多重局部耦合：政策制定因素何以影响执行结果——基于人工智能政策历程的两阶段多源流分析

胡 冲，蒋潮鑫

（浙江大学公共管理学院，浙江杭州 310058）

一、引言

政策制定和政策执行是政策过程中两个重要的阶段，良好的政策效果离不开正确的政策制定，更依赖于有效的政策执行。探究政策制定和政策执行的内在关联，能够为理解国家与社会的互动、高层级政府与低层级政府的互动提供素材；透过政策制定和政策执行的切口，可以观察治理实践中存在的问题，进而改善治理绩效，推动国家治理现代化。在确保制定与执行联合分析的意义之后，我们还需看到，政策制定和政策执行分别隐含了公共政策研究的两个基础视角：政策变动（policy change）和政策变异（policy variation）。[1]10更确切地说，政策变动包含变迁和平衡，采用这一视角的研究主要关注政策为何会出现以及政策保持长期稳定的原因；政策变异包含趋同和异化，此类视角适用于描述政策在层级间、地区间发生的选择性执行、变通性执行等一系列纸面上政策设计和现实中政策实践不相符的分割现象。或许是囿于阶段启发法的思维，又或许是建构各自话语体系的需要，目前两类视角的研究都忽略了彼此之间的联系，导致整体的理论分析始终落后于实际的政策过程。换言之，当前缺乏从政策制定到政策执行的完整链条中审视执行，并将其纳入纵向的政策演变之中的研究。[2]组织学家詹姆斯·马奇指出，执行过程是决策的延续，制定与执行必须作为一个整体加以分析讨论。[3]从政策系统和政策过程的关系出发，制定与执行也都从属于一个更大过程的子过程，即集体选择与集体行动。[4]因此，一个没有将制定过程考虑在内的执行研究是一个不完整的执行研究。如何把制定与执行结合起来，探索影响政策制定之因和造成政策执行之果的关联，是公共政策过程研究值得深入思考的问题。

出于对以上问题的关怀，本文选择从多源流框架入手，将用于解释决策的复杂源流扩展至政策执行过程中，希望构建起一个跨越制定与执行的两阶段分析框架。进一步通过对人工智能政策历程进行分析，本文试图找到多源流核心要素在政策过程两个阶段上的变化特征，并尝试回答影响政策制定的因素是如何作用于执行结果的。这一努力或可为政策过程理论与更广泛的政策阶段建立对话提供有益探索，也能形成对当下中国公共政策运行过程的深入认识。

二、文献回顾

在政策执行研究中，制定与执行的关系曾被长期分离，一个重要的原因是第一代执行研究根植于古典行政理论的“政治-行政”二分法，两者的界限在二分法的指导下借由自上而下的研究路径被夸大，甚至形成了制定与执行的主从地位。这种局面在第二代执行研究中被打破，第二代执行研究认为制定和执行存在功能的互动性，执行者与制定者共同协商政策目标的达成，两者形成平行互动的合作关系。[5]59事实上，在政策的“选择-行动”逻辑中，政策在选择中开始，在行动中继续，制定与执行本质上就是一个连贯的政策过程。对于政策过程的研究，西方学界通常采用隐喻的方式来简化政策过程的复杂性与动态性，其中影响力最大的比喻式理论之一是1984年由金登教授提出的多源流框架（Multiple Streams Framework）。该框架以问题源流、政策源流、政治源流、政策之窗以及政策企业家等为核心要素，揭示了国家层面如何进行设置政策议程。其核心命题是：三条源流彼此独立地穿过决策系统，当政策之窗开启时，在政策企业家的作用下，三条源流耦合在一起共同推动政策议程的建立。

作为国内政策过程研究中应用最广泛的理论之一，多源流框架已在不同的标题下被审视。依据文献内容，本文大致分理出三条路径。第一条路径聚焦多源流框架本身，包括对框架的述评和修正。丁煌等学者对早期引入和阐述多源流框架多有贡献，以要素嵌入思路等为代表的修正类研究[6]，则反映了国内学界对框架中国化所做的努力。第二条路径主要考察多源流框架对具体政策的解释力，通常在某个特定政策的基础上，围绕框架的五个核心要素和各要素之间的关系进行解读，代表性研究如讨论乡村振兴战略的出台等。[7]第三条路径试图超越现有的框架嵌套式研究，一种方式是寻找中国情境下五个核心要素之外如网络舆论对议程设置的影响[8]，另一种方式是通过多个政策的跨案例比较，总结多源流框架的应用困境和背后的因果联系[9]。

