【摘 要】人工智能技术的范式突破，重引技术替代与劳动增强的争论。强调奇点论的人工智能派与以人为中心的智能增强派，虽价值取向不同，但都采用直线思维，未能把握技术变革与劳动转型的历史辩证法。在历史唯物主义的分析框架中，技术革命作为生产力质变的核心动力，既以现有分工体系为基础，又通过重组生产力要素推动分工体系的转型。智能技术的普及不仅催生智能生产力的历史形态，还将引发分工体系以“智能生产”为核心进行重构。
【关键词】人工智能 智能增强 生产力智能化 智能化分工体系
近年来，人工智能技术的突破性发展及其广泛应用，正以前所未有的方式重塑人类劳动形态。一方面，智能技术的广泛应用显著提升了社会生产力的水平；另一方面，技术对传统劳动模式的替代效应日益凸显，由此重新激发了关于智能技术是替代还是增强人类劳动的学术争论。在这一问题上，历史唯物主义基于技术变革与劳动转型的历史辩证法，显现出独特解释力。马克思通过将技术纳入生产力系统演进的动态分析，既阐明了技术替代劳动的历史必然性，又昭示了技术进步对人类文明演进的积极意义，为超越“取代—增强”的二元对立提供了深刻的理论洞见。
一、人工智能技术突破引发技术－劳动关系论争
在全球数字基础设施快速进步的推动下，人工智能技术取得了重大发展，并引发了全球性的技术浪潮。与此同时，人工智能技术对传统劳动的替代效应日益凸显，关于人工智能与人类未来的讨论已成为全球关注的焦点议题。
（一）人工智能技术的范式革新及其劳动替代效应
2022年12月，新一代生成式人工智能技术ChatGPT的横空出世标志着人工智能技术进入全新发展阶段。传统人工智能系统基于线性模型、依赖人工标注的高质量数据，并按照具体指令进行操作。与之相比，基于大语言模型（LLM）的新范式实现了两大认知突破：首先，生成式人工智能“往往针对无标注数据设计基于遮蔽内容还原的自监督学习任务进行训练”，新范式处理的数据集类型与应用范围大幅拓展；其次，新范式不仅能够生成新对话内容，还通过自主生成过程和解释对模型进行“不断调整、改进与优化（也可以称之为进化）”，体现出日益增强的跨任务迁移能力。以ChatGPT为代表的生成式人工智能的广泛应用，还引发了对通用人工智能（AGI）可行性的深度探讨。通用人工智能要求系统在各种不同的任务和环境中灵活地适应和执行任务，代表着人、机、环境交互的更高级别的智能形态。
人工智能技术对生产力的推动效果已初步显现。麦肯锡全球研究院2023年关于人工智能经济潜力的研究显示，传统人工智能与其他形式的自动化合计贡献约11万亿美元经济价值，而生成式人工智能技术每年可为全球经济贡献超过4万亿美元。中国互联网络信息中心发布的《生成式人工智能应用发展报告（2024）》显示，截止2024年6月，中国生成式人工智能产品用户达2.3亿人，人工智能产业体系核心相关企业超过4500家，产业规模已接近6000亿元，形成了覆盖芯片、算法、数据、平台、应用等环节的完整产业链。生成式人工智能对中国经济的影响，已经超过了1／3。
与此同时，人工智能技术的突破性发展冲击了传统脑力劳动的壁垒，催生普遍的“技术性失业”趋势。从短期影响看，高盛2023年3月公布的研究显示，全球约3亿岗位面临AI替代风险，其中行政支持（46%）、法律事务（44%）等中高端岗位的首当其冲。除标准化程度较高的劳动类型，翻译、内容创作等劳动以及客户服务、业务运营等以服务为主的工作领域也受到较大影响。而麦肯锡的长期预测则表明，在2030年至2060年间，全球将会有50%的现有职业被AI取代。尽管人类近百年来已习惯机器取代体力劳动，例如，18世纪末蒸汽机取代了人力和水力作为动力源，而后电力又取代蒸汽动力成为新能源，但“取代白领工人和脑力劳动者的智能机器还是新现象”。当脑力劳动不再是人类独特的能力，机器与人的边界就变得模糊。启蒙运动以来基于逻辑推理、知识生产确立的人类主体性的根基正面临着严重的质疑，这正是人工智能技术新范式引发技术与劳动关系深刻论争的核心所在。
