本文是《美国观察》栏目推出的第197篇文章，梳理了美国地方政府数字化转型的特征，分析了这一现象体现出的治理悖论以及治理前景。

本文作者：魏欣欣，外交学院国际关系专业2025级硕士研究生

2025年7月，电子前沿基金会（Electronic Frontier Foundation，EFF）调查发现，美国警用科技巨头Axon Enterprise研发的生成式人工智能产品Draft One虽然可根据警察随身携带的摄像头音频编写报告，但系统却故意不保存AI报告的原始版本及修改记录，以避免任何面向公众的问责审计。[1]这一刻意设计的制度性不透明揭示出美国地方政府数字化转型的问责真空——当算法成为街头执法的数字助手，公民对其决策的质询权却被前置性剥夺。

在财政紧缩与效率骤降的双重压力下，美国各州正加速推进“以算法替代人力”的治理改革，然而技术赋能表象之下，潜藏着算法歧视、责任转移与央地脱节三重治理悖论。

美国地方政府数字化转型的特征

市政AI化是当前美国地方政府数字化转型的方向，各州技术部署与制度创新同步推进，驱动地方治理迈向算法行政深水区。在技术部署方面，各州纷纷落地AI应用，如新泽西州的首席人工智能战略师和犹他州的人工智能政策办公室[2]，以实现从“数据分析”到“智能决策”的升级。在制度创新方面，各州陆续出台专项AI治理政策，如《德克萨斯州负责任人工智能治理法案》[3]、佛罗里达州拟议的人工智能“权利法案”[4]等，通过立法规范市政AI应用。

这一转型趋势既由技术发展推动，又由地方政府的财政危机促成。在技术发展方面，AI技术的持续突破是转型的核心驱动力。作为一种“有潜力改造人类社会面貌的泛在性技术”[5]，AI技术发展正在重塑社会治理技术底座。2022年11月，OpenAI发布ChatGPT-3，AI首次变得“可感知（tangible）”，各国政府开始关注并探讨如何在官僚体系中最好地利用人工智能。[6]随着机器学习、深度学习、计算机视觉等关键技术爆发式突破，智能分析门槛降低，赋予城市实时感知、预测与自主决策的能力[7]，为美国地方政府数字化转型提供先决条件与物质基础。AI从实验室走向城市应用，从自动填坑调度系统到AI犯罪预测平台，智能系统全方位参与到美国市政管理、公共安全、民生服务等核心领域。

转型不仅是技术进步的主动选择，也是财政枯竭倒逼的被动突围。全国城市联盟（National League of Cities，NLC）发布的《2024年城市财政状况》报告显示，78%的美国城市面临预算缺口，其中警务、社会服务与基础设施维护三大核心职能的人力成本在过去十年间平均增长34%，而地方财政收入仅增长12%。[8]

美国各城市正在通过削减服务、冻结招聘、减少投资、提高收费等方式应对财政压力[9]，这些举措虽然有助于平衡预算，却对治理效率产生负面影响。全国城市联盟（NLC）发布的《2025年城市财政状况》报告表示，45%的城市实施招聘冻结，导致人员空缺率上升22%，结果是只有25%的城市对自然灾害或基础设施紧急情况做好充分准备，较2020年的42%大幅下降。[10]面对治理能力与应急响应效率的实质性衰退，AI被包装成降本增效的救命稻草，市政部门纷纷通过技术替代人力。匹兹堡市通过部署AI监控系统减少巡警巡逻频次[11]，奥斯汀市采用聊天机器人代替人工客服[12]，技术部署成为填补人力缺口、维持城市运转的权宜之计。

美国地方政府数字化转型的治理悖论及原因

尽管地方政府正加快使用人工智能改善公共服务，但公众信任和居民舒适度并未跟上技术发展。2025年9月的一项调查显示，美国民众对政府AI服务的舒适度从56%降至50%，居民信任度“已经处于历史低点”。[13]这一治理困境并非技术缺陷所致，而是根源于美国政治制度与社会矛盾催生出的三重治理悖论。

（一）技术中立幻觉与社会偏见固化

AI常被供应商和倡导者包装为客观中立的工具，能够消除人类决策中的情绪与偏见。[14]然而，AI客观性是一种常见的技术中立幻觉。AI算法模型由历史数据训练而成，但历史数据本身往往承载着社会固有的结构性偏见和不平等，这种偏见和不平等又进一步在“算法中立”包装下被合法化。以美国司法系统中广泛使用的COMPAS（Correctional Offender Management Profiling for Alternative Sanctions）算法为例，其对非裔美国人的错误预判比例几乎是白人的两倍[15]。COMPAS之所以存在显著种族偏见，是因为其训练数据来自美国司法系统过去数十年的案件记录，而这些记录深度嵌入了美国社会长期存在的种族歧视。[16]AI客观性终究只是技术供应商构建的幻觉，训练数据若不加以修正，技术会进一步固化社会隐藏的偏见与歧视。