毫无疑问，以上研究共同推动了多源流框架的理论进步，也一定程度上揭开了复杂的政策生产黑箱。但纵观国内现有研究，对多源流框架的使用基本停留在政策过程的制定阶段，总体上仍然没能跳出议程设置的“金登视角”，多源流框架在其他政策阶段的应用潜力被搁置，尤其是在执行环节。运用多源流分析政策执行并非易事，一个普遍的怀疑是多源流的核心要素在政策执行中是否具备适用性。如Zahariadis所言，多源流框架并没有提供联系制定与执行的具体机制。[10]尽管存在源流、窗口、企业家等要素的再概念化挑战，但亦有不少学者坚持认为源流隐喻在理论上是适用于政策过程所有阶段的。[11]遗憾的是，这些研究只是验证了多源流对执行的初步适用性，并未建立起一个贯穿制定与执行的全过程分析框架。Luke Fowler等虽然对此问题有一定回应[12]，但这一努力由于没有案例材料的佐证，因而对于制定和执行中的源流变化特征刻画仍显不足。特别是，对中国而言，在高度科层化和组织化的单一制结构中，影响政策制定的因素在政策执行中到底发生了什么变化、对政策结果又产生了怎样的影响，这些具有重要价值的理论构建和研究发现目前仍然具有一定的讨论空间。

三、一个跨越制定与执行两阶段多源流框架

为了在理论上更贴切地回答上述问题，本文构建了一个跨越制定与执行的两阶段多源流分析框架。在阐述之前，我们首先回答为什么选择多源流。原因有二：其一，考虑到制定与执行的先后关系以及影响制定和执行因素的相似性，我们优先选择关于制定的理论，多源流框架是当前政策制定中应用最广泛的理论之一，这是我们选定多源流的起点。其二，模糊性假设。多源流框架解释了模糊性条件下的政策选择问题，这种模糊性来源于不确定的参与者、不明确的偏好和不清晰的技术等。事实上，模糊性不只存在于制定阶段，执行阶段亦是如此。从研究类型看，政策制定和执行皆属于过程性研究，过程性研究的变量间关系一般边界不明，并且事实、因果和目标缺乏一致性，模糊性是其主要特征。作为制定与执行的共同内核，模糊性假设为多源流跨越制定与执行提供了理论可行性。

该框架的基本逻辑（图1）：当问题源流、政策源流和政治源流发展成熟后，在某一个时间点即政策制定之窗打开时，政策企业家推动三条源流的交汇，议题进入高层级政府的政策议程，源流变动促进了政策方案的出台；高层级政府制定政策方案后，低层级政府需要落实政策，政策执行之窗打开，三条源流和政策企业家相继进入政策执行阶段，源流在不同层级和不同地区的变异情况影响了最终的政策结果。需要指出的是，政策执行之窗并不总是自动打开，政策的“半路夭折”现象说明了从制定到执行的线性过程中所存在的不确定性和现实政策过程的复杂性，对此后文将有分析。

图1 一个跨越制定与执行的两阶段多源流框架

四、基于人工智能政策历程的个案分析

2017年7月，国务院印发《新一代人工智能发展规划》（以下简称《规划》），标志着人工智能上升到国家战略高度，中国人工智能发展迎来一股热潮。本文选择人工智能政策作为分析对象，理由是人工智能政策的出台过程与多源流的核心要素有一定的契合度，并且距离政策颁布已经过去五年有余，低层级政府的政策实践为本文的两阶段框架提供了可供比较的分析材料。相对于当前主流技术导向的人工智能研究，本文后面的分析将回到人工智能政策本身，在高层级政府制定和低层级政府执行两个分析单元上，运用拓展后的多源流框架分析制定与执行中的源流变化。

