AI 将完成“庶民的革命”:在普遍智力被私有化之前

AI 将完成“庶民的革命”：

在普遍智力被私有化之前

奥利维耶罗老师最终对莉拉失望了。

她曾经最早认出莉拉。这个鞋匠家的女儿不以温顺、勤奋、服从来获得学校的奖赏。她读拉丁文，做数学题，理解故事中的权力关系，仿佛总能比别人更早意识到知识背后还有一个更大的世界。奥利维耶罗老师最初注视她时，几乎带着一种兴奋：她在那不勒斯街区、灰尘、贫穷、粗暴的日常里，发现了一个本不该被那样迅速埋没的孩子。

后来老师开始对她冷淡。莉拉没有继续读书。她被留在那不勒斯的街区，被留在鞋店、债务、婚姻、家庭暴力和庶民的循环中。那个街区并不只是小说的背景，它像一台古老的机器，把每一个短暂逃离的人重新拖回来。男人的暴力、家庭的债务、邻里的眼光、婚姻的交易、身体的早熟、劳动的提前到来，共同构成了一种比学校更强的制度。奥利维耶罗老师开始把她称为“庶民”（plebe）。这个词在小说中不只是在说贫穷，它是一种判决：庶民即便短暂触碰知识，最终仍会被生活重新吞没；庶民即便聪明，也无力把聪明变成历史。

新自由主义下，社会将失败解释为个人能力问题，告诉每一个被抛下的人：你不够努力，你不够自律，你没有抓住机会。然而，莉拉的失败说明了现代社会成功学的虚伪逻辑：莉拉有理解力，有形式感，有判断，有野心，有对世界结构近乎本能的敏感。她缺少的是让这些东西继续生长的条件：大学，书桌，时间，语言资本，写作空间，出版渠道，技术工具，能够把思想变成现实力量的外部器官。她能够看见，却无法抵达；她能够理解世界，却无法进入生产世界的系统。

哲学史和伦理学中长期讨论“天赋”是否构成不平等。罗尔斯谈“自然彩票”，运气平等主义追问一个人是否应该为出身、禀赋和能力承担命运后果。这些讨论在莉拉面前显得过于干净。现实中，天赋从来不会自动转化为历史力量。真正被阶级垄断的并非智力本身，而是实现智力的制度与工具。学院、出版社、实验室、编辑系统、法律语言、程序员团队、翻译系统、导师网络、资本、稳定生活，这些东西共同构成一整套实现机器。精英能够把一个直觉组织成论文、代码、电影、公司、游戏、制度和资本；庶民只能让直觉在身体里发热，变成焦虑、愤怒、口头故事、未完成的手稿、被放弃的项目，或者对命运的怨恨。

AI 第一次改变了这条旧命运的技术条件。今天，一个没有接受学院美术训练的人，可以通过生成模型建立视觉风格；一个没有程序员团队的人，可以用 AI 辅助完成游戏原型；一个不会法语的人，可以借助 AI 处理学校申请、租房邮件、税务文件、医疗表达和行政系统；一个有故事能力的人，可以通过 AI 扩展角色设定、生成分镜、测试世界观、组织项目流程；一个会绘画的人，不必永远作为“美工”被固定在资本主义分工的局部岗位上，他可以借助文本、视频、代码和生成模型，把自己的审美判断延展为完整作品。过去只有工作室、公司、学院和资本才能完成的整合性劳动，第一次向个人打开入口。

这也是我们必须重新理解 AI 创作争议的地方。今天，许多人反对 AI 绘画、AI 写作、AI 视频，因为他们首先感到的是岗位危机：画师会被替代，写作者会被降价，翻译者会被外包，配音演员、设计师、剪辑师、程序员都会被压缩。这种恐惧是真实的，因为资本确实正在这样使用 AI。资本会把 AI 变成裁员工具、降价工具、监控工具、加速工具。但如果我们只从“岗位被夺走”的角度理解 AI，我们已经接受了资本主义对人的定义。资本先把画画的人变成美工，把写作的人变成文案，把懂语言的人变成翻译机器，把懂故事的人变成内容生产螺丝钉，再让我们相信保护岗位就是保护人本身。人的尊严不在于永远作为螺丝钉存在。共产主义要保卫的从来不是螺丝钉在流水线上的位置，而是人重新占有整台机器的可能。