（二）技术替代与劳动增强的理论争鸣的新态势
在智能技术发展史上，始终存在着“取代论”与“增强论”的分野。随着智能技术的突破性进展，这一理论争辩再度成为学界焦点。
由计算机科学家约翰·麦卡锡（John McCarthy）推动并发展的人工智能派（artificial intelligence，AI）始终致力于开发能够模仿乃至超越人类能力的智能系统。该学派最乐观的代表人物雷·库兹韦尔（Ray Kurzweil）在《奇点临近》中对科幻小说家弗诺·文奇提出“奇点论”做了系统的阐发，其不仅指出，基于算力、算法及其数据量进步的叠加效应，“我们的技术将能够和人类最优秀最精妙的品质相媲美，并超越它们”，还将奇点时间锚定在2045年。随着人工智能技术的突破，库兹韦尔在近期的《奇点更近》中，更进一步预测，人类将在2045年超越肉体的限制，实现永生。这一观点已成为新自动化争论中的核心所在。作为奇点论忠实拥护者，科技企业家埃隆·马斯克在2024年未来投资倡议大会上更激进地预测，技术奇点的到来可能提前至2029年。
与取代论形成鲜明对比的是由“鼠标之父”道格拉斯·恩格尔巴特（Douglas Engelbart）创立的智能增强学派（artificial intelligence augmentation，IA）。该学派主张智能技术拓展并延伸人的能力而是替代，并致力于发展“以人类为中心、扩展人类能力的计算系统”。针对技术替代的担忧，该学派认为技术“将会消灭的是重复工作，而不是高质量的、应该被保留的工作”，甚至有乐观的智能增强派认为，技术创新在替代旧岗位的同时将创造更多新就业机会。如著名风险投资人马克·安德森（Marc Andreessen）在“代码大会”（Code Conference，2017）的演讲中所言，技术创新会创造更多的工作，甚至孕育全新的职业谱系，就像汽车的发明创造了一系列新的工作类型，比如汽车维修、汽车租赁、零件营销和自动驾驶等“一整套新工作”。他进而将当前美国的就业危机归咎于劳动力短缺，并非技术替代本身。
埃里克·布莱恩约弗森（Erik Brynjolfsson）和安德鲁·麦卡菲（Andrew McAfee）在《第二次机器革命》提出了一种折中观点。他们认为，人工智能技术呈指数增长的特性，可能打破自动化以来技术替代与劳动就业增长保持动态平衡的历史规律。因此，在人工智能技术是否全面取代劳动的问题上，“永远也不要说绝不会”是一种谨慎的态度。事实上，这一立场暗示着机器与人类的关系正从互补性向替代性转变。这种认知立场的转变本身，恰恰折射出取代论在当代技术话语体系中与日俱增的影响力。
（三）智能技术与劳动关系争论的深层理论透视
人工智能派与智能增强派观点的争论表面聚集技术替代问题，实则触及更深层的哲学立场分歧。
工业体系发展的历史表明，技术替代具有客观性。马克思曾对机器体系的发展规律作出如下概括：无论从整体上的发展看，还是从细节上的进展看，“机器体系的这种道路是分解——通过分工来实现，这种分工把工人的操作逐渐变成机械的操作，而达到一定地步，机器就会替代工人。”但细察可知，智能增强派并非否定技术替代的客观趋势，而是反对人工智能派由此推导出技术全面超越人类的论断。换言之，两派的根本分歧在于其价值立场：是坚持人类主体性（智能增强派），还是主张机器主体性对人类主体性的替代（人工智能派）。
