人工智能時代馬克思主義勞動價值論的實踐拓展與理論回應

關鍵詞：人工智能；勞動價值論；智能資本；算法權力；數字勞動

中圖分類號：A81；F49文獻標識碼：A doi:10.3969/j.issn.1009-6922.2025.03.001

文章編號：1009-6922（2025）03-05-08

在第三次人工智能革命浪潮中，深度學習算法、神經形態計算、多模態大模型等技術正在深刻重構人類勞動的存在形態。智能生產系統通過自主決策、持續學習、多任務協同等，在制造業、服務業、創意產業等領域展現出超越傳統自動化技術的價值創造潛力。這種變革不僅改變了生產方式和效率，而且引發了理論界對馬克思主義勞動價值論當代適用性的廣泛爭議。當智能機器系統能夠替代人類完成復雜勞動時，是否意味著價值創造的主體從勞動者轉向智能資本，這一問題成為爭論的焦點。數據要素與算法模型的結合是否形成新的價值源泉，也成為學術界探討的核心議題。這些問題的本質在于人工智能技術是否超越了勞動價值論的理論范疇，智能系統是否能夠完全取代人類勞動的價值創造功能，以及如何重新定義勞動與資本的關系。這些問題不僅涉及經濟學理論的更新，而且關乎未來社會生產關系的重塑

一、馬克思主義勞動價值論的核心要義

馬克思主義勞動價值論是馬克思主義政治經濟學的核心理論之一，其通過勞動二重性區分了價值和使用價值，以活勞動說明了價值創造的源泉，并闡釋了社會必要勞動時間決定商品價值量，為分析經濟現象提供了科學理論。

（一）勞動二重性的辯證統一

馬克思在《資本論》中確立的勞動二重性原理，成為馬克思主義勞動價值論的基石。具體勞動創造使用價值和抽象勞動形成價值的理論設定，揭示了商品價值的社會關系本質[1]。這種二重性在智能時代同樣存在：智能系統的具體勞動體現為數據清洗、模型訓練、算法優化等物質活動，其抽象勞動則凝結在算法模型的通用智能中，勞動過程的數字化并未消解勞動二重性，而是通過虛擬化勞動與物質化勞動的交織使其得到了強化。智能技術的廣泛應用使得具體勞動的形式發生了深刻變化，數據標注、模型調試、算力配置等新型勞動成為創造使用價值的重要環節。這些勞動雖然以數字化的形式呈現，但其本質上仍然是具體勞動。抽象勞動則通過算法模型的通用性和可復制性體現，智能系統通過學習海量數據形成的知識體系能夠跨越具體勞動的限制在更廣泛的領域實現價值創造，其本質上仍然是人類體力和智力的耗費。這種抽象勞動的凝結不僅體現在算法模型的高效性和普適性上，而且表現為智能系統對人類勞動的替代和延伸。這表明智能系統并未超越勞動二重性的理論框架，而是通過新的技術形式豐富了理論內涵。勞動二重性作為價值創造的核心邏輯依然具有解釋力，理解具體勞動與抽象勞動的辯證統一關系可以更好地理解智能時代價值創造的機制和規律，為智能系統的當代發展提供理論支撐。

（二）活勞動的價值創造本質

只有活的、合乎目的的活動，才能賦予物以價值形式。馬克思強調，活勞動是創造價值的唯一源泉。智能系統雖能模擬人類的認知過程，但算法迭代、數據訓練仍需人類勞動持續介入，這種介入不僅包括直接的勞動，而且包括知識積累、技術創新和組織協調等間接勞動。智能系統的算法模型、數據訓練和優化過程都依賴于大量的人類智力勞動，這些勞動雖然以數字化的方式呈現，但其本質仍然是人類活勞動的體現?？梢钥吹?，雖然智能時代生產資料的形式發生了變化，從傳統的機器設備轉變為數據、算法和算力，但其作為物化勞動載體的性質并未改變，智能系統的高效運行仍然離不開持續的人類干預和維護，其價值創造能力并不能獨立于人類勞動，其本質上仍屬物化勞動的智能化載體。人工智能的價值創造能力取決于背后的人類勞動投入強度與復雜程度，智能技術的快速發展并未改變這一根本邏輯。智能技術的應用使得勞動過程更加復雜和多樣，但創造價值的源泉始終是人類活勞動，智能系統的高效性和自主性并未消除人類勞動的核心地位。因此，智能時代的價值創造機制仍然遵循馬克思主義勞動價值論的基本原理，只是勞動的形式和載體發生了變化。深入分析智能技術背后的勞動過程，可以更好地理解價值創造的當代邏輯。

