提要：人工智能（AI）的发展正在把人类带入一场深层的智能革命。工业革命在人体之外创造了人工体能，智能革命则在人体之外创造了人工智能。由此，受到冲击的范围从具体职业和行业扩展到劳动价值、财富分配、组织形态、算法权力、国家竞争，以及人在社会中确认自身意义的位置。随着智能系统进入写作、计算、判断、协调和决策等领域，普通智力的稀缺性下降，以职业为基础的人生预期和生计确定性随之松动。机器和算法越来越多地进入财富创造过程，普通人基于劳动参与分配的传统依据也会受到挑战。与此同时，算法管理和智能推荐正在改变劳动者的身体时间、信息环境和判断方式，人工智能进入国家基础设施和战略竞争领域后，又进一步加剧了全球治理风险。智能革命最终提出的问题，是技术进步能否转化为多数人的生活改善、权利保障和尊严维护。面对这一变革，社会需要形成相应的制度安排，使技术红利更广泛地惠及普通人，并在财富分配、算法约束、公共安全和社会参与等方面形成新的规则，避免人在丰裕时代陷入被动供养、意义丧失和主体性削弱的处境。
关键词：智能革命 普通智力 劳动 算法权力 人的位置
作者：孙立平，清华大学社会学系。
来源：本文刊于《智能社会研究》2026年第5期
一、为什么需要重新理解人工智能？
人工智能（ artificial intelligence,AI）的问题，已经不能只放在技术进步或产业升级的框架中加以理解。它正在进入社会运行的底层结构，既改变人们的工作与分配方式，也影响交往、认知以及对自身价值的确认。过去，人们谈到新技术，通常首先想到效率提高、产业更新和职业变化。今天的人工智能当然也包含这些内容，但它引发的变化已经触及更深的层面。它提高某些工作的效率，也在改变谁来工作、财富如何产生、权力如何运行、信息如何被理解，以及人在社会中如何证明自己仍然有位置。
理解这场变化，需要把人工智能放到更长的历史尺度中观察。工业革命的重要意义，在于人类第一次在自己的身体之外创造出大规模的"人工体能"。蒸汽机、电力、内燃机和机器体系，延伸并替代了人的体力，也由此改变了农业社会以来的生产方式和社会结构。体力曾经是许多人赖以谋生的基本能力，但在工业化之后，单纯体力逐渐失去稀缺性，普通体力劳动的价值也随之下降。今天的人工智能带来的变化具有相似的历史重量。它在人的大脑之外创造出某种"人工智能"，开始替代人的计算、写作和识别能力，并参与判断、协调与决策。工业革命使普通体力贬值，智能革命则正在使普通智力贬值。这一点构成了理解人工智能社会后果的起点。过去的信息技术主要用于知识的外部存储和检索。书籍、磁盘、数据库、搜索引擎和互联网，使人能够把知识放在身体之外，但知识的理解、判断和运用仍然依赖人的大脑。人工智能的不同之处在于，它不再只是帮助人保存和寻找知识，还能够直接处理信息、生成内容、提出方案，并在越来越多的场景中参与判断。由"知识外挂"走向"智能外挂"，意味着人类长期占据的认知优势开始被重新估价。许多曾经依靠普通智力形成的职业门槛，也因此变得不再稳固。
由此产生的冲击最先表现在劳动世界，但影响很快越出就业本身。人工智能会替代一些岗位，也会创造一些新的工作形式。这个层面的讨论是必要的，却不足以说明问题的全部。职业在现代社会中从来不只是获得收入的手段，它还安排人的时间，塑造人的身份，组织人的社会关系，并为个体提供关于未来生活的基本预期。一个人选择什么专业、进入什么行业、在哪个城市生活、如何安排家庭和住房，往往都以相对稳定的职业前景为前提。当人工智能使职业前景变得高度不确定时，人们对自身一生的安排也随之动摇。劳动位置的松动还会进一步影响财富分配的依据。在工业社会中，劳动者即使处于资本关系之中，仍然可以凭借劳动参与财富创造，并据此要求工资、福利和社会保障。智能生产体系扩大之后，机器、算法和机器人越来越多地参与财富创造过程，普通劳动者在生产链条中的位置会被削弱。财富仍然在增长，但创造财富的主体、占有财富的主体和分配财富的主体之间的关系发生了变化。掌握算法、算力、数据和机器系统的企业资本，掌握税收和再分配能力的国家机器，可能成为技术红利最直接的支配者。普通人若被排除在财富创造过程之外，其分享财富的依据就会变得脆弱。
人工智能还在改变权力运行的方式。算法可以提高组织效率，也可能成为新的控制手段。在劳动过程中，智能系统能够细密地计算时间、路线、动作和绩效，把过去管理中尚且存在的空隙不断填满。在信息世界中，算法推荐和生成式人工智能（GAI）正在改变人们接触信息、理解事件和形成判断的方式。信息茧房的危险不只在于某些信息被遮蔽，还在于人们解释世界的框架被持续塑造。生成式人工智能能够以极低成本制造完整、流畅、带有情绪和细节的叙事，真假之间的边界因此变得更加模糊。劳动控制和认知塑造交织在一起，使人工智能成为一种深嵌于日常生活之中的权力形式。
在更宏观的层面，人工智能已经进入国家竞争和全球秩序的核心位置。算力、芯片、基础模型和数据体系，正在成为新的战略资源。人工智能已经从企业技术研发与市场竞争领域，进入国家安全、军事能力、产业体系和全球治理领域。技术风险具有全球性，治理结构却日益碎片化。人工智能越需要跨国约束和共同规则，现实中的大国竞争越可能推动各方加速投入、争夺领先地位、放松限制。这种张力使人工智能成为当代全球秩序中一个越来越重要，也越来越难治理的问题。
这些问题最终都会回到一个更根本的追问：当机器越来越能够创造财富、完成工作、组织社会并参与判断，人将在社会中处于什么位置？物质丰裕并不自动带来人的自由与幸福。人不只是需要被养活，还需要通过劳动、创造、交往以及被需要来确认自身价值。若智能系统接管了越来越多的创造和决策过程，人可能从行动者退为旁观者，从财富创造的参与者退为被动接受供养者。人工智能由此把问题推向劳动之后的分配、效率之后的权力、丰裕之后的意义，以及技术进步之后人的尊严。因此，重新理解人工智能，不能停留在技术性能和产业效率层面。本文围绕智能革命的社会后果依次展开：从普通智力贬值及其劳动影响出发，讨论职业预期、阶层挤压和财富分配依据的变化，再进入算法权力、国家竞争与全球风险，最后回到丰裕时代人的位置以及社会如何承接技术进步。人工智能能否成为造福人类的力量，取决于社会能否建立相应的制度安排，能否把技术进步转化为多数人的生活改善、权利保障和尊严维护。
二、智能革命：普通智力的贬值
理解人工智能的社会后果，首先需要判断这场技术变化的性质。若仍然将人工智能视为一般意义上的效率工具，许多深层问题就会被遮蔽。人工智能当然会提高效率，也会推动产业升级，但它所触及的对象已经不只是某些行业、岗位或操作流程。它开始进入人类长期依赖的认知能力领域，改变人的知识处理方式、判断形成方式和决策参与方式。由此带来的最直接后果，是普通智力的稀缺性下降。
工业革命曾经在人体之外创造出大规模的人工体能。机器、蒸汽机、电力、内燃机以及后来的自动化生产线，极大地延伸了人的体力，也在许多场景中替代了人的体力。由此产生的社会后果十分深远。过去，一个人的体力强弱可以直接决定其劳动能力和生存位置。工业化之后，单纯体力越来越难以构成稳定优势。机器可以更快、更强、更持久地完成人力难以承担的许多工作，普通体力由此逐渐失去作为稀缺资源的地位。今天的人工智能正在人体之外创造出某种"人工智能"。它已经超越重复计算、数据库和搜索工具的角色，开始在越来越多的情境中承担理解、整理、生成、比较和判断的工作。从写作、翻译和资料整理，到报告撰写、代码生成和案例分析，过去都需要受过一定训练的人来完成。现在，智能系统已经能够在很短时间内给出可用的初步结果。它未必在所有方面都优于人，也并不意味着人的高级创造力、经验判断和价值选择都已被替代，但它已经足以改变大量日常认知劳动的价值结构。这里的关键变化，可以概括为从"知识外挂"到"智能外挂"的转变。印刷术、图书馆、电脑、互联网和搜索引擎，都曾经极大地扩展人的知识能力。它们把知识储存在人的身体之外，让人可以更方便地查找、复制和传播信息。但在这些技术条件下，知识的理解、吸收、组织和运用仍然主要依赖人的大脑。人需要阅读、记忆、比较、推理，再把外部知识转化为自己的判断。人工智能的出现改变了这一点。它开始直接处理信息本身，能够在知识存储与知识检索之外，进一步承担内容生成、方案组织和初步决策的功能。
