闫培宇 | 论人工智能生产力的历史生成——历史唯物主义视域下的考察
闫培宇，中国社会科学院大学主讲教授、中国社会科学院哲学研究所副研究员，苏州大学东吴哲学研究所兼职研究员。北京大学博雅博士后，剑桥大学—北京大学联合培养博士。研究领域为马克思主义哲学、政治经济学与国外马克思主义。以第一作者在《哲学研究》《哲学动态》《自然辩证法通讯》《国外理论动态》《山东社会科学》《当代经济研究》等刊物公开发表论文30篇，出版专著3部，主持国家社会科学基金项目2项、国家博士后面上资助项目1项、中国社会科学院项目1项。参与国家社会科学基金重大项目、教育部人文社会科学重大项目与江苏省社会科学基金课题等6项。曾获北京大学优秀博士论文、江苏省哲学社会科学优秀成果奖一等奖（合著）等奖项。
算力虽然是人工智能发展的基础，但人工智能生产力不能与算力简单地划等号。人工智能生产力的形成是一个复杂的历史过程，有深远的社会影响，因而仅从技术进步角度考察人工智能生产力的形成是不够的，而应回到马克思历史唯物主义论域考察人工智能生产力形成的社会历史沿革。从生产力形态看，从信息力、网力到算力的演进是推动人工智能生产力形成的核心线索；从生产力实现的社会生产形态看，信息力、网力与算力并非单纯技术变革的结果，而是自动化生产、数字化生产到智能化生产优化升级的产物。因此，人工智能尽管在一定程度上替代了人类的体力和智力劳动，并实现了对人类生活的全面渗透，但在底层算法的生产方面，以及在人类社会与自然的物质变换方面仍无法取代人类。就此而言，人工智能的威胁并不在于技术本身，而在于如资本一般的非技术社会性要素。这就要求我们从马克思的历史唯物主义出发，破除关于人工智能的错误论调，构建一种人工智能生产力造福于人类的新发展模式。
人工智能；社会生产；劳动生产力；再生产；马克思
党的二十届四中全会强调：“加快高水平科技自立自强，引领发展新质生产力。”人工智能是当前第四次科技革命的核心领域，其所带来的科技浪潮举世瞩目。然而，正如马克思在《政治经济学批判》中的启示：“我们判断这样一个变革时代也不能以它的意识为根据；相反，这个意识必须从物质生活的矛盾中，从社会生产力和生产关系之间的现存冲突中去解释。”抛开笼罩在人工智能之上的文学想象与庞杂的遐想，人工智能所形成的新型社会生产力，无疑是其带来的最深刻的一场社会变革。那么，人工智能如何形成这种新型生产力？既有研究更多地将之归因于人工智能技术本身，将人工智能生产力简单归结为算力。事实上，人工智能生产力的形成并不能与人工智能科技的发展划等号。这是因为，细究人工智能所形成的生产力，会发现其包含着多种生产力形态与复杂的工业基础。正因如此，要解答人工智能生产力何以形成的问题，就需要回归历史唯物主义视野。
在历史唯物主义的视野中，马克思反对将生产力理解为抽象力，而是强调将生产力理解为“社会力”。他指出：“一定的生产方式或一定的工业阶段始终是与一定的共同活动的方式或一定的社会阶段联系着的，而这种共同活动方式本身就是‘生产力’。”因此，我们不能孤立地考察人工智能生产力，因为生产力和生产关系是一个整体，二者之间存在不可分割的辩证关系。这要求我们应将人工智能生产力的形成置于生产力发展的社会历史脉络之中。就目前研究来看，有两种关于人工智能生产力的观点较为科学：一种观点按照四次工业革命划分，认为生产力发展经历了从热力、电力、网力（net power）到算力的变革；另一种观点则更多地依据生产力的核心形态，认为生产力演化经历了蒸汽力、电力、信息力（information power）到算力的演进。综合二者来看，人工智能生产力的形成不仅是从信息力、网力到算力演化发展的结果，而且是从自动化生产、数字化生产到智能化生产优化升级的产物。诚然，算力是人工智能生产力的核心，智能化生产是人工智能生产力的主要载体，但信息力和网力同样是人工智能生产力不可或缺的有机构成，而且人工智能生产力的形成亦离不开自动化生产和数字化生产的基础支撑。
一、信息力与自动化生产
