梁玉成，中山大学社会学与人类学学院副院长、社会学与社会工作系主任、教授、博士生导师，国家治理研究院副院长。研究方向为社会分层与社会不平等、计算社会学、中国社会转型及社会学量化研究方法，主要论文有《技术与社会转型互构下的“人工智能＋”：新质生产力发展引擎》《透视算法黑箱：数字平台的算法规制与信息推送异质性》等。
摘要：生成式人工智能的快速发展和普及对劳动的组织形态产生深远影响。“劳动的三重脱嵌”理论框架，通过整合劳动过程理论、技术批判理论与平台政治经济学三条线索，可系统分析智能社会中劳动转型的结构性特征。在劳动组织层面，劳动的生产单元正从“企业”向“人机组合”的“一人公司”转变；在劳动关系层面，劳动控制机制从工业时代的科层管理，转向智能时代的算法治理，催生新型劳动关系；在劳动者个体层面，人工智能引发“技能压缩”效应，判断力成为稀缺的人类能力。社会学的基本范畴预设人类中心主义前提，而智能社会要求发展出能够对人类与非人类行动者共同生产的社会现实进行理论化的框架。
问题的提出
《中华人民共和国国民经济和社会发展第十五个五年规划纲要》提出，“坚持促进发展和规范管理相统筹，加强数据基础制度规则建设和人工智能治理，营造有益、安全、公平的发展环境”，“推动平台经济创新和健康发展，加强平台企业数据、算法、流量和规则监管，促进平台企业和平台内经营者、劳动者共赢发展”。当前，生成式人工智能（Generative AI）正在深刻重塑经济活动的组织形式。近年来，我国“一人公司”（One Person Company, OPC）蓬勃发展，获得从中央到地方的多层级政策支持：新修订的《中华人民共和国公司法》取消一人有限责任公司设立数量限制，并允许设立一人股份有限公司，多地相继出台“一人公司”专项行动计划，通过算力券、模型券、语料券等数字生产要素配置及提供最高千万元级创业补贴等措施，支持人工智能“一人公司”创新发展。这从一定程度上表明，生成式人工智能技术正在对工业社会以来形成的劳动组织基础产生深远影响，推动劳动形态从“企业－雇员”制度体系，向“人＋人工智能组合”生产单元的迁移。
当单一人机组合即可成为创造数百万收入的生产单元时，相关的劳动分析概念不再是企业、职业甚至个体劳动者，而是一种超越现有制度安排的新劳动配置。自罗纳德·科斯提出企业存在的交易成本理论以来，企业作为经济活动的基本组织单元已成为社会科学研究的前提。然而，人工智能技术将交易成本压缩，人机组合即可完成过去需要整个企业才能承担的生产职能，这不仅挑战了新古典经济学的组织理论，更触及社会学关于劳动、组织与社会结构的基本范畴，劳动关系与劳动主体的内涵亦随之转变。
现有研究尚未将劳动基本单元正在经历的本体论变革视为研究对象。因此，在迈向智能社会新形态的过程中，劳动社会学的关键问题日益凸显：在生成式人工智能深度介入生产的条件下，劳动的组织形态、控制机制与技能结构发生怎样的系统性转型？这些转型对社会学的基本理论范畴提出何种挑战？
理论框架：劳动的三重脱嵌
为系统把握智能社会中劳动的转型逻辑，必须超越单一的技术决定论或单纯的制度决定论，建立多维整合性的分析框架。本文在此提出“劳动的三重脱嵌”框架，该框架批判性地吸收并拓展了劳动过程理论、技术批判理论与平台政治经济学的三条经典脉络。
理论综述。劳动过程理论回应了劳动关系如何组织的问题。以布雷弗曼1974年出版的《劳动与垄断资本》为基石，关键命题是“构想与执行的分离”，即在工场手工业时期，工人掌握完整的生产技能；以“泰罗制”为代表的工业化时代的制度本质是分离的制度化，通过“时间－动作”研究、标准化作业流程、计件工资制等手段，管理者将原本存在于工人头脑中的隐性知识转化为可量化、可控制的显性技术规范。工人不再需要理解整体生产过程，只需执行被分解后的碎片化操作，最终工艺知识从工人手中抽离，集中于管理者。凯洛格等人2020年进一步提炼出算法控制的六种机制：限制、推荐、记录、评分、替代、奖励，证明算法依托数字技术形成的新型理性控制，与以往任何形式的理性控制相比，具备更全面、即时、人机深度互动和过程高度不透明的特征。现有研究大多将人工智能视为管理技术而非生产伙伴，未能把握人机组合作为新型生产单元的本体论意涵。
