广监云在中国应急管理杂志刊发文章 | 人工智能赋能治理模式向事前预防转型的探索与实践
摘要：人工智能作为引领新一轮科技革命和产业变革的战略性技术，正深度赋能应急管理领域，推动公共安全治理模式向事前预防转型。本文立足国家战略导向，系统梳理了人工智能赋能治理模式向事前预防转型的发展态势，全面展示了其在气象预警、海洋灾害防治、地质灾害防控、高危行业监管及基层场所安全等全灾种、全链条的实践应用，重点剖析了典型全应急大模型在“九小场所”隐患排查治理中的创新模式与成效。同时，分析当前面临的自然灾害极端化、技术标准不统一、城乡设防差异显著等挑战，并从完善标准体系、深化场景融合、强化数据共享、健全治理机制等方面提出对策建议，为构建全灾种、全周期、全要素的现代化应急管理体系提供参考。
一、事前预防转型的发展态势与战略意义
（一）国家战略的顶层设计与政策引领
党的二十大报告明确提出，坚持安全第一、预防为主，建立大安全大应急框架，完善公共安全体系，推动公共安全治理模式向事前预防转型，为新时代应急管理工作指明了方向。中共中央政治局第二十次集体学习强调，人工智能作为引领新一轮科技革命和产业变革的战略性技术，要全面推进其科技创新、产业发展和赋能应用。
2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，将人工智能赋能治理能力作为五大重点任务之一，明确要求加强人工智能在防灾减灾救灾、公共安全预警等方面的应用，提升监测预警、指挥决策、现场救援等工作水平。2026年3月，政府工作报告进一步提出“深化拓展‘人工智能+’，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用”，将应急管理智能化作为数字政府建设的核心板块，要求以科技赋能提升基层应急处置能力。“十五五”规划建议进一步指出，要加快人工智能等数智技术创新，全面实施“人工智能+”行动，加强人工智能同社会治理相结合，抢占人工智能产业应用制高点。
2026年全国应急管理科技和信息化工作会议明确要求，深化人工智能建设应用，强化业务支撑能力，加快健全应急装备体系，推动安全应急装备产业发展，为基层减负赋能增效。国务院新闻办公室2025年发布的《新时代的中国国家安全》白皮书提出将人工智能赋能应急作为提升国家安全韧性的关键抓手，明确要求构建技术监测、风险预警、应急响应三位一体的智能化防控体系。一系列政策文件的密集出台，构建了人工智能加快治理模式向事前预防转型的顶层设计框架，为技术落地应用提供了坚实的制度保障。
（二）我国应急管理事业的发展基础与时代需求
党的十八大以来，我国应急管理事业取得历史性成就。“十四五”时期，自然灾害领域实现三个下降，年均受灾人次、因灾死亡失踪人数、因灾直接经济损失占GDP比重分别比“十三五”时期下降36.0%、22.9%和39.0%；安全生产领域实现两个首次，2024年全国生产安全事故死亡人数首次下降到2万人以下，重特大事故起数首次下降到个位数。2025年，全国生产安全事故起数和死亡人数同比分别下降9.4%、7.7%，全年未发生特别重大事故，我国公共安全形势总体稳定持续向好。
目前，我国已建成国家应急指挥总部，实现国家、省、市、县四级应急指挥平台24小时音视频联通，北京、上海、重庆、深圳等城市建成“一屏观全域、一网连全市、一脑统全局”的智慧应急管理体系，极端条件下综合救援能力显著提升。为破解极端灾害造成的断路、断网、断电等难题，我国在高风险区预置大中型无人机通信平台、应急通信基站、卫星电话等装备，为10.2万个多灾边远乡村配备保底通信装备，基层应急通信保障能力显著增强。
