陈华明，四川大学教授，博士生导师。四川省学术技术带头人，国家智能社会治理实验基地副主任，四川大学网络空间治理研究所所长。

叶哲佑，四川大学文学与新闻学院博士研究生

摘要：新质生产力发展背景下，生成式AI技术日益成为关键驱动力，其背后隐含的数字劳动隐化问题也愈发引人关注。作为一种异化的劳动，用户始终被数字资本所支配，从事以数据生产和模型迭代为核心的无酬劳动却未曾被觉察。从支配的方式来看，数字资本通过对技术场域、工具和使用规则的全面控制，有效掩盖了用户的解释劳动、情感劳动与决策劳动。从支配的本质来看，数字资本通过支配劳动认知，剥削扩张边界与劳资关系变现，构建了结构性的支配逻辑。通过模糊用户对生产与消费行为逻辑的认知，独占时间与空间等生产要素，以及操控数据的主体性与社会性，最终实现对用户的劳动剥削，使作为劳动者的用户面临更系统和隐匿的支配困境。因此，基于支配本质，从培育劳动主体的劳动认知素养、廓清劳动场域的时空边界，以及规范劳资双方的关系变现出发，可以提出应对生成式AI数字劳动隐化的实践路径，冀望为理解和应对平台社会中不可见的劳动异化过程，提供新的理论分析视角与行之有效的治理进路。

伴随全球互联网用户数量和数字经济规模的持续增长，数字劳动成为关乎公民切身利益并引发广泛关注的重要议题。在深度媒介化与平台资本主义的背景下，数字劳动深刻融入人类生活及平台运营规则，体现了阶级利益与数字经济中的资本积累模式。作为一种非物质劳动，数字劳动的劳动过程与成果不同于传统农业、工业等“可见的”物质劳动，劳动者往往未能察觉自己已置身于劳动的核心，［1］致使如玩工（playbour）等具象化的数字劳动行为成为数字劳动隐化的典型表现。劳动隐化（hidden labor）是劳动主体的合法劳动未被充分认知或被边缘化为正式经济体系中的无偿劳动，该概念可追溯至奥地利哲学家伊凡·伊里奇（Ivan Illich）所提出的“影子工作”（shadow-work），指在以工资为基础的经济体制下，所有未获得报酬的劳动。［2］与存在不对等劳资关系的“幽灵工作”（ghost work）相比，劳动隐化更深刻揭示了当前劳资关系缺失的现实。［3］

自以ChatGPT和Sora为代表的生成式AI平台问世以来，用户对平台的数据“喂养”影响着平台的周期性数据迭代。然而，这些以“价值增值导向”为特征的用户劳动行为，未能获得数字资本和平台的认可与报酬。在生成式AI时代，数字劳动面临更加全面的支配和隐化，这既是数字劳动的前沿议题，［4］亦是数字劳动隐化研究亟待关注和解决的问题。［5］有鉴于此，本文通过对数字资本主义“支配性实践”视角的理论梳理，以生成式AI平台中的数字劳动隐化现象为分析焦点，系统检视其受支配的特征与方式，揭示背后存在的支配本质，并深入探究应对数字劳动隐化的实践进路。

一、数字资本主义“支配性实践”的理论溯源 

圣西门主义者认为，剥削是一种社会现象，其形式随着社会发展而演变。［6］在农业与工业时代，人们能够感知对工具的支配，而在数字化设备迁移至云端后，我们则不能轻松地认为它们依旧受人类主体所支配。［7］甚至在当前，人反而成为被支配的对象。早在20世纪末，国内外学者已开始关注数字资本主义时代中劳动隐化的问题。苏珊·利·斯塔（Susan Leigh Star）和安塞姆·施特劳斯（Anselm Strauss）提出“大规模的网络系统”（large-scale networked systems）是引入劳动隐化的策略，其创造了一种机器在工作的假象，而本质是将劳动委托给了不可见的人类。［8］到了平台社会，刘国强等学者进一步探讨了劳动隐化的概念与形式，认为劳动主体合法且真实的劳动往往难以被察觉，且未能得到应有的酬劳与认可，并进一步指出，在平台化过程中，创意生产、情感付出与趣缘投入是劳动隐化的主要表现。［9］黄再胜指出，劳动隐化主要发生在用户内容生产、众包微劳动、按需劳动与雇佣数字劳动等四种场景，［10］并在其后续的研究中，提出把握数字剩余价值生产、实现和分配的规律，有利于解释数字资本主义的剥削本质。［11］虽然现有研究描绘了数字资本主义时代下劳动隐化的现状，但并未明确提出数字劳动隐化的概念。然而，随着生成式AI平台的兴起，数字劳动隐化现象变得更加明显并受到更多关注，这为系统审视生成式AI平台中的数字劳动隐化现象提供了基础，也进一步明确了探究数字资本主义对用户劳动剥削的研究焦点。