技术批判理论提供理解技术如何重塑劳动者存在方式的视角。芬伯格提出“技术不是命运而是斗争的舞台”，其“双重工具化”理论指出，技术设计时带有特定价值承诺，这些承诺塑造了可能的工作安排范围。斯蒂格勒将无产阶级化概念扩展至数字时代，提出三阶段分期：工业资本主义导致实践知识丧失，福特主义导致人的日常生活知识丧失，数字自动化导致人类理论知识丧失。
平台政治经济学的理论可为劳动研究提供宏观的制度背景。平台与人工智能的政治经济学多以斯尔尼塞克2018年的《平台资本主义》为起点，该书指出平台依靠规模优势与网络效应获得主导地位，创造“赢家通吃”的垄断竞争格局。瓦鲁法基斯提出“技术封建主义”分析框架，认为数字平台已从利润逻辑转向地租逻辑，科技巨头充当“数字领主”，平台用户与工人沦为“云农奴”与“云无产者”。尽管批评者指出这仍是资本主义而非封建主义，因为平台经济主要通过经济生态系统施加控制，而非诉诸直接的政治胁迫。本文并不对这一争论进行评判，而是同时借用两个框架的思想，即无论称之为资本主义还是封建主义，平台经济都在系统性地从劳动者身上提取价值（数据、注意力、劳动剩余、社会关系），并将这种提取制度化，进而分析智能时代劳动变革的深层逻辑。
三重脱嵌模型。基于上述的理论脉络，本文借鉴波兰尼《大转型》中经济活动从社会制度中“脱嵌”的概念，延伸至劳动组织体系，提出智能时代劳动转型的框架。波兰尼指出，市场经济的兴起意味着经济活动从社会关系网络中脱嵌出来，成为一个自主运行的领域，这一过程引发了社会的自我保护运动。本文认为，智能社会正在经历一场类似的脱嵌过程：原本嵌入特定劳动主体、关系或组织制度中的劳动要素被抽离出来，并重新嵌入以人工智能为主的社会技术结构中，这一过程沿三个互为表里的维度渐进展开。
第一个维度是劳动主体层面，能动性从个人身上脱嵌。在传统劳动过程中，能力与技能内嵌于劳动者自身，构成其人力资本与职业身份的关键。人工智能的介入使能力部分从个人身上脱嵌。机器承担起原本属于人的认知功能，人类与机器能力由此深度交织，形成一种新型的分布式认知系统。劳动者角色从任务执行转向人类工作的评估、验证与方向设定。这一转变重塑了劳动者的技能体系，操作性技能的价值被压缩，而判断能力成为稀缺资源。
第二个维度是劳动关系层面，权力关系脱嵌于传统的劳动过程，并重新嵌入平台算法的控制中。在传统雇佣关系中，权力关系嵌入在以管理者为中介的科层制度之中，管理者作为资本的人格化代表行使控制权，劳动者知道谁是上级、按什么规则被评价、可以与谁谈判。关系脱嵌意味着权力关系从这种人格化的科层结构中抽离，重新嵌入平台算法的控制逻辑之中。算法实施全方位监控与调度，劳动控制从可见的人与人的关系，转化为不可见的人机关系结构。这一转变重构劳动关系中的权力网络，催生“逆向半人马”型主客倒置的新型劳动关系。
第三个维度是劳动组织层面，劳动的组织形式从以“雇员－雇主”为主的企业制度中脱嵌。在工业社会，劳动的组织形式牢固嵌入企业制度之中，企业作为协调生产要素的基本单元享有特殊的制度地位，组织脱嵌意味着劳动的基本形态从这一制度体系中抽离。人工智能如此高效，以至于企业本身不再是最小可行生产单元，个人加人工智能即可生产以往需要企业才能提供的商品与服务，可能导致组织消解，传统雇佣关系日渐式微。在此维度上，劳动作为社会范畴从雇员与雇主的制度体系中脱离，“一人公司”等新形态由此涌现。
