人工智能时代劳动异化危机及其应对

陈希

(东华大学 马克思主义学院，上海 201620)

随着人工智能技术的飞速发展，一场“无人化”革命正在各个生产领域悄然发生。从加工制造到车辆驾驶，从在线客服到内容创作，诸多岗位正在摆脱对人的依赖，转向采用人工智能提高效率和增加利润。这一现象的出现再度引发人们的焦虑，在未来还有何种劳动留给人来完成？事实上，在一些传统劳动岗位消失的同时，一类旨在为人工智能提供辅助服务的新兴岗位正在不断涌现，并且其对普通劳动力的吸纳效力也在日益增强。这种更迭表明，在步入人工智能时代之际，劳动方式正在发生变化。而其重要趋势之一在于，劳动者不断地从在人工智能的辅助下劳动转为辅助人工智能“劳动”。就此趋势，近年来国内外诸多研究者展开了一定的实证研究。在阐述人工智能时代辅助性人工劳动的工作内容[1]、组织方式[2]以及具体过程[3]之外，既往研究还从多个侧面揭示了有待学界进一步关注的现象：此类劳动已经成为让大量从业者既不得不依赖但又想逃离的异化劳动。习近平总书记指出：“我们要把提升包容性置于更突出位置，处理好公平和效率、资本与劳动、技术和就业的关系，重视人工智能等新技术对就业的影响，让更多人共享发展成果。”[4]这一重要论断为分析和解决新型劳动异化问题提供了根本指引。本文基于马克思劳动异化理论，聚焦新技术带来的新就业机会，以资本和劳动之间的关系为核心，分析人工智能时代劳动异化危机的发生机理和表现特点，并探讨可以兼顾公平和效率的危机破解路径。

一、人工智能时代资本逻辑主导下的劳动分工及其实现方式

马克思主义认为，以不断追求价值增殖最大化为核心本质的资本逻辑主导着现代社会的物质生产，并彻底地变革了劳动的性质。资本逻辑的出场极大地促进了劳动分工与技术革新，催生了新的劳动组织模式和管理办法。但同时它也破坏了传统经济结构，造就了以出卖劳动力为生的无产阶级，使得劳动从人的自由自觉的活动异化为对自我加以折磨与否定的行为。而在当下，资本逻辑在其展开过程中又得到了新的助力，正在与快速发展的人工智能技术达成深度融合。借助智能技术，资本提升了其对劳动的支配能力。与此同时，人工智能产业的发展也未脱离资本逻辑的主导。正因如此，新技术的发展固然延伸了产业的链条并带来新的劳动机会，但在资本逻辑仍然贯穿于产业始末的情形下，各个环节的劳动对于从业者而言仍然是异己的存在。

(一)人工智能背后的辅助性人工劳动

18世纪，一种能和人对弈的木偶被发明出来并迅速地在欧洲流行起来，而它全部的秘密仅是“一个棋艺高超的驼背侏儒正藏在游戏机里，通过线绳操纵木偶”[5]。如今，虽然人们只能在博物馆或书籍中一睹这种通常被称为“土耳其机器人”的“智能装置”的风采，但这一装置仍然可以被视为对人工智能时代的绝妙隐喻。能力强大的人工智能跃居前台，模仿人类并替代人类完成生产或提供服务，但这种对人的模仿与替代仍然具有限度。在智能表象的背后，人类以其人工劳动为人工智能正常运转提供一切必要的支撑。如此这般，人与人工智能形成了新型人机分工。

目前，各类人工智能系统的运转主要建立在三类辅助性人工劳动的基础上。第一类是系统研发前的数据收集、清洗与标注劳动，这为智能算法训练提供充足的数据集；第二类是系统运行中的测试与验证劳动，这为智能算法优化提供可靠的反馈数据；第三类是系统运行故障时的临时补救与顶替劳动，这为系统用户提供良好使用体验。因此，正如有学者所指出的，人正在作为各种人工智能系统的训练者、验证者与替补者支撑着它们的正常运转[6]。因此可以说，没有屏幕背后的千千万万的“驼背侏儒”的人工劳动，就没有所谓的人工智能，而“有多少人工就有多少智能”也成为人工智能研发者们的普遍共识。

