多重局部耦合：政策制定因素何以影響執行結果
——基于人工智能政策歷程的兩階段多源流分析

胡 沖，蔣潮鑫

（浙江大學公共管理學院，浙江杭州 310058）

一、引言

政策制定和政策執行是政策過程中兩個重要的階段，良好的政策效果離不開正確的政策制定，更依賴于有效的政策執行。探究政策制定和政策執行的內在關聯，能夠為理解國家與社會的互動、高層級政府與低層級政府的互動提供素材；透過政策制定和政策執行的切口，可以觀察治理實踐中存在的問題，進而改善治理績效，推動國家治理現代化。在確保制定與執行聯合分析的意義之后，我們還需看到，政策制定和政策執行分別隱含了公共政策研究的兩個基礎視角：政策變動（policy change）和政策變異（policy variation）。[1]10更確切地說，政策變動包含變遷和平衡，采用這一視角的研究主要關注政策為何會出現以及政策保持長期穩定的原因；政策變異包含趨同和異化，此類視角適用于描述政策在層級間、地區間發生的選擇性執行、變通性執行等一系列紙面上政策設計和現實中政策實踐不相符的分割現象。或許是囿于階段啟發法的思維，又或許是建構各自話語體系的需要，目前兩類視角的研究都忽略了彼此之間的聯系，導致整體的理論分析始終落后于實際的政策過程。換言之，當前缺乏從政策制定到政策執行的完整鏈條中審視執行，并將其納入縱向的政策演變之中的研究。[2]組織學家詹姆斯·馬奇指出，執行過程是決策的延續，制定與執行必須作為一個整體加以分析討論。[3]從政策系統和政策過程的關系出發，制定與執行也都從屬于一個更大過程的子過程，即集體選擇與集體行動。[4]因此，一個沒有將制定過程考慮在內的執行研究是一個不完整的執行研究。如何把制定與執行結合起來，探索影響政策制定之因和造成政策執行之果的關聯，是公共政策過程研究值得深入思考的問題。

出于對以上問題的關懷，本文選擇從多源流框架入手，將用于解釋決策的復雜源流擴展至政策執行過程中，希望構建起一個跨越制定與執行的兩階段分析框架。進一步通過對人工智能政策歷程進行分析，本文試圖找到多源流核心要素在政策過程兩個階段上的變化特征，并嘗試回答影響政策制定的因素是如何作用于執行結果的。這一努力或可為政策過程理論與更廣泛的政策階段建立對話提供有益探索，也能形成對當下中國公共政策運行過程的深入認識。

二、文獻回顧

在政策執行研究中，制定與執行的關系曾被長期分離，一個重要的原因是第一代執行研究根植于古典行政理論的“政治-行政”二分法，兩者的界限在二分法的指導下借由自上而下的研究路徑被夸大，甚至形成了制定與執行的主從地位。這種局面在第二代執行研究中被打破，第二代執行研究認為制定和執行存在功能的互動性，執行者與制定者共同協商政策目標的達成，兩者形成平行互動的合作關系。[5]59事實上，在政策的“選擇-行動”邏輯中，政策在選擇中開始，在行動中繼續，制定與執行本質上就是一個連貫的政策過程。對于政策過程的研究，西方學界通常采用隱喻的方式來簡化政策過程的復雜性與動態性，其中影響力最大的比喻式理論之一是1984年由金登教授提出的多源流框架（Multiple Streams Framework）。該框架以問題源流、政策源流、政治源流、政策之窗以及政策企業家等為核心要素，揭示了國家層面如何進行設置政策議程。其核心命題是：三條源流彼此獨立地穿過決策系統，當政策之窗開啟時，在政策企業家的作用下，三條源流耦合在一起共同推動政策議程的建立。