AI 对庶民的解放潜能正在这里出现。它让人有机会从岗位回到项目，从局部劳动者回到整体生产者，从被拆碎的技能回到完整的世界建造。一个画画的人可以写故事，一个写故事的人可以做影像，一个懂政治的人可以建立出版物，一个移民可以穿过行政语言，一个学生可以建立自己的研究路径，一个孤独的创作者可以第一次拥有接近小型工作室的外部器官。AI 给人的不是一个新的主人，它给人一只更长的手。真正的问题已经越过“机器是否抢走人的工作”，进入“人是否终于能够夺回被资本主义分工拆散的完整生产能力”。

因此，AI 的政治问题已经存在于今天每一个普通人的日常实践中：谁能够使用模型，谁能够支付订阅，谁能够本地部署，谁能够接触高质量知识，谁能够把自己的想法变成图像、文本、代码、影像、制度语言和行动计划。过去，庶民看见世界，却够不到世界；今天，AI 让庶民第一次获得更长的手。接下来的斗争，将决定这只手是否属于我们。

马克思在《机器论片段》中提出“普遍智力”（general intellect）时，工业资本主义尚未充分展开自己的全球形态，但他已经看到资本主义内部一个迟早会爆发的矛盾：生产越来越依赖社会整体积累起来的知识、科学、技术、协作和语言，资本却仍然把这种社会化力量纳入私人占有。机器在马克思那里并非单纯的工具，它是社会知识的凝结。资本调用的是全社会的智力，分配时却把这种智力伪装成资本家的财产。

在十九世纪，这个判断仍像预言。工业革命自动化的主要对象是人的肌肉，机器替代体力，工厂重组劳动时间，铁路、电报、电力压缩空间和时间，但语言、翻译、推理、编辑、设计、组织、行政、法律和学术生产仍然附着在大学、出版业、国家官僚体系和专业共同体之上。知识仍然需要阶级中介。庶民可以劳动，可以服从机器，可以被工业体系吸纳为工人，却很难直接占有知识生产工具。马克思所说的普遍智力在工业机器中沉默存在，却尚未向普通人显形。

AI 使这一预言具象化。互联网扩大了信息获得的范围，AI 开始改变实现能力的结构。搜索引擎可以告诉一个人如何写论文、如何申请学校、如何开发游戏、如何解释黑格尔、如何制作影像，但它不能直接参与组织文本、生成代码、翻译文件、修改语气、构建视觉方案、模拟行政对话和拆解任务流程。互联网让人知道更多，AI 让人做成更多。这个差异决定了 AI 比互联网更深地触及生产关系。

斯蒂格勒关于技术的“器官外化”在这里获得新的现实意义。石器外化手，文字外化记忆，印刷术外化知识传播，摄影与电影外化感知，计算机外化计算，AI 开始外化思维组织能力。过去只有少数阶层才能拥有导师、编辑、律师、翻译者、程序员、设计师、研究团队和行政顾问这样的认知辅助结构；今天，这些能力开始以模型、代理、生成系统、知识库、代码助手和本地部署工具的形式扩散出来。AI 不只是一个更聪明的软件，它是普遍智力的机器化，是社会知识第一次以可调用、可复制、可部署的形式进入普通人的桌面。

这就是 AI 重新打开共产主义问题的原因。共产主义在二十世纪始终受制于匮乏条件。革命必须在生产力不足、教育不足、技术不足、信息不足和全球资本包围中组织社会。AI 没有消除物质匮乏，却让认知生产力第一次出现普遍化的现实可能。保罗·维尔诺讨论后福特主义时已经指出，当代劳动越来越依赖语言、协作和知识；Nick Srnicek 通过“平台资本主义”揭示数字基础设施如何重组生产关系；Aaron Bastani 在“全自动奢华共产主义”的框架中把自动化与后稀缺想象重新连接起来。这些理论在 AI 时代重新变得迫切，因为 AI 直接暴露资本主义的核心矛盾：它需要全人类的语言、图像、代码、书籍、音乐、论文、网页和劳动来训练模型，却试图把模型封闭在少数公司的 API、订阅、服务器和股权结构之中。

因此，AI 的问题不是单纯的技术伦理问题。它是生产资料所有制问题，是普遍智力的归属问题，是庶民能否真正占有实现能力的问题。如果社会整体知识已经成为生产力，那么这种生产力必须属于社会；如果人类共同语言正在训练模型，那么模型不能只属于平台；如果未来学习、劳动、迁徙、申请、创作和政治组织都越来越依赖 AI，那么 AI 入口不能成为新的阶级门槛。

