◎赵远坤

每一种新动力的到来，都像一场新的洪水：旧河道容它不下，人们只得重新开凿沟渠，才能既引它的力，又不被它淹没。蒸汽用活塞取代了水轮，电力把作坊连成了工厂；如今人工智能以通用之能奔涌而来，其势已非一条旧渠、一道旧坝所能拦住。眼下流行一种说法：机器专管效率，人类专守情感，各安其位、互不打扰。这话听着在理，却把一场深层的结构之变，说成了一纸温情的分工契约。真正的难题从不在“如何分工”，而在洪水已经出山、堤岸尚未筑起——我们究竟拿什么去接住它、又拿什么去引开它。

一、水已出山：先看清变革的真坐标

要看清这场变革，得先校正两个被弄混的坐标。在政治经济学的经典框架里，生产力是人改造自然、创造价值的能力，“人与自然的关系”本就包含在它之内；生产关系则专指生产中人与人结成的社会联系，其内核在于生产资料归谁所有——谁掌握了土地、资本与机器，谁就在分配中占据主动。若把“人与自然”硬划进生产关系，把二者读成“效率归机器、情感归人类”的分工清单，看着通俗，实则把一对结构性范畴，偷换成了一张外包工单。坐标一错，满盘皆偏。

坐标理清了，才能看清人工智能真正的位置。它不是凭空冒出的“新生产力本身”，而是劳动资料的一次革命性升级，好比蒸汽机之于当年的手工作坊。当然，这件“工具”的能量不容小看：它让科研发现提速、让制造与设计少走弯路——从气象预报到新药筛选，从工厂排产到辅助诊断，各行各业的效率都在上台阶，生产力实实在在被它抬高。而它更深的影响在别处：阿西莫格鲁与奥托等人开创的“任务模型”早就指出，技术从不整体取代某个职业，而是一项一项地接管职业里那些能被拆解、能被编码的“任务”；当标准化的环节被抽走，职业不会消失，而是被重新拼装。由此看去，人工智能撼动的，不只是干活的效率，更是生产怎样组织、价值如何分配。

这种“重新拼装”，绝不是把位置换一换那么简单，而是带着方向的分化。还是这位奥托，他与汤普森的新近研究进一步指出：如果自动化拿走的是一份职业里相对“不那么专业”的环节，剩下的活儿门槛反而更高，工资跟着上涨，能胜任的人却更少了；反过来，如果它接手的是原本最倚重专家的环节，门槛就被拉低，能干的人多了，报酬却被摊薄。举个身边的例子：同样是AI，替全科医生草拟病历、做初步分诊，等于替他卸下了“不那么专业”的杂务，反倒逼他把更吃功夫的判断做得更精，这一行的门槛不降反升；可一旦AI能看懂疑难影像，放射科里最见功力的那部分被接管，入行的槛就松动了，人多起来，单价却被压下去。同一项技术，在这里淘汰专家，在那里抬举新手，一升一降之间，被重新定价的，正是人类专长的稀缺性——它由此解开了一个老谜题：为什么常规工作的自动化，一边压低了就业，一边却抬高了工资。可见职业是存是废并非关键，真正决定一个人沉浮的，是机器留给他的究竟是哪一种活儿。再往深一层追问：那套决定谁被留下、谁被摊薄的规则，根子又在哪里？答案，是生产资料的归属。

这一问最扎人：算力、数据和大模型，这些智能时代新的生产资料，究竟归谁所有？流行的说法把生产关系讲得很暖——“信任、协作、伦理与温度”，却恰恰绕开了这个最要害的地方。当少数平台把模型和算力攥在手里，“技术平权”的口号背后，暗流其实是资本的再度集中——谁占有了生产资料，谁就可能在新的分配格局里坐收其利。这不是危言耸听，而是政治经济学反复验证过的常识。

然而，水势从来不是单向的。就在集中的力量奔涌向前时，另一股稀释的力量也在生长：据斯坦福《人工智能指数报告》，达到同一能力水平的大模型，调用成本两年间下降约99%——从每百万tokens约20美元，一路降到几美分，推理价格正以数量级的速度往下走。开源模型追得尤其快——以DeepSeek为代表的国产开源模型，在MMLU等公开测评上已把与顶尖闭源模型的差距缩到零点几个百分点，普通企业花几千元买硬件，就能在本地把它跑起来。技术本身就有两面：既能筑起垄断的高坝，也能凿开平权的水渠。所以资本再集中并非注定：最后是壅在一处，还是惠及众人，不取决于算力本身，而取决于制度把水引向哪里——问题于是从技术层面，回到了规则层面。

更深的一道裂缝，是“制度时差”。历史上头一回，生产力跑得这么快，把生产关系远远甩在身后：技术已经一路狂奔，规则却还在后面追赶。数据滥用、算法歧视、出事没人担责，都滋生在这片“水已出山、堤还没修好”的空白地带。承认这道时差，是一切清醒讨论的起点——它既是风险的温床，也是制度创新的窗口。

二、疏而不堵：机遇藏在哪里

大禹治水的老智慧，正好是打开这场变革的钥匙：治水的关键，在疏不在堵；真正会治水的人，顺着水势去引导，而不是硬跟水抢地。两千多年前的都江堰，还留下六字箴言——“深淘滩，低作堰”：河床要往深里淘，堤堰却别一味筑高。放到今天，“深淘滩”就是把确权、问责、分配这些制度的根基掏扎实，“低作堰”就是别因噎废食、一味围堵技术。都江堰不修高坝挡江，而是分流引水、灌溉良田；智能时代的机遇也一样：不在于给人类圈出一块“机器进不来的自留地”，而在于借这股奔涌之势，把权力、收益和责任重新配好。