（一）政策制定：源流变动

1.问题源流：政策问题构建

（1）推力：实质问题。一是对传统产业的冲击。数据表明，未来中国二十年里约占总就业人口76%的劳动力将会受到来自人工智能技术的冲击，[13]失业警报正全面来袭。二是隐私安全与伦理。大数据时代任何人都无法逃脱被数据化的命运，人们在享受基于大数据的人工智能所提供的个性化服务时，个人数据也被第三方收集与分享，而个人却很难追踪数据隐私的泄露途径与程度。不仅如此，被刻意收集与存储的隐私数据还有可能在若干年后成为你生活的污点，彼时之言行能否作为此时评判之依据是摆在人类面前共同的伦理问题。三是决策权转移引发的歧视。人工智能算法以一种数学方法将人类生活量化处理，在海量数据之间进行运算帮助人类做出决策。决策权从人转移到机器，那么诸如价值、情感等只有人类才能体会的因素如何才能被机器识别并纳入决策考察范围内呢？一旦数据遭遇污染，或者数据中潜藏的错误价值偏好被机器学习，遵循功利主义倾向的算法对待数据化的个体势必引发歧视问题。四是社会公平。发展人工智能必须依赖数据，数据因此被比作新石油，但是目前数据牢牢掌控在头部企业手里，个体生产数据却无法获得数据的所有权。数据作为一种新的生产要素使财富获得依据发生了根本变化。

（2）拉力：应用前景。人类社会历经蒸汽时代、电力时代和信息时代，现在正迈入智能时代。在人工智能政策出台过程中，以“科技革命带来的历史性机遇”为主的概念是人工智能问题陈述的主要方面。在“框架效应”的引导下，人工智能的应用前景占据了主流话语权。社会群体也主动建构一致性，自觉地对现有情况做战略性描绘并加以渲染，以便能够推行他们乐于见到的行动过程。[14]140发展人工智能逐渐成为政治共识，世界大国纷纷出台国家战略，抢抓人工智能时代主动权。当时有数据预测，到2020年中国人工智能核心产业市场规模将超过1500亿元，增长率达到26.2%，预计到2030年这一数字将突破10000亿元。[15]这些数据指标为人工智能问题的重要性提供了具有说服力的证据，展现出人工智能推动社会发展的巨大应用前景，正向拉动了人工智能上升为政策问题。

（3）促力：焦点事件。问题通常不是因为指标而自明的，它们还需要一些动力来引起政府内部及其周围人们的关注。[16]952016年3月，人工智能程序AlphaGo战胜围棋世界冠军李世石，激起了一场关于人工智能的全民大讨论，酝酿在社会中的人工智能恐惧情绪在大众媒体的作用下被牵引至高潮。围棋失利这一焦点事件把人工智能问题带出水面，AlphaGo变异成一种强大符号出现并传播，一时间人们“谈狗色变”。一般来说，符号不是议程建立的原动力，却可以成为具有强化作用的加固物和对集中注意力具有很强烈影响的事物。[16]98AlphaGo引致的危机感只是人工智能问题的一部分，却成功吸引了公众的注意力，迫使政府决策系统接受来自公众的愿望和要求，问题源流逐步汇集而成。

2.政策源流：政策建议形成

（1）利益集团的活动。商业企业是政策共同体的重要主体。活跃在人工智能最前沿的互联网公司纷纷推出自己的人工智能项目，如云计算、无人驾驶等。这些商业公司凭借突出的行业代表性为人工智能的未来发展初步摸清了重点，同时为涉及该领域的决策提供了第一手信息，其所拥有的资源也为该集团影响议程或备选方案提供了最初的有利条件。此外，利益集团作为社会生产的参与者，它们以自愿结社的方式参与政府决策本身就涵盖了公共利益的属性，这提高了集团所能调动的公共资源上限，[17]集团发言人在以增进利益的动机下展开游说并与政府进行资源互换，尤其是意图引导政策出台方向往有利于自己的领域靠拢，以获取更具针对性的政策支持，这些活动共同促进了政策源流的生长。

（2）专家团体的支持。学者、研究人员和咨询人员是重要性仅次于利益集团的一组非政府角色，他们利用专业知识优势围绕问题发表见解，在理论上为政策制定提供智力支持。同时，他们还会把技术问题带入政治领域，在公开场合发起对政策建议的讨论，继续阐述自己的思想，以“软化”其他共同体成员及社会公众。人工智能大会等都是专家学者的平台，他们借此机会进一步渲染政策建议的技术可行性和价值可接受性，乐观描述未来政策实施的约束条件，以提高政策建议成为备选方案的可能性。科尔巴奇指出，专家团体乍看起来在建构问题，实际上一个专家团体就是一种解决问题的方式[18]39，这并不是一个中立的过程，所有的主张背后都暗示着复杂差异的资源分配倾向。