同时，必须清醒认识到，我国是世界上自然灾害最为严重的国家之一，灾害种类多、分布地域广、发生频率高、造成损失重的基本国情没有改变。随着全球气候变暖，极端天气趋强趋重趋频，台风登陆更加频繁、强度更大，洪涝、干旱、高温热浪等灾害风险显著加剧。世界气象组织数据显示，全球已连续11年经历高温，地球气候处于有记录以来失衡最严重状态，复合型、链发性灾害频发成为新常态，单一灾害往往引发次生灾害链，大幅增加了防控难度。现阶段，我国安全生产基础薄弱的现状短期内难以根本改变，危险化学品、矿山、交通运输等传统高危行业领域安全风险隐患仍然突出；城市内涝、火灾、燃气泄漏爆炸等城市安全风险日益凸显，超大规模城市综合体、地下管网、高层建筑等新型城市基础设施快速发展，进一步放大内涝、火灾、燃气泄漏爆炸、踩踏等安全风险；农村地区防灾减灾基础薄弱、设施滞后问题依旧突出。
传统安全应急模式采用人海战术,效率低、风险识别不精准、应急响应滞后、资源调配不合理等瓶颈，亟需引入人工智能技术破解难题。人工智能凭借其强大的数据处理、模式识别和自主决策能力，能够实现灾害风险的精准识别、早期预警和高效处置，推动防灾减灾从经验驱动向数据驱动转变，从被动救灾向主动防灾转型，成为催生应急管理新质战斗力的核心引擎，为提升应急管理体系和能力现代化提供了前所未有的技术支撑。
二、事前预防转型的多场景探索与实践创新
当前，人工智能技术已全面融入防灾减灾全链条，在监测预警、风险评估、指挥决策、应急救援、恢复重建等各个环节发挥着重要作用，形成了覆盖全灾种、多领域的应用格局。人工智能正从单一工具演变为重塑防灾减灾全链条的新质战斗力，构建起 “感—传—知—用” 闭环的技术支撑体系：“感”即全域智能感知，利用摄像头、气象站、物联网传感器等实时采集多维灾害数据；“传”即高速可靠传输，依托5G与卫星通信技术保障数据即时回流；“知”即智能认知研判，通过深度学习与大数据建模形成灾害态势认知；“用”即辅助决策执行，将分析结果转化为预警发布、资源调度与指挥决策的行动指令。
（一）全灾种全链条的技术赋能体系
1.气象预警精准预报实现跨越式提升
AI技术重构了气象预报范式，实现了从数据同化到预报服务的全链条智能化。基于大模型的气象预报系统可30秒生成10天全球预报，将强对流预警时间提前至3小时，台风路径准确率提升5%。国家气象中心构建的“1+N”气象大模型体系，针对暴雨、台风等不同灾害性天气开发专业模型，以国家级天气业务“智脑”为核心，针对暴雨、台风、强对流、寒潮等不同灾害性天气开发多个专业模型，形成了“智能网格预报一张网”，实现了上下联通、左右贯通的全国天气业务一体化。在2022年北京冬奥会期间将温度预报误差降低17%~38%。
我国已建成由9颗风云卫星、842部天气雷达、9万余个地面气象观测站组成的陆海空天一体化综合气象观测系统，灾害性天气监测率提升至83%，强对流天气预警时间提前13%。2025年，中央气象台台风24小时路径误差降至55公里，24小时强度预报误差为3.2米/秒，能够提前3天至7天预报区域性暴雨、高温、寒潮过程，提前15天预测全国性重大天气过程，提前6个月预测全球气候异常事件，提前1年发布气候年景预测产品，气象预报服务的精准度和时效性显著提升。
2.海洋灾害防治：搭建全链条智能防控体系