20世纪70年代涌现的信息力和自动化生产，是人工智能生产力形成的起点。一方面，信息技术特别是计算机科学是人工智能的基础；另一方面，信息技术应用于工业生产所形成的信息力，是人类智力劳动在生产中取得支配地位的先决条件。正是信息力所依托的信息系统的建立，才产生了连接人类智力劳动和物理生产体系的中介，并承担起自动化生产中的指令传输的载体功能。因此，无论是如今工厂管理的操作系统，还是生产车间中机器人协作架构的设计，信息力与自动化生产都是智能化生产的基础部分，也是人工智能生产力形成的必要基础。
从科学技术发展的维度看，自20世纪40年代以来，主流科学界早已形成较为普遍的共识，即人工智能脱胎于计算机科学发展的基础领域。第二次世界大战后，计算机技术逐渐走出实验室并进入民用领域，信息技术获得了前所未有的发展。在这个过程中，计算机科学对人类社会产生了革命性的影响，麦克卢汉就曾指出：“电子时代在某种特殊意义上就是对机械时代的实现，正如机械时代是对手稿时代的实现。电子电路是中枢神经系统的延伸……人类的下一个延伸将是意识过程本身的模拟。”也就是说，计算机科学的应用实际上直接对接人类的大脑意识活动。事实上，尽管人工智能算力是智能化生产的核心，但是广义的算力也包括计算机所实现的运算能力，只是其与人类智能仍相距甚远。当计算机被应用于生产时，必须与人类智力劳动相对接。就此而言，智力劳动是信息力形成和发展的核心要素。诚然，与体力劳动不同，智力劳动所实现的生产力提升并不呈现为“直接制造出物质产品”的能力，而更多表现为对生产过程的知识化、组织化与信息化的重构，如方案设计、资源配置、管理协调与指令传递等，从而将分散的机器纳入可计算、可监督、可复制的自动运行体系之中。如此，由智力劳动所实现的信息力更应该被理解为一种间接的、中介性的能力增益，它使生产过程趋向更为系统化、高效化与便捷化的状态。
在生产结构上，当计算机开始被应用于工厂车间之后，所有机器均被计算机中枢的信息系统统一串联，原本分散的机器被联结成为一个体系，这就是自动化生产。自动化生产将生产完全交给机器，人们只需向计算机下达指令，这避免了在生产中因人事管理造成的低效问题。
自动化生产兴起于20世纪70年代，其典范是后福特主义生产。相较而言，福特主义通过引入流水线，将生产过程中的各个环节系统化与机械化，从而提升生产效率。在这一生产模式下，工人围绕固定的流水线从事重复性工作，各生产环节分工明确且相对独立，形成了高度集中的工作结构与组织形式。这也催生了具有严密等级划分和职责界定的科层制。然而，福特主义的局限在于，其对生产效率的提升依赖物理劳动和生产线的线性扩展，缺乏灵活性和适应变化的能力。后福特主义则在此基础上发展，通过引入信息系统实现对生产过程精细化的控制与优化，逐渐形成一种去中心化的生产结构。具体而言，自动化生产不仅通过信息技术和机械系统的协同实现对生产过程的全程监控和调度，也使人类劳动的角色发生根本转变——人不再直接参与产品的生产环节，而是作为指令的发出者，通过信息系统对生产进行操作与调控。为适应这种基于信息系统的控制模式，生产设备的技术水平不断提升，机器人技术逐步进入生产领域并承担复杂任务，从而进一步解放人力，提高生产的灵活性和效率。
在人类劳动方式上，自动化生产所带来的最显著的变化，是从以体力劳动为主转向以智力劳动为主。马克思在《资本论》中指出：“我们把劳动力或劳动能力，理解为一个人的身体即活的人体中存在的、每当他生产某种使用价值时就运用的体力和智力的总和。”机器的使用造成体力劳动与智力劳动的分离，但脑力劳动尚不足以支配体力劳动，那么在自动化生产中，体力劳动就会大幅减少，逐渐成为相对于脑力劳动的次要因素。在这一过程中，人类不再直接参与具体的生产环节，而是通过信息系统下达指令，由机械化和自动化系统执行实际的生产任务。因此，生产的直接操作由高效的机械化系统完成，人类劳动的主要贡献则体现在信息处理、指令传递与决策分析等方面，并由此成为自动化生产的核心。
