[摘 要]  人工智能闭环机制通过“认知→行动→反馈”自循环重构劳动秩序，在提升效率的表象下系统性侵蚀劳动主体性，凸显技术理性与人类存在方式的根本冲突。其外在表现为：信息闭环以数据化认知割裂劳动者与劳动情境的具身关联，流程闭环以端到端的控制剥夺行动自主权，优化闭环借助“目标函数暴政”压缩创新空间，制度闭环则依托算法规则、动态计价与黑箱仲裁的三重规制固化资本支配。在内在机制方面，闭环存在四大局限：伦理判断缺失消解价值协商的可能性，意义生成受阻剥离劳动的历史语境，数字化目标函数扼杀创造性实践的范式跃迁，资本主义制度深层绑定技术演化方向。这些局限使外显的四种闭环机制表现出对人的劳动主体性的侵蚀与劳动异化的特征，并随着科技发展全面渗透与深入，导向主体性的危机。推进劳动主体性的重建，需在构建技术开放性、变革技术治理制度与激活主体能动性三个方面协同推进。

[关键词]  人工智能闭环机制 数字资本主义 劳动异化 劳动主体性 算法治理

随着人工智能（AI）的迅猛发展，数据采集—模型训练—反馈优化的高度自主化路径已然形成。这一闭环机制突破了传统工具作为被动客体的静态性，赋予AI系统主动自适应、自优化乃至潜在自我演化的能力。AI闭环已从单纯信息处理走向物理世界具身渗透，如自动驾驶、智能制造与仓储物流系统，更在闭环运行中深刻重塑劳动现场的权力分配。当前，学界围绕AI治理、数字劳动、算法管理等议题，从技术规则、平台组织、资本权力等多层面揭示了技术对劳动过程、价值实现与主体结构的深刻影响。然而，对AI在认知→行动→反馈循环中形成的相对封闭的自我强化机制，及其与劳动主体性的内在关联，还需进行更充分的阐释。事实上，AI闭环并非单纯的生产技术进步形态，而是一种以算法理性为核心的社会组织逻辑，它在认知、行动与制度层面构成对劳动主体性的系统性重塑。问题的关键不在于技术是否先进，而在于劳动是否仍是人的自我实现方式。在马克思看来，劳动不仅是经济范畴，更是人的存在方式，“正是在改造对象世界的过程中，人才真正地证明自己是类存在物。……自然界才表现为他的作品和他的现实”。^[１]这与可被简化为闭环算法的被动对象根本不同。正是基于此，劳动主体性成为现代社会批判的核心主题，如果AI闭环使劳动从自我实现的实践活动，蜕变为算法系统的可调用资源，那么问题便不再在于技术效率，而直指人的存在方式的转型。本文旨在探究人工智能闭环机制下，劳动作为人的自我实现形式存在的主体性问题。

一、AI闭环的外显特征与异化表现

AI显著提升了生产效率，也通过数据驱动、算法控制与平台规训所形成的多重闭环机制，呈现出其作为“人类、人脑及其智能异化物”^[２]的异化现象。AI闭环依功能可分为四重结构：信息闭环以数据采集—模型训练—反馈优化的路径重构认知逻辑；流程闭环在行动层面实现“感知—决策—执行—监测”全程端到端的物理控制；优化闭环基于自蒸馏、自博弈进行递归式性能迭代；制度闭环则依托算法规则、动态计价与黑箱裁决固化生产关系。要揭示其隐蔽异化，最具解释力的视角仍是马克思的“异化劳动”：劳动者与劳动产品、劳动过程、类本质及他者关系形成异己对立，并反过来统治自身。^[３]马克思并未止于哲学或单纯道德批判，而是以此为起点，将其深化为对资本主义生产方式的政治经济学剖析，从而将异化批判提升至社会结构分析的高度。

AI的信息闭环，是指系统借助算法对用户浏览、点赞等行为进行实时捕捉，在技术性的“认知→行动→反馈”循环中进行持续的自我强化的机制。这一机制在推荐系统与大型语言模型（LLM）中尤为突出，如ChatGPT通过收集评分之类的显性反馈与点击率、停留时长等隐性反馈微调生成策略，以提高其在多变语境中的适应性与精确度。信息闭环高度依赖数据质量与标注精度，表现出典型的工具理性特征。当AI仅以优化指标为导向，缺乏对人生价值与社会正义的深层关切时，不仅会导致算法强化既有偏好，形成“信息茧房”，而且其反馈循环还会放大社会不平等。其症结在于该闭环缺乏规范性判断，执着于“是什么”的实然状态，而悬置了应然的社会人文价值。哈贝马斯指出：“工具理性之所以具有抽象性，其目的是想让主体占有自然……工具理性也是一种‘主观理性’。”^[４]尽管对抗样本、数据增强等技术可在一定程度上提升模型稳健性，却难以跨越意义理解与价值抉择间的认识论鸿沟。在此机制下会催生出一种新型“产品异化”：信息被商品化为禁锢思想的数字茧房；用户浏览、点赞沦为无偿供给的数据劳动；人类丰富的社会性认知被简化为可计算、可优化的系统参数，劳动主体性在数据化过程中被悄然抽空。

