夜雨聆风
范文仲:AI政治经济学与智能新质生产力
自第一次工业革命以来，人类社会的经济形态经历了以蒸汽机、电力和信息技术为标志的数次范式转换。然而，前三次工业革命本质上是人类体力的延伸与脑力计算辅助工具的升级，并未改变人类作为核心劳动力这一底层逻辑。近年来，生成式人工智能大语言模型、智能体、具身智能迅速崛起，展现出惊人的涌现能力、推理能力、执行能力，标志着通用人工智能（AGI）的曙光初现。这一技术突破不再仅仅是劳动生产工具的迭代，而是诞生了一种全新的劳动力形态——AI劳动力。这种新型的智能劳动方式，成为推动新质生产力发展的重要引擎，我们称之为“智能新质生产力”。
一、AI政治经济学的理论朔源
在政治经济学的经典理论中，生产力被视为社会经济发展的核心驱动力，其本质是人类利用劳动工具对自然进行改造的能力。马克思在《资本论》中指出，生产力包括劳动者、劳动资料和劳动对象三要素，其中劳动资料尤其是生产工具的技术水平是衡量生产力发展的重要标志。与此同时，生产关系则被理解为人们在物质生产过程中形成的社会关系体系，包括生产资料所有制、劳动分工形式以及产品分配方式等。
这一理论框架为理解AI作为新质生产力的角色提供了重要依据。AI技术以其强大的数据处理能力、自动化操作和智能决策支持，显著提升了劳动资料的技术水平，并重新定义了劳动过程的基本逻辑。人工智能的广泛应用不仅改变了传统的劳动分工模式，还推动了生产资料所有制的多元化发展。这些变化表明，AI科技发展与经典经济理论中的生产力与生产关系概念具有高度契合性，为分析AI经济未来图景奠定了坚实的理论基础。
从历史唯物主义的角度审视，AI经济的到来并非偶然的技术突变，而是社会生产方式内在矛盾发展的必然结果。马克思在《1857-1858年经济学手稿》（又称“大纲”）中准确预言了机器自动化的发展方向。他指出，当机器体系发展为自动的机械系统时，工人本身只是被当作自动机器体系的有意识的肢体，而直接劳动将不再是财富的巨大源泉，劳动时间也不再是财富的尺度。马克思进一步指出，“一般智力”（general intellect）——即社会知识、科学与协作性智能——将被对象化在技术体系之中，从而改变了资本主义以剩余劳动为基础的增值过程。
在著名的“机器论片段”中，马克思提出了关于未来社会发展的一种设想：随着机器自动化水平的提高，人类的社会生活过程将发生根本性改造。一般智力不断转化为直接生产力，机器与知识在生产过程中的应用持续扩大，社会整体的智力水平相应提升。生产自动化使人类逐步从劳动中解放出来，直接劳动时间在社会生活中的比重降至最低。财富的创造日益围绕知识展开，而非依赖直接体力劳动。马克思由此推断，社会生产力迅猛发展的结果，将使财富的衡量尺度不再表现为劳动时间，而是可自由支配的时间。他认为，以劳动时间作为财富尺度的传统社会，本质上是贫困的社会；而以自由支配时间作为财富尺度的社会，才是真正的富裕社会。这一未来社会形态被称为“一般智力”的共产主义社会。
AI经济并非是对传统数字经济的简单加总，而是一种以AI劳动力为主体、以数据和算力为核心生产要素、以人机协同与机机协作为主要生产方式的新型经济形态。在AI经济中，马克思所言的“一般智力”这一社会整体的知识、技能与技艺系统，在人工智能时代以前所未有的形态呈现出来，“一般智力”已大规模对象化为以数据、算力和模型为核心的新型生产资料，构成了当代生产力变革的中枢力量。人类体力劳动的直接投入在生产过程中的比重持续下降，而知识——经由人工智能负载和操作的知识——正成为财富创造的核心要素。在这一形态下，传统的劳动价值论、企业理论、产权理论与国际分工理论均面临前所未有的挑战。
从传统的经济学视角来看，AI技术的引入引发了关于经济增长模式和社会运行机制的深刻变革。西蒙·库兹涅茨在其经典著作《各国的经济增长》中指出，现代经济增长的核心特征是技术的广泛应用与产业结构的高速变动。自二十世纪八十年代以来，以信息技术为代表的数字革命深刻重塑了全球经济结构。1987年，罗伯特·索洛提出了著名的“生产力悖论”（Productivity Paradox），指出“计算机时代无处不在，唯独在生产力统计中难觅踪迹”。三十年后，Brynjolfsson、Rock、Syverson提出“生产力J曲线”假说，认为新技术的全面生产力效应存在显著的滞后性，原因在于企业需要进行大量无形的互补性投资，包括新的业务流程、商业模式与人力资本积累，导致新技术应用早期生产力的增长被显著低估。正如经济史学家Paul David所观察到的，通用目的技术（General-Purpose Technologies, GPTs）如电力、半导体等，平均需要约二十五年的缓慢增长期，方能对生产力产生深远影响。
当前，以大型语言模型、多模态智能体与自主决策系统为代表的人工智能技术，正在经历从“索洛悖论”向“生产力爆发”的关键转折。Acemoglu与Restrepo指出，自动化通过“替代效应”（Displacement Effect）使资本取代劳动执行原有任务，但同时也可以通过创造新任务产生“复归效应”（Reinstatement Effect）。当AI系统不仅能够执行特定任务，还能自主学习、协作与创新时，其经济意义已超越传统的自动化范畴，演变为一种全新的“AI劳动力”（AI Labor Force）。这种劳动力不受生物性疲劳制约，具备指数级规模扩张能力，且其边际成本随着算力效率提升而持续下降。
然而，AI经济的未来图景并非单一由技术发展决定。制度经济学理论指出，技术变革需要与制度创新相结合，才能实现经济的可持续发展。劳动生产率显著提高，理论上劳动者应因此而减少必要劳动时间、增加自由支配的时间，但传统分配机制却可能导致一部分劳动者面临就业不稳定与时间分配的新不平等。这一矛盾表明技术本身并不会自动带来财富尺度的转移，技术红利的分配方式——生产关系——才是决定社会富裕形态的关键。在AI经济背景下，这一观点尤为重要，因为现有法律框架、社会治理结构和经济政策无法适应AI技术的迅猛发展，亟需通过制度创新加以应对。
Paul Mason在《后资本主义》（PostCapitalism）中指出，信息商品一旦产生，其复制成本趋近于零，这种“非稀缺性”将从根本上动摇资本主义的市场定价机制与资本积累逻辑。Nick Srnicek与Alex Williams在《发明未来》（Inventing the Future）中进一步主张，通过全面自动化、缩短工作周与普遍基本收入，构建一个“后工作社会”（Post-Work Society）。丹尼尔·萨斯坎德（Daniel Susskind）在其著作《没有工作的世界》中指出，机器可能使人类劳动力的相当大一部分变得不再必要。当技术不仅能增强劳动者，而且能替代劳动者——尤其是替代认知劳动——时，制度经济学的理论框架必须作出相应的调适。