深圳海洋大模型以多源数据整合为基础，融合实测、遥感与再分析数据，构建全球多源数据统一质控管理体系，通过深度学习与动力学结合实现多尺度智能预报，依托三维温盐重构技术精准推演水下三维场，解析灾害发生机理，同时具备实时数据异常检测能力，能够敏锐捕捉风险前兆。实现了海况要素的高分辨率预报和水下三维场的精准推演。
该模型构建灾前预判、灾中预警、灾后评估的全链条体系，针对台风、风暴潮、海浪等海洋灾害进行全周期智能防控，依托动态风险一张图，为桥梁、港口、海上平台等关键基础设施提供安全阈值告警，智能推荐救援部署方案，实现分钟级联动响应，为近海与海岸带综合防灾提供了有力支撑。
3.防震减灾：秒级响应突破传统技术瓶颈
世界各国高度重视人工智能在防震减灾领域的应用。美国地质调查局建立人工智能智库平台，开展地震短临预测研究；日本气象厅通过AI技术持续改进地震预警系统。我国中国科学技术大学研发的智能地动系统，能够在1秒内精确估算地震震源机制参数，远超传统方法的分钟级响应速度，为人员逃生争取了宝贵时间。中国地震局联合多个机构研发的“谛听”大模型，能自动识别地震信号，精准区分天然与非天然地震，大幅提升了监测效率与准确性。
《防震减灾领域人工智能发展研究专项规划（2023~2035年）》中明确近期目标为2025年实现智能编目分类系统业务化运行、AI预测预警技术示范应用、应急服务能力显著提升；远景目标为2035年突破地震科学瓶颈，智能水平进入世界先进行列，重点布局智能监测预警、风险智能评估、智慧决策服务、跨界场景拓展四大实践领域，为防震减灾智能化提供了清晰的路线图。
4.地质灾害防治：打造天空地一体化智能感知网
针对传统人工巡查覆盖有限、响应滞后的问题，AI技术构建了“天—空—地”一体化智能感知网络。天基利用光学与InSAR卫星实现地表形变监测和隐患早期识别，识别准确率超80%，可覆盖广阔无人区，解决了传统巡查难以到达、难以持续的问题；空基通过搭载高精度传感器的无人机对重点区域高频次巡查，效率较人工提升10倍以上；地基部署GNSS、裂缝计等物联网传感器，结合边缘计算，实现毫秒级数据处理与实时预警。
深度学习模型可在一分钟内完成滑坡概率预测，精度达82%；改进型YOLO算法对灾害前兆的识别率超95%，实现了地质灾害的早发现、早预警、早处置。2025年西藏定日6.8级地震救援中，AI与无人机的融合应用实现了灾情快速评估和精准搜救，搭载热成像技术的无人机快速识别生命迹象，为地面救援提供了精准情报，受灾群众当晚即住进棉帐篷，藏历新年前全部搬入活动板房，展现AI在极端灾害救援中的强大支撑能力。
（二）重点行业领域的智能化转型实践
1.化工安全：推动从“人防”向“技防”转型，提升本质安全水平
AI赋能危化品安全管理，通过数据采集—智能分析—精准预警—快速处置的闭环，破解了传统管理的短板。安全风险智能化管控平台整合全域数据，实现一站式风险预警与闭环处置；智能巡检机器人24小时不间断巡检，精准识别气体泄漏与设备异常；AI防爆摄像头和智能传感器可感知前端微小风险。AI技术的应用，推动化工安全管控从人工经验向AI数据研判转变，从事后处置向事前主动预防转变，从高危人工作业向无人化智能作业转变。
2.矿山安全：迈向少人化、无人化作业新阶段
人工智能大模型在矿山人员行为规范、设备运行管控、灾害预警分析等方面得到广泛应用。AI 视频智能监控可以实时识别未佩戴安全帽、违规操作等不安全行为；计算机视觉技术可以实现巷道掘进、支护等工程的自动化巡检和质量评估。此外，物联网和AI算法可以对采掘、运输等设备进行实时状态监测和故障预测。全国煤矿智能化产能占比已不低于60%，智能化工作面常态化运行率不低于80%，危险繁重岗位作业智能装备或机器人替代率显著提升，矿山本质安全水平大幅提高。