对生成式AI平台中数字劳动隐化的研究，可以通过平台运作核心与架构特征两个维度进行分析。从平台运作核心来看，生成式AI平台以类人数据为核心，加剧了人类生产与消费等生活方式被一般数据（general data）所支配的现状。［12］这使得数字资本主义的剥削愈加明显，更凸显了用户数字劳动的隐化现象。从平台架构角度来看，无论是ChatGPT的母公司OpenAI，还是Vertex的母公司Google，大型生成式AI平台始终依赖于发达国家的高新技术资本。可以说，数字劳动隐化的发生往往与数字资本对技术、平台等生产要素的支配与控制密切相关。因此，对生成式AI平台中数字劳动隐化的探究，不得不从数字资本主义的“支配性实践”视角中寻得理论根基。

数字资本主义源自数字技术革新的宏大背景，支配数据是其获取剩余价值的核心方式，［13］更是其支配性实践的具象化体现。然而，正如森健（Takeshi Mori）与日户浩之（Hiroyuki Nitto）在《数字资本主义》中所指出，数字资本主义并非一种全新的资本主义形态，而是既有资本主义的延续与再现。［14］因此，资本主义对劳动者的支配过程值得我们进一步审视。在对资本主义的讨论中，卡尔·马克思（Karl Heinrich Marx）从劳动价值论和剩余价值论的视角指出，价值的本质由劳动者的社会必要劳动时间决定。生成式AI平台的资本家尚未直接购买劳动者的劳动力，却通过支配用户数据，塑造了平台化时代下新型的劳动异化形式。［15］对于劳动异化现象，马克思认为，资本家通过剥夺劳动主体对劳动价值的所有权，控制生产资料以延长工作时间，［16］以及建构不平等的生产关系，［17］实现对工人阶级的全面剥削。作为基于马克思主义理论范畴探究数字劳动的代表学者，克里斯蒂安·福克斯（Christian Fuchs）则更鲜明地从生产力与生产关系出发，以劳动主体、劳动工具与劳资关系为讨论重点，对形式各异的数字劳动进行批判，［18］深刻剖析了数字劳动面临的异化困境及其对劳动主体的剥削本质，揭示并明晰了数字资本主义时代资本的支配性实践过程。在平台化视域下，数据成为数字资本主义剥夺劳动者剩余价值的目标，也是加拿大数字经济学者尼克·斯尔尼塞克（Nick Srnicek）所称平台生存的“原材料”。［19］这正是生成式AI平台中数字资本支配性实践的核心所在。当用户沉醉于与生成式AI灵活的一问一答等数据行为时，数字劳动进一步隐化，支配过程也随之加剧。这些数据更作为少数资本家占有的一般数据，［20］成为受数字资本主义支配的生产要素。数字资本主义通过支配数据实现了剩余价值的获取，使用户的数字劳动始终处于隐化状态，完成了周而复始的支配性实践。质言之，本文所指的支配性实践，是在数字资本主义条件下，资本通过对劳动力、劳动工具与生产关系的支配，持续性地构建并维系对劳动者及其劳动成果的控制与剥夺的过程。该实践并非显性的强制压迫，而是借助算法、界面、交互设计等形式，使劳动过程在不被察觉的情境中被隐性组织，并转化为资本所能占有的剩余价值。可以说，数字资本主义中的支配性实践视角为解释数字劳动隐化现象提供了重要的理论框架和分析路径，确保了本研究分析过程的规范性与学理性。

二、生成式AI数字劳动隐化的支配特征与方式 

不同于其他平台的数字劳动隐化现象，生成式AI平台中的数字劳动隐化集中体现了数字资本主义支配性实践对用户劳动的全面侵入。探讨生成式AI数字劳动隐化的支配特征与方式，既有助于揭示技术进步背后劳动的不平等性，更为凸显技术驱动下数字劳动的社会可见性，提供了可观测和可解释的现实依据。

（一）生成式AI数字劳动隐化的支配特征

从Web1.0时代到生成式AI时代，数字劳动隐化呈现愈加显著的支配特征。在Web1.0时代，意大利学者蒂齐亚纳·泰拉诺瓦（Tiziana Terranova）提出了数字劳动隐化的无酬性特征，［21］揭示了劳动者的在线活动价值被资本所捕获，而自身却未获得报酬的现象。玛丽·L.格雷（Mary L.Gray）等学者在此基础上，更聚焦于数字平台经济中的结构化劳动关系，将数字劳动定义为“幽灵工作”（ghost work），强调资本通过平台与应用程序接口（APIs），隐藏了对劳动者施加碎片化工作（如内容审核、标注、分类等）的系统性剥削过程。［22］随着基于Web2.0技术的社交媒体时代的到来，用户的情感也逐渐开始受数字资本主义所支配，［23］情感投入更成为一种隐性劳动过程。［24］目前，数字资本主义通过生成式AI平台，进一步模糊了资本家与劳动者之间的劳动关系。［25］通过数字基础设施及数据流量等技术系统的转换，用户未曾觉察自己已参与AI数据训练的数字劳动过程。可以说，随着数字技术的迭代，数字劳动隐化随之加剧，数字资本主义对劳动隐化的支配，逐步从外部物质性因素（酬劳）转向内在精神性因素（情感与认知）。具体而言，生成式AI平台中的数字劳动隐化表现为“三大支配特征”，即剥削路径主体化、剥削场域泛在化以及剥削形式数据化。剥削路径主体化强调生成式AI平台通过转移并支配劳动者对数字劳动的认知，使劳动者始终处于劳动剥削的境地却浑而不觉；［26］剥削场域泛在化强调数字劳动隐化通过数字平台在时间和空间维度的延展，［27］构建了全球化的虚拟剥削场域；剥削形式数据化强调通过占有劳动者生产的个性化数据，进一步训练并优化平台大数据模型，最终塑造出“幽灵智能”。［28］