近年来，国际学者围绕AI对劳动力市场、生产关系和商业组织等方面的影响展开了广泛研究。在劳动力市场方面，Acemoglu和Restrepo的研究表明，AI技术的广泛应用可能导致劳动力市场的极化现象，即高技能岗位需求增加，而低技能岗位则面临被替代的风险。David Autor的研究进一步指出，AI对不同类型劳动力的影响存在显著差异，其中重复性、规律性劳动最受冲击，而创造性、复杂性和人际互动性劳动则相对稳健。在生产关系领域，AI技术的影响主要体现在劳动分工和收入分配两个方面。Brynjolfsson和McAfee的研究强调，AI通过算法和数据驱动实现了劳动分工的智能化，从而提高了生产效率并创造了新的经济价值。然而，这种智能化分工也带来了收入分配的不平等问题。Goos和Manning的研究发现，历史上新技术的应用会导致技能溢价扩大，高技能劳动力的工资占比上升，而低技能劳动力的收入份额则持续下降，进而对社会的长期稳定构成威胁。在商业组织方面，AI技术的应用推动了组织形态的深刻变革。近期研究表明，AI技术使企业能够构建更加灵活高效的组织架构，例如基于智能体的自主决策系统和分布式协作网络。这些新型组织形式不仅提升了企业的运营效率，还增强了其市场竞争力。
当前，AI经济发展依然面临诸多挑战，例如技术伦理风险、数据安全问题和人机协作难题等。AI技术对经济的整体影响是一个复杂而多维的过程，需要从多个角度进一步进行深入研究。
二、“智能新质生产力”成为AI经济发展的主要动力
在马克思主义政治经济学的理论框架中，生产力代表了人类改造自然、获取物质资料的能力，其核心要素包括劳动者、劳动资料和劳动对象。AI技术的爆发式演进，正是对这三大要素的全方位重塑与质变提升，形成了“智能新质生产力”。AI经济的核心特征在于，劳动者这一生产力中最活跃的因素发生了质的改变，传统的“人类劳动是价值唯一源泉”的命题面临着复杂的理论与现实挑战。
1、AI从劳动工具到智能劳动主体的转变
传统意义上的生产工具，无论是铁犁还是蒸汽机，都是人类肢体或智力的单向延伸，必须依赖人类的实时操控与指令输入。然而，当代AI系统（特别是具备自主学习、推理和规划、执行能力的AI智能体和具身智能机器人）已经从单纯的“劳动资料”跃升为相对独立的“AI劳动力”。它们不仅能够执行预设任务，更能够在开放环境中通过强化学习不断优化策略，甚至在药物研发、材料科学和数学猜想等领域展现出超越人类的创造力。
这种质变体现在三个维度：其一，劳动者的知识化与虚拟化。直接参与物质生产的不再仅仅是血肉之躯的人类，而是被注入了人类集体智慧并不断自我迭代的算法模型。其二，劳动资料的智能化与拟人化。智能机器系统集成了感知、决策与执行模块，打破了以往机器只能替代体力劳动的局限，全面侵入了认知与决策的“脑力劳动”领域。其三，劳动对象的无限扩展。数据成为了最关键的新型劳动对象，其非物质性、可复制性和非竞争性特征，使得AI劳动力能够在虚拟空间中以近乎零边际成本的方式进行全天候、高频次的价值增值活动。
在AI经济中，由于AI劳动力取代了人类劳动成为使用价值的直接创造者，传统的价值源泉理论必须被重构。AI劳动力本身不具备生物学意义上的“劳动快感”或“剥削反抗”，其创造价值的本质是人类过往知识的数据化凝结与算法算力的物化。因此，AI经济中的价值不仅包含当前投入的算力与能源折旧，更包含了历史沉淀数据的资本化价值，成为马克思在“机器论”中描述的“资本”。这要求我们在理论上有条件地承认非人类实体在价值创造中的直接作用，从而在经济学说史上实现一次重大的范式突破。
2、劳动价值论的重构
在AI经济时代，市场上绝大多数的商品和服务将由AI劳动力直接提供。这就引出了一个深刻的政治经济学问题：如果商品主要是由无需领取薪水的AI“无酬劳动”创造的，那么商品的价值量和剩余价值该如何衡量？
基于劳动价值论的视角，我们应当认识到，尽管AI本身不领取工资、不进行个人消费，但它本质上是过去人类死劳动（Past Labor / Constant Capital）的高度浓缩与智能化变现。AI系统每一次产出价值，都是对人类历史上积累的科学知识、技术专利和海量数据进行折旧消耗的过程。因此，AI创造的巨大财富，归根结底仍然是人类总体社会劳动的结晶。
熊彼特在《经济发展理论》中指出，创新是经济发展的核心动力，而“生产要素的新组合”是创新的本质。AI劳动力的出现正是生产要素组合方式的革命性变化。当AI能够独立完成劳动过程时，劳动不再是人类独有的活动，生产过程中人类劳动的占比逐步下降，AI劳动的占比持续上升，这一变化从根本上提升了生产效率，拓展了生产可能性边界。传统新古典经济学认为，资本与劳动在生产函数中是相互替代且存在边际收益递减的，而索洛模型揭示了技术进步是经济长期增长的唯一源泉。AI劳动力作为新质生产力的代表，其本质在于突破了人类劳动的生物性限制与线性增长约束，实现了知识生产与执行的指数级扩张。根据内生增长理论的框架，长期经济增长主要由全要素生产率（TFP）驱动，而TFP的根本来源在于技术进步的速度与知识积累的规模。AI劳动力恰恰通过机器学习与大规模数据训练，将人类数百年积累的知识进行压缩与重构，形成了可无限复制的“智能资本”。
在AI经济时代，AI本身既是资本（固定资本投资形成的算力与算法），又具备了高度的“类劳动”属性。阿吉翁等人在其关于人工智能与经济增长的经典文献中提出，如果AI能够替代越来越高比例的劳动力任务，经济增长率可能呈现爆炸性增长。在未来图景中，AI劳动力将不再局限于数据处理或重复性体力劳动。具备跨领域知识融合能力的AGI与具身机器人结合，将接管绝大多数物质生产、农业种植、物流运输以及包括医疗诊断、法律咨询、软件开发在内的复杂脑力服务。AI劳动力具有全天候、无情绪波动、边际复制成本趋近于零（仅受限于能源与算力）的特征。这种先进生产力将把生产效率推向人类生理极限无法企及的高度，彻底打破了传统生产函数中劳动力数量与质量对经济增长的刚性约束。
更重要的是，AI劳动力的普及将人类从繁重的、异化的、重复性的体力劳动和部分脑力劳动中彻底解放出来。正如马克思所预言的那样，当物质生产的“必然王国”被高度发达的机器所接管，人类将首次真正踏入自由发展的“自由王国”。人类的劳动将不再是为了生存被迫进行的谋生手段，而是转化为一种追求自我实现、艺术创造和科学探索的高级生命活动。在这个意义上，AI劳动力不仅是先进生产力的巅峰，更是人类走向真正自由与解放的必要物质基础。
3、智能劳动力市场的新结构
从生产力发展的历史脉络看，AI劳动力代表了继蒸汽动力、电力与信息技术之后的第四代通用目的技术，劳动力市场的供给和需求将发生深刻变化。
在供给侧，AI系统能够以接近零的边际成本提供标准化服务。尽管Jeremy Rifkin所宣称的“零边际成本”在严格经济学意义上存在争议——因为固定成本与可变成本始终存在——但数字复制品的边际分发成本确实趋近于极低水平。这意味着，当AI劳动力承担内容生成、客户服务、代码编写、设计制图与基础分析等任务时，市场供给曲线将变得极为平坦，价格形成机制发生根本性扭曲。