人工智能日渐突显的主体性特征成为两派争论的焦点。若将智能定义为“主体适应、改变、选择环境等各类行为能力”，这一概念本身就蕴涵着一种主体性纬度。新一代人工智能以其对自然语言强大的处理能力、生成内容并自行演化的能力，确实呈现出一种类主体性的特征。这种主体性或被理解为“拟主体性”，或在一种更强的版本中被理解为由于“展现了颠覆性的泛化能力和自主交互能力”而在与人交往过程中形成了新的“交互主体性”。乐观的人工智能派认为人工智能已经瓦解了传统劳动的主体性地位，而历史唯物主义则始终坚持人的劳动的主体性核心地位。人是生产力发展的目的而非手段，这一根本立场使马克思的生产力观与古典政治经济学的生产力观区别开来。例如，在《1844年经济学哲学手稿》中，马克思批判国民经济学（包括李斯特）将工人视作以“抽象的劳动为生的人”，并认为“工人完全像每一匹马一样，只应得到维持劳动所必须的东西”。智能化时代，重申历史唯物主义“以人为中心”的立场尤为重要。
从具体上看，智能技术的主体性不过是“一般智力”在当代的新形态。马克思指出，自动化本质上是人类“一般智力”的外化：“固定资本的发展表明，一般社会知识，已经在多么大的程度上变成了直接的生产力，从而社会生活过程的条件本身在多么大的程度上受到一般智力的控制并按照这种智力得到改造。”“一般智力”在工业时代表现为机器体系，数字时代表现为信息网络，而人工智能时代则体现为智能设施和环境。人工智能的类主体性不过“是人类主体与环境交互过程中的数据采样以及人类主体之间交互的结果。”
然而，更深层次来看，人工智能派与智能增强派共享着相同的理论预设——对技术与劳动关系的线性思维模式。这种思维对智能技术的影响过于乐观，过分夸大了技术的直接影响力，却忽视了技术社会化应用的复杂过程，其都未意识到：“与普遍认为未来劳动力将受到‘卓越’新技术的威胁相反，劳动力面临的更大威胁在于，技术并未有效地促进生产力的提高”。德勤2024年3月发布的《企业生成式人工智能应用现状》调查显示，世界范围内人工智能主要用于提高效率／生产力（56%）和或降低成本（35%），仅有29%的企业用于促进创新和加速增长等战略性效益作为目标。这说明降本增效是当前企业智能化升级的主要目的。这一事实也验证了斯加鲁菲的判断，“推动计算机科学技术快速进步的原因并非是真正的科学创新，而是人工成本。”
超越技术—劳动关系的线性思维，必须采用历史唯物主义的辩证视角。技术对劳动的影响是一个历史过程：技术对现存分工劳动的替代，更多地体现出技术的短期效应；技术对劳动更深刻的影响，须以技术的社会化应用为前提，通过改变生产力要素和产业体系实现深层变革。历史唯物主义的分析框架，揭示了技术变革与劳动转型的辩证关系，对深刻理解人工智能时代技术的人机关系提供了科学的理论工具。
二、智能生产力演进的历史辩证法
生产力与劳动分工的辩证运动构成了理解技术革命的关键理论框架。这一框架揭示：作为生产力质变的核心驱动力，技术革命既根植于既有的生产力及其劳动分工体系，又通过生产力要素重组推动分工体系的范式转型。
（一）生产力与劳动分工的辩证运动规律
在古典政治经济学谱系中，亚当·斯密开创性的建构了基于交换关系的“市场生产力”理论，大卫·李嘉图则发展了“劳动生产力”理论。经由对古典政治经济学生产力理论的批判，马克思建立了具有双重维度的历史唯物主义生产力观：在物质性层面，生产力构成人类历史发展的根本基础，正如分析马克思主义者柯亨所指出的，在马克思那里，“历史的进步主要不是在自我意识中，因为这种进步只是随着人对其环境不断增长的控制而变化的”；在社会历史性层面，生产力的发展始终与人类社会的分工协作形式紧密关联，是人类通过物质生产实践不断创造和重塑自身的历史进程。
