提要：GPT-3等大型语言模型的崛起引发了一场激烈讨论，论题围绕生成式人工智“彻底重塑”知识型劳动与从根本上变革经济活动的革命性潜力展开。文章是在马克思主义分析框架下对这一现象展开批判性审视的初步尝试。借用“算法资本主义”这一术语指代生成式人工智能模型群及其对社会形态的预期影响，文章尝试构建该新技术的政治经济学阐释路径：首先，基于经典马克思主义关于劳资关系的分析，探讨生成式人工智能的广泛应用可能给知识型劳动中劳动力交换价值带来的冲击；其次，考察生成式人工智能的符号学效应，并试图借助鲍德里亚的“超真实”概念，将这些效应置于马克思主义关于商品拜物教的文献框架中进行分析。
关键词：生成式人工智能 政治经济学 马克思 鲍德里亚 商品拜物教
一、引言
生成式人工智能（Generative AI）是一个统称性术语，适用于一系列机器学习模型及其相关接口。这些模型与接口已向企业发布，面向普通公众的版本则通常经过功能简化。与以往常见的机器学习应用不同，这类应用通常用于数据分类、预测未来结果或实现流程自动化，生成式人工智能具备一项独特能力：只需接收开放式的人类语言指令（prompt），就能生成足以以假乱真、贴近人类创作风格的文本、图像与音频模拟内容。事实上，这些输出内容（尤其是文本类）的逼真度已达到惊人水平，以至于部分行业人士声称，先进的生成式人工智能算法甚至可能具备感知能力。
判断生成式人工智能是否会“梦见电子羊”（暗指其是否拥有意识），这一问题超出了本文的讨论范畴；但显而易见的是，企业与个人对这类模型的信任度正不断提升，甚至愿意将自身的创造性与推理能力交由其代劳。“提示词工程”（Prompt-engineering）是指设计指令输入以精准触发预期输出的能力，如今已成为一项公认的行业技能，且掌握这一技能的群体远不止使用生成式人工智能编写代码的程序员，还包括艺术家、作家、记者、学者（乃至学生），实际上各类知识劳动者都在将生成式人工智能融入自身实践。
资本也不例外。事实上，正是资本在推动这一进程。训练生成式人工智能算法需要消耗巨额计算资源，这使得新模型的研发权被局限在资本最雄厚的机构手中。尽管有人认为，生成式人工智能仍属于“尚未找到明确应用场景的技术”，至少从提升企业盈利能力的角度来看是如此，但已有众多企业正在将其整合到自身的劳动过程中。
本文旨在开启一项初步工作，即构建针对这一新技术的马克思主义政治经济学分析框架。学界普遍认为，马克思对技术进步给劳动过程及更广泛社会形态带来的影响有着敏锐洞察，尽管马克思的追随者们对二者间的因果关系方向始终存在争议。遵循这一学术传统，本文首先尝试将生成式人工智能及其影响置于经典马克思主义框架下进行分析，随后逐步引入马克思思想继承者的研究成果展开进一步探讨，其中尤为重要的是格奥尔格·卢卡奇、哈里·布雷弗曼与让·鲍德里亚的理论。
本文的研究目标有两个：第一，阐释生成式人工智能将如何（事实上已在）影响劳动过程及劳动的社会价值，尤其针对知识从业者群体；第二，揭示生成式人工智能的输出内容及其日益普遍的应用如何反映出资本主义在社会形态层面的进一步发展。具体而言，本文认为，要理解生成式人工智能更深远的影响，必须聚焦商品拜物教的进一步扩张，这种扩张已延伸至“意义的物化”层领域。简言之，生成式人工智能所构建的“现实”，并非对人与人、人与（真实）事物之间的（真实）社会关系的反映，而是封闭拟像系统内部一系列模拟性、概率性的关系集合，且这些拟像正日益被局限在私人所有的基础设施（如科技巨头的数据中心）之中。
需要明确的是，这一进程本质上是资本主义固有趋势即商品拜物教的进一步发展，其历史远早于生成式人工智能的出现。但为了更精准地将这些发展界定为资本主义的新阶段，笔者借鉴“算法资本主义”（algorithmic capitalism）一词对其进行描述。此举不仅是为了更清晰地将这一新阶段与此前的技术发展阶段区分开来，更是为了区分“技术本身”与“催生该技术且又正被该技术重塑的经济体系”。在此意义上，笔者希望这一点已清晰易懂，即本文采用的技术分析视角是让“经济体系”这匹“马”与“技术进步”这架“车”置于正确的主次关系中。正如马克思本人所指出的（下文也将提及），批判必须区分“物质生产工具”与“使用这些工具的社会形态”。因此，本文的核心分析对象并非孤立的技术本身，而是技术与社会形式互动下的整体语境。
