进入大模型生产时代，生成式人工智能以迅雷不及掩耳之势推动智能机器加速迭代，表现出与以往的人工智能不同的主体性特征，形成了全新的人机交互形态。从数字资本的生产过程来看，智能机器和知识工人各施所长、有效协作，根本性地重塑了工作性质和生产流程，不断演绎着“人机共舞”的新景象。从表面上看，大模型生产下的人机协作通过智能增强和人机共创将人从单调、重复且枯燥的劳动中解放出来，使其专注于更具创造性的工作或任务。智能机器一跃成为人类的得力助手、工作搭档、良师益友甚至情感陪伴，资本主义“铁人反对有血有肉的人”的人机矛盾看似一劳永逸地得以“修复”了。以至于有研究报告直言不讳地宣称：“人类历史上首次迎来了‘人性化’的新一代技术。”
劳动过程理论认为，资本主义力求实现的理想是死劳动支配活劳动。(1)基于这一观点，不断发展的劳动过程理论研究旨在将“遮蔽的劳动过程和生产场景暴露在研究者的视野之中，以重返‘生产的隐秘之处’来力图揭示隐藏在资本主义生产中的压迫和宰制关系”(2)。在数字资本倾力打造“人机协作新世界”的背景下，一个亟待回答的理论追问是：数字资本主义大模型生产促进“人机和解”、走向“协同智能”(co-intelligence),是否昭示着禁锢于“算法牢笼”的劳动者正在摆脱数字奴役的宿命，并经由“一场达尔文式的协同进化”(3)而化身“赛博格”,从而加速奔向“众生无束”的理想社会?毋庸置疑，剖析当前人机关系呈现的新特点，揭示数字资本规训和吸纳劳动的新手段，是深化对大模型生产时代数字资本主义劳动过程规律性认识的迫切要求。
本文认为，进入大模型生产时代，发生于数字工厂的人机协作本质上是数字资本旨在提高劳动生产率而“加速机械化”的最新实践。智能机器正在重塑数字资本主义物质生产和精神生产的工作流程，客观上使越来越多的劳动者得以从日常的心力操劳中抽身，去从事更有挑战性但更具“人性化”的工作或任务。但辩证地看，数字资本操控下的人机协作并不必然会给人类带来自由时间增加、工作意义提升和薪酬待遇提高的数字红利。从长远来看，智能机器的规模化应用将促使知识工人习得技能的加速贬值，进而侵蚀人类复杂认知能力生成的实践基础。而且，“一键式生成”(push the button)的数字便捷极易导致知识生产过度依赖人工智能，从而消弭人的创造力，引发数字资本主义劳动过程的“去技能化”。
一、人机协作：资本主义人机关系发展的新趋势
进入数字资本主义阶段，随着智能机器的拟人化和能动性不断增强，“人机适应”开启了资本主义人机关系发展的新阶段，在这一阶段，商品生产流程柔性化、敏捷化的水平不断提高。在大模型生产落地后，生成式人工智能技术加持下的智能机器获得了日益多样化、日益强大的“劳动能力”,人与智能机器通过平台系统频繁交互，人机协作成为数字资本主义人机关系发展的新趋势。
(一)大模型生产下人机协作的出场理路
一方面，资本主义条件下机器应用延展了人类器官的功能，提升了人类实践活动的能力和效率，推动了生产力的发展和社会财富的增加；另一方面，“资本主义体制推进了机器技术与社会权力的同构化，加深了工人的异化，造成了人机关系的分离和对立”(4)。进入大模型生产时代，在平台革命的推动下，数据的爆炸式增长、算力的指数级供给以及算法的日益精进，合力推动了智能机器的“智能涌现”和性能泛化，呈现出令人耳目一新的交互主体性。(5)资本主义人机关系开始从单向适应的机械模式向相互适应的有机模式转化。在生成式人工智能技术的加持下，智能机器“不再是被动消极的工具，而是一个充满活力、随时准备与人交互、积极应对人的要求并向人提供帮助甚至主动服务的‘伙伴’”(6)。随着大模型生产体系日臻完善，智能机器以更加类似人的方式“学习”“思考”“决策”和“行事”。从机器能力的发展轨迹来看，早已不是“庞大的机器怪物”的智能机器开始展现出不同于人类的“类特质”。
大体上看，智能机器善于“执行重复任务，分析庞大的数据集，处理常规案例”,而人类则在“处理模糊信息，判断棘手情况，应对客户不满”等人性化软技能方面占优势。如此一来，一方面，在数据供给充沛且情境可预测的生产领域，新一轮“机器换人”势不可当。同时，在充满不确定性的工作场所，人类复杂的认知能力依旧不可替代，资本主义人机分工的广度和深度在大模型生产时代得以进一步扩张。另一方面，在知识商品生产的价值链条中还存在相当多的工序环节，人和机器都难以独自胜任，无法通过明确的人机分工来完成。究其根源，一是工作场景数据匮乏，情景知识难以编码，从而导致智能机器数据训练不足，“劳动表现”不佳；二是劳动者生产信息处理能力有限，仅凭直觉、经验和习得技能不足以获得理想的任务绩效。
于是，数字资本便独辟蹊径，充分利用大模型生产带来的自适应流程优势，打造人机集合体(7),糅合智能机器近乎无限的运算能力和人类的洞察力、综合思维能力来形成“混合智能”(hybrid intelligence)(8),从根本上重塑知识商品生产的工作流程，进而通过人机协同发力来实现生产力的高速发展。因此，数字资本主义劳动过程的一个发展趋势就是数字资本不断开辟需要人机协作的“缺失的中间地带”,加速摒弃程序化装配生产线，转向人与先进的人工智能系统的协同工作。(9)在生产制造、市场营销、医疗诊断、金融服务等领域，许多传统的生产流程正在受到人机协作的全新工作模式的挑战。
