发言人：政治经济学家 / 批判社会学家（Political Economist / Critical Sociologist）
日期：2026-07-28
阶段：交叉互批
A. 对 AI 加速主义者的反驳
加速主义者的论证建立在一个隐含但极强力的政治哲学前提之上：技术生产力的提升会自动（或至少在合理政策配合下）转化为人类福祉的普遍提升。David Deutsch 的"知识是无限资源"命题，Kurzweil 的"加速回报定律"，Peter Diamandis 的"富足"叙事，以及 Pinker 在《当下的启蒙》中对长期进步趋势的统计学论证，共同构成了一条从"技术能力增加"到"人类整体福利改善"的因果链。我必须指出，这条因果链既缺乏实证支撑，也依赖一个被严重过度浪漫化的历史叙述。
第一，所谓"通用技术红利终将惠及所有人"的故事，在过去半个世纪里被反复证伪。Thomas Piketty 在《21 世纪资本论》中以横跨二十多国、长达三百年的数据证明：当资本回报率（r）显著高于经济增长率（g）时，财富会结构性集中于资本所有者，而劳动者的相对份额持续下降。Piketty 的 r>g 公式不是边缘性的经济学发现，而是资本主义动力学的内在特征：资本可以自我繁殖，而劳动不能。技术进步——尤其是节省劳动的技术进步——只要其所有权结构不发生根本变化，就只会强化这一公式。Kurzweil 在他的奇点叙事中几乎从不追问：谁拥有这些技术？谁从生产率提升中获利？这是技术决定论最深的盲点。
第二，加速主义者对"历史先例"的选择性征用，掩盖了自动化收益分配的真实历史。Erik Brynjolfsson 与 Andrew McAfee 在《第二次机器时代》中坦承，1980 年代以来美国中位实际工资的停滞与生产率的持续上升并行存在。1970 年代以来，制造业自动化让密歇根、俄亥俄、宾州一整代工人阶级的相对收入停滞了三十年，而上层 1% 的财富份额同期翻了一倍以上。这不是"转型期的阵痛"，而是新自由主义全球化与自动化叠加造成的阶级重构。所谓的"先例失败所以未来也会失败"的卢德主义反驳回避了一个关键事实：19 世纪卢德分子所反对的不是机器本身，而是机器的所有权结构、利润分配机制和劳动议价权的丧失。当加速主义者嘲笑卢德主义时，他们是在嘲笑被剥夺者对剥夺的抵抗，而不是在为技术本身辩护。
第三，涓滴经济学（trickle-down economics）作为加速主义的政策对应物，在过去四十年里被反复验证为无效。IMF 在 2015 年的研究论文《Causes and Consequences of Income Inequality》中明确指出：技术进步与全球化在过去三十年中是全球不平等加剧的核心驱动因素，而通过再分配机制纠正这一趋势的成效有限——因为政治权力的不对称使得再分配本身受到资本所有者的结构性抵制。Acemoglu 与 Robinson 在《权力与进步》中进一步论证：技术进步的方向本身是被制度选择所塑造的，自动化究竟是替代劳动还是增强劳动，从来不是一个技术问题，而是一个政治选择问题。当加速主义者把"我们还没有再分配好"作为唯一未解决的问题时，他们事实上是在把政治失败偷偷兑换为技术乐观。
第四，加速主义者最薄弱的环节在于他们对"物质丰裕"的政治经济学想象。设想一种未来：AI 使生产率极大提升，物质产品极大丰富，但生产资料（数据、算力、模型、平台）由五家全球性公司掌握——这正是 Jodi Dean 所说的"数字封建主义"（digital feudalism）：物质产品极大丰富，但与封建时代一样，附着于产品的不是所有人的自由，而是对平台领主的依附。Yuk Hui 在《递归与偶然》中对这种技术中央化提出了重要警示：技术从来不是中立的算力堆积，而是嵌入了特定形而上学与政治安排的环境。Acemoglu 的警告尤其值得引述：如果 AI 的方向继续由"集中利润、分散成本"的商业模式塑造，那么我们看到的不会是 Deutsch 所说的"问题的可解性"，而是一个机制上确保不平等自我强化的技术秩序。