在《德意志意识形态》中，马克思对生产力与劳动分工的辩证关系进行了系统性阐发：首先，分工体现生产力。“一个民族的生产力发展的水平，最明显地表现于该民族分工的发展程度。”特定时期的生产力必然外在化为相应的劳动类型、组织模式及其物质基础。进一步而言，分工本身就是一种生产力：“一定的生产方式或一定的工业阶段始终是与一定的共同活动方式或一定的社会阶段联系着的，而这种共同活动方式本身就是‘生产力’”。分工提升劳动者的熟练度及劳动的效率，并产生了技术创新的可能性。更为重要的是，分工促进了社会交往与协作及其劳动者社会认知的增长，推动了马克思意义上的“一般智力”的发展。人类智力持续融入机器体系，转化为自动化进程的内在动力。
另一方面，生产力进步引发分工的拓展。“任何新的生产力，只要它不是迄今已知的生产力单纯的量的扩大（例如，开垦土地），都会引起分工的进一步发展”。生产力的变革促进了分工不断细化和拓展，使得新的劳动类型及其生产部门不断开辟出来。在《资本论》的“机器和大工业”的章节中，马克思具体分析了这种变革机制：机器的应用不仅提高了既有行业的效率，更通过创造新的需求催生新的工业部门；分工的深化促使生产的专业化，使原本附属于旧产业的环节独立成为新的行业；制造业内部也不断细化，“一方面机器制造业日益分为多种多样的独立部门，另一方面制造机器的工场手工业内的分工也日益发展”。
人工智能技术的演进历程充分验证了这一辩证规律。当代智能生产力的发展既有赖于历史生产力基础及其分工体系支撑，也蕴含了生产力及其分工体系变革的必然性与方向。
（二）技术变革的历史前提：生产力基础与分工体系的演进
在互联网、大数据、云计算等技术的协同推动下，20世纪90年代开启了具有深远历史意义的生产力数字化进程。这一转型的关键在于“数据”成为生产力的核心要素。数据并非纯粹抽象的存在。数据的生成以人类的现实活动为原材料，同时，“数据收集依赖于一个庞大的基础设施来进行感知、记录和分析”。生产力数字化进程在世界范围内催生出两大显著现象：互联网平台企业的爆发式增长，以及互联网与传统工业系统融合形成的工业互联网新形态。与数字化基础设施的建设需求相适应，在传统劳动形态的基础上，一种新的数字劳动分工体系逐渐形成，并呈现出多层次的产业结构特征：信息技术相关的软件开发，如软件工程师等；信息化相关的硬件生产，如富士康等企业为代表的电子制造业等；依托网络平台企业发展的各类数字化“非物质劳动”；为信息化建设提供必要物质基础的资源开采与加工业，如白金作为“生产硬盘的一种重要原材料”的开采与精炼产业。
这种将人类活动信息化、网络化的新型生产范式及其分工体系，为人工智能技术的突破奠定了不可或缺的物质基础与社会条件。回溯人工智能发展史，自20世纪50年代图灵测试提出，该领域的发展经历了漫长的过程。尽管神经网络技术早在21世纪初就已展现出理论价值，但其发展长期受制于关键要素的缺失——缺乏用于模型训练的大规模数据集。直到互联网及移动终端在全球生产生活领域的普及，这一瓶颈才得以突破：“互联网数据集和低成本的众包劳动为神经网络研究带来了训练所需要的计算和人力资源”。正是这一历史条件的成熟，重新激发了人工智能研究的热潮，并最终促成深度学习技术的重大突破。