受限于技术发展水平，人与人工智能系统之间形成了既彼此依赖又相互排斥的关系。然而，在技术逻辑之外，此类辅助性人工劳动具体实现还受到资本逻辑的主导。辅助性服务具有两大突出特点：一是需求总量大，并且这种需求随着人工智能技术的发展和普及将进一步上升；二是其中占比较大的基础性工作内容较为简单，对劳动力技能要求较低。为实现剩余价值最大化，数字资本不断地据此双重特点优化劳动力选择范围，调整相关生产要素的整合方式，继而在人机劳动分工的基础上，进一步确立人际劳动分工。对于数字资本而言，确立人际劳动分工的原则在于，尽量促使薪酬较高的技术精英团队集中精力攻克人工智能系统研发难题，同时找寻成本低廉的普通劳动力完成各类基础性辅助服务。这一策略反映在具体生产实践中有双重表现：一方面，人工智能技术研发公司日渐倾向委托第三方来为系统运转提供所需辅助性服务，即将辅助性人工劳动外部化；另一方面，社会中大量潜在劳动力得到了充分的挖掘，其中既包括在网络上寻找兼职机会的求职者也包括身处生活成本低廉的欠发达地区并谋求较为体面劳动的求职者。此两类劳动力被以两种不同的组织方式整合进人工智能产业链条中。

(二)平台众包模式下的云端召集与时间整合

平台众包模式是上述辅助性人工劳动的常见的组织方式之一。众包模式指公司将原本属于自身的工作分包给大众完成的形式。而随着web2.0时代的到来，众包模式进一步发展为平台众包模式，诸如Amazon Mechanical Turk(AMT)、Clickworker等著名众包平台相继出现。由于各类人工智能辅助服务项目易于拆解为若干简单易做且易于计件付费的“微劳动(microwork)”[7]，因而通过平台在云端发布任务与招募人手完成劳动成为该行业的常见模式。例如，人工智能专家李飞飞就曾借助AMT平台以众包模式成功收集了1400多万张手工标注图片，创立了著名大型图片素材库ImageNet。这一模式帮助该项目团队在缩减工作时长的同时极大地降低了人力成本[8]。

平台众包模式涉及作为辅助服务需求者的各类人工智能研发企业、众包平台和众包工人三方的协作与博弈。服务需求者发布任务，通过平台向众包工人支付薪酬并向平台缴纳管理费用。众包平台负责召集人手，并为其提供一定的在线任务处理工具。此外，众包平台还在一定程度上掌握着劳动的定价权。众包工人则可根据自身时间和技能水平接单，按规则完成任务并获得薪酬。然而，在此协作和博弈过程中，三方的力量往往不对称。平台经济天然具有零边界效应、网络效应、反馈效应和锁定效应等特点[9]，因此无论是任务需求者还是众包工人都会自发且快速地向少数众包平台集中，使得少数众包平台具有了对人工智能辅助服务市场的支配能力。

作为三方协作和博弈的结果，数字资本最终实现了对全社会碎片化劳动时间的整合和征用，以更为灵活、机动和便利的方式获得劳动成果的同时降低了人力成本支出。通过众包平台，繁杂的辅助性人工劳动被成功地“化整为零”，拆分成仅需占用短暂时间即可完成的一系列“微劳动”。但也正是通过众包平台，每个工人所付出的碎片化的劳动时间被积少成多地重新集合起来。大量的繁琐工作犹如被一个“大写的工人”合作完成，数字资本既不需要为这个“大写的工人”负担任何的福利支出，也不必担心因任意遣散这位“员工”而引发任何经济或法律后果。甚至，由于众多众包工人通常将此类在线劳动视为对零碎时间的有效利用和对家庭经济的额外支持，他们自发自愿接受相对较低的劳动报酬。由此可见，在平台众包模式下，数字资本在不断地将劳动微观化、分散化的同时，也将其对劳动的支配和剥削微观化、分散化。这种对于劳工个体而言难以察觉且易于忍受的剥削构成了数字资本丰厚利润的来源，这些利润由数字平台和其他人工智能研发企业共同分享。