3.农业与林业灾害防治：筑牢生态安全与粮食安全防线
在农业领域，构建天基卫星+空基无人机+地基物联网+AI大脑的闭环体系，可提前14天预测倒春寒等灾害，预警准确率超95%；AI快速诊断病虫害，指导无人机靶向喷药，农药用量降低20%以上。在林业领域，“空天地”一体化感知网实现 7×24小时监测，AI识别盗伐、违规用火效率提升10倍；高光谱精准监测病虫害，实现“点对点”施药，减药30%至50%，推动森林灾害防治从被动救灾转向主动防御。
（三）基层场所安全治理的创新突破——以安全应急大模型为例
基层是防灾减灾的“最后一公里”，也是安全治理的薄弱环节。“九小场所”（小商铺、小餐饮、小住宿等）数量庞大、分布广泛，存在安全意识薄弱、专业能力不足等问题，是火灾、燃气爆炸等事故的高发区。近期发生的重特大事故，均暴露出“九小场所”监管力量不足、专业能力欠缺、主体责任落实不到位等突出短板，传统“人海战术”式的监管模式已难以适应新形势下的安全治理需求。本文以大羽安全应急大模型为例，其作为全国范围内实施的体系化安全应急垂类大模型，为破解基层场所安全治理难题提供了创新解决方案。
1.核心痛点与价值主张
“九小场所”监管长期面临看得见的管不着、管得着的看不见、看得清的改不了的治理困局，根源在于监管力量与监管对象失衡、专业能力与监管需求不匹配、责任体系与协同机制不完善。大羽安全应急大模型以重塑隐患排查治理模式，实现安全治理能力跃阶,搭建“基层人员AI巡检巡查、场所业主AI自查自改、监管部门AI监管”三位一体治理体系，推动AI普惠赋能，实现人人都是安全员。
2.大模型产品能力与核心优势
大羽安全应急大模型基于10亿级安全应急专有数据集和千亿级模型参数训练而成，具备专业知识问答、图像识别解答、视频识别解答、预案制定修订、公文报告撰写、数字人交互等六大核心功能。核心优势突出：
一是更专业。根植安全应急专用大模型，输出结果精确，隐患识别准确率达90%以上，远高于接入通用大模型的系统。整合全国“九小场所”检查标准，覆盖9+N类场所、4000+检查项，针对不同类型场所定制差异化检查清单，避免漏检、错检。二是AI Agent更智能。具备行动智能，可自动部署检查任务、监督执行、督办整改、生成报表报告，大幅减轻基层工作负担。AI原生架构更易用。三是操作简易，采用Agent原生架构，用户只需拍照上传，系统即可自动识别隐患、生成整改建议、出具检查报告，实现零门槛操作。支持千人千面的辅助决策，可根据用户需求自动生成各类统计图表和分析报告，为监管部门精准施策提供数据支撑。
3.实践案例与应用成效
大羽安全应急大模型已在北京市东城区、吉林省四平市、河北省廊坊经开区等多地落地，覆盖消防监督执法、“九小场所”隐患排查、燃气安全治理、综合监管等核心应用场景。综合各地实践，其显著成效集中体现在以下三个方面：
一是监管执法效率大幅提升。模型通过智能识别和靶向推送，缩短了单次检查耗时，使执法资源调配更精准高效，有效支撑动态监管和闭环管理。
二是隐患排查与整改能力全面增强。模型在隐患识别准确率（整体＞90%）和整改跟踪方面表现突出，帮助各地实现从“人防”到“技防”的转变，特别是在“9+N”类场所和燃气等领域，推动监管覆盖率达到全覆盖，隐患整改率保持高位。
三是基层负担显著减轻。模型自动化处理大量重复性工作，大幅降低基层人员的日常监管负担。
