经济大数据与政策评估实验室（以下简称“实验室”）依托中国社会科学院数量经济与技术经济研究所（以下简称“数技经所”），于2023年启动组建。在实验室建设进程中，数技经所立足宏观经济形势研判与政策效应评估的核心研究导向，深度整合数量经济学、技术经济学、数字经济、绿色低碳经济四大学科长期积累的模型与数据资源，在传统定量分析工具的基础上，融入机器学习算法、人工智能大模型等前沿技术手段，初步构建起一个涵盖特色数据集、综合指数体系、专用分析模型，集经济预测、政策模拟评估、数据集成共享等功能于一体的综合性学术研究平台。

　　为系统探究该实验室的建设进展、核心功能架构与应用发展前景，12月10日，本报记者对实验室执行负责人数技经所研究员蔡跃洲，团队成员数技经所研究员吴滨、彭绪庶，副研究员罗朝阳、孙博文，助理研究员段梦，以及北京理工大学经济学院院长王兆华进行了访谈。

■2025年12月4日，中国社会科学院经济大数据与政策评估实验室建设结项评审会在京举行。王蕊/供图

　　以严谨治学服务“国之大者”

　　《中国社会科学报》：作为实验室执行负责人，您认为，实验室的发展定位如何体现服务国家战略的核心价值？

　　蔡跃洲：关于实验室的发展定位，我们始终秉持一个朴素的认识：评价社科院学者学术研究价值的核心标准在于，能否在服务国家战略、支撑中央决策中发挥积极作用。因此，我们依托所内宏观经济预测、科技创新、数字经济与绿色低碳四大优势领域，着力将实验室打造为以数据与模型为坚实支撑的专业化分析平台。

　　实验室的核心价值追求，在于以敬畏之心面对复杂经济系统，以严谨治学服务“国之大者”。未来，我们仍需持续精进，加强对机器学习、AI大语言模型等新工具的应用，不断迭代完善实验室平台，在服务国家战略和支撑中央决策的同时，探索经济学研究范式转变，切实履行社科学者的使命与担当。

　　《中国社会科学报》：数技经所立足自身学科特点与方法工具优势，融合前沿技术，构建跨学科研究载体。这一跨学科建设路径如何赋能宏观经济、政策评估等核心研究领域？

　　罗朝阳：数技经所的学科专业特点决定，我们在开展学术研究和智库研究中比较注重定量分析方法和前沿技术工具的应用。面对日趋复杂的经济系统，在传承这一学术传统的基础上，我们要积极融合计算科学、数据科学等前沿技术开展跨学科研究，尝试通过方法创新，为经济研究注入全新的洞察力，进而推动经济学乃至社会科学研究范式的转变。这种技术与学科的深度融合，为所里经济监测、政策评估与模拟等研究工作提供了重要支撑。

　　在政策评估与模拟层面，我们正探索构建基于人工智能和大数据的政策评估专用智能体，这使得我们可以对不同情境下政策的长期、动态影响，进行系统性沙盘推演，从而推动政策分析从静态的“事后评估”，向动态的“事前模拟”与“事中预警”拓展，大幅提升研究的科学性与政策指导价值。

　　段梦：我们依托实验室开发的“中国经济能源环境政策模拟分析系统”（以下简称“3E系统”）与“中国宏观经济大数据AI预测系统可视化平台”（以下简称“大数据AI系统”），尝试引入前沿技术手段，推动研究范式转变。

　　传统政策分析大多依赖静态经济模型与历史数据进行推演，难以精准模拟复杂系统的动态交互过程，且分析结果具有滞后性，可视化水平较低。“3E系统”和“大数据AI系统”具有以下特点：一是依托传统的可计算一般均衡模型，全面整合经济、能源、环境等多维数据，精心构建了一个包含39372个方程的精细化模型系统。该系统能够动态模拟财税、碳关税等政策的连锁反应，成功实现了从定性研讨到定量仿真的重大跨越。二是广泛汇聚多源高频数据，积极引入Transformer、贝叶斯网络等AI算法开展自适应建模与多周期滚动预测。其关键在于：通过交互式图表，实时、直观呈现复杂的预测结果，推动深度分析从“专业报告”迈向“可视洞察”。三是共同搭建了“数据驱动—模拟仿真—趋势预测—可视决策”的完整闭环，将政策评估与趋势研判从“事后总结”提升至“事中模拟”与“事前预警”，切实增强了决策的科学性与时效性。