(三)离岸外包模式下的地理分工与空间套利

对于多数对辅助性人工劳动有着较大需求的人工智能研发企业而言，平台众包模式具有用工灵活、成本低廉等优点，但该模式仍然存在一定的局限性。首先，工作完成质量难以保证。有研究表明，由于能力参差不齐、缺乏专门培训以及有意节省体力等原因，众包工人在平台提交的工作成果常难以达到预期标准[10]1301-1308。其次，众包模式仅适用于一般性任务，某些特殊性任务，如有害信息识别等，可能因违反平台规则而不能发布。最后，平台众包模式下，任务发布者需承担一定的隐形项目管理和沟通成本。因此，尽管平台众包模式获得了普遍重视和广泛的运用，但传统的外包模式仍有不可替代的优势。尤其在对服务质量、信息安全以及工作效率等方面有更高要求时，人工智能研发公司通常会选择直接按其需求与相应的外包公司达成合作，以外包模式实现辅助性人工劳动外部化的目的。

在具体实践中，根据规模、能力与专长不同，为各类研发公司提供辅助服务的外包公司还可被粗略地划分为两大类。其中一类为技术密集型公司，仅雇佣少数高水平研发人员、管理人员与销售人员，此类公司既具有一定研发能力，能够针对研发公司提出的复杂任务提供完整解决方案，同时具有管理和营销能力，能够对某类服务订单形成一定的垄断。而另一类则为劳动密集型公司，通常规模较小且不具备自主技术研发能力，作为前一类公司的次级分包公司，其通过招聘大量工人来完成具体工作。然而，需要注意的是，人工智能研发公司与此两类外包公司通常分布在三类不同的地理空间之中，以便数字资本可以充分利用全球不同地域间劳动力成本的差异获取更多利润[2]。其中，人工智能研发公司主要分布在少数发达国家，并围绕这些国家中具有人工智能技术消费能力的人群的各类需求进行技术开发。而大型外包公司则会在这些研发公司较为集中的地区设立总部和研发中心，以便更好地与上游研发公司进行任务对接。除此之外，这些大型外包公司还会选择在部分发展中国家的首都或少数口岸城市设立分公司，方便在这些综合人力成本较低的国家寻找可以合作的次级外包公司。而众多小型分包公司则广泛分布在发展中国家的不同具体区域内。由于此类小型公司既不能掌握订单来源渠道，亦不具备核心技术，因此彼此之间往往只能以价格战的方式竞争有限的服务订单。由此可见，正是通过这样的“舍近求远”的离岸外包模式，人工智能时代的大量基础性工作岗位源源不断地流入全世界广大欠发达地区，但丰厚利润和劳动成果却沿着产业链条最终流回到全球少数发达地区。长此以往，欠发达地区的小型外包公司难以实现足够的资本积累和技术进步，只能单纯依靠人力成本低廉优势获取订单，而这便为数字资本提供了更为充足的利润空间。

综上所述，资本逻辑重构了人工智能时代的劳动分工，并主导着其具体实现方式。尽管“化整为零”的平台众包模式与“舍近求远”的离岸外包模式有所不同，但两种模式都是数字资本实现利润最大化核心战略的具体体现。在资本稳步推进这种核心战略的同时，其也将异化危机引入劳动者的生活之中。

二、人工智能时代劳动异化危机的新特征

马克思深刻剖析了劳动异化的产生机理，并从四个维度揭示了劳动异化的具体表现。这一多维阐释为透视人工智能时代劳动异化危机提供了重要理论框架。在新的技术背景下，劳动的内容与组织方式发生了显著的变化。因此，劳动异化危机在各个维度上也表现出诸多新特征。

(一)智能物的世界的增值与人的世界的贬值

劳动异化的第一个维度是人同其劳动产品相异化。马克思认为，资本主义生产方式下，人与物的关系发生了颠倒。人，尤其是无产阶级的工人，饱受为物所役的折磨。在这种生产方式下，工人既非劳动产品的所有者，也不能获得足够的报酬购买其所生产的全部产品。因此，尽管工人不断地将其体力与智慧通过对象化活动转移到物之中，创造出丰富、完美、强大、机巧的劳动产品，但他们的生存与发展状况并未因此得到改善。甚至，当产品的相对过剩达到一定程度时，工人还需面对减薪或裁员等危机。因此，正如马克思所指出的，人与劳动产品的异化关系的直接表现就是“物的世界的增值同人的世界的贬值成正比”[11]156。在资本逻辑和智能技术携手前行之时，这种异化进一步演化为“智能物的世界的增值同人的世界的贬值成正比”。