与此同时，随着信息系统的不断优化与升级，智力劳动不仅适应了自动化生产的需求，也促进了计算机技术的进一步发展。而计算机技术的发展，由于其本身始终朝着适应智力劳动的方向演进，因而也就不断趋近人类智力，这恰恰与图灵在《计算机器与智能》（Computing Machinery and Intelligence）中所提出的模拟人类智能的构想相吻合，这一构想是人工智能技术发展的重要理论基础。在此意义上，自动化生产在工业层面为人工智能融入生产奠定了科学技术基础。此外，这种由信息力驱动的自动化生产模式不仅深刻地改变了个体的工作与生活方式，也模糊了工作与休闲时间的界限。随着数字化工作环境的普及，个体始终处于联网状态，传统意义上的“工作时间”与“个人时间”的边界逐渐消融。边界的消失深刻影响了劳动组织形式，使传统的劳动形式逐渐走向数字化、智能化的生产方式，这为数字化和智能生产模式的构建奠定了基础。
二、网力与数字化生产
以20世纪末互联网的普及为标志，网力与数字化生产开始在社会生产中兴起。如果说信息力对生产过程的变革在于实现了智力劳动对体力劳动的支配，人们只需下达指令，工厂生产就可自动开展，那么网力对社会生产的变革则是在生产结构层面通过网络将工厂内分散的机器连接起来，在生产意义上实现将自动化生产升级为数字化生产。不仅如此，数字化生产还构建起将生产和再生产环节紧密串联的信息“高速公路”，进一步突破了人与人交流互动的时间空间限制，形成“万物互联”格局。在此意义上，数字化生产也可视为将工厂、管理、生活等方方面面纳入统一生产体系的过程。这种依托网力实现的数字化生产是对社会生产力的数字赋能。
网力的凸显始于20世纪90年代。以万维网为代表的数字技术的商业化推动了社会生产力的显著发展，网力也在这一时期初步形成。网力形成之初并非直接作用于生产领域，而是通过便捷商务交往、提高再生产效率的方式间接地优化生产。从社会生产与再生产的辩证关系看，数字技术逐渐从再生产领域渗透至生产领域，不仅通过商务交往的方式串联不同工厂，实现整个产业链统筹生产，也为自动化生产中的信息系统提供了升级方案。特别是进入21世纪后，云技术的突破极大提升了信息传输效率，推动自动化生产体系全面升级，网力由此在生产领域形成。这种网力形成于再生产和生产领域的过程，也就是当下广泛讨论的“数字赋能”。从国际电联（International Telecommunication Union, ITU）的定义来看，“数字赋能”既指以数字技术推动既有系统升级，也涵盖由数字技术主导的新系统构建。就网力的形成而言，数字赋能就是通过数字技术对数据的传输、存储与共享能力的不断优化，从而建立起自动化生产的升级形态，即数字化生产。
在生产过程方面，数字化生产发生于由数字技术构建的可计算、可复制、可链接的虚拟空间中。在虚拟空间中，智力劳动发生了显著的非物质化转向：它不再主要面对物质材料的直接加工，而是直接作用于信息传播、知识生成、人际关系管理以及情感交换等。这些原本以语言、观念、关系或体验形式存在的活动，被不断编码为可被平台识别与处理的符号，并进一步数据化为可存储、可检索、可运算的离散数据结构，在网络中实现高速传输与广域流通。可以看到，虚拟空间不仅是智力劳动的“场所”，更通过“编码—数据化—传输—反馈的”技术机制将智力劳动转化为非物质劳动的形式。奈格里、哈特等敏锐地洞察到这一历史性转变，在他们看来，非物质劳动意味着智力劳动从仅体现为指令的形态发展到生产信息、文化与情感内容的劳动。也就是说，非物质劳动是以符号、信息、关系与情感等内容为主要对象的劳动形态，以非实体的符码与数据为产品，在虚拟空间中呈现高度可捕捉、可记录与可转化的特征。例如，网络运行的同时也伴随着持续性的数据采集与行为记录，将用户的浏览、点击、停留、互动乃至消费轨迹等生活实践，转译为可量化、可计算的数据流。这些数据流在网络互联互通的结构中被集中、清洗与建模，进而为广告商与平台方提供对消费者偏好、习惯与心理倾向进行预测性分析的基础数据，使其可以以个体为尺度“精准投放”与定向影响，从而在社会再生产层面以更低的搜寻成本、更短的匹配时间和更高的供需对接效率重组消费与生活的组织方式。