（3）低层级政府的探索。政策共同体的另一个成员是低层级政府。低层级政府制定人工智能政策肇始于2009年（图2）。2012年，随着《国务院关于推进物联网有序健康发展的指导意见》的出台，全国各省市的人工智能政策数量开始呈现逐年递增趋势，并于2016年达到峰值276篇。在实践层面，上海、江苏等地积极推动“脑计划”项目、浙江打造人工智能小镇、北京建设人工智能创业创新平台等促进了人工智能技术的落地。目前，全国已形成京津冀、长三角、粤港澳三处核心的人工智能发展区域。这些自下而上的地方自主性探索在承接上级政府话语的同时植入地方现实语境，发展人工智能的正面效果不断累积，推动了全国性人工智能政策的制定。

图2 地方层面人工智能政策发布数量

3.政治源流：政治环境渲染

（1）政治态度。中国共产党历来重视科学技术的发展，经济新常态下，党和国家领导人更是把人工智能摆在突出位置进行系统布局。回顾国家层面的人工智能政策，可以划分为两个阶段（图3）。2014年以前，人工智能的相关政策文件还较少；2014年以后则进入快速发展期，该阶段大量政策出台，如《机器人产业发展规划》《“互联网+”人工智能三年行动实施方案》《“十三五”国家科技创新规划》等。2017年3月，人工智能正式写入《政府工作报告》，领导人对人工智能的阐述有着决定性意义。领导人在决策系统内处于中心位置，合法的权力秩序授予领导人对政策议程的影响力。人工智能同时具备问题的严重性与重要性特征，因而得到了领导人的重视，这为人工智能议程建立创设了有利的政治环境，促进了中央《新一代人工智能发展规划》（以下简称《规划》）的出台。

图3 国家层面人工智能政策发布数量

（2）国民情绪。公共舆论是国民情绪的重要表现形式，反映了社会的普遍诉求和价值倾向。利用百度指数搜索对《规划》出台前后进行三年的热度分析（图4），我们发现人工智能的关注度大致可以划分为三个阶段。2016年以前，人工智能热度呈平缓状态，总体关注度在较低水平；2016—2017年，人工智能热度波动较大；2017年以后，热度趋势在小幅度的波动中持续上升并屡创新高。从2016年到2017年，人工智能热度上升了286.3%，是该年度关注度上升最快的科普话题。在民主政治中，公共政策需要听取多数民众的声音，那么只有在吸引足够多的公众注意力时，政策才有可能发生改变。[19]人工智能的问题演化影响了公众注意力的变化，公众注意力在人工智能上的聚合迫使决策者认真对待公共舆论。在常常拥挤的政治环境中，注意力转移改变了人工智能在所有待解决议题中的顺序，人工智能得以优先进入政策议程。

图4 人工智能热度趋势

4.政策制定之窗：完全耦合

变动的三条源流耦合于2017年的“两会”。当年“两会”中，多名政策企业家提交了人工智能领域的提案。政策企业家把问题的维度固定在人工智能的应用前景上，营造出一种发展人工智能迫在眉睫的社会舆论环境，增强了高层领导对问题的感知。综合来看，人工智能因为政策企业家的活动得到倡导，政策问题在他们的建议下获得进一步解决的希望，政治事件也在他们的努力下得到利用，三条源流最终完全耦合在一起，人工智能政策得以顺利出台。

（二）政策执行：源流变异

2017年7月，中央出台《规划》后，全国陆续有20多个省份制定了地方人工智能发展规划，Z省是其中较早一批。在接下来的行文中，本文将以Z省实践为第二分析单元，首先介绍地方政府执行中央政策的具体情况，然后在多源流视角下探讨政策执行过程中的源流变异。

1.地方政策与中央政策的差异

Z省是人工智能发展的前沿阵地。2017年12月，Z省政府快速响应中央要求，在全国率先颁布《Z省新一代人工智能发展规划》。通常来说，政策内容在国家和地方两个不同的治理场域中会有所差异。Z省规划与中央政策相比，主要的区别在于（表1）：（1）战略要求。中央政策对人工智能的判断是发展机遇和潜在挑战并存，并提出了三个时间点的阶段目标，但是Z省规划没有论及战略态势，发展目标也调整为两个时间节点。（2）重点任务。中央政策布置的重点任务涵盖了社会发展的各个方面，例如科技创新、智能经济、智能社会、军民融合、基础设施和科技项目，Z省政策的焦点则主要放在人工智能的产业发展、应用推广和企业培育上。（3）保障措施。中央政策在伦理规范、知识产权和安全监管问题上阐述较多，Z省政策则在此类由人工智能带来的潜在风险的防范内容上着墨较少。

