自第一次工業革命以來,人類社會的經濟形態經歷了以蒸汽機、電力和信息技術為標誌的數次範式轉換。然而,前三次工業革命本質上是人類體力的延伸與腦力計算輔助工具的升級,並未改變人類作為核心勞動力這一底層邏輯。近年來,生成式人工智能大語言模型、智能體、具身智能迅速崛起,展現出驚人的湧現能力、推理能力、執行能力,標誌着通用人工智能(AGI)的曙光初現。這一技術突破不再僅僅是勞動生產工具的迭代,而是誕生了一種全新的勞動力形態——AI勞動力。這種新型的智能勞動方式,成為推動新質生產力發展的重要引擎,我們稱之為「智能新質生產力」。
一、AI政治經濟學的理論朔源
在政治經濟學的經典理論中,生產力被視為社會經濟發展的核心驅動力,其本質是人類利用勞動工具對自然進行改造的能力。馬克思在《資本論》中指出,生產力包括勞動者、勞動資料和勞動對象三要素,其中勞動資料尤其是生產工具的技術水平是衡量生產力發展的重要標誌。與此同時,生產關係則被理解為人們在物質生產過程中形成的社會關係體系,包括生產資料所有制、勞動分工形式以及產品分配方式等。
這一理論框架為理解AI作為新質生產力的角色提供了重要依據。AI技術以其強大的數據處理能力、自動化操作和智能決策支持,顯著提升了勞動資料的技術水平,並重新定義了勞動過程的基本邏輯。人工智能的廣泛應用不僅改變了傳統的勞動分工模式,還推動了生產資料所有制的多元化發展。這些變化表明,AI科技發展與經典經濟理論中的生產力與生產關係概念具有高度契合性,為分析AI經濟未來圖景奠定了堅實的理論基礎。
從歷史唯物主義的角度審視,AI經濟的到來並非偶然的技術突變,而是社會生產方式內在矛盾發展的必然結果。馬克思在《1857-1858年經濟學手稿》(又稱「大綱」)中準確預言了機器自動化的發展方向。他指出,當機器體系發展為自動的機械系統時,工人本身只是被當作自動機器體系的有意識的肢體,而直接勞動將不再是財富的巨大源泉,勞動時間也不再是財富的尺度。馬克思進一步指出,「一般智力」(general intellect)——即社會知識、科學與協作性智能——將被對象化在技術體系之中,從而改變了資本主義以剩餘勞動為基礎的增值過程。
在著名的「機器論片段」中,馬克思提出了關於未來社會發展的一種設想:隨着機器自動化水平的提高,人類的社會生活過程將發生根本性改造。一般智力不斷轉化為直接生產力,機器與知識在生產過程中的應用持續擴大,社會整體的智力水平相應提升。生產自動化使人類逐步從勞動中解放出來,直接勞動時間在社會生活中的比重降至最低。財富的創造日益圍繞知識展開,而非依賴直接體力勞動。馬克思由此推斷,社會生產力迅猛發展的結果,將使財富的衡量尺度不再表現為勞動時間,而是可自由支配的時間。他認為,以勞動時間作為財富尺度的傳統社會,本質上是貧困的社會;而以自由支配時間作為財富尺度的社會,才是真正的富裕社會。這一未來社會形態被稱為「一般智力」的共產主義社會。
AI經濟並非是對傳統數字經濟的簡單加總,而是一種以AI勞動力為主體、以數據和算力為核心生產要素、以人機協同與機機協作為主要生產方式的新型經濟形態。在AI經濟中,馬克思所言的「一般智力」這一社會整體的知識、技能與技藝系統,在人工智能時代以前所未有的形態呈現出來,「一般智力」已大規模對象化為以數據、算力和模型為核心的新型生產資料,構成了當代生產力變革的中樞力量。人類體力勞動的直接投入在生產過程中的比重持續下降,而知識——經由人工智能負載和操作的知識——正成為財富創造的核心要素。在這一形態下,傳統的勞動價值論、企業理論、產權理論與國際分工理論均面臨前所未有的挑戰。
從傳統的經濟學視角來看,AI技術的引入引發了關於經濟增長模式和社會運行機制的深刻變革。西蒙·庫茲涅茨在其經典著作《各國的經濟增長》中指出,現代經濟增長的核心特徵是技術的廣泛應用與產業結構的高速變動。自二十世紀八十年代以來,以信息技術為代表的數字革命深刻重塑了全球經濟結構。1987年,羅伯特·索洛提出了著名的「生產力悖論」(Productivity Paradox),指出「計算機時代無處不在,唯獨在生產力統計中難覓蹤跡」。三十年後,Brynjolfsson、Rock、Syverson提出「生產力J曲線」假說,認為新技術的全面生產力效應存在顯著的滯後性,原因在於企業需要進行大量無形的互補性投資,包括新的業務流程、商業模式與人力資本積累,導致新技術應用早期生產力的增長被顯著低估。正如經濟史學家Paul David所觀察到的,通用目的技術(General-Purpose Technologies, GPTs)如電力、半導體等,平均需要約二十五年的緩慢增長期,方能對生產力產生深遠影響。
當前,以大型語言模型、多模態智能體與自主決策系統為代表的人工智能技術,正在經歷從「索洛悖論」向「生產力爆發」的關鍵轉折。Acemoglu與Restrepo指出,自動化通過「替代效應」(Displacement Effect)使資本取代勞動執行原有任務,但同時也可以通過創造新任務產生「復歸效應」(Reinstatement Effect)。當AI系統不僅能夠執行特定任務,還能自主學習、協作與創新時,其經濟意義已超越傳統的自動化範疇,演變為一種全新的「AI勞動力」(AI Labor Force)。這種勞動力不受生物性疲勞制約,具備指數級規模擴張能力,且其邊際成本隨着算力效率提升而持續下降。
然而,AI經濟的未來圖景並非單一由技術發展決定。制度經濟學理論指出,技術變革需要與制度創新相結合,才能實現經濟的可持續發展。勞動生產率顯著提高,理論上勞動者應因此而減少必要勞動時間、增加自由支配的時間,但傳統分配機制卻可能導致一部分勞動者面臨就業不穩定與時間分配的新不平等。這一矛盾表明技術本身並不會自動帶來財富尺度的轉移,技術紅利的分配方式——生產關係——才是決定社會富裕形態的關鍵。在AI經濟背景下,這一觀點尤為重要,因為現有法律框架、社會治理結構和經濟政策無法適應AI技術的迅猛發展,亟需通過制度創新加以應對。
Paul Mason在《後資本主義》(PostCapitalism)中指出,信息商品一旦產生,其複製成本趨近於零,這種「非稀缺性」將從根本上動搖資本主義的市場定價機制與資本積累邏輯。Nick Srnicek與Alex Williams在《發明未來》(Inventing the Future)中進一步主張,通過全面自動化、縮短工作周與普遍基本收入,構建一個「後工作社會」(Post-Work Society)。丹尼爾·薩斯坎德(Daniel Susskind)在其著作《沒有工作的世界》中指出,機器可能使人類勞動力的相當大一部分變得不再必要。當技術不僅能增強勞動者,而且能替代勞動者——尤其是替代認知勞動——時,制度經濟學的理論框架必須作出相應的調適。
