“如果这一次真的不一样呢？”——记录一场与AI工作者的对话

最近，我和两位处在AI行业前沿的朋友进行了一次比较长的讨论。我们从AI会不会取代人类劳动，一直谈到技术革命、经济史，以及技术工作者和社会科学人如何理解当前正在发生的变化。我们观点的碰撞反映了马克思主义或者说政治经济学视角和科技前沿工作者视角的差异，也暴露出了一些各自原本没有意识到的思维惯性。

问题起源于一位朋友对AI的发展有一种很强的“奇点降临感”。身处行业内部，他最直观的感受就是技术变化越来越快：一些半年前还被不少研究者认为短期内很难实现的能力，半年之后就可能已经进入实验甚至实际应用。尤其让他感到焦虑的是，AI正在越来越多地参与编程、评测乃至AI研究本身。在编程等结果相对容易检验的领域，模型已经能够自己写代码、运行测试、根据结果继续修改。AI辅助AI研究，也已经从设想逐渐变成现实。如果未来AI能够进一步参与改进下一代AI，使技术进步越来越少地依赖人的直接介入，那么这种循环最终会走向哪里?如果AI真的能够不断扩展自身能力，它是否会逐渐取代人类的全部工作?如果是这样，我们今天的就业、分配乃至社会制度，会不会发生根本性的改变。

一、技术替代劳动，为什么劳动一直没有消失?

我最初的回应来自技术史。过去两百多年，每一次重要的技术革命都会消灭相当一部分既有劳动。机械化取代手工业中的许多操作，流水线重新组织熟练工人的劳动过程，计算机又减少了大量计算、记录和事务性工作。但是历史上反复发生的并不是劳动总量不断向零收缩，而是劳动过程不断重新配置。旧行业衰落的同时会出现新的产品和产业，旧技能可能贬值，新的技能和默会知识也会形成。因此，从过去的经验来看，“机器能够完成越来越多工作”并不能直接推出“人类最终将没有工作”。技术变革并不是机械地消灭工作，而是重塑整个社会分工和劳动过程。

十九世纪的人即使准确预测机器会取代大量纺织工人，也不可能列出今天的软件工程师、芯片设计师或者数字内容生产者。技术一方面消灭旧的劳动过程，另一方面又改变社会能够生产什么、消费什么以及人会产生什么新的需要。我们今天讨论AI时，很容易拿现有职业作为一个固定集合，再询问AI究竟能够覆盖其中百分之多少。但真正困难的问题恰恰是，几十年以后的任务集合本身会不会已经完全不同。

我提出的第二个回应来自经济层面。技术上能够取代人，并不意味着经济上立即值得取代人。一套自动化系统能否普遍采用，取决于它相对于现有生产方式究竟能节约多少成本，而这个比较本身又会随着行业和地区发生巨大变化。如果当地劳动成本很低，生产过程又经常变化，那么即使技术上可以实现无人化，投入昂贵设备也未必有经济优势;反过来，在生产高度标准化、规模足够大的场景，自动化就可能迅速铺开。例如，目前的“黑灯工厂”还停留在示范阶段，并没有大规模采用。又比如，过去几十年的的信息技术革命虽然深刻重塑了全球一些最先进的企业和产业，但直到今天，世界上大量地区的基本生产组织仍然没有因此发生同等程度的变化。站在技术前沿，很容易把最先进实验室和头部企业正在发生的变化，当成整个经济体系即将自然到来的未来，而技术扩散从来没有这么简单。

朋友并不否认这个问题。但他认为，过去的技术进步之所以总是“消灭一些工作，又创造一些工作”，也许只是因为每一种机器的能力都有明显边界。如果具身智能能够解决机器进入物理世界的问题，那么AI可以替代的就不再只是写作、编程和信息处理，而会逐步扩展到越来越多现实生产过程。真正的通用人工智能一旦出现，即使社会创造出新的职业，AI也能够很快学习并进入这些新工作。经济条件可以延缓替代，却未必能够永久阻止替代。只要技术继续进步，原来成本过高的方案就可能逐渐变得划算。简言之，过去技术革命中不断生成新劳动的机制，在面对具有一般学习能力的新技术时，是否仍然成立?

