研讨会安排在部委大楼最大的那间会议室。椭圆形的会议桌坐了二十余人，除了政研室、办公厅、规划司、信息中心等相关司局的司处级领导，还有几位受邀的资深专家和学者。高晋和赵明作为技术团队代表，坐在靠投影幕布的一侧。
会议前半程是常规研讨，围绕“大数据、人工智能在政府决策中的应用现状与挑战”展开。几位学者从理论层面探讨了技术赋能可能带来的效率提升、透明度增加，也警示了算法偏见、数据垄断、决策过程“黑箱化”等风险。司局代表则更多从实践出发，谈到了数据共享壁垒、技术工具与现有工作流程的磨合、以及人才培养的迫切性。
气氛总体理性、平和，直到进入王部长指示增加的“案例展示”环节。
办公厅副主任简要介绍了重大基础设施项目的背景和引入“星图”模拟分析的考虑，然后示意高晋团队开始展示。
赵明操作电脑，投影幕布上出现了简洁的界面。他没有直接展示模拟结果，而是先花了三分钟，动态演示了“星图”在这个课题中的工作流程：从沙箱申请、多源数据接入清洗、情景参数设定，到模型运行和结果可视化。画面流畅，关键步骤配有简短文字说明。
“各位领导、专家，下面我们展示针对该项目能源匹配性的部分模拟发现。”赵明的语气平稳克制，“我们重点构建了三类情景：基准情景（各项规划按时完成）、延迟情景（关键配套工程延期）、压力情景（叠加极端天气与供应链波动）。”
一张张图表依次呈现。负荷曲线与电源结构的匹配缺口、不同延迟时长下的经济性损失区间、关键矿产资源价格波动对项目技术路线稳定性的冲击概率……所有图表都清晰标注了数据来源、模型假设和不确定性范围。最后一张总结图，用红黄绿三色标注了不同系统环节的“风险关注等级”，旁边附有简明的解释：红色代表“需重点协调推进或制定预案”，黄色代表“需持续监测”，绿色代表“当前规划下风险较低”。
十分钟展示，准时结束。赵明最后强调：“需要再次说明，以上所有分析均基于模型和有限数据，反映的是特定假设下的可能性，存在不确定性，仅供参考。实际决策需结合更广泛的因素综合研判。”
会议室里安静了几秒钟。一位头发花白的老专家率先开口，问题直接指向方法论：“你们这个‘风险关注等级’的划分阈值，是基于历史统计，还是专家打分？如果是后者，专家的选择标准和权重如何确定？这直接影响到红色警报的数量和分布。”
高晋接过话头：“您提到关键点了。目前的阈值是结合历史数据分布（如过去十年类似事件发生频率）和多轮专家德尔菲调查综合设定的。我们承认这其中存在主观判断成分，因此在附件中详细列出了阈值设定的依据和参与专家的背景构成。我们也提供了交互界面，用户可以根据自己的判断调整阈值，观察风险等级分布的变化。”
规划司的一位处长接着问：“我发现，在压力情景下，跨省输送能力成为最突出的红色风险。但据我所知，相关工程的国家层面协调机制已经在强化。你们的模型是否考虑了这种政策协调力度加大的动态因素？还是基于相对静态的‘惯性趋势’假设？”
这个问题切中了模型动态性的软肋。赵明坦诚回应：“目前的模拟确实对政策协调力度这类‘软性’因素的量化刻画比较薄弱，主要依赖历史趋势外推和专家对‘惯性’的估计。这是现有模型的局限之一。我们可以尝试引入政策文本分析、协调会议频次等代理指标，但因果关系和效果滞后的判断仍然非常困难。”
讨论开始升温。一位来自宏观经济研究部门的专家指出：“你们展示了技术层面的风险，这很好。但项目决策往往还要考虑区域平衡发展、产业结构调整、甚至国际竞争等更宏观的战略维度。这些维度如何与你们