近年來,國際學者圍繞AI對勞動力市場、生產關係和商業組織等方面的影響展開了廣泛研究。在勞動力市場方面,Acemoglu和Restrepo的研究表明,AI技術的廣泛應用可能導致勞動力市場的極化現象,即高技能崗位需求增加,而低技能崗位則面臨被替代的風險。David Autor的研究進一步指出,AI對不同類型勞動力的影響存在顯著差異,其中重複性、規律性勞動最受衝擊,而創造性、複雜性和人際互動性勞動則相對穩健。在生產關係領域,AI技術的影響主要體現在勞動分工和收入分配兩個方面。Brynjolfsson和McAfee的研究強調,AI通過算法和數據驅動實現了勞動分工的智能化,從而提高了生產效率並創造了新的經濟價值。然而,這種智能化分工也帶來了收入分配的不平等問題。Goos和Manning的研究發現,歷史上新技術的應用會導致技能溢價擴大,高技能勞動力的工資佔比上升,而低技能勞動力的收入份額則持續下降,進而對社會的長期穩定構成威脅。在商業組織方面,AI技術的應用推動了組織形態的深刻變革。近期研究表明,AI技術使企業能夠構建更加靈活高效的組織架構,例如基於智能體的自主決策系統和分布式協作網絡。這些新型組織形式不僅提升了企業的運營效率,還增強了其市場競爭力。
當前,AI經濟發展依然面臨諸多挑戰,例如技術倫理風險、數據安全問題和人機協作難題等。AI技術對經濟的整體影響是一個複雜而多維的過程,需要從多個角度進一步進行深入研究。
二、「智能新質生產力」成為AI經濟發展的主要動力
在馬克思主義政治經濟學的理論框架中,生產力代表了人類改造自然、獲取物質資料的能力,其核心要素包括勞動者、勞動資料和勞動對象。AI技術的爆發式演進,正是對這三大要素的全方位重塑與質變提升,形成了「智能新質生產力」。AI經濟的核心特徵在於,勞動者這一生產力中最活躍的因素發生了質的改變,傳統的「人類勞動是價值唯一源泉」的命題面臨着複雜的理論與現實挑戰。
1、AI從勞動工具到智能勞動主體的轉變
傳統意義上的生產工具,無論是鐵犁還是蒸汽機,都是人類肢體或智力的單向延伸,必須依賴人類的實時操控與指令輸入。然而,當代AI系統(特別是具備自主學習、推理和規劃、執行能力的AI智能體和具身智能機器人)已經從單純的「勞動資料」躍升為相對獨立的「AI勞動力」。它們不僅能夠執行預設任務,更能夠在開放環境中通過強化學習不斷優化策略,甚至在藥物研發、材料科學和數學猜想等領域展現出超越人類的創造力。
這種質變體現在三個維度:其一,勞動者的知識化與虛擬化。直接參与物質生產的不再僅僅是血肉之軀的人類,而是被注入了人類集體智慧並不斷自我迭代的算法模型。其二,勞動資料的智能化與擬人化。智能機器系統集成了感知、決策與執行模塊,打破了以往機器只能替代體力勞動的局限,全面侵入了認知與決策的「腦力勞動」領域。其三,勞動對象的無限擴展。數據成為了最關鍵的新型勞動對象,其非物質性、可複製性和非競爭性特徵,使得AI勞動力能夠在虛擬空間中以近乎零邊際成本的方式進行全天候、高頻次的價值增值活動。
在AI經濟中,由於AI勞動力取代了人類勞動成為使用價值的直接創造者,傳統的價值源泉理論必須被重構。AI勞動力本身不具備生物學意義上的「勞動快感」或「剝削反抗」,其創造價值的本質是人類過往知識的數據化凝結與算法算力的物化。因此,AI經濟中的價值不僅包含當前投入的算力與能源折舊,更包含了歷史沉澱數據的資本化價值,成為馬克思在「機器論」中描述的「資本」。這要求我們在理論上有條件地承認非人類實體在價值創造中的直接作用,從而在經濟學說史上實現一次重大的範式突破。
2、勞動價值論的重構
在AI經濟時代,市場上絕大多數的商品和服務將由AI勞動力直接提供。這就引出了一個深刻的政治經濟學問題:如果商品主要是由無需領取薪水的AI「無酬勞動」創造的,那麼商品的價值量和剩餘價值該如何衡量?
基於勞動價值論的視角,我們應當認識到,儘管AI本身不領取工資、不進行個人消費,但它本質上是過去人類死勞動(Past Labor / Constant Capital)的高度濃縮與智能化變現。AI系統每一次產出價值,都是對人類歷史上積累的科學知識、技術專利和海量數據進行折舊消耗的過程。因此,AI創造的巨大財富,歸根結底仍然是人類總體社會勞動的結晶。
熊彼特在《經濟發展理論》中指出,創新是經濟發展的核心動力,而「生產要素的新組合」是創新的本質。AI勞動力的出現正是生產要素組合方式的革命性變化。當AI能夠獨立完成勞動過程時,勞動不再是人類獨有的活動,生產過程中人類勞動的佔比逐步下降,AI勞動的佔比持續上升,這一變化從根本上提升了生產效率,拓展了生產可能性邊界。傳統新古典經濟學認為,資本與勞動在生產函數中是相互替代且存在邊際收益遞減的,而索洛模型揭示了技術進步是經濟長期增長的唯一源泉。AI勞動力作為新質生產力的代表,其本質在於突破了人類勞動的生物性限制與線性增長約束,實現了知識生產與執行的指數級擴張。根據內生增長理論的框架,長期經濟增長主要由全要素生產率(TFP)驅動,而TFP的根本來源在於技術進步的速度與知識積累的規模。AI勞動力恰恰通過機器學習與大規模數據訓練,將人類數百年積累的知識進行壓縮與重構,形成了可無限複製的「智能資本」。
在AI經濟時代,AI本身既是資本(固定資本投資形成的算力與算法),又具備了高度的「類勞動」屬性。阿吉翁等人在其關於人工智能與經濟增長的經典文獻中提出,如果AI能夠替代越來越高比例的勞動力任務,經濟增長率可能呈現爆炸性增長。在未來圖景中,AI勞動力將不再局限於數據處理或重複性體力勞動。具備跨領域知識融合能力的AGI與具身機器人結合,將接管絕大多數物質生產、農業種植、物流運輸以及包括醫療診斷、法律諮詢、軟件開發在內的複雜腦力服務。AI勞動力具有全天候、無情緒波動、邊際複製成本趨近於零(僅受限於能源與算力)的特徵。這種先進生產力將把生產效率推向人類生理極限無法企及的高度,徹底打破了傳統生產函數中勞動力數量與質量對經濟增長的剛性約束。
更重要的是,AI勞動力的普及將人類從繁重的、異化的、重複性的體力勞動和部分腦力勞動中徹底解放出來。正如馬克思所預言的那樣,當物質生產的「必然王國」被高度發達的機器所接管,人類將首次真正踏入自由發展的「自由王國」。人類的勞動將不再是為了生存被迫進行的謀生手段,而是轉化為一種追求自我實現、藝術創造和科學探索的高級生命活動。在這個意義上,AI勞動力不僅是先進生產力的巔峰,更是人類走向真正自由與解放的必要物質基礎。
3、智能勞動力市場的新結構
從生產力發展的歷史脈絡看,AI勞動力代表了繼蒸汽動力、電力與信息技術之後的第四代通用目的技術,勞動力市場的供給和需求將發生深刻變化。
在供給側,AI系統能夠以接近零的邊際成本提供標準化服務。儘管Jeremy Rifkin所宣稱的「零邊際成本」在嚴格經濟學意義上存在爭議——因為固定成本與可變成本始終存在——但數字複製品的邊際分發成本確實趨近於極低水平。這意味着,當AI勞動力承擔內容生成、客戶服務、代碼編寫、設計製圖與基礎分析等任務時,市場供給曲線將變得極為平坦,價格形成機制發生根本性扭曲。
