人工智能在公共治理领域的迅速扩张，引发了关于流程加速、决策更智能以及行政系统更现代化的强烈乐观情绪。然而，尽管热情高涨，对于人工智能如何在政府不同层级内部实际成型，却知之甚少，尤其是在权威分散于多个层级的联邦制国家。实践中，同一算法可以服务于截然不同的目的。本研究通过考察人工智能在美国联邦、州和市级层面的应用情况，以回应这一认知空白。研究基于对三十个人工智能实施案例的比较定性分析，并以数字时代治理框架结合社会技术视角为指导，识别出两种广泛的算法治理模式：控制导向型系统和支持导向型系统。研究结果揭示了各级政府间清晰的功能分化模式。在联邦层面，人工智能最常被制度化用作高风险控制的工具：支持监视、执法和监管监督。州政府则占据了一个更为模糊的中间地带，人工智能在此常常结合了支持性功能与算法把关，尤其是在福利管理和公共卫生等领域。相比之下，市级政府倾向于以更务实和服务导向的方式部署人工智能，用以简化日常运营并改善与居民的直接互动。本研究通过突出制度背景，证明了公共部门中人工智能的特性、功能和风险从根本上受其部署所在的治理层级所塑造，从而推动了关于算法治理的讨论。

当代美国的公共治理正经历一个加速算法化的阶段，这由人工智能技术被积极整合到决策和行政流程所驱动。2025年，这一进程通过唐纳德·特朗普政府发布的一系列行政命令在制度上得以巩固，这些命令旨在放宽管制并加速人工智能在公共部门的部署。在美国联邦制背景下，这一发展为考察算法技术如何在公共权力的不同层级以不同方式制度化，创造了一个独特的实证情境。

人工智能在美国公共部门内扩散的规模和速度进一步强化了本研究的相关性。现有估计表明，人工智能在公共行政中的使用一直在稳步扩大，同时伴随着对提高效率和降低行政成本的强烈预期。公共部门在人工智能上的投资增长速度超过任何其他部门，预计在2022年至2027年间年增长率将达到19%。行政流程算法化的经济潜力同样巨大：根据德勤的数据，仅在联邦层面的任务自动化每年就可消除9670万至12亿个工作时，相当于估计节省330亿至411亿美元。

人工智能的应用规模在联邦层面尤为显著。在短短一年内，美国主要联邦机构中正式登记的人工智能使用案例数量增加了一倍多，其中包括生成式模型部署的急剧增长。这一势头因《美国人工智能行动计划》的通过而得到进一步加强，该计划概述了九十多项旨在实现公共治理现代化的人工智能相关倡议。在州一级，人工智能已迅速从一项实验性技术演变为数字治理的核心优先事项。到2025年，美国所有州都已采取或启动了旨在解决人工智能在公共行政中整合与治理问题的监管和政策措施。

类似的动态在市级层面也可见到，美国主要城市日益成为日常行政操作中实际部署人工智能的中心。根据专业协会的数据，相当大比例的美国大型城市已经在至少一个职能领域使用了人工智能，这表明算法解决方案在地方治理层面正逐步制度化。尽管人工智能在美国联邦、州和市级公共治理中迅速扩散，但学术界对于算法系统如何改变行政流程的理解仍然零散。现有研究往往要么侧重于单个权力层级，要么侧重于特定技术和孤立案例，对人工智能部署实践、其制度性后果以及相关风险的系统性跨层级比较有限。因此，对于公共权力不同层级间的制度差异如何在美国公共行政模式中塑造出不同的算法治理体制，目前仍缺乏基于实证的理解。为填补这一研究空白，并考虑到人工智能在美国公共部门部署的多层级特性，本研究推进了一项比较分析，探讨算法系统如何改变联邦、州和市级公共权力层面的治理流程。引导分析的核心研究问题是：美国联邦、州和市级权力机构之间的制度差异如何催生出公共治理中不同的人工智能使用体制，这些体制在治理效果和相关风险方面有何不同？

本研究对公共行政和算法治理领域做出了三项关键贡献。首先，它对人工智能在政府不同层级内部如何使用提供了跨层级的、基于实证的比较，超越了仅关注单一层级或特定技术的研究。其次，它提出了一个区分控制导向型和支持导向型人工智能系统的框架，为理解不同机构在使用算法工具的方式及受其影响方面如何变化提供了一种结构化的途径。第三，本研究将不同的治理方法与不同的风险特征联系起来，揭示了人工智能如何在联邦、州和地方情境中影响问责制、决策权和自由裁量权。这些贡献共同为未来的研究奠定了基础，并有助于在当前关于如何在多样化的制度环境中监管公共部门人工智能的讨论中塑造观点。