正因为数字化生产过程的核心部分在虚拟空间展开，数字化生产在其生产结构方面才呈现出与社会生产和消费及时对接的突出特性。这是因为，互联网使供需信息以数据的形式流动，生产部门可更加及时地捕捉消费需求，消费部门也可更快捷地找到供给。在社会生产部门，供给安排所依据的是来自互联网提供的数据，这推动了计算机系统与网络基础设施的规模化部署，使数据采集、存储与运算不断向更低成本、更高效率的方向发展。在社会消费部门，互联网普及后需求以更精准的数据形式呈现，同时表现出更强的即时性与跨地域性。数字技术使广告信息的传播速度更快、范围更大，推动了市场活跃度的提高和消费需要的扩大，加速资金流动、供需匹配与价值实现，而这种社会生产与消费趋向于及时对接的发展态势，必然要求数字技术提供高效的数据传输，数据传输越快，社会生产与消费的及时性就越强，这在客观上推动数字技术不断加速发展。数字技术越是加速发展，就越能实现社会生产与消费的及时对接，后者反过来又要求数字技术进一步发展，如此便形成了数字化生产的效率与速度相得益彰的循环式演化，这正是从数字化生产向智能化生产迈进的重要驱动力。
从工业化的历史进程看，数字化生产对人工智能生产力的形成具有承前启后的意义，为后续以算力为核心的智能生产奠定了技术基础。人工智能发展曾在早期经历了两次停滞，而正是数字技术的加速发展，为人工智能的突破性发展提供了不可或缺的算力基础，甚至促成了第四次工业革命（Fourth Industrial Revolution，4IR）的兴起。第四次工业革命标志着工业发展进入以智能化生产为核心的“工业4.0”阶段。值得注意的是，工业革命的接续演进固然表征了科学技术进步推动社会生产方式深刻变革的历史进程，但这种变革并非对既有工业体系的“推倒重来”，而更多地表现为在既定社会生产结构之上发生的继承性重组与递进式跃迁。也就是说，新的工业革命往往以旧有工业体系所积累的技术能力、基础设施与制度安排为直接历史前提，进而生成新的生产范式与产业形态。具体而言，从“工业3.0”到“工业4.0”的巨大进步并非脱离既有工业体系凭空突变，而是经过全面互联互通的数字化生产体系阶段的过渡才逐步形成的。在这一过程中，生产过程被持续转译为可采集、可存储、可计算的数据链条，设备与流程被纳入可反馈、可调度的统一工业框架。正是在此前提下，人工智能技术才得以逐步进入工业现场，通过算法预测、优化与自适应控制等方式嵌入生产组织与过程治理，从而使智能生产得以从自动化的延长线中生成，并在既有工业基础上实现新的跃升。
三、算力与智能化生产
21世纪第一个十年之后，人工智能技术开始深入融入工业生产流程，这标志着社会生产进入智能化阶段。值得注意的是，尽管人工智能技术的底层逻辑是算力，但是算力本身并不能与人工智能生产力划等号。一方面，人工智能生产力的形成在驱动条件上离不开信息力和网力的基本支撑，在基础设施上离不开自动化生产与数字化生产的客观条件。另一方面，算力本身的实现不仅需要相应的生产资料（包括能源和材料），而且人工智能因应用场景的不同而呈现不同的具体技术形态。上述基础条件与技术形态反映了智能化生产的发展状况，并直接影响人工智能生产力的具体形成及其效应的释放。
从算力发展的历史看，算力的维度早在计算机诞生伊始便已存在，但其真正进入生产领域则是以信息力和网力的充分发展为历史前提的。随着人工智能融入生产，算力才开始成为相对于信息力和网力更具主导性的生产力形式。在生产过程方面，人工智能融入生产首先表现为对直接生产过程的接管。这种接管具有双重性：一方面统筹了生产的各个环节，另一方面基本替代了人类的智力劳动与体力劳动。从信息力、网力到算力的演进是一个推动生产不断升级的过程。信息技术实现了对生产流程的控制，数字技术突破了生产的时空限制，二者共同实现了对人类体力劳动的替代；而人工智能则在统合信息技术和数字技术的基础上，推动生产从自动向自主发展，甚至替代了人类智力劳动。人工智能融入生产的底层逻辑是算力，人工智能应用依赖算力的高度发达与集中，而随着其不断深入发展又会反过来推动更大规模算力的实现。
