全省警務(wù)地理信息系統(tǒng)的地圖數(shù)據(jù)滯后于社會(huì)實(shí)際使用的地圖數(shù)據(jù)兩年以上。基于遲滯性的數(shù)據(jù)所開發(fā)的警務(wù)算法除了將人的行為和場所轉(zhuǎn)化為粗糙的數(shù)據(jù)點(diǎn)之外，能發(fā)揮的作用有限，其在警務(wù)實(shí)踐中容易轉(zhuǎn)變成技術(shù)先進(jìn)性的代名詞。

六、結(jié)論與討論

在新的研究場景，立足警務(wù)部門算法實(shí)踐，本文力圖回應(yīng)的問題是：算法的廣泛應(yīng)用給國家的社會(huì)治理帶來何種新的可能？本文的整體判斷是：相對(duì)于傳統(tǒng)的社會(huì)治理方式，算法已經(jīng)成為新的社會(huì)治理中樞，可以有效應(yīng)對(duì)數(shù)字社會(huì)治理涌現(xiàn)的多重挑戰(zhàn)。警務(wù)部門與平臺(tái)企業(yè)的合作形成了“警察—平臺(tái)企業(yè)—社會(huì)”的多元關(guān)系結(jié)構(gòu)。省級(jí)警務(wù)部門通過構(gòu)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(shí)現(xiàn)警務(wù)力量從物理空間向網(wǎng)絡(luò)空間的全面延伸。由此，警務(wù)部門基于算法的數(shù)字治理實(shí)踐顯示出了突出的治理效力。

進(jìn)一步而言，算法在警務(wù)部門的集約化過程本身是算法對(duì)治理權(quán)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(yīng)用表現(xiàn)出其對(duì)數(shù)字治理權(quán)的控制與集中（吳進(jìn)進(jìn)、何包鋼，2023）。然而，本文對(duì)警務(wù)部門的細(xì)致經(jīng)驗(yàn)研究在呼應(yīng)這一觀點(diǎn)的同時(shí)，也發(fā)現(xiàn)了不同之處。警務(wù)部門依托算法重構(gòu)社會(huì)治理的過程中，產(chǎn)生了明顯的“分層效應(yīng)”，算法在不同層級(jí)警務(wù)部門中的使用及功能邏輯存在差異，這進(jìn)一步影響了各級(jí)警務(wù)部門的權(quán)力運(yùn)作邏輯。這些變化可能會(huì)產(chǎn)生意想不到的結(jié)果。在算法的使用邏輯方面，省級(jí)警務(wù)部門主要負(fù)責(zé)對(duì)算法進(jìn)行整體設(shè)計(jì)和研判，將算法生成的結(jié)果向下反饋。市級(jí)警務(wù)部門主要基于算法對(duì)不同類型的犯罪問題展開“合成作戰(zhàn)”，運(yùn)用算法為案件偵查提供重要的資源和技術(shù)支持。基層警務(wù)部門則關(guān)注數(shù)據(jù)的收集、算法結(jié)果的執(zhí)行以及風(fēng)險(xiǎn)的預(yù)防。這背后的權(quán)力差異在于，中央和省級(jí)警務(wù)部門更關(guān)注如何借助算法在警務(wù)內(nèi)部實(shí)現(xiàn)治理權(quán)（包括數(shù)據(jù)權(quán)、算法權(quán)和平臺(tái)權(quán)）的集中，以及在警務(wù)組織外部塑造分布式的治理權(quán)力（平臺(tái)企業(yè)成為社會(huì)治理的重要一環(huán)）。基層警務(wù)部門在算法集約化過程中的治理權(quán)減少，基層隱性知識(shí)和“街頭智慧”的地位降低（Brayne & Christin，2021）。

