AI 可以成为解放生产力的工具，也可以成为加剧不平等的枷锁

一、智能叙事遮蔽了圈地史

人工智能常被描述为算法天才的突破，仿佛它是一夜之间从实验室里长出的纯净技术。但更接近事实的说法是：AI 的崛起首先是一场法律与资本重新划界的历史。二十多年前，谷歌以“知识民主化”为口号，与多所大学和图书馆签约，把数百万册藏书扫描为数字副本。公共机构以为自己在拥抱开放，结果却签下限制自己使用数字副本、却赋予公司广泛商业自由的合同。扫描室不对外开放，合同被当作商业秘密，公共知识在“免费数字化”的诱惑下被悄悄转移。

这就是数字圈地的起点。它不需要篱笆和围墙，也不需要坚船利炮。版权法、商业秘密法、用户协议、技术壁垒和商业模式，就足以把人类数千年积累的知识公地转化为少数公司的私有资产。图书馆、互联网、开源代码、学术论文、新闻网页、社交平台上的每一句话，都成了模型训练的潜在原料。圈地完成后，公共知识不再以公共资源的方式流通，而是被压缩进模型参数，再通过 API 以每千次调用的价格回售给社会。

二、“合理使用”如何切开获取与使用

理解 AI 资本逻辑的关键，在于一组看似技术性、实则分配性的法律安排。法院在系列案件中逐渐确立：用数据训练模型本身可以构成“合理使用”，但获取数据的手段可能侵权。于是，“获取数据”和“使用数据”被分割成两个独立问题。公司若从盗版网站下载受版权保护的作品，可能在获取环节违法；但一旦数据进入训练流程，使用行为却可能被豁免。

这种二分法制造了一个巨大的灰色地带。Anthropic 案以十五亿美元和解，看似是版权人的胜利，但相对于其私募估值和未来租金收入，这笔钱更像一张入场券。每部作品约三千美元的赔偿，无法改变一个事实：公共知识已经被转化为私有模型权重，而模型继续以商业服务形式回售社会。版权人得到一次性补偿，AI 公司获得继续使用海量知识训练模型的合法性。法律切开了“获取”与“使用”，却切不开一个更根本的问题：当公共知识成为私有模型的核心资产，谁有权分享它产生的持续收益？

三、看不见的劳动：智能光环下的全球底层

AI 的“智能”并非纯粹来自算法。ImageNet 这样的图像数据集，背后是分布在 167 个国家的四万九千多名数字工，用两年半时间标注三百二十万张图像。亚马逊无人超市的“自动结账”，背后有印度工人远程监控和标注顾客行为。ChatGPT 等大语言模型背后，则横跨肯尼亚、印度、菲律宾、委内瑞拉等地的人工劳动链：数据清洗、内容审核、图像标注、输出评估、人类反馈强化学习。肯尼亚工人时薪常低于两美元，却每天要审核数千条涉及暴力、仇恨和儿童性虐待的内容，承受严重心理创伤。

这些劳动被称作“幽灵工作”：人的智慧劳动被伪装成 AI 智能。更隐蔽的是普通用户的日常行为。点击验证码、纠正翻译、评价回答、点赞评论、上传照片、发布博客，都是在为模型提供免费训练饲料。用户一边劳动，一边不知道自己在劳动；平台一边利用这些数据，一边用长达数万字的用户协议消解讨价还价的空间。知识垄断资本主义因此具有更深的隐蔽性：它不仅剥削雇佣工人，也把全世界用户纳入无偿劳动供应链。

四、从数字圈地到知识垄断资本主义

要理解这一结构，不能只停留在技术类比。流行的“技术封建主义”说法把平台比作封建领主、用户比作农奴，虽有修辞冲击力，却容易遮蔽实质。更准确的分析是：当代 AI 巨头是知识垄断资本主义的食利者。它们依靠对数据、算力、模型权重和训练基础设施的垄断，向全社会收取“通行权租金”。用户下载自己写的书要付费，大学图书馆要为订阅数字平台按年交租，开发者调用 API 要按次数付费。交易的对象不一定是商品，而常常是进入知识系统的许可。

这种垄断并非自然生成。以知识产权全球化为核心的制度安排，最初由少数跨国公司推动，后来通过贸易协定成为具有约束力的国际法。知识从共享资源变成企业最有价值的私有资产。AI 公司实行双重占有：一方面，在“合理使用”保护下大规模获取公共知识；另一方面，用知识产权和商业秘密保护自己的算法、模型权重和训练数据。它们投入巨额研发，不是为了单纯创新，而是为了维持永久性的垄断优势和收租地位。金融资本与数字知识垄断结合，上市估值的基础不是办公楼和服务器，而是被压缩进模型参数中的数千年人类知识积累。

五、AI 社会主义：把生产资料还给社会

如果现有模式继续，世界将走向少数科技寡头控制 AI、多数人沦为数据劳工和 API 消费者的未来。另一条路是 AI 社会主义。它不是用 AI 管理计划经济，而是把 AI 的生产资料和生产方式——数据、模型、算法、算力——开放给大多数人。模型开源、算力共享、语料共建、标准互通，是这条道路的基本方向。

这并非空想。公共算力中心可以像高速公路和国家电网一样成为基础设施；数据信托和数据合作社可以让数据生产者集体管理数据并分享收益；全球知识公地宪章可以明确公共领域内容的边界，要求训练数据透明、可审计，限制商业公司对公共知识的排他性使用。Linux、维基百科、OpenStreetMap、GenBank、开放课程和开放获取出版，已经证明知识公地可以运转。欧盟的 AI 立法、中国的开源战略、开源模型社区的协作，也显示另一种可能。

困难同样巨大。算力集中在少数国家和公司手中，先进芯片受出口管制，算力问题同时是地缘政治问题。数据不平等使高资源语言群体获益更多，低资源语言和濒危语言被边缘化。大国竞争又把开源与闭源之争扭曲为国家安全竞赛。但技术本身不决定命运。决定方向的是政治意志和制度创新。AI 治理不能只由技术专家和董事会决定，必须纳入公众意见和多方审议。

数字知识公地属于全人类。AI 可以成为解放生产力的工具，也可以成为加剧不平等的枷锁。区别不在于机器是否足够聪明，而在于我们是否愿意把被圈走的知识重新公共化，把垄断租金转化为共享基础设施，把少数人的私有模型变为多数人可参与、可监督、可受益的公共智能。