(二)大模型生产下人机协作的实践样态
进入大模型生产时代，在日趋丰富的多模态技术的加持下，智能机器的具化形态也各有千秋。从数字资本主义的智能机器应用及发展趋势来看，功能各异的智能助手逐渐成为知识工人的工作神器；数字员工正在实现知识库具象化，助推企业组织智能化演进；通用智能体“按意图行事”,它可以演绎人机协作的理想图景(表略)。
其一，智能助手与人机协作。随着大模型垂直化部署的持续推进，各领域推出的智能助手的功能从自动生成会议纪要、辅助处理文档和智能搜索，到数据增强、代码补全和灵感激发等，这让生成式人工智能驱动的智能机器成为办公、营销、设计、医疗等工作场景的“智能副驾驶”,个体劳动能力得到显著延展。从这个意义上讲，“正如计算机帮助人类提升生产效率、手机帮助人类沟通一样，人工智能有助于人类突破身体局限，让自己看得更远、听得更清、记得更牢、理解得更透彻”(10)。
譬如，在智能医疗场景中，智能助手可以“倾听”患者就诊过程并立即生成医疗记录，分析患者的基因组学数据和生活习惯，从而制定更加精准的治疗方案，使医生能够走出“文档疲劳”,专注于与患者沟通，进而提升诊疗效果。在法律事务场景中，智能助手可以进行法律研究和案例检索，自动生成法律文档，完成合同审查和风险评估，并实时提供在线咨询。在数字营销场景中，智能助手可以自动生成营销文案、视频脚本，实时洞察商机，并以自然语言式问答交互和强大语义生成能力跨越传统的机械化问答匹配，为实现客户服务的“智变”开拓全新的道路。在人力资源管理领域，智能助手可以根据员工的特点提供定制化的学习资料和职业发展规划，从而更好地发掘员工的成长潜力。
当前，各种智能助手展现出传统的生产工具不可企及的自动性和交互性。尽管在数字资本的市场叙事中，智能助手依然以“辅助工具”的面貌示人，但其具备了远超预期的文本处理、逻辑计算、代码编辑等能力，开始日益显露出“以生产力本身的形式出现”的生产特质，为开启数字资本主义人机协作提供了物质基础。在实践中，智能助手尚不能单独实现知识商品生产指定工序的自动化，而是以“智能增强”(intelligence augmentation)的方式协助收集某一领域的信息，获取专家知识和提供决策支持，助力劳动者更加高效地完成各种数字化工作。由于此类场景中的人机协作是松散的工具型合作关系，没有实现人与机器能力演进的“双向奔赴”,因而只是大模型生产时代资本主义人机协作的初级形态。
其二，数字员工与人机协作。在数字资本主义智能化生产中，数字资本竞相开发部门专有大模型，推动企业组织智能化变革。为了进一步挖掘人机协作的潜力，投身智能化转型的各类企业开始利用专有数据训练垂直大模型，生成定制化的数字员工，以期实现商品生产“工艺知识”的具象化、资本化。能够理解业务逻辑的数字员工纷纷加入劳动力大军，根据特定工作场景的需要与劳动者强强联合，形成新型人机团队协同工作。于是，劳动分工主体由单一主体人的分工拓展至人机双元主体分工协作。(11)
从实践上看，在经营决策领域，数字员工发挥自身强大的数据运算能力，高效收集和挖掘市场趋势和公司绩效等重要信息，总结提炼以往没有被发现的模式或规律，实时形成“计算知识”和商业智能；人则在数字员工算法推荐的基础上，利用自身的战略直觉和利益平衡术，在充满复杂性、不确定性和利益博弈的经营环境中促进决策动态优化。在风险控制领域，数字员工实时监控业务流程，自动提示异常行为，并利用专业知识进行算法推理，以完成自动化因果判断和风险源识别；人只需验核算法决策结果，并采取行动消除风险。在知识生产领域，撰文、翻译、制表、作图、代码核查等重复性较高的目标任务，都被交给数字员工来自动执行；劳动者可以突破“技法”和“效能”的限制，专事于创意问题求解等更具想象力和挑战性的数字劳动。换言之，数字员工根据人工提示词完成工作初稿，劳动者则进行目标设定，修改调整人工智能生成内容(AIGC)以确保劳动成果的合规可用。
相比于前文所述的智能助手，数字员工在知识生产诸多环节的“劳动表现”已经与人类不相上下。正因如此，在数字资本推动的企业组织智能化变革中，智能机器开始以共同解决任务的“工作伙伴”的面貌出现，客观上对资本主义劳动过程产生了颠覆性影响。这种影响主要包括三个方面。一是从劳动地位来看，在人机团队协作中，数字员工虽然不能独立完成任务，但却承担着与人相当的工作量，自然不再是生产过程中的“配角”。二是从协作方式来看，人机之间的有机合作既有机器分析在先、人决策在后的简单协作，也有算法决策和人决策深度融合的有机协作。三是从能力演进来看，人机协作的相互成就既有类似数字助手作用发挥的“智能增强”,也有人反馈强化助力数字员工“学习成长”。鉴于此，此类场景中的人机协作不再是简单的工具使用过程，而是在人机知识共享、深度耦合和彼此赋能中既凸显人的自主性，又强调机器能动性的伙伴互动过程，即“AI是人的能力的延伸，人是AI能力的放大器”(12),进而演进成为大模型生产时代数字资本主义人机协作的成熟形态。