这种转变对普通智力构成了实质性冲击。所谓"普通智力"，并不是指低水平智力，而是现代社会中大量常规脑力劳动所依赖的一般认知能力。它包括读写和计算、语言组织与资料整理，以及程序化分析和日常判断等。长期以来，许多白领职业和中产位置正是建立在这些能力之上的。从文员、翻译和客服，到会计、程序员以及咨询和行政管理等知识服务岗位，都不同程度地依赖这种普通智力形成职业门槛。智能系统降低了这些能力的稀缺性。相关研究显示，大语言模型可能影响广泛职业中的大量工作任务（Eloundou et al.,2024)。过去需要若干年教育训练才能完成的基础性文字、信息和符号处理工作，现在可能由一个模型在很短时间内完成。过去需要一个团队分工协作才能完成的资料搜集、初稿撰写、图表制作和方案汇总，现在可能由少数人借助智能工具完成。除了具体岗位的增减，常规认知劳动在生产体系中的定价方式也会受到影响。当一项能力变得容易复制、快速调用并且边际成本很低，它所对应的劳动价值就会受到压缩。这种变化对于白领阶层尤其重要。工业时代的许多中产职业，依靠的并不是资本所有权，而是知识、技能和专业资格所构成的门槛。一个人通过教育获得某种智力能力，再把这种能力转化为职业身份、收入水平和社会地位。人工智能削弱了普通智力的稀缺性，也就削弱了许多职业门槛的稳定性。即使某些岗位不会立即消失，其工作内容、收入结构和职业安全感也会发生变化。即便岗位仍在，真正需要人完成的部分也可能越来越少。学历和经验仍然存在，但其带来的区分度却可能不再像过去那样可靠。
因此，不能简单套用以往技术革命中的乐观类比。过去常有人说，汽车替代马车之后，马车夫减少了，但司机、修理工、道路建设者和汽车产业工人增加了。这个经验当然有其成立的历史条件。许多技术革命确实在摧毁旧岗位的同时创造了新岗位。但本轮智能革命的特殊之处在于，它替代的对象更接近一般认知能力，而不是某一种特定工具或局部技能。若一项技术同时进入写作、翻译、编程、设计、咨询、教育、法律、财务和管理等多个领域，那么它带来的就不只是岗位之间的转移，而是对普通智力整体价值的重估。这并不意味着人类劳动会在短期内被完全清空，也不意味着社会不再需要人的经验、判断和创造。更准确地说，智能革命正在改变人与机器之间的分工边界。过去，人使用工具来增强自己的能力。现在，工具开始承担一部分原本被认为属于人的认知活动。过去，机器主要在体力层面与人竞争。现在，智能系统开始在脑力层面与人竞争。这个边界的移动，将进一步影响职业稳定、收入分配、组织形态和人的社会位置。
但智能革命并不意味着机器会沿着一条直线取代人的全部能力。很多任务包含无法完全转化为规则的经验、情境判断和身体技能。自动化最容易进入的，往往是那些能够清楚表达、标准化和计算的环节。真正困难的部分，常常藏在"知道怎么做，却很难把全部做法说清楚"的默会知识中。这意味着，普通智力的价值正在被重新估价，但人与机器的分工边界仍会受到经验、具身能力和价值判断的限制（Autor,2015)。
普通智力的贬值，是智能革命展开之后值得正视的一项基础变化。它解释了为什么人工智能的影响会迅速越出技术行业，进入教育、传媒、金融、法律、医疗、制造、政务和日常生活。它也提示我们，人工智能的劳动影响并不限于岗位替代。现代社会中许多人赖以获得身份、收入和未来预期的认知能力，正在被重新定价。接下来的问题便是：当职业前景不再稳定，当普通智力难以继续支撑原有的阶层位置，人们将如何安排自己的一生，又如何确认自己在社会中仍然有位置？
三、劳动的松动：职业预期、阶层挤压与人的位置
岗位数量只是观察人工智能劳动影响的一个方面。岗位会减少多少，哪些职业会被替代，哪些行业会出现新机会，这些问题当然重要。但劳动在现代社会中的意义远远超过收入本身。职业为个体提供一种稳定的生活结构：它安排日常时间，形成社会关系，提供身份称谓，也支撑人们对未来生活的基本预期。一个人接受什么教育，进入什么行业，在哪座城市生活，是否买房，如何安排婚育和家庭，都与职业前景密切相关。更大的变化在于，这种稳定预期本身开始松动。
（一）就业危机的深层含义
过去谈技术替代，通常会把问题理解为某些旧岗位消失，另一些新岗位出现。这一理解有一定道理，却不足以把握智能时代的劳动变化。人工智能进入劳动世界后，首先受到冲击的是大量常规认知劳动。写作、翻译、编程、财务处理、法律文书和客户服务等常规认知工作，原本需要由受过一定训练的人完成。现在，智能系统已经能够承担其中相当一部分基础环节，并且速度更快、成本更低、可复制性更强。这意味着许多职业的门槛会被重新估价。过去，专业知识和智力训练能够形成相对稳定的职业护城河。一个人通过教育积累知识和技能，再把这种能力转化为职业身份、收入水平和社会地位。人工智能削弱普通智力的稀缺性之后，这条路径的确定性开始下降。人仍然需要接受教育，也仍然需要掌握技能，但教育和技能能否像过去那样提供稳定回报，已经变得不那么确定。
这种变化对年轻人的影响尤其值得注意。职业曾经是人们安排一生的坐标。许多选择看似发生在当下，实际都依赖对未来的判断。选择专业、进入城市或背负住房贷款，背后都包含对行业前景、长期立足和收入持续性的判断。人工智能加剧职业前景的不确定性之后，这些安排的基础也会变得松动。问题不在于某一个岗位是否立即消失，而在于越来越多的人无法确信自己在教育、技能和职业道路上的投入，能否支撑未来十年二十年的生活。
由此，就业危机从收入风险进一步延伸为人生安排上的风险。现代人的生活秩序高度依附于职业系统，一旦职业稳定性下降，个体的时间安排、身份认同、家庭计划和社会参与都会受到影响。人工智能带来的劳动变化已经超出局部的职业调整，开始冲击现代社会中"通过职业安排人生"这一基本机制。过去，人们通过职业来锚定一生的预期。人工智能时代，这种以职业安排人生的确定性正在下降。
（二）"物理劳动避风港"的局限
面对人工智能对认知劳动的替代，一种常见看法是：白领工作会受到冲击，但水管工、维修工、护理、餐饮、家政等需要接触物理世界的工作相对安全。这一判断在短期内有一定现实基础。许多体力劳动并不是简单重复动作，而是需要在复杂空间中处理非标准化情境。维修一处管道、照顾一个老人、处理一个家庭现场的问题，都不是纯粹的信息处理。机器要完全进入这些场景，确实尚需时日。
这里还有一个看似反直觉的现象。很多对人来说很容易的感知、动作和现场应变，对机器来说反而更难。而一些需要多年教育训练的符号处理和抽象认知任务，今天却更容易被人工智能部分接管。莫拉维克悖论所提示的正是这种倒置：人类觉得"聪明"的任务未必最难自动化，人类觉得"简单"的身体技能也未必容易交给机器（Moravec,1988)。
但劳动力市场不是由单个岗位孤立构成的。一个领域暂时不容易被机器替代，也不意味着它会自动成为稳定的"安全地带"。如果认知型岗位持续收缩，一部分劳动者就可能转向服务业、体力劳动、低门槛自雇和灵活就业等领域。此时，看似安全的岗位也可能因为劳动力供给增加而竞争更激烈，收入、议价能力和劳动条件都可能承受新的压力。
这种二次传导也可能影响原本处在基础劳动市场中的人。服务业和体力劳动领域本来就有较强的竞争性，劳动者议价能力有限。如果更多受过教育、拥有一定资源和社会资本的人进入这些领域，原有劳动者的生存空间就可能受到进一步挤压。人工智能对脑力劳动的冲击，因此未必只停留在被直接替代的岗位，也可能通过劳动力流动传导至其他劳动市场。