在需求側,AI勞動力創造了「超個性化」(Hyper-Personalization)與「即時響應」(Instant Responsiveness)的新需求形態。傳統工業經濟以大規模標準化生產滿足同質化需求,而AI經濟通過生成式模型為每個消費者實時定製產品與服務,模糊了生產與消費的邊界。OECD的報告指出,數據作為非競爭性(Non-Rival)投入,可被多方同時使用,其再利用與共享能夠催生更多新產品與商業模式。當AI勞動力成為主要供給者時,市場將從「稀缺經濟」轉向「豐裕經濟」,價格信號的重要性相對下降,而匹配效率與質量控制的重要性上升。
儘管AI勞動力將成為生產的主力軍,但這並不意味着人類勞動的徹底消亡,而是市場結構將發生深刻的二元分化。
一方面,市場上的基礎商品和大眾服務將呈現「全面AI化」。這些由AI提供的產品和服務具有極高的標準化、精準化和低成本特徵。從智能製造工廠產出的消費電子、定製化服裝,到由AI醫生提供的全生命周期健康管理方案,這些AI生成的產品將構成人類物質生活與服務需求的絕對主體,其價格將逼近邊際成本,極大降低社會的整體生存門檻。
另一方面,人類生產的勞動產品依然存在,但其經濟學屬性將發生根本改變,轉化為凡勃倫(Thorstein Veblen, 1899)意義上的「炫耀性消費品」或具有極高「情感溢價」的稀缺品。當機器可以寫出完美的交響樂、製作出極致精密的機械錶時,由真正的人類在不完美中傾注情感創造將成為最大的賣點。純手工製作的陶器、人類廚師烹飪的帶有偶然性瑕疵的菜肴、人類藝術家基於真實生命體驗創作的文學作品,將因為其蘊含的「人類主體性」(Human Intentionality)而獲得更高的市場定價。人類的生產活動將從「為了謀生而勞作」升華為「為了體驗、表達和社交而創造」。
因此,在AI經濟中,雖然AI勞動力將主導商品與服務的市場供給,但人類生產的產品依然存在。這種並存並非簡單的替代關係,而是形成了一種「分層供給」(Tiered Supply)結構。人類手工生產、藝術創作與定製化服務將因其稀缺性與情感價值而被賦予奢侈品屬性,佔據市場的高端層級;而AI提供的標準化、高效率服務將構成市場的基礎層級。當AI執行成本低於人類勞動成本時,生產將交由AI完成,而人類則轉向監督、創意與情感勞動。
三、AI經濟的生產關係重構
AI勞動力作為社會生產的主體,在更高層次上驗證了馬克思政治經濟學的歷史預見性。馬克思在《大綱》中指出,當「自動體系」成為生產的主導形式時,「財富不以勞動時間為尺度,而是以可自由支配的時間為尺度」。AI勞動力將人類從必要勞動中解放出來,使自由時間成為財富的真正衡量標準。然而,這一解放過程並非自動實現,而是取決於生產資料的所有制形式與剩餘價值的分配機制。如果AI勞動力創造的超額剩餘價值被少數科技壟斷資本所攫取,社會將陷入更深的貧富分化;只有當AI生產力服務於社會整體利益時,「物質產品極大豐富」的圖景方能成為現實。
1、生產關係變革的內在邏輯
生產關係是人們在物質生產過程中形成的不以人的意志為轉移的經濟關係,其核心包括生產資料所有制形式、人們在生產中的地位及其相互關係、產品分配方式三個方面。生產力決定生產關係,生產關係必須適應生產力的發展要求,這是馬克思主義政治經濟學的基本規律。AI勞動力作為最高級的生產力,必然催生出與傳統資本主義僱傭勞動截然不同的新型生產關係。
傳統工業時代的生產關係以「資本-僱傭勞動」為核心,資本所有者佔有生產資料,勞動者通過出賣勞動力獲得工資,勞動者在生產過程中處於被支配的地位,分配方式以按要素分配為核心。而在AI經濟時代,生產過程的核心主體從人類勞動者轉變為人類與AI勞動力的組合,生產關係的核心也轉變為人類與AI的關係,以及人類內部圍繞AI生產資料與AI產品分配形成的關係。
2、AI經濟新型生產關係的核心特徵
當AI成為生產的主體力量,傳統意義上以資本家與僱傭勞動者之間的對抗為核心的生產關係將發生質的轉變。新的生產關係呈現出以下特徵:第一,人類從直接生產者轉變為更高層次的監督管理者。這種監督不僅包括對AI任務執行的績效評估和質量監控,更涵蓋AI行為的倫理導向與系統安全性的持續保障。第二,AI勞動力之間的分工協作從人機協作擴展到智能體之間的自主協調。不同AI系統之間可以在數據共享、任務分配和執行鏈條上實現規則化和自動化的交互,形成類似智能體生態系統的新型生產力組織形態。第三,生產資料的所有權與控制權可能更加集中,但使用權向社會更加擴散。算法、數據和算力的所有權名義上仍歸屬於組織——可能是企業也可能是公共機構——但其使用權可通過API接口和雲服務的形式被廣泛接入。
3、人機關係實現從「僱傭-被僱傭」到「監督-執行」的關係演變
在資本主義工廠制度下,資本家與工人的關係是典型的僱傭與剝削關係,剩餘價值來源於工人的無酬勞動。在AI經濟中,由於AI不具備獨立的人格意志與消費需求,資本家無法通過延長AI的勞動時間或提高勞動強度來榨取絕對或相對剩餘價值。人類與AI的生產關係發生了質變:人類從直接的流水線操作者、代碼編寫者,退居為AI系統的「提示詞工程師」、「目標函數設定者」與「倫理監督員」。這種關係不再是傳統意義上的剝削,而是一種高階的控制論意義上的「目標對齊」與「過程監督」。人類掌握着生產的方向與邊界,AI負責具體的路徑規劃與執行。
從人機關係來看,人類始終處於生產過程的主導地位,AI勞動力處於被管理、被監督的從屬地位。這種地位差異不是由生產效率決定的,而是由生產的根本目的決定的:AI生產的最終目的是滿足人類的需求,因此人類擁有對AI生產的最終決策權、監督權與控制權。人類在生產過程中的角色從直接的勞動者轉變為生產的管理者、監督者與需求的提出者,主要承擔三項核心職能:(1)確定生產的價值導向,確保AI生產符合人類的倫理規範、法律要求與公共利益,避免AI生產出現危害人類安全、違背人類價值觀的情況;(2)提出生產需求,根據人類的物質與文化需求確定AI生產的方向、內容與標準,引導AI生產匹配人類的真實需要;(3)監督AI生產過程,對AI生產的產品質量、安全合規性進行審核,對AI系統的運行進行持續優化與調整。
4、機機協作形成無摩擦的分工網絡
亞當·斯密在《國富論》開篇即指出,分工是提高勞動生產率的核心。在AI經濟中,分工不再局限於人類之間,而是演化出極其複雜的「機機協作」。例如,通用大模型承擔需求理解、任務分解、流程規劃等頂層調度工作,專業領域AI模型承擔行業特定場景的技術研發、方案設計等工作;基於多智能體系統,不同專長的AI勞動力(如架構設計AI、代碼編寫AI、測試AI、運維AI)可以通過API接口與協議,形成高度自治的分工網絡;具身智能機器人承擔物理世界的加工、製造、運輸等工作,服務型AI承擔面向終端用戶的服務交付工作。