因此，数据既是数字资本主义支配过程的中介，也是其支配的最终目标。值得注意的是，尽管既有研究从数字行为、劳动转型等维度探讨了数字劳动隐化现象，［29］但对“数字劳动隐化”概念的系统厘定，尤其是在生成式AI平台中因算法驱动和任务碎片化而加剧的劳动支配过程，尚缺乏深入回应。基于上述三大支配特征，本文提出生成式AI平台中的数字劳动隐化概念，是指用户在以大数据与算法为核心技术的平台中，从事受数字资本主义支配的个性化数据生产与模型迭代劳动，且未曾觉察身处其中的劳动异化过程。毫无疑问，对数字劳动隐化支配特征的解析与概念揭示，为我们理解被隐藏的劳动形态及其支配本质，提供了从支配性实践视角出发的更为准确的研究路径。

（二）支配方式：被隐化的劳动形态

尽管劳动已被隐化，但其形态依然可追溯。正如皮埃尔·布尔迪厄（Pierre Bourdieu）所言，资本掌握着支配场域、生产工具及场域运作规则的权力。［30］数字资本主义通过对平台所关联的技术场域、工具及运作规则的支配，进一步加剧了数字劳动的隐化程度。那么，平台中的劳动者从事何种劳动？这些劳动形态揭示了数字资本主义的哪些支配性实践，毫无疑问地成为本研究的重点。

1.解释劳动隐化：被隐藏的协作式数据调教与多模态模型优化

解释劳动指用户参与数据调试、修正平台输出结果并促进内容涌现的劳动过程。根据人机互动研究报告显示，用户与生成式AI之间的互动，包括探索式对话（Exploring conversations）、准确定位式对话（Pinpointing conversations）等六种形式，这些互动方式均要求用户在对话中提供额外信息或反复澄清问题，［31］即进行问题的解释。然而，作为生成式AI数据生产的关键环节，解释劳动在用户协作式数据调教与多模态模型优化过程中被隐匿。

从用户参与协作式数据调教的角度来看，用户输入的数据不仅为获取所需答案提供了数据源头，还同时调试并优化了平台内容匹配的概率模型。可以说，解释劳动过程中，用户与平台始终处于协作关系，这一过程体现了数字资本主义对平台技术工具的支配。从用户参与多模态模型优化的角度来看，随着生成式AI平台多模态接口的广泛应用，解释劳动所需调教的数据类型和量级已从纯文本扩展到图像、音频与视频，从数十个字符增长至数十兆数据存储单元。质言之，这不仅是数字资本主义对技术工具支配的扩展，更隐喻了其对生成式AI平台技术场域的全面支配，从而加剧了解释劳动的隐化程度。

2.情感劳动隐化：被隐藏的基于内容纠偏的情感唤起与主体情绪管理

正如约翰·杜翰姆·彼得斯（John Durham Peters）所预言，自20世纪以来，人类与“非人者”的沟通困境日益加剧。［32］生成式AI所输出的偏见内容正是这一困境的具体体现。［33］为应对内容偏见，用户的情感被唤起，并用于调整偏见输出结果。而在此过程中，用户还需对自身情绪进行管理，这一过程隐含了情感劳动。情感劳动（Affective labour）最早由意大利著名自治学派学者迈克尔·哈特（Michael Hardt）和安东尼奥·奈格里（Antonio Negri）在《帝国》一书中提出，旨在阐述资本主义对人类情感的生产与控制。［34］在以生产性交流为核心的服务业中，情感劳动常常被创造或操控。［35］

从情感劳动视角审视用户在生成式AI平台中的劳动隐化，主要体现在两个层面。一方面，为克服内容偏见，用户的情感被激发并用于纠正输出的偏见结果。例如，一项关于GPT2的实验研究表明，用户在与平台对话时，需要面对文化、性别等方面的偏见，并克服由此产生的不适感，以调整输出结果。［36］因此，尽管情感劳动最初表现为用户对负面信息的情感唤起与抵抗，但最终均转化为可见且可量化的平台数据，并用于平台的数据增值，成为无偿的情感劳动。另一方面，劳动者仍需克服由硬件和软件因素所导致的人机沟通困境，这一克服过程仍隐含情感劳动。硬件方面，由于网络带宽限制和平台服务器跨洲际等原因，用户提问往往需等待数秒才能得到回应，这使得他们难以获得即时反馈。因此必须付出更多耐心并管理情绪，以维持有效的人机沟通。软件方面，以ChatGPT为代表的生成式AI尚未具备类人意识，用户在沟通过程中常常遇到重新提问、问答错位等问题，因而需要付出更多耐心。同时，随着更多基于生成式AI接口的应用插件出现，用户将面临更多软件学习的挑战，从而需要克服使用过程中产生的畏难情绪。显然，情感劳动始终潜藏于生成式AI平台的人机沟通过程中，成为数字资本支配劳动者无偿劳动的关键形态。