不僅如此，不同層級(jí)警務(wù)部門對(duì)算法使用的分層效應(yīng)還有一個(gè)隱蔽的伴生變化，即算法對(duì)同一層級(jí)警務(wù)部門的不同警種也產(chǎn)生了差異化影響。掌握更豐富算法模型和更大規(guī)模數(shù)據(jù)的警種往往會(huì)成為警務(wù)部門運(yùn)作的關(guān)鍵節(jié)點(diǎn)，更容易形成新的權(quán)力集中。并且，在算法的技術(shù)特性（比如及時(shí)性、可重復(fù)性等）的加持下，這些業(yè)務(wù)警種擁有的治理權(quán)力會(huì)變得越來越大。我們?cè)贜省和M省調(diào)研時(shí)，受訪者分別指出網(wǎng)絡(luò)安全或科技信息等警種得益于其掌握的算法資源和規(guī)模化數(shù)據(jù)資源，在案件偵辦、風(fēng)險(xiǎn)研判中扮演著重要角色。警務(wù)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(tài)。

中國社會(huì)治理過程中涌現(xiàn)的這些現(xiàn)象并不僅僅局限于警務(wù)領(lǐng)域，因此，本文的發(fā)現(xiàn)在其他領(lǐng)域亦具有理論解釋力。首先，算法在重構(gòu)社會(huì)治理過程中形成的警察—平臺(tái)企業(yè)—社會(huì)的多元治理結(jié)構(gòu)，本質(zhì)上是應(yīng)對(duì)網(wǎng)絡(luò)犯罪形式變化帶來的治理資源短缺和協(xié)作能力不足的產(chǎn)物。我們可以在數(shù)字公共服務(wù)領(lǐng)域發(fā)現(xiàn)類似的現(xiàn)象。為回應(yīng)社會(huì)需求的普遍增長，國家層面積極引導(dǎo)，形成政府—平臺(tái)企業(yè)—社會(huì)共同構(gòu)成的公共服務(wù)生態(tài)網(wǎng)絡(luò)（宋鍇業(yè)、徐雅倩，2025）。平臺(tái)企業(yè)在公共服務(wù)和社會(huì)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(wù)部門在內(nèi)的國家行政系統(tǒng)的“視覺功能”（努力使其社會(huì)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(jí)警務(wù)部門可以借助算法及其收集的大量數(shù)據(jù)，實(shí)時(shí)地對(duì)社會(huì)進(jìn)行分布式觀察，對(duì)影響社會(huì)秩序的風(fēng)險(xiǎn)源頭進(jìn)行全面觀察和感知。這一過程在數(shù)據(jù)管理等部門的工作中亦是如此，只是數(shù)據(jù)管理部門更注重對(duì)公眾需求的感知乃至“未訴先知”。

“大平臺(tái)”“大算法”和“大數(shù)據(jù)”的建設(shè)已經(jīng)成為國家治理、社會(huì)治理過程中的新趨勢。我們通過長期實(shí)地調(diào)查發(fā)現(xiàn)，這里的“大”已經(jīng)遠(yuǎn)遠(yuǎn)超出了“規(guī)模”的范疇，而是內(nèi)在蘊(yùn)含著國家面對(duì)數(shù)字社會(huì)的巨大變化時(shí)，對(duì)警務(wù)部門的社會(huì)治理方式進(jìn)行的具有前瞻性的調(diào)整。研究者對(duì)這種特殊而普遍的治理現(xiàn)象進(jìn)行分析時(shí)，既要關(guān)注已經(jīng)被大量研究強(qiáng)調(diào)的數(shù)據(jù)、算法、平臺(tái)本身的透明度、公平性等技術(shù)議題，更要關(guān)注它們?cè)诰瘎?wù)部門等公共部門運(yùn)行中涉及的更深層次的關(guān)系、權(quán)力和空間邏輯變化。更重要的是，從關(guān)系或權(quán)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(fù)出現(xiàn)的“問題/議題”是由算法這一尚未被深入認(rèn)識(shí)的系統(tǒng)性力量造成的。算法等尖端科技不可阻擋的力量與社會(huì)治理之間的適配感或沖突感，往往會(huì)更多地出現(xiàn)在警務(wù)部門的工作中。沿著上述思路，未來的研究需要更多關(guān)注國家公共部門應(yīng)用算法的差異化邏輯，這一議題值得進(jìn)一步追問和思考。