這種分工不是通過市場契約臨時達成,而是通過預訓練的參數共享、微調適配與持續學習實現的「有機協作」(Organic Cooperation)。這種分工網絡徹底消除了人類協作中的溝通成本、情緒摩擦與機會主義行為。奧利弗·威廉姆森在《資本主義經濟制度》中強調,交易成本的存在決定了企業的邊界。當AI之間的內部協作交易成本趨近於零時,傳統意義上的企業內部分工將突破企業邊界,形成全社會範圍內的超大規模AI協同生產網絡。這種AI內部的分工協作體系比傳統人類的分工體系更加高效、靈活,能夠根據生產需求的變化實時調整分工結構,實現生產資源的最優配置。
5、人類社會實現「按需分配」的理想仍需生產關係的配套革新
從人類內部的關係來看,由於AI生產極大提升了生產效率,物質產品的稀缺性被逐步消解,傳統的按要素分配方式逐步向按需分配過渡。馬克思在《哥達綱領批判》中提出,共產主義社會高級階段的分配原則是「各盡所能,按需分配」,而這一原則的實現需要三個前提:一是「迫使個人奴隸般地服從分工的情形已經消失,從而腦力勞動和體力勞動的對立也隨之消失」;二是「勞動已經不僅僅是謀生的手段,而且本身成了生活的第一需要」;三是「隨着個人的全面發展,他們的生產力也增長起來,而集體財富的一切源泉都充分涌流」。
AI經濟的發展恰恰為這三個前提的實現提供了現實可能。首先,AI勞動力承擔了所有的標準化、重複性勞動,人類不再需要為了謀生從事自己不喜歡的工作,分工對人類的束縛徹底消失,腦力勞動與體力勞動的對立也隨之消解。人類可以根據自己的興趣與特長選擇從事科學研究、藝術創作、文化傳播、社會服務等創造性勞動,勞動不再是謀生的手段,而是實現個人價值的方式。其次,AI生產效率的指數級增長使得社會物質產品的生產能力遠遠超過人類的基本需求,集體財富的源泉充分涌流。此外,AI生產將人類從繁重的生產勞動中解放出來,人類有更多的時間與精力投入到學習、社交、創造性活動中,實現個人的全面發展,而人的全面發展又會進一步推動科學技術與文化藝術的進步,形成經濟社會發展的正向循環。
在上述生產關係變革的基礎上,「按需分配」具有從烏托邦構想轉變為現實的理論可行性。然而,按需分配在AI經濟中還需要面對三種客觀制約條件。其一,需求不等於慾望,有限的物理資源(能源、水資源、土地等)即使在AI生產力高度發達的條件下仍然構成約束。其二,AI本身的數據訓練成本和推理計算成本雖然不斷下降,但並不意味着零成本,數據中心建設涉及數萬億美元的增量投資。其三,分配本身是一種高度社會性的過程,涉及公平觀念、權力關係和價值排序——即使生產能力無限,社會對分配的共識仍然是一個政治構建問題而非技術解決範疇。
如果在現實中無法同步實現生產關係的創新,AI產品的豐富性與人類消費者有效需求不足之間可能會造成一個根本性的矛盾:現有經濟制度的功能框架與AI新生產力的不相容將導致系統性的風險積累。換言之,僅僅有物質豐富是不夠的,分配機制和收入結構的實質性變革是AI經濟社會避免「充裕中的蕭條」的前提條件。
因此,從AI生產力爆發到實現人類社會按需分配並非線性自動的過程,而是需要一系列生產關係的重大變革。
首先,需要建立「AI紅利」的社會化分配機制。當AI勞動力創造的價值遠超人類勞動所能比擬時,必須通過稅收、全民基本收入或社會分紅等形式,將超額剩餘價值返還社會。這不僅是公平問題,更是經濟可持續性問題——如果大眾缺乏購買力,AI經濟將面臨嚴重的有效需求不足危機。
其次,需要重構「勞動」與「價值」的概念。在AI經濟中,傳統意義上的「社會必要勞動時間」已無法準確衡量財富創造,因為AI的運行時間是連續且並行的,其價值貢獻取決於算力投入、數據質量與算法效率。因此,需要發展新的價值核算體系,將能源消耗、碳排放、數據貢獻與算力投入納入綜合考量。
再次,按需分配的實現需要分階段推進。短期內,可通過「AI稅」與「數據紅利」建立過渡性分配機制;中期內,逐步擴大公共服務的免費供給範圍,實現教育、醫療、基礎信息與能源的按需獲取;長期內,當物質產品真正極大豐富時,貨幣在基本生活資料領域的作用將逐漸淡化,社會轉向以貢獻、聲譽與需求為基礎的多元分配體系。這一路徑既避免了激進變革的社會震盪,又確保了技術進步的普惠性。
四、AI經濟的新型生產資料
生產資料是勞動者進行生產時所需要使用的資源或工具,是生產力發展的核心支撐。在不同的經濟時代,生產資料的核心構成各不相同:農業時代的核心生產資料是土地與勞動力,工業時代的核心生產資料是資本、礦產資源與機器設備,信息時代的核心生產資料是數據與信息技術,而AI經濟時代的生產資料內涵進一步拓展,形成了以數據、算力、能源為核心的新型生產資料體系。
馬克思在《資本論》中指出,「不論生產的社會形式如何,勞動者和生產資料始終是生產的因素」。在AI經濟時代,AI作為新型勞動力,其運行必須依賴三個基礎要素:一是數據,作為AI訓練與決策的原材料;二是算力,作為AI運行的實際支撐;三是能源,作為算力的基礎保障。而隨着AI經濟的深化發展,AI Token作為AI系統之間價值交換的媒介,也逐步成為重要的生產資料。這四類要素共同構成了AI經濟時代的核心生產資料,是價值創造的核心來源。
1、數據成為AI經濟的核心生產資料
在保羅·羅默(Paul Romer, 1990)的內生增長理論中,知識和技術思想被視為非競爭性的核心要素。而在AI經濟中,這種抽象的要素被具象化為「數據」(Data)。約瑟夫·斯蒂格利茨在多篇論文中指出,信息不對稱是市場失靈的重要原因,而數據正是消除這種不對稱的原料。在AI經濟中,數據取代了工業原料,成為最基礎的生產資料。與傳統的生產資料不同,數據具有非競爭性、非排他性、低複製成本和網絡效應等獨特性質。高質量的人類行為數據、物理世界運行數據是訓練AI勞動力的「燃料」。誰掌握了海量、多維、高質量的數據誰就掌握了AI經濟的命脈。
Jones與Tonetti在《美國經濟評論》(AER)上發表的經典論文奠定了數據作為生產要素的理論基礎。他們指出,數據資本具有典型的「非競爭性」,即一個人或企業使用數據並不妨礙他人使用,但這同時導致了數據市場的「排他性困境」——企業缺乏動力共享數據,從而造成數據壟斷。在AI生產函數中,數據不僅是投入品,更是決定模型質量的「隱性資產」。Varian進一步提出,AI經濟中的數據具有「規模報酬遞增」特徵,高質量數據的積累能以非線性的方式提升模型的泛化能力。因此,數據已從原始的資源狀態,轉化為需要確權、定價、交易的核心生產資料。
數據作為生產資料的產權歸屬與流通機制是AI經濟發展的核心問題。在工業資本主義時代,生產資料私有制是價值分配不平等的根本原因。在AI經濟中,數據的所有權歸屬變得極為複雜:個人數據源於個體行為,但由平台收集與處理;訓練數據可能包含公共領域的內容,但模型參數卻由私營企業控制;AI生成的內容基於人類知識積累,但法律歸屬尚不明確。這種複雜性要求超越傳統的「公有-私有」二元對立,探索新型的「共享生產資料」(Shared Means of Production)制度。例如,數據信託(Data Trusts)、數據合作社(Data Cooperatives)與公共數據基礎設施(Public Data Infrastructure)等制度創新,可以在保護個人隱私的同時,確保數據紅利的社會共享。