在需求侧，AI劳动力创造了“超个性化”（Hyper-Personalization）与“即时响应”（Instant Responsiveness）的新需求形态。传统工业经济以大规模标准化生产满足同质化需求，而AI经济通过生成式模型为每个消费者实时定制产品与服务，模糊了生产与消费的边界。OECD的报告指出，数据作为非竞争性（Non-Rival）投入，可被多方同时使用，其再利用与共享能够催生更多新产品与商业模式。当AI劳动力成为主要供给者时，市场将从“稀缺经济”转向“丰裕经济”，价格信号的重要性相对下降，而匹配效率与质量控制的重要性上升。
尽管AI劳动力将成为生产的主力军，但这并不意味着人类劳动的彻底消亡，而是市场结构将发生深刻的二元分化。
一方面，市场上的基础商品和大众服务将呈现“全面AI化”。这些由AI提供的产品和服务具有极高的标准化、精准化和低成本特征。从智能制造工厂产出的消费电子、定制化服装，到由AI医生提供的全生命周期健康管理方案，这些AI生成的产品将构成人类物质生活与服务需求的绝对主体，其价格将逼近边际成本，极大降低社会的整体生存门槛。
另一方面，人类生产的劳动产品依然存在，但其经济学属性将发生根本改变，转化为凡勃伦（Thorstein Veblen, 1899）意义上的“炫耀性消费品”或具有极高“情感溢价”的稀缺品。当机器可以写出完美的交响乐、制作出极致精密的机械表时，由真正的人类在不完美中倾注情感创造将成为最大的卖点。纯手工制作的陶器、人类厨师烹饪的带有偶然性瑕疵的菜肴、人类艺术家基于真实生命体验创作的文学作品，将因为其蕴含的“人类主体性”（Human Intentionality）而获得更高的市场定价。人类的生产活动将从“为了谋生而劳作”升华为“为了体验、表达和社交而创造”。
因此，在AI经济中，虽然AI劳动力将主导商品与服务的市场供给，但人类生产的产品依然存在。这种并存并非简单的替代关系，而是形成了一种“分层供给”（Tiered Supply）结构。人类手工生产、艺术创作与定制化服务将因其稀缺性与情感价值而被赋予奢侈品属性，占据市场的高端层级；而AI提供的标准化、高效率服务将构成市场的基础层级。当AI执行成本低于人类劳动成本时，生产将交由AI完成，而人类则转向监督、创意与情感劳动。
三、AI经济的生产关系重构
AI劳动力作为社会生产的主体，在更高层次上验证了马克思政治经济学的历史预见性。马克思在《大纲》中指出，当“自动体系”成为生产的主导形式时，“财富不以劳动时间为尺度，而是以可自由支配的时间为尺度”。AI劳动力将人类从必要劳动中解放出来，使自由时间成为财富的真正衡量标准。然而，这一解放过程并非自动实现，而是取决于生产资料的所有制形式与剩余价值的分配机制。如果AI劳动力创造的超额剩余价值被少数科技垄断资本所攫取，社会将陷入更深的贫富分化；只有当AI生产力服务于社会整体利益时，“物质产品极大丰富”的图景方能成为现实。
1、生产关系变革的内在逻辑
生产关系是人们在物质生产过程中形成的不以人的意志为转移的经济关系，其核心包括生产资料所有制形式、人们在生产中的地位及其相互关系、产品分配方式三个方面。生产力决定生产关系，生产关系必须适应生产力的发展要求，这是马克思主义政治经济学的基本规律。AI劳动力作为最高级的生产力，必然催生出与传统资本主义雇佣劳动截然不同的新型生产关系。
传统工业时代的生产关系以“资本-雇佣劳动”为核心，资本所有者占有生产资料，劳动者通过出卖劳动力获得工资，劳动者在生产过程中处于被支配的地位，分配方式以按要素分配为核心。而在AI经济时代，生产过程的核心主体从人类劳动者转变为人类与AI劳动力的组合，生产关系的核心也转变为人类与AI的关系，以及人类内部围绕AI生产资料与AI产品分配形成的关系。
2、AI经济新型生产关系的核心特征
当AI成为生产的主体力量，传统意义上以资本家与雇佣劳动者之间的对抗为核心的生产关系将发生质的转变。新的生产关系呈现出以下特征：第一，人类从直接生产者转变为更高层次的监督管理者。这种监督不仅包括对AI任务执行的绩效评估和质量监控，更涵盖AI行为的伦理导向与系统安全性的持续保障。第二，AI劳动力之间的分工协作从人机协作扩展到智能体之间的自主协调。不同AI系统之间可以在数据共享、任务分配和执行链条上实现规则化和自动化的交互，形成类似智能体生态系统的新型生产力组织形态。第三，生产资料的所有权与控制权可能更加集中，但使用权向社会更加扩散。算法、数据和算力的所有权名义上仍归属于组织——可能是企业也可能是公共机构——但其使用权可通过API接口和云服务的形式被广泛接入。
3、人机关系实现从“雇佣-被雇佣”到“监督-执行”的关系演变
在资本主义工厂制度下，资本家与工人的关系是典型的雇佣与剥削关系，剩余价值来源于工人的无酬劳动。在AI经济中，由于AI不具备独立的人格意志与消费需求，资本家无法通过延长AI的劳动时间或提高劳动强度来榨取绝对或相对剩余价值。人类与AI的生产关系发生了质变：人类从直接的流水线操作者、代码编写者，退居为AI系统的“提示词工程师”、“目标函数设定者”与“伦理监督员”。这种关系不再是传统意义上的剥削，而是一种高阶的控制论意义上的“目标对齐”与“过程监督”。人类掌握着生产的方向与边界，AI负责具体的路径规划与执行。
从人机关系来看，人类始终处于生产过程的主导地位，AI劳动力处于被管理、被监督的从属地位。这种地位差异不是由生产效率决定的，而是由生产的根本目的决定的：AI生产的最终目的是满足人类的需求，因此人类拥有对AI生产的最终决策权、监督权与控制权。人类在生产过程中的角色从直接的劳动者转变为生产的管理者、监督者与需求的提出者，主要承担三项核心职能：（1）确定生产的价值导向，确保AI生产符合人类的伦理规范、法律要求与公共利益，避免AI生产出现危害人类安全、违背人类价值观的情况；（2）提出生产需求，根据人类的物质与文化需求确定AI生产的方向、内容与标准，引导AI生产匹配人类的真实需要；（3）监督AI生产过程，对AI生产的产品质量、安全合规性进行审核，对AI系统的运行进行持续优化与调整。
4、机机协作形成无摩擦的分工网络
亚当·斯密在《国富论》开篇即指出，分工是提高劳动生产率的核心。在AI经济中，分工不再局限于人类之间，而是演化出极其复杂的“机机协作”。例如，通用大模型承担需求理解、任务分解、流程规划等顶层调度工作，专业领域AI模型承担行业特定场景的技术研发、方案设计等工作；基于多智能体系统，不同专长的AI劳动力（如架构设计AI、代码编写AI、测试AI、运维AI）可以通过API接口与协议，形成高度自治的分工网络；具身智能机器人承担物理世界的加工、制造、运输等工作，服务型AI承担面向终端用户的服务交付工作。