（三）社會必要勞動時間的決定性作用

商品價值量由社會必要勞動時間決定的規律，在智能經濟中表現為算法效率競爭與數據資源壟斷的辯證運動。智能技術的應用將會壓縮個別勞動時間從而引發價值重估，但社會總勞動時間的節約限度仍受制于技術普及的程度，這使得價值規律在智能時代呈現出“加速迭代”與“動態均衡”并存的新特征。一方面，算法效率的競爭推動個別企業不斷通過技術創新縮短生產時間，從而在市場中獲取超額利潤，但這種效率的提升并不是無限的，其受制于數據資源的可獲得性和技術普及的程度。另一方面，數據資源的壟斷成為智能經濟中的重要現象，掌握高質量數據的企業能夠通過算法優化達到更高的生產效率，從而在價值創造中占據優勢地位。然而，算法效率競爭與數據資源壟斷并未消除社會必要勞動時間的決定作用，而是通過技術擴散和競爭機制重新定義了社會必要勞動時間的邊界，智能技術的普及使得社會總勞動時間處于動態調整的狀態。個別企業通過技術創新實現的效率提升會隨著技術的擴散逐漸轉化為社會必要勞動時間的降低，從而引發商品價值的重估。這一過程既體現了價值規律的穩定性，又反映了智能時代價值創造的動態性。這種“加速迭代”與“動態均衡”并存的特征為理解智能時代的價值創造機制提供了新的視角。

二、人工智能發展的理論挑戰

在人工智能時代，智能系統實現了對勞動過程的算法化重構，但活勞動創造價值的本質并未改變；數據要素作為新型生產要素挑戰了勞動價值論關于價值來源的設定，但仍遵循傳統勞動價值規律；智能資本的技術中立外衣更加明顯，但并未改變其剝削的本質。

（一）勞動過程的算法化重構

智能生產系統通過三方面實現勞動過程的重構。在勞動資料層面，傳統工具被具有自主決策能力的算法模型所取代。這些算法模型通過自主學習和優化，能夠完成復雜的決策任務，改變傳統勞動資料的性質。在勞動對象層面，物理材料轉化為可計算的數字孿生體，通過數字化建模實體對象被抽象為可計算的數據形式，勞動對象從物理空間延伸到了虛擬空間。在勞動者層面，直接操作讓位于對智能系統的監督訓練，勞動者從直接參與生產過程轉向對智能系統的設計、調試和優化。這種重構引發了價值創造主體的認識論爭議：當人類勞動退居為算法優化的監督者時，價值源泉是否已經改變？算法模型通過數據訓練和迭代優化能夠完成傳統的需要人類直接參與的任務，但這依賴于大量的人類勞動投入，包括數據標注、模型設計、參數調試等，因而智能系統完成任務的活動本質上仍然是人類活勞動的體現。勞動資料、勞動對象和勞動者的重構并未消除人類勞動的核心地位。算法模型雖然改變了勞動資料的性質，但其開發和優化仍需人類勞動的持續介入；數字孿生體雖然將勞動對象虛擬化，但其創建和維護仍然依賴于人類的知識和技術；勞動者雖然減少了直接操作，但增加了對智能系統的監督和訓練。因此，智能生產系統并未導致價值源泉根本轉移，而是通過技術變革重新定義了勞動過程和價值創造機制，為理解智能時代的價值創造提供了新的視角[2]。

（二）數據要素的價值屬性悼論

數據作為新型生產要素，其價值形成面臨雙重困境。原始數據作為自然存在物不包含人類勞動，但經過標注、清洗、建模后卻能產生巨大經濟價值，這種從“無價值原料”到“高價值產品”的轉化過程，挑戰了勞動價值論關于價值來源的單一性設定。數據要素的價值形成是否遵循傳統勞動價值規律，成為亟待解決的理論難題。原始數據往往依賴于自然過程或人類活動的副產品，其本身并未包含直接的人類勞動投入，因而在傳統勞動價值論的框架下難以被視為價值載體。然而，當這些數據經過標注、清洗、建模等一系列人類勞動加工后，卻能夠轉化為具有高經濟價值的數據產品，這一過程引發了關于價值來源的深刻爭議。數據標注、清洗和建模等勞動雖然以數字化的方式呈現，但其本質仍然是人類體力和智力的耗費，這些勞動通過賦予原始數據以結構和意義，使其成為可被算法模型利用的高價值資源。數據要素的價值形成既包含了人類勞動的投入，也體現了數據作為新型生產資料的獨特性，其不僅源于直接的勞動加工，而且依賴于數據的稀缺性、質量和應用場景，這種復雜性決定了難以完全將數據要素的價值形成納入傳統勞動價值論的單一性設定框架中。同時，數據要素的價值形成機制還受到算法模型和算力資源的深刻影響[3]。算法模型通過學習和優化能夠從數據中提取出高價值的知識和信息，而算力資源則為數據處理和模型訓練提供了物質基礎，這些因素的相互作用進一步增加了數據價值形成的復雜性。數據要素的價值形成是否遵循傳統勞動價值規律，不僅是一個理論問題，而且是一個實踐問題，這就需要通過深人分析數據加工的勞動過程、算法模型的價值轉移機制以及數據應用的經濟效應加以解決。