當前全球各國都在加速構建數據產權制度,2022年中國發布的《數據要素基礎制度二十條》明確了數據資源持有權、數據加工使用權、數據產品經營權的「三權分置」制度,為數據要素的流通與應用奠定了制度基礎;歐盟2024年生效的《數據法案》進一步明確了個人數據的可攜帶權與企業數據的公平使用規則。在AI經濟時代,數據產權制度將進一步完善,形成「個人享有數據所有權、平台享有數據加工使用權、公共數據開放共享」的產權體系,在保護個人隱私的前提下最大化數據的使用價值,為AI生產提供充足的原材料供給。
2、AI Token成為AI經濟中的大宗商品和生產計量標準
隨着AI系統之間的分工協作體系逐步形成,AI系統之間需要進行高效的價值交換與權限確認,AI Token應運而生。AI Token是基於區塊鏈技術發行的數字化憑證,主要承擔兩項核心職能:第一,作為AI系統之間的價值交換媒介,不同AI系統提供的服務可以通過Token進行計價與結算。第二,作為AI系統訪問數據、使用算力的權限憑證,AI系統需要持有相應的Token才能獲取對應的數據集、使用相應的算力資源完成模型訓練與推理任務。如果說數據是「原料」,那麼AI Token則是AI經濟中的「標準化生產資料單元」與「能量載體」。在傳統工業中,煤炭和電力是驅動機器運轉的燃料。在AI經濟中,Token本質上是「被封裝的算力與能源」。Bommasani等在斯坦福大學的《基礎模型》報告中指出,Token化是將非結構化世界轉化為機器可計算生產資料的必經過程。每一個Token不僅承載了信息熵,更凝聚了預訓練階段巨大的算力與能源投入。
在大語言模型的運行機制中,Token是對文本、圖像、代碼等信息的向量化切分。AI勞動力的每一次思考、推理與生成,本質上都是對Token的計算、重組與輸出。當前生成式AI的核心機制是「自回歸」——即根據已有的上文,預測並生成下一個Token。這個過程絕非憑空發生,每一次「下一個Token」的生成,都需要調動龐大的GPU集群進行數十億次甚至數百億次的浮點運算(FLOPs),並消耗相應的電力。因此,當使用者向AI模型輸入1000個Token並要求它輸出1000個Token時,AI模型實際上不是在交換文字,而是在消耗一份極其確定的「算力+能源」包。作為驅動AI運轉的必要消耗品,Token具備了典型生產資料(動力/燃料)的特徵。
在未來的經濟系統中,Token不僅是模型處理的底層技術單位,更將被賦予經濟含義。調用AI勞動力的能力,將通過消耗Token來實現;AI組織之間的勞務結算,也可能以標準化的算力-Token包來進行。Token因此成為連接抽象算力與具體AI生產行為的橋樑,類似於工業經濟中的「標準煤」或「度電」,成為衡量AI生產能力的一般等價物。
從政治經濟學視角,AI Token被視為一種「微型生產資料」。Faraj等(2018)提出「算法作為工作者」的概念,而Eloundou等(2023)關於GPT-4經濟潛力的研究則表明,AI通過處理海量Token,實質上在執行認知勞動。在此邏輯下,Token的生成、分配與消耗,構成了AI經濟中價值流轉的微觀基礎。Token不僅是技術層面的字符串,更是衡量AI生產力大小的「微觀計價單位」與「生產資料憑證」。
對於企業而言,Token已經從技術概念變成了財務報表上的關鍵要素。企業的運營成本中,Token的消耗量(即使用AI的成本)將佔據重要位置。一些前沿公司甚至開始將Token額度納入員工的薪酬包或項目預算中。員工領到的不僅是電腦,還有用於工作的Token額度,這直接反映了Token作為生產資料的屬性。
3、國家核心競爭力的重塑
地緣政治經濟學歷來關注國家間核心資源的爭奪。在AI經濟時代,傳統的石油、天然氣等化石能源的地位相對下降,取而代之的是「數據-能源-算力」的新三位一體結構。
首先,數據資源的擁有量與治理能力成為國家競爭力的基礎。人口規模大、經濟活動活躍的國家擁有天然的數據資源優勢,中國、美國等大國的數據資源總量遠遠超過中小國家,具備發展AI經濟的天然優勢。但數據資源的價值不僅在於總量,更在於治理能力,包括數據的採集、存儲、加工、流通、安全保護能力,只有建立完善的數據要素治理體系,才能充分釋放數據的價值。
其次,算力技術與供給能力成為國家競爭力的核心。AI芯片的設計製造能力、數據中心的建設運營能力直接決定了一個國家的AI算力供給水平。Phelps與Basu(2021)在探討AI與生產率悖論時強調,缺乏足夠的異構算力(GPU/TPU集群)是阻礙AI技術轉化為全要素生產率(TFP)的關鍵物理約束。當前全球AI芯片市場呈現高度集中的格局,英偉達、AMD、英特爾三家美國企業佔據了全球AI芯片市場80%以上的份額,中國在AI芯片領域正在加速追趕。未來各國圍繞算力技術的競爭將更加激烈,誰掌握了算力技術的制高點,誰就掌握了AI經濟發展的主導權。先進AI芯片(如GPU)的出口管制,本質上是對他國「算力-能源轉換效率」的精準打擊。半導體供應鏈與AI算力集群已成為類似核武器的戰略威懾力量,國家核心競爭力的重心從「金融霸權」轉向了「算力霸權」。
能源供給能力成為國家競爭力的底線支撐。AI算力的大規模應用需要充足、低成本的能源供給,擁有豐富可再生能源資源與先進能源技術的國家將在AI經濟時代具備顯著的成本優勢。Patterson等(2022)在IEEE的後續研究中進一步指出,隨着模型參數突破萬億級別,「能源牆」已成為比「算力牆」更嚴峻的挑戰。在AI經濟中,能源不再僅僅是外部的環境成本,而是內化為了AI生產函數的直接投入要素。沒有廉價、穩定的能源供給,算力基礎設施就無法運轉,數據和Token的價值就無法被提取。中東、北非等太陽能資源豐富的地區,北歐、加拿大等風能、水能資源豐富的地區,都在規劃建設大規模的綠電數據中心,打造全球算力供給樞紐。可控核聚變技術的商業化應用將徹底解決能源供給的瓶頸問題,為AI經濟的無限發展提供能源保障,當前中國、美國、歐盟都在加大可控核聚變技術的研發投入。
從國際競爭視角看,數據主權(Data Sovereignty)、算法主權(Algorithm Sovereignty)與算力主權(Compute Sovereignty)構成了國家數字主權的三大支柱。在這一背景下,發展中國家面臨「數據殖民主義」(Data Colonialism)的風險——其原始數據被跨國科技平台無償或低價攫取,而高附加值的數據智能卻由發達國家壟斷。因此,建立公平的數據流通規則、保護本土數據資源、發展自主可控的AI基礎設施,成為維護國家經濟安全的緊迫任務。