《全球数字经济白皮书(2023年)》显示，近期全球人工智能市场呈现持续扩张之势，2022年市场收入已达4500亿美元，较上一年增长17.3%。然而，与此同时，为这些日趋复杂且成本高涨的智能系统提供人工服务支持的底层工人仍深受低薪问题困扰。就平台众包模式而言，多项研究调查指出，在AMT等平台上，任务发布者提供的平均报酬为每小时11美元。但考虑到任务所需实际时长，众包工人的实际小时工资仅约2美元[12]。离岸外包模式下，尽管劳动者可以与企业签订劳动合同，但其薪酬水平与众包工作者相当，有时甚至更低。例如，有报道披露，2022年美国OpenAI公司曾与肯尼亚的Sama公司签订数据标注合同，后者按照每人每小时12.5美元收费，然而实际发放给标注工作者的平均小时工资不足2美元[13]。

除了低薪问题，“人的世界的贬值”还有另一重表现。辅助性人工劳动的实质在于尽可能地将人的智能通过人的对象化活动固化到物之中，此类劳动最终的劳动产品是拥有类似于人的认知能力的智能机器。而这意味着，从事各类辅助服务的工人与其劳动产品之间天然地存在着竞争乃至对立。作为主体的工人在日复一日的重复且琐碎的辅助性劳动中并不能显著地获得能力与智慧的增长；而与之相反，随着标注数据以及反馈矫正的增多，人工智能的能力却与日俱增，甚至出现跳跃式发展并呈现出超乎预期的智能。“机器代替了手工劳动，但是使一部分工人回到野蛮的劳动，并使另一部分工人变成机器。劳动生产了智慧，但是给工人生产了愚钝和痴呆”[11]159，这一论断可以视为对这种对立关系的注释。

(二)非物质劳动对精神造成的隐秘折磨

劳动异化的第二个维度是人同劳动活动相异化。马克思认为，资本主义生产方式使得劳动成为一种让工人避之不及的瘟疫。在大机器旁从事物质生产的工人的身心时时刻刻都受到严重折磨。在人工智能时代，直接的物质生产正日益由越发智能的机器所接管，而被机器取代的工人则流向非物质劳动领域，以其知识、创意、情感等辅助智能系统运作。尽管从表象来看，非物质劳动与物质劳动有着显著区别，前者具有劳动工具数字化、工作任务游戏化、生产管理智能化、工作时空灵活化等特点[14]，然而只要这些劳动本身仍然是为他人的目标、基于他人的生产资料进行的，那么对于工人而言，它仍然是一种外在的存在，是“自我折磨的劳动”[11]160。只是这种折磨往往发生于精神层面而非身体层面，因此更加隐秘且易被忽视。

目前，人工智能在数据分析、图片识别、自然语言处理方面均取得了长足进步，但其在理解复杂人类情感与社会伦理道德规范方面存在显著缺陷。因此，在某些特定工作场景下，如网络不良信息识别、人工智能内容生成等，人工智能尚无法独立完成任务，需要劳动者予以辅助和支持，帮助其生成既满足用户使用体验需求且符合伦理道德规范的判断与内容。为此，大量人员被征调起来对包含有不良信息的样本信息进行详细手动标注，为机器学习和建立算法提供数据集。此外，另有部分劳动者则负责对人工智能生成结果进行人工检验，为系统优化和迭代提供反馈信息。但无论身处何种岗位，这些劳动者都必须密集地审阅大量包含暴力、色情、种族仇恨等有害信息的图像、视频、音频或文字片段。高强度接触此类负面信息流对工人的精神健康造成严重影响，尽管这种负面效应的显现往往较为缓慢和隐秘，但其影响却是深入且持久的。然而，此类职业风险尚未得到普遍关注，这导致从事此类数据标注、人工审查等工作的劳动者较难获得专业心理疏导来平复精神创伤，只能以主动离职的方式来逃离对精神造成极大折磨的劳动[13]。

(三)人朝向动物与机器的双重倒退

劳动异化的第三个维度是劳动者同其类本质相异化。马克思认为，人类就其本质而言与动物有着根本区别。动物只能依循其本能被动地适应自然环境，在维系自身存活的基础上进行种群的繁衍。然而，人是具有自我意识和自主创造能力的更为高级的存在。人既需要进行吃、喝等动物性的活动，还可以按照“美的规律”改造自然，进行社会交往，追求更高层次的精神体验和自我实现。因此，在马克思看来，如果劳动下降为维持工人生存的手段，那么劳动者无疑也正在朝向动物倒退。而进入智能时代，对于大量从事基础辅助工作的劳动者而言，试图在这种劳动过程中维系自身属人的类本质仍然并非易事。