作為國內政策過程研究中應用最廣泛的理論之一，多源流框架已在不同的標題下被審視。依據文獻內容，本文大致分理出三條路徑。第一條路徑聚焦多源流框架本身，包括對框架的述評和修正。丁煌等學者對早期引入和闡述多源流框架多有貢獻，以要素嵌入思路等為代表的修正類研究[6]，則反映了國內學界對框架中國化所做的努力。第二條路徑主要考察多源流框架對具體政策的解釋力，通常在某個特定政策的基礎上，圍繞框架的五個核心要素和各要素之間的關系進行解讀，代表性研究如討論鄉村振興戰略的出臺等。[7]第三條路徑試圖超越現有的框架嵌套式研究，一種方式是尋找中國情境下五個核心要素之外如網絡輿論對議程設置的影響[8]，另一種方式是通過多個政策的跨案例比較，總結多源流框架的應用困境和背后的因果聯系[9]。

毫無疑問，以上研究共同推動了多源流框架的理論進步，也一定程度上揭開了復雜的政策生產黑箱。但縱觀國內現有研究，對多源流框架的使用基本停留在政策過程的制定階段，總體上仍然沒能跳出議程設置的“金登視角”，多源流框架在其他政策階段的應用潛力被擱置，尤其是在執行環節。運用多源流分析政策執行并非易事，一個普遍的懷疑是多源流的核心要素在政策執行中是否具備適用性。如Zahariadis所言，多源流框架并沒有提供聯系制定與執行的具體機制。[10]盡管存在源流、窗口、企業家等要素的再概念化挑戰，但亦有不少學者堅持認為源流隱喻在理論上是適用于政策過程所有階段的。[11]遺憾的是，這些研究只是驗證了多源流對執行的初步適用性，并未建立起一個貫穿制定與執行的全過程分析框架。Luke Fowler等雖然對此問題有一定回應[12]，但這一努力由于沒有案例材料的佐證，因而對于制定和執行中的源流變化特征刻畫仍顯不足。特別是，對中國而言，在高度科層化和組織化的單一制結構中，影響政策制定的因素在政策執行中到底發生了什么變化、對政策結果又產生了怎樣的影響，這些具有重要價值的理論構建和研究發現目前仍然具有一定的討論空間。

三、一個跨越制定與執行兩階段多源流框架

為了在理論上更貼切地回答上述問題，本文構建了一個跨越制定與執行的兩階段多源流分析框架。在闡述之前，我們首先回答為什么選擇多源流。原因有二：其一，考慮到制定與執行的先后關系以及影響制定和執行因素的相似性，我們優先選擇關于制定的理論，多源流框架是當前政策制定中應用最廣泛的理論之一，這是我們選定多源流的起點。其二，模糊性假設。多源流框架解釋了模糊性條件下的政策選擇問題，這種模糊性來源于不確定的參與者、不明確的偏好和不清晰的技術等。事實上，模糊性不只存在于制定階段，執行階段亦是如此。從研究類型看，政策制定和執行皆屬于過程性研究，過程性研究的變量間關系一般邊界不明，并且事實、因果和目標缺乏一致性，模糊性是其主要特征。作為制定與執行的共同內核，模糊性假設為多源流跨越制定與執行提供了理論可行性。

該框架的基本邏輯（圖1）：當問題源流、政策源流和政治源流發展成熟后，在某一個時間點即政策制定之窗打開時，政策企業家推動三條源流的交匯，議題進入高層級政府的政策議程，源流變動促進了政策方案的出臺；高層級政府制定政策方案后，低層級政府需要落實政策，政策執行之窗打開，三條源流和政策企業家相繼進入政策執行階段，源流在不同層級和不同地區的變異情況影響了最終的政策結果。需要指出的是，政策執行之窗并不總是自動打開，政策的“半路夭折”現象說明了從制定到執行的線性過程中所存在的不確定性和現實政策過程的復雜性，對此后文將有分析。