其三，通用智能体和人机协作。在数字资本倾力开发的“自动化机器体系”中，通用智能体是具备自主规划任务、调用工具、优化路径以完成特定任务的智能机器。当下，随着大模型能力的增强以及检索增强生成(RAG)等技术的成熟，智能机器系统感知环境、形成记忆、作出决策、采取行动和学习优化的能力也在快速提升，迭代发展成为通用智能体并显现出广阔的应用前景。从数字资本主义商品生产的过程来看，一方面，在智能机器擅长的领域，通用智能体的出场和自我迭代进一步推动了资本主义人机关系中的劳动客体化和机器主体化，这在客观上会因“机器换人”的提级加速而对人的生产地位产生进一步冲击。另一方面，在人和智能机器均无法独自完成工作的“缺失的中间地带”,以“工具使用者”的身份出现的通用智能体将推动数字资本主义人机协作迈向崭新的阶段。有研究报告指出：“AI智能体的出现意味着AI与人的协作方式将发生颠覆性变化，从传统的‘以用户指令为中心’,转变到‘以用户意图为中心’。”(13)
可以预见，“未来的工作环境将是一个人与高度专业化的AI智能体紧密协作的生态”(14)。在人机协作中，劳动者只负责设定目标、提供资源和核验结果；通用智能体直接面对目标任务进行任务拆分、工具选择、进度控制，并在实现目标后自主结束工作。这意味着，不同于数字员工需借助人工提示词来完成自动化，通用智能体通过人设定目标就能全面实现自动化。此外，通用智能体能够通过与人进行互动学习来实现持续进化，真正成为组织的高度智能化数字分身，从而促进人机融合的智能协作。在数字资本推出的人工智能“代理即服务”(agent-as-a-service)中，通用智能体作为“主驾驶”(auto-pilot)完美地充当了人的工作代理，人只需负责设定目标任务和评估结果。当然，劳动者虽然逐渐隐身幕后，但依然以“人机回圈”的方式在通用智能体的“劳动力再生产”中不可或缺。
(三)大模型生产下人机协作的动态演化
马克思认为：“提高劳动生产力和最大限度否定必要劳动……是资本的必然趋势。”(15)当下的智能机器通用性能泛化加速，新一轮“机器换人”的趋势势不可当，但在相当长一段时期内，其自主智能水平远不足以支撑人类知识生产“全自动化”。有研究表明，大模型生产下的智能机器“劳动能力”的作用发挥存在“锯齿状的技术边界”。在人工智能的能力范围之内，智能机器可以高效轻松地完成甚至取代人类工作；但面对其能力范围之外的任务，人工智能的“绩效表现”则一般，刻意使用人工智能反而会拉低人的工作水平。(16)正因如此，随着数字资本主义智能化生产的持续推进，“缺失的中间地带”会不断出现，这就需要人机协作加以适时填充。
静态地看，智能机器拥有的认知计算专长及其能力半径直接决定了人机协作的广度和深度。动态地看，随着生成式人工智能技术的发展，人工智能训练数据高质量生产、先进算力充沛供给、算法架构优化持续推进，智能机器将不断获取类人的复杂认知能力，在越来越多的知识工作领域从“初学者”成长为“数字专家”甚至“人类导师”。智能机器的能力边界不断拓展，进而推动了人机协作的加速发展。一方面，智能机器的“劳动能力”显著提升，有更多的认知型工作任务可以被人工智能技术所替代，原本需要人和机器通力合作完成的工作任务现在可以交由“数字员工”来自动执行，昔日成型的人机协作如今转变成为新一轮的人机分工。另一方面，在更加复杂的认知决策领域出现的“缺失的中间地带”又会重演“人机共舞”的画面。由此观之，大模型生产下的人机协作演化本质上是数字资本主义智能机器应用中“自动—增强悖论”(17)矛盾运动的现实反映。需要指出的是，在人工智能“图灵机”范式下，人的劳动始终不可替代。随着大模型生产的发展，复杂认知任务中算法决策与人决策日趋相互交织、密不可分，人机共生将成为数字资本主义劳动过程最具时代性的生产特征。
二、“再人性化”:数字资本规训的新话术
进入大模型生产时代，数字资本拥抱技术解决主义，炮制人工智能新物神，并不失时机地大肆宣扬人机协作可以“让人像人、而不是像机器一样地工作”。在人工智能的拥趸们看来，“人工智能可以让人类工作者变得更加人性化”(18)。殊不知，马克思早就说过，在资本主义制度内部，“说什么由于资本家利用固定资本(况且，固定资本本身就是劳动的产品，并且不过是被资本占有的他人劳动的产品)使工人的劳动减轻了(相反，资本家利用机器使工人的劳动失去了一切独立性和吸引力),或者使工人劳动的时间缩短了，所以工人就和资本家分享劳动产品了，这种说法是极其荒谬的资产阶级滥调”(19)。
(一)“重复性劳动替代”与劳动内容“再人性化”
众所周知，在资本主义机器化大生产中，工人在被动地适应“机器时间”生产的节奏中“不是自由地发挥自己的体力和智力，而是使自己的肉体受折磨、精神遭摧残”(20)。随着大模型生产的发展，面对日趋激烈的数字劳动反抗，深谙生存之道的数字资本竭力溢美人工智能，宣扬人机和解，并四处兜售人机协作的“工作新世界”。因此，当下人机协作的市场叙事其实是数字资本借力人工智能革命来重施“同意的生产”的一种新伎俩。在实践中，数字资本蓄意制造出一种以智能机器的“人化”来消弭“死劳动支配活劳动”的生产幻象，暗地里却加紧开发新一代人工智能技术，以大模型的加速迭代和应用来更加疯狂地“吞噬活劳动”。鉴于此，所谓人机协作推动劳动内容“再人性化”的说法只不过是数字资本刻意美化“自然化”智能机器资本主义应用的一种意识形态说辞而已。