其一，是把生产资料的归属，从模糊变清晰。农业时代，产权立在土地上；工业时代，产权立在资本上；到了智能时代，就必须回答一个新问题——数据、算力这些新型生产资料，权属怎么界定，收益怎么分。确权的意义，不是替占有者背书，而是防止新型生产资料被少数人截走，让要素的好处能浇灌更多的田，而不是淤积成少数人的一口私塘。

其二，是护城河从“能力”转向“担责”。常有人说，人类要守住情感和价值，这话太笼统。真正没法外包的，不是某一项技能，而是为后果负责的能力。人工智能能给出答案，却不能替你扛起一个决策在道义上、法律上的分量。奥托近年提倡的“亲劳动者的人工智能”，正着眼于此：让技术去放大、而不是取代人的本事，让人的经验和判断更值钱。一句话——能力可以外包，责任不能外包；人的位置，不在于比机器更强，而在于替机器做的事签字负责。

其三，是在“能不能”和“该不该”之间，重新划出人和机器的分界。机器擅长算出什么最优，人则要判断什么为善；前者是效率问题，可以交给算法，后者是价值问题，终究要回到人心。这条界线也提醒我们，得警惕“效率的暴政”：一旦效率成了唯一的尺子，人反倒被算法管住——外卖骑手被系统调度困着、上班族被考核数据追着，都是明证。于是冒出一种新的异化：本该解放人的生产力，反倒成了束缚人的新绳索。所以人工智能伦理头一件要紧事，不是划出“机器做不到的事”，而是管住“机器替资本做得太好的事”。我国《生成式人工智能服务管理暂行办法》《人工智能生成合成内容标识办法》先后施行，正是在为这条奔流的两岸砌石护堤。

说到底，这三条都落在同一个支点上——人。机器接管的任务越多，一个人能不能守住“该不该”的判断、能不能站上门槛更高的那一端，就越取决于他学过什么、还能再学什么。所以最要紧的一道堤，其实是投资于人：让终身学习成为常态，让职业教育与技能重塑跟得上技术的脚步，别让被机器拿走旧活儿的人，转身却找不到新岸可上。这既是对每个人的托举，也是在把“留给人的那种任务”的池子，尽量做大。

三、谁先立堤，谁赢未来

放到第四次工业革命的全局、放到大国竞争的棋盘上看，这场变革最终谁胜谁负，不看谁的算力更强、模型更大，而看谁能率先建起与新生产力相配的新生产关系。技术较量的表面之下，其实是制度的较量、人力资本的较量。

未来的堤岸，要沿三个方向筑起来：一是数据确权，让新型生产资料的归属有法可依；二是算法问责，让“出了事没人负责”不再是逃避的暗门；三是智能红利的公平分配，别让技术进步的果实，最后都沉到少数人手里、变成新的鸿沟。这三条其实指向同一个道理：一个国家长久的竞争力，从来不是靠囤积算力这种可复制的要素堆出来的，而是靠知识与人才这类越用越增值的东西。这正是内生增长理论的洞见——知识不像普通资源那样用一份少一份，它可以被反复使用、层层累积，成为增长真正的内在引擎；再配上合宜的制度，就能把这股内生之力放到最大。所以，谁的制度更能把奔涌的技术之力，引进普惠又可持续的河道，谁就握住了下一轮文明竞争的主动权。而这场较量，早已越过产业、打到了规则层面：眼下各方路子不同——欧盟以《人工智能法案》重规制，美国靠市场与巨头抢身位，中国则走“要素市场化＋以人民为中心”的路子。谁能率先立起与新生产力相配的规则，谁就不只赢下市场，更掌握了制定未来规则的资格。

这三道堤岸，不是空口白话，石料已经一块块垒上去了。先说确权：自“数据二十条”把数据列为新型生产要素，确权的路就一步步夯实——2024年元旦，财政部《企业数据资源相关会计处理暂行规定》施行，数据头一回作为资产走进企业的资产负债表，业内称之为“入表元年”；国家数据局又发布《数据产权登记工作指引（试行）》，确立“资源持有权、加工使用权、产品经营权”三权分置，让看不见、摸不着的数据也能确权、入股、抵押——已经有企业拿几十万元的数据资产增资，河南的水务数据产品也在深圳数据交易所完成了登记。再说问责：《生成式人工智能服务管理暂行办法》立起了算法备案、安全评估的规矩，《人工智能生成合成内容标识办法》要求AI生成的内容必须打标、可查来源，“清朗”专项行动一直在清理数据投毒和算法乱象。至于分配，“按贡献决定报酬”的要素机制，正努力让提供数据的、训练模型的、承担风险的各方，都拿到自己该得的那一份。堤岸虽然还没完全建好，方向已经很清楚：把奔涌的水，一寸一寸引进能确权、能追责、能共享的河道里。

对中国式现代化来说，这更是一道必答题。以人民为中心的发展观，给出的是一条不同于“资本优先”的治水思路：不让算力和数据往少数人手里聚集，而是把数据要素市场化配置改革当作杠杆，让新质生产力真正服务于共同富裕、服务于人的全面发展。这既是价值上的选择，也是战略上的清醒——在数智文明的起跑线上，人才有多厚、制度合不合拍，正悄悄成为一个国家竞争最深的那道护城河。

人工智能解放了人的双手，也逼人重新看清自己的位置。机器越能干，人就越要回答那个古老的问题——我们到底想要一个什么样的世界。水终究会奔向大海，但河道往哪走、堤岸修多高、灌溉的田归谁，从来不由水势说了算，而由筑堤的人说了算。答案不在算力里，而在我们据以立堤的制度里，也在执尺筑堤的人心里。