3.决策劳动隐化：被隐藏的劳动递归与价值判断

决策是劳动者在面对多种选择时，进行信息收集、评估和最终判断的过程。尽管生成式AI被认为具备“决策能力”，但正如组织劳动研究所指出，劳动群体的协作决策对集体智慧的产生至关重要，［37］因此，人工智能的决策本质上仍然是基于人类数据做出的预设决策。［38］决策式AI时代强调机器和算法替代人类执行单一、固定的重复操作，对数据与应用场景的匹配需求较为有限。到了生成式AI时代，对人工智能自动化的要求更高，劳动者在交互界面中面临多种数据的选择与判断，这正是决策劳动的体现，也是大数据判断和大模型训练的基础。

具体而言，决策劳动体现在劳动流向的递归性与劳动实质中的数据价值判断两个方面。从劳动递归角度来看，决策式AI时代，劳动者主要由有酬的专业劳动者组成，如系统开发工程师、技术监管人员和伦理审查委员会等，他们负责人工智能数据决策的研发与操控。然而，在生成式AI时代，除了有酬劳动者外，更多用户作为劳动者被卷入其中，决策劳动在新生用户中不断递归，形成一种被数字资本持续支配、无限循环嵌套的劳动形态。因此，从决策式AI到生成式AI，智能化程度显著提升，而决策劳动的流向却逐渐隐蔽。从数据价值判断的角度来看，决策劳动通常涉及对数据质量的整体评估，且这一评估为平台增值带来了更大价值。例如，当用户在多轮人机对话后终止对话或退出界面时，这些操作被算法系统记录为最佳结果或放弃沟通。因此，用户的行为具有决策性质，是在投入大量时间成本与数据交换后得出的对数据价值的判断。然而，他们所付出的决策劳动从未被提及，始终被数字资本通过平台交互界面所隐藏和支配。

三、生成式AI数字劳动隐化的支配本质 

数字劳动隐化的本质是劳动的异化。结合马克思对劳动异化的剖析，以及福克斯从劳动力（劳动主体）、生产资料（劳动工具）、生产关系（生产资料所有制关系）等维度对数字劳动的批判性分析路径，［39］本文以数字资本主义的支配性实践为理论视角，对生成式AI平台中的数字劳动隐化过程进行批判性反思，旨在深入理解数字资本主义对用户数据和劳动的结构性支配及其剥削机制。

（一）认知的支配：对产消合一与意识形态拜物教的隐化

福克斯认为，信息时代的资本积累形式开始转化，认知性、沟通性与合作性劳动占据主要的劳动时间，［40］生成式AI平台中的数字劳动隐化，即是通过对劳动主体认知的遮蔽得以实现。一方面，生成式AI平台的数字资本通过制定平台规则，以不平等的权力结构获取并独占劳动者所创造的信息商品，进而模糊劳动者的劳动过程。另一方面，数字资本通过在全球范围内扩张生成式AI平台，并逐步开放不同国家的使用权，以“饥饿营销”策略模糊并复杂化了用户与平台之间、生产资料与劳动者之间的关系。马克思在《1844年经济学哲学手稿》中提出了劳动异化的概念，强调劳动转变为一种非自觉的活动。在生成式AI平台中，劳动异化表现为数字劳动认知的隐蔽化。从数字资本主体的视角出发，数字劳动认知隐化的概念可从两个层面进行揭示：即“产消合一的隐化”与“意识形态拜物教的隐化”。

“产消合一的隐化”从个体层面回应了数字劳动认知的隐化，强调劳动者将信息消费与信息生产相融合，失去了对无偿数字劳动，尤其是对信息生产劳动的认识。福克斯曾提出生产性消费概念，指社交媒体平台中，用户对数据的使用本质上是一种创造价值的劳动。［41］相较于社交媒体中用户发布社交动态作为信息生产的产消合一隐化状态，生成式AI平台中，用户的产消合一隐化程度更为显著。信息录入与交互成为用户使用平台的必然行为，其更成为产消合一隐化的“蒙版”，彻底遮蔽了用户劳动的本质。“意识形态拜物教的隐化”是“产消合一隐化”在群体与社会层面的延伸和结果。随着用户对平台规则的认同，信息服务方与信息获取者之间的关系模式在平台和用户群体中逐步确立。生成式AI平台逐渐成为智能化信息获取和创意灵感来源的重要渠道，并被用户视为提升信息生产力的首选工具。在一些尚未开放生成式AI系统的国家，能够正常使用该技术甚至成为人们的技术使用期望。因此毫无疑问，生成式AI平台中的数字劳动认知隐化，更深刻地表现为意识形态拜物教的隐化。这使得用户甘愿成为平台中受支配的劳动者，持续维护并再生产数字资本与用户群体之间的社会关系与权力结构，同时为这一全球剥削性平台提供多种形式的无偿劳动。