二、劳动价值与生成式人工智能
正如马克思对支撑第一次工业革命的技术变革所做的观察，技术通常不会提升劳动价值，反而会降低其价值：
资本主义生产的整个体系，是建立在工人把自己的劳动力当做商品出卖的基础上的。分工使这种劳动力片面化，使它只具有操纵局部工具的特定技能。一旦工具由机器来操纵，劳动力的交换价值就随同它的使用价值一起消失。
在以往的技术进步时代，这一过程主要影响体力劳动。然而，生成式人工智能对高附加值服务行业的从业者构成威胁，即所谓的“知识劳动者”与“创意阶层”，具体包括从管理者到咨询师、从记者到学者的各类人群，事实上还涵盖所有在工作中需生成并传递通用或专业信息的人。
借鉴亚里士多德的观点，我们可将这类知识型劳动视为一种“技艺”（techne）：它是劳动者通过长期接触某一领域既往的言论与文献所积累的技能，随后劳动者会运用这种技能生成特定成果。若按此理解，知识劳动者的生产资料便可主要视为这种“技艺”。但生成式人工智能的训练数据实则占据了当代人类劳动总成果的相当大比例，其中已包含（或即将包含）所有专业领域的特定知识。因此，知识劳动者陷入了一种特殊境地（至少对中产阶级职业而言是特殊的）：他们的生产资料正被资本取代，甚至被资本占有。
这一过程值得进一步进行理论阐释。生成式人工智能的算法训练需要依赖数据，而这些数据的获取实则是对大量既往人类劳动成果的吸收，其中很大一部分仍属于创作者的知识产权。一旦文本、图像、音频等既往成果被生成式人工智能获取，它们便不再是单纯的商品。相反，依托这些成果开发的算法若要得以存在并具备价值创造能力，即成为能够自我增殖的资本，则恰恰需要输入这类既往成果。
要实现这一转化，统计程序的加入是必要环节，但将训练数据定义为统计程序所“消耗”的“原材料”却是错误的。相反，统计程序与训练数据相结合，共同生成了算法：在此过程中，没有任何事物被消耗，仅有形态的转化。因此，作为训练数据的既往成果，其本身便成为了（不变）资本。也就是说，这些既往成果被资本占有，并被赋予自我增殖的能力，能够通过重组生成“新”商品与“新”价值。
然而，与工业资本主义时期的情况一致，这种“新”价值本质上是生产过程中既往劳动所转移的价值。正如马克思所言：“像不变资本的任何其他组成部分一样，机器不创造价值，但它把自身的价值转移到由它的服务所生产的产品上。”由此可见，生成式人工智能创造的商品（输出内容）中所体现的“新”价值，不过是对以下两方面既有价值的部分转移：一是训练数据中蕴含的既有价值；二是统计程序中蕴含的既有价值。如同在自然界中不存在永恒运转、自我产生价值的“永动机”一样，算法本身也无法凭空创造价值：未被消耗的事物无需替换，因此，算法只有通过技术程序（如收集新数据、改进基础统计程序等）进一步提升自身能力，才能吸收额外劳动并创造新价值。
因此，那些期望从生成式人工智能的创造成果中获取巨额利润的人可能会失望：就其本质而言，生成式人工智能往往会将这类利润降至近乎为零的水平。正如马克思所指出的，生产过程中每一项新的技术改进，都只能让资本家在短期内获得超出平均收益的利润，因为每一次技术进步都会降低后续商品所关联的劳动的平均社会价值。生成式人工智能很可能也会带来同样的结果：鉴于如今生成任何新输出（文本、图像）所需的劳动量往往会趋近于零，这类输出中所蕴含的平均社会价值也将随之趋近于零。
在资本主义体系的固有本质中，只要技术在某一领域显著降低了生产成本，其结果必然是劳动力价值的大幅下降，进而导致同一生产过程所产生的任何商品的社会价值也随之大幅下降。在这种情况下，并且在其他条件相同的前提下，我们有理由认为，生成式人工智能对知识劳动者的影响或将复刻机械自动化对工业时代体力劳动者的影响：