可以看到，安全应急大模型的应用，不仅解决了基层监管力量不足、专业能力欠缺的问题，还压实了场所业主的主体责任，实现了监管部门与商户的良性互动，为基层安全治理现代化提供了可复制、可推广的新模式。
三、挑战与发展对策
（一）当前面临的主要挑战
1.自然灾害风险加剧，防控难度不断增大
全球气候变化导致极端天气气候事件频发多发，灾害的突发性、异常性和复杂性显著增加，灾害链效应凸显。传统灾害预测模型难以准确模拟极端灾害的演化规律，对复合型、链发性灾害的预警能力不足，给人工智能防灾减灾带来了更大挑战。
2.技术应用存在短板，核心能力有待提升
一是基础理论和核心算法原创性不足，与世界顶尖水平相比仍有差距；二是数据标准不统一，不同部门、不同地区的数据壁垒尚未完全打破，数据共享困难，导致模型训练数据不足、质量不高；三是模型泛化能力不足，在复杂场景和极端条件下的适应性较差；四是AI的不可解释性问题，影响了决策的可信度和接受度。
3.城乡发展失衡，基层应用能力薄弱
城市在人工智能基础设施建设、技术应用、人才储备等方面具有明显优势，而农村地区防灾减灾基础差，智能化设备覆盖率低，基层人员技术能力不足，难以有效应用AI技术开展防灾减灾工作。高风险城市与低设防农村并存，导致城乡防灾减灾能力差距进一步拉大。
4.治理机制不完善，保障体系滞后
一是人工智能防灾减灾标准规范体系尚未建立，产品研发、应用部署、效果评估缺乏统一依据；二是人机协同机制不健全，如何平衡AI辅助与人类最终决策的关系，避免过度依赖AI或忽视AI作用，仍需进一步探索；三是人才培养体系滞后，既懂应急管理又懂人工智能的复合型人才严重短缺。
（二）发展对策与建议
1.深耕基础研究，攻坚核心技术，筑牢创新根基
一是深化灾害科学与人工智能交叉基础理论研究。聚焦极端灾害演化机理、多灾种耦合致灾规律、灾害链传导机制等核心科学问题，开展跨学科联合攻关，为AI模型构建提供坚实的理论支撑。重点研究复杂灾害场景下的多模态数据融合理论、不确定性推理方法、可解释性人工智能算法，破解AI“黑箱” 问题，提升决策的可信度和可追溯性。针对地震、地质等突发性强、预测难度大的灾害，加强AI与地球物理、力学等基础学科的融合，探索基于深度学习的灾害短临预测新方法。
二是突破关键核心技术瓶颈。重点发展自主智能体（AI Agent）技术，研发具备自主感知、自主决策、自主执行能力的应急智能体，实现从“工具辅助”向“人机协同决策”的跨越。加快数字孪生技术在防灾减灾领域的应用，构建城市、流域、矿山等重点区域的数字孪生体，实现灾害演化过程的可视化模拟和预案推演。加强边缘计算与端云协同技术研发，提升极端网络条件下的本地数据处理能力，保障断网、断电等极端场景下的应急响应。同时，攻关多传感器融合、高精度定位、智能机器人等关键技术装备，提升现场救援的智能化水平。
三是构建产学研用深度融合的创新体系。依托应急管理部重点实验室、国家工程研究中心等平台，整合高校、科研院所、企业的创新资源，建立国家级人工智能防灾减灾创新中心。支持龙头企业牵头组建创新联合体，承担重大科技项目，开展关键技术联合攻关。建立科研成果转化“绿色通道”，完善技术转移和产业化服务体系，推动实验室成果快速转化为实战能力。我们鼓励企业加大研发投入，对大羽安全应急大模型等成熟技术产品给予政策支持，加快规模化推广应用。
2.完善标准规范，强化行业监管，引导有序发展