　　《中国社会科学报》：实验室打破传统政策评估以定性分析为主的局限，通过整合大数据处理技术与经济学量化模型，构建起“多源数据融合—智能算法分析—政策场景应用”的完整技术链条。这一技术路径的创新点体现在哪些方面？对政策评估领域的方法革新具有怎样的示范意义？

　　吴滨：政策评估对于科学决策意义重大，但受数据、模型等因素制约，政策评估的作用难以充分发挥。而基于大数据、人工智能技术构建的这一技术路径，探索对传统评估方法的变革，显著提升了政策评估的效果。

　　其一，突破数据获取瓶颈。大数据方法的引入摆脱了对统计数据的单一依赖，既丰富了数据来源，增强了评估的时效性和动态性，也为模型的优化完善提供了重要支撑。其二，打破模型抽象限制。传统经济模型多是现实经济的简化抽象，而政策评估的核心诉求是还原现实经济运行逻辑。大数据和人工智能技术的发展为化解这一核心矛盾开辟了有效道路，通过提升模型对现实经济的仿真度，显著提升了评估准确性。其三，强化评估系统性。政策评估本身具有极强的系统性，借助多场景模拟功能，不仅可以提升政策事前评估能力，还有助于实现对政策综合效果的全方位、深层次评价。

　　可以预见，随着大数据、人工智能技术的持续发展以及相关机制的逐步完善，政策评估的精准性将大幅提升。

　　聚焦决策科学化赋能与前沿引领

　　《中国社会科学报》：经过两年发展，实验室已建成涵盖宏观经济预测、政策模拟分析、智能科研辅助、创新评价、绿色发展监测等领域的多个核心平台，形成一系列标志性成果。这些成果如何彰显实验室的学科优势与发展特色？

　　孙博文：实验室的标志性成果，是从“学科根基—技术载体—决策价值”三维度，深度彰显跨学科融合优势与服务国家战略的核心特色：以自然科学与社会科学交叉为核心学科根基，聚焦宏观经济、科技创新、数字经济、绿色低碳四大研究方向，构建中国宏观经济监测预测系统、中国经济能源环境政策模拟、科技创新与数字经济数据库、绿色创新发展监测平台，以及社科数智平台等核心载体，为相关学科体系化建设提供了有力支撑。

■经济大数据与政策评估实验室宏观经济高质量发展感知模拟器 王蕊\供图

　　在标志性成果中，经济预测系统凭借对GDP增速等核心指标的精准预判，将学科量化分析能力直接转化为年度经济目标制定的量化依据；经济蓝皮书的发布，进一步放大了成果的决策转化效能；“中国宏观经济政策数据库”则通过自主数据体系的系统化构建，筑牢了宏观经济政策研究长期、稳定、可持续的数据基础与分析框架，从根本上保障了宏观经济形势季度分析等重点智库项目的质量和延续性。

　　此外，实验室多篇政策内参获政府部门采纳，其实践成效更将跨学科研究优势与数据技术特色，精准落地为服务国家宏观决策的核心价值，凸显了学科交叉—技术赋能—决策支撑的闭环发展逻辑。

　　《中国社会科学报》：您认为，这些成果在支撑战略决策科学化、引领相关学科前沿发展等层面，有着怎样不可替代的价值与贡献？

　　吴滨：这些成果的不可替代价值，表现为聚焦决策科学化赋能与学科前沿引领。在支撑战略决策层面，通过提升宏观经济预测的精准度与时效性，强化对科技强国、绿色发展等重大战略的动态跟踪，依托高精度政策模拟仿真，实现问题预警—政策优化的全链条支撑，让决策从经验判断转向数据驱动，为破解复杂经济系统治理难题、推动新质生产力发展提供了量化依据。在引领学科前沿层面，以人工智能重构研究范式，在深化传统因果与机制分析的基础上，将仿真模拟推向新高度。与此同时，通过动态监测与系统分析的融合、宏观与微观研究的衔接，既拓展了数字经济、绿色低碳等领域研究边界，更以中国经济实践为核心，为整合本土数据与分析模型、总结中国经验、提炼中国模式、构建中国自主知识体系，提供了“技术工具+研究逻辑”的双重支撑。