在机器逐渐地占领某一生产领域的地方，它给同它竞争的工人阶层造成慢性的贫困。在过渡迅速进行的地方，机器的影响则是广泛的和急性的。
事实上，已有研究表明，对这种结果的预期正引发知识行业从业者情理之中的担忧；与此同时，生成式人工智能的出现已（在一定程度上）成为引发劳工行动的导火索。2023年，美国演艺界两大工会，即美国编剧工会（Writers Guild of America）与美国演员工会—美国广播电视艺人协会（SAG-AFTRA），均发起了罢工。
然而，生成式人工智能给劳动过程带来的变革绝非仅限于数量层面（即这类劳动的社会价值降低）；相反，这类工作的本质也可能发生质的改变。由于不再需要“技艺”，以往许多知识型劳动所具备的自主性创造力将日益退化为一种监督角色。算法负责生成内容，人类则只需输入指令，随后修正输出内容中的瑕疵即可，回到前文的类比，此时指令已成为这一过程中真正的“原材料”。从过程来看，这种自动化趋势与马克思所指出的工业时代工人的命运有着惊人的相似之处：
甚至减轻劳动也成了折磨人的手段，因为机器不是使工人摆脱劳动，而是使工人的劳动毫无内容。……变得空虚了的单个机器工人的局部技巧，在科学面前，在巨大的自然力面前，在社会的群众性劳动面前，作为微不足道的附属品而消失了；科学、巨大的自然力、社会的群众性劳动都体现在机器体系中，并同机器体系一道构成“主人”的权力。
与第一次工业革命时期的体力劳动一样，生成式人工智能的出现，意味着知识劳动者正被纳入资本主义体系下所有可自动化劳动的共同归宿，正如布雷弗曼所言，这类劳动会被重塑为“非技能型”或“半技能型”劳动。在此之前，知识型劳动所依赖的“技艺”，即对长期知识积累的需求，为许多资产阶级职业构筑了抵御这一进程的结构性屏障（无论从这种“技艺”中获取的利润反映的是该劳动的真实社会价值，还是通过严密的行业准入壁垒所攫取的经济租金）。然而，随着生成式人工智能的兴起，这种结构性壁垒无一例外地被彻底取代了：个体知识劳动者技艺中所蕴含的积累劳动被抽象至生成式人工智能的算法之中，现在转而成为模型数据空间中所包含的既往社会劳动“总量”的一部分。
从这个意义上说，支撑生成式人工智能的统计机器，与工厂中的“死机构”并无本质区别。通过这些机器，知识劳动者与体力劳动者的命运被统一：二者劳动的使用价值都被异化、被资本占有，随后又被资本以“资本资产”的形式返还给他们，如今，劳动者在资本自我增殖的过程中已沦为无关紧要的外部存在。
若这一分析成立，那么知识型劳动社会价值受侵蚀的唯一限制因素将取决于以下几点：其一，这类如今被重塑为“半技能型”的劳动，在多大程度上仍需用于监督生成式人工智能的输出；其二，能源、硬件（包括数据与处理中心）等不变资本的边际成本；其三，与模型开发相关的可变资本的边际成本，包括维护和改进算法功能所需的各类高技能劳动成本。
需要注意的是，这一初步分析仅局限于纯粹的经济逻辑范畴。然而，我们不应忽视纯经济领域之外的其他价值体系可能会对特定类别知识型劳动的社会价值起到“支撑”作用。例如，有一种观点是，部分知识型劳动者作为中产阶级职业群体，仍将继续受到行业准入壁垒与从业者特权的保护。另一种可能是，企业或许会为核心知识劳动者群体提供“责任性自主权”，在这种情况下，生成式人工智能可能会成为这类劳动者的“技艺”的补充（而非替代），尽管很难想象这种结果不会至少导致该劳动的交换价值下降。最后，我们也不应忽视纯（形式上的）经济范畴之外的其他逻辑的作用，例如鲍德里亚所提出的符号价值差异逻辑与符号交换逻辑；这些逻辑无疑会为少数创意劳动者的产出保留一定的“炫耀性”价值。
因此，本文所勾勒的分析框架或许更应被视为一系列可能性中的“悲观极端情形”，且在短期内对于那些本就更受资本支配、因而较难受到上述潜在缓解因素保护的岗位与职业而言，这种情形更有可能成为现实。要确定这种影响在各职业领域的具体程度，还需开展详细的实证分析；但笔者仍认为，资本主义体系内资本的固有趋势，终将是把所有可自动化的劳动纳入自动化技术所承载的“社会劳动总量”之中。正如布雷弗曼所指出的：“资本主义所追求的理想状态，是死劳动对活劳动的支配。”而当这一进程发生时，其造成的后果已有充分的历史记载可供参考。