圖1 一個跨越制定與執行的兩階段多源流框架

四、基于人工智能政策歷程的個案分析

2017年7月，國務院印發《新一代人工智能發展規劃》（以下簡稱《規劃》），標志著人工智能上升到國家戰略高度，中國人工智能發展迎來一股熱潮。本文選擇人工智能政策作為分析對象，理由是人工智能政策的出臺過程與多源流的核心要素有一定的契合度，并且距離政策頒布已經過去五年有余，低層級政府的政策實踐為本文的兩階段框架提供了可供比較的分析材料。相對于當前主流技術導向的人工智能研究，本文后面的分析將回到人工智能政策本身，在高層級政府制定和低層級政府執行兩個分析單元上，運用拓展后的多源流框架分析制定與執行中的源流變化。

（一）政策制定：源流變動

1.問題源流：政策問題構建

（1）推力：實質問題。一是對傳統產業的沖擊。數據表明，未來中國二十年里約占總就業人口76%的勞動力將會受到來自人工智能技術的沖擊，[13]失業警報正全面來襲。二是隱私安全與倫理。大數據時代任何人都無法逃脫被數據化的命運，人們在享受基于大數據的人工智能所提供的個性化服務時，個人數據也被第三方收集與分享，而個人卻很難追蹤數據隱私的泄露途徑與程度。不僅如此，被刻意收集與存儲的隱私數據還有可能在若干年后成為你生活的污點，彼時之言行能否作為此時評判之依據是擺在人類面前共同的倫理問題。三是決策權轉移引發的歧視。人工智能算法以一種數學方法將人類生活量化處理，在海量數據之間進行運算幫助人類做出決策。決策權從人轉移到機器，那么諸如價值、情感等只有人類才能體會的因素如何才能被機器識別并納入決策考察范圍內呢？一旦數據遭遇污染，或者數據中潛藏的錯誤價值偏好被機器學習，遵循功利主義傾向的算法對待數據化的個體勢必引發歧視問題。四是社會公平。發展人工智能必須依賴數據，數據因此被比作新石油，但是目前數據牢牢掌控在頭部企業手里，個體生產數據卻無法獲得數據的所有權。數據作為一種新的生產要素使財富獲得依據發生了根本變化。

（2）拉力：應用前景。人類社會歷經蒸汽時代、電力時代和信息時代，現在正邁入智能時代。在人工智能政策出臺過程中，以“科技革命帶來的歷史性機遇”為主的概念是人工智能問題陳述的主要方面。在“框架效應”的引導下，人工智能的應用前景占據了主流話語權。社會群體也主動建構一致性，自覺地對現有情況做戰略性描繪并加以渲染，以便能夠推行他們樂于見到的行動過程。[14]140發展人工智能逐漸成為政治共識，世界大國紛紛出臺國家戰略，搶抓人工智能時代主動權。當時有數據預測，到2020年中國人工智能核心產業市場規模將超過1500億元，增長率達到26.2%，預計到2030年這一數字將突破10000億元。[15]這些數據指標為人工智能問題的重要性提供了具有說服力的證據，展現出人工智能推動社會發展的巨大應用前景，正向拉動了人工智能上升為政策問題。

（3）促力：焦點事件。問題通常不是因為指標而自明的，它們還需要一些動力來引起政府內部及其周圍人們的關注。[16]952016年3月，人工智能程序AlphaGo戰勝圍棋世界冠軍李世石，激起了一場關于人工智能的全民大討論，醞釀在社會中的人工智能恐懼情緒在大眾媒體的作用下被牽引至高潮。圍棋失利這一焦點事件把人工智能問題帶出水面，AlphaGo變異成一種強大符號出現并傳播，一時間人們“談狗色變”。一般來說，符號不是議程建立的原動力，卻可以成為具有強化作用的加固物和對集中注意力具有很強烈影響的事物。[16]98AlphaGo引致的危機感只是人工智能問題的一部分，卻成功吸引了公眾的注意力，迫使政府決策系統接受來自公眾的愿望和要求，問題源流逐步匯集而成。