这种分工不是通过市场契约临时达成，而是通过预训练的参数共享、微调适配与持续学习实现的“有机协作”（Organic Cooperation）。这种分工网络彻底消除了人类协作中的沟通成本、情绪摩擦与机会主义行为。奥利弗·威廉姆森在《资本主义经济制度》中强调，交易成本的存在决定了企业的边界。当AI之间的内部协作交易成本趋近于零时，传统意义上的企业内部分工将突破企业边界，形成全社会范围内的超大规模AI协同生产网络。这种AI内部的分工协作体系比传统人类的分工体系更加高效、灵活，能够根据生产需求的变化实时调整分工结构，实现生产资源的最优配置。
5、人类社会实现“按需分配”的理想仍需生产关系的配套革新
从人类内部的关系来看，由于AI生产极大提升了生产效率，物质产品的稀缺性被逐步消解，传统的按要素分配方式逐步向按需分配过渡。马克思在《哥达纲领批判》中提出，共产主义社会高级阶段的分配原则是“各尽所能，按需分配”，而这一原则的实现需要三个前提：一是“迫使个人奴隶般地服从分工的情形已经消失，从而脑力劳动和体力劳动的对立也随之消失”；二是“劳动已经不仅仅是谋生的手段，而且本身成了生活的第一需要”；三是“随着个人的全面发展，他们的生产力也增长起来，而集体财富的一切源泉都充分涌流”。
AI经济的发展恰恰为这三个前提的实现提供了现实可能。首先，AI劳动力承担了所有的标准化、重复性劳动，人类不再需要为了谋生从事自己不喜欢的工作，分工对人类的束缚彻底消失，脑力劳动与体力劳动的对立也随之消解。人类可以根据自己的兴趣与特长选择从事科学研究、艺术创作、文化传播、社会服务等创造性劳动，劳动不再是谋生的手段，而是实现个人价值的方式。其次，AI生产效率的指数级增长使得社会物质产品的生产能力远远超过人类的基本需求，集体财富的源泉充分涌流。此外，AI生产将人类从繁重的生产劳动中解放出来，人类有更多的时间与精力投入到学习、社交、创造性活动中，实现个人的全面发展，而人的全面发展又会进一步推动科学技术与文化艺术的进步，形成经济社会发展的正向循环。
在上述生产关系变革的基础上，“按需分配”具有从乌托邦构想转变为现实的理论可行性。然而，按需分配在AI经济中还需要面对三种客观制约条件。其一，需求不等于欲望，有限的物理资源（能源、水资源、土地等）即使在AI生产力高度发达的条件下仍然构成约束。其二，AI本身的数据训练成本和推理计算成本虽然不断下降，但并不意味着零成本，数据中心建设涉及数万亿美元的增量投资。其三，分配本身是一种高度社会性的过程，涉及公平观念、权力关系和价值排序——即使生产能力无限，社会对分配的共识仍然是一个政治构建问题而非技术解决范畴。
如果在现实中无法同步实现生产关系的创新，AI产品的丰富性与人类消费者有效需求不足之间可能会造成一个根本性的矛盾：现有经济制度的功能框架与AI新生产力的不相容将导致系统性的风险积累。换言之，仅仅有物质丰富是不够的，分配机制和收入结构的实质性变革是AI经济社会避免“充裕中的萧条”的前提条件。
因此，从AI生产力爆发到实现人类社会按需分配并非线性自动的过程，而是需要一系列生产关系的重大变革。
首先，需要建立“AI红利”的社会化分配机制。当AI劳动力创造的价值远超人类劳动所能比拟时，必须通过税收、全民基本收入或社会分红等形式，将超额剩余价值返还社会。这不仅是公平问题，更是经济可持续性问题——如果大众缺乏购买力，AI经济将面临严重的有效需求不足危机。
其次，需要重构“劳动”与“价值”的概念。在AI经济中，传统意义上的“社会必要劳动时间”已无法准确衡量财富创造，因为AI的运行时间是连续且并行的，其价值贡献取决于算力投入、数据质量与算法效率。因此，需要发展新的价值核算体系，将能源消耗、碳排放、数据贡献与算力投入纳入综合考量。
再次，按需分配的实现需要分阶段推进。短期内，可通过“AI税”与“数据红利”建立过渡性分配机制；中期内，逐步扩大公共服务的免费供给范围，实现教育、医疗、基础信息与能源的按需获取；长期内，当物质产品真正极大丰富时，货币在基本生活资料领域的作用将逐渐淡化，社会转向以贡献、声誉与需求为基础的多元分配体系。这一路径既避免了激进变革的社会震荡，又确保了技术进步的普惠性。
四、AI经济的新型生产资料
生产资料是劳动者进行生产时所需要使用的资源或工具，是生产力发展的核心支撑。在不同的经济时代，生产资料的核心构成各不相同：农业时代的核心生产资料是土地与劳动力，工业时代的核心生产资料是资本、矿产资源与机器设备，信息时代的核心生产资料是数据与信息技术，而AI经济时代的生产资料内涵进一步拓展，形成了以数据、算力、能源为核心的新型生产资料体系。
马克思在《资本论》中指出，“不论生产的社会形式如何，劳动者和生产资料始终是生产的因素”。在AI经济时代，AI作为新型劳动力，其运行必须依赖三个基础要素：一是数据，作为AI训练与决策的原材料；二是算力，作为AI运行的实际支撑；三是能源，作为算力的基础保障。而随着AI经济的深化发展，AI Token作为AI系统之间价值交换的媒介，也逐步成为重要的生产资料。这四类要素共同构成了AI经济时代的核心生产资料，是价值创造的核心来源。
1、数据成为AI经济的核心生产资料
在保罗·罗默（Paul Romer, 1990）的内生增长理论中，知识和技术思想被视为非竞争性的核心要素。而在AI经济中，这种抽象的要素被具象化为“数据”（Data）。约瑟夫·斯蒂格利茨在多篇论文中指出，信息不对称是市场失灵的重要原因，而数据正是消除这种不对称的原料。在AI经济中，数据取代了工业原料，成为最基础的生产资料。与传统的生产资料不同，数据具有非竞争性、非排他性、低复制成本和网络效应等独特性质。高质量的人类行为数据、物理世界运行数据是训练AI劳动力的“燃料”。谁掌握了海量、多维、高质量的数据谁就掌握了AI经济的命脉。
Jones与Tonetti在《美国经济评论》（AER）上发表的经典论文奠定了数据作为生产要素的理论基础。他们指出，数据资本具有典型的“非竞争性”，即一个人或企业使用数据并不妨碍他人使用，但这同时导致了数据市场的“排他性困境”——企业缺乏动力共享数据，从而造成数据垄断。在AI生产函数中，数据不仅是投入品，更是决定模型质量的“隐性资产”。Varian进一步提出，AI经济中的数据具有“规模报酬递增”特征，高质量数据的积累能以非线性的方式提升模型的泛化能力。因此，数据已从原始的资源状态，转化为需要确权、定价、交易的核心生产资料。
数据作为生产资料的产权归属与流通机制是AI经济发展的核心问题。在工业资本主义时代，生产资料私有制是价值分配不平等的根本原因。在AI经济中，数据的所有权归属变得极为复杂：个人数据源于个体行为，但由平台收集与处理；训练数据可能包含公共领域的内容，但模型参数却由私营企业控制；AI生成的内容基于人类知识积累，但法律归属尚不明确。这种复杂性要求超越传统的“公有-私有”二元对立，探索新型的“共享生产资料”（Shared Means of Production）制度。例如，数据信托（Data Trusts）、数据合作社（Data Cooperatives）与公共数据基础设施（Public Data Infrastructure）等制度创新，可以在保护个人隐私的同时，确保数据红利的社会共享。