　　《中国社会科学报》：实验室的建设成果值得肯定，但目前在系统交互体验、功能模块覆盖、数据处理流程等方面仍面临现实挑战。造成这些问题的主要原因是什么？

　　孙博文：造成这些现实挑战的核心症结集中于三个方面。其一，多源异构数据整合存在显著障碍，实验室日常处理的宏观统计指标、企业专利信息、实时监测数据等，在格式规范、更新频率与颗粒度上差异较大。如数百万条绿色专利数据库与高频宏观经济指标系统整合时，数据清洗、校验等环节易衔接不畅，不仅增加了技术复杂度与管理成本，还影响数据处理效率与分析结果一致性。其二，系统功能模块协同效能不足，现有技术架构难以适配研究范畴向数字经济、绿色创新监测等前沿领域的拓展，各业务平台采用独立技术标准与架构设计，导致系统集成复杂、模块协同性弱。其三，用户体验与多元化需求匹配度偏低，系统设计侧重专业化操作逻辑，未充分兼顾决策者、科研人员、媒体人员等不同角色的使用习惯。如决策者需产生直观结论、科研人员需深度分析工具，而系统当前的产品化能力难以满足这类差异化需求。

　　强化实验室感知与模拟核心效能

　　《中国社会科学报》：针对上述现实挑战，您认为，应通过哪些具体的方法加以改进？

　　彭绪庶：建议通过以下三方面协同施策，全面强化实验室的“感知”与“模拟”核心效能。一方面，夯实数据基座，以破解“数据孤岛”。建立多模态数据统一标准与全生命周期治理规范，部署AI智能化数据清洗与融合引擎，并在安全合规前提下，创新数据可控共享与复用机制，释放数据要素价值。另一方面，重构系统架构，以打破“系统烟囱”。将核心功能拆分为独立的微服务单元，基于微服务构建一体化业务中台，沉淀通用模型、算法库等可复用能力，强化跨平台数据与任务的无缝协同。此外，升级服务模式，以提升用户体验。以国家战略需求为导向，推行角色化与场景化设计，为科研、决策、公众等不同群体定制差异化交互界面与分析路径；在政策模拟等核心场景，深度集成参数调节、实时可视化与预警等交互工具，形成需求驱动的持续优化闭环。

　　《中国社会科学报》：作为执行负责人，您认为，未来需重点推进哪些工作，以实现实验室高质量发展？

　　蔡跃洲：哲学社会科学实验室既是新技术的“消费者”，也应成为新方法新工具的“供给者”。因此，在推进实验室建设过程中，要跟踪新技术发展前沿动态和趋势，及时利用新技术改进和加强基础经济数据资源的积累，提高效率、降低成本，为学术研究和决策咨询提供基础支撑。同时，实验室也要利用数智新技术，开发规模更大、更科学高效的经济分析平台与政策评估模拟系统，供研究人员使用。尤其是要针对经济社会发展中的重大理论现实问题，围绕支撑服务决策，探索利用人工智能技术赋能的哲学社会科学研究范式转型。

　　《中国社会科学报》：您如何综合评价实验室两年来的建设成效、发展特色、行业影响力及未来发展潜力？

　　王兆华：实验室建设成效显著，不仅全面完成了预定建设任务，更在多个核心指标上实现超额完成；成功构建了集数据资源、分析模型与智能平台于一体的科研基础设施，初步形成了跨学科协同的“社会科学+技术科学”融合创新体系。

　　在行业影响力方面，实验室产出的政策模拟分析报告和专题研究成果，体现了服务国家战略决策的实际价值。同时，实验室通过举办系列高水平学术论坛和常态化政策评估讲堂，正逐步形成学术交流与人才培养的重要平台。其突出特色在于以“数据驱动决策”为核心，将人工智能、机器学习等前沿技术深度整合于传统经济政策分析框架中，创新性地打造了“宏观经济高质量发展感知器和模拟器”。

　　展望未来，实验室在数据资源拓展、系统功能整合等方面，具有显著发展潜力，特别是在构建开放共享的跨学科研究平台方面前景广阔。但当前仍面临复合型人才短缺、关键技术攻坚、合作机制深化等挑战。实验室下一步将重点突破人才梯队建设与产学研协同创新机制，进一步提升成果转化效能，力争建设成为国家宏观经济治理领域具有标志性意义的智能化研究高地。

　　中国社会科学报记者 孙美娟