摘要：人工智能的产业化扩张强化了“AI创造价值”的叙事，对劳动价值论构成挑战。基于马克思主义政治经济学批判，价值实体仍由抽象劳动规定，价值量仍以社会必要劳动时间为尺度，人工智能改变的只是劳动组织与价值实现结构。通过重构价值运动链，可将数据、标注、训练、部署与平台收费等过程区分为价值创造、价值实现与价值分配三个层面。分析表明，在资本主义条件下，人工智能通过压缩社会必要劳动时间强化相对剩余价值生产，通过劳动碎片化和边界模糊延长实质劳动时间更新绝对剩余价值的榨取方式；平台资本则凭借通道与数据壁垒，推动价值实现租金化并形成垄断占有。由此，人工智能时代劳动价值论的关键任务，是在技术表象下揭示劳动遮蔽、价值尺度重组与平台权力扩张之间的内在关系。
随着人工智能的迅猛发展，“AI创造价值”的叙事日益流行。算法、算力、数据等被视为新的价值源泉，平台收费、生态锁定和资本估值的增长也被用来证明技术本身能够自我增殖。这易造成三重混淆：一是把效率提升误认为价值实体改变，二是把流通收益误认为新价值生成，三是把生产条件误认为可以脱离活劳动独立创造价值。由此，劳动创造价值与资本实现、分割价值之间的界限被模糊，劳动过程也被技术中立和智能增益的表象所遮蔽。因此，有必要以社会必要劳动时间为理论基点，沿价值创造、价值实现和价值分配的运动链，重新审视人工智能产业中的劳动与资本关系，揭示技术效能、平台收费与价值源泉之间的范畴边界。
社会劳动时间规律并未因人工智能而消失
马克思指出，社会必须按比例分配总劳动，这是社会再生产的基本前提。资本主义通过商品交换、价格波动和竞争等方式间接配置劳动，价值规律正是社会劳动时间规律在商品生产条件下的特殊表现形式。价值的关键在其社会形式规定，社会必要劳动时间是在正常生产条件和平均劳动熟练程度下制造使用价值所需的时间。具体劳动生产使用价值，抽象劳动构成价值实体，个别劳动时间通过竞争转化为社会必要劳动时间，成为价值尺度。资本、机器、数据等虽能改变生产率，但不能创造新价值。若将技术效率或平台收益误作价值源泉，便会混淆生产与分配，滑向要素贡献论。
到人工智能时代，劳动与价值的关系变得更加隐蔽。算法将劳动从工厂迁移至碎片化、分布式的全球链条，智能系统看似自动运行，实则依赖数据采集、标注、训练、运维等庞大的人类劳动复合体；因而，劳动通过算法监控转化为可计算形式，技术越自动化，越需追问背后的劳动组织与资本控制。平台通过实时匹配、动态定价、任务派发和阈值淘汰，将劳动时间细分至更小单元，重组劳动过程，使劳动者在灵活任务中被资本重新支配。这并未取消社会劳动时间规律，反而使其以更精密、更隐蔽的方式发挥作用，并将该规律延伸至由数据、模型、平台与应用所构成的全球生态链条，从而把劳动时间差异转化为成本优势与剩余价值攫取空间。
因此，需要从价值创造、价值实现和价值分配三个层面审视人工智能产业。人工智能并未成为独立于劳动之外的价值源泉，其作用在于重塑社会必要劳动时间的形成条件、价值实现方式与剩余价值分配结构。平台凭借对技术接口、数据标准与算法节奏的控制，日益获得塑造“社会正常生产条件”的规则权力。一方面，人工智能提高生产率，压低单位价值，初期形成超额剩余价值，随着技术扩散又推动行业社会必要劳动时间基准下移，体现相对剩余价值生产；另一方面，平台以数据壁垒和网络效应将价值实现租金化，但接口费、订阅费等租金和垄断利润属于分配形态，并非新的价值源泉。核心任务是在复杂的价值运动中重新识别劳动的实体规定性、社会必要劳动时间的尺度作用，以及平台资本对价值实现和分配的权力化重组。
从劳动过程到货币收入的价值运动链
要辨析人工智能产业中劳动与资本的关系，需将技术流程还原为社会关系链，并明确区分价值创造、价值实现与价值分配三个层面。人工智能产业链劳动主要指直接参与系统训练、部署和运行的数据劳动、模型劳动与平台运维劳动。价值创造对应生产领域，是指活劳动在数据治理、标注评测、模型研发和系统运维中被资本组织并凝结为资本可占有的技术能力的过程；价值实现对应流通领域，是指通过API调用、SaaS订阅等完成货币转化；价值分配则关注已实现收入在产业资本、平台资本与垄断资本间的非对称分割。三者虽统一于资本循环，但各有独立边界，混淆它们正是“AI创造价值”叙事得以成立的认识论根源。