因此，人工智能的劳动影响不能简单地划分为"白领危险，蓝领安全"。智能系统首先冲击普通智力和常规认知劳动，随后又通过劳动力流动改变整个就业生态。某些物理劳动在短期内仍然需要人，但从业者未必因此获得更强的保障。相反，职业安全感的下降可能在不同阶层之间扩散，使更多人被卷入低收入、高竞争、弱保障的劳动环境。这一点也提醒我们，劳动问题不能只看技术替代的直接对象。即使人工智能没有直接接管某个岗位，它也可能通过改变其他岗位的供求关系，间接影响这个岗位的收入、尊严和稳定性。技术替代的社会后果，往往不是沿着某一行业内部线性展开，而是在整个劳动市场中扩散。
（三）职业预期与生命历程的断裂
劳动的松动最终会转化为人的位置问题。职业既是一种经济安排，也是一种生命历程安排。它让个体知道自己每天为什么出门，知道自己在组织中承担什么角色，知道自己通过什么方式被他人需要，也知道自己可以如何规划未来。现代社会中的许多职业身份称谓，如教师、医生、工程师、工人和司机等，既说明一个人靠什么谋生，也说明他在社会关系中处于何种位置。
当职业预期稳定时，个体可以围绕它形成较长时段的人生规划。年轻人可以通过教育进入职场，成年人可以通过职业积累收入和经验，家庭可以围绕职业收入安排消费、住房和子女教育，社会也可以通过职业系统组织人的分工与合作。职业由此成为现代社会中连接个人生活和社会结构的重要装置。
人工智能带来的不确定性，正在削弱这一装置的稳定性。许多人不再确信自己所学专业是否有长期价值，也难以判断当前行业是否会在几年后被重组。即便暂时保住工作，工作内容也可能迅速变化。即便拥有经验，经验也可能被系统化、模型化和工具化。更准确地说，这是"生计确定性"的消失。受影响的是整个家庭对住房、消费、育儿以及未来十年二十年生活的安排，而不只是某个岗位能否保住。职业不再像过去那样提供稳定的时间轴，个体关于一生的想象也更容易变得短期化和防御化。劳动仍然同时提供收入、参与感、责任感和被需要感。这些支点一旦变得不稳定，人的位置感也会随之松动。
因此，人工智能引发的劳动危机，不能只被理解为岗位替代。它触及的是现代人的人生结构。职业稳定性下降之后，教育回报、阶层上升路径、家庭生活安排和社会身份确认都会随之受到影响，劳动世界的松动也会表现为人的位置感松动。人工智能问题由此超出了经济学意义上的就业问题，进入社会结构与个体生命历程的核心地带。
四、分配的难题：财富由机器创造之后属于谁
智能革命提出的一个尖锐问题，是财富创造方式改变之后，社会财富应当如何分配。在工业社会中，劳动者虽然处在资本关系之中，但仍可以凭借自己的劳动参与财富创造。工厂里的工人、办公室里的职员、服务行业中的劳动者，都以不同方式进入生产和交换过程。也正因为参与了财富创造，劳动者才能要求工资、福利、社会保障和劳动权利。劳动不仅是谋生手段，也构成了普通人参与财富分配的重要依据。人工智能和机器人进入生产过程之后，这一依据开始变得不稳定。当机器、算法和智能系统承担越来越多的生产、组织、计算和决策工作，普通劳动者在财富创造链条中的位置会被削弱。财富仍然可能快速增长，生产率也可能继续提高，但财富产生的过程不再像过去那样依赖大量人类劳动。由此出现的问题是：如果财富越来越多地由机器创造，普通人又越来越少参与创造过程，那么普通人凭什么分享这些财富？这已经超出一般的收入差距问题，触及现代社会分配机制的正当性基础。
（一）劳动退出与分配依据动摇
在传统工业社会中，劳动者参与财富分配的理由相对清楚。资本拥有机器、厂房和组织能力，劳动者提供体力、技能、时间和经验。虽然资本与劳动之间存在不平等，但劳动者仍然可以说，财富中有自己的一份贡献。工资谈判、劳动保护、社会保险和福利制度，都建立在这一基本事实之上：普通人通过劳动进入生产体系，并由此获得分配权利。智能生产体系扩大之后，情况会发生变化。高度自动化的工厂、由算法组织的供应链、由智能系统完成的设计和管理、由机器人承担的体力操作，都可能把人从生产过程的许多环节中挤出。过去需要一批工人完成的工作，现在可能由一套机器系统完成。过去需要一个团队处理的文书、程序、咨询和服务工作，现在可能由少数人借助智能工具完成。人的劳动仍然存在，但它在生产体系中的必要性下降了。
劳动必要性的下降，会使分配依据发生动摇。过去，劳动者要求分配，不只是出于同情或救济，更因为劳动本身参与了财富创造。智能时代的困难在于，普通人一旦被排除在核心生产过程之外，就很难再用同样的方式证明财富中有自己的一份。劳动者的处境由此发生变化：他们不仅可能失去收入，也可能失去参与初次分配的理由。
发生变化的是普通人分享社会财富的理由与权利基础。工业社会中的劳工运动、工资制度和福利国家，都在不同程度上建立在这样一个前提上：普通人通过劳动参与财富创造，因此有理由要求其中的一部分回到自己手中。智能革命使这一前提变得不再那么稳固。当财富越来越由算法、算力、数据和机器系统创造，社会就必须重新回答：既然普通人不再以同样方式参与生产，他们凭什么分享由技术进步带来的财富？
这种变化会改变社会关系的底层结构。劳动者过去即使处于弱势地位，仍然是生产体系中的必要成员。资本需要劳动力，国家需要就业和税基，社会需要大量劳动者维持日常运行。智能系统若显著降低这种依赖，普通劳动者的议价能力也会随之下降。分配问题由此不再只是"分得多还是少"的问题，还涉及普通人在财富创造体系中是否仍然被视为不可或缺的参与者。
（二）资本、国家与技术红利的支配权
当机器和算法成为财富创造的重要力量，技术红利首先会集中到两个主体手中：一个是掌握算法、算力、数据和机器人系统的企业资本；另一个是拥有税收、监管和再分配能力的国家机器。这两个主体分别控制生产端和再分配端，在智能时代的财富流向中占据关键位置。
企业资本一旦拥有智能生产系统，便拥有了获取技术红利的直接通道。人工智能降低用工需求，提高生产效率，压缩边际成本，扩大规模效应。由此产生的收益，首先体现为企业利润、资本估值和平台控制力。对于普通劳动者来说，问题在于他们与这种增长之间的联系日益松动。企业可以扩大产出，却不一定扩大雇佣。企业可以提高利润，也不一定提高普通员工收入水平。即使智能系统创造了更高价值，更多劳动者仍可能被视为可替代成本。
国家机器则掌握另一种支配权。即使技术红利首先集中于企业，国家仍然可以通过税收、财政、社会保障和公共服务进行再分配。智能时代的财富共享，很大程度上取决于国家如何理解和使用这种再分配能力。技术红利可以用于改善公共福利、补偿被替代劳动者、重建教育和保障体系，也可以被用于竞争性动员、战略扩张和新的控制体系。财富由谁创造、由谁占有、由谁分配，成为智能时代无法回避的政治经济学问题。
普通人在这个结构中的位置最为脆弱。若他们不掌握机器，不拥有算法和数据，也不直接参与核心生产过程，那么他们分享技术红利的方式就会发生变化。过去，普通人通过劳动进入分配体系。未来，他们可能更多依赖国家转移支付、平台补贴或某种社会保障安排获得收入。表面上看，收入仍然可以发放，生活仍然可以维持，但收入来源背后的权利性质已经改变。
这里需要警惕一种变化：从"基于贡献的分配"滑向"基于施予的分配"。前者意味着普通人作为生产共同体和社会共同体的成员，有理由分享财富。后者意味着普通人因为失去生产位置，只能等待掌握资源的主体给予补偿。两者表面上都可能表现为收入转移，但社会含义却不同。前者保留了人的权利感和主体地位，后者容易使人变成被照料、被管理、被安置的对象。