2.政策源流：政策建議形成

（1）利益集團的活動。商業企業是政策共同體的重要主體。活躍在人工智能最前沿的互聯網公司紛紛推出自己的人工智能項目，如云計算、無人駕駛等。這些商業公司憑借突出的行業代表性為人工智能的未來發展初步摸清了重點，同時為涉及該領域的決策提供了第一手信息，其所擁有的資源也為該集團影響議程或備選方案提供了最初的有利條件。此外，利益集團作為社會生產的參與者，它們以自愿結社的方式參與政府決策本身就涵蓋了公共利益的屬性，這提高了集團所能調動的公共資源上限，[17]集團發言人在以增進利益的動機下展開游說并與政府進行資源互換，尤其是意圖引導政策出臺方向往有利于自己的領域靠攏，以獲取更具針對性的政策支持，這些活動共同促進了政策源流的生長。

（2）專家團體的支持。學者、研究人員和咨詢人員是重要性僅次于利益集團的一組非政府角色，他們利用專業知識優勢圍繞問題發表見解，在理論上為政策制定提供智力支持。同時，他們還會把技術問題帶入政治領域，在公開場合發起對政策建議的討論，繼續闡述自己的思想，以“軟化”其他共同體成員及社會公眾。人工智能大會等都是專家學者的平臺，他們借此機會進一步渲染政策建議的技術可行性和價值可接受性，樂觀描述未來政策實施的約束條件，以提高政策建議成為備選方案的可能性。科爾巴奇指出，專家團體乍看起來在建構問題，實際上一個專家團體就是一種解決問題的方式[18]39，這并不是一個中立的過程，所有的主張背后都暗示著復雜差異的資源分配傾向。

（3）低層級政府的探索。政策共同體的另一個成員是低層級政府。低層級政府制定人工智能政策肇始于2009年（圖2）。2012年，隨著《國務院關于推進物聯網有序健康發展的指導意見》的出臺，全國各省市的人工智能政策數量開始呈現逐年遞增趨勢，并于2016年達到峰值276篇。在實踐層面，上海、江蘇等地積極推動“腦計劃”項目、浙江打造人工智能小鎮、北京建設人工智能創業創新平臺等促進了人工智能技術的落地。目前，全國已形成京津冀、長三角、粵港澳三處核心的人工智能發展區域。這些自下而上的地方自主性探索在承接上級政府話語的同時植入地方現實語境，發展人工智能的正面效果不斷累積，推動了全國性人工智能政策的制定。

圖2 地方層面人工智能政策發布數量

3.政治源流：政治環境渲染

（1）政治態度。中國共產黨歷來重視科學技術的發展，經濟新常態下，黨和國家領導人更是把人工智能擺在突出位置進行系統布局。回顧國家層面的人工智能政策，可以劃分為兩個階段（圖3）。2014年以前，人工智能的相關政策文件還較少；2014年以后則進入快速發展期，該階段大量政策出臺，如《機器人產業發展規劃》《“互聯網+”人工智能三年行動實施方案》《“十三五”國家科技創新規劃》等。2017年3月，人工智能正式寫入《政府工作報告》，領導人對人工智能的闡述有著決定性意義。領導人在決策系統內處于中心位置，合法的權力秩序授予領導人對政策議程的影響力。人工智能同時具備問題的嚴重性與重要性特征，因而得到了領導人的重視，這為人工智能議程建立創設了有利的政治環境，促進了中央《新一代人工智能發展規劃》（以下簡稱《規劃》）的出臺。