首先，在资本主义生产方式下，“劳动对工人来说是外在的东西”(21)。对于身陷劳动异化的无产者而言，在资本的生产过程中无论承担多么轻松的工作任务，“劳动始终是令人厌恶的事情，始终表现为外在的强制劳动”(22)。并且，在机器体系主体化与劳动者工具化的人机对立中，资本主义劳动过程“压抑工人的多种多样的生产志趣和生产才能”(23)。正因如此，在标准化的装配车间抑或信息化的格子空间里，“工人只有在劳动之外才感到自在，而在劳动中则感到不自在，他在不劳动时觉得舒畅，而在劳动时就觉得不舒畅”(24)。毋庸置疑，在社会生活中，只要资本统治还存在一天，劳动就不会是能给人带来合乎人性的生活乐趣的“自由的生命表现”。进入大模型生产时代，没有改变的一个基本生产事实是，数字资本主义劳动过程从属于资本的“质”并未发生任何改变。在数字资本高调推行的人机协作中，即使劳动者能够从事更具挑战性的工作任务，也依然是“满足劳动以外的那些需要的一种手段”,也就不可避免地依旧是服从资本意志的“一种自我牺牲、自我折磨的劳动”。(25)
其次，正如马克思所指出的，任何机器都是“人的手创造出来的人脑的器官；是对象化的知识力量”(26)。进入大模型生产时代，智能机器的开发与迭代也概莫能外，甚至是须臾离不开人的劳动投入。于是，一个极具讽刺意味的悖谬是，数字资本倾力开发加速替代重复性劳动的智能机器，但同时却又需要在全球范围网罗廉价劳动力来完成在大模型开发、推理、部署和迭代中一时还难以编码化的数字化任务。这意味着，数字资本一边高调宣扬人工智能将人从重复性劳动中解放出来，一边却又时刻在制造更加碎片化、更无劳动内容的数字劳动。现实中，“在搜索引擎、应用程序和智能设备的背后，是大量的工人，他们被放逐在全球化体系的边缘，缺乏其他选择，被迫清理数据和监督算法，仅能换得几美分的报酬”(27)。更有甚者，数字资本为维系人工智能“救世”的市场叙事，便想方设法地推行各种“劳动隐化”策略，将众多匿名在线的数字劳动者设置成为智能机器系统中的一行行代码，进而以去劳动关系化迫使其从事朝不保夕、身心俱疲的“幽灵工作”。对此，有学者一针见血地指出，时下勃兴的人机协作实际上是数字资本操纵下被异化和伪装的人际合作罢了。(28)
再者，从物种的类特质来看，人擅于批判性思考，拥有直觉力、判断力和同理心，因而在不可预测的场景中可以见机行事。但从个体来看，人的劳动能力有高有低。现实中，能够将创造潜力充分发挥出来的人毕竟只是少数。正因如此，对于普通劳动者而言，智能机器承担“苦役”、人专事于创新的画面只能算是一种美好的工作憧憬而已。真实的情形是，大模型生产正在以大量普通白领失去工作为代价将人类从单调重复的工作中“解放”出来。更值得一提的是，相关实证研究表明，自ChatGPT等大模型发布以来，大模型云端协同部署的确给人们带来了令人眼花缭乱的“智能工具”,但从其“智能增强”的实际功效来看，人机协作并不必然给数字劳动者带来想象中的工作自如和轻松。(29)
(二)“自由时间增加”与劳动方式“再人性化”
在政治经济学语境中，自由时间是指闲暇时间，抑或从事高级活动的时间。进入大模型生产时代，数字资本极力宣扬人工智能的超人潜能，不厌其烦地描绘令人向往的智能社会图景。在这种社会，智能机器不知疲倦地高效生产，社会物产极大丰裕，人类拥有充足的可自由支配的时间，马克思笔下的“随自己的兴趣今天干这事，明天干那事，上午打猎，下午捕鱼，傍晚从事畜牧，晚饭后从事批判”(30)的生活似乎指日可待。若是如此，人们还有什么理由不去主动拥抱人工智能呢?然而，这其实是技术解决主义的一厢情愿式的实践臆想，在学理上实在不堪一驳。
首先，从资本的生产逻辑来看，资本不遗余力地推动技术进步，利用机器体系来最大程度地榨取相对剩余价值，客观上使生产过程中直接劳动的必要投入缩减到最低程度。进而，无意间，“资本就违背自己的意志，成了为社会可以自由支配的时间创造条件的工具”(31)。但是，资本统治下的以价值为基础的社会生产绝不会任由劳动者通过获取自由时间来实现自身的发展。相反，机器体系资本主义应用的趋势始终是“一方面创造可以自由支配的时间，另一方面把这些可以自由支配的时间变为剩余劳动”(32)。进入大模型生产时代，随着数字资本主义生成式人工智能技术的加速发展，智能机器获得的“高阶劳动能力”持续提升，“死劳动对活劳动的彻底替代”得到大力推进。面对这一价值运动危机，为了维系大模型生产条件下以价值为基础的生产，数字资本对剩余劳动的贪求将会比第一次工业革命以来的任何时候都急迫。
