AI 賦能之下的機器人格化
目前，AI 的智能水平越來越高，可以通過學習來感知和理解現實世界。在學習能力之外，AI 還具有較強的邏輯判斷能力以及模仿人類動作的能力。今后，AI 還可能擁有持久記憶能力。倘若如此，AI 將不需要每次都從零進行學習、演練、推理和規劃，而是在以往學習和思考的基礎上不斷累加、持續改進。
AI 賦能之下，一些智能機器已初步具備自我意識，表現出很強的主體性和人格化。智能機器不僅可以學習人類倫理，像人類一樣行事，還可以由神經網絡和大數據建構起智能化思維，形成自己的倫理讓人類遵守，如數據至上、效率優先等。
正如英國劍橋大學特聘研究員、《人類簡史》作者尤瓦爾 · 赫拉利所指出，AI 不只是自動化，不僅是我們手里的工具，它意味著一種主體性，是一個智能體。智能機器可以通過互聯網聚合其他機器的數據和算力，形成機器間的互動和團隊協作能力，擁有一定的社會性，且與人類互動所依賴的社會網絡相比，機器互動的網絡效應更強。
AI 競爭下的人類機器化
一些 AI 程序和機器開始在勞動場景中與人類展開正面競爭。世界經濟論壇發布的《2025 年未來就業報告》預測，到 2030 年，39% 的工人的核心技能將發生變化，高達 86% 的受訪者預計，到 2030 年人工智能和信息處理技術將徹底改變其業務方式。
在筆者看來，隨著人類與 AI 在勞動場景中的競爭加劇，勞動者或將陷入 " 減少社會聯系 "" 聽從信號指令 "" 失去勞動意義 " 的困境，被迫像機器一樣運轉。
一是勞動者作為人的社會聯系減少。資本主義工商業的一個特點就是通過產權制度和公司制度以及金融體系，將勞動與資本之間的雇傭關系變成各盡其責的契約關系，使得資本雇傭勞動獲得合法性。
歷史上，工廠制、公司制和財團等組織形式都是在強化對勞動者的控制，比較有代表性的是美國的流水線生產模式、M 型組織架構為特征的福特制、日本的終身雇傭制和年功序列制。
AI 時代出現了反向操作，科技的發展使得許多商品的生產過程被分解，服務供應過程被分包，引發了生產活動去公司化、去組織化的趨勢。這種組織方式的變化映射到勞動關系上，引發從 " 企業—員工 " 到 " 平臺—個人 " 的重大轉變，個人與企業的契約關系明顯松綁，顛覆了資本雇傭勞動這一傳統經濟下的當然規則。
在此階段，對勞動者的勞動條件、工資、社保等方面的政策保護，可能促使企業采用更多機器以降低成本。
二是勞動者被虛擬的信號所控制。隨著技術發展，企業越來越多地采用基于 AI 的復雜監控系統來追蹤員工的工作行為和產出。這些系統能夠精細記錄從鍵盤活動、軟件使用到任務完成效率等各類數據，員工的工作表現變得前所未有的透明。
這種增強的監控能力給員工帶來了顯著的工作壓力，并可能間接促使其延長工作時間。換言之，部分勞動者受到資本家在虛擬世界中施加的潛在控制，勞資對抗關系從現實世界轉入虛擬世界。也即，資本家用更少的資本付出、獲得更強的經濟控制權，西方資本主義社會進入數字資本主義階段。
例如，Uber 存在 " 向前派單 " 算法，在司機完成當前訂單前，AI 會自動分配下一個訂單，司機既無法評估下一趟行程的利潤，也無法選擇下一趟行程的合作伙伴（不接受該指令將受到一定的懲罰或得不到相應的獎勵）。算法凌駕于司機的自我選擇之上。
深究背后的契約與權力關系可知，以往資本家利用生產資料來實現對工人剩余價值的占有，并通過契約的形式將其合法化。但在 AI 時代，契約關系被打破，資本對勞動在虛擬空間內以更加 " 自由自愿 " 的、技術化的方式加以控制，越過了委托人與代理人之間的權責關系和法律約束。或者說，剝削不再是以異化和去現實化的方式進行，沒有了契約的羈絆，變成了個體為追求自我實現和經濟效率而 " 心甘情愿 " 地壓榨自身。
三是勞動者感受不到工作的意義。平臺通過算法管理設置一系列窄而頻繁的選擇來制造工人的同意，甚至提供一些冗長的條款，使得人們在不斷受限的選擇中被迫同意（如勾選一些協議才可以正常使用 App），剝奪了人們工作的實際參與感和掌控感，體會不到算法流水線上的工作意義。
換言之，AI 出于絕對理性的邏輯將人當作機器，打破人體的生理極限、帶來心理上的壓制。例如，亞馬遜員工工作全過程均被自動化算法監控，感到堪比在監獄工作；Uber 司機缺乏與同事的社交、與上級建立聯系的機會，存在孤獨感與被隔離感。
AI 替代勞動者的現實順序猜想
與以前不同，AI 科技革命之下，機器不僅可以替代傳統的體力勞動者，還可以替代腦力勞動者。從現實順序來看，有如下幾個步驟。