流程闭环以端到端的自主控制取代传统“人—机分段”流程，贯通感知、决策、执行与监测全程。杨立昆认为，它在技术上实现了从原始数据到决策输出的直接映射。^[５]以自动驾驶为例：车载传感器实时采集环境数据并由感知模块识别路况，决策模块形成方案，执行模块操控车辆，监测模块反馈误差，形成迭代闭环。然而，流程闭环在追求全面自主化的过程中面临三重困境。首先，物理世界的不确定性、复杂性与偶然性，导致模型要处理现实环境中无限变化、难以穷尽的突发事件，计算量呈指数级增长，因而亟需新范式的技术突破或革命。其次，面临责任鸿沟与可解释性困境，尤其在一些医疗、伦理相关场景中，事故之后的责任难以界定。最后，存在技术脆弱性问题，传感器失灵、通信延迟或未知场景均可导致闭环断链，虽可通过增加备用等手段部分缓解这一问题，但这却可能引发系统低效与笨拙，甚至陷入所谓的“智能异化”。更为严峻的是，当自动化系统自身演变为一种异化力量时，劳动者与技术流程的关系日趋对立，劳动者的主体能动性在整个工作流程中被不断边缘化，其劳动控制权与意义感遭遇双重剥离。

优化闭环是AI自我驱动与演化的高级形态，在其中，模型通过自生成伪标签、自我博弈等方式实现无监督性能迭代，如GitHub Copilot在代码编写、测试与评估中不断优化提示策略，蒸馏技术将模型自身输出作为训练样本形成无监督闭环。然而，这种高度自我指涉的闭环之中隐藏着多重危机。一是目标错配与过拟合风险。系统过度依赖自动化指标，易将点击率等次要指标误认为最终目标，导致输出偏离人类价值。而在递归优化中，即使是微小的目标偏差也可能被放大为系统性偏离。二是能源消耗与环境伦理问题。系统持续自我迭代依赖庞大算力与能源，这加剧了碳排放与资源压力，从而冲击了可持续发展与环境正义。三是不可解释性与监管困境。随着系统复杂化，其决策过程愈趋黑箱化，不仅动摇了人类作为设计者与监管者的主体地位，也为责任归属与安全保障带来了严峻挑战。更进一步地，从马克思的异化理论视角看，优化闭环强化了劳动异化。首先，模型对次要指标的追逐带来劳动者与其劳动产品及劳动过程的双重异化——劳动者既无法主宰输出质量，又被排除在决策之外。其次，优化所依赖的巨量算力消耗会加剧生态危机，挤占公共资源，由此削弱人实现全面发展的物质基础，从而深化了类本质异化。最后，系统日益复杂难解，沦为“黑箱机制”，不仅阻碍了责任厘清与社会协作，更使人际关系进一步疏离与对立，从而在数字层面再现了人与人之间关系的异化。

相较于前三者，AI的制度闭环具有更鲜明的社会生产关系特征，它本质上是数字资本主义中技术与资本权力相互建构的制度化支配架构。在其中，技术不仅是资本逐利的载体，更成为深化劳动异化、压缩主体性的制度工具。制度闭环的典型表现为平台经济中的算法规则、动态计价与算法黑箱三重规制：首先，平台以格式化协议模糊劳动关系，将劳动者界定为“独立承包人”，从法理上切割权责纽带；其次，依托算法实时分配任务、调整薪资，以用户评分与实时绩效进行动态考核，使劳动者的收入水平、接单机会乃至职业存续完全取决于量化指标；最后，通过自动化结算与黑箱仲裁，系统性地将劳动者排除在协商与追责机制之外。AI闭环由此营造出高效治理假象，实则剥夺了劳动者的参与和监督权。马克思通过对工厂大工业的分析揭示其分工机制，即“大工业的本性决定了劳动的变换、职能的更动和工人的全面流动性”，^[６]这体现了资本主义结构性统治的逻辑：工厂制度通过时间规训、劳动抽象化、空间配置与身体管制，构建了技术、组织与意识形态三重权力再生产装置。AI闭环正是这一逻辑的数字化升级：算法取代“工厂纪律”，成为数字泰勒主义的“无形流水线”，进而成为榨取相对剩余价值的新规训工具。数字资本主义沿袭此逻辑，以精准量化为名，将劳动者降格为被动数据源，同时切断集体协商与申诉渠道，使制度闭环成为固化数字剥削的隐形异化装置。

作为当前AI的主流机制，闭环确实带来了显著的效率提升与专业自主性增强，彰显出科学技术作为第一生产力的革命性力量。然而其效能优势主要局限于工厂制造业、文本处理等目标清晰、反馈可量化的场景，而对于目标模糊、反馈难以量化或含伦理冲突的复杂场景，尤其是现实生活世界中社会治理、医疗诊断或金融风险管理之类的情境，闭环机制往往难以奏效，可能带来误诊、交易崩溃等风险。对于流变的世界与社会而言，AI闭环更深层的隐忧在于，技术理性固有的限度使其无法对具体情境进行深度诠释，难以处理复杂的社会关系，也不可能真正替代人类思考劳动、生活与存在的意义与价值。