值得注意的是，人工智能从融入生产到接管生产的过程，也是其应用从局部走向全面、由辅助走向主导的演进过程。在人工智能局部应用于生产时，高度发达的信息技术和数字技术仍然是生产的主导，但是由于数字化生产对信息处理在速度、复杂性与质量等方面提出了更高的要求，数字技术不断加速迭代，新材料、新能源、新设备等也必须同步匹配。这种复杂的技术需求不仅要求有更高的算力，更需要“聪明的”系统来调配算力。正是在这一背景下，人工智能技术被部分引入生产过程，由此形成了“智能生产”（Smart production），如在信息系统中嵌入人工智能引擎等应用程式。在这一模式下，自动化水平越高，信息系统越发达，生产过程便越呈现出可被实时感知、计算与优化的“聪明”状态。但是，这种状态并非意味着机器已具备自主智能。工业生产对信息处理提出了更高的要求，这为人工智能的融入创造了接口与场景。
在此亦可明确，人工智能离不开算力，但不能与算力等同。人工智能不仅是巨大的算力机器，而且具有调配和控制算力的功能，这正是人工智能所体现的算力与信息系统、互联网中的算力的本质区别。正因如此，单纯地提升算力并不足以使人工智能真正接管生产，只有当人工智能能够全面调配和控制算力，使算法模型能在预测、诊断、调度与控制等环节实现更深度的嵌入，并进一步催生以人工智能为核心驱动的智能化生产形态时，才能完全支配生产，从而迈向以人工智能为主导的“智能化生产”（Intelligent production）。因此，严格来说，“智能生产”更像是智能化生产的前提与预备阶段。然而，显而易见的是，从“智能生产”到智能化生产的演进，反映出人工智能融入社会生产这一进程还远未结束，而这也是社会生产迈入“工业4.0”的过程。
在生产结构层面，进入21世纪以来，数字技术、人工智能技术与机器人技术的规模化扩散共同推动社会生产体系向“智能时代”过渡。其深层含义在于“一般智能”进一步呈现中介化、客观化与社会化的形态：劳动者不再主要依靠个体习得的知识与技能直接完成劳动过程，而是通过共建、共有、共享的信息网络，以及嵌入其中的数据库、模型与平台规则，来组织劳动、协同生产与实现价值。在这种结构条件下，生产力发展的关键需求从物理层面的机械力扩张，逐渐转向对虚拟空间信息与数据处理速度、规模、复杂性和质量的提升。人工智能接管生产打破了人类智力劳动对生产的支配，人类参与生产逐渐从指令下达转向目标设定、约束配置与需求表达，人工智能则负责完成生产。在这个过程中，人工智能几乎涉及生产的全部环节。在社会再生产层面，人工智能化身为支配平台运转背后的算法。算法通过对互联网、社交软件和各类服务系统的整合与升级，不仅更快地将个体行为与交往信息转化为数据对象，而且借助分析、反馈与引导机制重塑了消费选择、工作节奏和生活实践的组织方式，如生成式人工智能（ChatGPT、DeepSeek、Gemini等）的迅速普及与迭代，正可被视作人工智能算法向再生产领域深度渗透的表征。
可见，随着人工智能在生产与再生产过程中的重要性愈加突出，其逐渐成为替代传统人类劳动的重要力量。从智力劳动到人工智能劳动的过渡，标志着生产力革命的深化。这一过程并非一蹴而就，而是通过持续的技术创新与应用，逐步实现人工智能对人类劳动的替代。但值得注意的是，尽管“一般智能”在这一进程中已在技术形态上推进至人工智能阶段，却并不必然意味着人工智能由此取代了人类对社会生产力的支配地位。正如世界经济论坛创始人克劳斯·施瓦布（Klaus Martin Schwab）所指出的：“技术随之而来的颠覆都不是人类无法控制的外生力量。”事实上，在算法设计与目标函数设定、数据采集与标注训练、模型部署与在线调参、异常识别与调试纠错以及安全规范与责任边界的划定等环节，人类仍发挥着不可替代的作用，并在很大程度上决定了系统的学习方向、性能上限与可控程度。因此，无论是人工智能、机器人还是其他智能系统，其作为“算力”得以生成与扩张的现实基础，仍可还原到劳动力及其实现条件的基本结构之中：其一，由智力劳动推动的算法设计、检验、优化与迭代，决定了模型架构、训练范式与推断效率等关键环节的演进；其二，劳动资料与劳动对象层面的物质性消耗和供给，包括能源、材料与设施等资源投入（如电力供给、芯片与稀土等关键材料、数据中心和通信网络，乃至卫星与算网基础设施等）同样制约着算力。从前一方面看，算力的持续提升并非纯粹“机器自发增长”，而是以人类智能的创造性劳动为前提，算法架构的创新、目标函数与训练机制的改写、性能瓶颈的诊断与突破均离不开人类在知识生产、工程实践与制度治理层面的持续投入，算法迭代在相当程度上构成了算力增益的重要