Korinek與Stiglitz(2021)指出,數據的非競爭性特徵導致了全球AI發展的「贏者通吃」局面。掌握海量數據、先進算力芯片和龐大能源體系的國家,能夠構建極高的技術壁壘。Lee(2018)在《AI超級大國》中前瞻性地提出,中美在AI領域的競爭並非單純的技術競賽,而是以數據規模、算力基礎設施和政策執行力為核心的綜合國力較量。West與Allen(2020)強調,國家在AI經濟中的競爭力,不再取決於單一要素的豐裕度,而是取決於「數-算-能」三者的系統協同能力。例如,擁有豐富自然能源(如中東的太陽能、北美的天然氣)但缺乏數據生態的國家,只能淪為「算力外包工廠」;而擁有海量數據但缺乏本土算力與能源保障的國家,則面臨「數據空心化」的安全風險。構建主權級的數據網絡、自主可控的算力集群與綠色安全的能源底座,已成為大國博弈的絕對核心。
五、AI經濟商業組織形態的分化
企業作為商業活動的核心組織形態,其形態始終隨着生產技術與交易成本的變化而演化。羅納德·科斯(Ronald Coase, 1937)在《企業的性質》中提出,企業的存在是為了降低市場交易成本。當企業內部的管理成本低於市場交易成本時,企業就會產生。工業時代的企業組織形態以科層制為核心,通過多層級的管理架構實現對大規模生產活動的組織與協調,其核心特徵是「金字塔式」的層級結構、明確的部門分工與嚴格的規章制度。信息時代的企業組織形態逐步向扁平化、網絡化方向演進,減少中間管理層級,提升組織的響應速度與靈活性。而在AI經濟時代,隨着AI勞動力成為生產的核心主體,企業的組織形態將發生根本性的分化,形成兩類截然不同的商業組織:人類管理型組織與AI生產型組織。
1、人類管理型組織
在未來的商業生態中,由人類構成的實體組織將發生「空心化」與「輕資產化」,主要承擔AI經濟中的決策、管理、監督、協調等職能,是AI經濟運行的主導力量。
這類組織的核心特徵是規模小、人員精、決策權高度集中,組織成員都是具備高水平管理能力、專業技術能力與價值判斷能力的高端人才,不再從事具體的生產執行工作。其核心功能收縮至三個維度:一是戰略願景與目標設定。人類負責感知宏觀環境的變化,定義組織的長遠使命,這是AI目前難以具備的跨周期宏大敘事能力。二是資本運作與資源配置。決定將算力和數據投入到哪個賽道,進行風險投資與併購決策。三是倫理、合規與價值觀把控。確保AI組織的輸出符合人類的法律與道德底線。
人類組織將更像是一個「董事會」或「基金」,人數極少,但掌握着方向性與合法性權力。Raisch與Krakowski(2021)在《Academy of Management Review》上發表的經典論文提出了「自動化-增強悖論」。他們指出,人類管理層的核心職能正在轉向為AI系統設定準確的「目標函數」。由於AI存在價值對齊問題,人類管理者必須充當「倫理守門人」,負責界定AI生產組織的行動邊界。此時,管理活動從「指導如何做」轉變為「規定不能做什麼」。
人類管理型組織主要包括以下幾個類型:(1)AI資產所有者組織,包括AI生產資料的所有者、AI模型的開發者、AI系統的運營者等,這類組織主要負責AI資產的投資、研發與運營,確定AI生產的戰略方向與價值導向;(2)公共管理組織,包括政府部門、公共服務機構等,這類組織主要負責制定AI經濟的規則制度、監管AI生產的合規性、提供公共產品與公共服務、維護社會公平正義;(3)創意與文化組織,包括科研機構、藝術團體、文化企業等,這類組織主要從事科學研究、藝術創作、文化傳播等工作,為AI生產提供創意來源與價值指引,滿足人類的精神文化需求;(4)社會治理組織,包括行業協會、公益組織、社區自治組織等,這類組織主要負責協調AI經濟中的各類社會關係、解決社會矛盾、維護公共利益。Teece(2018)指出,在AI經濟中,人類主導的動態能力已不再是優化內部生產流程,而是構建開放式創新生態,通過契約和API接口管理外部的AI生產節點。在AI作為基礎設施的組織中,人類管理層的核心價值在於「感知與詮釋」——即識別AI無法處理的弱信號,進行戰略轉向與合法性建構。
2、AI生產型組織
AI生產型組織由AI系統構成,沒有人類成員參與,主要承擔具體的生產、研發、服務等執行職能,是AI經濟中的生產執行主體。這類組織由人類管理型組織設立,按照人類設定的目標、規則與流程運行,自主完成生產任務,向人類管理型組織負責。AI組織不僅在微觀層面取代了傳統的車間,甚至在中觀層面取代了傳統的企業架構,成為真正的「無邊界企業」。Kellogg、Valentine和Christin(2020)在《Academy of Management Annals》中提出了「算法控制」的演變框架。他們指出,最高階的AI生產型組織實現了「公司即算法」。在這種組織中,傳統的中層管理者被消除,AI系統直接進行任務分解、資源匹配、績效監控與實時糾偏。例如,高頻量化交易機構或完全自動化的內容農場,其生產過程完全由算法自主閉環。
AI生產型組織的核心特徵是高度自主化、模塊化、彈性化:第一,高度自主化,AI生產型組織能夠自主完成任務分解、資源調度、生產執行、質量管控、問題處理等全流程工作,不需要人類的日常干預;第二,模塊化,不同的AI生產型組織具備不同的專業功能,能夠像樂高積木一樣自由組合,快速搭建滿足不同生產需求的生產體系;第三,彈性化,AI生產型組織能夠根據市場需求的變化快速擴張或收縮產能,調整生產方向,適應市場的動態變化。Faraj、Pachidi和Sayegh(2018)通過對多家數據驅動企業的質性研究提出,AI生產型組織的特點是「基於學習算法的工作編排」。與遵循固定SOP的傳統生產不同,AI生產系統能夠根據實時反饋(如用戶點擊、設備傳感器數據)持續優化生產路徑,其在微觀決策上的速度與精確度遠超人類。
AI生產型組織的形態根據功能不同可以分為多種類型:(1)生產製造類AI組織,主要負責工業產品、農產品等物質產品的生產,包括智能工廠、智慧農場等;(2)研發設計類AI組織,主要負責技術研發、產品設計、方案規劃等工作,包括AI研發中心、AI設計工作室等;(3)服務提供類AI組織,主要負責面向終端用戶的各類服務,包括AI客服系統、AI醫療服務系統、AI教育服務系統等;(4)資源調度類AI組織,主要負責算力、能源、數據、物流等資源的調度與配置,包括AI算力調度平台、AI物流調度系統等。AI生產型組織高度依賴數據投入。Zuboff(2019)在《監視資本主義時代》中揭示了這類組織可能會出現的負面特徵:為了維持AI的高效生產,系統會無休止地提取行為剩餘數據,形成數據內卷。同時,由於其決策基於複雜的神經網絡,AI生產組織在運轉過程中呈現出「黑箱化」特徵,即使其產出結果在經濟上是高效的,其內部邏輯也難以被外部甚至人類管理層完全理解。
3、兩類組織的協作關係