三、算法资本主义中的商品拜物教
我们的讨论从劳动转向马克思本人分析资本主义的起点：商品。正如马克思所指出的，资本主义社会中商品的根本属性在于，它将凝结在物品中的各种不同使用价值，以及这些物品所体现的具体（或特殊）劳动，都转化为可相互比较的交换价值；而交换价值所代表的，实则是“一般劳动”或社会劳动的量化形态。马克思以“拜物教”概念所揭示的商品“秘密”，本质在于：
商品形式在人们面前把人们本身劳动的社会性质反映成劳动产品本身的物的性质，反映成这些物的天然的社会属性，从而把生产者同总劳动的社会关系反映成存在于生产者之外的物与物之间的社会关系。由于这种转换，劳动产品成了商品，成了可感觉而又超感觉的物或社会的物。
一个社会中决定劳动分工的社会关系，会以商品交换价值的形式，在商品与商品的关系中被物化；而交换价值归根结底反映的是“生产该商品的社会必要劳动时间”。
马克思认为，这一物化进程还会产生另一重影响：它使人类主体陷入被动，催生出一种“生产过程支配人而人还没有支配生产过程的那种社会形态”：
实际上，劳动产品的价值性质，只是通过劳动产品表现为价值量才确定下来。价值量不以交换者的意志、设想和活动为转移而不断地变动着。在交换者看来，他们本身的社会运动具有物的运动形式。不是他们控制这一运动，而是他们受这一运动控制。
这一使人类主体陷入被动、使物趋于主动的过程，被卢卡奇称为“物化”。他进一步阐释了这一概念，并将其视为现代资本主义的核心结构性问题。正如卢卡奇所指出的：
正像资本主义制度不断地在更高的阶段上从经济方面生产和再生产自身一样，在资本主义发展过程中，物化结构越来越深入地、注定地、决定性地沉浸入人的意识里。
我们已经指出，广义上而言，生成式人工智能可被视为资本对人类技艺的占有。通过这种方式，资本获得了将算法中所蕴含的“死劳动”应用于创造新产出或新商品的能力，这与简单自动化仅能再生产既有商品的功能截然不同。因此，算法资本主义显然是资本主义体系在更高经济水平上实现自我再生产的又一例证。若情况确实如此，那么依照卢卡奇的物化理论，这也标志着“物化结构”在人类意识中的进一步深化。而这种深化的具体本质，目前仍有待探究。
生成式人工智能通过将人类创作的文本、图像与音频转化为数据，进而转化为可用于生成新文本、图像与音频的关系系统，它与初始关系系统之间（以及在初始关系系统内部）产生了一种本体论断裂。鲍德里亚在其“超真实”概念中对这一断裂的本质作出了精准界定：
整个形而上学都会消失。不再有存在与表象、实在与其概念之间的镜像关系，不再有想象中的共延性……实在从微型单元、矩阵、存储库及控制模型中被生产出来——且可通过这些元素被无限次复制……事实上，它已不再是真正的实在，因为不再有想象将其包裹。它是超真实，产生于无氛围超空间中，由各种组合模型通过辐射式综合生成。
鲍德里亚于1980年代初写下这一论述。尽管他不可能预见到生成式人工智能会呈现出怎样的具体技术形态（如大语言模型、变换器架构等），但他从当代技术的方法与能力中捕捉到了某些意涵，这些意涵如今正随着生成式人工智能的问世充分显现出来。
任何生成式人工智能的输出，本质上都是通过“组合模型的综合”生成的：例如，像GPT-3这样的大型语言模型会基于随机概率原理运作预测最可能出现的下一个词或短语，并借助数十亿个参数优化这一预测过程。从模型内部来看，支撑这类模型的数据会被拆解为意义单元（即“标记”，tokens）的文本，并从几何学角度表现为高维（即超维）空间中的向量。但这些模型本质上是“无氛围”的：它们所依托的数据空间，既脱离了其试图描述的现实，也脱离了最初生成该数据的现实。正因如此，生成式人工智能算法无法将任何词汇理解为与某个真实概念本身相关联；它只能以纯粹概率的方式，将某个给定的标记与词嵌入矩阵中其他标记所构成的系统建立关联。