其次，纵观资本主义发展历程，不管社会生产力发展到何种程度、在多大程度上创造了“劳动获得解放的条件”,在资本统治下的社会生活中，自由时间都只是少数人的非劳动时间。偷窃工人剩余劳动时间的资本家是时间的真正主人，他的所有时间都是自由的，或者说他的必要劳动时间也是其自由时间。相比之下，“无产者不过是生产剩余价值的机器”(33)。数字资本主义生产中智能机器应用的高歌猛进以更加令人震撼的加速度缩减了整个社会的劳动时间，从而能够史无前例地为劳动解放提供物质技术准备。但在现实中，数字资本巩固平台垄断，推行算法专制，谋求人工智能变现，凡此种种的逐利操作无一不在昭示：数字资本主义“以劳动时间作为财富的尺度”的社会生产不仅不会消退，反而在推进“现实世界数字化、数字世界实体化”的过程中更加恣意地上演着“死劳动支配活劳动”的拿手好戏。由此推之，数字资本主义大模型生产下的人机协作给日趋依附平台的社会大众带来的恐怕将是更加“无问闲暇”的数字忙碌和更加深重的“时间贫困”。国外近期的相关研究显示，职业人工智能暴露程度较高的劳动者普遍面临工作时间延长和休闲时间减少的困境。(34)
(三)劳动生产率提升与劳动结果“再人性化”
进入大模型生产时代，资本竞相开发的智能机器推动了知识商品生产的工业化和劳动者的“智能增强”,其在促进生产力发展方面的潜能不可小觑。相关实证研究结果显示，在文案撰写、客户服务、创意生产、代码开发等知识商品生产领域，大模型生产下的人机协作推动了劳动生产率的显著提升。(35)在一些人眼中，大模型生产具有天然的技术普惠性，人机协作带来的“数字红利”将会惠泽、拥抱人工智能的每一名新型劳动者。照此逻辑推之，一直以来因劳动者与生产资料相分离而导致的人与自己的劳动产品相异化的问题，在大模型生产时代的人机共创中将得以消解。 而事实上，马克思曾深刻地指出，在资本主义制度内部，“一切提高社会劳动生产力的方法都是靠牺牲工人个人来实现的”(36)。除了“把工人贬低为机器的附属品”“把工人的生活时间转化为劳动时间”(37),机器的资本主义应用“使生产者变成需要救济的贫民”(38)。回顾资本主义劳工史，从机器大工业时代的产业工人到信息时代的知识工人，纵然“劳动力可能通过阶段斗争来提高工资和改善生活条件”,但资本主义国民收入分配的一个基本事实是，“过去机器能够为我们带来的好处其实是机器能够为资本主义企业带来的好处”。(39)进入数字资本主义阶段，资本推行的数字计件工资制使众多“键盘点击工”(clickworker)和非正规劳工身陷数字血汗工厂的盘剥，日益陷入“就业不稳定”和“数据贫困”的双重生存窘境。
当下，资本主义平台愈发牢固，数字资本垄断关键数字生产资料，劳动者对平台的实质性依附日趋加深。面对数字资本的全面宰制，人们不禁自问：仅仅熟练操作各种智能工具何以如愿地实现“占有自己的剩余劳动”?剖析当代资本主义社会的分配现状，一个愈发明显的事实是：“人工智能的资本主义应用一方面创造了极致生产力，另一方面这种生产力不是由全社会共同占有，而是由资本家阶级占有。”(40)于是，屈指可数的数字科技巨头占据的市场支配地位及其攫取的高额利润举世罕见，足以使19世纪末资本主义“强盗大亨”们的攫取行径相形见绌。
三、另类“去技能化”:人类劳动退化的新表征
从根本上讲，人工智能革命的“核心是以人工智能系统替代人类的脑力劳动”(41)。进入大模型生产时代，数字资本一边忙于给人机协作抹上“再人性化”的“玫瑰色”,一边暗地里加紧通过“机器换人”来提高收益。其结果是，在不断深化的人机分工中，数字资本主义智能机器的规模化应用加速推动了知识商品生产的“去技能化”。与此同时，在日趋扩大的人机协作中，“智能增强”和人工智能过度依赖也引发了不同于以往的资本主义劳动过程“去技能化”。
(一)智能化替代与智力劳动技能的加速贬值
劳动过程理论认为，资本念念不忘的一个生产信条就是“劳动过程不应该依靠手艺、传统和工人的知识”(42)。自第一次工业革命以来，资本通过分工和扩大分工规模来不断推进工人劳动方式的“去技能化”。进入数字资本主义阶段，智能机器的出场推动了资本对整个生产过程中人的解释能力进行分解、重组和复制。(43)在生成式人工智能技术的加持下，数字资本稳步推动对人类认知任务的机器替代。与此同时，平台企业搭建数字工厂，推出“人工即服务”(human-as-a-service)模式，制造出大量“供给充足、可计算和易于替代”的数字劳动。
进入大模型生产时代，生成式人工智能的技术迭代速度令人瞠目，智能机器日益获得了“强智能性、强通用性、强交互性”的类人特征。在实践中，数字资本大力发展知识商品生产劳动过程的拆解、复制和模仿，并加紧推进新一轮“机器换人”,也即将组织知识和专家能力加速转移到智能化机器体系之中。在人工智能技术应用的影响下，一方面，人类的智力劳动能力不断“贬值”甚至“无用武之地”;另一方面，服务于大模型生产的数字劳动内容简单化、劳动方式机械化程度加剧。可以说，数字资本正在将资本主义劳动过程的“去技能化”推向新高度。
(二)智能增强与熟练劳动“技能溢价”的消解