按照科斯的交易成本理论，企业之所以存在，是因为内部组织在特定条件下比市场交易更有效率。而人工智能改变这一逻辑中的成本结构，人工智能加入组织之后交易成本被大幅压缩，最优组织形态随之逆转，从尽可能扩张以吞并外部交易，转向尽可能收缩，只保留协调外部资源的最小内核。当交易成本趋近于零时，一个“人＋人工智能”的组合就能成为最小可行的生产单元，它可以独立完成过去需要整个团队、部门甚至一家公司才能承担的功能。劳动单元本身的性质一定程度上发生了质变。
劳动单元的本体论重构：从企业到人机组合
遵循“三重脱嵌”的分析框架，我们首先聚焦宏观层面的组织脱嵌。尽管数字技术改变劳动的时空分布，但其仍未跳出既有制度的窠臼，劳动的基本形态仍依附于企业。然而，当前生成式人工智能带来的组织脱嵌，触及更为深层的结构性转变，经济活动的最小可行生产单元正从企业历史性地向“人机组合”迁移。
独立创始人的结构性崛起。前面讨论的任务脱嵌与能力脱嵌仍在既有制度框架内运作，无论灵活用工抑或远程办公，劳动单元的基本形态仍是企业。组织脱嵌则触及更深层的结构性转变：最小可行生产单元正从“企业”向“人机组合”迁移。“人＋人工智能”组成的“一人公司”的涌现，是劳动单元之本体性质的根本变革，从科斯意义上的企业边界，收缩为以智能武装的个体。2019年，美国新设初创企业中，单人创始企业占比23.7%；截至2025年上半年，该数值上升至36.3%，5年提升12.6个百分点，超1／3新公司由独立创始人创办，独立创始人不仅数量多，而且质量高，他们能够完成以往需要团队、部门甚至整家公司才能实现的商业闭环。 “人＋人工智能”的“一人公司”正在成为新兴的劳动组织形态。
“人＋人工智能”作为最小生产单元，已经逐步显现出对标乃至赶超传统组织的竞争实力。人工智能扩展了个体的生产能力，原本分散在多个岗位中的任务，如今可通过大语言模型与编码智能体压缩为个人工作流。Midjourney、Cursor、Base44等人工智能原生创业公司的实践表明，少量人员借助人工智能系统，即可完成过去需要多部门协作的研发、设计、运营和商业化任务，并获得远高于传统软件服务企业的人均产出。这表明，生产组织的边界正在发生收缩，人工智能正在改变“多少人构成一个有效生产组织”这一更基础的问题。
在我国，“一人公司”已从企业个案进入产业政策层面。例如，2025年底以来，上海市徐汇区依托“模速空间”和人工智能赛事，将个人创作者转化为人工智能“一人公司”，并以超级创业者社区政策提供算力、模型、语料、空间和专业服务支持；北京市朝阳区等地则围绕“一人公司”推出算力券、模型券、办公空间、人才安居和数据开放等措施；广东省深圳市出台《深圳市打造人工智能OPC创业生态引领地行动计划（2026—2027年）》，将“一人公司”纳入人工智能创业生态建设，提出“到2027年底，建成超10家面积均不少于1万平方米、集聚效应明显、全国领先的OPC社区，培育超千家高成长性人工智能创业企业”。由此可见，地方政府的招商和创新政策正转向扶持由“人＋人工智能”构成的高效生产单元。
一定程度上可以说，作为历史上因资源协调效率高于市场而享有特权的生产场所，企业正在丧失其比较优势。过去通过组织成员身份才能获得的资本、技术与市场影响力，现在向个体开放。个人通过智能技术实现自身特定知识和技能的企业化，成为一种劳动组织新形态。
科斯命题的反转。要理解这一组织形态的转变，必须重返制度经济学的原点。科斯在其1937年的经典论文《企业的本质》中提出一个根本问题：若市场价格能有效协调资源，科层制的企业组织缘何普遍存在？科斯的回答是，企业因降低了发现价格、谈判合约与执行协议的交易成本而存在。此后，威廉姆森引入资产专用性、有限理性与机会主义丰富了这一框架，强调等级制在特定情境下优于市场协调。