圖3 國家層面人工智能政策發布數量

（2）國民情緒。公共輿論是國民情緒的重要表現形式，反映了社會的普遍訴求和價值傾向。利用百度指數搜索對《規劃》出臺前后進行三年的熱度分析（圖4），我們發現人工智能的關注度大致可以劃分為三個階段。2016年以前，人工智能熱度呈平緩狀態，總體關注度在較低水平；2016—2017年，人工智能熱度波動較大；2017年以后，熱度趨勢在小幅度的波動中持續上升并屢創新高。從2016年到2017年，人工智能熱度上升了286.3%，是該年度關注度上升最快的科普話題。在民主政治中，公共政策需要聽取多數民眾的聲音，那么只有在吸引足夠多的公眾注意力時，政策才有可能發生改變。[19]人工智能的問題演化影響了公眾注意力的變化，公眾注意力在人工智能上的聚合迫使決策者認真對待公共輿論。在常常擁擠的政治環境中，注意力轉移改變了人工智能在所有待解決議題中的順序，人工智能得以優先進入政策議程。

圖4 人工智能熱度趨勢

4.政策制定之窗：完全耦合

變動的三條源流耦合于2017年的“兩會”。當年“兩會”中，多名政策企業家提交了人工智能領域的提案。政策企業家把問題的維度固定在人工智能的應用前景上，營造出一種發展人工智能迫在眉睫的社會輿論環境，增強了高層領導對問題的感知。綜合來看，人工智能因為政策企業家的活動得到倡導，政策問題在他們的建議下獲得進一步解決的希望，政治事件也在他們的努力下得到利用，三條源流最終完全耦合在一起，人工智能政策得以順利出臺。

（二）政策執行：源流變異

2017年7月，中央出臺《規劃》后，全國陸續有20多個省份制定了地方人工智能發展規劃，Z省是其中較早一批。在接下來的行文中，本文將以Z省實踐為第二分析單元，首先介紹地方政府執行中央政策的具體情況，然后在多源流視角下探討政策執行過程中的源流變異。

1.地方政策與中央政策的差異

Z省是人工智能發展的前沿陣地。2017年12月，Z省政府快速響應中央要求，在全國率先頒布《Z省新一代人工智能發展規劃》。通常來說，政策內容在國家和地方兩個不同的治理場域中會有所差異。Z省規劃與中央政策相比，主要的區別在于（表1）：（1）戰略要求。中央政策對人工智能的判斷是發展機遇和潛在挑戰并存，并提出了三個時間點的階段目標，但是Z省規劃沒有論及戰略態勢，發展目標也調整為兩個時間節點。（2）重點任務。中央政策布置的重點任務涵蓋了社會發展的各個方面，例如科技創新、智能經濟、智能社會、軍民融合、基礎設施和科技項目，Z省政策的焦點則主要放在人工智能的產業發展、應用推廣和企業培育上。（3）保障措施。中央政策在倫理規范、知識產權和安全監管問題上闡述較多，Z省政策則在此類由人工智能帶來的潛在風險的防范內容上著墨較少。

表1 中央政策與Z省政策的比較

2.三個地市的政策實踐

分地區來看，根據《Z省人工智能產業發展報告2020》等資料顯示，Z省人工智能發展最活躍的城市分別是H市、N市和J市，三個地區的人工智能發展各有特點（表2）。（1）創新模式。2019年10月，H市被列入國家新一代人工智能創新發展實驗區，因此在落實政策過程中，H市聚焦人工智能創新領域，突出城市大腦、未來社區、智能亞運等重點工程，推進新技術新產品新模式的率先運用，以此打造人工智能創新應用標桿。（2）制造模式。N市是全國首個“中國制造2025”試點示范城市，擁有超過20家制造裝備領域年產值5億元以上的企業。對于N市來說，終端制造產業的智能化轉型需求迫切，因此N市選擇主攻智能制造裝備和智能制造服務業，引導人工智能回歸實體經濟，推動實體經濟轉型升級。（3）產研融合模式。在產業布局上，J市以柔性電子技術產業為核心，加快推進人工智能在智能安防、智能汽車、智能機器人的技術轉化。在科技研發上，J市發揮區位優勢，積極與上海高校開展產學研合作。依托上海科研院所的科研實力，目前已建成上海交大科技園、長三角人工智能與機器人研究院、區塊鏈研究院等多個科研平臺。