（三）智能資本的剝削新形態

智能時代，資本正通過算法權力重構剝削關系。在勞動控制維度，智能監控系統通過實時數據采集和行為分析，精確量化勞動者的工作效率并實施動態調控[4]，實現了剝削的精準化與隱蔽化。這種控制方式不僅提高了剝削效率，而且通過技術中立的外衣掩蓋了剝削的本質。在價值分配維度，平臺算法制造“數字佃農”，勞動者通過平臺接單并完成工作任務，但其大部分勞動成果被平臺以算法分成的形式占有，勞動者只能獲得微薄的報酬，形成了一種類似于傳統佃農與地主的依附經濟關系。在產權層面，數據資產的排他性占有形成技術租金，平臺企業通過壟斷數據資源和技術優勢能夠在不直接參與勞動的情況下獲取超額利潤，這種利潤來源于對數據資產的排他性控制和對算法技術的壟斷性使用。智能監控系統通過精準化和隱蔽化的控制方式使剝削關系更加難以察覺，勞動者在算法調控下被迫提高勞動強度，但其勞動成果卻被平臺以技術租金的形式占有，制造出“數字佃農”，數據資產的排他性占有則進一步加劇了剝削的深度和廣度。智能資本的剝削形態雖然更加隱蔽，但并未改變其剝削的本質。

三、勞動價值論的智能時代回應

智能時代的生產并未脫離馬克思主義勞動價值論的解釋范疇，智能系統并未代替人類勞動，其價值創造機制仍然遵循勞動價值論的核心邏輯；數據要素的價值運動始終遵循勞動價值論的價值轉移法則，未出現非勞動價值源泉；智能時代的剝削關系雖然以新的形式呈現，但并未改變其剝削剩余價值的本質。

（一）價值創造主體的再確認

智能系統實質是人類復雜勞動的“時間一空間”延伸[5]。算法模型的智能水平取決于訓練數據量（勞動時間積累）與架構設計（勞動復雜程度)，訓練數據的積累與架構設計的優化包含了大量人類勞動。從數據采集、標注到清洗和整理，人類勞動以數字化的形式凝結在數據中，成為算法模型的基礎，而算法架構是包括模型選擇、參數優化和算法調試等的高級智力勞動，體現了人類勞動的復雜程度。這些勞動通過技術手段轉化為智能系統的核心能力，智能系統最核心的自主決策能力就源于人類預設的獎勵函數(勞動目的對象化)，獎勵函數反映了人類對任務目標的定義和價值判斷，智能系統通過學習和優化獎勵函數來實現自主決策。同時，系統迭代更新也需要持續的人類反饋（活勞動介入），智能系統的優化和改進離不開人類的持續參與，模型調優、錯誤修正都體現了活勞動在智能系統中的核心作用。因此，人工智能并非創造價值的源泉，而是人類智能勞動的物化形態，智能系統的價值創造能力并非源于其自主性，而是依賴于背后人類勞動的深度參與和復雜積累，訓練數據的時間積累、算法架構的復雜設計、獎勵函數的目的對象化和系統迭代的活勞動介入，共同構成了智能系統價值創造的基礎。這種“時間一空間”的延伸揭示了智能技術與人類勞動的深刻關系，智能系統并未代替人類勞動，而是通過技術手段將其擴展到更廣闊的領域，智能時代的價值創造機制仍然遵循勞動價值論的核心邏輯。