人工智能正在压缩支撑企业存在的交易成本。当个体可通过算法市场发现价格、通过自动采购系统谈判合约、通过智能合约与声誉协议执行协议时，科斯逻辑发生反转：最优组织形式不再是通过扩张以内部化高昂的市场交易成本，而是收缩至能够协调外部化能力的最小单元。有学者研究指出，人工智能降低个体生产成本，但会增加人均协调成本，推动有效边界趋向更小的组织，恰恰是科斯原始框架所预测的反面。
在技术转型过程中，企业的组织基础也随之转型。工业时代企业依靠大规模雇员和实体资产组织生产；软件和互联网时代，企业开始依靠代码、网络效应实现；人工智能时代则进一步把知识工作的部分任务自动化，使小团队能够承担过去需要大型组织才能完成的功能。这一趋势从跨时代的典型企业规模可见一斑，从大工厂时代的通用汽车到数字时代的微软和照片墙（Instagram），再到智能时代的Midjourney和未来蓬勃发展的“一人公司”（预计2026至2027年），每一代技术进步都以更少的劳动力创造更多的价值，而人工智能可能代表最陡峭的拐点。
这一转变也重塑了劳动管理的内涵。传统管理者监督人类下属，新型管理者编排智能体组合，处理编码、支持、分析、销售与协调的算法系统。英伟达计划在未来十年内为每个员工配备100个智能体，将智能体大规模嵌入组织流程，管理挑战也随之从传统人力资源管理转向智能体编排、模型监督与责任验证。
然而，若仅从发达经济体中独立创始人和小团队的生产效率出发理解这一变化，仍会遮蔽其更深层的全球结构。人机组合构成的劳动的最小可行单元，之所以能够显得高效和低成本，正是因为大量数字劳动被外包，并转移到全球劳动链条的低可见度环节之中。
劳动的可见性体制与全球分工。从全球的劳动分工来看，发达国家出现的这种资本效率，本质上以“隐形”的发展中国家的劳动基础设施为前提。发达国家的“人＋人工智能”公司需要依赖数据标注员、内容审核员等工作者，他们的低薪劳动构成算法功能的基石。相关研究和纪实材料显示，来自肯尼亚、乌干达等全球南方国家的劳动者长期从事图像标注、有害内容审核等工作，面临低薪、绩效压力与心理创伤风险，却往往被排除在人工智能技术叙事之外。
根据线上零工劳动者规模估算，全球估计有1.5亿至4.3亿数据劳动者，绝大多数位于发展中国家。研究显示，线上劳动供给高度集中在印度、孟加拉国、巴基斯坦、菲律宾等国家，而业务流程外包与数字平台多分布于发达国家，延续了数据殖民主义的资本积累逻辑。
因此，“人＋人工智能”公司的资本效率并非单纯来自技术效率，也来自全球数字劳动成本的外部化。当Midjourney报告人均1250万美元收入时，一定程度上反映的是发达国家对劳动力价值的集中俘获，实则包含其向非正式、分包且深具剥削性的数字基础劳动的安排转移，地点主要集中在肯尼亚、菲律宾、印度等国。独立创始人按月付费、以数百元成本订阅人工智能工具，相关产品定价已内嵌隐性人工成本的摊销费用，而标准化订阅模式却遮蔽了人工智能背后全球化的隐形生产供应链。由此可见，“人＋人工智能”公司呈现双重面孔。对发达国家的独立创始人而言，其代表对组织等级的前所未有的解放、创造性自主的实现。对广大发展中地区的数据标注众包工作者而言，“人＋人工智能”公司代表在新技术伪装下提取劳动的强化。从企业到人机组合这一劳动单元的本体论变革，本质上可能是地缘经济不平等的再生产。
算法控制与新型异化形态
组织边界的转型并未带来劳动关系的解放。当企业将大量劳动环节外包给平台之后，劳动者直接暴露在算法系统面前。在劳动关系的维度，劳动控制机制从工业时代的科层管理，转向智能时代的算法治理，催生与工业时代截然不同的异化形式。
地租逻辑对利润逻辑的替代。在宏观层面，数字平台正在改变劳动关系所依附的制度空间。瓦鲁法基斯提出“技术封建主义”命题，数字平台创造出一种新的经济组织形式：利润驱动资本主义，地租驱动封建主义，而当代数字经济正越来越多地依循后者运作。科技公司充当“云领主”，平台用户成为以无偿数据劳动维持平台生产的“云农奴”，平台就业者则演变为在算法驱策下疲于奔命的“云无产者”。