生产性劳动的判断标准不在于雇佣合同形式，而在于劳动是否被资本组织并直接进入商品或服务的生产过程，成为剩余价值生产的组成部分。数字平台通过算法定价、实时监控与按需众包等方式实现对劳动过程的严格控制。即便标注员以“独立承包商”名义工作，只要其劳动过程受到资本实际控制，其劳动成果又直接进入模型训练和商品化服务的生产过程，就可以具有资本主义生产性劳动的性质。在价值创造环节，数据采集与治理将杂乱的行为痕迹加工为结构化的训练材料，可用性本身就是劳动的产物；标注与评测把语义、伦理等社会判断转译为标签和规则，其耗费的活劳动作为监督信号进入模型训练；在模型训练中，算力设备的价值通过折旧转移，而数据劳动、研发和运维劳动等活劳动则在资本支配的生产过程中创造新价值，其中研究人员与工程师的劳动属于高度复杂的劳动。人工智能带来的生产率跃升使社会必要劳动时间下降，扩展相对剩余价值空间，这正是技术变革下价值尺度的动态调整。
人工智能与平台化组织也通过延长实质劳动时间和提高劳动强度，更新剩余价值榨取方式。算法通过任务派发、动态定价、实时评分和阈值淘汰等方式，将劳动时间切分为更细小的任务单元，并把等待、学习、测试等边界时间纳入资本调度范围。数据标注、内容审核、模型评测等数字劳动承受更高的准确率和处理量要求，劳动场域不再限于传统工作日，而是经由平台接口和绩效评价延伸至生活时间，使劳动强度与实质劳动时间同步扩张。这是对传统剥削模式的数字化迭代，并未改变剩余价值的来源，而是以更隐蔽的方式扩大了资本对活劳动的支配范围。
价值在生产中凝结后，必须通过市场交换实现为货币。人工智能时代这一环节日益平台化：模型能力以API、SaaS等形式输出，通过计费体系将前端劳动成果货币化。但部署与运营只是价值实现的组织形式，改变的是实现路径，而非价值实体。平台化的超额收益主要源于通道控制、标准制定与流量分配，表现为接口费、订阅费、抽成等，这实质上是将市场变为被平台治理的制度场域，对既有价值进行再分割。随后，已实现的剩余价值首先表现为产业利润，平台资本又可凭借数据壁垒和网络效应参与分割，垄断结构则使超额收益长期固化。三者叠加形成人工智能时代生产、流通与竞争的分配秩序，核心变化不在于价值源泉转移，而在于分配日益平台化、租金化和垄断化，加剧收入集中并强化“技术自然增殖”的幻象。
概言之，人工智能时代的价值运动分析，需要在技术表象下区分三个层次：识别受社会必要劳动时间规制的活劳动耗费，把握价值经由平台化服务实现为货币的路径，说明利润、租金与垄断利润如何形成结构性不平等。这样既能坚持价值实体的劳动规定性，又能解释人工智能时代价值实现形式和分配结构的变化。对价值创造、价值实现和价值分配的区分，也为辨析有关价值源泉的理论误判提供了基础。
关于价值源泉的三种理论误判
围绕人工智能经济价值的讨论中，反复出现三类理论迷思：把价值表现形式当作生成机制，把生产资料效能误作价值来源，把平台支配权力等同于价值创造。这些误判源于未能严格遵循马克思对价值实体、形式与分配的范畴分离原则。数据标注、内容审核、平台零工等劳动形态虽已被揭示为碎片化和不可见化，但仍需进一步追问：这种劳动遮蔽为何在人工智能时代转化为关于价值源泉的理论误判？
第一种误判是把人工智能替代部分岗位理解为抽象劳动的消失。具体劳动生产特定使用价值，抽象劳动则是商品经济中不同私人劳动被社会同一化的形式。人工智能能够替代某些写作、识别、计算和客服任务，改变的是具体劳动的技术形态及其职业分布，而不是抽象劳动作为价值实体的社会规定。可见岗位减少，并不意味着生产过程不再依赖劳动；部分劳动可能转移到数据治理、模型训练、系统维护和安全审核等环节，也可能从企业内部转移到供应商和众包平台。用岗位增减判断价值源泉是否变化，实质上是以职业统计替代生产关系分析。
第二种误判是把生产率提升理解为算法、数据和算力成为新的价值源泉。机器和人工智能系统能够在同一时间内生产更多使用价值，但使用价值数量增加并不等于单位商品价值同步增加。相反，在其他条件不变时，生产率提高会压缩单位产品包含的社会必要劳动时间，降低单位价值量。技术采用者在扩散初期获得的超额利润，来自其个别生产条件优于社会平均条件；一旦新技术普及，行业平均条件被重写，超额优势便趋于消失。算法和模型所表现出的“自主增殖”，还建立在长期社会知识积累、公共科研投入和大规模劳动协作之上。资本通过知识产权、数据控制和技术封闭，把社会性知识成果转化为排他性资产，这种私有化占有能够形成定价权，却不能反向证明知识资产脱离劳动而自生价值。