（二）剥削扩张的支配：对时间混合与空间延展的隐化

生成式AI中的数字劳动隐化还体现在对劳动剥削扩张的隐化，其核心在于数字资本通过生成式AI平台对数字信息等生产要素的垄断。奥斯卡·甘迪（Oscar Gandy）基于米歇尔·福柯（Michel Foucault）的全景敞视理论，提出了全景分类的概念，旨在描述资本对生产要素与信息资源控制，并强调信息流通加剧了资本与用户之间的权力不平等。而在数字劳动领域，福克斯进一步引入大卫·哈维（David Harvey）的时空压缩（time-space compression）概念，［42］揭示媒介技术发展不仅引起社会变革，更通过突破时间与空间的限制，加剧了对数字劳动者的剥削程度。［43］生成式AI平台通过扩展劳动剥削的时空边界，将控制力延伸至无处不在的平台媒介，进一步将剥削的扩张隐匿于用户的日常信息实践之中。这一过程可从时间和空间两个维度观察到剥削扩张的隐化。

时间方面，原本仅在工厂中使用的“上班时间”在指代生成式AI平台中的数字劳动时间时，难以准确传达其特性。进一步而言，当前的数字劳动时间通过时间混合的方式，加剧了数字劳动剥削扩张的隐蔽性。时间混合使得劳动者在平台上的所有数字足迹均具有数字劳动属性。在媒介化生存的背景下，平台上的使用时间（即闲暇时间）亦转化为数字劳动时间。因此，使用者不仅是用户，亦扮演着数字劳工的角色，始终服务于由数字资本控制的平台数据生产，成为优化平台算法和数据匹配的“被量化的个体”。这一过程凸显了他们在数字资本控制下为功绩平台的发展所做出的无意识贡献，进一步加剧了受支配的境况。从空间角度来看，劳动时间的延长自然扩展了劳动空间，实现了“用时间消除空间”的效应。在工业化时代，资本家通过控制车间、厂房以及机械等生产资料，榨取劳动者的剩余价值。彼时，对劳动者的剥削主要发生在具体的物理空间中，且剥削的空间连续性较低。然而，作为一种数字平台，生成式AI为数字劳动剥削的扩展提供了虚拟数字空间。相较于有形的物理工厂，虚拟数字空间伪装成一般性的媒体平台，这使得数字劳动不再受物理空间限制，而媒介空间逐渐显现其作为劳动空间的特征。

（三）劳资关系变现的支配：对主体性数据增值与社会性数据连接的隐化

福克斯曾提出“活知识”（living knowledges）的观点，指劳动者拥有的动态、创造性的知识能力，它与“死知识”（dead knowledges）（固定在技术中的静态知识）相对，以此强调劳动者在信息化资本主义中生产非物质性知识和社会化的能力，而这一能力却难以为资本所控制，凸显了彼时劳资关系的紧张。［44］而在数字化和智能化的生成式AI平台中，过去难以受资本控制的劳动者的非物质性知识，则轻松地被转变为受控制的数据和代码，实现了对劳动者主体性的支配。［45］具体而言，数字劳动的隐化表现为通过对数据的控制，间接实现劳资关系变现的隐化。在工业化时代，资本家通过控制劳动者的劳动时间和生产资料的私有化来实现劳资关系的变现。而在生成式AI时代，劳动者围绕数据进行产消合一式的劳动，则是数字资本通过对数据的间接控制来支配个体，这使劳资关系变现的过程更加隐蔽。居伊·德波（Guy Debord）在《景观社会》中指出，资本主义将日常生活分化为景观，并通过对景观的控制实现对整体生活的支配。［46］由此反观生成式AI平台中的数据控制，我们可以从对主体性数据和社会性数据的两方面控制，进一步理解数字劳动中劳资关系变现的隐化及其支配本质。

一方面，人的主体性意味着能够不断为生成式AI平台提供个性化信息增量，并持续优化数据间的概率匹配机制，本质上是一种为平台创造资本增值的创意劳动。数字资本通过控制劳动者在平台中生成的数据，隐藏了数据的价值，使得劳动者所提供的使用价值同时转化为商品，这加剧了苦役劳动与阶级矛盾。另一方面，这些由人的主体性生产的具有使用价值的数据，经过平台的数据加工和模型匹配后，转化为具有算法价值的智能物，［47］用于满足未来其他用户在该平台中的信息需求。因此，人的社会性赋予数据连接群体、满足更广泛社会需求的价值，这进一步激发了人的主体性进入更多的数据生产，从而促使数据以指数级增长服务于平台的增值需求。随着平台数据集、模型和算法匹配机制的日益精细化，劳资关系的变现将愈加隐蔽，支配也将更加深入。

四、生成式AI数字劳动隐化的应对路径 

数字资本主义的结构性支配不仅是数字劳动隐化的内在逻辑，更是劳动主体所面临的核心劳动困境。基于此，本文因循生成式AI数字劳动隐化的支配本质，从主体对劳动的认知、劳动时空的边界以及劳资关系变现三个层面，针对性地提出应对生成式AI数字劳动隐化的实践路径，旨在为平台社会中无声的数字劳动者提供权益保障启发，并建构更为透明、公正的数字劳动生态。

（一）培育劳动主体的劳动认知素养

用户作为数字劳动隐化的“宿主”，是劳动隐化发生的内在条件。应对隐化的目的，在于通过培养用户识别隐性劳动本质的能力，使其理解劳动如何隐匿地嵌入日常实践，进一步帮助其从主体层面，摆脱数字资本主义对劳动认知的支配，实现对生成式AI平台中数字劳动隐化的解构。