AI闭环在复杂情境中的“失灵”并非偶然的技术缺陷，而是其内在逻辑与人类存在方式具有根本冲突的体现。从批判理论视角看，AI闭环本质上是一种高度理性化却脱离价值根基的系统性控制机制。它标志着劳动异化在数字时代进入新阶段：异化已不再局限于马克思所剖析的劳动者与劳动产品、劳动过程的分离，更深度渗透至认知、意义与社会关系维度，形成一种“深度异化”。这种异化的产生，根源在于闭环机制将鲜活、具身、情境化的劳动实践抽象为可计算、可优化的数据流，从而遮蔽了劳动本身所承载的伦理判断、隐性知识与主体间性。这一抽象化过程不仅是技术理性的内在局限，更是资本逻辑在数字时代的策略性运作，旨在通过算法实现更精细、更全面的劳动控制。因此，对AI闭环的批判必须超越技术功能层面，深入其背后的政治经济学与权力支配逻辑。闭环不仅是一种工具，更是一种重塑劳动主体性格局、固化数字时代剥削关系的支配性载体。这四重闭环构成一条层层剥除劳动主体性的异化链条：信息闭环以认知量化抽空意义；流程闭环以行动剥夺驱逐过程参与；优化闭环以递归迭代取代范式突破，扼杀创新；制度闭环以算法规则与法律切割固化支配，悬置劳动者权利。由此，AI闭环对劳动主体性的侵蚀呈现为一种从认知、行动、创造到关系异化的递进逻辑。

二、AI闭环的内在局限

AI虽能提高效率，但因其闭环机制与人类存在方式具有根本异质性，从而会侵蚀人的劳动主体性。从系统内部看，AI以适应性与效率之名重塑工作流程，却系统性遮蔽了价值判断、意义生成与创造性实践；更关键的是，其闭环机制本身阻断了人机有效交互，构成了算法暴力。马克思揭示了机器在资本主义应用中的悖论：它“被资本公开地有意识地宣布为一种和雇佣工人敌对的力量并加以利用”，^[７]从而沦为压迫工具。从蒸汽机到电气化与汽车，再到信息化与数字化AI，技术层级虽节节攀升，劳动解放却始终未至，异化反而渗透更深。如果说马克思还承认技术与社会制度间的某种独立性而对技术作中性的理解或想象技术的解释潜力，那么，芬伯格的技术批判则彻底否认了技术的独立中性。在他看来，“社会技术的转化就不能根据工具范畴来理解，因为正是使用技术的行为再生了需要转化的东西”。^[８]由此，这种能自我“再生循环”的AI闭环技术因内嵌了既定的价值取向，从而重塑了人机交互中的主体性格局。

首先，在伦理判断上，AI闭环的可量化规则难以在多元价值冲突中做出权衡，而劳动主体性的实现则依赖于围绕“何为正当”等议题展开的公共讨论与协商。闭环算法依赖于历史数据与量化指标，受限于技术的工具理性，缺乏社会共识的支撑，因而难以触及伦理实质。即便引入人的具身感知或因果推理模型，仍难以克服如下三重困境。一是数据本体性偏见。就LLM基于人类反馈的强化学习而言，数据标注能否真正映射出人类社会的伦理共识？“驯化批判”表明，数据处理会排除边缘群体而更趋向主流叙事，从而再生产既有权力结构与偏见。^[９]二是文化局限。MIT伦理实验显示，不同民族对自动驾驶的伦理优先级有显著差异，如究竟是乘客优先还是行人优先，而闭环无法兼容这种多元伦理情境。^[１０]三是因果推理与反事实假定的缺失。图灵奖得主珀尔指出，“反事实是道德行为和科学思想的基石”，^[１１]但算法囿于统计关联而丧失了真正的科学推理能力，更遑论前瞻性地处理“未发生但可能发生”的伦理情境。桑德尔提出的道德两难困境与历史上的金融危机案例表明，AI闭环固守历史路径的被动优化，难以预判市场非理性波动带来的连锁效应。归根结底，无论算法如何精密，AI闭环都因局限于既定规则内的局部寻优，而无法替代人类经由“交往理性”完成的根本性价值调适。

其次，AI闭环难以生成新意。意义植根于人的感性、对象性的历史劳动实践，人类在劳动过程中不仅生产物质资料，更创造出承载文化与价值的符号知识体系。这是AI闭环无法模拟的，因为它进行的语义解析主要针对显性知识，而隐性知识及显性知识的深层意蕴植根于历史语境、文化基质与主体经验的交融机制，需诠释性解读。社会历史性意义的建构为双重辩证运动：一方面是读者对作者原初历史视域的理解性重构；另一方面则是读者自身前见与文本视域的创造性融合。伽达默尔指出：“意义总是某个可能的问题的方向意义。正确东西的意义必须符合问题所开辟的方向。”^[１２]“视域融合”包含生存境遇、价值预设等前理解结构。劳动知识体系的意义解读依赖语言传统、集体记忆、历史意识等，具有不可还原的具身性。尽管LLM能生成语法规范、表面连贯的文字，并借助考据、典故与统计词频来模拟学术分析，却缺乏主体经验、价值关切，难以触及文本背后的历史情境、意义与社会伦理张力。例如，AI在解读杜甫诗句“朱门酒肉臭”时能引经据典，但无法体会安史之乱中士人对家国破碎的深沉哀痛之情；在讨论“自由”问题时，也无法理解议会大厅的争议场景、不同政治体制的运作逻辑，以及人类追求自由精神的历程。意义生成绝非文字的组织与提取，而是主体与世界持续交互中的动态创生。AI闭环却将它简化为数据流动，抽空了其中的人文内涵。