平台通过封闭生态、佣金抽取、数据占有和算法规则，将用户和劳动者锁定在特定“数字领地”之中，平台成为提取“地租”、塑造行为和组织劳动的权力装置。虽然有部分学者指出，大型科技公司不依托强制性管控绑定从业者，更多是创造一个迫使参与的经济生态系统，通过结构性依赖而非法律胁迫，这恰恰是资本主义的标志而非封建主义。尽管存在上述分歧，但平台治理自带的层级架构、类地租式收益抽取、用户与从业者依附关系等特质，仍在一定层面折射出部分封建化表征。算法封建主义不应被理解为字面意义上的历史类比，而应被视为一种理想类型，捕捉平台治理的等级制、地租提取性与依赖性生成维度，这些维度超越雇佣劳动关系。
算法建构的类封建治理模式越来越呈现“无主体控制”的特征。劳动者不再面对一个可以识别、可以质疑、可以谈判的具体管理者，而是一套自动运作的系统性控制。权力也不再集中体现为某个管理者的命令，而是嵌入平台架构、代码规则和数据模型之中。学者关于算法管理的研究表明，算法通过限制与推荐来指导工人，通过记录与评分来评估，通过替代与奖励来规训，算法控制可以比以往任何形式的理性控制更全面、即时、互动和不透明，同时允许进一步去除管理者的中介。劳动者被持续测量，却很难知道测量标准；被持续评价，却很难理解评价依据；被持续调整，却很难找到真正的决策主体。算法管理的意向性不存在于任何人类行动者中，而存在于算法网络的涌现属性中。帕斯奎尔在《黑箱社会》中补充这一机制的法律维度，当决策过程被黑箱化之后，原本可以被质疑的权力过程，被转化为不可见、不可解释和不可挑战的系统输出。
人机关系的变化。在微观的劳动关系层面，算法控制制造了人机关系的主客体变化，也即“逆向半人马”。 “逆向半人马”指人类辅助机器完成其自身难以处理的任务。例如，机器承担整体认知、路径规划等关键任务，人类则承担清洗数据、修正错误或执行“最后一公里”动作。由此，原本“人工智能增强人类”的半人马结构可能转变为“人服务机器”的劳动配置。
“逆向半人马”对人机关系倒置的理论意义在于其超越传统阶级关系的表征。一定程度上可以说，工业资本主义中无产者出售劳动力以换取工资，“逆向半人马”则出售与机器兼容的身体，作为算法系统外设的人类身体。这所衍生的价值不是来自技能或知识，而是来自机器尚不可还原的身体在场。更为关键的是，“逆向半人马”构造出一种特殊的责任转移机制，将法律、伦理与专业责任分配给劳动者，而决策权与控制权则可能主要保留在算法系统中。例如，借助人工智能诊疗的放射科医生的工作，实际上可能并非监督人工智能的工作，而是为人工智能的错误承担责任。
催生新型异化形态。马克思《1844年经济学哲学手稿》提出异化劳动的四重规定性，分别围绕劳动产品、生产活动、人的类本质、人际社会关系四个维度，剖析资本主义生产中的劳动异化现象。在智能时代，这些形式在数字平台、算法管理和人工智能训练劳动中不断被再生产，而且呈现新的质性形态。异化不仅发生于劳动的实体层面，还可能进一步深入认知和情感等精神层面。
首先，认知异化。人工智能将逐步承担部分记忆、推理、决策和创造等精神劳动，长期依赖算法辅助，一些劳动者自主判断和独立解决问题的能力存在逐步弱化的风险，甚至可能出现自动化依赖偏见和认知自主性的弱化。劳动者出现的“认知技能弱化”延伸了布雷弗曼的去技能化论题。布雷弗曼认为资本主义将生产的复杂过程分解为离散操作，导致工人的去技能化。人工智能承接诸多标准化认知工作，可能在一定程度上压缩人类自主运用判断与想象力的空间，进而可能使去技能化由实操层面向认知层面延展，而新技术也同步催生新的岗位能力方向。
其次，认识论异化。认识论异化描述劳动者与知识生产过程本身的分离。当人工智能系统通过不透明过程作出决策时，算法运算逻辑难以被从业者完整洞悉，长期下来，一些劳动者缺少跟进推演、钻研原理的实践场景，积累专业知识与阐释逻辑的条件受到约束，难以对算法结论开展有效追问。
