hth体育华体会:AI时代下生产力三要素的重释

  北京社科院副院长（正局级）、中国金融学会常务理事，第十二届全国青联常委、第十四届北京市政协经济委员会副主任。

  当人工智能（AI）不再仅仅是辅助决策的工具，而是深度嵌入生产、分配与交换的全流程时，马克思主义政治经济学中关于生产力的经典定义——劳动对象、劳动资料与劳动者，正经历一场静默而剧烈的范式重构。这场重构不仅改变了“用什么生产”“靠什么生产”和“谁来生产”的底层逻辑，更在组织形态、成本结构和竞争壁垒上引发连锁反应。如何在理论层面厘清这一变革的脉络，并在实践中把握制度创新的窗口？为此，《金融时报》记者专访了北京社科院副院长范文仲博士。

  《金融时报》记者：在马克思主义政治经济学框架中，生产力由劳动对象、劳动资料与劳动者构成。AI如何从根本上改写了这三大要素的内涵与外延，并最终催生出全新的社会产品形态？

  范文仲：首先，劳动对象从竞争性资源转变为非竞争性数据。经典经济学的教科书开篇即讲“稀缺性”——资源有限，欲望无穷，因此就需要选择。亚当·斯密在《国富论》中描绘的制针工厂，其效率之源在于分工，而分工的前提恰恰是原材料的稀缺与珍贵。然而，在AI时代，数据作为新型劳动对象，从根本上否定了稀缺性逻辑。

  数据突破了资源利用的常规逻辑，它的消耗不仅不会导致折损，反而在多节点的交互与复用中产生价值递增的复利效应。这种转变在经济哲学上意味着，信息不再仅仅是消除不确定性的度量，它本身成为了创造价值的实体。当非竞争性数据成为主要劳动对象，经济学中经典的边际成本递减规律被推向了极致，社会财富的扩张不再依赖于对自然资源的贪婪占用，资本积累的逻辑从空间上的扩张转向了时间与维度的深挖。这种价值形态无法被传统的劳动时间度量，却真实地创造着万亿级的经济产出。

  其次，劳动资料从被动工具演变为自我进化的AI系统。传统劳动资料在运转过程中，严格服从人类的预设指令，缺乏自主性与目的性。然而，人工智能的诞生改变了对机器的传统定义。AI不再是一台等待按键启动的冰冷机器，它具备了自我迭代进化的能力。通过深度学习算法与强化学习机制，AI模型能够在海量的数据喂养中自行发现规律，甚至在无人干预的情况下生成新的策略与知识。

  这种自我进化的特性，打破了人类对技术工具线性发展的预期。当劳动资料本身具备了学习与创造的能力，技术工具便摆脱了作为人类意志单纯投射物的地位，开始在人类社会生产中扮演类似于共同创造者的角色。

  最后，劳动者主体从人类扩展到AI智能体和具身智能机器人。在经济史的漫长画卷中，人类始终是生产的全部过程中无可替代的唯一主体。但AI技术的裂变正在强行终结这一数万年的垄断格局。

  智能体并非简单的自动化脚本，它们是具备感知环境、理解指令、规划任务并调用工具完成复杂认知工作的数字实体。AI智能体以不知疲倦、无视情绪波动且边际成本趋于零的优势，正在无情地挤压白领阶层的生存空间。近年来，中美两国AI企业中的人形机器人正在从概念走向工厂车间的实际应用。这类具备视觉感知、力觉反馈与实时决策能力的具身智能，旨在直接替代人类在仓储搬运、精密装配甚至危险环境作业中的体力劳动。

  《金融时报》记者：从理论视角出发，AI如何使交易成本趋近于零并瓦解传统企业边界，催生“一人公司”（OPC）形态？生产流程、成本结构与核心竞争力的重构又遵循怎样的逻辑？

  范文仲：罗纳德·科斯在1937年的经典论文《企业的性质》中提出了一个基本问题：如果市场如此高效，为什么还需要企业？他的答案是“交易成本”——当在市场上协调资源的成本高于在企业内部协调时，企业就产生了。科斯定理的隐含推论是：企业之所以存在，是因为组织比市场更便宜。但AI时代正在改写这一逻辑：当AI将交易成本压低至趋近于零时，公司和企业是否还有存在价值？

  在20世纪早期，依据工业时代的企业组织逻辑，德国社会学家马克斯·韦伯提出了行政管理理论，也称官僚制或科层制理论。庞大的中层管理部门如同巨大的蓄水池与信息处理器，负责将高层的战略指令进行拆解，并将底层的执行信息进行过滤后向上传递。这种金字塔式的科层结构存在的重要理由，在于人类处理信息与协调复杂任务的能力存在极限。但是，如今大数据和人工智能的创新突破了传统的极限——AI智能体可以7×24小时不间断地扫描全网数据、分析竞品动态、优化投放策略；它不需要汇报，不需要开会，不存在信息失真。中层管理的“知识枢纽”功能，被AI的实时数据处理能力彻底替代。