再次，AI闭环无法实现真正创新。创新与意义一样，源于劳动者对现实的批判性重构，而非闭环内的“调参”。AI的“似创作”不过是对人类现有知识的重组与对人类创造过程的模仿。AI的自我优化闭环本质上是既定规则下的局部寻优，是对历史数据与预设目标函数的组合优化，这仅是一种样式迭代，而非范式跃迁，其探索被局限于算法边界内，无法实现跨学科整合或未知领域的开拓。而人类劳动主体性的精髓恰在于整体观上的范式创新，即在高度不确定中洞见新范式：艺术家与科学家通过批判性解构前人框架，重新定义问题域并掀起知识革命。正如凯库勒凭借梦境直觉发现苯环结构，这正是潜意识联想与学科经验共振的结果。AI要达到通用人工智能（AGI）层级，还需实现空间感知智能、强逻辑推理智能，以及情感与直觉方面的类人智能等范式级别的革命性飞跃。归根结底，AI闭环无法替代人类在历史—文化语境中的深度解读与价值赋予，因此其创造也就失去了根本的意义与指向。

最后，AI闭环之所以表现出超越伦理、意义与创造性的异化趋向，根源在于资本主义制度及其对技术的运用。马克思提出：“机器正像拖犁的牛一样，并不是一个经济范畴。机器只是一种生产力。以应用机器为基础的现代工厂才是社会生产关系，才是经济范畴。”^[１３]换言之，机器只有在资本主义的应用逻辑下才沦为剥削工具。他在《资本论》中尖锐指出：“对资本说来，只有在机器的价值和它所代替的劳动力的价值之间存在差额的情况下，机器才会被使用。”^[１４]AI闭环不过是资本主义制度下实时化、数据化的再生产机制，其表层由算法规则、动态计价与黑箱仲裁所规制；中层依托灵活用工制度等，将逐利机制转化并固化为合法的治理脚本；而深层则为资本主义私有制及雇佣劳动，这从根本上决定了算法系统必须以利润最大化为唯一目标。在资本主义层层嵌套的制度结构下，AI的设计目标已被预编程为榨取剩余价值。其结果便是，劳动主体性不可避免地以新的技术形态持续陷入异化循环。

AI闭环在伦理、意义、创新与制度上的局限性源于技术理性与人类存在方式之间的本质异质性。海德格尔指出，技术的本质绝非技术性，而是一种摆布人的“座架”，它“促逼着人，使人以订造方式把现实当作持存物来解蔽”。^[１５]其危险之处在于这种座架的显现方式被当成唯一的真理，遮蔽了存在的其他可能性，尤其是自然的神性、艺术的诗意，从而导致“存在之遗忘”。AI闭环机制对劳动主体性的系统性侵蚀，正是这一张力在当代数字生产场域的具体化：它深层遮蔽了人类“存在之真理”得以显现的空间。

三、AI闭环对劳动主体性的侵蚀

随着AI从理论走向实践，其信息、流程、优化与制度的四重闭环在提升效率的同时，也对劳动主体性造成结构性的侵蚀。闭环机制推动系统从被动响应转向主动进化，使AI呈现“类主体性”，这实际上削弱了劳动者在生产实践中的中心地位与能动性。马克思指出，劳动是人的“类本质”，是主体性实现的根本途径，然而这一本质却在AI时代遭受了空前挤压。平台经济将人的行为、情感与社交卷入“数据商品化”进程之中，将其转化为算法捕获的数字劳动新形态，进一步加剧了价值剥削；而算法闭环对创意风格与情感表达的标准化处理，更将个体的生命体验与批判性思维异化为可交换的数据流。正如马尔库塞所警示的：“工业化的技术是政治的技术；由此，它们预先就判断着理性和自由的种种可能性。”^[１６]面对“单向度”的困局，唯有重新审视技术与制度的耦合机制，才能为劳动者的主体能动性留出存续与发展的空间。

信息闭环通过认知量化压缩、价值抽象剥离与存在论消解三重机制，系统性压制劳动主体性。在工具理性的驱动下，教育者的思辨引导被压缩为“学生停留时长”指标，迫使教师把课程碎片化为算法兼容的短视频；医疗咨询为提升“用户满意度”，用标准话术替代病情讨论；外卖骑手对暴雨路况的避险预判被导航系统判定为“低效路径”，生命经验屈从于绩效曲线。这正是马克思劳动异化的当代变体：不仅是劳动成果与劳动者分离，更是劳动过程与意义的双重剥离。平台经济以算法计量取代责任结构，使劳动者被纳入持续的评价循环，却剥夺了其对评价标准的参与权与意义建构权。^[１７]这种存在论消解的本质，在于数据化认知对劳动者具身性的剥离。教师的手势节奏、医生的触觉诊断、骑手的肌肉记忆，这些具身化知识构成劳动主体性的根基，但信息闭环将活生生的身体经验压缩为可计算的参数，摧毁了梅洛-庞蒂所谓的“主体实际上是身体，并通过这个身体进入世界，才能实现其自我性”^[１８]的世界联结，使劳动者沦为漂浮在数据流中的无根存在。最终，当算法推荐构筑的“信息茧房”持续钝化价值敏感性，公平与尊严等伦理维度被排除在反馈函数外时，劳动者便陷入了手段有效性吞噬目的正当性的深渊。

