互联网技术【AI资本主义：当智能变成收租工具，谁在写代码、谁在交“认知税”】

人工智能一度被讲成解放生产力的童话：机器写材料、模型看影像、机器人排产线，人只管创意和判断。可一旦把AI放进资本逻辑里看，童话会迅速变成长篇剥削小说——数据被圈走，算力被垄断，算法定规则，认知被量化，最后由普通用户、零工劳动者、中小企业共同缴纳一笔看不见的“智能地租”。所谓AI资本主义，不是AI自己成精，而是资本把大模型、算力、数据重新包装成通用生产条件，再用私有化方式拿走绝大部分增值。

一、数据、算力、算法：从生产要素到“资本一般”

传统资本主义争土地、争机器、争石油；AI资本主义争三样：数据、算力、算法。数据是人类行为、对话、病历、论文、代码、视频的总和，被清洗标注后喂给模型；算力是GPU、TPU、云集群，决定谁能训练、谁能迭代；算法是模型结构、推荐逻辑、定价规则，决定系统如何判断与分配。三者合起来，不再是普通工具，而像工业时代的蒸汽机、电力、铁路，成为“所有生产都要依赖的一般条件”。

问题出在私有化占有。公开网页、公共知识、用户问答本来具有公共性，进入大模型训练后却变成少数公司的专有资产；高端AI芯片市场高度集中，部分巨头掌控大量AI芯片供给，形成“算力霸权”；闭源大模型、核心API、专属数据集又构成技术围栏。结果不是“大家都能用AI”，而是“大家用AI都要向少数基础设施所有者租接口”。当数据—算力—算法被一体化垄断，智能生产力越发达，租金入口越集中。

更麻烦的是统计与监管理论跟不上。AI服务边际成本可很低，API按token计费，传统反垄断看市场份额、看价格加成，可词元经济里垄断常表现为控制关键模型API、生态锁定、数据不可迁移；大量免费或低价AI创造消费者剩余，却不进GDP，企业买API常记费用不记资产，宏观数据进一步失真。也就是说，旧监管工具还没学会给“智能资本”估价，新垄断已经完成了圈地。

二、劳动重构：不是不用人，而是把人拆成“数据+辅助+被替代”

AI资本主义对劳动的重塑比工厂流水线更细。第一类，重复认知劳动被替代：文献整理、会议记录、客服话术、基础翻译、简单编程、部分审核标注，效率提升最明显。第二类，人机协作被重新定岗：人写提示词、校事实、做复杂判断，AI做初稿和检索；此时人不是不用，而是被算法重新量化。第三类，隐性数据劳动被无偿占有：每次问答、纠错、点赞、修改，都在反哺模型；用户以为在“使用工具”，平台同时在“提取行为剩余”。

这条链最隐蔽的是认知剥削。公共知识本由全人类累积，进入大模型后被私有化，再通过订阅、API、企业授权收回来，相当于对全社会认知成果征一道“Token税”。更底层还有全球数字苦力：数据标注、内容审核、模型微调外包到发展中国家，发达国家公司拿高附加值，肯尼亚、菲律宾、印度劳动者拿微薄分包费。Midjourney式“人均千万收入”的故事，遮住的是跨国众包和低端标注的廉价人力。

就业冲击也不是简单“AI取代人”。实证显示，生成式AI对常规认知任务提升大，对复杂判断只能辅助；对零工里高暴露认知岗位冲击直接，有研究以ChatGPT发布为节点，发现高暴露认知型零工日工资显著下降约19.9%。更反常的是，它不只打低技能，还打中高技能白领；资深者若能与AI互补反而增值，初级者若只做可被自动化的案头活，则最先被压缩。这就形成新型不平等：不是“有工作/没工作”，而是“能指挥AI/被AI指挥”。

三、垄断与数字地租：从赚利润到收“智能租”