  在此背景下，OPC这种微型组织形态开始崛起。OPC并非传统意义上的个体户，它是以一个人类为核心，辅以成百上千个AI智能体构成的超级数字组织。人类提供战略愿景与核心价值判断，AI智能体负责执行编程、设计、市场调查与研究、财务核算等全部常规工作。这在某种程度上预示着一个仅有一人的企业，其产出能力与响应速度足以匹敌过去拥有数百人的中型企业。

  企业规模的小型化并非意味着经济活动的萎缩，而是标志着组织效率的提升。当企业的边界不再受制于人类管理幅度的限制，市场将充斥着高度灵活、极具创新活力的微型节点，传统的巨型企业大厦逐渐解体为一个个高效运转的“超级个体”。2026年初，在智能体公司Openclaw引发的“龙虾热”的推动下，中国OPC公司迎来爆发式增长。

  首先，生产流程正在重构，转向模块化。传统的公司制作流程是线性的，而AI赋能下的新生产方式正在将这种封闭的线性流程彻底重塑为分布式的网络拓扑结构。整个生产流程的起点不再是内部的战略规划，而是外部业务的智能搜索与承接。企业的AI前端系统能够全天候监听市场需求与网络上的招投标信息，凭借对自然语言的深度理解主动捕获商机。一旦业务承接，后端的AI中枢系统便开始展现出其惊人的拆解能力。它会像一个高明的统帅，将庞大的业务需求层层分解为数百个颗粒度极小的具体任务。接下来，系统依据成本与效率算法，将这些任务向全世界内的资源池进行分包。不需要走繁琐的采购审批流程，系统能在一秒内匹配到最合适的执行者。

  而这些执行者，往往是由不相同的领域的专业智能体与具身智能机器人构成。软件测试智能体会自动接手代码验证环节，物流调度智能体会规划最优运输路线，具身智能机器人则在远端的无人车间内完成精密装配。它们之间的协同不再需要人类会议的协调，而是基于标准化的应用程序编程接口（API）接口与数据协议自动对接。这种由AI主导的任务分解与智能体协同，打破了企业与市场的边界。企业的内部流程实际上已经演变为一个微观的市场协调机制。在这里，交易成本被压缩到近乎为零，正如科斯定律所预示的那样，当协调成本消失，企业的边界将变得模糊不清，整个经济体将演变成一个由无数智能节点动态组网、即插即用的超级计算网络。在这种模块化分包和整合模式中，企业的核心竞争力从生产转向调配，不再需要拥有完整的产业链，而是拥有产业链的调度权。

  其次，成本中心从人力、原材料转变为词元（Token）、数据。在工业经济学的教科书里，企业的成本曲线始终围绕着原材料采购与人力薪酬展开。而在AI重构的新型企业中，这一成本结构正在发生不可逆的倾覆。驱动生产的核心要素不再是需要吃喝休息的肌肉与大脑，而是穿梭在服务器间的Token与训练专业模型的海量数据。

  Token作为大模型处理信息的基本计量单位，正在成为新经济时代的度量衡。这种成本结构具有极强的确定性，它不包含情绪波动，不需要复杂的福利谈判。人力成本的断崖式下跌，甚至让传统的劳动密集型产业面临着重新定义。同时，原材料的物理消耗比重在总成本中急剧下降，因为更多的价值创造转移到了数据处理与算法迭代上。掌握算力与数据底座的巨型科技寡头，将如同工业时代的石油钢铁大亨一样，站在整个产业链利润分配的制高点。

  最后，独有的数据和深刻的行业知识是企业的核心竞争力。在工业时代，企业的核心竞争力写在资产负债表上：厂房、设备、存货、现金。在AI时代，真正的核心竞争力是看不见的——它藏在模型的参数里，藏在行业知识的图谱中，藏在用户行为的模式里。这是现代管理学之父彼得·德鲁克预言的知识社会的终极形态：知识不仅是生产要素，而且是生产要素的要素。

  数据与行业知识的结合，形成了一种动态的“飞轮效应”。第一阶段，企业积累独有的行业数据，如医疗影像、工业缺陷样本、金融交易记录。第二阶段，用这一些数据训练垂直模型，获得超越通用模型的精度。第三阶段，更好的模型吸引更多用户，产生更多数据。第四阶段，数据进一步丰富，模型进一步进化。但这种飞轮有一个前提：行业知识必须深度嵌入数据治理的全过程。医疗数据的标注需要医师，工业数据的解析需要工程师，法律数据的整理需要法学家——数据不会自己说话，它需要“知识翻译者”。

  范文仲：第一，在产业上，中国拥有全球最完整的制造业产业链与极其丰富的应用场景。这为具身智能机器人的训练提供了海量的物理数据，也为AI算法在工厂车间的快速迭代提供了天然的试验场。这种物理世界的丰富性是单纯依靠软件起家的西方科技巨头所很难来做比较的。

  第二，在能源上，中国不仅拥有庞大的火电与水电基础，更在光伏、风电等新能源领域占据全球产业链绝对主导地位。这种源源不断且成本可控的清洁能源供给，将成为支撑中国庞大算力网络的坚实底座。