在工业资本主义时期，机器化大生产使工人劳动愈加简单化、片面化和机械化。从劳动形态演进来看，“在自动工厂里，代替工场手工业所特有的专业化工人的等级制度的，是机器的助手所要完成的各种劳动的平等化或均等化的趋势”(44)。不同于劳动内容的趋同化，从智能助手的应用功效来看，大模型生产条件下的人机协作不断释放“智能增强”的生产力潜能，极大地消弭了劳动技能差异，使不同员工的劳动表现不再相差很远，而是呈现出“业绩拉平”的效果。对于那些学艺尚浅的低技能员工，智能工具的出现如同雪中送炭，使其能够迅速加载专家知识、获取具体指导，从而显著地提升劳动生产率。相比之下，对那些拥有丰富工作经验的高绩效员工来说，智能工具的助力只能算是锦上添花，对其绩效的提高助益不大。对菲律宾一家呼叫中心的5179名客户代理的调查表明，在使用一款智能助手软件之后，这些从事客户支持工作的员工的工作效率(以每小时解决问题的数量来衡量)平均提高了14%。但是，这一研究也同时发现，新员工和低技能员工的工作效率的提高尤其显著。相比之下，生成式人工智能对经验丰富的员工的赋能作用并不明显。(45)
简而言之，大模型生产带来的智能增强和“生产力均衡器效应”在一定程度上逆转了“技能偏向型技术变迁”,推动了组织内熟练工人与非熟练工人劳动技能的趋同化。这意味着，智能工具的应用可以有效地降低知识商品生产的技术门槛，削弱职场工作技能带来的竞争优势，拉近新老员工的业绩表现。如此一来，原先熟练工人享有的“技能溢价”被极大地消解了(46),这在劳动补偿的意义上引发了新一轮知识工人的“去技能化”。客观上说，这种情境下熟练工人的“去技能化”有助于缩小组织内的薪酬差距。然而，从工人阶级构成的发展趋势来看，人工智能带来的人人旨可实现的“智能增强”将会使曾经的技术骨干和高级白领因“人力资本”的贬值而难圆“中产梦”,从而出现“一支庞大的新型无产阶级”(47)。
(三)人机合作与复杂劳动能力的生成悖论
从数字员工的应用场景来看，在人机协作的过程中，智能机器发挥自身强大的感知、运算能力，完成常规场景的“认知决策”;人则利用自身的想象力、直觉力和判断力，承担不确定情形下的随机决策任务。短期内，人机协作将会给数字资本带来可观的超额剩余价值，并减轻知识劳动者的工作负荷。但从长远来看，这种人机协作无意间也阻断了人类复杂认知能力的生成链路，制造了“知识获取悖论”(48),从而引致发生学意义上的“去技能化”。此外，“随着计算机开始占据越来越多的知识工作任务，技能退化的速度将会加快”(49)。这是因为，人类认知能力的生成与提高不是在真空中发生的，而是产生于具体的、丰富多彩的社会实践。对于普通劳动者而言，只有经历不同层级的岗位磨砺和“干中学”,不断获取和夯实智力劳动“基本功”,才有可能“琢玉成器”,最终成为具备专家能力的行家里手。如果一味地陶醉于由数字员工“代劳”常规决策和程序性工作，使组织员工得不到必要的岗位历炼，甚至连最基本的业务理解和工作直觉都无法形成，那么一个不容回避的实践难题是，人机协作中劳动者所必须具备的认知决断、临场处置等人的复杂认知能力从何而来?最新的一项实证研究表明，经常使用人工智能工具而导致的“认知卸载”(cognitive offloading)不利于人类批判性思维能力的生成。(50)随着智能机器朝向通用智能体加速演化，在数字资本主义大模型生产中，一方面，人类的智力劳动投入缩减到最低限度；另一方面，人类的战略构想、情境决断等高阶认知能力将变得愈发不可或缺。照此情形发展下去，数字资本主义大模型生产中的人机协作大行其道，人类复杂劳动能力的生成悖论将变得愈加棘手和尖锐。
(四)对人工智能的过度依赖与人类创造能力的钝化
一直以来，人类对“机器的自动作用”具有内在迷恋。(51)进入数字资本主义阶段，资本技术化和技术资本化得以加速推进，以搜索引擎、推荐算法等为代表的智能机器对人类生产生活产生了重要影响。有研究表明，面对日趋精进的智能化机器体系，人们容易陷入过度信任机器的心理泥沼，产生“自动化偏见”(automation bias)。(52)相较于人工决策，人们认为机器决策更加高效、准确和客观。随着大模型云端协同部署的加快推进，智能机器从海量数据中学习共性知识，通过强泛化、深结构和自适应的算法处理达到“能思考、做创作、善决策、会推理”的目的，日趋展现出强大的人工智能内容生成能力。从人机关系发展来看，人们对数字资本主义智能机器的痴迷和过度依赖有加深之势。
目前，生成式人工智能技术狂飙突进，正在开启资本主义知识商品生产领域的工业革命。在追逐超额剩余价值的过程中，创意类商品的开发与生产愈发被数字资本所倚重，人的想象力和创造力的要素稀缺性因此也日趋凸显。但与此同时，由于大模型日趋展现出出乎人意料的“创造性”,尤其是在药物研发和科学研究中大放异彩，人们在创新性工作领域的人工智能依赖也初露端倪。表面上看，在创意类商品生产中，人类在智能机器完成的“初稿”基础上进行“精加工”会显得事半功倍，极大地提高创新效率。但实际上，不仅实践中只有具备高工作技能的员工才能在与人工智能的协作中受益，提高创造力；(53)而且从长远计，当我们将人工智能视同“创新者”时，人机协作最终带来的可能是人类创造力和原创性的湮灭。(54)一项针对创意写作的实验表明，尽管人机协作能够在一定程度上提升个体的创造力，但集体输出的新颖性却会受损。(55)
