《北京青年報》2025年12月23日報道
在北京市人民檢察院的一間辦公室里，一臺以國產算力設備為支撐的人工智能一體機正高速運轉。大屏幕上，成千上萬的信息數據如潮水般流過，由北京市檢察機關擁有自主知識產權的“3+N”控告申訴大數據模型矩陣系統逐一“思考”、解析。
不到一分鐘，系統就從紛繁復雜的信息中捕捉到了存在潛在風險的社會矛盾糾紛、可以導入案件程序辦理的線索信息并對執法司法工作情況實時開展反向審視——這不是科幻片場景，而是北京市檢察機關日常工作中的真實一幕。
近幾年，北京檢察控告申訴部門一直在思索如何將大數據模型這種新質生產力與新時代“楓橋經驗”相結合，打造出“數智楓橋·數治北京”這一北京樣板。
如今，這種“大數據模型”已融入北京檢察機關的日常工作之中，形成了“楓控智檢”“索跡智見”“法脈智鑒”三大模型領銜的“3+N”數智檢察模型矩陣，每天有數以萬計的涉法涉訴數據被智能處理。檢察官成為“數據指揮官”，從“辦一案”走向“治一片”，從“被動應對”走向“提前預防”。“科技賦能，就是為平安北京賦能。檢察官的辦案思維與最新的人工智能技術相結合，提前預警預防矛盾糾紛，就是我們最大的成效。”北京市人民檢察院黨組成員、副檢察長祁治國說。
大數據模型成為檢察官辦案“助手”
矛盾糾紛化解率超九成
在北京市人民檢察院里，不到半米高的人工智能一體機正在高速運轉，一體機連接的大屏幕上顯示，大數據模型正在對一條條檢察信訪信息進行分析、處理。沒多久，系統就給出了信訪信息中反映出的各類檢察監督線索信息，供檢察官進一步甄別。
“這是北京市人民檢察院研發的‘索跡智見’涉法涉訴監督線索篩查研判大數據模型，檢察官可利用這套系統，從群眾信訪材料中智能、準確、高效地探尋各類矛盾糾紛線索的‘蛛絲馬跡’，迅速提取出信訪事項中的具體涉法訴求。”北京市人民檢察院第十檢察部主任宋文國告訴北京青年報記者，通過運用“索跡智見”，檢察官能夠及時發現各類監督線索信息，導入司法程序辦理，實現矛盾糾紛法治化實質化解，化解率超95%。
在祁治國看來，相比疊加大量人力去閱讀、分析海量材料，“索跡智見”這樣的大數據模型可以大大節約檢察機關的時間成本，讓檢察官們“好鋼用在刀刃上”，全力去解決、處理大數據模型發現的監督線索，從而在第一時間處理化解矛盾糾紛。
如今在北京市檢察機關中，像“索跡智見”這樣的大數據模型并不少見。在北京檢察整個控告申訴條線的共同努力下，目前北京市檢察機關已建設起“楓控智檢”矛盾糾紛風險評估、“索跡智見”涉法涉訴監督線索篩查研判、“法脈智鑒”案事件反向審視三個主要大數據模型和多個應用于醫保欺詐監督、預付卡規范治理等領域的小模型，形成了“3+N”大數據模型矩陣系統。
“楓控智檢”大數據模型通過梳理海量的信息材料，對矛盾糾紛風險進行評估研判，高效、準確地發現高風險矛盾糾紛信息，并將相應的高、中風險矛盾糾紛及時通報相關單位，確保將矛盾糾紛的風險消滅于萌芽狀態。
而“法脈智鑒”大數據模型則立足于查找引發矛盾糾紛的“緣由”，反向審視司法、執法機關工作人員的辦案、執法情況。通過對大數據的分析，鎖定出群眾反映較多的矛盾糾紛、案件類型以及相關的司法或執法工作人員，這有助于檢察機關追溯司法辦案、執法工作中存在的問題，發現并移交違紀違法線索，并提出源頭治理的意見建議。
化解矛盾糾紛于未然
大數據模型每天處理信息數以萬計
在大數據的幫助下，檢察官們在調查、處理矛盾糾紛時，隨時可以打開智能化的“工具箱”，用最合適的大數據工具輔助開展工作。
“以前檢察機關往往是在矛盾糾紛出現之后再介入處理，現在有了大數據模型的幫助，我們可以在矛盾糾紛出現前，就將其化解于未然。”祁治國說，目前這些大數據模型已經全面覆蓋了北京市檢察機關刑事、民事、行政、公益訴訟“四大檢察”業務，每天都可以處理數以萬計的數據信息。
西城區檢察院辦理了一起西城區某小區居民因為停車糾紛而劃車的案件。“按照傳統的思維，這起案件判決后，檢察官的工作就告一段落了。可引發這起案件背后的矛盾根源并未得到解決。”祁治國表示，檢察官們調查后發現，那幾年，西城區因停車糾紛引發的各類刑事案件共有48件，其中因停車引發的尋釁滋事類案件占到該罪名案件的61.22%，而故意毀壞財物罪中的占比更高，達到81.81%。