二、“取代全部劳动”中的劳动是什么?

顺着这个问题继续想，我指出“AI取代全部劳动”这个说法，需要我们重新理解“劳动”。如果所谓劳动只是今天劳动力市场上已经存在的任务，那么其中越来越大一部分当然可能被自动化。但从更一般的意义上说，劳动是人为了某种目的而进行的活动。技术发展的一个基本方向，就是不断缩短人的意图与结果之间的距离。

但问题在于，意图本身从哪里产生？为什么一个人会希望得到某种结果？一种新能力出现以后，人又会因此产生怎样的新需要？需求并不是历史开始时就已经写好的一张清单。工业革命以前的人无法预先想象工业社会后来产生的大量商品和生活方式，因此也不可能单纯根据“机器已经能够做什么”，推导出工业化以后还有多少劳动存在。如果劳动的形式会随着人的需要和社会生活不断变化，那么“AI能够完成今天所有可以想象的工作”和“未来不再产生只有人能从事的活动”之间，就仍然隔着很远。

朋友对此仍然不完全相信。他提出了一个很有力的反问：即使人的需要是开放的，为什么一个真正通用的AI不能同时进入这些新形成的活动?过去机器只能解决一类特定问题，因此技术进步总会在机器能力边界之外留下新的空间;如果通用AI恰恰意味着这种边界不断消失，那么引用过去“新技术总会创造新工作”的经验，还有多大意义？

换言之，对他来说，工业革命乃至过去的所有科技革命没有消灭全部劳动，不能说明AI也不会。假如我们承认AI可能在能力结构上与以往机器存在重要差异，那么仅仅援引过去的历史经验是不够的。历史经验只能告诉我们过去发生过什么，却不能替未来做担保。真正需要讨论的，是AI是否已经、或者是否可能跨越这个差异，以及即使跨越以后，技术能力又如何转化成现实的社会关系。

三、为什么我们会相信不同的未来？

聊到这里，我问朋友：你为什么这么相信这一次是“前所未有”的?因为我认为，AI的“前所未有”可能只是特定群体发明的一个故事。

他的回答包含三点。首先是研究工作本身带来的直接经验。他每天接触的就是最前沿模型，一些原来觉得还很远的能力不断提前出现，这会持续改变一个人对于未来速度的判断。其次，AI行业内部对于未来能力边界的预期也在变化。自动化编程、长程智能体乃至AI参与AI研发，已经从几年前相当边缘的讨论逐渐进入许多前沿研究者的视野。除此之外，还有一种很自然的反作用：过去几年很多人因为低估技术进展而反复修正预测，于是当新的争论出现时，研究者很容易觉得，与其再次低估它，不如认真考虑最激进的可能性。

我也意识到，我自己的判断同样来自特定的知识经验。社会科学对历史的重视使我很容易识别出一些反复出现的模式：几乎每次重大技术革命刚刚显示力量时，人们都会倾向于把技术前沿正在发生的事情线性外推成整个社会即将发生的事情。弗里曼和佩雷斯关于技术革命的研究，说明了新的核心技术需要与基础设施、生产组织和产业结构逐渐结合，形成新的“技术—经济范式”。佩雷斯尤其强调技术革命的“导入期”和“展开期”之间存在区别：前者往往伴随着资本大量涌入新技术领域和异常乐观的未来预期，后者才是新技术的限度被充分认识后，经过制度和组织调整更广泛地改造整个经济体系。

另一个差异来自政治经济学本身的训练。我们习惯追问技术由谁控制，以什么方式进入生产，又如何与资本积累和社会权力发生联系。技术节约了劳动时间以后，这些时间究竟转化为更短的工作日、更高的利润，还是一部分人的失业，并不是技术自身能够决定的。也正因为如此，我会天然抗拒从一种技术能力直接推演确定的社会结果。朋友所在的研究共同体有一套关于模型能力和未来趋势的行业判断，社会科学同样有自己的知识传统。我们都觉得自己在依据经验判断，但这种经验首先就是各自所在位置能够持续看到的经验。

四、如果技术能力是x，社会结果是什么?

