"人工智能是从上而下对工资的一次进攻。"这一论断来自认知科学家哈根·布里克斯,他与共著者在《我们为何害怕人工智能》中,把当前生成式人工智能浪潮放回到社会阶级、劳动过程和权力关系的语境中来理解。把人工智能单纯当作技术进步或生产力提升的工具,会让我们忽视更为重要的事实:资本在设计和部署技术时,往往以压低劳动力成本、扩大管理控制为目标,而生成式人工智能正好成为了这样一种极具效率的"去技能化"机器。 理解去技能化需要把视角拉回历史。工业化早已证明,技术不仅改变产出效率,更改变谁拥有知识、谁能获取报酬。传统手艺人并非失去能力,而是被转化为廉价可替代的劳动力,因而工资和工作质量被挤压。
哈根指出,语言类工作正在经历类似的"产业化"。大型语言模型把语言生产变为大规模、低成本的产出:它们能生成初步翻译、撰写草稿、起草合同条款,虽然质量往往不能与专业人员媲美,但足以形成一种廉价替代品。这样的替代品并不是把职业完全抹除,而是把劳动市场的供给结构扭曲为"劣质产品充斥",从而整体压低价格和工资。 具体案例并不难找。翻译人员不得不与自动翻译产出竞争,很多时候客户更愿意付更低费用使用机器生成的草稿,再以更低成本雇佣人类进行校对。设计师面临类似压力:生成式设计工具可以快速产生大量视觉方案,使客户降低对原创设计的支付意愿。
连公共服务领域也出现显著影响:当廉价自动化工具被用于法律文书、医疗影像初筛或教育评估时,原本需要专业判断的岗位被重构为"监督机器"的工作,工人变成规模化的低薪校正者。 这一过程的隐性损害不仅在于收入下降,更在于工作质量和职业尊严的被侵蚀。哈根用"通过变得糟糕来进行阶级战争"的表达,提醒我们去技能化同时意味着"去价值化":原本能从劳动中获得满足感和自我实现的专业性,被拆解为可以通过更廉价手段替代的步骤。这种"榨取式创新"并非偶然,而是资本逻辑在技术选择层面的体现。技术研发和部署并不像大众想象的那样中立,企业的利润动机决定了哪些功能被优先工程化,哪些成本被外部化到工人的工资和社会公共资源上。 面对"AI泡沫"与资本狂热,有两种常见的误读值得警惕。
一种是把所有问题归结为技术神话,认为一旦泡沫破裂,问题自消;另一种是只关注生产力统计,而忽视劳动市场结构的长期重塑。历史告诉我们,技术泡沫的破灭往往孕育出更强大的基础设施巨头,它们通过并购、政府合同与标准制定,将临时的投机转化为长期的市场垄断。哈根指出,当人工智能技术被视为"基础设施"并与国家力量联手时,它的劳动力管控功能将被制度化,从而加剧长期的不平等。 政府与军工、科技公司的交织尤其值得关注。技术标准、采购策略与监管松动,会把私人资本的偏好变成普遍规则。例如当大型模型被允许进入军事用途或公共服务采购目录时,国家机器会扩大对这些技术的依赖,继而使市场对低成本自动化解决方案的需求常态化。
这种"从上而下"的制度安排,使劳动者面临的不只是市场竞争,而是一套结构性的压迫:技术被用来简化监管、降低人力成本、强化管理指令。 那么如何回应这一攻势?哈根与当代劳工运动的观察指向了集体行动的重要性。AI对工资和工作质量的双重冲击,恰好将之前相对稳定的中间职业纳入了被影响的群体,这可能成为扩大工会基础的契机。编码者、设计师、翻译者、教育者与律师助理等群体的职业风险变得明显,促使他们重新评估集体谈判的必要性。工会不再是传统蓝领的专利 - - 当越来越多白领和专业人员也感受到被"技術化"的威胁,组织化的动力显著增强。 不过,组织化并非万能,它需要新的策略与议程。
应对生成式AI的核心不只是争取更高工资,更要争取对技术设计与采购的参与权。工会与公民组织应争取在公共采购条款中加入劳动保障条款,要求供应商对自动化替代的影响进行评估并承担相应的补偿或再培训义务。在私营部门,集体合同可以明确规定AI使用的范围、监督责任与人工审核的最低标准,从而防止企业单方面通过引入廉价自动化压低整体薪酬水平。 政策层面也需要更具前瞻性的工具。反垄断执法应关注平台公司对训练数据、算力与模型生态的控制,打破基础模型的垄断以保留市场空间给中小企业和社区主导的替代方案。税收政策可以考虑对高度自动化与资本密集型企业施加更高的负担,用以资助再教育、公共服务与社会保障体系的扩展。
更激进的路线包括设立数据与算法公共银行、将关键模型作为公共物品进行民主监管,甚至探讨对自动化带来的生产力红利实行全民基本收入或数据股息式分配。 能源与环境成本也是不可忽视的议题。大规模训练模型与持续运行的数据中心消耗大量电力和水资源,其环境代价通常被外部化。追求短期利润的企业很少自发承担这些长期成本,因此监管应要求透明的能耗报告与环境影响评估,促使技术发展与生态可持续性并行。 除了制度与政策的技术性应对,更深层的文化与价值争辩也在进行中。哈根强调,技术本可以用来改善劳动条件,让工作更有意义、更人性化,但在当前的制度框架下,技术被优先设计为管理和剥削的工具。
换句话说,争夺技术方向不仅是经济问题,更是民主问题。社区、劳动组织与公民社会需要介入技术设计过程,推动以人为本的技术规范,确保劳动者在自动化浪潮中保有自主权和尊严。 结局并非既定。生成式人工智能既可能成为广泛的工资压制工具,也可能在强有力的政策与社会组织下,转变为提高工作质量与普惠服务的技术。关键在于谁在决定技术规则。若让少数资本与技术精英独占设定权,劳动力将继续被弱化;若通过民主监督、工会协商与公共政策重构市场规则,技术可以服务于更广泛的公共利益。
哈根·布里克斯的观察提供了一个明确的政治框架:把人工智能问题从抽象的科技恐惧或单纯的效率辩论中拉回来,放在阶级、权力与劳动条件的现实之中。对抗"从上而下的工资攻势"需要跨行业的团结、制度性的干预以及对技术设计权的争夺。只有当劳动者、消费者与公民共同参与规则制定,才能把人工智能的未来从资本的工具,转变为增进普遍福利的公共资源。 如今的任务既是防守,也是改造。防止工资被无声侵蚀,同时争取一种更广泛的愿景:技术不再是劳动力压制的助攻,而是帮助人们实现更有尊严、更富创造力生活的力量。要达到这一目标,需要的不仅是理论分析,更是现实的组织、谈判与政策胜利。
哈根提醒我们,恐惧虽有其合理性,但更重要的是把恐惧转化为集体行动的力量,从而重塑技术与劳动之间的关系。只有如此,我们才能确保未来的技术创新不是少数人的薪酬工具,而是真正服务于多数学者与工薪阶层的公共力量。 。