一是构建多层次、全覆盖的标准体系。加快制定人工智能防灾减灾领域的国家标准、行业标准和地方标准，形成“基础通用—技术产品—应用服务—安全管理”四位一体的标准框架。基础通用标准重点明确术语定义、数据格式、接口规范等；技术产品标准规范大模型、智能传感器、巡检机器人等产品的技术要求和测试方法；应用服务标准针对气象预警、地质灾害防治、“九小场所”监管等不同场景，制定应用流程和效果评估指标；安全管理标准规范AI应用的风险防控、伦理审查和责任认定。借鉴大羽安全应急大模型的实践经验，优先制定基层场所安全、应急指挥决策等急需领域的标准，填补行业空白。
二是建立健全产品检测认证机制。成立国家级人工智能应急产品质量监督检验中心，建立科学、公正的检测认证体系。对AI大模型、智能装备等产品进行全性能测试，重点评估其准确性、可靠性、安全性和适应性。实行产品准入制度，未经检测认证的产品不得进入应急管理领域应用。建立产品质量追溯体系，加强对市场流通产品的监督抽查，严厉打击假冒伪劣产品。同时，建立标准动态更新机制，根据技术发展和应用需求，及时修订完善标准，保持标准的先进性和适用性。
三是加强AI应用全生命周期监管。建立人工智能防灾减灾应用备案制度，对重大AI系统的部署应用进行事前评估、事中监测和事后审计。明确数据采集、模型训练、部署应用、迭代升级等各环节的安全要求，加强对数据安全、算法公平性、系统稳定性的监管。建立AI决策失误问责机制，明确人机协同中的责任划分，避免因过度依赖AI导致的安全事故。同时，加强AI伦理建设，制定人工智能防灾减灾伦理准则，确保技术应用符合“人民至上、生命至上”的核心理念。
3.深化全场景融合，聚焦基层短板，提升实战能力
一是推动AI在防灾减灾全链条的深度应用。在预防与应急准备阶段，利用AI技术开展风险普查和隐患排查，建立动态风险数据库；通过数字孪生技术模拟灾害场景，优化应急预案和物资储备布局；开展智能化应急演练，提升队伍的实战能力。在监测与预警阶段，构建“空天地海”一体化智能感知网络，实现多源数据的实时融合分析；发展精准预警技术，提高预警的时效性和针对性，实现预警信息到村到户到人。在处置与救援阶段，利用AI快速研判灾情、生成处置方案、调度救援资源；推广应用智能搜救机器人、无人机等装备，提升复杂环境下的救援能力。在恢复与重建阶段，通过AI快速评估灾害损失，科学制定重建规划；监测次生灾害风险，保障恢复重建工作安全有序进行。
二是重点突破基层场景应用瓶颈。针对基层特别是农村地区技术力量薄弱、资金有限的实际情况，开发更多简单易用、低成本的AI产品和服务。推广基于大羽安全应急大模型的“智能终端+AI助手+运营商”轻资产模式，降低基层应用门槛。加强“九小场所”、城乡社区、农村危房等重点区域的智能化改造，部署智能烟感、燃气报警器等低成本传感器，实现隐患的实时监测和自动预警。开发适合基层人员使用的移动应用，提供语音交互、拍照识别等便捷功能，让基层人员能够轻松掌握和使用AI技术。同时，加强基层应用示范建设，打造一批可复制、可推广的典型案例，以点带面推动AI技术在基层的普及应用。
三是拓展跨领域融合应用新场景。推动AI与低空经济、卫星互联网、新能源等新兴技术的融合，拓展防灾减灾应用边界。发展无人机应急救援体系，利用无人机开展灾情侦察、物资投送、通信中继等任务；依托卫星互联网技术，解决偏远地区和极端灾害场景下的通信难题。加强AI与保险、金融的融合，发展巨灾保险和风险证券化产品，利用AI技术进行风险评估和定损理赔，提升灾害风险转移能力，构建全方位、立体化的公共安全防控体系。
4.打通数据壁垒，统筹数据资源共享，筑牢数据安全防线