当前全球各国都在加速构建数据产权制度，2022年中国发布的《数据要素基础制度二十条》明确了数据资源持有权、数据加工使用权、数据产品经营权的“三权分置”制度，为数据要素的流通与应用奠定了制度基础；欧盟2024年生效的《数据法案》进一步明确了个人数据的可携带权与企业数据的公平使用规则。在AI经济时代，数据产权制度将进一步完善，形成“个人享有数据所有权、平台享有数据加工使用权、公共数据开放共享”的产权体系，在保护个人隐私的前提下最大化数据的使用价值，为AI生产提供充足的原材料供给。
2、AI Token成为AI经济中的大宗商品和生产计量标准
随着AI系统之间的分工协作体系逐步形成，AI系统之间需要进行高效的价值交换与权限确认，AI Token应运而生。AI Token是基于区块链技术发行的数字化凭证，主要承担两项核心职能：第一，作为AI系统之间的价值交换媒介，不同AI系统提供的服务可以通过Token进行计价与结算。第二，作为AI系统访问数据、使用算力的权限凭证，AI系统需要持有相应的Token才能获取对应的数据集、使用相应的算力资源完成模型训练与推理任务。如果说数据是“原料”，那么AI Token则是AI经济中的“标准化生产资料单元”与“能量载体”。在传统工业中，煤炭和电力是驱动机器运转的燃料。在AI经济中，Token本质上是“被封装的算力与能源”。Bommasani等在斯坦福大学的《基础模型》报告中指出，Token化是将非结构化世界转化为机器可计算生产资料的必经过程。每一个Token不仅承载了信息熵，更凝聚了预训练阶段巨大的算力与能源投入。
在大语言模型的运行机制中，Token是对文本、图像、代码等信息的向量化切分。AI劳动力的每一次思考、推理与生成，本质上都是对Token的计算、重组与输出。当前生成式AI的核心机制是“自回归”——即根据已有的上文，预测并生成下一个Token。这个过程绝非凭空发生，每一次“下一个Token”的生成，都需要调动庞大的GPU集群进行数十亿次甚至数百亿次的浮点运算（FLOPs），并消耗相应的电力。因此，当使用者向AI模型输入1000个Token并要求它输出1000个Token时，AI模型实际上不是在交换文字，而是在消耗一份极其确定的“算力+能源”包。作为驱动AI运转的必要消耗品，Token具备了典型生产资料（动力/燃料）的特征。
在未来的经济系统中，Token不仅是模型处理的底层技术单位，更将被赋予经济含义。调用AI劳动力的能力，将通过消耗Token来实现；AI组织之间的劳务结算，也可能以标准化的算力-Token包来进行。Token因此成为连接抽象算力与具体AI生产行为的桥梁，类似于工业经济中的“标准煤”或“度电”，成为衡量AI生产能力的一般等价物。
从政治经济学视角，AI Token被视为一种“微型生产资料”。Faraj等（2018）提出“算法作为工作者”的概念，而Eloundou等（2023）关于GPT-4经济潜力的研究则表明，AI通过处理海量Token，实质上在执行认知劳动。在此逻辑下，Token的生成、分配与消耗，构成了AI经济中价值流转的微观基础。Token不仅是技术层面的字符串，更是衡量AI生产力大小的“微观计价单位”与“生产资料凭证”。
对于企业而言，Token已经从技术概念变成了财务报表上的关键要素。企业的运营成本中，Token的消耗量（即使用AI的成本）将占据重要位置。一些前沿公司甚至开始将Token额度纳入员工的薪酬包或项目预算中。员工领到的不仅是电脑，还有用于工作的Token额度，这直接反映了Token作为生产资料的属性。
3、国家核心竞争力的重塑
地缘政治经济学历来关注国家间核心资源的争夺。在AI经济时代，传统的石油、天然气等化石能源的地位相对下降，取而代之的是“数据-能源-算力”的新三位一体结构。
首先，数据资源的拥有量与治理能力成为国家竞争力的基础。人口规模大、经济活动活跃的国家拥有天然的数据资源优势，中国、美国等大国的数据资源总量远远超过中小国家，具备发展AI经济的天然优势。但数据资源的价值不仅在于总量，更在于治理能力，包括数据的采集、存储、加工、流通、安全保护能力，只有建立完善的数据要素治理体系，才能充分释放数据的价值。
其次，算力技术与供给能力成为国家竞争力的核心。AI芯片的设计制造能力、数据中心的建设运营能力直接决定了一个国家的AI算力供给水平。Phelps与Basu（2021）在探讨AI与生产率悖论时强调，缺乏足够的异构算力（GPU/TPU集群）是阻碍AI技术转化为全要素生产率（TFP）的关键物理约束。当前全球AI芯片市场呈现高度集中的格局，英伟达、AMD、英特尔三家美国企业占据了全球AI芯片市场80%以上的份额，中国在AI芯片领域正在加速追赶。未来各国围绕算力技术的竞争将更加激烈，谁掌握了算力技术的制高点，谁就掌握了AI经济发展的主导权。先进AI芯片（如GPU）的出口管制，本质上是对他国“算力-能源转换效率”的精准打击。半导体供应链与AI算力集群已成为类似核武器的战略威慑力量，国家核心竞争力的重心从“金融霸权”转向了“算力霸权”。
能源供给能力成为国家竞争力的底线支撑。AI算力的大规模应用需要充足、低成本的能源供给，拥有丰富可再生能源资源与先进能源技术的国家将在AI经济时代具备显著的成本优势。Patterson等（2022）在IEEE的后续研究中进一步指出，随着模型参数突破万亿级别，“能源墙”已成为比“算力墙”更严峻的挑战。在AI经济中，能源不再仅仅是外部的环境成本，而是内化为了AI生产函数的直接投入要素。没有廉价、稳定的能源供给，算力基础设施就无法运转，数据和Token的价值就无法被提取。中东、北非等太阳能资源丰富的地区，北欧、加拿大等风能、水能资源丰富的地区，都在规划建设大规模的绿电数据中心，打造全球算力供给枢纽。可控核聚变技术的商业化应用将彻底解决能源供给的瓶颈问题，为AI经济的无限发展提供能源保障，当前中国、美国、欧盟都在加大可控核聚变技术的研发投入。
从国际竞争视角看，数据主权（Data Sovereignty）、算法主权（Algorithm Sovereignty）与算力主权（Compute Sovereignty）构成了国家数字主权的三大支柱。在这一背景下，发展中国家面临“数据殖民主义”（Data Colonialism）的风险——其原始数据被跨国科技平台无偿或低价攫取，而高附加值的数据智能却由发达国家垄断。因此，建立公平的数据流通规则、保护本土数据资源、发展自主可控的AI基础设施，成为维护国家经济安全的紧迫任务。