流程闭环通过感知→决策→执行→监测的端到端算法锁链，对劳动主体性实施过程性排斥。如在自动化仓储中，无人拣货机器人的路径规划由中央算法支配，工人应对突发状况的经验智慧无用武之地；网约车平台强制司机遵循算法预设路线，策略绕行将被标记为“效率损失”，从而导致其被降权。算法异化从“压制工人的武器”升级为驱逐主体性的结构性装置，对劳动者形成多重剥夺。一是经验空洞化。如焊接工匠通过火花飞溅情况判断焊缝质量的具身知识，被视觉质检系统的参数阈值所取代，即使在新材料发生形变导致算法误判时，也禁止人工的经验参与。二是决策权消解。典型案例是自动驾驶中系统对控制权的接管，这不仅冲击了安全监管体系与司机就业市场，还消解了驾驶者的主观能动性。这印证了伊德所谓的“技术他者性”，即“放弃技术所导致的世界的终结和使用技术所导致的世界的终结在结果上没有多大差异”。^[１９]三是责任黑箱化。算法决策过程不透明、责任归属无法追溯，使劳动者申诉无门，最终丧失道德与法律主体地位。劳动者在算法监控下习得“训诫性顺服”，能动性与抗争意识被钝化，因为“没有行动对行动者的彰显，行动就失去了它的特定性质”。^[２０]

优化闭环以“目标函数暴政”为手段，对创新实践及人际交往关系中体现出的劳动主体性构成实质性的侵蚀。当AI通过自蒸馏、自我博弈在既定参数空间反复迭代时，库恩所言的“范式革命”被降格为千篇一律的样式迭代。AI闭环缺乏与人的反事实想象的实时交互，而这恰是人与历史对话、跨学科联动的核心能力。算法优化将跨越千年的思想交锋压缩成一组可计算的概率参数，丰富的精神遗产被降格为数据分布，创造性的火花也随之黯淡。如果说优化闭环体现了算法主旨的话，那也就是说，算法作为劳动中介，取代了人与人之间的信任，也即马克思所批判的“人与人的关系异化”：技术反过来支配人，破坏人与人之间的信任与协作，恶化社会关系，并将异化从劳资阶级对立扩展至“人—技—资”三元对立结构。在优化闭环的驱动下，劳动者由创意主导者沦为模型训练样本的供体，决策空间被算法全面编排，从而造成主体创新性的退化。例如，当人类设计师的文化洞察被压缩为“风格向量”，AI将毕加索《格尔尼卡》的战争创伤简化为立体派笔触数据集时，创新艺术就沦为参数的拼贴，劳动主体的创造性被降格；又如，当药物研发者发现新靶点的“尤里卡时刻”被算法标记为“偏离置信区间”时，真正的突破性机遇便会遭系统性埋没。当技术演化主导权滑向闭环系统的数据惯性时，资本与技术的共谋结构便彻底固化。

制度闭环以一种循环剥夺的逻辑规训劳动主体性。其深层制度遵循排他性资本逻辑：数据与算力被确权为私有资产，平台与金融资本、技术寡头结成联盟，将盈利最大化写进算法目标函数。由此，劳动者创造的数据增值收益被提前锁定，主体角色被降格为低议价力的“数据供体”，形成结构性依赖。马克思揭示：“相对剩余价值的生产使劳动的技术过程和社会组织发生彻底的革命。……劳动对资本的这种形式上的从属，又让位于劳动对资本的实际上的从属。”^[２１]同时，“效率—创新”的主流意识形态叙事将这种依赖关系自然化，从而在中层结构中为其披上合法化外衣。公司通过灵活用工条例等，将劳动者刻意界定为“独立承包人”，以“市场契约”之名掩饰雇佣双方权利义务的实质失衡；算法偏见、报酬压缩与社保缺失等后果被归咎于“市场自发调节”，使平台得以规避传统劳动保障责任。这样的权力机制正如福柯所说，以“规训‘造就’个人”，是“一种精心计算的、持久的运作机制”。^[２２]在表层制度上，算法机制实施即时控制：平台通过动态计价与黑箱仲裁构成对劳动过程的精细化实时操纵，将劳动者的未来行为可能性也纳入资本增值的闭环；它还将任务拆解为可量化的微单元，并依据市场波动即时下调单价；封闭的评价流程将劳动者排除在规则制定之外；“游戏化”界面与绩效排名诱激人的情绪情感，将休闲异化为极端情绪的宣泄。^[２３]由此，劳动者在认知层面丧失了对剥削关系的感知，在实践层面失去了自我组织与创造性空间，在权利层面缺乏有效谈判与制度参与渠道，其主体性最终被压缩为被动输入与数据产出的单向度存在。