“多元包容”是美国长期奉行的文化叙事，政府极力规避歧视与偏见，可即便采用AI治理，仍无法避免“技术歧视”悖论，这源于美国技术发展中的民主与法律困境。在民主问责方面，算法供应商以“商业机密”为由拒绝公开模型，市民无法质询算法仲裁。Palantir为纽约市警察局开发犯罪数据整合平台，但合同明确禁止市政府审计源代码，目的是“保护知识产权”。[17]这种技术精英主义将民主监督简化为对计算结果的被动接受，公民与算法之间存在着无法跨越的问责鸿沟。算法供应商由此完成闭环：既当规则制定者，又当最终仲裁者，将公民永久排除在算法正义的协商场域之外。

在法律规范方面，美国宪法第四修正案确立的“合理怀疑（reasonable suspicion）”标准难以适用于算法推荐。合理怀疑标准要求警察执法时“拥有具体且可陈述的事实，而非模糊的直觉”[18]，以便根据事实裁定警察判断是否准确。然而，当算法宣告某人可疑时，黑箱的不可解释性提升问责难度——公民的宪法权利既无法穿透代码逻辑，也难以挑战数据参数的正当性。打破算法黑箱在司法过程中极为困难[19]，需要完全揭示算法演变过程或取得算法控制权，而专利保护和技术复杂性使之往往难以达成[20]。合理怀疑是第四修正案对公权力的程序性约束，但算法治理下的合理怀疑却因技术黑箱难以实现，对其的宪法问责常以失败告终[21]。

（二）成本外部化与治理责任空心化

美国地方政府为快速获得技术能力，普遍将AI系统的开发、部署和运维外包给私营科技公司。政府使用算法进行公共决策，但决策责任却变得模糊。当算法决策出现严重失误，市政府的第一反应往往是托词产品缺陷并起诉供应商，将政治责任转化为商业纠纷。2018年至2024年间，芝加哥市将ShotSpotter枪击探测AI系统全流程外包给私营公司，该系统存在高误判率与种族偏见，引发误捕、误杀等公民权利受损事件[22]。但市政府将问题归咎于供应商产品缺陷[23]，供应商则辩称部署与执法决策由政府主导[24]，双方互相推诿。地方政府通过AI外包将成本外部化后，“公民—政府”权责关系异化为“用户—平台”消费关系，无法避免出现责任模糊困境。

“成本—责任”悖论源于美国地方治理的双重病灶。一是地方公共预算制度的短视性。多数地方政府长期面临财政压力，甚至濒临崩溃。AI外包的核心吸引力在于将长期人力资本支出转化为短期技术投资：组建自主技术团队需要持续投入薪资、培训等“消耗性支出（Non-Capital Expenditure）”，在政治博弈中易遭质疑；而采购AI系统被视为一次性的“资本性支出（Capital Expenditure）”，更易获得议会与公众支持。但这种短视导致政府将算法审计和运维监控外包给私营科技公司，出问题时只能被动依赖供应商的技术解释，自然倾向于将责任完全转移。

二是资本俘获对公共决策的侵蚀。科技巨头通过利益交换和避责条款，将市政AI转化为绕过采购招标与问责的灰色地带。Axon等企业长期向警察局提供免费试用、技术培训，以此绕过公开招标流程，快速抢占市场。[25]同时，它们凭借行业垄断地位制定合同条款，刻意模糊算法失误、偏见歧视等责任划分，让政府在合作中处于被动。[26]这种资本与权力的合谋，导致民主政府用公共资金购买连审计权都没有的“黑箱治理权”，将市政管理降格为科技巨头的订阅服务。

（三）联邦协同规划与地方执行碎片化

地方政府数字化转型需要联邦层面提供顶层协调与资源统筹，但联邦战略设计形同虚设，未能形成推动地方数字化发展的有效合力。2022年10月，白宫发布《人工智能权利法案蓝图》，为AI发展划定伦理边界、明确权利保障框架[27]，彰显联邦层面规范AI发展的战略决心与顶层设计思路。然而，这份宏大的治理蓝图对各州的指导意义有限。各州各自为政，制定的AI法规水平参差且相互冲突。加利福尼亚州要求所有市政AI通过“自主决策影响评估”[28]，而德克萨斯州立法禁止“限制AI创新”的地方条例[29]。各州的AI 法规各行其是，使全国技术发展布局分裂为制度孤岛。AI治理效能因碎片化执行而大打折扣，公民数字权利保障陷入有法难依的悬浮状态。