Korinek与Stiglitz（2021）指出，数据的非竞争性特征导致了全球AI发展的“赢者通吃”局面。掌握海量数据、先进算力芯片和庞大能源体系的国家，能够构建极高的技术壁垒。Lee（2018）在《AI超级大国》中前瞻性地提出，中美在AI领域的竞争并非单纯的技术竞赛，而是以数据规模、算力基础设施和政策执行力为核心的综合国力较量。West与Allen（2020）强调，国家在AI经济中的竞争力，不再取决于单一要素的丰裕度，而是取决于“数-算-能”三者的系统协同能力。例如，拥有丰富自然能源（如中东的太阳能、北美的天然气）但缺乏数据生态的国家，只能沦为“算力外包工厂”；而拥有海量数据但缺乏本土算力与能源保障的国家，则面临“数据空心化”的安全风险。构建主权级的数据网络、自主可控的算力集群与绿色安全的能源底座，已成为大国博弈的绝对核心。
五、AI经济商业组织形态的分化
企业作为商业活动的核心组织形态，其形态始终随着生产技术与交易成本的变化而演化。罗纳德·科斯（Ronald Coase, 1937）在《企业的性质》中提出，企业的存在是为了降低市场交易成本。当企业内部的管理成本低于市场交易成本时，企业就会产生。工业时代的企业组织形态以科层制为核心，通过多层级的管理架构实现对大规模生产活动的组织与协调，其核心特征是“金字塔式”的层级结构、明确的部门分工与严格的规章制度。信息时代的企业组织形态逐步向扁平化、网络化方向演进，减少中间管理层级，提升组织的响应速度与灵活性。而在AI经济时代，随着AI劳动力成为生产的核心主体，企业的组织形态将发生根本性的分化，形成两类截然不同的商业组织：人类管理型组织与AI生产型组织。
1、人类管理型组织
在未来的商业生态中，由人类构成的实体组织将发生“空心化”与“轻资产化”，主要承担AI经济中的决策、管理、监督、协调等职能，是AI经济运行的主导力量。
这类组织的核心特征是规模小、人员精、决策权高度集中，组织成员都是具备高水平管理能力、专业技术能力与价值判断能力的高端人才，不再从事具体的生产执行工作。其核心功能收缩至三个维度：一是战略愿景与目标设定。人类负责感知宏观环境的变化，定义组织的长远使命，这是AI目前难以具备的跨周期宏大叙事能力。二是资本运作与资源配置。决定将算力和数据投入到哪个赛道，进行风险投资与并购决策。三是伦理、合规与价值观把控。确保AI组织的输出符合人类的法律与道德底线。
人类组织将更像是一个“董事会”或“基金”，人数极少，但掌握着方向性与合法性权力。Raisch与Krakowski（2021）在《Academy of Management Review》上发表的经典论文提出了“自动化-增强悖论”。他们指出，人类管理层的核心职能正在转向为AI系统设定准确的“目标函数”。由于AI存在价值对齐问题，人类管理者必须充当“伦理守门人”，负责界定AI生产组织的行动边界。此时，管理活动从“指导如何做”转变为“规定不能做什么”。
人类管理型组织主要包括以下几个类型：（1）AI资产所有者组织，包括AI生产资料的所有者、AI模型的开发者、AI系统的运营者等，这类组织主要负责AI资产的投资、研发与运营，确定AI生产的战略方向与价值导向；（2）公共管理组织，包括政府部门、公共服务机构等，这类组织主要负责制定AI经济的规则制度、监管AI生产的合规性、提供公共产品与公共服务、维护社会公平正义；（3）创意与文化组织，包括科研机构、艺术团体、文化企业等，这类组织主要从事科学研究、艺术创作、文化传播等工作，为AI生产提供创意来源与价值指引，满足人类的精神文化需求；（4）社会治理组织，包括行业协会、公益组织、社区自治组织等，这类组织主要负责协调AI经济中的各类社会关系、解决社会矛盾、维护公共利益。Teece（2018）指出，在AI经济中，人类主导的动态能力已不再是优化内部生产流程，而是构建开放式创新生态，通过契约和API接口管理外部的AI生产节点。在AI作为基础设施的组织中，人类管理层的核心价值在于“感知与诠释”——即识别AI无法处理的弱信号，进行战略转向与合法性建构。
2、AI生产型组织
AI生产型组织由AI系统构成，没有人类成员参与，主要承担具体的生产、研发、服务等执行职能，是AI经济中的生产执行主体。这类组织由人类管理型组织设立，按照人类设定的目标、规则与流程运行，自主完成生产任务，向人类管理型组织负责。AI组织不仅在微观层面取代了传统的车间，甚至在中观层面取代了传统的企业架构，成为真正的“无边界企业”。Kellogg、Valentine和Christin（2020）在《Academy of Management Annals》中提出了“算法控制”的演变框架。他们指出，最高阶的AI生产型组织实现了“公司即算法”。在这种组织中，传统的中层管理者被消除，AI系统直接进行任务分解、资源匹配、绩效监控与实时纠偏。例如，高频量化交易机构或完全自动化的内容农场，其生产过程完全由算法自主闭环。
AI生产型组织的核心特征是高度自主化、模块化、弹性化：第一，高度自主化，AI生产型组织能够自主完成任务分解、资源调度、生产执行、质量管控、问题处理等全流程工作，不需要人类的日常干预；第二，模块化，不同的AI生产型组织具备不同的专业功能，能够像乐高积木一样自由组合，快速搭建满足不同生产需求的生产体系；第三，弹性化，AI生产型组织能够根据市场需求的变化快速扩张或收缩产能，调整生产方向，适应市场的动态变化。Faraj、Pachidi和Sayegh（2018）通过对多家数据驱动企业的质性研究提出，AI生产型组织的特点是“基于学习算法的工作编排”。与遵循固定SOP的传统生产不同，AI生产系统能够根据实时反馈（如用户点击、设备传感器数据）持续优化生产路径，其在微观决策上的速度与精确度远超人类。
AI生产型组织的形态根据功能不同可以分为多种类型：（1）生产制造类AI组织，主要负责工业产品、农产品等物质产品的生产，包括智能工厂、智慧农场等；（2）研发设计类AI组织，主要负责技术研发、产品设计、方案规划等工作，包括AI研发中心、AI设计工作室等；（3）服务提供类AI组织，主要负责面向终端用户的各类服务，包括AI客服系统、AI医疗服务系统、AI教育服务系统等；（4）资源调度类AI组织，主要负责算力、能源、数据、物流等资源的调度与配置，包括AI算力调度平台、AI物流调度系统等。AI生产型组织高度依赖数据投入。Zuboff（2019）在《监视资本主义时代》中揭示了这类组织可能会出现的负面特征：为了维持AI的高效生产，系统会无休止地提取行为剩余数据，形成数据内卷。同时，由于其决策基于复杂的神经网络，AI生产组织在运转过程中呈现出“黑箱化”特征，即使其产出结果在经济上是高效的，其内部逻辑也难以被外部甚至人类管理层完全理解。
3、两类组织的协作关系