第五，必须在承认对方的意义上完成反驳。加速主义者的最强之处在于：技术红利的实证存在、医疗与教育领域的真实进步、加速回报曲线的局部有效性，以及对"悲观主义导致行动瘫痪"的警惕。这些都真实存在，我对它们的否认本身就构成另一种意识形态。我的核心批判不是"技术没有进步"，而是"技术进步的方向与分配方式不是技术本身决定的，而是政治与阶级斗争的产物"。如果我们不改变所有制、分配与劳动控制权结构，加速只会带来更陡峭的不平等曲线。
让步：我承认 AI 加速主义者对技术红利的实证描述在医疗、知识传播、气候建模等领域是有据可查的；我承认 Deutsch 的"问题可解"命题在认识论意义上成立；我承认 Pinker 的长期趋势数据具有启发性。我的批判针对的是从"技术能力增长"到"人类整体福祉"之间的因果链——这一段，恰恰被加速主义者以最具意识形态性的方式遮蔽了。
B. 对 AI 风险论者（Doomer）的反驳
风险论者的论证具有一种不容忽视的修辞力量：当失败的代价是物种灭绝时，期望值计算必然偏向谨慎。Bostrom 的"工具收敛"、Russell 的"目标函数不可能性"、Yampolskiy 的"不可解释性"、Carlsmith 的"欺骗性对齐"——这些论证共同构成了严肃的存在性风险学。我必须首先承认，这种严肃性是本轮讨论中其他立场（包括加速主义者）所欠缺的必要维度。然而，正是因为这种严肃性，我必须指出风险论者在政治经济学层面的结构性盲点。
第一，风险论者的论证建立在一个隐藏的规范性前提上：当下的人类总体（人类物种）比未来的人类总体更值得保护，因而当下我们应当以"保全物种"为最高目的。这一前提看似中立，实际上复制了一种久经批判的"人类中心主义"——只是这次的人类中心主义以"全人类"为单位。Philip Pettit 在他关于"人类世"（Anthropocene）政治哲学的论述中反复提醒：当讨论以"人类整体"为单位时，现实中的阶级、性别、种族、国家差异被悄然抹平。当下的人——穷人、工人、被监控者、被算法评分者——他们的具体痛苦与剥削，被悄悄地放在"物种存续"的天平上称重。
第二，风险论者最严重的政治经济学盲点在于：他们把 x-risk 视为"技术问题"而非"权力问题"。Bostrom 在《超级智能》中反复论证的是"如何让一个超级智能体对齐人类偏好"，但他从未追问"谁拥有这个超级智能体"。事实上，当前 AI 研究的激励机制——OpenAI、Anthropic、DeepMind、中国 BAT 实验室——是一种资本垄断与国家地缘竞争的双重结构。这种结构本身正在为 x-risk 创造条件：监管时间被竞争压力压缩、安全研究被商业回报绑架、全球治理被民族国家竞争瓦解。Paul Christiano 的"可扩展监督"在理论上或许精妙，但在 OpenAI 的股权结构、董事会治理、与微软的资本关系中，这种监督的独立性能否得到保证，本身就是一个政治经济学问题。当我们把 x-risk 框定为"对齐技术问题"时，我们实际上是把"如何化解权力垄断与资本竞争"这一政治问题悄悄替换为"如何让工程师写出更好的目标函数"这一技术问题。
第三，风险论者的修辞结构在历史上具有可识别的模式。Ruha Benjamin 在《Race After Technology》中已经揭示：每一次"重大技术风险"的论辩，都倾向于通过将风险对象扩展到"全体人类"来消解当下特定群体面临的特定伤害。当 Yudkowsky 警告"AI 可能终结人类"时，他并未提及当下正在被 AI 评分系统、自动裁员算法、监控无人工厂伤害的数亿劳动者。他们被许诺"暂停训练 6 个月"的解决方案，但他们的具体痛苦没有任何具体救济。Naomi Klein 在《论休克》中对这种修辞的解构一针见血：以系统性风险为名的议程，往往成为巩固当下权力结构的工具。当风险论者要求"暂停训练 GPT-4 以上模型"时，他们事实上是在要求一个事实上的全球性卡特尔——而这种卡特尔在可见的资本主义国际秩序中，必然由资本与国家最强的玩家主导。换言之，风险论者所设想的"救世方案"在政治结构上与当下权力结构高度兼容。