因此，技术红利能否成为公共财富，并不取决于财富总量本身。关键在于社会能否建立稳定的制度安排，能否把智能系统创造的财富转化为多数人的权利，而不是变为少数资本和国家机器任意支配的资源。若缺乏这样的安排，技术越强大，普通人的位置反而可能越被动。所谓"技术利维坦"的风险，也正是在这里出现：技术、资本和组织能力结合之后，便形成了远超个体的支配力量，而普通人参与谈判、进行制衡的能力却在下降。
（三）全民基本收入的可能与风险
面对智能革命带来的劳动退出和分配难题，全民基本收入（universal basic income,UBI）常被视为一种可能方案（Van Parijs & Vanderborght,2017)。它的基本设想是，当机器和算法创造出足够的财富，社会可以向每个人提供一笔稳定收入，使人即使不再从事传统劳动，也能维持基本生活。这一方案有其现实意义。若人工智能确实导致大规模岗位减少，某种普遍性的收入保障可能成为维系社会稳定和个体生存的必要安排。但UBI不能被理解为自动解决分配危机的方案。它可以缓解生计问题，却未必解决权利问题。一个人获得基本收入，可能意味着他作为社会成员分享共同财富，也可能意味着他因失去生产位置而被系统以最低成本安置下来。前一种安排承认人对社会财富享有正当份额，后一种安排则更接近维持秩序的补偿。两种形式都叫基本收入，背后的社会关系并不相同。
因此，判断UBI的关键，不在于它是否发钱，而在于它如何界定普通人与社会财富之间的关系。若基本收入建立在公共财富共享、技术红利社会化和公民权利保障之上，它可以成为智能时代重新安排分配关系的一部分。若它只是由技术资本和国家机器在掌握绝大多数资源之后，对失去劳动位置的人提供最低限度供养，它就可能变成一种温和形式的排斥。人被养活了，却未必真正分享了社会财富。人获得了收入，也未必保留了参与社会决策和价值创造的主体地位。
这里还涉及人的尊严问题。劳动的消失并不会自动使人自由。若普通人获得收入的前提，是承认自己已经不再参与创造，只能接受系统安排，那么收入保障本身也可能带有屈辱感和依附性。人需要生存，也需要被承认为社会共同体中的平等成员。智能时代的分配制度若只解决"活下去"的问题，却不能解决"凭什么分享"和"以什么身份分享"的问题，就仍然没有触及问题的根部。
实行UBI只是智能时代分配讨论的一部分。劳动贡献被削弱之后，社会仍需建立新的利益均衡机制。智能系统创造的财富，是否应被看作社会长期积累、公共教育、基础设施、数据和知识共同作用的结果？普通人即使不再直接参与生产，是否仍能作为社会成员稳定分享技术红利？若这些问题得不到回答，社会整体可能更加富裕，普通人在分配中的地位却更加脆弱。机器和算法推动的繁荣最终属于谁，仍是无法回避的问题。
五、智能资本与组织重构：增长、裁员和普通劳动者的脱节
人工智能进入生产体系之后，经济增长与普通劳动者之间的关系可能发生新的断裂。过去，经济增长通常会通过企业扩张、岗位增加和工资增长进入普通人的生活。智能革命改变了这种传导方式。人工智能、算力、数据和机器人系统可以提高产出，却未必同步扩大雇佣。企业也可能在组织更轻、人员更少的情况下扩大业务。这样一来，增长仍然存在，利润也可能增加，但普通劳动者未必因此获得更稳定的工作和更高收入。智能资本提出的问题，正是技术繁荣如何通过就业、收入和消费真正进入多数人的生活。
（一）增长与生活感受的脱节
一种情境性表达将这种情况称为"幽灵GDP"：技术部门、企业财报或宏观产出在上升，普通人的就业、收入和生活改善却未同步发生。这里借用的只是一个情境性的比喻，并不是正式的国民经济核算概念。底层模型、算力集群和数据中心都需要大量资本和基础设施投入（Stanford HAI, 2026)。由此形成的价值可以集中体现在企业收入、资本市场和宏观数据中，却未必自动通过工资、就业和消费进入普通人的生活。
另一层限制来自生产体系本身的"弱环节"。人工智能可以在某些任务上取得巨大突破，但一个完整的生产和服务过程往往由许多环节共同构成。只要其中仍有难以自动化、难以标准化或必须依赖现场经验的部分，局部能力的跃升就未必能够立即转化为整个经济系统的同步跃迁（Jones,2026)。
如果把经济看作一辆车，人工智能更像是发动机突然变强了，问题却未必出在"油给得不够"。真正值得关注的是传动系统：技术收益能否经由企业扩张、就业、工资、消费和公共服务，传导到多数人的生活中。一旦这些齿轮之间的联系变松，技术部门可以高速增长，普通人的收入和消费水平却未必同步提升。宏观繁荣与微观感受之间的脱节，在这里首先表现为传导问题。
与此同时，新的增长还可能形成一种"虹吸"。资本与人才、估值与收益越来越向少数掌握模型、算力和平台等关键技术节点的主体集中，而普通劳动者与增长之间的联系则被拉远。问题不在于这些产出是假的，而在于技术价值如何被分配，又能否沿着社会的传动系统扩散出去。一个社会完全可能在技术和资本市场上表现得十分繁荣，同时让许多人感到工作更不稳定、收入更难增长、未来更难安排。需要追问的是，这种增长最终究竟通过什么机制进入普通人的生活。
（二）一人公司与组织边界变化
人工智能不仅改变就业数量，也改变组织形态。工业时代的大企业依赖科层制、分工体系和大量中间管理环节。一个复杂项目通常需要产品、技术、运营、行政、市场、客服和管理团队共同完成。组织越大，协调成本越高，便越需要层级、流程和制度来维持运转。
智能体的出现，使这种组织形态面临重组。许多过去需要多人协作完成的工作，现在可以由少数人借助人工智能工具承担。写作、设计和编程之外，资料整理、客户沟通和数据分析等工作也可以被智能系统部分接管。由此出现一种新的组织可能，即"个体＋智能体"的工作模式。一个人借助多个人工智能工具，可能完成过去一个小团队才能完成的任务。在智能时代，由此可能出现企业边界缩小、组织成本下降、个体效率显著提高的新形态。
这一变化具有两面性。积极的一面在于，它可能扩大个体创造空间。过去，一个普通人要创业，需要团队、资金、技术支持、管理能力和大量外部协作。人工智能降低了部分门槛，使个体能够更快地把想法变成产品、服务或内容。某些小型组织和独立劳动者，可能因此获得过去难以拥有的生产能力。但另一面也同样明显。若少数人借助智能体即可完成过去一个团队的工作，大量常规岗位就会被压缩。原本承担资料整理、信息传递、基础执行和日常协调的人，可能被系统替代或被组织视为不再必要。组织边界缩小，对创造者可能意味着自由，对普通职员则可能意味着机会减少。人工智能在赋能个体的同时，也会削弱传统组织对普通劳动者的吸纳能力。
因此，"一人公司"不能只被看作创业自由的象征，它也预示着组织结构的轻量化和岗位需求的收缩。未来企业可能越来越重视少数核心人才、关键算法和自动化流程，而不是庞大的中后台团队。企业仍然存在，项目仍然推进，产品仍然上市，但参与其中的人数减少了，劳动者与组织之间的关系也因此变得更加不稳定。值得警惕的是，把"用更少的人完成更多事情"本身当成技术进步的目标。人工智能是否有价值，还要看它能否创造新的能力、新的需求和新的参与机会。
（三）利润增长与岗位压缩：劳动者与企业增长的脱节
智能资本对组织的重构，也可能在企业用工中表现得十分直接。过去，裁员通常被理解为企业经营困难时的防御性选择。智能时代则可能出现另一种情形：即使企业仍在盈利和扩张，也会因为自动化、组织轻量化和效率目标而继续压缩部分岗位。裁员因此不再只与亏损相连，也可能成为企业重新配置技术、资本和人力的方式。
大模型训练、算力采购、数据中心建设和人工智能产品开发都需要大量资本投入。随着人工智能投入上升，一些企业会把更多资源集中到模型、算力和少数核心团队，并尝试用更轻量的组织完成更多业务。这样的资源重配可能压缩部分常规岗位和中间层级，但它并不是所有企业都会沿着同一路径演进的必然结果。