表1 中央政策与Z省政策的比较

2.三个地市的政策实践

分地区来看，根据《Z省人工智能产业发展报告2020》等资料显示，Z省人工智能发展最活跃的城市分别是H市、N市和J市，三个地区的人工智能发展各有特点（表2）。（1）创新模式。2019年10月，H市被列入国家新一代人工智能创新发展实验区，因此在落实政策过程中，H市聚焦人工智能创新领域，突出城市大脑、未来社区、智能亚运等重点工程，推进新技术新产品新模式的率先运用，以此打造人工智能创新应用标杆。（2）制造模式。N市是全国首个“中国制造2025”试点示范城市，拥有超过20家制造装备领域年产值5亿元以上的企业。对于N市来说，终端制造产业的智能化转型需求迫切，因此N市选择主攻智能制造装备和智能制造服务业，引导人工智能回归实体经济，推动实体经济转型升级。（3）产研融合模式。在产业布局上，J市以柔性电子技术产业为核心，加快推进人工智能在智能安防、智能汽车、智能机器人的技术转化。在科技研发上，J市发挥区位优势，积极与上海高校开展产学研合作。依托上海科研院所的科研实力，目前已建成上海交大科技园、长三角人工智能与机器人研究院、区块链研究院等多个科研平台。

表2 Z省不同地区的政策实践

3.政治源流的持续作用

从中央政府到Z省政府再到各地市政府，始终都在推动人工智能政策的落地。如《规划》发布后，工信部在2017年12月紧接着制定了《促进新一代人工智能产业发展三年行动计划（2018—2020）》，其相比于《规划》是更加详细具体的行动计划。Z省不仅响应了该计划，并且于2018年先后发布了《Z省新一代人工智能发展规划实施责任分工》《Z省新一代人工智能发展规划2018年工作要点》，这些文件都旨在确保各个职能部门和地方政府能够按照上级政策的要点完成任务。2019年，Z省出台《关于加快新一代人工智能创新发展的实施意见》，进一步督促各地市政府积极落实人工智能发展规划。在社会公众这一端，自AlphaGo把人工智能带入社会公众的视野后，不断出现的智能科技一次次刷新社会公众对人工智能的认识，人工智能的热度再也没有下降过。尽管维持现状是执行者的驱动力，但是任何执行者都无法承受自上而下和自下而上两个方向的政治压力，上级政府的督促和不断累积的国民情绪使得地方政府必须改变现状，回应公众意见的变化。

4.科研院所和企业活动

Z省在人工智能发展过程中，形成了以高校、科研院所、骨干企业为核心的人工智能创新生态系统。比较典型的例子是，2018年6月，Z省重点大学成立了人工智能协同创新中心；2017年9月，由Z省政府、重点大学和阿里巴巴集团共同筹建的之江实验室成立；2017年10月，Z省重点企业聚焦机器智能、数据计算、机器人、智能家居等领域的人工智能技术开发，这些都与Z省的政策重点保持一致，这些企业本身也是在制定阶段影响源流变动的主要力量。目前，重点大学和重点企业都确立了人工智能的发展计划，如重点大学启动了国内首个人工智能交叉学科以及“双脑计划”等，科研院校和企业的合作形成了产学研创新生态圈，为Z省人工智能的产业发展提供了智力支撑。

5.实证发现

通过对地方人工智能政策实践的经验观察可以发现，政策制定产出和政策执行产出高度相关，作用于制定过程的多源流在执行过程中依然存在且发生了明显的变异，主要表现在以下方面：

（1）问题源流被选择性分解。在制定阶段，问题源流由推力、拉力和焦点事件汇集而成，但是在执行阶段，显性问题占据了主流地位。如中央政策指出，人工智能同时存在着发展机遇和潜在挑战，但是在Z省政策中挑战性问题被忽视，人工智能带来的应用前景得到重视，这一思路在不同地区的产业政策中得以延续并表现出重点领域和发展方向的差异。这说明，囿于有限理性和稀缺的注意力，执行者会对制定者列出的政策目标进行扫描和聚焦，只有符合地方实际和带来显著收益的问题才会进入执行者的视野。因此，当高层级政府没有规定精确的绩效指标时，制定过程的问题源流会在执行阶段被逐层级逐地区地选择性分解，执行者可以自己决定将注意力集中在何处。