再次，情感异化。霍赫希尔德的情感劳动理论揭示资本主义如何将情感表达纳入劳动规训和价值生产之中；在算法管理条件下，这一过程被进一步强化并技术化。例如，通过评分、排序、商品化、情感优化等技术形式实现情感的商业化改造。由此可见，在智能劳动条件下，情感不再只是劳动过程中的附属因素，而可能成为被平台资本直接组织、计算和提取的对象，个别劳动者也可能因此与自身真实情感及其表达方式发生分离。
多重智能异化不断叠加，演化出经典异化理论未能完全覆盖的新型异化样态：劳动者不只难以完整占有自身劳动成果，原本完整的劳动亲历体验也可能消散。在马克思的理论图景中，传统生产模式下的劳动者可保有具象化的生产体验。例如，身体劳作、实操技艺与全方位感官投入；而在人工智能深度介入劳动的场景下，一些从业者的主观劳动体验也可能出现不同程度的异化倾向。程序员借助智能工具完成基础编码、科研人员依托算法处理量化分析、作家利用人工智能草拟初稿，长期将基础性工作交由机器承接后，个别劳动者除失去对成品的完整把控外，基于实操历练而形成的手艺、在实践中生成的认知积累与思想灵感，都存在逐步衰减的可能。
技能压缩与判断瓶颈：知识工作政治经济学的转型
在劳动主体层面，生成式人工智能所引发的能动性脱嵌，首先表现为技能脱嵌，原本嵌入劳动者职业身份中的能力，可能被部分转移到人工智能系统之中。理解这一转型，需要从主导战后劳动经济学三十余年的“技能偏向型技术变革”（skill-biased technological change，SBTC）框架入手，并审视其在生成式人工智能时代的转变。
从技能偏向到技能压缩。“技能偏向型技术变革”框架的关键命题是：技术进步系统性地补充受过高等教育的劳动力、替代低技能劳动力，由此扩大工资不平等并提升认知能力的相对价格。有学者提出基于任务的分析框架，将日常工作任务区分为常规任务与非常规认知任务，指出计算机化主要替代前者、补充后者，这可能导致劳动力市场出现就业极化现象，中间技能岗位面临收缩压力、高技能与低技能岗位则呈现不同程度扩张。在这一框架内，认知性非常规任务，例如，起草文本、综合信息、战略判断等，被视为高技能劳动者的专属领地，是“技能偏向型技术变革”框架中稀缺要素的关键所在，亦是技术替代的边界。
然而，生成式人工智能可能重塑这一边界。大语言模型直接自动化了部分先前认为是认知性非常规工作的重要组成部分，例如，起草文本、编写代码、综合信息。这些活动大多基于认知技能，在“技能偏向型技术变革”框架中被认为是稀缺因素，而当人工智能能够产出类似成果时，这一要素变得丰裕，“技能偏向型技术变革”框架的逻辑内核随之在一定程度上受到挑战。结果转向“技能压缩型技术变革”，人工智能可能不成比例地提升低技能工人的生产效率，在一定条件下有助于收窄同一职业内部的个体绩效差距、缓和岗位内部不平等，并推动不同职业间的权力结构发生变化。
关于生成式人工智能的实证文献中，一项稳健的发现是技能压缩。有学者通过对客服人员进行实证研究发现，生成式人工智能工具推动最低绩效四分位数劳动者的产出提升了35%，而对最高绩效四分位数劳动者的影响接近于零。另有学者对写作任务进行实证研究，结果表明，人工智能使低技能劳动者的产出质量向高技能劳动者收敛，任务完成时间缩短40%，整体产出质量提升18%。从行业差异来看，在人工智能相较人类通用基准优势突出的领域，如文本翻译、文案撰写等，岗位内部的技能与收入收敛效应表现得更为显著；而更多依赖临场语境研判、综合性经验积淀的咨询类行业，受技能压缩带来的冲击相对平缓。