究其缘由，智能机器的结果输出实质上是人类世界知识的统计复现。ChatGPT等大模型基于形式逻辑和概率推断、而非辩证逻辑和因果推理来进行“知识生产”,尽管其能够高效地对人类知识进行筛选、重组和复制，但却难以产生新知识。(56)相较于人类可能超出经验、突破思维限制的“奇思妙想”和“神来之笔”,智能机器虽然时刻都能“才思泉涌”,但它们的产出大多“中规中矩”。从这个意义讲，人工智能就是“新常人”,它生产出的知识其实是一种被磨平了棱角、能被大多数人接受、随大流的知识。(57)在创新性要求甚高的工作场景中，如果满足于智能机器足够棒的“劳动表现”,人类往往会选择“走捷径”,甚至完全放手让智能机器“代劳”。从实践上看，对人工智能的过度依赖，一方面会使原本自我挑战、自我实现的工作的趣味消磨殆尽；另一方面，概率化、组合式生成的“机器文本”充斥泛滥，这不仅会使智能机器因自返式迭代而走向“模型崩溃”(58),而且将在很大程度上导致人的认知固化、思维衰退和创造力钝化。正如有学者所言：“如果发展到了一个全面展开人机对话的时代，我们人类的知识创新很有可能被限制甚至淹没在同质化的机器语言中。”(59)若是如此，马克思曾指出的“劳动生产了智慧，但是给工人生产了愚钝和痴呆”(60),极有可能在大模型生产时代蜕变成为这样一种状态，即“人工智能生产了平庸，同时给工人生产了愚钝和痴呆”。
四、结语
毋庸置疑，进入大模型生产时代之后，数字资本主义劳动过程正在发生颠覆性变化，具体表现在人机协作重塑了工作模式、工作流程和工作内容。总体上看，在资本主义制度内，在生成式人工智能技术的加持下，人机协作显著提升了数字资本的生产力，制造了史无前例的“数字繁荣”景象。但相较于数字资本恣意收割人工智能红利，身陷平台依附的知识工人表面上享有“再人性化”的劳动条件，实际上却正在遭遇更加彻底的“去技能化”。更令人不寒而栗的是，纵然有朝一日劳动者得以化身“赛博格”,但只要数字资本牢牢地掌控大模型生产的关键生产资料，人机混合的“超级有机体”定将成为数字资本榨取的对象。(61)在被称为“人类最后一项发明”的人工智能浪潮中，逐渐沦落为“数字穷人”的劳动者将成为最大输家。究其根源，在资本统治的社会生活中，“机器不是作为‘人类’的仆人，而是作为由于积累了资本从而占有机器的那些人的工具而产生出来的”(62)。
注释：
(1)殷杰：《生成式人工智能的主体性问题》，载《中国社会科学》2024年第8期。
(2)埃森哲：《生成式AI时代的工作模式、工作组织、工作者》，https：//www.sgpjbg.com/baogao/169510.html。
(1)哈里·布雷弗曼:《劳动与垄断资本》,方生等译,商务印书馆1978年版,第205页。
(2)闻翔、周潇:《西方劳动过程理论与中国经验:一个批判性的述评》,载《中国社会科学》2007年第3期。
(3)爱德华·阿什福德·李:《协同进化:人类与机器融合的未来》,李杨译,中信出版社2022年版,第335页。
(4)孙伟平:《数智时代的新型人机关系及其构建》,载《湖北大学学报(哲学社会科学版)》2023年第3期。
(5)殷杰:《生成式人工智能的主体性问题》,载《中国社会科学》2024年第8期。
(6)肖峰:《基于马克思对象化劳动理论的人工智能大模型研究》,载《马克思主义研究》2024年第4期。
(7)Vivek Choudhary et al.,“Human-AI Ensembles:When Can They Work?”,Journal of Management,Vol.51,No.2,2025,pp.536-569.
(8)Mohammad Hossein Jarrahi et al.,“Artificial Intelligence,Human Intelligence and Hybrid Intelligence Based on Mutual Augmentation”,Big Data & Society,Vol.9,No.2,2022.
(9)保罗⋅多尔蒂、詹姆斯⋅威尔逊:《机器与人——埃森哲论新人工智能》,赵亚男译,中信出版社2018年版,第XXVI页。
(10)华为、清华大学:《AI与人协作、服务于人——AI终端白皮书》,https://www.bgcaijingpro.com/doc/75981.html。
(11)何江、闫淑敏:《人机劳动分工:生成逻辑、模式类型与作用机制》,载《南开管理评论》2024年第6期。
(12)李宁:《解锁AI力:开启一场人机双向奔赴的生产力革命》,载《清华管理评论》2024年第6期。
(13)华为、清华大学:《AI与人协作、服务于人——AI终端白皮书》,https://www.bgcaijingpro.com/doc/75981.html。
(14)李宁:《解锁AI力:开启一场人机双向奔赴的生产力革命》,载《清华管理评论》2024年第6期。
(15)《马克思恩格斯文集》第8卷,人民出版社2009年版,第186页。
(16)Fabrizio Dell'Acqua et al.,“Navigating the Jagged Technological Frontier:Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality”,HBS Working Paper,No.24-013,2023.