今天的 AI 格局已经高度政治化。少数巨型公司控制最先进的闭源模型、云端 API、算力合同、企业客户和生态入口。OpenAI 从“让通用人工智能造福全人类”的非营利使命起步，后来建立 capped-profit 结构，与 Microsoft 深度绑定，并在 2023 年经历董事会罢免 Sam Altman、员工与投资者压力下又迅速复归的治理危机；OpenAI 在 2025 年宣布结构调整，继续让非营利机构保留控制权，但这段历史已经显示，公共使命一旦进入资本、算力、估值和平台竞争结构，就会持续受到商业化压力牵引。OpenAI 在 2025 年发布 gpt-oss-120b 和 gpt-oss-20b 两个 open-weight 模型，采用 Apache 2.0 许可证，这是重要转向，也说明开放路线本身拥有不可忽视的技术和政治压力；但核心闭源模型、训练数据不透明、商业 API 和订阅体系仍然维持着权力集中。

开放模型已经证明另一种可能。Meta 的 Llama 系列、法国 Mistral、中国 DeepSeek 与 Qwen 等开放或开放权重生态，直接降低了开发者、学校、小团队、地方机构和个人创作者进入 AI 的成本。Mistral 3 宣布其模型以 Apache 2.0 许可证发布；DeepSeek-R1 官方声明模型和技术报告开源，代码与模型采用 MIT 许可证，并允许蒸馏和商业化；OpenAI 的 gpt-oss 系列也以 Apache 2.0 许可证发布了 open-weight 模型。开放模型当然仍有不足，训练数据、强化学习过程、安全评估和商业限制常常不够透明；“open source AI”这个标签在大模型领域经常被战略性使用，开放权重并不等同于完整开源。但即便如此，开放生态已经证明：复杂 AI 能力可以离开单一平台，可以进入本地部署，可以服务小语种、地方知识、公共教育和独立开发。

因此，模型必须开源，至少关键基础模型必须朝向开放权重、开放标准、开放审计、开放评测、可复制训练流程和公共治理推进。闭源模型的危险在于，它们把未来社会的语言系统、知识排序和现实解释交给公司内部决策。一个平台一旦同时控制模型、接口、插件、支付、分发和企业生态，它控制的就不只是软件市场，而是人类提出问题、组织知识和生成现实形式的方式。开源模型的政治意义也由此确定：它让普通人、学校、地方政府、工会、独立创作者和公共机构有机会建立自己的 AI 系统，而不必永远租用巨头的认知机器。

算力与能源必须公共化。AI 并不存在于轻飘飘的“云”中，它存在于 GPU、数据中心、冷却系统、发电站、输电网络、水资源、稀土和土地中。国际能源署估计，2024 年全球数据中心耗电约 415 TWh，到 2030 年可能超过 945 TWh，略高于日本当前全年用电量；AI 是这个增长的重要驱动。AI 产业的核心不只是模型参数，也是电力、冷却和土地。美国的优势来自 Nvidia、Microsoft、Amazon、Google、Meta 与资本市场结合形成的算力霸权；中国以国家产业政策、云服务平台、开源模型生态和能源基础设施统筹形成另一种路径；欧盟更强调监管、数据保护和公共价值，但在算力和模型规模上长期处于追赶位置。公共算力应包括国家和地方 GPU 集群、大学与图书馆可访问的推理资源、面向公共研究和小团队的算力券、透明能源预算、数据中心选址的民主审查、水资源影响评估和居民电价保护。

AI 接口必须普遍可及。未来的文盲将包括无法进入 AI 结构的人。基础 AI 服务应进入学校、图书馆、社区中心、工会、移民服务机构和公共行政窗口；多语言模型不能只服务高价值市场；最强模型、最长上下文和最高级工具调用不能永远通过订阅层级分配给支付能力更强的人。Anna’s Archive 这类影子图书馆的争议，恰好暴露知识公共性与版权资本之间的冲突。2026 年，主要出版商起诉 Anna’s Archive，称其分发超过 6300 万本书，并向 AI 开发者提供资源；诉状还称其收藏包含 9500 万篇论文。无论如何评价其法律地位，这一事件都说明：AI 如果要成为学习和研究基础设施，就必须接触人类知识，而人类知识的入口不能完全由 Elsevier、JSTOR、商业数据库、出版集团和付费墙控制。