生成式人工智能则在收窄相同职业内部差异的同时，对依托岗位历练积累技能的制度化机制形成一定冲击。人工智能依托强大的信息处理与模式识别能力，对重复性强、创造性弱、任务边界清晰的初级知识型工作岗位，形成明显替代效应，初入职场、缺乏岗位积淀的青年群体易受到技术替代冲击。实证研究表明，生成式人工智能的普及，已导致美国人工智能高暴露行业内22至25岁年轻劳动者就业机会相对减少13%。另有基于2015～2025年覆盖约6200万名员工、28.5万家企业的履历数据与招聘数据的实证分析表明，生成式人工智能落地应用和初级岗位招聘收缩存在显著关联性，高阶岗位招聘规模则大体维持稳定，学界将该特征概括为“资历偏向型技术变革”。上述变化一定程度上表明，职业发展阶梯的结构可能正在发生变化。过往此类岗位普遍依靠入门岗位实现职业发展，新人在实操历练、上级督导、试错纠偏的过程中逐步打磨专业判断力、行业直觉，积累难以标准化的隐性知识。如果人工智能大量承接原本用于新人成长的基础性实务工作，依托在岗实训习得专业能力的传统路径便面临不确定性，部分行业的人才成长阶梯可能呈现自底层逐步萎缩的态势。
随着人工智能技术持续迭代，“人工智能赋能系数”，即依托人工智能辅助时的产出相对于无人工智能辅助时的产出不断提高。由此，完成同一任务所需的人类劳动时间整体趋于缩减，而且这种缩减并非均匀发生：越是容易被人工智能模拟或替代的技能，其相对优势越容易被压缩。劳动者能否熟练调用、评估和修正人工智能系统，开始成为衡量生产能力的新标准；相较之下，传统资历对劳动能力的衡量作用则有所下降。
判断力成为新的稀缺劳动资源。若技能压缩描述人工智能拉平了劳动的某些方面，更深层的理论问题是：哪些劳动能力在这一压缩逻辑之外，并因此成为新的稀缺要素？答案在近年研究中趋于达成共识：认知判断。随着人工智能中介的生产消解执行摩擦，劳动过程的主要约束从生产转向评估，产生了所谓验证瓶颈。当基础性生产活动被大规模交由智能体承担时，对产出进行评估、筛选与认证的能力成为约束性要素，机构必须围绕成果认证、流程审计追踪、权责审批等维度优化组织架构。
在这一结构中，不可还原的人类判断能力至少涵盖以下三个维度：批判性思维，即质疑和识别人工智能产出中系统性偏差的能力；作为想象力而非模式识别的创造性，即产生训练数据中尚不存在之可能性的能力；以及在没有明确对错答案情况中的判断力。
随着人工智能自动化执行，自主研判能力日渐成为促成劳动者分层的重要因素，由此催生的层级分化，在一定程度上超越马克思主义理论中依托生产资料占有形成的阶级划分，更多落脚在对有效判断赖以生成的认识论规则的掌握之上。在自主实操判断持续稀缺的环境中，依托行业资历、平台机构话语权以及算法架构设计权限来界定“好的判断”的主体，逐步掌握了一类新型的认识论权威。
布迪厄的文化资本理论为理解这一分层机制提供了起点，但在智能社会中还需延伸该理论的内涵。在算法介入的生产场景中，一种新型的算法文化资本逐步成型，即指导、评估和编排人工智能系统的能力。具备丰厚传统文化资本的个体，并不等同于天然具备高水平的算法文化资本：一些从业者依托传统教育形成的评估框架基于前人工智能时代标准，可能阻碍其对人工智能产出的有效判断。由此，个体在劳动力市场的竞争优势，除传统学历、品位与从业资历之外，也包括熟练完成指令设计、内容核验和编排人工智能系统。
三类要素的互动催生新的分层格局。数字化环境下，数字技能以与各类传统资本形态相互交织但不可还原的方式对结果作出贡献。针对人工智能赋能的劳动实践，当下新兴分层体系由传统文化资本、算法资本与独属于人类的非标准化判断力三者共同塑造。兼备三者的劳动资本更易在市场竞争中占据优势，而三类能力均相对匮乏的劳动者，则存在走向斯蒂格勒所言“认识论无产阶级化”的潜在风险。
