问题——新技术浪潮下，哲学社会科学同时面临方法更新与组织变革的需求；当前，海量文本、案例与数据持续增长，传统研究在资料整理、证据比对、跨学科综合等环节成本高、周期长。同时，法律裁判逻辑、金融合规要求、教育教学规律、伦理风险识别等领域对专业性、可解释性和可追溯性提出更高标准。如何在提升效率的同时守住学术规范与价值底线，成为推进哲学社会科学数智化转型的关键课题。 原因——政策牵引、技术成熟与场景需求叠加，推动垂域大模型成为重要突破口。《中华人民共和国国民经济和社会发展第十五个五年规划纲要》提出加快探索人工智能驱动的新型科研范式，国务院《关于深入实施“人工智能+”行动的意见》强调推动哲学社会科学研究方法向人机协同转变，并探索适应新阶段的组织形式。，通用大模型在参数规模、算力与工程化能力上持续提升，为“从通用走向专业”提供基础。更重要的是，哲学社会科学的核心任务高度依赖语义理解、规则推理与规范表达，与大模型的语言能力天然契合，使“按需求定制”的垂域模型更易落地。 影响——垂域大模型加速落地，正在重塑知识生产边界，并带动教学与治理创新。近年来，高校成为重要策源力量之一：法律领域，清华大学、复旦大学、浙江大学、山东大学、东南大学等相继推出“PowerLawGLM”“DISC-LawLLM”“智海·录问”“夫子·明察”“法衡”等模型，推动法律智能应用从以检索与分析为主，迈向更强调生成与推理的综合能力；金融领域，上海财经大学研发“匡时财经教育大模型”，中央财经大学推出“中财融通大模型”，突出知识推理与安全合规并重；教育领域，北京师范大学发布“师承万象”基础教育大模型，聚焦教学规律、学习过程与育人目标的协同；伦理领域，东南大学发布系统级伦理垂域大模型“问道”，围绕伦理风险识别、规范建模与价值对齐开展探索。这些实践既提升了资料处理与知识组织效率，也为案例推演、规则比对、教学辅助、风险提示等提供新工具，推动学术研究、人才培养与公共治理的协同升级。 对策——以“专业增强+安全可控+规范治理”为主线，打通从技术到应用的闭环。业内普遍将研发路径概括为两类：一是“由通到专”，在通用基座模型上引入垂域语料开展自适应预训练，并结合任务微调实现知识迁移与场景适配，投入相对可控、周期较短，也能继承通用能力，更符合多数机构条件；二是“由专到专”，面向特定领域从零构建原生模型，使领域规则与推理范式更深嵌入模型结构，但更依赖高质量数据与长期算力投入。实践中，检索增强生成（RAG）也被广泛采用，即对接高质量知识库，通过“检索—阅读—生成”流程提升回答准确性与可溯源性。需要注意的是，外挂式增强有助于降低“编造”风险，但仍需与模型能力提升、数据治理、评测体系和责任边界配套，才能形成稳定可信的专业能力。为此，应同步完善垂域数据标准与授权机制，建立覆盖准确性、偏差、可解释性、合规性与安全性的评测框架，推动学术机构、行业部门与平台企业协同治理，明确“能做什么、怎么做、出了问题谁负责”。 前景——通专协同将成为长期趋势，哲学社会科学有望形成面向未来的“数智化研究共同体”。随着垂域语料体系完善、专业评测逐步建立、应用场景持续拓展，垂域大模型将从“工具性辅助”走向“方法论嵌入”，在文献综述、概念建模、案例推理、政策模拟、课堂互动与科研管理等环节发挥更系统作用。同时，技术理性与学科理性的深度融合，将推动形成更可复核、更高效率、并更强调规范与价值约束的新型知识生产方式。可以预期，围绕开放共享与安全可控的制度安排将加快落地，推动成果更好服务国家治理、公共服务与社会发展。
这场由技术革新带来的学科变革，既是回应时代挑战的现实选择，也是重塑学术生态的重要机遇。当严谨的学术传统遇见创新的技术手段，中国哲学社会科学正以更开放的姿态，探索并书写智能时代的学术新篇。