综上，AI闭环从认知异化、行动剥夺、创造边缘、制度规训四个方面，对劳动主体性造成全面侵蚀。信息闭环将复杂的价值判断与意义阐释简化为纯粹数据的算法指标，使劳动者降格为被动的数据供给者；流程闭环用端到端的算法控制替代人类经验与应急能力，让人面对突发事件时灵活应变的主观能动性得不到施展；优化闭环在既定目标函数框架内固化了创新模式，把范式革新标准化为重复的样式迭代，剥夺了劳动者对能动性创造的主导权；制度闭环则依托算法治理的黑箱特性及参与渠道的缺失，使劳动者在规则制定、话语表达与权益维护中始终处于边缘地位。这一系列侵蚀既暴露了技术理性的局限性，又凸显出抽象劳动与具体劳动的二重性张力。当效率至上的工具理性吞噬了价值理性，并未同时构建让劳动者发挥能动性以自我实现的通道时，劳动便不再是自我实现的途径，而沦为资源配置中待处置的对象。由此，AI闭环便将劳动者完全置于待调度的资源之列。

随着AI技术的迅猛发展，AI闭环对劳动主体性的侵蚀还在不断加深，因为“资本需求的不是一种超越的权力，而是建立在内在化层面上的控制机制”。^[２４]一方面，平台经济的数据商品化在将数字劳动转化为抽象劳动的过程中，将其剥离了具体劳动情境，使其成为资本价值增殖的直接源泉。另一方面，对于从事创意生成、情感关怀等新型非物质劳动的劳动者而言，AI闭环的侵蚀更具隐蔽性，内容推荐算法、生成式AI通过标准化收编创作风格、量化评估情感表达模式，将本蕴含主体生命体验与批判性思考的意义生产过程，异化为可预测、可优化的数据流，使原本独属于人的意义建构被抽象为劳动价值形式，最终服务于价值交换与剩余价值榨取，构成对劳动者的新型剥夺。这种双重侵蚀会进一步加剧劳动异化，导致劳动主体性的危机。

四、AI闭环劳动主体性的重建路径

AI闭环机制对劳动主体性的侵蚀，遵循从认知压缩到行动剥夺、从创造替代到制度固化的递进逻辑。它本质上反映了劳动二重性在新技术条件下的结构性异化：具体劳动的创造性与意义生成被抽象简化为量化指标，而抽象劳动的社会属性则异化为算法单向度支配。危机的结构性根源在于技术开放性被系统封闭所阻断，制度参与性被资本逻辑所收编，主体能动性被优化递归所钝化。然而，异化并非终点，而是新的历史起点。马克思指出：“自我异化的扬弃同自我异化走的是同一条道路。”^[２５]劳动主体性的重建，必须在与其侵蚀路径相对应的三个层面同时展开：以技术开放性打破信息闭环与优化闭环的黑箱机制，使劳动者重新获得在劳动过程中的认知主权与创造空间；以制度自主性逆转流程闭环与制度闭环的权力失衡，使劳动者由规则服从者转变为共治者；以主体能动性的激活贯穿始终，使技术创新真正服务于人的全面发展。这不是对AI技术的拒斥，而是对其社会组织形式的根本改造。

技术开放性的实现要求从根本上改造AI系统架构，赋予劳动者主体性角色，建立人人可参与并从根本上可主导、可审计、可干预、可协同的技术治理体系，从原则上把系统从封闭的黑箱变成透明形态。这是破解AI闭环的本体论基础，虽可能影响短期效率，却是建构劳动主体性与可控AI的必由之路。技术治理作为技术开放性的具体实践，能够使劳动者从技术的被动对象转变为技术的共治者，恢复其对作为劳动工具的AI系统的掌控权。这需要通过对信息、流程与优化环节进行技术改造，让劳动者对自身的劳动数据，例如工作轨迹、服务评价等拥有知情权、使用权与收益权。在算法开发阶段，需嵌入劳动者经验，将已有知识转化为算法参数，建立劳动者主导的技术反馈通道，确保算法优化能回应其核心诉求。在价值导向上，需从效率至上转向人本兼容，将劳动者的“主体性价值”纳入AI系统的目标函数，具体而言包括赋予劳动者在算法伦理审查中的否决权，在算法中为劳动者的自主实践保留弹性空间，以及在技术架构中嵌入“对抗过度量化”的机制等。真正的技术开放性建立在“技术随劳动实践进化”的动态机制上，旨在使AI成为劳动者主体性的延伸工具，构建人—机共同进化的新型共生关系。

必须认识到，AI闭环对劳动主体性的侵蚀早已超出技术治理的范畴，其深层根源在于资本主义生产方式与数字技术的紧密关联，这种结构性异化无法通过单纯技术层面的算法优化、伦理审查等得到根本解决。要突破困境，首先要在认识论层面超越技术决定论的局限，将AI闭环置于政治经济学批判的视野下审视：劳动者不应仅被视为技术治理的被动接受者，而应成为技术变革的主体力量。其次要构建制度性的抗衡力量，例如制定《算法透明法》《数字劳动保护法》等法规以确立“算法人权”；同时在组织与治理层面同步跟进，建立“算法工会”等兼具技术治理职能的新型劳工组织。此外，在实践中开辟劳动者维权通道。这一多维策略不仅旨在打破现有技术权力结构，更致力于构建新型人机关系。唯有技术创新服务于人的全面发展，而非屈从于资本增值逻辑时，数字时代的劳动解放才可能实现——这不仅是技术治理改良，更是对生产关系的深度重建。