数据劳动必须重新定义。今天的大模型训练并不只是“抓取数据”，它还依赖大量人类标注、排序、评估、改写、打分和价值判断。在中国，AI 数据标注已在 2020 年被正式列为新职业，地方和企业也形成了庞大的数据标注产业；招聘市场中，AI 数据标注岗位常常要求本科起步、985/211 优先、中文、法律、金融、数学、语言学、计算机等专业背景，部分岗位被描述为“给大模型当老师”。这句话听起来甚至有些温和，仿佛这是某种体面的新职业。但它真正揭开的，是资本主义最赤裸的吸收机制：它把高学历劳动者、人文学科训练、专业判断、语感、伦理判断和逻辑判断放到训练链条末端，让他们一条一条标注、一轮一轮比较、一遍一遍修正，然后把这种人的判断隐藏进“智能”背后，再以机器的名义出售。资本不只剥削人的体力和时间，它现在剥削人的判断力，然后宣布判断来自机器。它把人的知识吸进去，把人的名字擦掉，把人的劳动压低成外包任务，最后向全社会出售一个看似无人的智能系统。这不是技术奇迹，这是劳动被隐身之后的商品包装。

Anthropic 的图书案例则展示了另一种数据占有方式。法院文件和媒体报道显示，Anthropic 曾购买并扫描大量实体书用于训练，扫描后销毁书籍；同时，围绕其使用盗版书库训练 Claude 的诉讼也引发巨大争议。美国法院一方面认为将合法购买的书籍用于 AI 训练可能构成 fair use，另一方面也认定保存数百万本盗版书的“中央图书馆”可能带来责任；2026 年，法官仍在审查 Anthropic 与作者集体诉讼的 15 亿美元和解。这个案例揭示了 AI 资本主义的悖论：公司一方面宣称训练是学习，另一方面通过大规模购买、扫描、销毁、储存和法律和解把人类书籍转化为私人模型资产。书不再只是书，它们成为模型训练的矿石。人类文明的纸页被拆开、扫描、吞下、销毁，然后重新以 API 的形式租给我们。我们必须问：如果模型吸收的是人类共同积累的语言与思想，为什么它的所有权只归属于少数公司？

我们需要的数据劳动权，不能简单退回传统版权收费逻辑。传统版权结构很可能让大型出版集团和版权资本获得谈判权，而普通作者、标注员、译者、论坛用户、程序员和日常表达者继续被排除。我们需要的是数据信托、公共数据池、集体授权、训练透明、收益回流、退出权、工会谈判、公共资助资源优先进入公共模型，以及对商业平台用户数据的民主监督。人类共同积累的语言、艺术、代码、书籍和判断不能被悄悄吸入私人模型，再以订阅费卖回给社会。

九十年代的互联网曾被许多人理解为一次解放。那个时代的人相信，知识会自由流动，边界会消失，新的公共领域将出现。开放协议、个人主页、论坛、博客、Linux、Wikipedia、Creative Commons、开放获取运动，共同构成过一种数字公地的真实经验。知识看上去可以越过出版社和大学，个人看上去可以越过媒体和国家，全球合作看上去可以越过公司和产权。那不是幻想的全部，互联网确实创造过公共性；它的失败也正因如此才更沉重。

Aaron Swartz 的一生可以放在这个失败史中阅读。他很早参与 RSS 规范，少年时代便进入互联网公共技术文化，后来参与 Creative Commons 和 Reddit，又投身开放获取运动。他关注的核心始终清楚：公共资助的知识和人类共同生产的学术成果，不应被锁在付费墙之后。2011 年，他因通过 MIT 网络从 JSTOR 下载大量学术论文被起诉。JSTOR 后来没有继续对他提起民事诉讼，但联邦检方仍根据《计算机欺诈与滥用法》等提出严厉指控。公开资料显示，检方一度指控他可能面临最高 35 年监禁和 100 万美元罚款。2013 年 1 月，Aaron Swartz 自杀，年仅 26 岁。

他的斗争非常具体。他反对的是学术出版资本对知识的封锁，反对的是公共资助研究被数据库重新收费，反对的是法律把知识解放行动塑造成重罪。他在《开放获取游击队宣言》中写下“信息就是权力”，并指出掌握信息的人总想把它据为己有。一个年轻人把学术论文从付费墙后拖出来，国家机器却用几十年监禁的威胁回应他。这里没有抽象的“互联网理想主义”。这里有数据库，有大学，有检察官，有法律条文，有付费墙，有一个 26 岁的身体。Aaron Swartz 的死亡之所以难以被互联网历史绕开，正因为它提前呈现了后来发生的一切：知识公共性没有得到制度保护，开放网络没有形成足够强的政治组织，国家刑罚、版权资本和平台化商业结构最终重新夺回了主动权。