（二）數據要素的價值轉移機制

數據要素的價值運動遵循“雙重轉移”規律。原始數據作為自然資源不具有價值，但通過采集、清洗和標注，其凝結了人類勞動從而形成初始價值。這一階段的價值形成依賴于人類在數據采集、清洗和標注中的勞動投入，這些勞動以數字化的形式凝結在數據中，使其從無價值的自然存在物轉化為具有經濟價值的生產要素。在算法訓練中，數據價值通過模型參數更新轉移至智能系統，即算法模型通過學習和優化將數據中凝結的人類勞動價值轉移到模型參數中，這一過程實現了價值從數據到智能系統的轉移。最終在應用階段，智能系統通過執行具體任務將其內部凝結的勞動價值轉移到最終產品或服務中，完成價值實現的閉環。整個過程始終遵循勞動價值論的價值轉移法則，未出現非勞動價值源泉，數據要素的價值運動雖然以數字化的形式呈現，但其本質仍然是人類勞動的凝結和轉移。原始數據的采集和標注體現了人類勞動的直接投入，算法訓練和最終應用則通過技術手段將勞動價值轉移到智能系統和終端商品中，這種“雙重轉移”規律揭示了數據要素價值運動的本質，即其價值始終來源于人類勞動而非數據本身，智能技術的應用雖然改變了價值轉移的形式和路徑，但并未改變勞動價值論的核心邏輯，數據要素的價值形成、轉移和實現過程始終依賴于人類勞動的投入和凝結。智能系統作為價值轉移的媒介，其功能在于將人類勞動的價值以更高效的方式轉移到最終商品中，這種價值運動規律不僅適用于數據要素，而且為理解智能時代其他新型生產要素的價值創造機制提供了理論框架。分析數據要素的“雙重轉移”規律可以更清晰地認識到勞動價值論在智能時代的適用性和解釋力，這為馬克思主義政治經濟學的當代發展提供了新的視角。

（三）算法資本的剝削本質

智能時代的剝削關系以新的形式呈現，但并未改變其剝削剩余價值的本質。平臺算法通過精確計算和動態調整壓縮必要勞動時間，使得勞動者在單位時間內能夠完成更多任務，從而縮短了必要勞動時間，并延長了剩余勞動時間，實現了相對剩余價值生產的智能轉型。這種形式本質上仍然是資本通過提高勞動生產率來占有更多的剩余價值。數字資本還利用數據的壟斷性占有無償攫取普通用戶的數字勞動。平臺企業通過數據資源壟斷和技術優勢，將用戶在日?；顒又挟a生的數字勞動成果轉化為自身的經濟利益，這仍然是對勞動者剩余勞動的無償占有。同時，具備行為預測功能的監控系統能夠將剝削從物理維度滲透到認知維度，即通過實時數據采集和行為分析，算法能夠精確預測勞動者的行為模式并實施動態調控，實現了剝削關系從物理層面到認知層面的延伸。平臺算法的路徑優化、數據產權的壟斷性占有、智能監控系統的行為預測的核心邏輯仍然是資本對勞動成果的無償占有。智能時代的剝削關系雖然以新的形式呈現，但其未超越勞動價值論的解釋范疇。深入分析這些新形態背后的勞動過程和價值轉移機制，可以更清晰地認識到剝削關系的延續性和變化性，為理解智能時代的剝削機制提供理論支撐，同時為勞動價值論的當代發展探索新的路徑。

四、勞動價值論的范式轉換

人工智能的快速發展使得勞動從傳統的物質生產領域延伸到虛擬的數字空間，數字生態正成為價值創造和分配的新場域，新型腦力勞動正成為價值創造的主要源泉。

（一）從體力勞動中心到腦力勞動主導

簡單重復勞動被機器替代，復雜腦力勞動成為價值的主要源泉，這種轉變要求勞動價值論擴展“勞動”范疇，將數據標注、算法設計、系統訓練等新型腦力勞動納入價值創造的理論框架[6。智能技術的廣泛應用使得傳統以體力勞動為主的價值創造模式逐漸被以腦力勞動為核心的新模式所取代。數據標注作為智能系統訓練的基礎環節，包含了大量人類的知識和判斷，其勞動成果直接決定了算法模型的性能和價值；算法設計則體現了人類對復雜問題的抽象和解決能力，通過設計高效的算法架構和優化參數，勞動者能夠顯著提升智能系統的性能，從而創造更高的經濟價值；系統訓練作為智能技術的核心環節，依賴于人類對數據的深度理解和模型的持續優化。這些勞動雖然以非物質化的形式呈現，但其本質仍然是人類體力和智力的耗費。智能技術的應用使得勞動從傳統的物質生產領域延伸到虛擬的數字空間，數據、算法和算力成為新型生產資料，勞動者通過利用這些生產資料創造價值。勞動過程的非物質化雖然改變了勞動的形式和載體，但勞動創造價值的本質并未改變，數據標注、算法設計和系統訓練等新型腦力勞動仍然是人類活勞動的體現。將新型腦力勞動納入勞動價值論的分析框架可以更好地理解智能時代的價值創造機制，為勞動價值論的當代發展提供支撐，同時為理解智能時代的經濟活動提供新的視角。

