生产力早已过剩，为什么AI时代依然给不了人类普遍的自由？

1848年，马克思和恩格斯在《共产党宣言》中写下了一段被反复引用却很少被真正理解的话：“资产阶级在它的不到一百年的阶级统治中所创造的生产力，比过去一切世代创造的全部生产力还要多，还要大。”

这句话诊断性的指出了一个历史问题，那就是工业革命之后，人类第一次摆脱了长期困扰自身的绝对稀缺状态，却又立即陷入了一种全新的、由制度制造的相对匮乏。也就是说，工业革命以来的绝大多数悲剧和危机，不再是人类的生产力不足引起的，而是制度不知道如何公平地分配引起的。

马克思的全部理论工作，从早期哲学手稿到晚期《资本论》，都可以看作是对这个问题的解剖。很多人可以攻击他的劳动价值论，解构他的阶级分析，质疑他的革命预言，但永远回避不了他提出的那个问题——当人类已经具备满足所有人基本需要的生产能力时，为什么贫困、危机和不平等依然像宿命一样缠绕着当代社会?

这个问题从十九世纪曼彻斯特的棉纺厂一直延伸到二十一世纪深圳的电子装配线，从蒸汽机的轰鸣一直延伸到算法的无声运转。每一次技术跃迁都在重新激活它，每一次经济危机都在重新验证它。

马克思的问题之所以无法回避，是因为它根植于工业文明的基本结构之中，生产力的发展不断冲破旧有的生产关系，而生产关系又不断将生产力带来的巨大财富导向特定的阶级和集团，由此形成周期性的断裂和震荡。这不是一个可以被“证伪”的命题，而是一个需要被反复应对的历史困境。

前工业社会的基本经济事实是稀缺。农业依赖土地和气候，手工业依赖工匠的个人技能，两者都无法在短期内实现产出的大幅增长。马尔萨斯在1798年发表的《人口论》，本质上是对这种稀缺状态的总结：食物增长赶不上人口增长，贫困和饥荒是自然规律。但马尔萨斯没有料到，就在他写作的同时，英国正在发生一场彻底改写这条规律的技术革命。蒸汽机、纺纱机、冶铁技术的突破，使得人类第一次可以利用化石能源驱动机器进行大规模生产。产出的增长不再受限于人力和畜力的生理极限，也不再受限于自然周期的节奏。一个工厂一天的产量，可能超过一个地区手工业者一年的劳动成果。

这个变化的意义怎么强调都不过分。它意味着人类在技术上已经走出了生存资料的绝对稀缺。用马克思后来的术语说，社会已经具备了“按需分配”的物质前提。

但问题恰恰出在这里，技术上的可能性并不等于社会现实。工业革命创造出来的巨大产能，从一开始就被嵌入到一种特定的社会关系之中——生产资料集中在少数资本家手里，绝大多数人除了自己的劳动力之外一无所有，只能通过出卖劳动力换取工资，再用工资购买自己生产出来的产品。

于是出现了一个看似悖谬的现象，工厂里堆满了纺织品、铁制品、日用百货，但那些生产这些产品的工人却买不起它们。

1825年英国爆发第一次普遍性生产过剩危机，机器停转，货物积压，工人失业，而失业工人更加买不起货物。这个循环在之后的两百年里以不同的形式反复出现，成为资本主义无法根除的痼疾。

马克思抓住了这个悖谬的核心。他在《资本论》中分析商品拜物教时指出，资本主义生产方式把人与人的社会关系颠倒为物与物的关系，把生产的目的从满足需要扭曲为追求交换价值。

资本家组织生产不是为了解决社会的实际需求，而是为了实现资本增殖。当增殖的条件受阻——比如市场饱和、利润率下降——生产就会中断，哪怕社会上还有大量未满足的需要。

这就是“生产过剩”的真正含义，它不是绝对的生产太多，而是相对于有支付能力的需求而言生产太多。

贫困不是因为没有东西，而是因为没有钱。

这个区分至关重要。

它揭示了工业革命之后人类困境的性质转变，从自然的稀缺转向了制度的稀缺，从生产能力的不足转向了分配机制的失灵。

要理解马克思问题在当代的形态，必须先看清技能这个东西在历史上是怎么变化的。技能是劳动者与生产资料之间的中介，它的归属方式直接决定了劳动者在生产过程中的地位和议价能力。