正是这种运作模式，促使艾米丽·M.本德等人将大型语言模型描述为“随机鹦鹉”（stochastic parrots）。然而，生成式人工智能绝非简单的“鹦鹉学舌”；通过其“组合模型的辐射性综合”，它具备了生成能力。这类生成内容往往带有怪异或超现实的特质，或是将不实信息包装成事实呈现。行业内对这类输出的常见定义是“幻觉”（hallucinations）。但“幻觉”一词却误解了其背后过程的本质。所谓“幻觉”，是对不存在的真实事物产生的感官感知；而生成式人工智能并不具备感官感知能力，且其生成的内容本质上就是真实存在的输出。因此，生成式人工智能并非在“产生幻觉”：它是在进行模拟，其生成结果的输出，参照鲍德里亚的理论，是拟像（simulacra）。
再次引用鲍德里亚的观点，通过生成式人工智能，“整个（意义）系统变得失重”——
它不再是任何别的东西，而只是一个巨大的拟像——并非不真实（unreal），而是拟像；亦即，它从未与实在发生过交换，而只是与自身进行交换，在一个不间断的循环之中运作，该循环既无指涉对象，亦无界限。
人们普遍发现，生成式人工智能的输出会营造出一种看似真实、实则不然的现实表象。生成式人工智能不仅会模拟生成新闻报道，还会模拟生成这些报道的相关链接；它还能用法语模拟生成马赛尔·普鲁斯特作品的片段；其模拟生成的内容具有说服力且逻辑连贯，原因在于对生成式人工智能而言，“具有说服力”与“逻辑连贯”本身并非独立的属性，而只是其语料库中文本或图像所具备的涌现性特征，这些文本或图像在被人工智能提取重组时，会连同自身的其他特征一起呈现出这类属性。
鲍德里亚关于超真实的后现代理论，灵感源自电子媒介的复制与重现，这些电子媒介包括录像带、磁带、复印件与传真机。文本、图像与音频在转化为数字副本后，可通过这些媒介被无限复制与重复传播。然而，生成式人工智能实现了更进一步的突破：它所模拟的并非原始创作成果，而是创作行为本身，即先于成果存在的技艺。要实现这一惊人壮举，生成式人工智能本质上需要将既往媒介中蕴含的所有“死劳动”都纳入自身的数据空间之中。但这种吸纳（即数字重构）所必需的“脱嵌”过程，最终形成的创作能力只能生成拟像：这类产物“从不与真实进行交换”，而只在自身系统内部流通，也就是在模型数据空间所代表的脱嵌关系体系中流通。正如鲍德里亚对超真实的论述，这种过程所生成的内容已不再是“真正的实在”，因为“不再有想象将其包裹”。语言及更广义的符号所代表的意义体系，曾是或一度是现实事物间客观关系的反映，如今却被替换成了对这一意义的随机模拟，即一种人工重构的、基于概率的关系体系拟像，而在这种拟像中，仅存在能指（signifiers）。
随着生成式人工智能的普及，以及其所生成的即时且几乎无成本的拟像，人们可以预见一个世界。这个世界离我们当下的世界并不遥远，在其中，此类拟像的数量将超过人类心智的创造成果，而文本、图像与音频的随机生成内容也将因此在总内容库中占据更大份额。这一即将到来的结果，正是本文分析的核心所在。从物质层面看，人类主体的被动化（即知识劳动向监督行为的转变），似乎既是生成式人工智能出现后我们可预见的最重大变革，也是（对资本主义而言）最具典型性的变革，但事实上，这种变革并非新现象，它只是完成（或完善）了卢卡奇与布雷弗曼所指出的资本主义内部劳动物化的总体进程。
生成式人工智能的第二个影响已将意义物化也纳入其中。生成式人工智能的出现标志着资本主义在这一社会生活领域实现了决定性突破，同时也意味着该技术被资本主义生产方式所占有（并融入其中）。这一过程与资本主义“逻辑”向不断扩张的社会活动领域（例如渗透到政府、医疗保健及学术界）的简单入侵，分属不同层面。实际上，这是一种符号学效应。从本质上讲，生成式人工智能将意义纳入了商品关系的范畴。正如工业资本主义中的商品拜物教用物与物之间的抽象关系取代生产者之间的社会关系并将其物化，算法资本主义中的商品拜物教则用脱离现实的抽象符号之间的关系取代了语言此前所指向的实际表征体系，并将这种符号关系物化。过去，意义可被理解为对人与人之间、人与物之间社会关系的反映；如今，意义却将日益反映封闭拟像系统内部的模拟性、概率性关系，而这些拟像本身不再有其他指涉对象，并被局限在私人所有的基础设施之中。