央地脱节是美国建国以来长期存在的体制缺陷，地方政府数字化转型深受其害，主要由两方面因素造成。一方面，联邦政策缺乏强制力与延续性，无法长期有效地规划地方数字化发展。在美国独特的联邦体制下，州与地方政府拥有保留权力，联邦无法强制推行统一标准。即使是拜登政府的《人工智能权利法案蓝图》，对地方政府也仅有建议性效力。此外，党派交替导致联邦AI政策的持续性严重不足。2025年1月特朗普就职后立刻签署14179号行政令，废除拜登政府的14110号行政令，称其过度监管制约AI创新[30]，两党的AI治理分歧直接加剧联邦AI政策的不稳定性。

另一方面，地方存在多层次差异，很难以相仿的步调提升自身数字治理能力。各州的财政能力、技术禀赋与政治立场差异巨大，这使得联邦统筹有心无力。财政能力上，纽约州等经济强州能巨资投入AI创新发展与数字设施建设[31]，欠发达州却连基础数字化体系都难以维系[32]；技术禀赋上，沿海科技强州依托本土科技企业与人才储备构建起成熟技术框架，内陆农业州则严重缺乏技术资源与专业团队[33]；加之两党对立带来的治理导向分歧，各地在AI监管、算法问责等核心议题上各行其是，协同治理难以实现。

美国地方政府数字化转型的前景

美国市政AI化正逼近制度性临界点，初期效率提升的技术红利因维护成本与算法局限而衰减，长期累积的治理债务将通过司法、政治与社会渠道爆发，全面显现技术治理的合法性危机。

第一，司法诉讼潮倒逼联邦接管。司法压力或将推动联邦数字集权，实现全国统一的AI治理框架。律师们正摩拳擦掌，准备掀起一轮“算法权利诉讼”浪潮。美国公民自由联盟（American Civil Liberties Union，ACLU）已在多个地区针对特定市政AI系统提起独立诉讼，认为市政AI的“商业秘密保护”侵犯了公民的“正当程序（Due Process）”权利。[34][35]最高法院很可能在2027年前被迫审理此类案件，并作出“算法透明是宪法要求”的里程碑判决。一旦司法闸门开启，地方政府将不得不大规模完善算法解释权，进而要求联邦政府统一技术审计标准，为联邦数字集权打开大门。

第二，红蓝文化战争导致“算法部落化”。AI治理正被强行纳入红蓝文化战争框架，无法避免地陷入“算法部落化”泥潭[36]。民主党倾向加强AI监管，比如民主党议员亚历克斯·博雷斯（Alex Bores）主张立法监管人工智能应用[37]。以特朗普为代表的共和党人意见相左，主张放松AI管控[38]，2025年12月特朗普甚至威胁要切断联邦宽带资金，对象是那些通过了联邦政府认为“繁琐且过度的”AI法规的州[39]。当技术治理的公共理性在党争极化中沦为政治表演，理性政策讨论将让位于象征性表态。对于选民而言，无法辨别信息的真实性时，他们倾向于通过所属群体的标签或政治身份来定义“真相”[40]，这将进一步增强美国民众对算法的“情感极化”。

第三，算法偏见催生社会稳定风险。算法偏见若与种族、阶级矛盾叠加，可能引爆新的城市骚乱。2020年“黑命贵”运动导火索是警察的暴力执法，而AI时代的导火索可能是算法黑箱。2025年8月，巴尔的摩市一名16岁黑人学生被持枪警察命令下跪并戴上手铐，原因是AI监控系统将薯片袋误判为“疑似枪支”。[41]该事件虽未引发全国性骚乱，但对算法黑箱的恐慌在社交媒体蔓延。其实，算法的无声歧视比显性暴力更加危险，因为它剥夺了受害者看见压迫、言说不公的符号资源。当压迫被算法无形化，社会矛盾往往更难被发现和解决，技术正义缺席将持续增加美国社会的不稳定风险。

结语

美国地方政府数字化转型是AI纾困与制度退化的双重过程，其治理悖论根植于美国体制与社会的深层矛盾。短期看，算法缓解财政压力，实现部分流程优化；长期看，它正在系统性地掏空美国民主问责的根基，公民与决策的距离正在被算法黑箱逐步扩大。

美国地方政府数字化转型产生的治理悖论不应被简单视为制度衰落的证据，而应理解为技术政治化时代所有大国都必须回应的普遍性挑战。真正的智慧城市，需要的不仅是前沿科技，更是制度韧性与政治智慧。算法优化无法替代制度设计，算法透明不能简化为代码开源，公民的数字权利需要精细的程序性保障。

编：陈希妍

审：孙成昊

（本文仅代表作者个人观点，与清华大学战略与安全研究中心立场无关。引用、转载请注明出处。）