这也带来一种值得警惕的可能：企业更赚钱了，员工却未必更有安全感。组织更有效率了，普通劳动者却可能更容易受到挤压。在一些高度依赖智能技术的企业中，价值会更多向核心技术、产品方向和关键资源集中，而产品运营、行政支持、市场协调和一般管理等支撑性岗位则可能更容易被压缩、外包或替代。人工智能既在改变岗位数量，也在改变企业对不同人员和工作的长期估值：哪些人被视为长期资产，哪些工作则被视为可以交给系统完成的成本项？
这会改变劳动者与企业之间的关系。过去，员工虽然不拥有企业，但长期雇佣关系仍然使其在某种程度上成为企业成长的一部分。企业扩大时，员工有机会获得更稳定的职位、更高收入和职业上升机会。智能时代的企业增长可能不再需要这种广泛共享。增长收益被集中到资本、模型和核心团队中，普通员工则承担被替代、被压缩和被外包的风险。劳动者与企业增长之间的联系因此变得松动。
普通劳动者因此越来越难被视为企业长期发展的参与者。企业仍然需要人，但需要的人可能更少，且需求也更集中于少数核心岗位。大量常规劳动者更容易在技术转型中被视为可以削减的成本项。这样的组织重构会同时影响就业数量以及劳动者的尊严和归属感。一个人在企业中工作多年，却可能在系统升级、模型替代或组织重组中被迅速清退，这种经验会强化劳动世界的不安全感。
智能资本带来的组织变革，因而不能只用"提高效率"来概括。它确实可能提高效率，也可能释放个体创造力，但同时会削弱传统企业吸纳普通劳动者的能力。增长、利润和估值可以继续上升，普通劳动者却可能越来越难以通过稳定工作分享增长成果。人工智能应该优先替人做什么，本身也不是一个纯粹的技术问题。与其把"替代更多的人"当成目标，更值得追求的是让人工智能去做人做不到、做不好或不愿做的事情，同时保留人的参与位置。
六、算法权力：从劳动控制到认知塑造
人工智能进入社会生活之后，技术问题也就成为权力问题。算法在提高效率的同时，也会改变人与组织、人与平台、人与信息之间的关系。在许多现实场景中，新技术并没有均衡地增强每个人的力量，反而更容易为掌握资源的一方所使用。管理者可以用算法安排劳动过程，平台可以用数据塑造用户行为，资本可以用智能系统压缩成本、扩大控制。普通人面对的技术环境，因此并不总是"更方便"，也可能是"更难摆脱"。这种算法权力有两个基本方向：一个方向是向外控制人的身体和时间，表现为劳动过程的精密管理；另一个方向是向内影响人的信息环境和理解方式，表现为认知框架的持续塑造。前者使劳动者越来越难保留自主空间，后者使普通人越来越难保持判断距离。劳动控制和认知塑造结合在一起，构成了智能时代日常生活中一种深嵌的权力形式。
（一）数字泰勒主义：劳动过程的无缝控制
传统工业管理早已追求效率，并通过流程、计量和监督来规范劳动过程(Taylor,1911)。但受技术条件限制，它很难不间断地完整捕捉一个劳动者的全部身体状态和时间使用。人的动作、停顿、绕路乃至呼吸等细节，都可能留下某种不被系统完全捕捉的余地。正是这些空隙，使劳动者在高度组织化的生产过程中仍然保有一点缓冲空间。
智能监控和算法管理试图把这些空隙填满。定位设备可以记录人的移动轨迹，派单系统可以计算每一段路程，各类传感器和监测设备还可以将动作、表情乃至部分生理状态转化为数据。劳动者的身体状态和时间使用，连同行动路线与情绪状态，都被转化为可以记录、计算和评价的数据。管理因此变得更加连续，也更加细密。这种变化可以被比作"往装满沙子的瓶子里倒水"：过去的管理像沙子，已经相当密集。人工智能和大数据像水，继续渗入沙粒之间，填满最后的缝隙。这种"满水瓶"式的管理，给劳动过程带来了新的变化。劳动者除了服从上级命令，还要持续受到系统计算的约束。平台骑手面对的不是一个可以协商的具体管理者，而是一套不断压缩时间的算法。系统根据距离、订单、天气、路况和历史数据计算送达时间，并通过评分、排名、派单和惩罚机制把压力传递给劳动者。看起来，劳动者拥有接单自由。实际上，他的行动始终被系统时间牵引。为了不被差评、不被降权、不失去订单，他只能把风险、疲惫和紧张承受在自己身上（Kellogg et al.,2020；陈龙，2020)。
这类算法管理的关键，不在于它比人工管理更精确，而在于它改变了权力关系。传统管理仍然有面对面沟通和临时协商的空间。算法管理则把许多决定隐藏在系统背后，劳动者很难知道规则如何形成，也很难就规则进行协商。迟到、差评、效率低、路线异常，都可以被系统转化为评价结果。劳动者面对的是一个看不见的管理者，一个以效率为名不断压缩余地的系统。这些技术主要强化了管理一方的能力。定位监控、评分派单以及生理数据采集，很少被用来增强劳动者的谈判能力，也很少用于帮助劳动者反向监督平台和雇主。它们更多用于提高组织效率、降低管理成本、减少劳动者的自主空间。技术赋权由此呈现明显的不对称性：强者获得更强的观察、计算和控制能力，弱者则被更细地记录、更快地评价、更紧地约束。
这就是数字泰勒主义的现实含义。它把传统科学管理推进到一个更细密的阶段。劳动者的任务、节奏、劳动时间乃至身体状态和情绪余地，都被纳入持续的计算和管理。技术进步本来可以把人从繁重劳动中解放出来，但在特定的资本和管理逻辑下，它也可能使劳动过程更加紧张，几乎不留喘息余地。
这种控制还会进一步改变人对时间的感受。技术原本被期待以更高效率换取更多闲暇，但在竞争和绩效逻辑下，节省下来的时间常常又被新的任务填满，个人也会主动把更快、更高、更强的目标内化为自我要求。罗萨(Rosa,2013）所说的"社会加速"和韩炳哲（Han,2015）讨论的"自我剥削",都提醒我们：控制未必总以外部命令的形式出现，它也可能转化为个体持续驱赶自己的动力。
（二）信息茧房与意义茧房
算法权力的另一面，是对信息环境和认知框架的塑造。互联网曾经被许多人寄予厚望，似乎信息越充分，真相就越容易出现，人的判断就会更加自由。但现实并没有如此简单。大数据和推荐算法使信息获取变得更方便，也使信息投喂变得更精准。每个人看到的信息，越来越由平台根据其兴趣习惯、情绪反应以及停留时间来安排。这样形成的信息环境，看似个性化，实际上也可能成为新的茧房。
信息茧房并不完全是算法时代才出现的。人的交往半径、生活经验和自我选择本就可能形成有限视野，互联网则进一步提供了主动过滤和个性化筛选的技术条件（Sunstein,2007;Pariser, 2011)。今天更值得注意的是，算法和市场机制正在把这种筛选变得更加持续和精准。平台为了留住用户，会持续推送用户愿意看、容易引发情绪反应、容易停留的内容。算法不是简单地屏蔽某些信息，而是不断强化人的偏好、迎合人的弱点、放大人的情绪。算法与市场由此成为新的过滤力量，与自然交往和行政过滤一起塑造信息接受的边界。在这种环境中，所谓"信息节食"变得越来越困难。人当然可以提醒自己少看、慎看、换着看，但算法的力量正在于它非常了解人的兴趣和弱点。它知道什么内容会让人停留，什么标题会引发点击，什么情绪会推动转发。面对这种精准投喂，个体的理性自律常常显得脆弱。人以为自己在主动选择信息，实际上选择本身已经被平台深度塑造。
意义茧房把问题从"看到什么"推进到"如何理解"（周雪光，2026)。算法长期、重复、同质化地推送某类内容，会改变人解释事件的习惯。人在接受事实材料的同时，也逐渐接受一种看待事实的框架。面对同一个事件，有人总是从阴谋论角度理解，有人总是从对立角度理解，有人总是从流量情绪出发理解。久而久之，信息消费本身也在训练一种解释世界的方式。这比简单的信息遮蔽更值得警惕。如果问题仅仅在于某些信息没有被看到，人还有可能通过补充信息来修正判断。但如果解释框架已经被长期塑造，新的信息也可能被纳入原有框架，并用来强化既有偏见。算法权力于是从材料选择进入理解过程：它既影响外部的信息环境，也在塑造人的判断习惯。公共讨论因此更容易走向极化，社会共识也更难形成。