谈话进行到这里，我尝试用一个很粗糙的数学比喻概括双方的差别。假设科学技术能力是x，我们真正关心的某种社会结果是y，两者的映射关系是无上界、单调为正的函数y = f(x)。做技术的人很容易形成这样一种推理：如果x能够不断增长，甚至增长到今天难以想象的程度，那么无论技术与社会之间的映射关系究竟是什么，最终的社会影响都必然极其巨大。也就是说，只要x趋近于正无穷，即使我们暂时不知道f的具体形式，也很容易相信f(x)最终会非常大。

社会科学的直觉则恰好相反。我们会觉得真正值得研究的就是这个f。相同的技术能力进入不同的社会结构，可以产生完全不同的结果。生产成本如何决定企业是否采用一种机器，所有权结构如何决定技术收益由谁获得，国家和制度又如何影响扩散路径，这些因素共同决定技术最终以什么方式进入现实生活。而且技术本身还会反过来改变这些关系，所以严格来说，连这个函数都不是固定不变的。

当然，我并不否认AI技术的革命性潜力。马克思恰恰极其重视生产力变革。《资本论》分析工业革命时，一个重要判断就是，当机器大工业发展到能够“机器生产机器”时，工业体系获得了一种跳跃式的自我推进力量：

“但是，一旦工厂制度达到一定的广度和一定的成熟程度，特别是一旦它自己的技术基础即机器本身也用机器来生产，一旦煤和铁的采掘、金属加工以及交通运输业都发生革命，总之，一旦与大工业相适应的一般生产条件形成起来，这种生产方式就获得一种弹性，一种突然地跳跃式地扩展的能力，只有原料和销售市场才是它的限制。”

沿着这个思路，如果AI未来能够大规模进入AI研发本身，“AI生产AI”显然具有非常深刻的意义。因此，双方真正的分歧并不在于AI是否可能极大推动生产力，而在于能不能从生产力的巨大跃迁，直接推导出劳动消失乃至某种确定的社会形态。

五、社会科学者会不会总在说“这不过是……”

谈话结束之后，我反思了我们观点背后的位置。技术前沿工作者由于每天都在接触最先进的东西，很容易产生一种“当下无比特殊”的感觉。每一次模型更新、每一个过去困难的问题被突破，都在强化一种历史正在突然加速的经验。但作为哲学社会科学人，历史告诉我这种体验并不陌生：铁路、电气化、汽车、计算机和互联网兴起时，人们同样曾经相信自己的时代发生了根本断裂。

但社会科学者也有一种与之对称的傲慢。面对任何看起来前所未有的新事物，我们总能从历史里找到一个熟悉的模式，然后说：“这不过又是一次技术革命初期的乐观想象”“当年的互联网也是这样”“资本一直都会炒作新技术”。这种历史感当然能够帮助我们抵抗技术决定论，却也可能成为一种思维惰性。只要把新现象翻译成已有理论中的熟悉概念，它就不再显得真正新了。可问题恰恰在于，它有没有可能真的包含过去没有出现过的东西?

如果技术工作者的危险是轻易宣布“这一次完全不同”，社会科学者的危险或许就是过早宣布“这一次也没有什么不同”。

研究技术革命本身就存在一个很难绕开的认识论问题。所谓真正革命性的技术，恰恰很难在革命发生之前得到充分的实证检验。人类现代技术史可以用来比较的重大技术革命本来就没有多少。即使按照佩雷斯的划分，从工业革命以来也不过几个技术革命浪潮。我们能够做的是从有限的历史案例中抽取一些机制和模式，再用这些理论帮助理解正在发生的变化;但历史样本如此有限，没有任何理由认为过去总结出的框架一定能够完整覆盖下一次革命。

因此，这场谈话反而让我更加相信，理解这个时代技术与社会的互动需要两种视角真正发生碰撞。技术工作者离正在发生的未来更近，所以更容易看到能力边界怎样被突破;社会科学者离历史积累的经验更近，所以更容易看到一种技术进入社会之后会受到怎样的塑造。前者可能因为看得太近而把局部前沿当成整个世界，后者也可能因为看得太远而把真正的新事物重新解释成熟悉的过去。