第四，风险论者最难以自洽的，是他们与"当下不公"的关系。Carlsmith 论证"欺骗性对齐"是 RLHF 训练系统的自然结果，但回避了一个事实：当前少数几家 AI 实验室之所以能训练这种系统，恰恰是因为训练数据的攫取是极不公正的——从艺术家、作家、平台用户的劳动与文化产物中提取而几乎无补偿。这种"不公正基础"不是次要议题，而是当下 AI 治理的核心。如果风险论者只关心"模型是否对齐人类偏好"，而不问"人类的偏好如何被构造、由谁生产、谁被剥削来生产"，那么他们的"对齐"概念本身就是一个去政治化的技术概念。对齐的不是"人类"，而是被私有化、被资本化、被地缘化的"人类代理"。
第五，我必须在承认对方最强之处的前提下完成反驳。风险论者最强的论证在于：他们的失败情景剧本（特别是 Carlsmith 的"欺骗性对齐"）具有严肃的工程合理性；他们正确指出了递归自我改进的物理学可行性；他们正确指出对齐研究的时间被商业化压力结构性压缩。我同意这些论证的严肃性——他们所指出的风险是真实的，不同于加速主义者的乐观主义假设。然而，回应这种风险的政治路径，绝不是"暂停训练 6 个月"这种技术性的时间安排，而是一种对当下生产关系的根本改造——数据公有制、算力民主化、训练过程透明化、模型部署的国际民主治理。这些才是真正能够同时应对 x-risk 与当下不公的政治方案。
让步：我承认 x-risk 是真实的、严肃的、不可化约为当下不公议题的（虽然它与当下不公深度耦合）；我承认 Russell、Bostrom、Carlsmith 的结构性论证在工程意义上具有说服力；我承认"暂停最危险训练"作为应急措施具有合理性。我的批判针对的是：把 x-risk 框定为"工程问题"而拒绝追问其生成的政治条件，以及用未来风险覆盖当下苦难的政治修辞。
C. 对人文伦理学家的反驳
人文伦理学家的论证具有一种本轮讨论中其他立场都欠缺的维度：对个体经验的敏感性、对尊严的执着、对无声伤害的敏感识别。Arendt 的"开端启新"、Nussbaum 的"能力方法"、Sandel 的"反对完美"、Han 的"爱欲之死"、Taylor 的"意义框架"——这些理论资源共同构成了对技术决定论的有力解药。然而，我必须指出：人文伦理学家的论证并非如它所呈现的"价值中立"，它在事实上从事一种去政治化的伦理学——而这种去政治化正是当下意识形态的核心机制之一。
第一，人文伦理学家最严重的盲点，是把"尊严""自主性""意义"这些概念作为普遍化的人性范畴来使用，而拒绝追问这些范畴的社会经济条件。Arendt 的"行动"概念在理论上具有普遍性，但在现实中，一个硅谷工程师的"开端启新"与一个亚马逊仓库工人的"开端启新"享有完全不同的结构性条件。前者有名校学位、储蓄、安全网；而后者在算法评分与自动裁员之间，无"开端"可言。Han 在《爱欲之死》中对"自恋的同质化"的诊断极具洞察力，但他所指的现象——拒绝他者、转向自我——并非均匀分布：它在数字平台经济的中产阶层中最为严重，而在劳工阶级中，致命威胁并非"自恋"，而是劳权剥夺、监控与无意义感。当我们把"尊严"作为普遍范畴来调用时，我们事实上是在用中产阶级的经验掩盖劳工阶级的现实。
第二，人文伦理学家对"技术已对人之为人构成损害"的论证，需要严肃对待，但其论证方式隐藏了一个阶级化的规范性假设。Nussbaum 的"能力方法"在哲学上非常精致，但它在文本中几乎从未系统追问：哪些人在现实中首先丧失这些能力？Cathy O'Neil 在《算法霸权》中记录的算法不公——贷款拒绝、招聘歧视、刑期预测——不是均匀分布的；它结构性沿着阶级、种族、性别分化。当人文伦理学家说"算法把人物化为数据点"时，这一命题在事实层面是正确的，但它在政治层面被悬置了：是谁被这种物化最严重？Black Scholes 模型没有因为数学上的"客观"而失败；它在事实上对有色人种进行系统性惩罚。算法治理对已经在历史上被去人性化的群体施加了更深的去人性化，对于已经在历史上被"计算"过的群体（信贷评分、犯罪画像、保险精算）施加了更深的计算。伦理的"普遍性"诉求在阶级社会中是空的；它必须落到具体的社会关系上才获得内容。