人工智能时代，数字劳动的价值被赋予了新的内涵。每一个数字劳动者都成为人工智能技术的贡献者。Deepseek等企业采取的开源模式生动演绎了“使用即训练”的人工智能技术进步逻辑。通过以互联网为核心的整个数字化分工网络，人工智能技术获得了持续演进的双重动力，这就是，海量数据的持续供给以及分布式智能的协同创新。这充分证明，人工智能技术的发展，并非技术自身逻辑使然，而是深深植根于数字生产力及其分工体系所构建的历史条件之中。从新一代生成式人工智能到通用人工智能，再到可能出现的超级人工智能，技术的突破都必须以新技术对人类生产生活领域的全面渗透为前提，这种渗透既表现为技术应用的普遍化，更体现在技术与社会生产的深度融合。
（三）需求体系化与分工重构的互动机制
分工的细化与拓展本质上是一个深刻的社会历史进程。在《德意志意识形态》中，马克思恩格斯对这一进程进行了开创性的历史唯物主义阐释。他们指出，人类为满足基本物质需求而展开生产劳动，而“已经得到满足的第一个需要本身、满足需要的活动和已经获得的为满足需要而用的工具又引起新的需要，而这种新的需要的产生是第一个历史活动”。这就是说，既有需求的满足中包含着新需要产生的必然性及其特定的展开方式。生产的需要引发了工具的、组织的、服务的需要，在历史发展进程中，各类需求呈现出明显的体系化特征。“在这个发展过程中，需要是连在一起的；它们互相之间紧密相连，组成一个体系。方法、工具和生产活动、劳动也是一样”。
数字生产力及其数字化分工体系的诞生，源自于工业化对确定性的内在追求。机器大生产首次开创了世界市场和全球分工体系，同时也催生出对跨区域生产、销售及与流通等各类信息的系统性需求。数据作为信息的载体，由此上升为生产的核心要素。在英美等国所推动的生产力数字化进程中，以谷歌、苹果为代表的数字企业转型成为少量的本土劳动力以及外部的供应链、大量承包商或外包工作的新型生产组织模式。数字生产力的全球化扩张不仅开创出非物质劳动的新形态，更以此为核心，对传统农业、矿业以及工业生产进行深度整合。这一变革显著扩大了全球劳动总量，构建出全球性的、规模巨大全局性的数字化分工协作体系，“人类社会已经从工业社会百万人量级的协作生产体系演进到数千万、数亿人的合作。”
生产力数字化向纵深发展必然要求向生产力智能化阶段跃升。数字化生产力致力于建构一个与物理世界相对应的数字世界，通过促进互联网与工业体系的深度融合，激发工业体系的巨大潜能。值得注意的是，虽然数字化生产力肇始于英美“去工业化”浪潮，但自2008年以来，这些国家均开始对新自由主义浪潮进行反思，并推进高端服务业与工业体系的深度融合。我国的生产力数字化进程既源自于自身的现代化进程对工业化及其数字化的需求，也是承接英美新自由主义潮流下的数字资本全球布展的结果。这种特殊的发展路径使得我国在工业互联网建设方面面临独特挑战：尽管我国互联网与工业体系的融合已经取得初步成效，但与消费互联网中平台企业的蓬勃发展相比，当前工业互联网面临数据的流动性不足、整合创新资源能力不足、应用水平不高、核心技术薄弱、安全保障不强、机制体制不够完善等多重挑战。面对这一状况，充分利用智能技术在数据生产与价值挖掘上的独特优势，成为推动数字化与工业化深度融合的必然选择。
三、以“智能生产”为核心推进智能化生产力及其分工体系的建构
当数字化进程完成物理世界向数字世界的映射后，智能化将推动数字世界向价值创造纬度跃进。智能技术通过促进服务业赋能生产环节，推动生产力的智能化趋势，并建构以“智能生产”为核心的智能化分工体系。
（一）智能技术助推数字生产力深度展开