在前资本主义时期，技能主要在人的身上。一个铁匠从学徒做起，花十几年掌握全套手艺，他的技能和他的身体、经验、时间绑在一起，分不开。行会制度保护这种绑定，外人不能随便进入这个行当。技能是劳动者的护身符。雇主需要某个特定工匠的手艺，就必须雇佣这个人，无法绕过他。这种状态下，劳动者对生产过程有完整的理解，对自己的劳动有相当的控制权。

资本主义兴起以后，情况发生了根本变化。机器把技能从人身上剥离，固化到设备里。一台纺织机不需要操作者懂纺织的全部工艺，工人只需要完成被拆解后的简单动作：接线头、换梭子、看机器。完整的技能被分解，核心部分进了机器，人只需要提供辅助。

技能的载体从人转到了物。

工人失去了对生产过程的完整理解，也就失去了议价的基础。工厂主不再依赖某个特定工匠的手艺，他只需要买机器，然后雇任何能看机器的人。劳动者变得可替代，可替代就意味着议价能力下降。

这个过程不是一次性完成的。

每一代新技术都在重复这个逻辑，把更多的人类技能从劳动者身上剥离，转化为资本可以直接占有的生产资料。泰勒的科学管理运动在二十世纪初把工人的操作动作分解为可测量的单元，福特的生产线把装配技能分解为重复的简单动作。每一次分解都削弱了劳动者对生产过程的控制，每一次标准化都增强了资本对劳动力的替代能力。

十九世纪初，英国纺织工人砸毁机器，不是因为他们愚蠢，不知道机器能提高效率。他们砸机器，是因为机器确实提高了效率，但效率提高的成果归了工厂主，工人自己却面临降薪和失业。技术没问题，有问题的是谁控制技术、谁决定技术怎么用、谁拿走技术带来的好处。

这三个问题，在每一次技术革命中都会被重新提出，而答案从来没有自动偏向劳动者。

人工智能把这个逻辑推到了新阶段。以前的机器主要替代体力和部分重复性脑力，人工智能开始替代判断、生成、组合、推理这些更高层次的认知活动。它把这些能力变成数据、模型和参数，变成资本可以直接占有的东西。这个过程分两步，每一步都在重复马克思描述过的资本原始积累的逻辑，只是形式更加隐蔽。

第一步是训练。

大模型需要海量的文本、代码、图像、音频，这些东西几乎全是人类过去的劳动成果。写作者的文章、程序员的代码、画家的作品、翻译的译稿、科学家的论文，被批量抓取、清洗、标注，喂进模型。

资本支付的是算力成本和存储成本，不是对这些技能劳动的补偿。

技能的原始积累几乎是无偿完成的。一个作家花十年练出的语感，一个程序员花五年积累的编码经验，被模型在几周内吸收，而他们本人没有收到一分钱。这跟圈地运动时期资本无偿占有公共土地的逻辑是一样的，只是这次被占有的不是土地，而是人类积累的知识和技能。

第二步是部署。

模型训练完成后，就成了新的生产资料。它能以极低的边际成本反复输出类似技能的结果。一家公司以前需要雇五个设计师做海报，现在可能只需要一个人用模型生成再加修改。以前需要十个初级程序员写基础代码，现在可能只需要两个资深程序员审查模型生成的代码。资本通过购买算力和数据，直接获得了原本需要长期训练才能掌握的能力。技能与劳动者身体的分离，达到了前所未有的程度。以前机器替代的是体力，工人还可以用脑力来议价。现在机器开始替代脑力，工人还能用什么来议价?

后果是直接的。

当模型能生成合格的代码、写出可用的文案、画出商业插画、完成基础的法律检索或医学综述时，原先靠这些技能吃饭的人发现自己的议价能力在下降。

这不是猜测。

2023年以来，自由职业平台上的写作和翻译类岗位报价出现了明显下滑。美国编剧工会和演员工会先后罢工，核心诉求之一就是限制AI的使用。编剧们很清楚，如果制片公司可以用模型生成剧本初稿，再雇一两个人修改，那大部分编剧的工作机会就会消失。这不是技术中立的效率提升，这是资本用技术手段重新分配了技能的市场价值。

市场不再必须购买完整的人，只需要购买模型输出，或者购买会用模型的人。技能的稀缺性被稀释了。稀缺性一降，价格跟着降。有技能的人仍然可以工作，但条件变了，要么适应模型的节奏，成为“提示词工程师”或“AI输出审核员”，要么被模型替代，要么沦为模型的辅助者。