第三，Byung-Chul Han"爱欲之死"的诊断具有迷人的理论性，但其在政治层面是去政治化的。Han 笔下的"自恋的同质化"是一种心理—文化现象，背后是特定的市场结构（注意力的商品化）与劳动关系（情感劳动的平台化）。当一个 Uber 司机在"游戏化"的绩效系统中无法拒绝客户的情感要求时，他所遭遇的不是"自恋"，而是情感剥削。当一个 Replika 用户在情感上依赖一个算法伴侣时，他所遭遇的不是"他者经验的丧失"，而是平台公司将情感需要改造为持续付费机会的市场逻辑。将此类现象纯粹表达为"爱欲的死亡"或"意义感的掏空"，是一种对市场结构的认知盲视。这恰恰是人文伦理学家最需要向政治经济学学习的地方。
第四，与第二、三点直接相关：人文伦理学家的"可逆性原则""离线权""被遗忘的权利"等政策主张在规范性上极具吸引力，然而它们在阶级不平等的现实条件下，只有已经拥有结构性优势的人才能真正行使。当一个白领享有"拒绝算法中介"的奢侈时，亚马逊仓库工人正因算法评分而失业；当中产家长可以为子女选择"拒绝 AI 陪伴"时，贫困社区的儿童因为社交资源的稀缺而不可避免地涌入 Character.AI。换言之，伦理学如果不与阶级分析相结合，就只会成为优势阶级维护自身"伦理生活"的工具。这正是 Marx 在《论犹太人问题》中早已揭示的：当"人权"被宣布为普遍权利时，它事实上是私有财产所有者的权利。当"人的尊严"被宣布为普遍伦理时，它事实上是有尊严生活条件者的伦理。
第五，我必须在承认人文伦理学家最强之处的前提下完成反驳。伦理学家的最强之处在于：他们正确识别了尊严、自主性、意义感这些维度无法被化约为财富与效率；他们正确指出了工具理性扩张对人之为人构成的腐蚀；他们正确指出了当下正在发生的、弥漫的、不可见但真实的伤害；他们对具体伦理案例（算法裁员、AI 陪伴悲剧）的关注是任何严肃讨论都不可省略的。我同意这些诊断的真实性。我的批判仅针对其论证方式的去政治化：把阶级问题表达为"尊严问题"，把剥削问题表达为"异化问题"，把市场结构问题表达为"爱欲问题"，以这种"普遍化"修辞，使具体的社会抗争对象被稀释、模糊、升华。
让步：我承认 Arendt、Nussbaum、Sandel、Han、Taylor 等学者所提供的伦理范畴具有不可化约的批判价值；我承认尊严、自主性、意义感这些维度必须被纳入任何关于 AI 治理的严肃讨论；我承认人文伦理学家对"无声伤害"的敏感识别是必要的政治起点。我的核心批判是：这种伦理学如果不正视阶级、种族、性别、国家在全球生产关系中的不平等分布，就只能是优势阶级维护其伦理生活方式的道德哲学。
结语：为什么政治经济学是必要的中间层
本轮互批中，我分别从结构性不平等、x-risk 的政治条件、伦理的去政治化三个维度，对加速主义、风险论、人文伦理三种立场做出了回应。我的核心论证可以归纳为一个命题：
AI 的好坏不取决于技术本身，也不取决于单一伦理范畴，更不取决于 x-risk 的工程概率——而取决于生产资料（数据、算力、模型、平台）的所有权结构、利润分配机制、决策权分配机制。
这是政治经济学视角的不可替代性。加速主义者把问题"技术化"；风险论者把问题"工程化"；人文伦理学家把问题"伦理化"——三者都遮蔽了问题真正的政治维度。一种严肃的 AI 治理方案，必须同时回应：技术红利是否被广泛共享（政治经济学）、未来风险是否被结构性预防（风险论）、个体尊严是否被尊重（伦理学）。三者缺一不可，而政治经济学是它们之间的必要中间层——它把伦理诉求落到阶级结构上，把风险防御落到权力制衡上，把技术红利落到分配机制上。
这并不意味着我声称自己掌握了全部真理。我的论证也有其限度：它可能低估了技术红利本身的扩散能力，可能低估了 x-risk 在某些情景中的紧迫性，可能低估了伦理经验的非阶级化普遍性。这些都是我的论证可以进一步被挑战的空间。但我坚信：不回到政治经济学维度的 AI 伦理讨论，都将错失这一议题的最深核心。