在当今数字化时代，云计算、大数据、互联网等技术已成为推动社会经济发展的核心驱动力。然而，传统数字化技术在数据的生产、采集、处理和利用等方面仍存在明显的局限性。大数据技术虽然在处理海量结构化数据方面表现出色，但在面对非标准化数据时却显得力不从心；对数据的处理效率较低，且难以挖掘其潜在价值，尤其是在工业领域，数据的复杂性、多样性和实时性要求越来越高，传统大数据技术已难以满足实际需求。数据准确性不高、完整性不足或前后矛盾等问题普遍存在，严重制约了大数据的应用效果，导致数据分析结果的可信度大打折扣。数据稀缺性仍是大数据的问题，这里的“稀缺”并非指数据量不足，而是指高质量、高价值数据的匮乏。
近年来，以大语言模型（LLM）为代表的智能化技术为解决上述问题提供了新的思路。LLM能够利用海量无标签文本数据进行训练，通过自监督学习捕捉数据的深层规律。与此同时，多模态数据整合技术的兴起进一步拓展了数据处理的范围。该技术能够对图像、视频、音频等非结构化数据进行高效处理，并挖掘不同模态数据之间的关联关系。技术进步显著提升了数据处理的自动化水平。一方面，智能化技术能够自动完成数据采集、清洗和标注工作，大幅降低人工干预成本；另一方面，通过生成高质量合成数据，有效缓解了特定场景下真实数据不足的问题。
在数字化向智能化升级的浪潮中，工业体系正经历深刻变革。首先，资源整合能力得到质的飞跃。智能化技术打破了数据孤岛，实现了跨部门、跨企业的数据共享与协同分析，使资源配置更加精准高效。其次，创新能力显著增强。通过对海量数据的深度挖掘，企业能够更快发现市场需求、优化产品设计，并加速技术创新迭代。例如，汽车制造商可以利用AI分析用户反馈数据，实时调整车型设计。此外，智能化升级也带来了安全保障机制的完善。通过实时监测数据异常、预测潜在风险，企业能够提前采取防范措施，确保生产安全。与之配套的体制机制也在逐步健全，包括数据治理规范、隐私保护制度以及AI伦理框架等，为智能化技术的健康发展提供制度保障。未来，随着算法的持续优化和计算能力的提升，智能化技术有望在更广领域、更深层次推动工业体系的转型升级，最终实现从“数据稀缺”到“数据赋能”的根本性转变。
以技术升级为契机，推进以“智能生产”为核心的智能生产力新形态。有一种比喻生动地说明了智能技术对生产系统的作用：“如果说传统的自动化、数字化、网络化给生产制造提供了‘肢体’‘感官’和‘神经’，大数据和人工智能应用则给生产制造配上了‘大脑’，使之能够应对各种业务场景，实现真正的智能。”新一代人工智能技术赋予了生产领域神经中枢般的主动性与决策能力，使其能够主动获取、挖掘、整合并分析人的需求，推进产品、服务、生产系统乃至生活方式的整体转型。因此，“智能生产”不仅指产品、装备及其生产过程的智能化，更包含需求感知—智能研发—柔性制造—精准服务的全链条重构。
（二）“智能生产”推动生产力智能化进程
从社会再生产过程看，生产是真正的主动因素，是“实际的起点”，因而在整个生产进程中居于支配性地位。《经济学手稿（1857—1858年）》导言中，马克思集中而系统地论述“生产”在生产体系中的支配性地位：首先，“生产生产着消费”，生产为消费活动提供材料、消费的对象。“智能生产”最直接的要求是产品及其装备的智能化。智能化的产品将不仅具有特定的使用价值，而是随着传感器等各种软件的融入，变得可识别、可定位，成为数联网的一个节点。以智能化穿戴设备为例，智能产品以尽可能便捷的方式，提供各种智能化服务，并将消费者的活动及需求，反馈生产系统。