AI闭环虽深度嵌入资本逻辑，但若将其简单等同于“资本工具”，便遮蔽了技术自身的历史矛盾。作为当代生产力跃迁的关键形态，AI将知识、协作与决策转化为可编程流程：它既能服务于更精细的量化规训与剩余价值榨取，也为劳动者夺回劳动过程的可理解性与可塑性提供了可能。问题不在于技术本身是否先进，而在于它嵌入何种所有制与治理结构，目标函数为谁而设。“平台合作主义”^[２６]试图通过去中心化治理、成员制所有权与数据收益共享，削弱平台的垄断控制，并将算法规则纳入可审计、可协商的公共治理程序。还有一些人主张集体智性、诸众协作等，试图把AI时代的生产从资本命令转变为共同体治理的动力来源与组织资源。然而，我们对此必须保持清醒的理论反思：主体性重建离不开所有权、治理权与分配权的重组。马克思关于“一般智力”^[２７]的论述更清晰地辨识了这种双重性：社会化知识既可能物化为强化支配的机器系统，也可能成为劳动者重新掌握生产条件的历史契机。AI时代劳动主体性的重建正是在这一张力中展开的，因此，我们既不应陷入技术决定论的悲观预期，也不能沉溺于技术乌托邦的空泛想象，而是要在批判资本逻辑的同时，重构技术的社会嵌入方式。唯有在这种持续的结构批判与制度重塑中，技术生产力的解放潜能才可能真正转化为劳动主体性的现实建构。

主体能动性的激活是重建路径的落脚点。劳动主体性的重建，终究依托于劳动者在数字生产实践中的觉醒与抗争。在算法管理的缝隙间，当代劳动者已摸索出创造性的实践策略：外卖骑手用“养系统”重构平台派单规则；程序员在代码中植入人性化参数以柔化算法逻辑；网约车司机通过社群共享最优路线建立起集体知识库。这些日常实践构成AI时代劳动主体性重建的微观政治。要理解这种实践智慧，需将其置于劳动哲学的谱系。恩格斯强调，劳动者的主体性在于自由而全面的发展，“通过社会化生产”，可以“保证他们的体力和智力获得充分的自由的发展和运用”。^[２８]这一思想在AI时代获得新的意义：劳动者通过技术抗争，不仅创新性地适应了算法系统，更在深层重构了人机互动的权力格局。这种重构呈现出双重面向：它既是对技术异化的抵抗，也是对新型主体性的建构。主体能动性从来都不是先验的“自由意志”，而是在意识形态与权力结构的裂缝中，通过持续的自我解构与重构生成的动态过程，其生命力正源于对既定秩序的不断突破。主体通过认同社会规范、意识形态符号等“大他者”而建构自身，又因符号秩序的内在裂缝而遭遇挫折。恰恰是这种所谓的挫折，让主体的能动性潜能得以显现出来；正是这种认同与抵抗的辩证运动，使主体性在技术治理时代得以持续生成与再造。

实践探索是理论思维不可或缺的环节。某大平台通过设立工人算法实验室，邀请一线标注员对模型输出进行深度评审，将其合理化建议纳入后续迭代流程，不仅使数据标注准确率提升了约20%，也显著提高了工人的参与感与满意度；^[２９]某自动驾驶共享出行试点集成人机共治模块，当AI在复杂路况或伦理抉择中面临不确定性时，乘客与远程监控中心能够与系统共同投票决定应对策略，这有效减少了误判停车和干预延迟带来的风险，使得试运行阶段交通事故率下降了30%。^[３０]因此，批判AI闭环对劳动主体性的侵蚀，不能走向反“技术决定论”的极端，无视先进技术本身的解放性潜能。尽管AI技术仍受控于资本，但其本身并非资本的自然延伸，作为历史发展的根本动力，技术生产力终将显现出其特有的解放潜能。但是，这一历史进程绝非技术自发演进的结果，而需要劳动主体性的觉醒，通过掌握社会化的“一般智力”，使劳动复归人的本质力量展现，从而把AI从资本增殖的抽象化闭环工具，转变为劳动者重建主体性的开放性技术基座。

AI时代劳动主体性的重建，关键在于人在劳动中能否掌控自身、实现自我并确证其类本质，这也是评估社会进步程度的隐性维度。它首先是一项实践认识论任务，其关键不在于价值宣示，而在于劳动者能否在认识、制度与实践的联动中重新获得对技术—组织关系的理解与重塑。在制度层面，应建立参与技术治理的结构性通道，如集体协商、算法审计与申诉程序等，并划定数据与模型责任边界，以削弱算法权力的单向度施行，使技术决策回归可争辩、可追责的秩序。在认识层面，应把指标化、黑箱化与目标函数偏置从“技术中立”的包装中剥离，使之进入公共理性讨论领域，从而将不可见的支配转化为可解释、可质询、可修正的治理对象。在实践层面，应鼓励劳动现场的创新探索，如集体行动、反指标化策略与协作式工具改造，以重塑劳动过程中的目的性、节奏与创造性。三条路径之所以必须并行，原因在于认知批判若缺乏制度承载，就只能停留在道德诉求层面；制度改革若脱离实践创新，极易止步于形式合规；而实践抵抗若缺少认识与制度支撑，则难以持续，更难扩散为可复制的公共经验。归根结底，AI闭环机制并非零散现象的叠加，而是一条可追溯的因果链：递归强化的评价、反馈与再优化循环以组织逻辑重建劳动主体性，并在此基础上生成新的异化结构。相应地，唯有推动劳动者由算法管理对象转为“技术共同治理者”，才能促使劳动主体“从动物的生存条件进入真正人的生存条件”，^[３１]为AI时代人的自由而全面的发展奠定可操作的制度与实践基础。