（2）政策源流演化为诠释性集合。依照金登的隐喻，先前流淌在制定阶段的政策源流是一锅由备选方案组成的“政策原汤”，不成熟的政策建议会被逐步遗弃，只有具备足够可行性的政策方案才能获得政府采纳，备选方案之间存在着竞争性。但是在执行阶段，政策执行过程中固有的模糊性要求执行者在将政策应用于现实世界时必须理解政策，这为低层级政府提供了合法的自由裁量空间。在这种空间中，低层级政府会结合实际情况对政策方案开展自主性建构，从而给予上级政策不同的诠释内容，政策源流逐步变异为地方性的诠释集合，并且诠释程度依赖于问题源流的分解情况。

（3）政治源流转换为纵向约束力量。在制定阶段，政治源流支配了政策建议的漂进与漂出，控制了问题源流能否进一步发展壮大，是推动人工智能政策出台的决定性力量。但在执行过程中，政治源流主要起监督和控制作用。执行者一方面需要贯彻高层级政府布置的政策任务，与上级精神保持一致；另一方面，执行者又需回应社会公众对人工智能的关注，以维持其行政决策的合法性。如果地方执行者对政治环境没有反应，他们的自由裁量权使用可能会受到挑战。[20]因此，政治源流在执行阶段会继续督促低层级政府的政策实施行为，并将低层级政府的自由裁量控制在一个合理的区间内运行，政治源流限制了政策源流的诠释程度。

（4）政策企业家由倡议者变为实践者。在制定阶段，政策企业家不仅是“两会”代表，还是专家学者代表，甚至是利益集团发言人，他们能够同时在多条源流之中进行协调和整合，其活动模糊了源流之间的边界，减弱了源流之间的独立性。而在执行阶段，先前提倡发展人工智能的政策企业家大多数成为亲身实践者，也就是最直接的利益相关者。由于政策含义的不确定性以及注意力和资源分配的竞争，执行过程也存在选择偏好问题[21]，执行者对政策的诠释将很大程度影响参与者的收益。因此，作为利益相关者的政策企业家并不会停止对政策执行的影响，政策企业家会继续使用策略影响执行者对政策方案的诠释，从而把政策引向有利于自身的方向发展。

（三）进一步讨论

基于以上归纳，我们需要进一步理解变异后多源流的核心要素与政策执行的因果联系。对于低层级政府来说，高层级政府制定的政策在进入地方场域时是一个外部变量，低层级政府输出的政策源流建立在高层级政府输入的政策方案的基础上，政策的实际执行方式取决于问题源流、政治源流、政策企业家和高层级政府给定政策的耦合程度（图5）。出于分析的需要，我们在概念上遵循金登的做法，将耦合视为影响政策过程的一个关键节点。换言之，每次耦合都是低层级政府对高层级政府给定政策的再诠释，再诠释程度直接影响了后续的政策结果。引鉴Dolan的局部耦合（Partial Coupling）论证，[22]本文将多源流对政策执行的影响称之为多重局部耦合的执行过程。