(17)Sebastian Raisch and Sebastian Krakowski,“Artificial Intelligence and Management:The Automation-Augmentation Paradox”,Academy of Management Review,Vol.46,No.1,2021,pp.192-210.
(18)保罗⋅多尔蒂、詹姆斯⋅威尔逊:《机器与人:埃森哲论新人工智能》,第30—31页。
(19)《马克思恩格斯文集》第8卷,第192页。
(20)《马克思恩格斯文集》第1卷,人民出版社2009年版,第159页。
(21)同上书,第156页。
(22)《马克思恩格斯文集》第8卷,第174页。
(23)《马克思恩格斯文集》第5卷,人民出版社2009年版,第417页。
(24)《马克思恩格斯文集》第1卷,第159页。
(25)同上书,第159—160页。
(26)《马克思恩格斯文集》第8卷,第198页。
(27)菲尔·琼斯:《后工作时代:平台资本主义时代的劳动力》,陈广兴译,上海译文出版社2023年版,第2页。
(28)Advait Sarkar,“Enough with Human-AI Collaboration”,https://arxiv.org/pdf/2306.01615.
(29)黄再胜:《生成式人工智能与数字资本主义价值运动新论域》,载《国外理论动态》2024年第1期。
(30)《马克思恩格斯文集》第1卷,第537页。
(31)《马克思恩格斯文集》第8卷,第199页。
(32)同上书,第199页。
(33)《马克思恩格斯文集》第5卷,第687页。
(34)Wei Jiang et al.,“AI and the Extended Workday:Productivity,Contracting Efficiency,and Distribution of Rents”,NBER Working Paper,No.33536,2025.
(35)Humaid Al Naqbi et al.,“Enhancing Work Productivity through Generative Artificial Intelligence:A Comprehensive Literature Review”,Sustainability,Vol.16,No.3,2024,pp.1-37.
(36)《马克思恩格斯文集》第5卷,第743页。
(37)同上。
(38)同上书,第508页。
(39)刘易斯⋅芒福德:《技术与文明》,王克仁、李华山译,中国建筑工业出版社2009年版,第323页。
(40)王水兴:《人工智能的马克思劳动价值论审思》,载《马克思主义研究》2021年第5期。
(41)贾根良:《第三次工业革命与工业智能化》,载《中国社会科学》2016年第6期。
(42)哈里⋅布雷弗曼:《劳动与垄断资本》,第104页。
(43)Larry Lohmann,“Interpretation Machines:Contradictions of ‘Artificial Intelligence’ in 21st-Century Capitalism”,in Leo Panitch and Gregory Albo (eds.),Beyond Digital Capitalism:New Ways of Living,London:The Merlin Press,2021,p.50.
(44)《马克思恩格斯文集》第5卷,第483页。
(45)Erik Brynjolfsson et al.,“Generative AI at Work”,The Quarterly Journal of Economics,2025,pp.1-54.
(46)Ajay Agrawal et al.,“Do We Want Less Automation”,Science,Vol.381,No.6654,2023,pp.155-158.
(47)哈里⋅布雷弗曼:《劳动与垄断资本》,第318页。
(48)Ethan Mollick,Co-intelligence:Living and Working with AI,New York:Portfolio/Penguin,2024,p.180.
(49)托马斯·达文波特、茱莉娅·柯尔比:《人机共生》,李盼译,浙江人民出版社2018年版,第10页。
(50)Michael Gerlich,“AI Tools in Society:Impacts on Cognitive Offloading and the Future of Critical Thinking”,Societies,Vol.15,No.6,2025.
(51)于雪:《自动还是自主——论人工数智时代的“自动化生存”》,载《探索与争鸣》2024年第2期。
(52)Eva A.M.van Dis et al.,“ChatGPT:Five Priorities for Research”,Nature,Vol.614,2023,pp.224-226.
(53)Nan Jia et al.,“When and How Artificial Intelligence Augments Employee Creativity”,Academy of Management Journal,Vol.67,No.1,2024,pp.5-32.
(54)Ethan Mollick,Co-intelligence:Living and Working with AI,p.119.
(55)Anil R.Doshi and Oliver P.Hauser,“Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content”,Science Advances,Vol.10,No.28,2024,pp.1-9.
(56)Guglielmo Carchedi,“Beating the Untrodden Paths:Computers,Artificial Intelligence and Quanta in Marxist Theory”,Historical Materialism,Vol.32,No.2,2024,pp.323-353.
(57)刘海龙:《生成式AI与知识生产》,载《编辑之友》2024年第3期。
(58)Ilia Shumailov et al.,“AI models Collapse When Trained on Recursively Generated Data”,Nature,Vol.631,2024,pp.755-759.
(59)陶锋、刘星辰:《从人机对话到人机交往——人工智能大语言模型的哲学反思》,载《社会科学战线》2024年第5期。
(60)《马克思恩格斯文集》第1卷,第159页。
(61)Michael E.Gardiner,“Critique of Accelerationism”,Theory,Culture & Society,Vol.34,No.1,2017,pp.29-52.
(62)哈里⋅布雷弗曼:《劳动与垄断资本》,第172页。
（作者单位：国防大学政治学院）
来源：《国外理论动态》2025年第2期
网络编辑：张剑
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】