人类管理型组织与AI生产型组织之间是主导与执行的关系，二者紧密协作，共同构成AI经济的组织体系。人类管理型组织是“大脑”，负责确定方向、制定规则、做出决策；AI生产型组织是“四肢”，负责执行决策、完成具体的生产任务。这种分工模式既发挥了人类在价值判断、战略决策、创意创新方面的优势，又发挥了AI在效率、精度、规模化生产方面的优势，实现了人机优势的最大化组合。
人类组织与AI组织形成了一种高度共生的生态。Autor（2015）的“任务模型”及Acemoglu与Restrepo（2018）的“自动化与再分配”理论认为，AI生产型组织擅长替代常规的认知与体力任务（如代码编写初稿、标准零部件制造），而人类管理型组织则垄断了抽象任务（如跨界创新、情感领导、危机公关）。两者形成了一种“AI负责执行与优化，人类负责创新与兜底”的垂直互补关系。
二者的关系并非总是和谐的，权力的博弈是前沿文献关注的焦点。Kellogg等（2020）警告称，随着AI生产型组织展现出极高的效率和准确性，人类管理层容易产生“自动化偏见”，自愿将决策权让渡给算法，导致人类管理型组织被“空心化”。此时，名义上的管理者实际上沦为AI生产系统输出结果的“审批盖章者”，形成了AI对人类的“隐性反向控制”。
AI生产型组织不具备完全独立的法律人格，其法律责任由设立它的人类管理型组织承担。AI生产型组织的运行必须严格遵守人类制定的法律规则与伦理规范，一旦出现违反规则的情况，人类管理型组织有权随时暂停其运行并进行调整。这一制度设计确保了人类对AI生产体系的绝对控制权，避免AI系统脱离人类监管造成危害。
在价值创造层面，AI生产型组织极大提升了全要素生产率，但这也引发了价值分配的伦理争议。由于AI不具备劳动法意义上的主体资格，其创造的巨额剩余价值被人类管理型组织（资本方）独占，这加剧了数字鸿沟。在市场结构上，要防止“平台型人类组织”与“节点型AI组织”出现寡头化。少数掌握顶级算力和基础大模型的人类组织（如超级科技巨头）构成基础设施平台，而无数个垂直领域的AI组织则作为寄生或共生节点，在平台上繁衍生息。这种结构将进一步加剧市场的寡头化趋势，对传统的反垄断法提出严峻挑战，因为未来的垄断不再是资本对产能的垄断，而是算力与数据对智能的垄断。
六、AI经济的法律制度规范
马克思主义法学理论认为，法律作为上层建筑的核心组成部分，由经济基础决定并为经济基础服务。AI经济作为全新的经济形态，带来了一系列全新的法律问题。传统的法律体系是建立在人类行为的基础上的，无法完全适配AI经济的发展需求，必须构建全新的AI法律制度体系，为AI经济的健康发展提供制度保障。
新制度经济学的代表人物诺斯在《西方世界的兴起》中指出，有效的制度安排是经济增长的核心动力，能够降低交易成本、激励创新、减少不确定性。AI经济的发展需要与之相适配的法律制度，明确AI相关主体的权利义务关系，规范AI的研发、生产、应用行为，解决AI引发的各类纠纷，防范AI技术的潜在风险。如果法律制度建设滞后于AI技术的发展，就会导致AI经济发展面临巨大的不确定性，阻碍AI生产力的释放。
当前全球各国都在加速推进AI立法工作。欧盟2024年正式生效的《人工智能法案》是全球第一部综合性的AI监管法律，将AI系统按照风险等级分为四类，实施分级监管；美国发布的《AI权利法案蓝图》明确了AI使用的基本原则与个人权利保护规则；中国2023年发布的《生成式人工智能服务管理暂行办法》对生成式AI的服务准入、技术规范、安全管理等做出了明确规定。但这些法律还属于过渡性的监管规则，没有从根本上回应AI劳动力的身份认定、责任划分等核心问题，需要进一步构建系统的AI法律制度体系。
1、AI劳动力的身份认定
AI劳动力的身份认定是AI法律制度的基础，只有明确了AI的法律地位，才能确定相关的权利义务关系。在传统民法体系中，AI系统被视为由人类创造、为人类所有的“物”或“工具”（客体）。但在AI经济时代，这种定性已无法满足实践需求。
当前学术界对AI的法律地位主要有三种观点：第一种是“工具说”，认为AI本质上是人类的生产工具，不具备任何法律主体资格，其所有行为的后果由其所有者承担。这方面的学者倾向于维持现有法律框架，将AI视为人类的工具或产品。英国学者Bryson（2018）在《反对赋予机器人权利》一文中强调，将人权概念扩展至AI会稀释人类权利的道德基础。
第二种是“有限主体说”，认为AI可以在特定范围内享有有限的法律主体资格，能够独立承担部分法律责任。Michele Finck 的研究分析了欧盟关于建立电子人格的讨论，指出这或可作为一种责任分配机制。然而，该观点面临伦理与实践的双重挑战，如如何界定AI的意志与责任能力，以及如何避免技术公司通过“电子人格”逃避责任。
第三种是“完全主体说”，认为具备通用智能的AI应当享有与人类同等的法律主体资格，拥有相应的权利与义务。Scherer（2019）进一步指出，对于具备长期自我学习和自主决策能力的AI智能体，应赋予其“电子人格”，以解决其在自动交易中面临的合同主体资格缺失问题。Gunkel（2018）在《机器的罗生门》中提出，我们不应仅从人类中心主义出发问“机器是什么”，而应关注“他者性”。具身智能不仅是一个计算节点，更是占据物理空间、与人发生具身交互的“行动者”。欧洲议会2017年通过的《关于制定机器人民事法律规则的决议》（虽未成法，但具学术里程碑意义）曾提出创设“电子人”地位，专门针对具身智能（如护理机器人、自动驾驶汽车），使其在造成物理损害时能像公司一样承担责任。
当前，主流法学界普遍认为，赋予AI与人类完全平等的“电子人格”（Electronic Personality）既不现实也不必要，因为这会消解人类尊严的独特性，且在责任承担上存在逻辑悖论（AI无独立财产可供执行）。借鉴“法人拟制说”，法律应赋予高级AI系统在特定经济领域的有限法律人格。即承认AI劳动力在特定合同范围内（如采购数据、租赁算力、销售Token服务）具有缔约能力和诉讼主体资格。这并非承认AI有人权，而是为了简化交易流程，避免每一次AI的交易都需要追溯到背后的程序员或所有者，从而降低全社会的交易成本。同时，应明确AI的开发者、部署者或所有者为其法定“监护人”或“受托人”。在人类组织与AI组织的二元结构中，人类组织必须像监护未成年人一样，对AI的行为承担最终的监督义务。
因此，结合AI经济的发展实际，“有限法律主体说”是较为适合的制度选择。一方面，AI具备自主决策与自主行为能力，能够独立完成生产、服务等活动，完全按照工具对待不利于明确AI行为的责任边界，也不利于激励AI系统的自主优化；另一方面，AI的行为始终受人类的控制与监督，其存在的根本目的是服务人类需求，不具备人类的情感、意志与自我意识，不能享有与人类同等的权利，更不能拥有超越人类的法律地位。