（二）從物質生產到數字生態建構

算法模型的網絡效應引起使用價值聚合，數據流動的乘數效應產生價值倍增，用戶參與的規模效應實現價值裂變，這些新現象要求建立包含正反饋機制、網絡外部性、邊際成本趨零等新規律的價值分析框架。算法模型通過連接更多用戶和應用場景，使得其使用價值隨著網絡規模的擴大而呈指數級增長[7]。通過跨平臺、跨領域的數據共享和整合，數據的價值在流動過程中不斷放大，單一數據在不同場景中的應用能夠產生遠超其原始價值的經濟效益，這種價值倍增效應使得數據成為數字生態中的核心生產要素。在用戶參與的規模效應下，用戶數量的增加能夠顯著提升平臺的整體價值。同時，用戶不僅作為消費者參與價值實現，還通過數據生成和內容創造成為價值生產的重要主體，這種價值裂變效應使得用戶參與成為數字生態中價值創造的關鍵驅動力。這些新現象要求勞動價值論在傳統分析框架的基礎上，引入正反饋機制、網絡外部性和邊際成本趨零等新規律，以更好地解釋數字生態中的價值創造和分配機制。正反饋機制揭示了數字生態中價值增長的自我強化特性，網絡外部性則解釋了平臺經濟中用戶規模對價值創造的影響，邊際成本趨零現象則反映了數字產品復制和分發的低成本特性。這些新規律的引入不僅擴展了勞動價值論的解釋范疇，而且為其在數字時代的應用提供了新的理論工具，通過建立包含這些新規律的價值分析框架，可以更全面地理解數字生態中的價值運動規律，為勞動價值論的當代發展探索新的路徑。

五、結語

人工智能的快速發展要求馬克思主義勞動價值論將新的現實情況納入其解釋范疇。在價值創造層面，需確立“人類智能勞動一機器智能執行”的辯證主體觀。智能系統的高效性和自主性依賴于大量的人類勞動投入，包括數據標注、算法設計、模型訓練等復雜腦力勞動，這些勞動雖然以數字化的形式呈現，但其本質仍然是人類體力和智力的耗費，智能系統通過學習和優化將人類勞動的價值轉移到最終產品或服務中，完成價值創造的閉環。在價值決定層面，應構建包含數據要素、算法模型、數字生態的新型分析框架。數據作為新型生產要素，其價值運動遵循“雙重轉移”規律，從原始數據的采集和標注到算法訓練和應用，整個過程始終依賴于人類勞動的凝結和轉移。而數字生態中的網絡效應、乘數效應和規模效應則進一步放大了數據的價值創造能力，這些新現象要求勞動價值論在傳統分析框架的基礎上，引入正反饋機制、網絡外部性和邊際成本趨零等新規律，以更好地解釋數字生態中的價值運動規律。在價值分配層面，要揭示技術外衣掩蓋下的算法資本的剝削本質。平臺算法通過優化配送路徑壓縮必要勞動時間，數據產權的壟斷性占有構成對用戶數字勞動的無償攫取，智能監控系統的行為預測功能實現剝削從物理維度向認知維度的滲透，這些剝削新形態對理論創新提出了新要求。當代馬克思主義者應在馬克思主義勞動價值論的理論框架內，發展解釋智能經濟的理論工具，通過擴展“勞動”范疇、引入新型分析框架、揭示剝削新形態，為構建數字時代的政治經濟學體系提供支撐。這種理論創新不僅有助于理解智能時代的價值創造、決定和分配機制，而且為馬克思主義政治經濟學的當代發展探索了新的路徑。

參考文獻：

[1］徐艷如.當代西方左翼學者視域中的數字商品、數字勞動和數字資本：基于馬克思主義政治經濟學的辨析［J].馬克思主義研究，2025(2)：92-102.

[2］張百合.數字資本邏輯的政治經濟學批判：以資本“一般性”與數字“特異性”聯姻為視角［J］.南方金融，2024(10):16-32.