  第三，在人才上，中国每年培养数以百万计的理工科毕业生，尽管在少数基础理论突破上可能面临瓶颈，但在工程实现、算法优化与系统架构集成方面拥有无可匹敌的智力资源池。这批庞大且极具纪律性的工程师群体，是推进AI基础设施落地与行业垂直应用深化的主力军。

  《金融时报》记者：您认为应如何通过制度创新，将上述优势转化为全球领导力？

  范文仲：首先，应布局算力基础设施建设。“要想富，先修路”——这句中国改革开放初期的朴素口号，揭示了基础设施对经济发展的先决性作用。但AI时代的路，不再是柏油马路，而是光纤；不再是桥梁隧道，而是算力节点；不再是高压变电站和配电站，而是Token路由器。“十五五”规划纲要提出“适度超前建设新型基础设施”，建设5G-A基站50万个，加强6G研发——这些数字背后，是一种全新的基础设施建设理念。传统基础设施重点在于连接物理空间：公路连接城市，电网连接工厂，港口连接世界。AI时代新型基础设施是连接算力与需求的：云（大型智算中心）处理重负载，边（边缘节点）处理低延迟任务，端（终端设备）处理本地化需求。三者通过高速网络互联，形成分层协同的算力网络。

  Token路由器是这一电网的“智能调度中枢”。它根据任务特性、模型能力和算力供给，将AI请求路由到最优执行节点。这类似于电力系统中的“智能电网”——根据用电峰谷、发电成本和传输损耗，动态调度电力流向。但Token路由器比智能电网更复杂：它不仅要考虑成本和延迟，还应该要考虑模型专长、数据隐私、合规要求等多重约束。一个需要实时响应的语音任务去边缘节点，一个高精度医学影像任务去云端大模型，一个成本敏感的海量任务去西部低价算力——这种算力调度的精细化程度，将直接决定企业的AI经营成本。这种基础设施的完善需要国家级的战略投入，它不能由少数科技巨头垄断，而应当被视为如同水电燃气一般的公共品。

  其次，应大力创新数据流通机制。数据流通是AI经济的血液循环。没有流通，数据只是沉睡的矿藏；过度流通，数据又有几率会成为泛滥的洪水。如何在促进流动与安全可控之间找到平衡，是制度设计者的核心挑战。当前，数据流通正在从概念走向产业，但依然面临三重困境：产权困境——数据归谁所有；隐私困境——如何保护个人权利；价值困境——如何定价。数据治理平台、数据信托机构、数据交易所是破解三重困境的制度创新。

  在数据治理环节，需要对企业和家庭的数据资产做全面梳理，明确所有权、持有权、经营权等不同产权类型，建立标准化的数据清洗、脱敏与标注工厂，将原始的泥沙俱尽的非结构化数据提炼为高质量可交易的应用数据产品。数据信托机构借鉴金融信托的法律结构：数据提供方作为委托人，将数据委托给受托机构（数据信托公司），受托机构按照信托目的（如医疗研究、商业分析）对数据来进行价值挖掘和增值服务，收益按约定分配。这种模式既保护了数据提供方的权益，又释放了数据的流通价值，还引入了第三方监督机制防止滥用。数据交易所则是数据流通的市场化载体。但与传统商品交易不同，数据具有无形性、非独占性、无限可复制性等特点，很多情况下数据交易的标的是使用权而非所有权，卖方在交易后难以控制数据用途。因此，数据交易平台不能简单复制股票交易所的模式，而需要创新技术和制度，建立质量评估+合规审查+隐私计算+使用追踪的全流程机制。

  再次，应全面搭建小型智能公司服务体系。随企业组织形态向OPC小型化方向演变，传统的针对大型科层制企业设计的社会化服务体系已然失效。一个由单个人类与几十个AI智能体构成的微型公司，不需要庞大的写字楼，不需要复杂的人力资源部，更不需要冗长的董事会决议。它们需要的是一套极其轻量、敏捷且高度数字化的支撑体系。建设面向OPC公司的服务体系，成为了AI时代基础设施建设的重点。

  物理空间上，需要出示高度集成的共享数字社区，配备顶级的算力接入与沉浸式交互设备，让OPC企业主可以在任何地点一键接入全球智能网络。商务服务上，需要AI自动化的工商注册、税务申报与合规审查系统，让一人公司的创立与注销如网页浏览般简单。法律服务上，智能合约将取代厚重的纸质合同，当OPC公司将任务分包给其他智能体时，代码即法律，违约即自动执行惩罚，极大降低了商业纠纷的解决成本。而在金融领域，区块链技术将成为支撑OPC公司运转的底层账本。传统银行体系无法处理海量且极其微小的智能体间交易摩擦，而区块链与加密支付可以在一定程度上完成毫秒级、零手续费的跨国界价值流转。基于区块链的声誉系统将记录每一个OPC公司及其智能体的履约历史，这种去中心化的信用评估机制将取代传统企业的品牌资产，成为新经济环境中最重要的通行证。（图片 明天）