一方面，围绕人工智能各类琐碎需求忙碌的从业者难以在机械、重复的日常工作中获得足够的价值感与成就感。出于保护客户隐私与数据安全、降低工作招聘技能要求、提高一线员工可替代性等多重原因，此类辅助性服务的从业人员通常需要接入特定平台使用数字账号匿名完成各种任务。在这一过程中，数据标注工人只能获悉一系列具体的操作规范，但并不会被告知他们所需处理的数据的来源和最终用途[15]。这意味着，被困于无穷微小任务之中的底层工人难以对其所处的生产网络产生宏观和整全的认识，也无法从任何具体的人工智能产品中识别出自己的劳动贡献。因而，从其视角出发，其所从事的劳动本身在提供工资之余并无更多的价值与意义。甚至只有在脱离开机械、重复与受到监督的劳动时，工人才能感到属人的本性的回归。

另一方面，这些为智能人造物不断操劳的工人还必须时刻抵御另一场危机的来袭。朝向机器不断蜕变日渐成为为智能机器提供辅助服务的工人们所共同面临的新的困境。正如马克思曾经指出的，“人创造环境，同样，环境也创造人”[10]545。人作为主体具有改造外在于己的对象事物的能力，但是在改造过程中，人也时刻受到客体的限制与引导。在人工智能时代，工人必须围绕机器的需求而非人的需求展开劳动，必须配合机器开发和运转节奏而非人的自然生理规律展开劳动，其劳动过程和结果由机器而非人监督和判断。这最终使得工人身体的运动、情绪的起伏、意识与思维的运转都日益机械化、去个性化和程序化，而这些归根结底都是人的自由能动的类本质消逝的具体表现。

(四)全球化背景下不同利益群体间对立的激化

劳动异化的第四个维度是人与人的异化。马克思认为，生产资料所有权的不均衡占有必将导致不同阶级的人群陷入难以调和的对立之中。有产者主导着劳动的对象，不需要亲自从事实际劳动，但却能够掌握劳动的目标和过程，并享受劳动的成果与愉悦。对于无产者来说，前者便是“异己的、敌对的、强有力的、不依赖于他的人”，他们的存在是自己的劳动产品成为“异己的、敌对的、强有力的、不依赖于他的对象”的根本原因[11]165。马克思还指出，现代社会中的生产劳动不仅维系着物质资料的再生产，更维系着这种不平等生产关系的再生产。工人被要求不断提高生产效率以生产更多的物质财富，但这些物质总是单方面地提升有产者的权力与地位，增加他们管理和剥削无产者的能力与方法，并最终加剧了人与人之间关系的疏离和扭曲。

随着人工智能时代的到来，马克思所揭示的人与人相异化的现象并未消失，但需在数字经济全球化背景下对其加以深入透视。愈发复杂的各类人工智能系统的生产有赖于不同生产要素的合理组合，但这些不同生产要素在全球范围内的地理分布并不均衡。整体来看，资本、技术等生产要素大多由少数发达国家的垄断性科技巨头占有，而绝大多数发展中国家则只能为全球人工智能产业链提供生产力要素和基础数据要素。由于资本逻辑主导着人工智能产业链的全球分布，国家间形成了高效但并不平等的国际分工体系。身处发达国家的资本所有者不仅对本国的工人阶级进行剥削与支配，同时又寻求从他国谋得更多可供剥削的廉价劳动力资源。因而，这种剥削不仅在各个国家内部引发了阶级间的对立，也迅速在民族间引发了尖锐的矛盾。阶级问题与民族问题相互交织，使得人与人相异化的危机有了更为复杂的表现。一方面，身处发展中国家的工人承担了大量辅助性人工劳动，但仅获得低廉的报酬。因而他们往往将来自发达国家垄断组织施加的经济剥削体验视为一种民族压迫，并常以左翼的民粹主义运动与之抗争。另一方面，身处发达国家的大量工人既受到“机器换人”浪潮影响就业日渐困难，又因所需工资较高难以在新兴的辅助性服务行业获得就业机会。因此，这些工人虽然与本国的资本所有者存在着矛盾，但会迁怒于发展中国家广大人民，将其他民族视为令自己生活水平不断下降的“元凶”，并常以右翼的民粹主义运动声援本国资本集团对外掠夺。因此，进入人工智能时代，资本逻辑主导着人工智能产业的发展，进一步扭曲了产业链条中不同利益群体间的关系，加剧了人与人相异化的危机。