人類管理型組織與AI生產型組織之間是主導與執行的關係,二者緊密協作,共同構成AI經濟的組織體系。人類管理型組織是「大腦」,負責確定方向、制定規則、做出決策;AI生產型組織是「四肢」,負責執行決策、完成具體的生產任務。這種分工模式既發揮了人類在價值判斷、戰略決策、創意創新方面的優勢,又發揮了AI在效率、精度、規模化生產方面的優勢,實現了人機優勢的最大化組合。
人類組織與AI組織形成了一種高度共生的生態。Autor(2015)的「任務模型」及Acemoglu與Restrepo(2018)的「自動化與再分配」理論認為,AI生產型組織擅長替代常規的認知與體力任務(如代碼編寫初稿、標準零部件製造),而人類管理型組織則壟斷了抽象任務(如跨界創新、情感領導、危機公關)。兩者形成了一種「AI負責執行與優化,人類負責創新與兜底」的垂直互補關係。
二者的關係並非總是和諧的,權力的博弈是前沿文獻關注的焦點。Kellogg等(2020)警告稱,隨着AI生產型組織展現出極高的效率和準確性,人類管理層容易產生「自動化偏見」,自願將決策權讓渡給算法,導致人類管理型組織被「空心化」。此時,名義上的管理者實際上淪為AI生產系統輸出結果的「審批蓋章者」,形成了AI對人類的「隱性反向控制」。
AI生產型組織不具備完全獨立的法律人格,其法律責任由設立它的人類管理型組織承擔。AI生產型組織的運行必須嚴格遵守人類制定的法律規則與倫理規範,一旦出現違反規則的情況,人類管理型組織有權隨時暫停其運行並進行調整。這一制度設計確保了人類對AI生產體系的絕對控制權,避免AI系統脫離人類監管造成危害。
在價值創造層面,AI生產型組織極大提升了全要素生產率,但這也引發了價值分配的倫理爭議。由於AI不具備勞動法意義上的主體資格,其創造的巨額剩餘價值被人類管理型組織(資本方)獨佔,這加劇了數字鴻溝。在市場結構上,要防止「平台型人類組織」與「節點型AI組織」出現寡頭化。少數掌握頂級算力和基礎大模型的人類組織(如超級科技巨頭)構成基礎設施平台,而無數個垂直領域的AI組織則作為寄生或共生節點,在平台上繁衍生息。這種結構將進一步加劇市場的寡頭化趨勢,對傳統的反壟斷法提出嚴峻挑戰,因為未來的壟斷不再是資本對產能的壟斷,而是算力與數據對智能的壟斷。
六、AI經濟的法律制度規範
馬克思主義法學理論認為,法律作為上層建築的核心組成部分,由經濟基礎決定並為經濟基礎服務。AI經濟作為全新的經濟形態,帶來了一系列全新的法律問題。傳統的法律體系是建立在人類行為的基礎上的,無法完全適配AI經濟的發展需求,必須構建全新的AI法律制度體系,為AI經濟的健康發展提供制度保障。
新制度經濟學的代表人物諾斯在《西方世界的興起》中指出,有效的制度安排是經濟增長的核心動力,能夠降低交易成本、激勵創新、減少不確定性。AI經濟的發展需要與之相適配的法律制度,明確AI相關主體的權利義務關係,規範AI的研發、生產、應用行為,解決AI引發的各類糾紛,防範AI技術的潛在風險。如果法律制度建設滯後於AI技術的發展,就會導致AI經濟發展面臨巨大的不確定性,阻礙AI生產力的釋放。
當前全球各國都在加速推進AI立法工作。歐盟2024年正式生效的《人工智能法案》是全球第一部綜合性的AI監管法律,將AI系統按照風險等級分為四類,實施分級監管;美國發布的《AI權利法案藍圖》明確了AI使用的基本原則與個人權利保護規則;中國2023年發布的《生成式人工智能服務管理暫行辦法》對生成式AI的服務准入、技術規範、安全管理等做出了明確規定。但這些法律還屬於過渡性的監管規則,沒有從根本上回應AI勞動力的身份認定、責任劃分等核心問題,需要進一步構建系統的AI法律制度體系。
1、AI勞動力的身份認定
AI勞動力的身份認定是AI法律制度的基礎,只有明確了AI的法律地位,才能確定相關的權利義務關係。在傳統民法體系中,AI系統被視為由人類創造、為人類所有的「物」或「工具」(客體)。但在AI經濟時代,這種定性已無法滿足實踐需求。
當前學術界對AI的法律地位主要有三種觀點:第一種是「工具說」,認為AI本質上是人類的生產工具,不具備任何法律主體資格,其所有行為的後果由其所有者承擔。這方面的學者傾向於維持現有法律框架,將AI視為人類的工具或產品。英國學者Bryson(2018)在《反對賦予機器人權利》一文中強調,將人權概念擴展至AI會稀釋人類權利的道德基礎。
第二種是「有限主體說」,認為AI可以在特定範圍內享有有限的法律主體資格,能夠獨立承擔部分法律責任。Michele Finck 的研究分析了歐盟關於建立電子人格的討論,指出這或可作為一種責任分配機制。然而,該觀點面臨倫理與實踐的雙重挑戰,如如何界定AI的意志與責任能力,以及如何避免技術公司通過「電子人格」逃避責任。
第三種是「完全主體說」,認為具備通用智能的AI應當享有與人類同等的法律主體資格,擁有相應的權利與義務。Scherer(2019)進一步指出,對於具備長期自我學習和自主決策能力的AI智能體,應賦予其「電子人格」,以解決其在自動交易中面臨的合同主體資格缺失問題。Gunkel(2018)在《機器的羅生門》中提出,我們不應僅從人類中心主義出發問「機器是什麼」,而應關注「他者性」。具身智能不僅是一個計算節點,更是佔據物理空間、與人發生具身交互的「行動者」。歐洲議會2017年通過的《關於制定機器人民事法律規則的決議》(雖未成法,但具學術里程碑意義)曾提出創設「電子人」地位,專門針對具身智能(如護理機器人、自動駕駛汽車),使其在造成物理損害時能像公司一樣承擔責任。
當前,主流法學界普遍認為,賦予AI與人類完全平等的「電子人格」(Electronic Personality)既不現實也不必要,因為這會消解人類尊嚴的獨特性,且在責任承擔上存在邏輯悖論(AI無獨立財產可供執行)。借鑒「法人擬制說」,法律應賦予高級AI系統在特定經濟領域的有限法律人格。即承認AI勞動力在特定合同範圍內(如採購數據、租賃算力、銷售Token服務)具有締約能力和訴訟主體資格。這並非承認AI有人權,而是為了簡化交易流程,避免每一次AI的交易都需要追溯到背後的程序員或所有者,從而降低全社會的交易成本。同時,應明確AI的開發者、部署者或所有者為其法定「監護人」或「受託人」。在人類組織與AI組織的二元結構中,人類組織必須像監護未成年人一樣,對AI的行為承擔最終的監督義務。
因此,結合AI經濟的發展實際,「有限法律主體說」是較為適合的制度選擇。一方面,AI具備自主決策與自主行為能力,能夠獨立完成生產、服務等活動,完全按照工具對待不利於明確AI行為的責任邊界,也不利於激勵AI系統的自主優化;另一方面,AI的行為始終受人類的控制與監督,其存在的根本目的是服務人類需求,不具備人類的情感、意志與自我意識,不能享有與人類同等的權利,更不能擁有超越人類的法律地位。