无论哪种情况，主动权都不在自己手里。

每次技术革命都会出现一个乐观的论调，新技术淘汰旧岗位，但会创造更多新岗位。蒸汽机淘汰了手工纺织，但创造了铁路工人、机械师、工程师。电力淘汰了煤气灯工人，但创造了电工、电厂操作员。计算机淘汰了打字员，但创造了程序员、网络管理员。

这个类比在人工智能这里出了问题。

蒸汽机、电力、计算机在淘汰旧岗位的同时，制造了大量新的物理复杂性。铁路要人建，电网要人铺，计算机要人编程。这些新复杂性吸收了被释放的劳动力。

人工智能主要作用于信息层面，它压缩复杂性，而不是制造复杂性。律师文书从多人协作变成端到端自动化，客服咨询从几十人的团队变成几个模型实例，被替代的劳动直接消失，而不是转移到新的物理领域。

一个模型可以替代几十个初级程序员，但模型审计只需要几个人。净释放量远大于净吸收量。这才是问题的实质，不是AI不制造复杂性，而是制造的复杂性远远不够。

更关键的是，人工智能进入的是一个早已产能过剩的世界。全球钢铁、汽车、电子、服装等行业普遍过剩。市场不需要更多商品，企业需要的是用更少的人力维持产出、保住利润。人工智能正好帮企业做到这一点。被释放的劳动力无处可去。铁路已经建完了，代码被AI写了，配送和驾驶在走向无人化。这不是周期性失业，经济回暖就能吸收。这是结构性的、不可逆的劳动淘汰。

当然，人工智能也不是完全不制造新复杂性。AI伦理、模型审计、数据治理、提示词工程，这些领域确实在产生新的劳动需求。

问题在于，这些新需求能不能吸收被AI释放的劳动力?

答案很可能是否定的。

一个模型可以替代几十个初级程序员，但模型审计只需要几个人。净释放量远大于净吸收量。这才是问题的实质，不是AI不制造复杂性，而是制造的复杂性远远不够。

人工智能对劳动者的影响不是均匀的。技术内部的分化会影响技能向资本集中的程度和速度，也会在劳动者内部制造新的裂痕。

最明显的分化是开源模型和闭源模型。开源降低了技能基础设施的准入门槛。一个独立开发者用开源模型做本地化微调，与一个完全依赖AI API的用户，处境是不同的。

但开源不等于去资本化。

开源模型的训练仍然需要巨额资金、高端芯片和能源，这些资源高度集中在少数科技巨头和国家资本手里。开源的原因不是因为这些巨头的CEO们突然信仰了技术民主化，而是因为开源可以打破闭源模型的垄断，重新构建以自己技术模型为核心的生态。也就是说，开源是资本之间竞争的策略，不是资本对劳动者的让步。它确实改变了一些东西，但没有改变基本格局。

人工智能对技能门槛也有双向作用。模型降低技能稀缺性的一面，但模型同时也降低了某些领域的进入门槛。一个不会编程的人可以用自然语言生成代码，一个不会画画的人可以用提示词生成图像。这意味着某些技能不再是少数人的专利。原来的高技能劳动者受损，原来的零技能劳动者可能获得新的工具，技能分布变得更扁平。

这种内部重新洗牌使得局势更加复杂。一个资深插画师可能因为AI绘画失去订单，但一个从来没有学过画画的人可能因为AI绘画输出了比资深插画师更多更好的作品获得了盈利。两者虽然都是劳动者，但处境相反，行业的内卷程度更加剧烈了。

资本在这个过程中获益最大，因为它同时从两者身上提取价值：从前者提取训练数据，从后者提取使用费。但劳动者内部因此产生的分化也是真实的，忽略了这个分化，就没办法解释为什么有些普通劳动者对AI持欢迎态度。

这种分化不是新现象。

马克思在分析十九世纪工人阶级时就已经注意到，产业后备军的存在使得在业工人和失业工人之间存在利益冲突，这种冲突被资本用来压低整体工资水平。

今天的情况类似，只是分化的维度更多了：高技能与低技能、AI受益者与AI受损者、平台劳动者与非平台劳动者。资本利用这些分化来维持对劳动的整体优势。

如果工业革命的核心成就是解决了生产问题，那么它遗留下来的核心难题就是分配问题。这个问题在马克思的时代以阶级斗争的形式尖锐地表现出来，在二十世纪以福利国家、社会主义革命和全球化的形式被反复处理，在二十一世纪又以人工智能的形态浮出水面。