（三）人工智能幻觉与高度拟真的虚假叙事
生成式人工智能进一步加剧了认知层面的风险。推荐算法主要影响人接触哪些信息，生成式人工智能则可以直接生产信息。它可以写新闻、编故事，也可以拟通报、做总结或给解释，还能用完整、流畅、看似中立的语言叙述一个并不存在的事实。更值得警惕的是，生成式人工智能会把错误讲得很像真的（Autio et al., 2024)。
可以举一个例子：面对某个现实事件的询问，人工智能可以连续编出多个极其逼真的假新闻。这些内容并不是粗糙的谣言，而是细节完整、情绪饱满，甚至带有社会反思意味。它们有时间、地点、人物、冲突和评论，看起来像经过整理的公共事件叙述，但缺失的却是事实本身。生成式人工智能可以用完整的叙事逻辑掩盖这种缺席。传统谣言往往留有明显漏洞，读者还能通过来源和细节辨别真伪。人工智能生成的虚假叙事在形式上却越来越像真实信息，语言流畅、结构完整、语气稳健，还可能附带看似理性的分析。虚假信息由此从粗糙编造变成高度拟真的叙事。
这会侵蚀公共生活中的信任基础。现代社会需要共同事实作为讨论前提。如果人们越来越难判断一段信息是否真实，公共讨论就会陷入更深的不确定性。更麻烦的是，高度拟真的虚假叙事还可能与信息茧房结合：算法把人推入同质化的信息环境，生成式人工智能又不断为这个环境提供新的叙事材料，选择性的解释和情绪化的框架相互强化，使人更难走出自己的认知封闭。算法权力由此已经超出技术误差或平台治理层面，进入劳动控制、信息分配和意义生产的多个维度。
这种风险还会进入知识生产本身。如果大量人工智能生成内容重新进入模型训练，机器就可能不断从自身生成的材料中学习，而那些在真实世界中较少见、较边缘的信息反而会逐渐丢失。相关研究把这种递归训练导致的数据退化称为"模型坍缩"。这使"原生"的人类经验、观察和创造获得了新的价值：人工智能越普及，知识体系越需要保留那些能够回到现实世界的材料(Shumailov et al., 2024)。
因此，人机分工不能只按"谁更快、谁更准"来理解。机器可以在计算、预测和模式识别上越来越精准，但社会仍然需要人来判断什么值得做、什么可以做、出了问题由谁负责。机器可以承担越来越多的"精准"判断，人仍要对"对错"承担最后的判断和责任。
七、国家竞争与全球风险：人工智能的安全化和武器化
人工智能的发展，已经超出一般商业技术竞争的范围。它最初可以表现为企业之间的产品竞争、模型竞争和应用竞争，但随着算力、芯片、数据中心、基础模型和机器人系统的重要性不断上升，人工智能越来越进入国家战略核心。它正在从公司研发项目和行业生产工具，转变为影响国家竞争力、军事能力、社会动员能力和全球秩序重组的重要变量。这一变化使人工智能具有了双重面貌：一方面，它仍然是提高效率、推动产业升级和改善生活的技术力量；另一方面，它也越来越进入国家安全、战略竞争和军事应用等领域。技术的通用性越强、改变未来的生产力和治理能力的可能性越大，就越容易被卷入国家竞争，被各国视为不能落后的战略高地。人工智能的全球风险，也正是在这种背景下变得更加复杂：技术本身具有跨国影响，现实中的治理却越来越被国家竞争和地缘冲突所撕裂。
（一）人工智能基础设施与国家竞争
当算力、芯片、数据中心和基础模型成为竞争中的核心资源，人工智能就具有了基础设施属性。过去，基础设施通常指铁路、电网、公路、港口和通信网络。它们支撑整个社会运行，也决定一个国家的工业能力和组织能力。今天，超大规模智算集群、基础大模型、芯片供应链和数据体系，正在成为智能时代的新型基础设施。谁掌握这些基础设施，谁就可能在未来产业、军事、安全和治理中占据主动地位。
以"星际之门"这类超大规模人工智能基础设施计划为例，其意义不能只被理解为一次企业投资或技术项目。把它放在国家战略竞争的语境中观察，更容易看出人工智能正在从单纯的市场竞争进入基础设施竞争和国家能力竞争（OpenAI & SoftBank,2025)。将其与"曼哈顿计划"或"星球大战计划"做历史类比，重点并不是把人工智能简单等同于核武器或太空武器，而是强调大型科技项目往往同时牵动资本、国家战略、人才、基础设施和安全目标。智能时代的大模型、算力集群和芯片体系，也正在呈现出类似的多重叠加。
由此，人工智能竞争已经越出模型能力排行榜和应用场景层面的比较，背后连接着能源与芯片基础、人才和数据资源，以及金融和国家组织能力，构成一场综合竞赛。稳定的算力基础、关键硬件、顶尖人才以及开放有效的创新生态，共同影响一个国家在智能时代的位置。人工智能因此成为一种新的国家能力测试。
人工智能成为基础设施，还意味着它会深入社会运行的底层结构。基础模型和智能系统一旦成为教育、医疗、制造、金融、行政、军事和公共服务的通用支撑，它们就不再是外在工具，而成为社会基础结构的一部分。这样的技术一旦掌握在少数国家、少数企业或少数平台手中，全球权力格局也会随之发生变化。智能基础设施的所有权、控制权和使用权，将成为未来国家间和社会内部权力分配的重要问题。
（二）国家竞争与人工智能军备竞赛
人工智能进入国家战略之后，技术竞争会越来越明显地带有国家利益和安全考量的色彩。各国都担心自己在关键技术上落后，也担心对手率先把人工智能用于军事、情报、网络安全、舆论动员和社会治理。由此形成的竞争压力，会推动各方不断加大投入。问题在于，越是担心落后，越难形成共同约束。只要有任何一方怀疑对手会继续推进，各方就很难主动踩下刹车。这正是人工智能军备竞赛最危险的地方。传统军备竞赛已经具有强烈的囚徒困境特征，而人工智能的边界更模糊、扩散更快，军民用途也更难彻底分开。
此外，人工智能的风险具有全球性，而当下的治理结构却处在全球化退潮、地缘冲突加剧和国际规则松动的背景中。核武器出现之后，人类至少曾经尝试建立某种国际约束体系。人工智能这种同样可能改变人类生存状态的技术，却恰恰诞生在一个更加碎片化的时代。技术越需要全球协作，现实却越趋向于国家竞争，这构成智能时代最突出的治理悖论。这种悖论会削弱安全治理。面对人工智能失控、算法滥用、自动化武器、深度伪造、网络攻击和人工智能与生物技术结合等风险，单个国家很难独立完成治理。但大国竞争又使各方难以充分共享信息、建立信任和接受约束。每一方都可能认为，安全约束会限制自己，而对方可能暗中加速。结果就是：明知风险存在，却仍然不断推进。明知需要合作，却又无法真正合作（Bengio et al.,2026)。
这也解释了为什么人工智能安全争论不断回到"谁先踩刹车"的难题。单方面的减速如果无法确认其他参与者也会遵守，就很难在竞争中长期维持。因此，真正有意义的治理不能只停留在呼吁谨慎上，还要设法形成最低限度、能够相互核查的约束，至少让各方知道哪些边界不会被轻易突破。
人工智能的武器化还会改变国家动员方式。过去，国家竞争主要依赖人口、疆域、资源、工业产能和军事装备。智能时代，算法、数据和算力能够提高组织效率，也能够增强监控、识别、预测和控制能力。它既可以提高公共服务效率，也可以加强社会动员和行为管理。一个社会若把人工智能主要用于竞争、控制和对抗，它就会把技术能力转化为更强的组织压力。技术进步在这种情况下未必带来自由，反而可能让竞争型社会获得新的工具。因此，人工智能的全球风险既来自技术本身，也来自它所嵌入的竞争结构。技术被谁掌握、服务于什么目标、在什么制度环境中被使用，决定了它最终释放出怎样的力量。若人工智能主要服务于军备竞赛、国家对抗和平台垄断，它的风险会被不断放大。它只有被纳入相对稳定的国际约束和公共规则之中，才有可能更多地用于改善人类生活。
（三）自处型社会与竞争型社会
人工智能的方向，最终取决于它嵌入何种社会目标。它可以帮助人从繁重劳动中解放出来，使社会拥有更多闲暇、创造、学习和交往的空间。也可以强化竞争型社会的动员能力，使个体自由被压缩到更小范围。技术本身具有开放性，社会形态决定它最终强化哪一面。