福柯（Michel Foucault）曾用“装置”（dispositif）概念，指代建筑、话语、制度等有形或无形要素对思想体系的支配性策略功能，从而塑造了智能传播时代下，数据流量与平台之间的“主体性-装置”关系。根据相关调查，近80%的用户在首次使用App时，极少或从未阅读软件或平台协议。［48］因此，用户应在日常使用平台的过程中逐步树立批判性意识，具体而言，可从两个层面对其进行培养。其一，通过培养用户阅读平台的《用户协议》《隐私政策》《免责声明》等规范性文档习惯，理解平台“免费使用”背后的运作逻辑，避免将个人隐私或重要数据上传至平台，从而减少数据增值的可能性，从根本上降低数字劳动隐化的产生。其二，通过类比社交媒体和网络直播中用户与主播所付出的隐性劳动，帮助用户理解生成式AI平台中用户作为产消者的实质，进而洞察主体在平台使用过程中，数据如何成为模型迭代的“养料”，最终转化为平台经济价值的过程。由此，用户可以理解劳动隐化如何以多种形式嵌入平台使用过程中，从而形塑其对劳动隐化的认知素养。

（二）廓清劳动场域的时空边界

数字资本主义通过对生产要素的时间化与空间化支配，实现了劳动隐化的扩张。应对隐化则需要明确数字虚拟空间中劳动场景的边界，并通过量化用户劳动时间，借助制度和立法规范，廓清劳动时空边界，从劳动场域层面摆脱数字资本主义对生产要素的支配。

随着加速社会的全面到来，时间的高度压缩使得工人剩余劳动时间急剧增加，［49］进而导致“空间压缩”的可能性。正如哈维所指出，如果没有关于地理扩展和空间重组等多种可能性，资本主义将难以发挥其政治经济功能。［50］正是时间与空间的压缩使得传统的时间与空间边界变得愈加模糊。因此，明确生成式AI平台中用户劳动的时间与空间边界，是应对数字劳动隐化的重要途径。在时间方面，平台可通过弹窗等通知形式告知用户当前操作处于“数据采集阶段”。透明化用户所提供的数据在模型迭代和算法优化过程中的利用时间，并通过基于数据价值的积分系统或虚拟货币等方式，作为直接的经济回报。在空间方面，通过设立“平台贡献空间”和“非平台贡献空间”，区分用户在平台中的人机交互行为是否被用于平台数据增值，即是否可被视为劳动。同时，在平台贡献空间中为用户提供“数据撤销”功能，赋予用户对私人数据的所有权，从而规避数字劳动隐化的产生。此外，为落实上述时间与空间两个方面对劳动边界的设定，政府应通过立法形式建立“数据劳动者权益法”“数字劳动撤销权”，确保平台清晰界定劳动时空边界，最大程度规避数字劳动隐化。

（三）规范劳资双方的关系变现

应对数字劳动隐化的关键在于规范劳资关系变现。通过健全劳动立法与监管，完善平台劳动权益保护机制，组建数字劳动者工会等方式，以多元协作的形式，应对数字资本主义对劳资关系的支配。

数字人权的不平等揭示了数字资本主义时代下数字劳工的人格权问题，［51］即谢增毅提及的人格从属性问题，［52］劳资关系的不平等则是其具象化体现。政府、平台和劳动者之间的多元协作，是应对这一问题的重要途径。［53］从政府角度来看，应在《生成式人工智能服务管理暂行办法》所提及的“明确训练数据来源”基础上，建立数据劳动立法与监管机制，明确用户数据的具体用途，并将参与模型训练或平台商业化使用的用户数据，视为劳动成果，向劳动者支付报酬。从平台角度来看，应利用区块链技术的不可篡改、可追溯特性，记录生成式AI平台中用户数据的生成与使用路径，确保用户劳动价值的可视化、精准化，以及报酬结算的透明化。同时，应在平台中设立“劳动变现”渠道，鼓励用户主动为平台提供具有商业化价值的数据，进一步规范数字劳动者与数字资本之间的劳资关系。从劳动者角度来看，统筹并建立生成式AI平台的劳动者工会是重要的途径。首先，工会建立之初应明确以应对数字劳动隐化，明确劳动报酬分配，改善劳资关系为目标。其次，应通过线上与线下等方式，动员用户等潜在数字劳工加入劳动者工会，争取群体共识。最后，工会应与非政府组织或律师形成合作共同体，推动用户与平台之间雇佣关系的制度化与合法化，确保政府、平台与用户的多元协作，实现劳资关系变现的规范化。