西城區檢察院協調相關部門調取了大量相關數據，形成了一張西城區停車糾紛的熱力圖，所有需治理的風險點位一目了然。
有了這份熱力圖，檢察官們聯合街道建立專項協調機制，在部分胡同增設停車位，并設置了多個非機動車停放區。隨后，這一協調機制在整個西城區鋪開，隨著工作推進，西城區檢察院受理的因停車糾紛引發的刑事案件數量明顯下降了。
“回顧這些工作，我們檢察機關也思考了很多，得出三點總結。一是通過個案辦理，到類案監督，再到溯源治理，就可以實現由‘案’到‘治’的轉變。二是通過大數據模型，從批量發現案件線索、辦理檢察案件，到減少線索、降低案件，可以實現從辦案到預防的轉變。三是通過檢察履職的‘我管’，到各有關職能單位、部門形成合力的‘共管’，可以實現從個案辦理到系統性解決的轉變。”祁治國說。
他表示，總結起來，檢察機關踐行新時代“楓橋經驗”，就是堅持問題導向、系統解決、創新思維。據此，能幫檢察機關更好地化解社會矛盾糾紛、融入社會綜合治理。
大數據模型分析數據超22億條
為國家追回稅款等超2.4億元
這樣的大數據模型，很快取得了成效。此前檢察機關發現，部分加油站會通過“體外賬戶”收付款、賬簿憑證弄虛作假、篡改稅控軟件數據等手段隱匿收入、偷逃稅款。
北京市檢察機關運用大數據模型，全面分析超過22億條數據，發現了大量違法線索，督促相關企業補繳稅款及滯納金共計2.4億余元。針對辦案中發現的問題，北京市檢察院向市稅務局制發了檢察建議，堵住了存在的稅務漏洞。
如今，北京市檢察院打造的大數據模型仍在根據各級檢察機關的工作需要，不斷孵化出新的模塊或新的模型。祁治國認為，社會是一個系統，這就要求檢察官用系統觀念來解決社會所面對的問題。而大數據模型就是在海量數據中系統科學地發現問題、處理問題的絕佳幫手。通過不斷創新，讓檢察工作不斷走在時代的最前沿。
為預付卡商家“跑路”建起“防火墻”
372家企業被責令整改
近年來，在北京市檢察院的指導下，各級基層檢察院也將人工智能和大數據模型變為了“數智”好幫手。在這些新質生產力的幫助下，檢察機關能夠有效地發現社會中問題的征兆，變“被動防控”為“主動預防”。
此前，商家向消費者兜售預付卡后“跑路”的情況，引發了不少消費者投訴。朝陽區檢察院的檢察官們想到了利用大數據模型來解決問題。
朝陽區檢察院第六檢察部副主任李靜雯說，2024年初經過調研后他們發現，很多銷售預付卡的機構“跑路”前，都是有征兆的。不少“跑路”企業的做法都違反了北京的相關備案規定。
李靜雯表示，發現這一問題后，檢察官們梳理了海量數據進行“碰撞”，發現了100多條發卡企業存在應備案未備案問題的線索。檢察官們由此實地調查取證，確認企業是否存在違規行為。
朝陽區檢察院根據收集到的證據開展了公益訴訟檢察履職，制發檢察建議。相關部門先后對372家企業責令整改，消費者預存資金的安全性有了顯著提升。
大數據模型助檢察官升級思維
發現行政公益訴訟線索上千條
北京市檢察院第三分院第一檢察部副主任王金倩也在辦案中嘗試用大數據模型解決老百姓最關心的問題。
此前轄區基層檢察院曾辦理過一起交通肇事案件，事故發生在一所學校附近。承辦人進一步調查后發現，平谷區內還有一些學校不同程度地存在周邊道路交通基礎設施缺失的情況，于是著手辦理了相關行政公益訴訟案件。王金倩回憶，該案上報到北京市檢察院第三分院后，引起了檢察官們的關注。
“在全市范圍內，是否還有其他學校周邊的道路存在類似的安全隱患呢？”王金倩說，如果沒有大數據模型，檢察官就需要到各個學校實地調查，花費大量時間成本的同時，最后往往只能就某些個案進行處理。
但現在，檢察官們有了大數據模型。檢察官根據大數據模型發現的線索，去實地調查走訪，工作效率得以大大提高。如今，這款大數據模型已部署到北京各區檢察機關，最終發現行政公益訴訟線索1389條。
用數據發掘隱藏的線索
查獲犯罪嫌疑人180余人
除了通過應用大數據模型為民造福，還有一些以往難以被發現的犯罪線索借助北京檢察機關大數據模型被發現。
“醫保騙保是一類較特殊的犯罪，這種犯罪一般也不會有被害人報案，且為規避偵查通常使用現金交易，隱蔽性非常強，傳統的偵查手段難以有效發現線索。”北京市檢察院第一檢察部檢察官助理劉凡石介紹了這樣一起案件。
公安機關抓獲了一名利用醫保買藥后倒賣藥品的犯罪分子，繳獲的手機中發現了海量的涉嫌違規出售、收購醫保藥品行為的聊天記錄。