一是打破部门和地区数据壁垒。建立全国统一的防灾减灾大数据平台，整合气象、水利、地震、地质、应急管理、自然资源、交通运输等多部门的数据资源，实现数据的集中管理和共享应用。制定数据共享目录和交换标准，明确各部门的数据共享责任和义务，建立数据共享考核机制。推动跨区域数据共享，建立京津冀、长三角、粤港澳大湾区等重点区域的数据协同机制，提升区域联防联控能力。同时，加强与国际组织和其他国家的数据交流合作，共享全球灾害监测数据和预警信息。
二是完善数据治理体系。建立健全数据采集、传输、存储、处理、使用全流程的管理制度，规范数据标准和质量要求。加强数据质量管控，建立数据清洗、校验和更新机制，确保数据的准确性、完整性和时效性。建设专业化的数据标注基地，培养专业的数据标注人才，为AI模型训练提供高质量的标注数据。鼓励社会力量参与数据采集和标注，建立众包数据采集机制，丰富数据资源。同时，加强数据资产管理，建立数据资产登记和评估制度，推动数据要素市场化配置。
三是保障数据安全与隐私保护。实行数据分级分类管理，对涉及国家安全、商业秘密和个人隐私的数据进行重点保护。采用联邦学习、隐私计算、区块链等技术，在不共享原始数据的前提下实现模型训练和数据分析，保护数据安全和用户隐私。建立数据安全监测预警和应急处置机制，及时发现和处理数据安全事件。加强数据安全法律法规宣传教育，提高从业人员的数据安全意识和防护能力。
5.健全治理机制，强化人才支撑，凝聚工作合力
一是完善人机协同决策机制。明确AI和人类在应急决策中的职责边界，建立AI辅助、人类主导的决策模式。AI主要负责数据处理、态势分析、方案生成等工作，为决策提供技术支撑；人类负责最终决策和指挥调度，发挥主观能动性和经验优势。建立AI决策建议的审核机制，对重大决策进行人工复核，确保决策的科学性和合理性。同时，建立AI决策追溯系统，记录决策过程和依据，为事后评估和问责提供支持。
二是构建多元化人才培养体系。完善学科建设，在高校开设人工智能与应急管理交叉学科，设立应急智能科学与技术专业，培养本科、硕士、博士等多层次复合型人才。加强职业教育和技能培训，在职业院校开设智能应急技术应用专业，培养面向一线的技术技能人才。建立在职人员培训制度，定期对各级应急管理人员和基层工作人员进行AI技术培训，提升其应用AI技术的能力。加大高端人才引进力度，引进国内外顶尖的人工智能和应急管理专家，打造高水平创新团队。同时，建立应急管理专家库，充分发挥专家在技术咨询、决策支持等方面的作用。
三是强化基层能力建设。加强基层应急管理机构建设，充实基层应急管理力量，配备必要的智能化装备设备。建立基层应急管理人员轮训制度，每年至少开展一次AI技术和应急管理培训，提升基层人员的综合素质和实战能力。鼓励和支持社会力量参与防灾减灾工作，培育专业化的应急救援队伍和志愿服务组织，构建 “政府主导、社会参与、多方协同” 的应急治理格局。同时，加强全民防灾减灾宣传教育，利用AI技术开展科普宣传和应急演练，提高公众的防灾减灾意识和自救互救能力。
四是健全激励约束机制。建立人工智能防灾减灾应用成效评估体系，对在技术创新、应用推广等方面做出突出贡献的单位和个人给予表彰奖励。加大财政投入，设立人工智能防灾减灾专项资金，支持技术研发、平台建设和应用示范。落实税收优惠、金融支持等政策，鼓励企业和社会资本参与人工智能防灾减灾事业。同时，建立健全问责机制，对在AI应用中玩忽职守、滥用职权、造成重大损失的，依法依规追究相关人员的责任。通过正向激励和反向约束相结合，充分调动各方面的积极性和主动性，推动人工智能防灾减灾事业持续健康发展。
四、结语