其次，生产决定消费方式，生产创造消费者。消费作为需要，作为生产的目标，是社会再生产系统的一个内在因素。新的产品属性给予消费以新的规定性，培育消费者的特性能力。“艺术对象创造出懂得艺术和具有审美能力的大众”。产品的变革将带来整个消费方式及其生活方式的变化，并全面激发人的新的需要。需要是生理性的，也是社会性的，人的全面丰富的感官的生成，也是随着人的实践而不断拓展的结果。“社会的人的感觉不同于非社会的人的感觉。只是由于人的本质客观地展开的丰富性……那些能成为人的享受的感觉，即确证自己是人的本质力量的感觉，才一部分发展起来，一部分产生出来”。“以人为中心”的智能化生产，旨在通过人的需求的及时满足，推动新的需求的产生，并建构更为人性化、个性化与多样化的生活方式。
再次，生产对整个生产系统的诸环节进行整合。智能化技术通过对数据的深度分析与整合，在产品设计、研发过程中，充分考虑消费者的意愿和需要，实现大规模个性化，甚至个性化的产品的生产。例如，奇瑞一款新能源汽车已经率先实现以场景化定制连接起用户需求与生态各方的汽车共创定制的新生态；生产系统的整合将尽可能地提高流通效率，实现零仓储，降低生产成本。
随着新一代人工智能技术在生活与生产中的普及，生产力智能化趋势不断浮现。智能生产力“是智能技术与生产力中的“人”和“物”的深度融合，表征了生产主体使用智能技术进行生产的能力，是智能技术向生产技术全面渗透时引发的质变，是生产力演进的新形态。”智能生产力对整个生产系统的整合使得数字生产力的最初构想得以实现。这就是，实现研发、设计、试验、制造、服务等环节，在与实体生产空间向对应的虚拟化空间中的测试与生产。
（三）智能化分工体系的建构
智能生产力的形成依托于智能化基础设施的系统性完善，这其中包含了对软件生态、硬件架构、服务体系与能源供给等多维度的协同创新，并推动分工体系在数字化基础上实现智能化跃迁。
网络编程劳动将迎来范式革新。无论是人工智能技术还是智能增强技术都将迎来突破性发展：在基础技术层面，自动驾驶系统、大型行动模型、机器消费者、具身智能体等前沿领域持续突破；在增强技术层面，人机交换界面、智能辅助系统的研发聚焦价值对齐、提示工程、空间计算、数字孪生等关键技术。《Garter技术成熟度曲线》（2024）指出，伴随着系统智能化程度的提升，AI TRISM（信任、风险与安全管理）、网络架构安全环境、数字免疫系统等安全技术将成为关键支撑。
“非生产性劳动”的增值重构愈发突出。马克思关于生产性劳动与非生产性劳动的辩证关系在智能时代呈现新的维度。智能时代的价值增值逻辑，更突显了非生产性劳动间接地推动生产性劳动的增长的意义。马克思对生产性劳动与非生产性劳动的区分并不绝对，同一类型的活动可以看作生产性的劳动或非生产性劳动。例如，诗人写诗，是本性使然，但诗作发表与出版，即衍生出编辑、运营等生产性劳动形态。智能技术的普及使这种转化呈现指数级增长：人工智能不仅提升了个体在知识获取、问题解决等方面的自主性，更推动教育咨询、情感服务等领域向个性化、专业化方向演进。例如，自适应学习系统能够针对学生的各方面表现，为个性化教学提出建议，因材施教将成为可能；人机共生的伦理探讨促进对人类主体性的再认知；当机械劳动被智能系统取代后，“教育、个人兴趣发展、志愿者活动、社区建构”等更具人文价值的活动将成为劳动新形态。这种文化生产与精神实践的交融，为经济活动注入新的价值维度。
智能生产体系呈协同演进态势。智能设备制造呈现双重发展趋势：半导体产业随之发生结构性变革，面向机器学习、边缘计算等场景的专用芯片需求持续分化。基础设施建设遵循双重驱动，既要加强新型数据和算力中心建设，推动基础通信网络向高性能算力网络转变，还要对大数据中心等AI基础设施与其他网络基础设施建设进行统筹推进；要统筹智慧交通、智能电网等城市基础设施的协同升级——正如铁路网支撑工业文明，智能化城市基建成就人工智能时代的生产力格局。以上述智能技术设施转型与提升为基础，传统工业产品的智能化升级、自动驾驶汽车与智能穿戴设备等智能终端产品的迭代发展，工业母机等生产设备的智能化改造逐一实现。具身智能体的大规模生产，将推动实现“每部署一个机器人，将创造出3.6个岗位”的预言。