结语

安森·拉宾巴赫（Anson Rabinbach）在《劳动乌托邦的消逝》中描述了数字劳动的未来：这种劳动就像海滩上Wi-Fi广告所说的那样，劳动不仅发生在劳动场所中，而且可以发生在工人在的任何地方。［54］拉氏准确预言了人工智能时代下数字劳动的遍在特征。当生成式AI平台成为基础设施时，数字劳动的隐化便与人类平台化生存如影随形。此时，资本主义对劳动者的管理与控制，经历了泰罗制到新福特制的发展，在数字资本主义时代形成了以平台为社会关系载体，且更为隐蔽和精细的劳动剥削。从技术发展的批判性视角来看，生成式AI平台中的数字劳动隐化，实际上是技术赋权下，数字资本主义对劳动者支配性实践的再次上演。这种现象使得马克思所描述的计件工资与计时工资，在平台交互界面与宣传的作用下混合在一起，进一步隐化了平台与用户之间的雇佣关系，以及作为劳动者的用户的本质。随着生成式AI全面嵌入人类日常生活，技术何时能够达到人类水平的问题也被反复提及。针对这一问题，图灵奖得主杨立昆（Yann LeCun）认为，仅凭当前的数据训练和微调方法，将始终无法达到预期效果，而开源AI则是一个较好的解决方案（即通过更多人力介入数据调试工作）。［55］因此，数字劳动隐化无疑将在未来成为更加严峻的社会议题。

诺贝尔经济学奖得主达龙·阿西莫格鲁（Daron Acemoglu）等人在《权力与进步》中指出，技术创新的真正问题在于过度强调自动化与监控，却未能为劳动者创造新的工作任务与机会。［56］因此，数字劳动隐化的治理已成为生成式AI技术实现向善的关键。在关注生成式AI引发的数字劳动隐化问题时，必须对数字劳动隐化的支配本质进行哲学反思。从劳动者的数字劳动认知、生产要素、劳动关系等角度出发，通过培育劳动主体的劳动认知素养，廓清劳动场域的时空边界，规范劳资双方的关系变现，帮助人们透视并理解数字技术的权力结构与支配逻辑，及其对劳动价值和社会地位的深刻影响，避免劳动者主体性的丧失。以此应对技术发展进程中公民与资本之间愈加凸显的不透明从属关系，更能避免技术对劳动者的物化，使技术始终朝向有利于劳动者与人类发展的方向转变。

注释 

［1］姚建华：《数字劳动：理论前沿与在地经验》，南京：江苏人民出版社，2021年，第42页。

［2］I.Illich，“Shadow-Works，” Philosophica，vol.26（1980），p.8.

［3］刘国强、闫方洁：《平台经济时代数字灵工的劳动隐化及其逻辑探究》，《理论月刊》2023年第6期。

［4］庞跃辉、丁乙：《数字劳动三大前沿问题的哲学思考》，《上海大学学报》2025年第2期。

［5］成龙、王楠：《数字异化：表象、根源及其破解途径》，《中国地质大学学报》2022年第6期。

［6］埃玛纽埃尔·雷诺：《马克思剥削概念探源及其当代价值》，王玥译，《国外理论动态》2022年第6期。

［7］蓝江：《如何思考全球数字资本主义？当代社会批判理论下的哲学反思》，上海：上海人民出版社，2024年，第45页。

［8］S.Star and A.Strauss，“Layers of Silence，Arenas of Voice：The Ecology of Visible and Invisible Work，” Computer Supported Cooperative Work （CSCW），vol.8（1999），pp.9-30.

［9］刘国强、闫方洁：《平台经济时代数字灵工的劳动隐化及其逻辑探究》，《理论月刊》2023年第6期。

［10］黄再胜：《平台权力、劳动隐化与数据分配正义——数据价值化的政治经济学分析》，《当代经济研究》2022年第2期。

［11］黄再胜：《数字剩余价值的生产、实现与分配》，《马克思主义研究》2022年第3期。

［12］蓝江：《如何思考全球数字资本主义？当代社会批判理论下的哲学反思》，上海：上海人民出版社，2024年，第17页。

［13］汪金刚：《媒介化社会社交平台数字资本再生产机制研究》，《新闻与写作》2024年第1期。

［14］森健、日户浩之：《数字资本主义》，野村综研 （大连） 科技有限公司译，上海：复旦大学出版社，2020年，第35、142页。

［15］谢俊、刘睿林：《ChatGPT：生成式人工智能引发人的异化危机及其反思》，《重庆大学学报》2023年第5期。

［16］《资本论》第一卷，北京：人民出版社，2004年，第673-674、469页。

［17］《资本论》第二卷，北京：人民出版社，2004年，第121页。

［18］克里斯蒂安·福克斯：《数字劳动与卡尔·马克思》，周延云译，北京：人民出版社，2020年，第311-312页。

［19］尼克·斯尔尼塞克：《平台资本主义》，程水英译，广州：广东人民出版社，2018年，第45页。

［20］蓝江：《一般数据、虚体、数字资本——数字资本主义的三重逻辑》，《哲学研究》2018年第3期。

［21］T.Terranova，“Free Labor：Producing Culture for the Digital Economy，” Social Text，vol.18，no.2（2000），pp.33-58.