站在“十五五”规划开局之年的历史节点，人工智能作为催生新质生产力、锻造应急管理新质战斗力的核心引擎，正以前所未有的深度和广度重塑防灾减灾全链条，为破解传统防灾减灾模式的瓶颈和制约带来了革命性机遇。它不仅带来了精准预警、智能研判、高效处置的技术升级，更推动了防灾减灾理念、机制和模式的根本性变革：从经验驱动向数据驱动 转变，从被动救灾向主动防灾转变，从单一灾种防控向全灾种协同治理转变。
当前，人工智能已从实验室的技术探索走向实战化、规模化应用，在城市安全、防汛抗旱、地震地质灾害防控、高危行业安全监管、基层应急治理等核心场景落地生根、开花结果。气象大模型将台风路径预报误差降至历史最低，地质灾害智能感知网络实现了隐患的早发现早预警，“久安”大模型打造的智慧应急大脑大幅提升了指挥决策效率，矿山、化工等高危行业的智能化改造显著降低了事故发生率。值得关注的是，以大羽安全应急大模型为代表的专用大模型，精准瞄准基层监管力量不足、专业能力欠缺、主体责任落实不到位的痛点，通过AI普惠赋能，让人人都能成为安全员，不仅破解了“九小场所”等基层治理的老大难问题，更探索出一条技术下沉、责任压实、多方协同的基层安全治理新路径，为推动公共安全治理模式向事前预防转型提供了可复制、可推广的实践样本。
但我们必须清醒地看到，人工智能与安全应急的深度融合仍处于爬坡过坎的关键阶段，面临着多重现实挑战。全球气候变化进入加速失衡期，极端灾害呈现常态化、复合型、链发性特征，对技术的适应性和鲁棒性提出了更高要求；核心技术原创性不足、数据壁垒尚未完全打破、模型泛化能力和可解释性欠缺等技术短板，制约了技术效能的充分释放；城乡发展不平衡导致的数字鸿沟，使得农村地区成为人工智能防灾减灾的薄弱环节；标准规范、人机协同、人才培养等治理体系的滞后，也与技术快速发展的节奏不相匹配。这些挑战既是当前亟待解决的现实问题，也是未来技术创新和治理升级的主攻方向。
面向未来，推动人工智能与安全应急深度融合，必须始终坚守人民至上、生命至上的根本立场，以提升本质安全水平为核心目标，坚持目标导向与问题导向相结合、技术创新与制度创新并重。一方面，要持续加强基础研究和核心技术攻关，深化灾害科学与人工智能的交叉融合，突破灾害演化机理、多模态数据融合、可解释性AI、数字孪生等关键技术瓶颈，构建自主可控、安全可靠的技术体系；另一方面，要加快完善标准规范体系，打破部门和地区数据壁垒，构建全国统一的防灾减灾大数据平台，深化全场景融合应用，特别是要加大对基层和农村地区的技术倾斜和资源投入，推广轻资产、易操作的AI产品和服务，让人工智能成果更多更公平惠及全体人民。同时，要健全人机协同决策机制，明确AI与人类的职责边界，完善人才培养体系，构建政府主导、市场参与、社会协同的多元治理格局，形成推动人工智能防灾减灾发展的强大合力。
加快治理模式向事前预防转型，事关人民群众生命财产安全，事关国家安全和发展大局，是中国式现代化建设的重要保障。在全面建设社会主义现代化国家的新征程上，我们要牢牢把握人工智能发展的历史机遇，以技术创新驱动应急管理体系和能力现代化，加快构建全灾种、全周期、全要素、全场景的现代化防灾减灾救灾体系，不断提升防范化解重大安全风险的能力，为中国式现代化建设筑牢坚实的安全屏障，为人民群众的美好生活保驾护航。
●作者简介：朱伟，中国科学技术大学公共管理学院教授；肖瀚湘，中国科学技术大学公共管理学院研究生；秦绪坤，北京广监云科技有限公司副总经理、高级工程师。
●本文转载于《中国应急管理》杂志2026年第7期 编辑：董威
●编辑：魏思佳