从"自处型社会"和"竞争型社会"的分野出发，可以更清楚地看到智能技术可能通向的不同文明方向。所谓"自处型社会"，重视个体生活的余裕、自由、创造和自我安排。它既关注总体力量的增长，也关注普通人能否过上更有尊严、更有选择余地、更少压迫的生活。所谓"竞争型社会"，则把外部压力、集体动员和系统效率放在更高位置。它强调速度、力量、纪律和胜出，容易使个体空间成为整体竞争的代价。若以雅典和斯巴达作为历史隐喻，前者更接近一种鼓励个体展开自身和公共生活多样性的社会，后者则更接近一种以整体竞争和高度动员为中心的社会。智能时代的技术选择，最终也包含着相似的生活方式选择：人工智能究竟服务于人的自由和余裕，还是服务于更强的竞争、动员和控制？
在过去的技术条件下，竞争型社会常常会受到信息和管理能力的限制。一个高度动员的社会要持续运转，需要收集信息、分配资源、监督行为和纠正偏差。过去，这些过程成本很高，效率有限，运转也容易僵化。人工智能和大数据改变了这个条件。它们可以降低监控成本，提高资源调配效率，使集中动员变得更加精确和持续。也正因如此，人工智能可能为竞争型社会提供前所未有的技术支撑。人工智能并不天然导向控制，它同样可以服务于自处型社会。智能系统可以承担危险、重复、繁重和低价值的劳动，使人有更多时间照顾家庭、发展兴趣、参与公共生活和进行创造。它可以帮助个体获得更好的教育、医疗与信息服务，也可以降低小规模创新和自我组织的门槛。前文提到的一人公司，就体现了人工智能赋能个体的一种可能性。这种可能性能否成为主流，仍取决于制度与社会目标如何设定。
如果社会把人工智能主要看作竞争工具，它就会被用来加速生产、压缩劳动时间、提高监控精度、强化国家动员和平台控制。个体在这种系统中会变得更忙、更透明、更容易被评价和调度。相反，如果社会把人工智能看作减轻人类负担、提升普通人的能力和保障人的尊严的工具，它就可能成为通向更自由生活的条件之一。两种方向都可能存在，差别不在技术本身，而在于社会如何使用技术。
再往前一步，还需要追问技术的推动者本身。大型科技公司和技术精英掌握越来越强的模型、资本和基础设施等方面的能力之后，会不会逐渐形成一种相对自主的社会力量，并把自己关于效率、进步和"好社会"的理解写入技术方向？这仍然是一个有待观察的问题。但它提醒我们：技术并非只是在既有社会目标下被动执行，技术的推动者本身也可能参与塑造社会目标。
因此，国家竞争与全球风险的讨论，最终仍然要回到人的位置。人工智能究竟会把人从无意义的负担中解放出来，扩大普通人的选择，还是强化国家、资本和平台的控制，把社会推向更紧张的竞争，这些问题决定了智能革命的文明后果。国家竞争与全球风险最终仍取决于技术服务于什么样的社会目标。
八、人的位置：丰裕时代的意义、尊严与主体性
前文讨论了人工智能对劳动、分配、组织、算法权力和国家竞争的影响。这些问题最终都会汇聚到一个更深的层面：当智能系统越来越能够完成工作、创造财富、组织社会并参与决策，人将在社会中处于什么位置？收入、就业和福利不足以回答这个问题。人需要生存资料和稳定收入，也需要通过行动、创造、关系和责任来确认自己有用、被需要，并且能够对周围世界产生影响。智能革命的特殊之处在于，它可能同时解除物质压力，也削弱人借以获得意义的传统路径。过去，劳动虽然辛苦，却为人提供了时间结构、社会角色和成就反馈。一个人通过工作参与社会分工，通过努力改善生活，通过承担责任确认自己的价值。如果人工智能把这些环节大规模接管，人类可能获得更多物质供给和时间自由，却同时陷入更深的意义困境。丰裕本身并不会自动带来幸福。物质问题缓解之后，人如何安顿自己，反而会成为更突出的难题。
（一）闲暇与无所事事：凯恩斯提出的难题
关于未来社会的许多想象，都把"少工作"看作技术进步的自然结果。机器替代人类劳动，生产效率大幅提高，人从谋生压力中解放出来，获得更多闲暇。这种图景当然令人向往。问题在于，闲暇的意义并不来自空出来的时间本身。闲暇之所以让人感到快乐，是因为它通常以劳动、目标和责任为背景。工作之后的休息，承担责任之后的放松，完成任务之后的空闲，才会成为一种奖励。
如果劳动和责任整体消失，闲暇就可能变成无所事事。人不再是从工作中抽身休息，而是从社会需要中被抽离出来。凯恩斯（Keynes,1931）近百年前关于"经济问题解决之后"的担忧，在智能时代重新具有现实意义：当人工智能有可能极大缓解经济压力和生存压力，人类迎来的未必就是普遍幸福，也可能是普遍的精神困境。劳动之余的闲暇是一种快乐，劳动被整体剥离之后的空闲则可能变成难以承受的空虚。这一点提示我们，物质丰裕并不等于意义丰裕。现代人长期生活在匮乏和竞争之中，容易把问题理解为"只要不再为生存奔波，人就会幸福"。但人的心理结构并非如此简单。人既需要时间和自由，也需要目标、责任以及被社会承认的角色。若经济压力突然消失，而角色、关系、目标和成就感同时消失，人反而可能陷入空虚。
需要警惕的，是把劳动减少自动等同于意义增加。技术解决了生存问题之后，社会仍需回答：人怎样组织时间、参与共同生活，并从中获得被需要感和存在价值？若没有相应的社会安排，丰裕也可能暴露出更深的精神空洞。
（二）退休隐喻：后工作时代的提前预演
退休生活为理解智能时代提供了一个直观窗口。许多人在工作时期期待退休，以为脱离职业约束之后，就会获得时间自由和生活主动权。进入退休之后，一些人确实得到了休息和轻松，也有一些人遭遇了新的失落。时间变多了，角色变少了。压力减轻了，被需要感也下降了。日常不再由工作安排，生活反而需要重新寻找秩序。这个经验很适合用来观察人工智能可能带来的后工作状态。人工智能所承诺的普遍化闲暇，在某种意义上像一种提前到来的集体退休。人不再必须为生计奔波，许多任务由智能系统完成，时间和物质限制似乎都被打破。但退休隐喻提醒我们：脱离工作并不自动意味着自由和充实。工作提供的不只是收入，也包括日常节奏、社会联系、身份称谓和成就反馈。一旦这些支撑消失，个体就需要重新回答自己每天为什么生活、与谁发生关系、通过什么方式参与社会。
退休后的自我价值危机，正是这种结构变化的缩影。一个人在职业阶段可能承担明确角色：他可能是教师、医生、工程师、工人或店主。退休之后，这些身份逐渐退场，原有关系网络也会收缩。若新的兴趣、关系和责任没有建立起来，个体很容易感到自己被生活边缘化。智能时代若让更多人提前脱离职业系统，也会把类似问题扩散到更广泛人群。因此，后工作时代需要警惕一种简单想象：只要人工智能把工作接过去，人类就会自然过上更好的生活。实际上，更好的生活还取决于人拥有新的社会角色、新的参与方式和新的价值确认机制。人工智能若让人退出劳动，却没有提供其他进入社会的方式，人得到的可能只有空出来的时间，这些时间很难转化为更有意义的自由。退休隐喻的价值在于，它把宏大的技术问题拉回日常经验。一个人突然拥有大量空闲时间，并不必然知道如何使用这些时间。一个社会突然面对大规模不再被劳动吸纳的人口，也不必然知道如何安顿他们。智能时代的挑战在于如何在劳动之外重建人的社会位置。
（三）智能动物园：被照顾与失去主体性
如果说前面的讨论揭示了闲暇与无所事事的差别，退休隐喻揭示了角色退场后的价值危机，那么"智能动物园"则进一步揭示了被照顾与失去主体性之间的张力。这个隐喻可以这样理解：人类像被更高智慧照料的动物，生活舒适，温饱无虞，危险减少，需求得到满足，却失去了对自身生活的真正支配权。被照顾得很好，并不等于活得有尊严。这一隐喻之所以有力量，是因为它抓住了人工智能对人的一个深层冲击。人类的意义感和自尊，很大程度上来自努力改善周围世界的过程。一个人解决一个问题、完成一件作品、照顾一个亲人、帮助一个朋友、经营一个家庭、改变一点处境，都会在细小层面上确认自己的能力和价值。哪怕这种改变很有限，它也让人感到自己不是多余的。