表2 Z省不同地區的政策實踐

3.政治源流的持續作用

從中央政府到Z省政府再到各地市政府，始終都在推動人工智能政策的落地。如《規劃》發布后，工信部在2017年12月緊接著制定了《促進新一代人工智能產業發展三年行動計劃（2018—2020）》，其相比于《規劃》是更加詳細具體的行動計劃。Z省不僅響應了該計劃，并且于2018年先后發布了《Z省新一代人工智能發展規劃實施責任分工》《Z省新一代人工智能發展規劃2018年工作要點》，這些文件都旨在確保各個職能部門和地方政府能夠按照上級政策的要點完成任務。2019年，Z省出臺《關于加快新一代人工智能創新發展的實施意見》，進一步督促各地市政府積極落實人工智能發展規劃。在社會公眾這一端，自AlphaGo把人工智能帶入社會公眾的視野后，不斷出現的智能科技一次次刷新社會公眾對人工智能的認識，人工智能的熱度再也沒有下降過。盡管維持現狀是執行者的驅動力，但是任何執行者都無法承受自上而下和自下而上兩個方向的政治壓力，上級政府的督促和不斷累積的國民情緒使得地方政府必須改變現狀，回應公眾意見的變化。

4.科研院所和企業活動

Z省在人工智能發展過程中，形成了以高校、科研院所、骨干企業為核心的人工智能創新生態系統。比較典型的例子是，2018年6月，Z省重點大學成立了人工智能協同創新中心；2017年9月，由Z省政府、重點大學和阿里巴巴集團共同籌建的之江實驗室成立；2017年10月，Z省重點企業聚焦機器智能、數據計算、機器人、智能家居等領域的人工智能技術開發，這些都與Z省的政策重點保持一致，這些企業本身也是在制定階段影響源流變動的主要力量。目前，重點大學和重點企業都確立了人工智能的發展計劃，如重點大學啟動了國內首個人工智能交叉學科以及“雙腦計劃”等，科研院校和企業的合作形成了產學研創新生態圈，為Z省人工智能的產業發展提供了智力支撐。

5.實證發現

通過對地方人工智能政策實踐的經驗觀察可以發現，政策制定產出和政策執行產出高度相關，作用于制定過程的多源流在執行過程中依然存在且發生了明顯的變異，主要表現在以下方面：

（1）問題源流被選擇性分解。在制定階段，問題源流由推力、拉力和焦點事件匯集而成，但是在執行階段，顯性問題占據了主流地位。如中央政策指出，人工智能同時存在著發展機遇和潛在挑戰，但是在Z省政策中挑戰性問題被忽視，人工智能帶來的應用前景得到重視，這一思路在不同地區的產業政策中得以延續并表現出重點領域和發展方向的差異。這說明，囿于有限理性和稀缺的注意力，執行者會對制定者列出的政策目標進行掃描和聚焦，只有符合地方實際和帶來顯著收益的問題才會進入執行者的視野。因此，當高層級政府沒有規定精確的績效指標時，制定過程的問題源流會在執行階段被逐層級逐地區地選擇性分解，執行者可以自己決定將注意力集中在何處。

（2）政策源流演化為詮釋性集合。依照金登的隱喻，先前流淌在制定階段的政策源流是一鍋由備選方案組成的“政策原湯”，不成熟的政策建議會被逐步遺棄，只有具備足夠可行性的政策方案才能獲得政府采納，備選方案之間存在著競爭性。但是在執行階段，政策執行過程中固有的模糊性要求執行者在將政策應用于現實世界時必須理解政策，這為低層級政府提供了合法的自由裁量空間。在這種空間中，低層級政府會結合實際情況對政策方案開展自主性建構，從而給予上級政策不同的詮釋內容，政策源流逐步變異為地方性的詮釋集合，并且詮釋程度依賴于問題源流的分解情況。