第三种误判是把平台持续收费等同于流通领域创造价值。接口费、订阅费、抽成和云服务溢价之所以具有稳定性，并不只是因为平台持续提供技术服务，还因为平台控制了用户入口、数据资源、支付系统、开发工具和迁移路径。使用者支付的往往不仅是当前服务成本，也包括进入生态的资格、维持兼容性的成本和避免迁移风险的费用。能收费说明平台具有市场权力，不等于收费本身构成价值创造。平台租金解释其为什么能够依靠通道和规则收费，垄断利润解释其为什么能够长期高于一般竞争水平收费。若把这两种权力性收入解释为技术自生价值，就会把分配领域的权力变现伪装成生产领域的价值生成。
这三种误判分别源于劳动不可见化、技术效能物化和平台收费的界面化表象。它们共同把资本收益的增长归结为技术对象自身的能力，从而遮蔽人工智能产业中的社会劳动、所有权结构和规则权力。劳动价值论的任务不是否认人工智能的巨大生产力，而是把人工智能的生产力效应与价值实体规定严格区分开来。
利润、平台租金与垄断利润的嵌套结构
上述三种误判之所以具有迷惑性，根源在于平台收益的嵌套结构使价值生成、实现与分配合流于同一收费界面。要理解这一界面，需从产业利润、平台租金和垄断利润三个层面来剖析人工智能平台的收益构成。
这三个层面的区分并不意味着价值源泉发生了转移，它们只是说明数字资本主义条件下价值实现方式与分配权力结构发生了深刻变化。平台能够获得持续高收益，不是因为算法或数据能脱离劳动创造价值，而是因为它控制了价值实现的关键入口：谁能接入模型、获得算力、使用数据，越来越取决于平台规则。由此，平台将社会劳动创造的价值转化为稳定的租金收入，并通过数据壁垒、网络效应和生态锁定等方式固化为垄断利润。产业利润说明收益以剩余价值为基础，平台租金说明平台凭借关键通道和排他性资源参与剩余价值分割，垄断利润则说明这种超额占有如何借助市场结构长期维持。三者共同构成人工智能时代平台资本收益的基本逻辑。
需注意的是，平台权力不仅作用于价值实现和分配，还通过数据格式、接口协议、模型标准和生态准入规则等，影响行业正常生产条件的形成。核心数据、算法协议和技术接口往往掌握在少数主导平台手中，企业能否有效接入模型、调用算力和使用数据，越来越受到平台规则制约。平台由此不只是分割既有收益，也在一定程度上参与塑造效率标准、竞争条件以及社会必要劳动时间形成的环境。
平台租金是价值实现环节的分配性占有。平台资本并非只依靠直接组织生产获得收益，它还可以通过占有数字基础设施、数据通道和生态入口等方式参与剩余价值分割。其租金化依托对关键通道、核心数据访问权、身份信用体系和规则制定权的排他性占有，并通过订阅费、佣金抽成、API调用费等形式，将交易条件转化为可收费的数字基础设施。这类收费并非新增价值创造，而是在价值实现环节对既有剩余价值的截留。垄断利润则是平台结构优势的长期固化，源于不完全竞争市场中超额收益的结构化占有。不同于技术领先期的短暂超额利润，其持久性由网络效应、数据算法壁垒、生态锁定和高迁移成本等共同支撑。
以人工智能模型API收费为例，可以说明平台租金与垄断利润的交织。费用包含算力消耗和研发成本，但在主导平台拥有数据资源和生态接口优势的条件下，也包含明显的租金成分。用户不仅购买技术服务，也为进入模型生态和避免迁移成本付费。平台租金解释平台为何能够凭借通道和规则收费，垄断利润则解释这种超额收费为何能够借助市场支配地位长期维持。产业利润、平台租金和垄断利润并非三个独立的价值来源，在经验中往往混融于同一笔收费；三者的区分是范畴分析而非会计计量，旨在揭示收费背后的价值创造、通道租金与垄断占有逻辑。当平台超额收益持续扩大时，真正需要追问的是何种竞争结构与制度安排使剩余价值分割系统性偏向平台资本。生产率上升和社会必要劳动时间下移加剧行业竞争，平台又通过租金化和垄断化在关键节点参与收益分割，由此推动平台抽取和收益集中。
结论
人工智能并没有使劳动价值论失效，也没有使价值源泉从劳动转向算法、数据或算力。真正发生变化的是，劳动被组织、计量、遮蔽并实现为货币收益的方式。这一理论判断也可为人工智能治理提供明确的价值尺度。未来治理实践，需穿透技术表象，从价值运动全过程入手：在生产环节增强数据劳动的可见性和劳动权益保障，在价值实现环节提高平台计费与接口规则的透明度，在价值分配环节抑制数据壁垒、网络效应和生态锁定等造成的垄断性占有。人工智能时代劳动价值论需要重释的，不是劳动是否仍然创造价值，而是活劳动如何在复杂技术体系中被重新组织、遮蔽和占有，以及劳动创造的价值如何通过平台化机制被实现和分割。
作者：刘华初，复旦大学马克思主义学院教授
摘自：《学习与实践》2026年第5期