一是直接替代體力。從不同工作的影響程度來看，低技能勞動者影響更大。盡管有研究認為，人工智能對高技能、低技能等不同層次的勞動者都有賦能作用，也都有替代效應。但現實情況是，低技能勞動者首當其沖，而高技能勞動者的工作相對穩定。
這可能是因為，在醫療等高技能行業，人們對人工智能技術的信任度仍較低，仍只是輔助人工而不是完全替代人工。特別是，人形機器人正在讓 " 身體 " 追上 " 大腦 " 的發育，加快對勞動者的替代進程。
目前，人形機器人除了本體運動控制，高自由度靈巧手，還有觸覺傳感器、肌肉骨骼技術、表情模仿控制等，均在不斷發展中，雖不完美，但不少試點項目陸續取得了進展。馬斯克預言，未來人形機器人數量將超過人類，是人類的 3 到 5 倍，大概有 200 到 300 億個。
二是沖淡中等技術人員的人力資本，進而進行替代。智能技術在賦能勞動者時，是以勞動者技能降級為代價的，把中等技能轉化為機器指令。此時，勞動者沒有被替代，但技能遭到退化，如出租車司機的認路技能被導航取代、廚師的火候技能被智能家電取代。
之后，機器再取代退化的中等技能勞動者，如網約車司機和外賣員。我們發現，平臺經濟新業態產生崗位最多的地方也將是今后下崗最多的地方，這非常耐人尋味。申言之，數字經濟時代出現的新崗位可能是 AI 時代下崗的重災區。現在討論它們壓榨員工，不久的將來，我們會討論它們辭退員工。
對此，不論個人、企業還是政府部門，都亟待作出前瞻性預判和應對。例如，當前低空經濟發展火熱，據估計無人機操控員缺口達 100 萬人次，但這些崗位會持續多久，恐怕很快就會被 AI 所替代。
三是高技能勞動者因技術通用性被部分替代。一般而言，對于高技能勞動者的賦能，更多是以勞動技能升級為主的，如通過 AI 翻譯便利化提高學者思考問題的能力，使得他們更難被替代。然而，共性通用性技術降低了高技能人才的需求。譬如，基座大模型公司實際需要的技術人才規模比移動互聯網時代大幅降低。
當然，現實的路徑將有明顯的國別或地區差異，對于勞動力充足且用工成本低、缺少電力和互聯網接入、產業和企業實力較弱的發展中國家，AI 替代勞動的步伐相對較慢。
反思和提升人力資本價值
隨著信息可及性增強，今后存在的深層次問題是：認知自動化對人力資本的影響是什么？人力資本是否會貶值？特別是，生成式 AI 應用可以讓企業用戶訪問并使用大量內部和外部信息源，這意味著生成式 AI 的快速采用，將極大促進企業知識和技能的全民化，從而降低了企業生產經營過程中對人類知識的依賴性，或將降低人力資本的經濟價值。
據預測，到 2026 年將有超過 80% 的企業使用生成式 AI 或在生產環境中部署支持生成式 AI 的應用，而在 2023 年初這一比例不到 5%。
更進一步的問題是：人能否借助 AI 輔助手段實現認知自動化和人力資本自動化？若能，將如何影響技術進步和經濟增長？如果勞動及其知識技能都可以自動化，未來經濟增長的瓶頸將是什么？
客觀地說，在機器學習和人工智能浪潮到來時，在虛擬世界與現實世界深度交融與高度重疊時，數據與算法到底意味著什么，人們現在還難以完全想象。譬如，個人的智慧和力量是否可以在很大程度上由數據和算法決定，科學原理和技術設計是否可以在很大程度上定義社會的活力與秩序，這些規范性與實證性交織的問題將更多地呈現在世界面前。
保留的工作是什么？體力已經貶值。機器可以工業化的方式學習知識，所以學習能力和記憶能力作為人力資本的重要組成部分也將貶值。機器還可以利用大數據快速迭代，思考能力也很強。那么，人類可能留下情感、創意、邏輯推理、框架設計，如人工智能架構師、耳語者。再如，人類擅長基于因果分析的邏輯判斷，機器的優勢在于可以利用大數據進行相關性和預測分析。
這啟示我們要加強三方面人類能力建設，提高人力資本價值：人之為人的能力（如情感）、人機協作能力、人對 AI 的框架設計和管控能力。
此外，需要注意的是，不能簡單比較人類和 AI 的效率。正如美國未來學家凱文 · 凱利說，機器是效率機器，可以不斷提升效率，而人是非效率機器，創造性的活動原本就是非標的，是低效的，兩者衡量的標準不同。
AI 數字技術是賦能勞動者還是導致勞動者更快被替代，取決于勞動者在 AI 使用過程中技能提高了還是去技能化了。去技能化的下一步，很可能是被 AI 完全替代；技能提高的下一步，很可能是主導 AI 的框架設計。
因此，AI 賦能的方式應該是使勞動者本身的技能提高，使其不易被替代，而不是去技能化更易被替代。這啟示我們：在 AI 算法設計之中，不能過度強調數學最優，而是要賦予人文關懷和勞動意義。近期，有平臺為騎手設置防疲勞機制，為騎手繳納社保，就很好地體現了科技倫理。
（作者系中國社會科學院財經戰略研究院研究員）