AI有高固定成本、低边际成本、强网络效应：先烧几亿训练，后按调用量几乎零成本复制；用户越多，数据越多，模型越好，新进入者越追不上。这种结构天生导向赢家通吃。平台不再只靠卖产品获利，而是靠控制入口收租——云算力租、模型API租、推荐流量租、企业智能体插件租。学界把这叫数字地租、技术封建主义：科技巨头像数字领主，普通用户和开发者像数字农奴，封闭生态、佣金抽取、数据占有、算法规则共同把人锁在“数字领地”里。

典型表现是三层锁定：数据锁定，用户历史、对话、偏好不互通；模型锁定，企业业务依赖某家API和提示词资产；流量锁定，前端应用依附超级平台的分发与推荐。哪怕token价格战打得很凶，只要生态不开放，最终仍可能从“卖算力”升级为“收认知税”。美国科技“七巨头”曾占股市市值约23%，就是这种租金集中的侧面指标。当利润逻辑部分让位于地租逻辑，创新也可能变形：不是谁技术更好，而是谁入口更稳、数据更独、合规更强、收购更狠。

四、算法规训：从管理工人到管理欲望和认知

工业资本主义用考勤、流水线、科层命令；AI资本主义用推荐、评分、画像、信用分、动态定价。它不只分配任务，还分配注意力——给你看什么新闻、推什么商品、派什么订单、警告什么言论。信息茧房、情绪推送、争议内容放大，本质是把认知偏好变成可预测、可变现的行为数据。

更深的统治不在“不让你看”，而在“让你以为自己自由”。算法不出现场主管，却用评分、派单、限流、降权完成规训；劳动者面对的是无主体系统，申诉无门、解释权归平台。用户也一样：每次被精准投喂，短期舒适、长期窄化。生成式AI若过度替代思考，还会制造“认知债务”——人会写提示词但不懂推导，能出方案但不辨真伪，组织用AI提效却创意趋同。当公共讨论由模型摘要、由算法排序、由平台定可见性，意识形态不再是报纸社论，而是全天候个性化认知环境。

五、出路：别把AI当神，也别把垄断当宿命

批判AI资本主义，不是反AI，而是反“智能基础设施私有化+增值归少数资本+社会成本外部化”。可做的至少有五层。

一是反垄断从份额转向入口。不只查价格，还查模型API排他、数据可携带、算力互操作、平台自我优待；对关键基础模型可要求安全披露、标准接口、竞品切换。二是公共算力与公共数据并行。政府、高校、行业联盟建普惠算力池，公共文献、政务、科研、医疗数据在脱敏后开放训练，避免全社会学AI都向商业闭源模型交租。三是劳动侧从替代转向增强。税收抵免鼓励“增强型AI”而非纯替代；对受冲击零工和白领做再培训、短工时、过渡收入；平台零工纳入社保与集体协商。四是分配侧征“智能红利”。对超额算力利润、闭源模型高毛利、平台数据租金探索AI税、算力税、数字服务税，收益用于全民数据分红、公共算力、教育与再就业。五是算法可问责。高风险招聘、信贷、司法辅助、内容限流必须可解释、可审计、可申诉；防止用“模型说了算”掩盖资本规则。

中国路径不必照搬西方平台私有化。以公共数据授权运营、全国算力网、开源大模型、行业模型备案、算法备案与数据安全审查相结合，可以把“智能一般条件”更多变成公用设施而不是领主私产。DeepSeek等开源实践说明，降低模型门槛能缓解算力与数据垄断；但开源不等于自动普惠，仍要防“开源获客、闭源收租”的二次圈地。

AI资本主义的讽刺在于：它用全人类知识训练模型，却把模型关进专利、算力和API的收费亭；它宣称替代重复劳动，却把更多人类变成数据标注、提示词操作、算法申诉的零散劳动力；它承诺效率普惠，却把红利集中成数字地租。技术本身能写诗、能看病、能优化电网，但一旦生产关系不改，智能越发达，租权越集中。

真正的破局不是少发展AI，而是问清楚三件事：数据归谁、算力归谁、模型增值归谁。把智能基础设施从“数字领主”手里部分交还公共社会，AI才可能不是新的剥削机器，而是普通人也能平等调用的公用之光。否则，未来不是人被机器人统治，而是大多数人用着机器人，向极少数拥有机器人的人交一辈子“认知房租”。