分配问题之所以无法回避，是因为它直接关系到社会再生产的可能性。一个社会如果长期无法让大多数人分享生产率的增长，最终会面临有效需求不足、社会撕裂和政治动荡。

十九世纪的古典经济学家其实已经意识到了分配问题的严重性。李嘉图把政治经济学的主要任务定义为研究土地、资本和劳动之间的分配规律，马尔萨斯担忧有效需求不足会导致停滞。但他们的分析受限于当时的阶级立场和理论范式，没有触及生产资料所有制这个根本问题。

马克思的突破在于，他把分配问题从流通领域拉回到生产领域，指出分配关系不是独立于生产关系的，而是生产关系的另一面。工资、利润和地租的划分，不是市场公平竞争的结果，而是由谁掌握生产资料、谁控制生产过程决定的。

这个发现的意义在于，它揭示了单纯在分配领域做文章——比如慈善、累进税、最低工资——无法从根本上解决不平等，因为产生不平等的机制在生产环节就已经被锁定了。

二十世纪的历史为这个判断提供了复杂的验证。

十月革命后建立的苏联体制，试图通过消灭生产资料私有制来一劳永逸地解决分配问题。结果证明，取消市场机制和私有产权虽然消除了资本家的剥削，却带来了新的问题：官僚特权、效率低下、创新停滞。

另一方面，西方资本主义国家在经历了1930年代大萧条的冲击后，通过凯恩斯主义的宏观管理、福利国家的再分配、工会的集体谈判，在一定程度上缓和了分配矛盾。战后“黄金三十年”的繁荣，让很多人相信资本主义已经找到了驯服危机的办法。

但1970年代以后，随着新自由主义的兴起、金融化的扩张、全球产业链的重组，分配不平等再次急剧扩大。资本收益率长期高于经济增长率，财富集中度正在向十九世纪的水平回归。马克思当年诊断的那个机制——资本积累必然导致两极分化——在新的历史条件下重新显影。

人工智能的出现正在加速这个趋势。

当技能从劳动者身上剥离，转化为资本可以直接占有的模型和算力时，劳动在分配中的份额面临进一步压缩的压力。这不是某个政策失误，而是资本流动性增强、技术替代劳动、劳动者议价能力下降等多重因素共同作用的结果。

马克思的问题——生产率的增长为什么没有转化为大多数人生活境遇的改善——依然悬而未决，而且在人工智能时代变得更加尖锐。

为什么马克思的问题无法回避呢?

回到《共产党宣言》的那句话。

资产阶级创造的生产力比过去一切世代还要多、还要大，这个事实在今天比在1848年更加触目惊心。人类已经能够编辑基因、探索火星、在虚拟世界中构建无限宇宙，但全球仍有数亿人生活在极端贫困中，仍有数十亿人在为基本生存奔波。

这不是能力的匮乏，而是制度的匮乏。

人工智能提供了前所未有的可能性。它让人类第一次看到，大部分重复性脑力劳动可以被机器完成。如果这个能力被用来减少所有人的劳动时间，提高所有人的生活质量，那它确实可以成为解放的工具。

但如果它被用来让少数人更富、让多数人失去谋生手段，那它就会成为新的压迫工具。

决定这个分岔口的，不是技术本身，是政治。是劳动者能不能组织起来，能不能在数据和算力的归属上争取权利，能不能在算法决策中获得发言权，能不能把效率提升转化为时间缩减而不是失业。

这些斗争的结果，将决定人工智能最终成为谁的智能。

每次新技术出现，都有人跳出来说这次不一样，这次技术本身就能带来普遍自由。蒸汽机时代有人这么说过，电力时代有人这么说过，互联网时代有人这么说过，现在人工智能时代又有人这么说。

每次的结果都一样：技术确实改变了世界，但改变的方向由控制技术的人决定。技术不会自动解放人类。这个道理不复杂，但很容易被忘记。

最根本的问题没有变：生产资料掌握在谁手里，技术成果就主要归谁。只要少数人控制着算力、数据、模型和投资决策权，人工智能就更可能带来少数人的极度富裕与多数人的劳动机会丧失，而不是普遍自由。

马克思的问题是一个开放的历史课题。

它没有终极答案，只有不断的应对、调整和代价。

每一代人都在用自己的方式回答它，有的通过革命，有的通过改良，有的通过逃避。

但逃避终究是暂时的。

当矛盾再次撕裂社会，当技能的剥离再次压缩劳动者的生存空间，当繁荣的泡沫再次破裂，那个问题就会从历史的深处重新浮现，冷峻地注视着每一个自以为已经超越它的人。