注释

^[１]《马克思恩格斯文集》第1卷，北京：人民出版社，2009年，第163页。

^[２]欧阳英：《从马克思的异化理论看人工智能的意义》，《世界哲学》2019年第2期。

^[３]参见《马克思恩格斯文集》第1卷，第160、163页。

^[４] [德]尤尔根·哈贝马斯：《交往行为理论：行为合理性与社会合理化》，曹卫东译，上海：上海人民出版社，2004年，第373页。

^[５] cf. Yann LeCun, Yoshua Bengio, Geoffrey Hinton, “Deep learning”, Nature, vol.521, no.7553, 2015, pp.436-444.

^[６]《马克思恩格斯文集》第5卷，北京：人民出版社，2009年，第560页。

^[７]《马克思恩格斯文集》第5卷，第501页。

^[８] [美]安德鲁·芬伯格：《技术批判理论》，韩连庆等译，北京：北京大学出版社，2005年，第76页。

^[９] cf. Abeba Birhane, et al., “On Hate Scaling Laws for Data-Swamps”, https://ar5iv.labs.arxiv.org/html/2306.13141.

^[１０] cf. E. Awad, et al., “The Moral Machine Experiment”, Nature, vol.563, no.7729, 2018, p.59.

^[１１] [美]朱迪亚·珀尔、[美]达纳·麦肯齐：《为什么：关于因果关系的新科学》，江生、于华译，北京：中信出版社，2019年，第8页。

^[１２] [德]汉斯-格奥尔格·伽达默尔：《真理与方法——哲学诠释学的基本特征（修订译本）》，洪汉鼎译，北京：商务印书馆，2010年，第515页。

^[１３]《马克思恩格斯文集》第1卷，第622页。

^[１４]《马克思恩格斯文集》第5卷，第451页。

^[１５] [德]马丁·海德格尔：《存在的天命——海德格尔技术哲学文选》，孙周兴编译，杭州：中国美术学院出版社，2018年，第145页。

^[１６] [美]赫伯特·马尔库塞：《单向度的人——发达工业社会意识形态研究》，刘继译，上海：上海译文出版社，1989年，第17页。

^[１７] cf. David Stark, Ivana Pais, “Algorithmic Management in the Platform Economy”, Sociologica, vol.14, no.3, 2020, pp.47-72.

^[１８] [法]梅洛-庞蒂：《知觉现象学》，姜志辉译，北京：商务印书馆，2001年，第511页。

^[１９] [美]唐·伊德：《技术与生活世界：从伊甸园到尘世》，韩连庆译，北京：北京大学出版社，2012年，第22页。

^[２０] [美]汉娜·阿伦特：《人的境况》，王寅丽译，上海：上海人民出版社，2009年，第141页。

^[２１]《马克思恩格斯文集》第5卷，第583页。

^[２２] [法]福柯：《规训与惩罚（修订译本）》，刘北成、杨远婴译，北京：生活·读书·新知三联书店，2012年，第193页。

^[２３]参见刘莉、朱惠婷：《休而不息：数字空间中“玩劳动”的休闲异化及其超越》，《学术研究》2025年第10期。

^[２４] [美]麦克尔·哈特、[意]安东尼奥·奈格里：《帝国——全球化的政治秩序》，杨建国、范一亭译，南京：江苏人民出版社，2008年，第316页。

^[２５]《马克思恩格斯文集》第1卷，第182页。

^[２６] [希腊]埃万耶洛斯·帕帕季米特普洛斯：《平台资本主义、平台合作主义和开放合作主义》，王文泽译，《国外理论动态》2022第1期。

^[２７]《马克思恩格斯文集》第8卷，北京：人民出版社，2009 年，第198页。

^[２８]《马克思恩格斯文集》第3卷，北京：人民出版社，2009年，第563-564页。

^[２９] cf. Jaeyoun You, et.al., A Labeling Task Design for Supporting Algorithmic Needs: Facilitating Worker Diversity and Reducing AI Bias, https://arxiv.org/abs/2205.08076, May 17, 2022.

^[３０] cf. Luigi Di Lillo, et.al., Comparative Safety Performance of Autonomous- and Human Drivers: A Real-World Case Study of the Waymo One Service, https://arxiv.org/abs/2309.01206,  Sep 3, 2023.

^[３１]《马克思恩格斯文集》第9卷，北京：人民出版社，2009年，第300页。

文章原载于《学术研究》2026年第4期