未来，AI劳动力的法律身份可以定位为“准生产主体”，享有有限的法律资格：第一，AI可以以自己的名义独立从事生产经营活动，签订生产服务合同；第二，AI可以拥有独立的财产账户，用于AI生产的收支结算与责任承担；第三，AI不享有政治权利、人身权利等人类专属的权利，不能拥有生产资料的所有权，不能成为人类管理型组织的成员。AI的设立、变更、终止需要向监管部门登记，取得相应的运营资质，符合技术安全标准才能开展运营。
2、AI的工作伦理规则
由于AI不存在被“剥削”的问题，传统的最高工时、最低工资、工伤保险等劳动法规对AI劳动力并不适用。AI的伦理工作规则是规范AI行为的核心准则，所有AI系统的运行都必须遵守这些规则，确保AI行为符合人类的利益。AI的工作规则应当包括三个层次：
一是核心伦理规则，这是AI必须遵守的最高准则。Floridi与Sanders（2004）较早提出了“人工道德代理人”概念，认为即使没有意识，只要系统具备自主性和基于规则的道德评估能力，就可视为道德行动者。然而，这引发了“责任鸿沟”的伦理担忧（Matthias, 2004）。在此基础上，当前AI伦理的核心转向了“价值对齐”。Russell（2019）在《AI新生》中强调，必须确保高级AI智能体的目标与人类利益严格对齐。对于具身智能而言，价值对齐不仅是代码层面的，还包括物理行为层面的安全性（如阿西莫夫“机器人三定律”的现代演进）。人类组织必须确保AI劳动力在生产过程中遵循人类设定的安全底线与价值观，这需要通过立法确立“算法对齐”的强制性标准，确保AI的行为始终以人类的利益为核心。
二是行业技术规则，针对不同行业的AI系统制定具体的技术标准与操作规范。AI的生产过程不能是一个“黑盒”，在医疗、司法、金融等高风险领域，AI必须具备提供决策逻辑的能力。例如自动驾驶AI的安全技术标准、医疗AI的诊断准确率标准、金融AI的风险控制标准等，确保AI的运行符合行业安全要求。行业技术规则由行业协会联合技术专家制定，根据技术发展动态更新。Eubanks（2018）在《自动化不平等》中指出，无约束的AI工作系统会放大社会弱势群体的劣势。因此，学界呼吁建立“人类始终在环”的伦理规则，即AI智能体的工作只能是辅助性或建议性的，最终决策必须保留人类的知情同意权与拒绝权（European Commission, 2021, 《人工智能法案》提案）。
三是具体运营规则，由AI的所有者或管理者根据生产运营的需求制定，明确AI的具体工作流程、权限范围、禁止行为等，确保AI的运行符合组织的运营目标与管理要求。Floridi 等学者强调，AI的设计与应用应遵循“以人为本”的原则，确保人类的监督与控制。对于具身智能，其与人类的物理交互更要求严格的安全与伦理标准。文献指出，应建立明确的伦理准则，规范AI在工作场所的行为，确保其辅助而非替代人类的决策，并保障人类工作者的尊严与安全。Coeckelbergh（2020）提出“具身化关系”伦理，认为具身智能在物理空间中移动，不可避免地会对人类的身体完整性和隐私空间构成潜在威胁。工作伦理规则必须明确规定具身智能在共享物理工作空间时的“行为边界”，例如强制设定物理安全距离、限制其在敏感场景（如病房、家庭）的数据采集权限，建立数据脱敏与合规审查机制。
3、AI的责任划分
AI的责任划分是AI法律制度的核心，需要明确AI在生产经营活动中引发各类问题时的责任承担主体与承担方式。根据AI的有限主体地位，AI的责任承担应当遵循“分层责任原则”：
AI自身的责任。AI运营过程中产生的民事赔偿责任，首先由AI的独立财产账户进行赔付，AI的财产包括其运营过程中积累的资金与相关资产。如果AI的财产不足以赔付损失，再由AI的所有者或管理者承担补充赔偿责任。
AI所有者或管理者的责任。如果AI的违法行为是由于所有者或管理者的故意或重大过失导致的，例如故意设置危害人类的程序、没有对AI系统进行必要的安全检测、明知AI存在安全隐患依然投入使用等，所有者或管理者需要承担全部责任，包括民事赔偿责任、行政责任与刑事责任。Čerka等（2017）提出，对于具备自主学习能力的AI，传统的过错推定责任不再适用，应引入“严格责任”或“危险责任”，由控制者或所有者无过错承担责任。
AI开发者的责任。如果AI的违法行为是由于系统的底层技术缺陷导致的，且开发者在开发过程中存在故意或重大过失，例如没有按照安全标准进行开发、故意隐瞒技术漏洞等，开发者需要承担相应的连带责任。
用户的责任。如果AI的违法行为是由于用户的不当指令导致的，例如用户要求AI生产侵权产品、要求AI实施危害他人的行为等，用户需要承担全部责任。学者Knapp等（2017）主张，应借鉴《联合国国际货物销售合同公约》（CISG）中关于“越权代理”的规则，由被代理人（人类或企业）承担缔约过失责任，以保护交易安全。
这种分层责任体系既考虑了AI的自主行为能力，又确保了人类对AI行为的最终责任，能够有效平衡AI创新与风险防范的关系，既不会过度限制AI技术的发展，也不会让AI的风险失控。面对复杂的AI系统（涉及数据提供者、算法设计者、硬件制造商、使用者等多方主体），确定单一责任主体变得极度困难。Scherer（2019）主张打破“寻找最终过错人”的传统思维，引入“责任网络”概念。
鉴于AI的决策过程往往是一个“黑箱”，法律需引入算法审计（Algorithmic Audit）制度，要求企业保留决策日志，以便在纠纷发生时，通过技术手段逆向追溯是算法设计缺陷（开发者责任）、数据偏差（提供者责任）还是运行环境异常（运营者责任）。此外，应强制要求AI的开发者、管理者、使用者购买AI责任保险，作为应对潜在风险的社会缓冲垫。欧洲学界近年来大力提倡建立“强制保险制度”与“AI赔偿基金”（Spindler, 2018）。即通过向AI智能体和具身智能的运营方征收微小比例的算法税或保费，建立公共赔偿池，在发生不可归责于任何一方的黑箱事件时，对受害人进行社会化补偿。类似于环境责任险或机动车交强险，要求所有部署AI劳动力的主体必须购买“AI过错险”，通过保险机制将个别风险社会化，既保护了受害者，又避免了因高额索赔而扼杀AI创新。
从农业革命的锄头到工业革命的蒸汽机，再到信息时代的计算机，人类历史经历了多次生产工具的变革。然而，AI经济的到来，却将实现劳动者本身的更替。这不仅是经济学意义上的自动化深化，更是人类文明史上一次前所未有的“主体性让渡”。
AI经济的到来既是技术革命的产物，也是人类制度选择的产物。它不会自动带来繁荣与公正，也不会必然导致压迫与分化。因此，我们需要“创造未来”——不是被动等待AI生产力技术创新决定人类社会的命运，而是主动构建能够驾驭技术、服务于人类全面发展的AI生产关系制度框架。在这一历史关头，经济学家的理论建构、政策制定者的制度设计、技术开发者的伦理自觉与全球公民的民主参与，将共同决定AI经济是成为人类自由解放的阶梯，还是成为加剧社会不平等的断崖。