［22］玛丽·L.格雷、西达尔特·苏里：《销声匿迹：数字化工作的真正未来》，左安浦译，上海：上海人民出版社，2020年，第2页。

［23］吴鼎铭、石义彬：《社交媒体“Feed广告”与网络受众的四重商品化》，《现代传播（中国传媒大学学报）》2015年第6期。

［24］胡鹏辉、余富强：《网络主播与情感劳动：一项探索性研究》，《新闻与传播研究》2019年第2期。

［25］姬旭辉、叶青：《马克思主义政治经济学基本理论和当代资本主义经济研究》，《政治经济学评论》2023年第3期。

［26］朱江丽：《迈向数智媒介化社会：平台化生产组织方式的主要矛盾与关系重构》，《南京社会科学》2024年第5期。

［27］张旭、张彦泽：《GPT系列生成式人工智能技术的政治经济学分析——基于马克思机器大生产理论》，《马克思主义与现实》2024年第4期。

［28］蓝江：《从幽灵对象到幽灵智能——浅论智能时代的物与劳动的历史演进》，《理论与改革》2023年第4期。

［29］参见陈淼、荣浩浩：《从数字依赖到数字简化：青年群体“数字极简行动”的主体性实践》，《新闻与传播研究》2024年第10期；刘鹏飞：《信息化时代劳动转型的政治经济学批判——兼评克里斯蒂安·福克斯的数字劳动理论》，《国外理论动态》2024年第1期。

［30］皮埃尔·布尔迪厄、吕克·华康德：《实践与反思——反思社会学导引》，李猛等译，北京：中央编译出版社，1998年，第139页。

［31］参见Nielsen Norman Group，The 6 Types of Conversations with Generative AI，https：∥www.nngroup.com/articles/AI-conversation-types/，2024年8月25日。

［32］约翰·杜翰姆·彼得斯：《对空言说：传播的观念史》，邓建国译，上海：上海译文出版社，2017年，第328页。

［33］刘艳红：《生成式人工智能的三大安全风险及法律规制——以ChatGPT为例》，《东方法学》2023年第4期。

［34］迈克尔·哈特、安东尼奥·奈格里：《帝国：全球化的政治秩序》，杨建国等译，南京：江苏人民出版社，2008年，第285-286页。

［35］M.Hardt，“Affective Labor，” Boundary 2，vol.26，no.2（1999），pp.89-100.

［36］C.Perrotta，et al.，“Artificial Intelligence and the Affective Labour of Understanding：The Intimate Moderation of a Language Model，” New Media & Society，vol.26，no.3（2024），pp.1585-1609.

［37］S.Kudyba，J.Fjermestad and T.Davenport，“A Research Model for Identifying Factors That Drive Effective Decision-making and the Future of Work，” Journal of Intellectual Capital，vol.21，no.6（2020），pp.835-851.

［38］张力、陈鹏：《机器人“人格”理论批判与人工智能物的法律规制》，《学术界》2018年第12期。

［39］C.Fuchs，“A Contribution to the Critique of the Political Economy of Transnational Informational Capitalism，” Rethinking Marxism，vol.21，no.3（2009），pp.387-402.

［40］Fuchs，“A Contribution to the Critique of the Political Economy of Transnational Informational Capitalism，” pp.387-402.

［41］克里斯蒂安·福克斯：《数字劳动与卡尔·马克思》，周延云译，北京：人民出版社，2020年，第152页。

［42］D.Harvey，The Condition of Postmodernity：An Enquiry into the Origins of Cultural Change，Oxford：Blackwell，1989，pp.284-307.

［43］克里斯蒂安·福克斯：《数字劳动与卡尔·马克思》，第8页。

［44］Fuchs，“A Contribution to the Critique of the Political Economy of Transnational Informational Capitalism，”pp.387-402.

［45］蓝江：《从劳动力到人—机主体性——如何思考智能时代的生命政治》，《理论与改革》2024年第5期。

［46］居伊·德波：《景观社会》，王昭风译，南京：南京大学出版社，2006年，第27页。

［47］蓝江：《从幽灵对象到幽灵智能——浅论智能时代的物与劳动的历史演进》，《理论与改革》2023年第4期。

［48］参见新华网：《“我已阅读并同意”？你没读过的App用户协议有哪些“坑”？》，http：∥www.news.cn/2022-03/14/c_1128470227.htm，2024年 9月10日。

［49］哈特穆特·罗萨：《加速：现代社会中时间结构的改变》，董璐译，北京：北京大学出版社，2015年，第83页。

［50］大卫·哈维：《希望的空间》，胡大平译，南京：南京大学出版社，2006年，第23页。

［51］顾理平、王芊蕴：《作为财产的隐私：数字化社会中隐私商品化的双向机制与风险审视》，《国际新闻界》2024年第3期。

［52］谢增毅：《数字时代劳动关系概念及认定规范的中国表达》，《中国社会科学》2024年第10期。

［53］龚向和：《人的“数字属性”及其法律保障》，《华东政法大学学报》2021年第3期。

［54］A.Rabinbach，The Eclipse of the Utopias of Labor，New York：Fordham University Press，2018，p.23.

［55］参见Columbia Engineering：《Meta’s Yann LeCun Asks How AIs will Match—and Exceed—Human-level Intelligence》，https：∥www.engineering.columbia.edu/about/news/metas-yann-lecun-asks-how-ais-will-match-and-exceed-human-level-intelligence，2024年10月23日。

［56］戴伦·艾塞默鲁，赛门·强森：《权力与进步：科技变革与共享繁荣之间的千年辩证》，林俊宏译，台北：天下文化，2023年，第449页。