图5 多重局部耦合的政策执行过程

这个过程如下：低层级政府的政策选择起始于对纵向政治源流的评估，以及将给定政策与分解后的问题源流进行匹配。如果来自纵向政治源流的压力很小并且问题与政策的耦合程度很低时，低层级政府可能会选择拒绝执行高层级政府政策，政策被弹回至政策执行之窗；而如果政治压力很小但是匹配程度很高时，低层级政府会选择主动执行政策。然而，在当前行政控制不断增强和建设回应性政府的趋势下，纵向政治源流是一个高压常量，政治正确是一切公共政策的首要标准，因此上述情况尤其是拒绝执行的可能性较小。更多的情形是，在纵向政治源流的约束下，低层级政府结合分解后的问题源流重新诠释政策内容。根据问题和政策的耦合程度，我们将政策执行区分为积极执行和消极执行两种场景。积极执行情况下，分解后的问题源流与给定政策有着很高的耦合度，执行者会接受给定的政策方案，政策源流的诠释程度处于一个较低的水平。以此为前提，在政策企业家的活动作用下，此时政策执行将出现两种类型：（1）高耦合-强活动。当政策企业家的活动能力很强时，低层级政府不仅会全面执行高层级政府政策，并在政策企业家频繁活动的领域进行重点着力甚至主动加码。（2）高耦合-弱活动。当政策企业家的活动能力很弱时，低层级政府会依照政策内容合理排序，循规蹈矩地完成高层级政府布置的政策目标。在消极执行情况下，分解后的问题源流与给定政策缺乏很好的耦合度，低层级政府又不得不执行政策，此时也会产生两种类型：（3）低耦合-强活动。虽然高层级政府政策与地方实际契合程度很低，但由于政策企业家的活动能力，此时政策源流的诠释程度将会变高，导致低层级政府政策与高层级政府政策的差异明显，在执行上表现为在某个政策企业家活动的领域特别重视，但忽视了其他领域的部分执行现象。（4）低耦合-弱活动。低层级政府缺少足够的内部动力完成政策任务，政策源流的诠释程度再次变低，低层级政府采取象征性执行高层级政府的政策。

可以看出，这个过程包含了多重局部耦合：高层级政府给定政策与纵向政治源流的耦合、第一次耦合结果与分解后问题源流的再次耦合、第二次耦合结果与政策企业家的又次耦合。多重局部耦合代表了执行过程中问题源流、政治源流、政策企业家和给定政策的不同连接方式，并以此输出了全新的政策源流，即低层级政府可能呈现的政策执行结果。需要指出，尽管政策企业家可能很早就已经融入了局部耦合过程，并且经常与政治、政策或问题源流纠缠在一起，但是本文依旧将政策企业家视为一个独立的变量并置于第三重耦合进行考虑。这里的关键在于：政策企业家的活动目的仍然在塑造三种源流的关系，而且他们的活动在很大程度上影响了建立在三者局部耦合基础上的政策执行。有必要说明，这些推论虽然建立在有限经验材料的基础上，但一定程度上反映出低层级政府执行政策的自主性与政治弹性、社会行动者之间的关系。

五、结语

本文聚焦于将制定和执行两个政策阶段连接起来以便纳入统一的政策过程分析之中。在多源流框架的基础上，构建了一个跨越制定与执行的两阶段多源流框架，并以人工智能政策为案例对象，归纳了源流变动和源流变异的特征以及变异后的多源流对政策执行的影响。贡献在于：第一，在政策制定和执行之间给出一种连接机制。当前很少有模型能够同时包含制定与执行，我们认为联合分析的思路能够有助于解释高层级政府通过的政策在地方遭遇失败的原因，从而确保政策理念在地方得以贯彻，这是治理获取成功的必要条件。第二，为多源流框架扩展至政策执行提供经验证据。多源流框架的核心要素能否在政策执行中取得适用性，是一个在学术界广受质疑的问题。建立在人工智能政策基础上的个案研究不仅在实证上肯定了这一观点，而且说明了时间维度下源流的变异特征及其对政策执行的影响。这些结论拓展了多源流框架的应用边界，同时提高了多源流框架在执行阶段的理论精细度。第三，基于回溯性个案研究所发掘出的政策运行特征将有助于进一步指导人工智能政策实践。在当前智能时代的效率导向中，我们可以看到问题源流中的推力因素在执行阶段未能成为显性问题，政府需要继续将实质问题带入政治源流和政策源流中，以促进人工智能的全面良性发展。

由于个案研究的特性，本文只能从单个政策的制定和执行过程中描述源流变动和源流变异的特征，不能实现更多政策的案例比较分析，更无法提供精确的关系建模，是为本文的方法局限性。此外，本文的数据均是采用网络搜索的方式搜集而来，缺乏深度的实地访谈和田野调查，导致证据支持的力度有限。因此，后续研究首先可以从更宽泛的政策阶段审视多源流框架的核心要素，或者融合更多样的政策过程理论来审视不同的政策阶段入手。其次，我们有必要重新思考之前被忽视的概念，这些概念曾被视作特生于某一个独立的政策阶段。譬如，政策企业家的活动对制定和执行都产生了不可估量的作用，接下来的研究可以对政策企业家如何把焦点从制定者转移至执行者以及他们的活动策略进行深度观察。