互联网没有因为开放协议自然走向解放。公共互动被平台吸收，个人表达被广告经济吸收，社交关系被数据分析吸收，注意力被推荐算法吸收。搜索、社交、电商、短视频、云服务共同构成新的基础设施，少数平台开始拥有社会的神经系统。互联网时代的失败告诉我们，技术的开放开端无法保证公共结局。产权、服务器、支付系统、应用商店、广告市场、推荐算法和法律制度，会在更深处决定技术走向。

AI 正在以更快速度进入同样的历史岔路，且它的物质基础更加沉重。2023 年，乌拉圭遭遇 74 年来最严重干旱，首都蒙得维的亚所在地区出现水资源紧急状态，公共供水被混入咸水，居民在自来水、厨房和身体里直接感到危机。就在这样的背景下，Google 数据中心计划引发抗议，因为一个大型数据中心可能每天消耗 760 万升水，相当于 5.5 万人的家庭日用水量，并且水源来自公共饮用水系统。居民面对的不再是抽象的“数字经济”，而是一个具体问题：当城市正在节水，为什么科技公司的服务器可以获得水？当一个家庭拧开水龙头尝到咸味时，所谓云计算的未来就不再是科技新闻，而是资源分配，是阶级政治，是谁可以继续生活、谁必须为别人的增长让路。

西班牙阿拉贡的抗议同样清楚。Amazon 计划扩展数据中心，当地报道提到相关许可水量可达每年 755,720 立方米，足以灌溉 233 公顷玉米地；当地农民与居民组织提出“Tu nube seca mi río”，你的云正在晒干我的河。这里没有任何隐喻需要补充。抗议者已经说出了事情本身：他们的河流、灌溉、农业和地方生态，正在被纳入全球数据基础设施。用户在屏幕上看见“云服务”，农民在土地上看见水位下降。科技公司谈论效率、模型、增长和未来，农民谈论河流、玉米地、灌溉权和一年一年的生计。两种语言之间的差距，就是资本主义数字化的真实地理。

这种冲突贯穿整个工业史。蒸汽时代需要煤，电气时代需要水力和电网，石油时代需要油田、港口和地缘军事体系，数字时代需要服务器、稀土、海底光缆和电力，AI 时代需要 GPU、数据中心、水冷系统与连续供电。资本每一次进入新生产力阶段，都要重新争夺底层资源。所谓“虚拟经济”从未脱离物质世界，它只是把剥夺发生的地点从消费者眼前移走。我们看见聊天框、图像生成、自动翻译和智能代理；别人看见电价上涨、河流下降、土地被征用、服务器园区扩张和本地社区失去决策权。

资本主义收编生产力的方式从来不神秘。它不反对新技术，它资助新技术、加速新技术、包装新技术、平台化新技术，然后把成本转嫁给劳动者、用户、地方社区和自然资源。互联网时代，资本占领注意力；AI 时代，资本将占领普遍智力。互联网时代，我们免费生产内容，再通过广告、会员和订阅把被平台组织过的注意力买回来；AI 时代，我们可能用整个人类历史积累的语言、艺术、科学和日常表达训练模型，再用订阅费购买被私人化的 collective intelligence。

因此，AI 不是轻飘飘的算法问题。它同时是书的问题、水的问题、电的问题、土地的问题、劳动的问题、版权的问题、教育的问题、国家规划的问题。谁把它说成单纯的“创新”，谁就在替资本遮蔽它的物质基础。

我们并不孤单，也不是从零开始命名这一问题。数字共产主义、数字社会主义、平台社会主义、commons-based peer production、digital commons、communicative socialism、公共数据基础设施、开放知识运动、开源软件运动、图书馆运动、开放获取运动，都已经从不同方向触碰同一个问题：当知识、代码、数据、平台和算法成为生产力核心，它们能否继续按照私人资本逻辑组织？Christian Fuchs 等学者关于数字劳动和传播社会主义的研究，已经把社交媒体、平台、数据生产和公共所有联系起来；Yochai Benkler 关于 commons-based peer production 的理论，早已说明大规模协作可以在市场和国家之外组织知识生产；Elinor Ostrom 关于 commons 的制度分析也提示我们，公地并非无主混乱，而需要规则、监督、参与和共同治理。