智能技术广泛应用推动能源体系的智能转型。算力需求的爆发式增长引发能源革命。国际能源署（IEA）2024年报告显示，生成式AI单次查询能耗已达传统搜索引擎的10倍量级。这种指数级增长倒逼能源体系创新：在供给端推动核聚变、新型储能等技术突破；在应用端发展智能电网、能耗优化算法；在政策端建立碳足迹追踪体系，形成技术创新－能效提升－可持续发展的良性循环。
结语
人工智能引发的劳动形态变革具有历史必然性，但其具体演进路径受制于社会制度的适应性调整。马克思对英国工业革命爆发的社会政治条件的分析，对于当前的人工智能革命颇具借鉴意义。
在《德意志意识形态》中，马克思恩格斯指出，与欧洲传统的强国相比，英国有着显著的政治优势：“国内的自由竞争到处都必须通过革命的手段争得——英国1640年和1688年的革命，法国1789年的革命。”英国的资产阶级革命及其民族国家的确立比法国早了一百多年，以致于17世纪商业和工场手工业不可阻挡地集中于英国。在政治权力的推动下，欧洲大量的流浪人口、海外殖民地掠夺的巨额财富、海外市场等，这些有利于产业革命的外部要素都被转化为历史进程的内在动力。诸要素相互作用的结果即体现为以伦敦为中心的且日益具有竞争性的全国性市场的确立。统一的国内市场不仅为工业革命的爆发提供了得天独厚的条件，还为工业革命进程汇总开拓海外市场并推进全球分工创造了前提。
以此为鉴，聚焦中国语境，需要在政治支持的基础上着力构建“技术变革与城市发展”相互支撑的协同体系：通过推动工业体系的智能化升级，加速国际大都市建设进程。工业化与城市化本质上具有一体两面的内在关联，技术革命的社会化过程必然通过新型城市化进程得以具体呈现。工业革命时期伦敦、曼彻斯特等工业化都市的崛起，数字化进程中波士顿、西雅图、东京、深圳等大都市的突显，均为这一规律的典型例证。当前阶段，应当充分发挥国际大都市在人才集聚、资本流动、政策支持和制造业基础等方面的综合优势，大力推进智能技术的创新研发与实际应用，加快国际大都市建设步伐，从而强化其对国民经济的引擎功能，提升其在全球市场格局中的战略地位与国际影响力。
依托技术升级，全面推进城市群一体化进程及其区域协同发展。城市群一体化本质上是围绕国际大都市形成的空间分工体系，其深层动力源自技术变革对工业体系的渗透所引发的分工体系空间重构。城市群的结构优化将促进区域合作向纵深发展，推动东西部协同共进，并带动全国产业链布局的系统性重塑。以“东数西算”工程为例，智能技术革命既依托于这一战略性空间布局，又将在算法创新、算力提升和数据要素整合等领域的协同发展中，进一步推动区域间差异化协同发展格局的形成。
以智能技术为驱动，深入推进以人为核心的新型城市化进程。城市化的本质在于人的城市化。相较于数字技术，智能技术更加突出以人为本的发展理念。新型城市化在促进生产要素自由流动、构建全国统一大市场的同时，更应注重运用智能技术赋能社会保障体系建设，推动城市生活各领域的公平发展，促进流动人口的市民化及其消费潜能的释放，整体推进中国社会向具有先进城市文明的社会形态转型。唯有实现技术创新与社会变革的协同共振，才能完成生产力及分工体系的智能化跃迁。
闫婧，上海社会科学院哲学研究所助理研究员
文章来源：《科学社会主义》2025年第4期
引用/转发等请据原文并注明出处。注释请参见原文。