针对布雷弗曼的“去技能化”和“技能偏向型技术变革”的理论背景，本文对人工智能带来的劳动变迁作出细化整合，人工智能催生技能压缩效应，在一定范围内收窄同岗技能差距，推动知识型工作的技能架构重构。布雷弗曼所描述的去技能化主要发生在执行层面，而智能时代的重组则主要发生在认识论层面，建立在专业知识基础上的判断力成为稀缺的生产要素。当判断力成为新的稀缺资源时，对判断标准的控制权就可能构成新型阶层分化的关键机制，而追踪这一机制如何重塑阶级结构与社会分层，是未来知识工作政治经济学研究的关键议程和重要方向。
讨论与结论
智能社会中人类劳动的转型，已经超越生产效率的工具性层面，推动人类社会组织方式、社会关系和人类存在意义发生转变。
理论重建。本文提出一个理解智能社会劳动转型的整合性分析框架。该框架将人机组合理论转化为新的社会形式，“三重脱嵌”模型连接微观层面的实证发现与宏观层面的制度转型。上述分析提示，当前社会学理论面临三重张力。其一，人类中心主义预设与人工智能作为社会现实共同生产者之间的张力。社会学的基本范畴，阶级、地位、权力、行动，均以人类主体为唯一行动者，而智能社会要求发展出能够理论化人类与非人类行动者共同生产的社会现实的框架，社会学必须发展出一种能够包容“非人类行动者”本体地位的关联理论。其二，基于雇佣关系的分析传统与非标准工作安排之间的张力。独立创始人、零工工人、人工智能增强的专业人士等形态，已在一定程度上超越雇佣与自雇的二元对立，劳动社会学须发展新的概念工具，从平台架构、智能体协同的网络节点中，重新界定剥削、团结与反抗的发生机制。其三，工业资本主义理论遗产与智能社会新型异化形态之间的张力。认识论异化、智能依赖、算法主体化等经验现象，在工业资本主义中缺乏精确对应物，古典范畴需要实质性扩展。
面对生成式人工智能可能带来的脱嵌力量，波兰尼在工业时代提出的自由市场的扩张与社会自我保护的“双向运动”，显然已不足以应对当下的复杂情形。在智能社会中，我们需要呼唤一种更为立体的“三向运动”（Triple Movement）对技术资本极度市场化逻辑进行防范与规制；重构劳动者从旧有制度保护中“脱嵌”后的社会底线；并积极拥抱新兴技术所蕴含的解放潜能，即从算法控制中解放、从认识论异化中解放，以及从提取性平台治理中解放。
阶级分析亦须根本更新。传统的基于生产资料的阶级分析不足以把握智能社会中的分层形式。“逆向半人马”一定程度上可以成为新的阶级位置，对人工智能输出承担责任却缺乏能动性。新型专家作为新的精英位置，其专业知识在于管理和验证知识本身，这也在一定程度上表明阶级结构正在经历转型。布迪厄的文化资本理论可提供有价值的起点，但需要进一步延伸以纳入算法资本和认识论资本等新形态。拥有传统文化资本、算法资本和不可还原的人类判断力三者的人将占据主导地位；三者皆相对匮乏的人可能面临“认识论无产阶级化”。
研究局限与未来方向。人工智能技术的发展速度意味着许多趋势正在加速，而新的动态正在涌现。本文所提出的“三重脱嵌”模型是一个理论框架，而非预测工具；实际的转型轨迹可能与模型所描述的阶段化演进不同。
未来研究应聚焦两个方向。其一，追踪“三重脱嵌”演进轨迹的历时研究，通过追踪个体劳动者、企业与产业随时间的转型来检验和完善。其二，发展中国家语境下的平台劳动比较研究。现有证据主要集中于发达国家，针对数据标注、内容审核等发展中国家劳动的讨论仅依赖有限数据。通过比较研究考察平台劳动在不同国家情境、规制环境与制度设置中的变异，将为理解智能社会转型的全球动态提供关键洞见。
智能社会中人类劳动的转型，不仅意味着经济或技术层面的变化，更标志着社会组织与人类意义之基本范畴被重新配置。最小可行生产单元从企业向人机组合的转变，技能压缩与判断瓶颈的涌现，以及算法控制与新型异化形态的出现，共同构成一场超越学科边界意义的转型。社会如何管理这一转型，将塑造未来数十年财富与权力的分配、制度的存续，以及人类繁荣的条件。本文所提出的分析框架与理论创新，朝向理解这一转型迈出了一步，但完整地把握需要诸多学科的共同努力。
文章来源：《学术前沿》杂志2026年第11期（注释从略）