这些理论有一个共同判断：数字生产资料不能自然交给资本。我们支持其中关于公共所有、开放知识、用户自治、平台合作社、民主治理和基础设施公共化的方向；我们还要进一步指出，AI 把这些问题推到更深层。过去的数字公地主要围绕信息、代码、社交和知识库展开；AI 时代的数字公地必须包括模型、算力、训练数据、能源、水资源、接口、评测体系和数据劳动权。仅仅要求“互联网开放”已经不够，未来真正的开放必须深入模型权重、训练流程、公共 GPU、地方能源、教育入口和知识库授权。

数字共产主义并不意味着把所有技术交给一个中央官僚机器。它意味着生产资料的公共占有、公共监督和公共使用。AI 时代的数字共产主义至少应当包括几项原则：基础模型的开放与公共审计，公共算力与公共数据中心，能源和水资源的民主治理，公共资助知识进入公共模型，数据劳动者的集体权利，公共机构中的 AI 普遍入口，反垄断与平台拆分，地方社区对数据中心选址的否决权，学校、图书馆、工会和社区拥有自己的模型与知识系统。资本主义给我们的未来是少数平台租赁人类普遍智力；数字共产主义要争取的未来，是让普遍智力成为公共基础设施。

这也是为什么最终的斗争对象不能被简化为“某家公司好或坏”。OpenAI 的开放权重模型值得支持，其闭源核心和资本绑定必须批判；Meta、Mistral、DeepSeek、Qwen 等开放生态扩大了技术可及性，同时仍需面对训练透明、数据来源、商业控制和国家战略问题；Anna’s Archive 这类影子图书馆体现知识公地冲动，也暴露版权、创作者收益和法律风险的矛盾；数据标注产业提供了新的劳动机会，也把高学历人文社科判断吸入模型训练末端；Anthropic 扫描与销毁书籍的案例展示了公司如何把文化遗产转化为模型资产。数字共产主义的任务不是寻找纯洁技术，而是在矛盾中组织力量，把开放推向制度，把公地推向所有制，把使用权推向治理权。

过去几十年，左翼不断失败。苏联崩塌，全球化被资本吞噬，互联网被平台资本主义收编，公共空间被算法异化。人们逐渐失去对革命的历史想象力，甚至接受资本主义是唯一现实的幻觉。AI 第一次重新撕开这层幻觉，因为它让庶民第一次看见，自己不必永远作为局部岗位进入别人设计好的生产机器。我们可以要求整台机器。我们可以要求模型、算力、能源、数据、入口和治理权。我们可以要求人类共同生产的普遍智力归还给人类共同体。

这不是未来的美好请求，这是当下的政治任务。不开源模型，未来的语言系统将属于平台；不争夺公共算力，未来的生产工具将属于资本；不治理能源与水，云将继续晒干别人的河；不承认数据劳动，人的判断将继续被藏在机器背后；不建立数字公地，AI 将把互联网的失败推进到更深层，把注意力资本主义推进为普遍智力资本主义。

庶民的革命不能等待技术自然完成。技术没有自然方向，只有被组织出来的方向。我们已经见过蒸汽机如何服务工厂纪律，见过电力如何进入垄断资本，见过互联网如何变成平台帝国，见过社交媒体如何吞噬公共空间。现在我们面对 AI，面对第一次可能普遍化的实现能力，面对第一次可能被公共占有的普遍智力。我们不能再把未来交给资本的速度、公司的仁慈、国家间的竞赛和平台的订阅条款。

我们要争取我们的一切：模型、算力、能源、水、数据、知识、入口、劳动权、治理权。AI 将完成庶民的革命，前提是庶民自己夺回 AI。

参考来源

本文事实材料主要参考了 OpenAI 关于 gpt-oss 与组织结构的官方说明、Mistral 3 发布说明、DeepSeek 官方与开源模型页面、国际能源署关于 AI 与数据中心能源需求的报告、The Guardian 与 SourceMaterial 关于乌拉圭和阿拉贡数据中心水资源争议的调查报道、Reuters 与 Ars Technica 关于 Anthropic 图书训练诉讼的报道、Wired 与 C&RL News 关于 Aaron Swartz 案件的报道，以及 Reuters 和出版商诉状关于 Anna’s Archive 的材料。

理论框架参考马克思《机器论片段》中的“普遍智力”、斯蒂格勒技术哲学、保罗·维尔诺关于后福特主义与普遍智力的讨论、Nick Srnicek《平台资本主义》、Aaron Bastani《Fully Automated Luxury Communism》、Yochai Benkler 关于 commons-based peer production 的研究、Christian Fuchs 关于数字劳动与传播社会主义的研究，以及 Elinor Ostrom 关于公地治理的制度分析。

本文由作者与GPT共创