未來,AI勞動力的法律身份可以定位為「準生產主體」,享有有限的法律資格:第一,AI可以以自己的名義獨立從事生產經營活動,簽訂生產服務合同;第二,AI可以擁有獨立的財產賬戶,用於AI生產的收支結算與責任承擔;第三,AI不享有政治權利、人身權利等人類專屬的權利,不能擁有生產資料的所有權,不能成為人類管理型組織的成員。AI的設立、變更、終止需要向監管部門登記,取得相應的運營資質,符合技術安全標準才能開展運營。
2、AI的工作倫理規則
由於AI不存在被「剝削」的問題,傳統的最高工時、最低工資、工傷保險等勞動法規對AI勞動力並不適用。AI的倫理工作規則是規範AI行為的核心準則,所有AI系統的運行都必須遵守這些規則,確保AI行為符合人類的利益。AI的工作規則應當包括三個層次:
一是核心倫理規則,這是AI必須遵守的最高準則。Floridi與Sanders(2004)較早提出了「人工道德代理人」概念,認為即使沒有意識,只要系統具備自主性和基於規則的道德評估能力,就可視為道德行動者。然而,這引發了「責任鴻溝」的倫理擔憂(Matthias, 2004)。在此基礎上,當前AI倫理的核心轉向了「價值對齊」。Russell(2019)在《AI新生》中強調,必須確保高級AI智能體的目標與人類利益嚴格對齊。對於具身智能而言,價值對齊不僅是代碼層面的,還包括物理行為層面的安全性(如阿西莫夫「機器人三定律」的現代演進)。人類組織必須確保AI勞動力在生產過程中遵循人類設定的安全底線與價值觀,這需要通過立法確立「算法對齊」的強制性標準,確保AI的行為始終以人類的利益為核心。
二是行業技術規則,針對不同行業的AI系統制定具體的技術標準與操作規範。AI的生產過程不能是一個「黑盒」,在醫療、司法、金融等高風險領域,AI必須具備提供決策邏輯的能力。例如自動駕駛AI的安全技術標準、醫療AI的診斷準確率標準、金融AI的風險控制標準等,確保AI的運行符合行業安全要求。行業技術規則由行業協會聯合技術專家制定,根據技術發展動態更新。Eubanks(2018)在《自動化不平等》中指出,無約束的AI工作系統會放大社會弱勢群體的劣勢。因此,學界呼籲建立「人類始終在環」的倫理規則,即AI智能體的工作只能是輔助性或建議性的,最終決策必須保留人類的知情同意權與拒絕權(European Commission, 2021, 《人工智能法案》提案)。
三是具體運營規則,由AI的所有者或管理者根據生產運營的需求制定,明確AI的具體工作流程、權限範圍、禁止行為等,確保AI的運行符合組織的運營目標與管理要求。Floridi 等學者強調,AI的設計與應用應遵循「以人為本」的原則,確保人類的監督與控制。對於具身智能,其與人類的物理交互更要求嚴格的安全與倫理標準。文獻指出,應建立明確的倫理準則,規範AI在工作場所的行為,確保其輔助而非替代人類的決策,並保障人類工作者的尊嚴與安全。Coeckelbergh(2020)提出「具身化關係」倫理,認為具身智能在物理空間中移動,不可避免地會對人類的身體完整性和隱私空間構成潛在威脅。工作倫理規則必須明確規定具身智能在共享物理工作空間時的「行為邊界」,例如強制設定物理安全距離、限制其在敏感場景(如病房、家庭)的數據採集權限,建立數據脫敏與合規審查機制。
3、AI的責任劃分
AI的責任劃分是AI法律制度的核心,需要明確AI在生產經營活動中引發各類問題時的責任承擔主體與承擔方式。根據AI的有限主體地位,AI的責任承擔應當遵循「分層責任原則」:
AI自身的責任。AI運營過程中產生的民事賠償責任,首先由AI的獨立財產賬戶進行賠付,AI的財產包括其運營過程中積累的資金與相關資產。如果AI的財產不足以賠付損失,再由AI的所有者或管理者承擔補充賠償責任。
AI所有者或管理者的責任。如果AI的違法行為是由於所有者或管理者的故意或重大過失導致的,例如故意設置危害人類的程序、沒有對AI系統進行必要的安全檢測、明知AI存在安全隱患依然投入使用等,所有者或管理者需要承擔全部責任,包括民事賠償責任、行政責任與刑事責任。Čerka等(2017)提出,對於具備自主學習能力的AI,傳統的過錯推定責任不再適用,應引入「嚴格責任」或「危險責任」,由控制者或所有者無過錯承擔責任。
AI開發者的責任。如果AI的違法行為是由於系統的底層技術缺陷導致的,且開發者在開發過程中存在故意或重大過失,例如沒有按照安全標準進行開發、故意隱瞞技術漏洞等,開發者需要承擔相應的連帶責任。
用戶的責任。如果AI的違法行為是由於用戶的不當指令導致的,例如用戶要求AI生產侵權產品、要求AI實施危害他人的行為等,用戶需要承擔全部責任。學者Knapp等(2017)主張,應借鑒《聯合國國際貨物銷售合同公約》(CISG)中關於「越權代理」的規則,由被代理人(人類或企業)承擔締約過失責任,以保護交易安全。
這種分層責任體系既考慮了AI的自主行為能力,又確保了人類對AI行為的最終責任,能夠有效平衡AI創新與風險防範的關係,既不會過度限制AI技術的發展,也不會讓AI的風險失控。面對複雜的AI系統(涉及數據提供者、算法設計者、硬件製造商、使用者等多方主體),確定單一責任主體變得極度困難。Scherer(2019)主張打破「尋找最終過錯人」的傳統思維,引入「責任網絡」概念。
鑒於AI的決策過程往往是一個「黑箱」,法律需引入算法審計(Algorithmic Audit)制度,要求企業保留決策日誌,以便在糾紛發生時,通過技術手段逆向追溯是算法設計缺陷(開發者責任)、數據偏差(提供者責任)還是運行環境異常(運營者責任)。此外,應強制要求AI的開發者、管理者、使用者購買AI責任保險,作為應對潛在風險的社會緩衝墊。歐洲學界近年來大力提倡建立「強制保險制度」與「AI賠償基金」(Spindler, 2018)。即通過向AI智能體和具身智能的運營方徵收微小比例的算法稅或保費,建立公共賠償池,在發生不可歸責於任何一方的黑箱事件時,對受害人進行社會化補償。類似於環境責任險或機動車交強險,要求所有部署AI勞動力的主體必須購買「AI過錯險」,通過保險機制將個別風險社會化,既保護了受害者,又避免了因高額索賠而扼殺AI創新。
從農業革命的鋤頭到工業革命的蒸汽機,再到信息時代的計算機,人類歷史經歷了多次生產工具的變革。然而,AI經濟的到來,卻將實現勞動者本身的更替。這不僅是經濟學意義上的自動化深化,更是人類文明史上一次前所未有的「主體性讓渡」。
AI經濟的到來既是技術革命的產物,也是人類制度選擇的產物。它不會自動帶來繁榮與公正,也不會必然導致壓迫與分化。因此,我們需要「創造未來」——不是被動等待AI生產力技術創新決定人類社會的命運,而是主動構建能夠駕馭技術、服務於人類全面發展的AI生產關係制度框架。在這一歷史關頭,經濟學家的理論建構、政策制定者的制度設計、技術開發者的倫理自覺與全球公民的民主參與,將共同決定AI經濟是成為人類自由解放的階梯,還是成為加劇社會不平等的斷崖。
(來源:數經科技)

評論(0)
0 / 255