檢察機關在對案件進行研究后，意識到可以利用人工智能技術去深入挖掘這些聊天記錄背后的犯罪線索。通過調查，檢察機關發現了醫保騙保犯罪行為的大量共性特點，設計開發了醫保欺詐全鏈條監督大數據模型。
“我們把醫保騙保行為的特點、共性總結出來，將這些共性特點轉化為人工智能能夠理解的技術路徑，然后將海量的醫療大數據交給人工智能進行篩查，幫我們找出其中疑似醫保騙保行為的線索。”劉凡石表示，檢察機關此后通過檢察建議等方式，督促相關部門盡快堵住了漏洞。
這期間，檢察機關也得到了市醫保局等相關部門的大力支持，通過這款大數據模型，北京市檢察機關累計篩查出各類醫保騙保線索1100余條，在公安機關支持配合下累計查獲犯罪嫌疑人180余人。
大數據成為女童守護者
醫生履行強制報告義務落到實處
同樣利用大數據模型發現隱藏犯罪的還有北京市檢察院第一分院第七檢察部檢察官助理榮杰。他和團隊成員通過數據篩查發現有女童遭到性侵后，知情人沒有主動報案，這導致受害者無法及時得到法律的救助，也不利于未成年人的健康成長。
為了破解這個難題，檢察機關和衛健委合作，通過大數據“碰撞”的方式發現疑似未成年人遭遇侵害的線索。在大數據模型的幫助下，數起隱藏的惡劣犯罪被發現。
12歲的小靜（化名）不幸遭到侵害，由于醫生沒有履行強制報告義務，直到檢察機關用大數據模型發現了蛛絲馬跡，犯罪分子才被警方抓獲，并最終受到了法律的嚴懲。
榮杰介紹，通過大數據模型的幫助，檢察機關發現并向相關行政主管部門移送未履行強制報告義務線索12條，督促行政主管部門處罰9家單位、8名個人。
“讓我倍感欣慰的是，今年以來的案件中，北京檢察機關再沒有發現一起醫生未履行強制報告義務的情況。”榮杰說。
祁治國表示，北京市人民檢察院非常注重“3+N”大數據模型矩陣系統在全國的推廣應用。截至今年11月，北京市檢察院“數智楓橋·數治北京”技術工作室已先后接待30多家相關單位參觀調研。“模型采取模塊化建設思路，可以方便地實現相關兄弟單位間的共建、共享、共用。”
對話
祁治國：創新應變，數智賦能
踐行新時代“楓橋經驗”的實踐
北青報：打造北京檢察“數智楓橋·數治北京”解決方案的初衷是什么？
祁治國：隨著我國城鎮化進程快速推進，人口流動頻繁，城鄉結構發生了深刻變化，傳統治理模式已難以應對。這就要求我們主動去“識變”，根據這些變化調整我們的工作思路。北京檢察機關在參與化解這些社會矛盾風險的實踐中注意到，傳統的化解方式還存在一些短板，比如，以往我們很多是風險爆發后才介入處理，是被動處理而非主動處理。在依靠傳統方式開展工作的同時，我們也在主動思考，如何克服這些短板不足？我們注意到，人工智能大數據模型的高速發展，這種新質生產力已經在多個領域改變了原有的工作模式，極大地提高了工作效率與工作成效。能不能把智能工具和我們化解矛盾風險工作相結合，從而堅持好和發展好新時代的“楓橋經驗”，這種思考就是我們打造北京檢察“數智楓橋·數治北京”解決方案的初衷。
北青報：北京檢察是如何打造出了“數智楓橋·數治北京”這一解決方案的？
祁治國：有了之前提到的“識變”，我們就要努力“應變”，用科技的手段，把我們的想法變為工作實效。這要求我們引入人工智能模型，用系統的、大數據的思維去思考。我們建立起了“3+N”控告申訴大數據模型矩陣系統，這個大數據模型矩陣系統可以讓我們實現從“辦一案”走向“治一片”，從“被動應對”向“提前預防”進行轉變。應該講，是科技的力量與北京檢察官的大數據思維，讓我們把曾經的不可能，變為了今天的可能。
舉例說，拖欠稅費的案件因為數據量很大，調查起來非常困難。但我們打造了檢察監督稅費大數據模型，聚焦水資源稅等重點領域，以國有財產保護領域公益訴訟，推動了拖欠稅費征繳工作的開展。這就是“科技賦能”給檢察工作帶來的質的飛躍。
北青報：能不能用一句最簡單的話，概況北京檢察“數智楓橋·數治北京”的核心內容？
祁治國：在我看來，我們的“數智楓橋·數治北京”的核心內容可以用16個字來概括：系統施治、科技賦能、協同聯動、預防在前。這是北京檢察機關勇于“求變”的生動體現。
我們通過轉變思想觀念，應用科技手段，實現了矛盾風險最大程度的預防與化解，這就是我們控告申訴工作的現實意義所在，也是我們堅持和發展新時代“楓橋經驗”打造出的北京樣板。