（3）政治源流轉換為縱向約束力量。在制定階段，政治源流支配了政策建議的漂進與漂出，控制了問題源流能否進一步發展壯大，是推動人工智能政策出臺的決定性力量。但在執行過程中，政治源流主要起監督和控制作用。執行者一方面需要貫徹高層級政府布置的政策任務，與上級精神保持一致；另一方面，執行者又需回應社會公眾對人工智能的關注，以維持其行政決策的合法性。如果地方執行者對政治環境沒有反應，他們的自由裁量權使用可能會受到挑戰。[20]因此，政治源流在執行階段會繼續督促低層級政府的政策實施行為，并將低層級政府的自由裁量控制在一個合理的區間內運行，政治源流限制了政策源流的詮釋程度。

（4）政策企業家由倡議者變為實踐者。在制定階段，政策企業家不僅是“兩會”代表，還是專家學者代表，甚至是利益集團發言人，他們能夠同時在多條源流之中進行協調和整合，其活動模糊了源流之間的邊界，減弱了源流之間的獨立性。而在執行階段，先前提倡發展人工智能的政策企業家大多數成為親身實踐者，也就是最直接的利益相關者。由于政策含義的不確定性以及注意力和資源分配的競爭，執行過程也存在選擇偏好問題[21]，執行者對政策的詮釋將很大程度影響參與者的收益。因此，作為利益相關者的政策企業家并不會停止對政策執行的影響，政策企業家會繼續使用策略影響執行者對政策方案的詮釋，從而把政策引向有利于自身的方向發展。

（三）進一步討論

基于以上歸納，我們需要進一步理解變異后多源流的核心要素與政策執行的因果聯系。對于低層級政府來說，高層級政府制定的政策在進入地方場域時是一個外部變量，低層級政府輸出的政策源流建立在高層級政府輸入的政策方案的基礎上，政策的實際執行方式取決于問題源流、政治源流、政策企業家和高層級政府給定政策的耦合程度（圖5）。出于分析的需要，我們在概念上遵循金登的做法，將耦合視為影響政策過程的一個關鍵節點。換言之，每次耦合都是低層級政府對高層級政府給定政策的再詮釋，再詮釋程度直接影響了后續的政策結果。引鑒Dolan的局部耦合（Partial Coupling）論證，[22]本文將多源流對政策執行的影響稱之為多重局部耦合的執行過程。

圖5 多重局部耦合的政策執行過程

這個過程如下：低層級政府的政策選擇起始于對縱向政治源流的評估，以及將給定政策與分解后的問題源流進行匹配。如果來自縱向政治源流的壓力很小并且問題與政策的耦合程度很低時，低層級政府可能會選擇拒絕執行高層級政府政策，政策被彈回至政策執行之窗；而如果政治壓力很小但是匹配程度很高時，低層級政府會選擇主動執行政策。然而，在當前行政控制不斷增強和建設回應性政府的趨勢下，縱向政治源流是一個高壓常量，政治正確是一切公共政策的首要標準，因此上述情況尤其是拒絕執行的可能性較小。更多的情形是，在縱向政治源流的約束下，低層級政府結合分解后的問題源流重新詮釋政策內容。根據問題和政策的耦合程度，我們將政策執行區分為積極執行和消極執行兩種場景。積極執行情況下，分解后的問題源流與給定政策有著很高的耦合度，執行者會接受給定的政策方案，政策源流的詮釋程度處于一個較低的水平。以此為前提，在政策企業家的活動作用下，此時政策執行將出現兩種類型：（1）高耦合-強活動。當政策企業家的活動能力很強時，低層級政府不僅會全面執行高層級政府政策，并在政策企業家頻繁活動的領域進行重點著力甚至主動加碼。（2）高耦合-弱活動。當政策企業家的活動能力很弱時，低層級政府會依照政策內容合理排序，循規蹈矩地完成高層級政府布置的政策目標。在消極執行情況下，分解后的問題源流與給定政策缺乏很好的耦合度，低層級政府又不得不執行政策，此時也會產生兩種類型：（3）低耦合-強活動。雖然高層級政府政策與地方實際契合程度很低，但由于政策企業家的活動能力，此時政策源流的詮釋程度將會變高，導致低層級政府政策與高層級政府政策的差異明顯，在執行上表現為在某個政策企業家活動的領域特別重視，但忽視了其他領域的部分執行現象。（4）低耦合-弱活動。低層級政府缺少足夠的內部動力完成政策任務，政策源流的詮釋程度再次變低，低層級政府采取象征性執行高層級政府的政策。