从这个角度看，鲍德里亚的分析似乎具有预见性。他在描述超真实时，重点恰恰在于拟像的优先性：模拟先于实在而存在，其内涵是，一旦进入超真实的范畴，模拟之外便再无“实在”所言。从这个意义上，算法资本主义正是马克思与卢卡奇在“物化”概念中所指出的资本主义总体性特征的具体体现：自资本主义诞生以来，资本所制造的（被物化的）商品关系就先于生产商品的劳动所具有的“社会属性”；如今，在算法资本主义时代，资本所创造的超真实又先于那些催生了最初“对象—符号关系”的行动者之间的社会关系。简而言之，实在本身被物化了：它不再是“真实”或“不真实”，而是“超真实”。用鲍德里亚的话来说：“拟像从不掩盖真相——掩盖‘本无真相’这一事实的，恰恰是真相本身。”
若这一观点显得过于绝对，不妨看看当下已然发生的事实。在社会科学领域，已有研究提出将大型语言模型的输出结果作为研究（真实）人类亚群体的替代样本，这种方法被称为“硅基抽样”（silicon sampling）。近期一项实验发现，超过三分之一的亚马逊土耳其机器人（Mechanical Turk）平台工作者，即那些受雇作为评判人工智能模型“黄金标准”的人类，自身也在使用大型语言模型（LLMs）完成任务。与之相应，2023年，GPT-4的一个预发布版本已能通过零工经济平台雇佣人类，代其完成验证码（CAPTCHA）测试。
而这种物化过程将持续推进，其方式或许是我们任何人都无法预见的。此前，各类生成式人工智能算法虽已在文本、视觉和音频等不同领域分别融入了技艺，但如今这些能力正被整合起来：例如，OpenAI于2024年5月推出的“旗舰级”模型GPT-4o，能够接受文本、音频、图像、视频的任意组合作为输入，并输出对应的任意组合形式。这类模型的应用领域或将很快拓展至所有媒介类型。
四、结论
本文受马克思主义政治经济学的启发，对生成式人工智能展开了初步探讨，试图阐明该技术的部分主要影响。本文主要聚焦两个方面：一是生成式人工智能对劳动社会价值乃至知识劳动本质的影响；二是其与生成式人工智能输出相关的符号学效应，以及这些效应与资本主义固有的物化过程之间的关联。
本研究的分析通过类比，借鉴了马克思所关注的第一次工业革命时期社会形态发生的变革。基于实践导向的学术传统，我们或许会问：应采取何种措施来抵制算法资本主义可能带来的最恶劣影响？若想实现比工业资本主义时期更有效的抵抗，关键不在于通过自我克制来抵制技术本身的发展，而在于如马克思所所言，“学会把机器和机器的资本主义应用区别开来”，并因此将批判的矛头“从物质生产资料本身转向物质生产资料的社会使用形式”。
从这一批判视角出发，需指出的是，生成式人工智能的应用前景并不乐观。正如前文所述，为训练生成式人工智能而大规模（且在法律层面存疑）地获取海量数据，本质上是对知识劳动者生产资料（即其技艺）的剥夺，这种行为造成的影响或将与第一次工业革命的冲击同样残酷。此外，2024年3月，OpenAI的一位联合创始人起诉该公司，称其涉嫌违背“为人类利益开发人工智能系统”的使命（指控公司实则在研发“以利润最大化为目标的专有技术”），这一事件进一步预示了未来的发展走向。在资本主义体系内，一种新的生产工具必然会被用于资本积累，这一事实无可避免。
然而，或许更令人担忧的是，生成式人工智能的出现加速了物化结构在社会中的进一步渗透，商品拜物教正逐步扩张至社会认知的现实建构领域。事实上，除了用计算机取代人类大脑，很难想象资本主义生产方式还能以何种方式更深入地渗透人类意识。我们不得不提出这样一个问题：作为有感知能力的物种，为何我们会让自己陷入这样的境地？当然，答案终究要从资本主义本身寻找：因为资本主义向这一全新领域的扩张，正是其内在矛盾发展的必然结果。在这一过程中，长期根植于劳动者意识中的劳动物化现象，竟将我们的敌人伪装成了拯救我们的力量。
［马丁·伊根（Martyn Egan）:爱尔兰都柏林圣三一学院政治学系；刘歆：南开大学马克思主义学院］