智能系统一旦接管越来越多的创造和决策过程，人就可能从行动者退为旁观者。过去，人通过劳动、判断和选择参与世界。未来，系统可以替人安排、推荐、生成、决定和执行。人获得的服务越来越好，参与的必要性却越来越低。就像一个人坐在舒适的客厅里，环境安排妥当，物质条件优越，却被周围的一切在结构上无视。他不缺东西，却缺少存在感。他被照顾，却不再被需要。这种处境不同于传统贫困。贫困是缺少资源，这个比喻所提醒的则是另一种风险：物质得到保障，人却失去参与和改变世界的主体位置。人可以拥有物质供给、娱乐消费和安全便利，却越来越缺少改变世界、参与创造和证明自身能力的机会。它使人从社会生活的参与者，退化为系统供养下的纯粹消费者。
由此，尊严问题变得更加突出。人的尊严并不只来自被保护，也来自能够行动。一个完全被照顾的人，若没有选择、没有责任、没有创造、没有被需要的关系，他的尊严仍然是不完整的。智能时代若只追求让人活得舒适，而不关心人能否保有行动能力、创造能力和参与能力，就可能把人推向一种温和而深刻的尊严剥夺。
"智能动物园"还提示我们，技术越强大，人越需要被重新确认。过去，人类面对自然和社会的限制，通过劳动和创造获得主体地位。将来，若智能系统远远超出人的能力，人类可能会感到自己的努力变得微不足道。人画一幅画，人工智能可以瞬间生成更复杂的图像。人写一段文字，人工智能也能立刻生成更流畅的版本。做一个方案时，它还可以给出更周全的选择。久而久之，人会怀疑自己的努力还有什么意义。这种怀疑会削弱奋斗伦理。现代社会长期鼓励人通过努力改变命运，通过工作改善生活，通过创造获得承认。若个体越来越觉得自己的努力无法与智能系统相比，也无法实质性地改变自身位置，就可能主动退出竞争、降低欲望，切断与外部世界的意义联系。某些"躺平"现象可以从这个角度理解：它不只是懒惰，也可能是人在强大的智能系统面前感到无力之后的一种退缩。
因此，智能时代关于人的位置的讨论，不能停留在"是否有饭吃""是否有收入""是否有娱乐"层面。更重要的是，人还能否参与创造、承担责任、被他人需要，并通过自身行动改变周围世界的一小部分。技术可以替人完成很多事情，但不能替人拥有意义。若社会不能在智能系统之外重新安排人的行动空间，丰裕就可能变成空虚，便利就可能变成旁观，照顾就可能变成圈养。人工智能最终提出的是一个关于人的问题。人需要在社会中有位置，在关系中被需要，也要在行动中确认自己。智能革命如果不能保留并重建这些条件，即使它创造了前所未有的物质丰裕，也可能带来一种新的贫困：意义的贫困、尊严的贫困和主体性的贫困。
九、结语：智能技术需要什么样的社会承接
人工智能正在把人类带入一场深层的智能革命。它带来的变化已经超出工具系统和产业效率，进入劳动价值、财富创造方式、组织运行结构、权力作用形式，以及人确认自身意义的位置。工业革命曾经通过人工体能重塑社会，智能革命则通过人工智能重塑社会。前者使普通体力的价值下降，后者正在使普通智力的价值下降。由此引发的影响，不会停留在某些职业、企业和行业内部，而会持续进入分配、治理、认知、国家竞争和人的日常生活。这场变化之所以需要重新理解，是因为技术进步并不会自动转化为社会进步。机器可以提高产量，算法可以提高效率，智能系统可以降低成本，但这些结果如何进入普通人的生活，并没有自然保证。技术可以创造财富、替代劳动，也能优化管理和生成信息。但财富分享、人的社会位置、权力边界以及真实与判断的保护，都需要制度安排。智能革命越强大，社会承接能力就越重要。
社会能否形成相应的制度安排，把技术进步转化为多数人的生活改善，是接下来必须回答的问题。面对智能革命，至少需要回答几组现实问题：机器和算法创造的财富如何让普通人稳定分享；职业预期动摇之后，人如何继续参与社会；算法进入劳动和信息环境后，个体如何保有自主空间；人工智能卷入国家竞争和军事安全后，全球社会如何建立基本约束；物质逐渐丰裕之后，人的尊严和意义又如何安顿。没有这些安排，技术越先进，社会断裂也可能越深。
智能时代需要建立新的利益均衡机制。过去，劳动是普通人参与财富分配的主要通道。若人工智能和机器人越来越多地参与财富创造过程，传统的"以劳动换收入"就可能变得不再充分。社会需要重新确认技术红利如何成为社会成员可以稳定分享的权利，而不只是对失去生产位置者的事后补偿。全民基本收入可以成为讨论的一部分，但关键仍在于普通人分享财富的依据是什么，以及技术繁荣能否真正进入多数人的生活。
智能时代也需要限制算法权力的过度扩张。算法可以提高效率，却不能因此无限度地进入人的身体、时间和判断。劳动过程中的实时监控、平台派单、绩效评分和生理数据采集，需要受到边界清晰的约束。人的工作不应被压缩成一组毫无喘息余地的数据指标。信息空间中的算法推荐和生成式内容，也需要更透明的规则、更明确的责任和更健全的可纠错机制。公共生活不能建立在被持续投喂的情绪和高度拟真的虚假信息之上。保护普通人的劳动空间和认知空间，是社会承接智能技术的重要一环。
智能技术还应更多服务于人的能力扩展，而不是把"替代更多的人"本身当成目标。人工智能更有价值的方向，是去做人做不到或不愿意做的事情，帮助个体获得更好的教育、医疗、知识服务和创造工具，也帮助小组织和普通人完成过去难以完成的任务。相反，如果人工智能主要被用来压缩岗位、降低工资、强化监控和集中利润，它就会成为使普通人失去位置的力量。衡量智能技术的社会价值，除了模型能力、资本估值和企业效率，还要看它能否扩大多数人的选择空间、增强普通人的能力，并使人更有尊严地参与社会。
在全球层面，人工智能需要基本的安全约束。人工智能的风险具有全球性，单个国家很难独自完成治理。若各国都把人工智能视为不能落后的战略武器，安全边界就会不断后退。智能技术越是接近军事情报、网络攻击、生物技术或社会动员等领域，越需要跨国规则和底线共识。现实中的大国竞争使这种共识很难形成，但困难本身并不意味着可以放弃。技术风险越大，最低限度、能够相互核查的全球约束越必要。否则，智能革命可能在国家竞赛中不断朝危险方向发展。
教育、职业和社会参与也需要重新思考。若职业不再能像过去那样稳定安排人生，教育就不能只为既有岗位培养劳动力。它还需要帮助人形成判断力、创造力、合作能力以及自我安排生活的能力。若传统就业吸纳能力下降，社会就需要提供更多非传统的参与方式，使人能够在照护、社区、公共事务、文化创造、学习共同体和新的协作网络中获得位置。人不能只被技术系统供养，也不能只被娱乐和消费安置。一个好的智能社会，应当为人保留行动、责任、创造和被需要的空间。
归根到底，智能革命把人类带到一个分岔口。它可以强化竞争型社会，使国家、资本和平台获得更强的组织、监控和动员能力。它也可以服务于自处型社会，使人从不必要的劳作中解放出来，拥有更多创造、交往、学习和自我安排的空间。前者会把技术变成更高效的竞争机器，使普通人更加透明、紧张和被动。后者则可能让技术成为人的能力延伸，使丰裕转化为自由。智能技术不能替人类完成这个选择。决定未来走向的，是社会如何约束技术、分配财富、限制权力、安顿劳动，并为人保留有尊严的位置。若没有相应的社会和制度安排，智能革命可能带来新的失衡和无力感。若能够建立面向多数人的财富共享机制，划定算法边界，确立公共安全规则和社会参与形式，人工智能才可能真正改善人类生活。技术狂飙已经开始，社会制度能否跟上，将决定智能时代最终走向何处。
（参考文献从略，完整版刊载于《智能社会研究》2026年第5期；封面图片由AI生成；责任编辑：李天朗、张继军；排版：高亦菲；校对：王誉梓）
红歌会网 SZHGH.COM
粤公网安备44030002003979号