可以看出，這個過程包含了多重局部耦合：高層級政府給定政策與縱向政治源流的耦合、第一次耦合結果與分解后問題源流的再次耦合、第二次耦合結果與政策企業家的又次耦合。多重局部耦合代表了執行過程中問題源流、政治源流、政策企業家和給定政策的不同連接方式，并以此輸出了全新的政策源流，即低層級政府可能呈現的政策執行結果。需要指出，盡管政策企業家可能很早就已經融入了局部耦合過程，并且經常與政治、政策或問題源流糾纏在一起，但是本文依舊將政策企業家視為一個獨立的變量并置于第三重耦合進行考慮。這里的關鍵在于：政策企業家的活動目的仍然在塑造三種源流的關系，而且他們的活動在很大程度上影響了建立在三者局部耦合基礎上的政策執行。有必要說明，這些推論雖然建立在有限經驗材料的基礎上，但一定程度上反映出低層級政府執行政策的自主性與政治彈性、社會行動者之間的關系。

五、結語

本文聚焦于將制定和執行兩個政策階段連接起來以便納入統一的政策過程分析之中。在多源流框架的基礎上，構建了一個跨越制定與執行的兩階段多源流框架，并以人工智能政策為案例對象，歸納了源流變動和源流變異的特征以及變異后的多源流對政策執行的影響。貢獻在于：第一，在政策制定和執行之間給出一種連接機制。當前很少有模型能夠同時包含制定與執行，我們認為聯合分析的思路能夠有助于解釋高層級政府通過的政策在地方遭遇失敗的原因，從而確保政策理念在地方得以貫徹，這是治理獲取成功的必要條件。第二，為多源流框架擴展至政策執行提供經驗證據。多源流框架的核心要素能否在政策執行中取得適用性，是一個在學術界廣受質疑的問題。建立在人工智能政策基礎上的個案研究不僅在實證上肯定了這一觀點，而且說明了時間維度下源流的變異特征及其對政策執行的影響。這些結論拓展了多源流框架的應用邊界，同時提高了多源流框架在執行階段的理論精細度。第三，基于回溯性個案研究所發掘出的政策運行特征將有助于進一步指導人工智能政策實踐。在當前智能時代的效率導向中，我們可以看到問題源流中的推力因素在執行階段未能成為顯性問題，政府需要繼續將實質問題帶入政治源流和政策源流中，以促進人工智能的全面良性發展。

由于個案研究的特性，本文只能從單個政策的制定和執行過程中描述源流變動和源流變異的特征，不能實現更多政策的案例比較分析，更無法提供精確的關系建模，是為本文的方法局限性。此外，本文的數據均是采用網絡搜索的方式搜集而來，缺乏深度的實地訪談和田野調查，導致證據支持的力度有限。因此，后續研究首先可以從更寬泛的政策階段審視多源流框架的核心要素，或者融合更多樣的政策過程理論來審視不同的政策階段入手。其次，我們有必要重新思考之前被忽視的概念，這些概念曾被視作特生于某一個獨立的政策階段。譬如，政策企業家的活動對制定和執行都產生了不可估量的作用，接下來的研究可以對政策企業家如何把焦點從制定者轉移至執行者以及他們的活動策略進行深度觀察。