三、人工智能时代劳动异化危机的多重应对

马克思不仅揭示了劳动异化的产生原因和多重表象，更力图为实现劳动异化扬弃指明方向。他提出：“共产主义是对私有财产即人的自我异化的积极的扬弃，因而是通过人并且为了人而对人的本质的真正占有；因此，它是人向自身、也就是向社会的即合乎人性的人的复归，这种复归是完全的复归，是自觉实现并在以往发展的全部财富的范围内实现的复归。”[10]185在马克思看来，以“通过人并且为了人”的人本逻辑取代“通过私有财产并且为了私有财产”的资本逻辑指导社会财富生产，是实现劳动异化扬弃的正确方向[16]。如果说，资本逻辑是以牺牲社会公平来优先保障资本增殖的效率，那么人本逻辑则是以社会公平为前提保证全体社会成员福祉增进的效率。依循更具包容性的人本逻辑，原本难以兼顾的公平与效率将得到统一。马克思的这一洞见揭示了当代乃至未来社会发展的核心主题，即如何以人本逻辑超越资本逻辑来实现劳动的解放。这无疑也为解决人工智能时代劳动异化危机提供了思考的起点。由此出发，通过优化劳动手段、完善保障体系、驾驭资本力量与构建全球合作等四条路径，新技术背景下的劳动异化危机有望得到解决。

(一)优化劳动手段，减轻身心负担

马克思曾指出：“机器具有减少人类劳动和使劳动更有成效的神奇力量。”[17]580在他看来，尽管机器的资本主义运用加深了劳动的异化程度，但并不能就此否认生产技术进步对于人类劳动解放所具有的积极意义。即便生产技术创新并非异化扬弃的充分条件，但它仍然是必要条件之一。这一原则对于人工智能时代的新技术和新劳动分工来说同样适用。不断优化和发展各类人工智能辅助服务产业所需的技术，提升劳动过程的自动化与智能化水平，是减轻劳动者身心负担的重要途径，也是破解劳动异化危机的基础。

随着技术的快速发展，为人工智能提供辅助服务的劳动者已经有望从重复、单调甚至对心理健康造成严重负面影响的工作中得到解放，并且这一趋势已经初见端倪。例如，2022年底，现象级应用ChatGPT的上线为解决网络空间不良信息识别这一难题提供了新的可能。与传统机器学习模型相比，ChatGPT所采用的通用大模型的开发全程无需大量预先标注数据，并且对非特定训练任务也有较好的完成能力。已有研究证实，ChatGPT对包含隐晦性仇恨信息的网络内容的识别准确率高达80%，其判断水平不但远高于其他传统机器学习模型，甚至和一般人类读者相当[18]。这一实验结果表明，通用大模型在敏感、有害、不当等内容标注领域有着客观的应用潜力。这一技术的引入将有效减轻标注人员在处理潜在有害内容时可能面临的心理压力和情感冲击。

(二)完善保障体系，补齐制度短板

在创新生产技术之余，完善社会保障体系可以有效地帮助劳动者抵御劳动过程中可能遭遇的各类风险，提升劳动者的归属感、安全感与幸福感。这对于化解劳动异化危机也具有积极意义。目前，全球范围内，通过众包平台寻求辅助服务工作机会的劳动者的人数正在快速增加，但各国的众包工人普遍面临着缺乏社会保障的困境。有国外学者指出，整个社会似乎将这支维系智能生活运转的劳动大军当作“幽灵般的存在”，既鲜有人意识到他们的存在，更鲜有人愿意为他们的权益发声[19]。

目前，我国借助平台为企业提供各类辅助服务的灵活工作者数量也在快速扩张，这一群体也逐渐进入公众的视野之中。尽管如此，该群体所能享有的社会保障服务仍然较少，尤其是难以进入到职工社会保险体系之中获得有效的风险保障。有学者进一步指出了造成这种困境的核心症结。由于个人通过平台开展灵活工作的新就业方式与传统劳动雇佣模式具有诸多显著差异，根据现有劳动关系认定框架，身处平台两侧的提供辅助性服务的劳动者和发布辅助性服务需求的各类公司之间并不存在典型的劳动关系也不会签订劳动合同。但与此同时，与用人单位建立劳动关系和签订劳动合同往往又是劳动者参加职工社会保险并依法享有相应风险保障的重要前提条件。这一要求便将广大灵活就业的众包工人拦截在职工社会保险体系之外，使其在应对职业伤害风险、失业风险、生育过程的收入中断风险时难以和正式职工一样平等地获得充分保障[20]。因此，随着人工智能时代的加速到来，需尽快修订相关法律法规，扩大社会保障覆盖范围、创新工伤保险参保方式、建立合理监管机制，为默默保障智能社会正常运转的劳动者编织更为严密的保障之网。

(三)驾驭资本力量，促进共同富裕

超越资本逻辑是通向劳动解放的必由之路，但不可否认的是，这种超越并不能一蹴而就，必然要通过一系列“消灭现存状况的现实的运动”[10]539逐渐完成。并且在马克思看来，“自我异化的扬弃同自我异化走的是一条道路”[10]182。换言之，劳动异化扬弃之路注定是一条与资本共舞之路。在这一过程中，仍应正视各类资本对于优化生产要素配置和促进就业所具有的积极意义。但同时需构建高水平的社会主义市场经济体制，以充分驾驭各类逐利性、剥削性和扩张性的资本，使其逐渐转变为促进劳动者共同富裕的力量。

就人工智能时代的劳动及就业特点而言，应着重从三方面加强对于资本的规范和引导。其一，由于劳动密集型人工智能辅助服务外包公司获取利润途径单一且能力不强，因此其常通过非法降低用工和环境成本牟取不正当竞争优势。对此类行为应予以严厉打击，以确保劳动者的合法权益得到保护，使他们不但能够合法地获得应得的工资，同时还能充分享受休假和劳动安全卫生保护等更多福利。其二，由于用工需求与多数从业者正快速向少数众包平台集中，因此若干大型众包平台常依仗其对人工智能辅助服务市场的支配能力设置不合理报酬规则或过度抽取佣金。对此应进一步规范平台行为，确保劳动者能够在与其工作任务、劳动强度相匹配的收入分配机制下获得合理劳动报酬。其三，随着人工智能技术的快速发展，研发企业对人工辅助性服务的需求标准也在逐渐提高，然而许多从业者缺乏职业培训，因此面临着职业技能不足、就业形势严峻以及职业发展受限等问题。对此应引导资本积极承担社会责任，为从事各类基础辅助性服务的劳动者在职业技能培养与提升方面提供更多支持。通过多方面的规范引导，资本将有望从引发劳动异化的生产关系转变为可以被社会主义市场经济充分运用的生产要素，不断促进社会生产力的发展，改善劳动者的生活水平，为劳动异化的扬弃提供物质条件。

(四)构建全球合作，实现福祉共享

马克思在《共产党宣言》中揭示了经济全球化的资本主义主导性质，指出：“资产阶级，由于开拓了世界市场，使一切国家的生产和消费都成为世界性的了。”[17]35这种全球性扩张同时也意味着：一方面，劳动异化危机也在全球不断扩散，日趋成为各国人民共同希望摆脱的普遍性困境；另一方面，欲实现劳动解放的美好愿景非各个国家共同联合行动、共同探索发展新路不可。

在新一轮科技革命和产业变革之际，我国秉持“人类命运共同体”理念，积极主张构建“数字命运共同体”。在这一共同体中，各国需依托各自所具有的比较优势与他国合作，共同参与到人工智能时代的全球化生产之中。这种合作不再以牺牲他国人民利益优先保障本国发展为代价；与之相反，互惠互利将成为各国建立合作关系的重要前提。同时，为维护这种互惠互利的合作局面，各国需共同商讨以完善和更新国际规则和治理机制，共同避免极少数国家利用其霸权对人工智能时代全球数字经济治理体系建构进行不当操纵或单方面主导。共同体成员间的共建与共治最终有助于各国人民在人工智能时代平等地获得发展机遇，弥合“数字鸿沟”，共同享受智能文明福祉。这种以共建、共治、共享为核心原则的新发展模式有助于各国一同应对“人工智能在法律、安全、就业、道德伦理和政府治理等方面提出的新课题”[21]。这一发展模式是对以往基于丛林法则、零和博弈的旧发展模式的超越，将有力促进劳动解放的实现。