夜雨聆风
前一段时间，我一度非常热衷于追踪AI领域的各种资讯，几乎每一款新出的工具都想上手试一试，也乐于把AI嵌入到自己的工作流程里，享受那种效率被瞬间拉高的快感。
但渐渐地，我发觉自己做的很多事情，尤其是工作中相当一部分内容在“AI提效”这个大背景下，变成了必须与AI或主动或被动地协作：不是我在选择要不要用AI，而是我所在的组织和场所本身已经默认了AI的在场，剩下的判断只是要不要按它给出的方向去调整。
慢慢地，我在这种“协作”里感受到一种说不清道不明的 “去技能化” 的体验，我的效率确实提高了，可我对自己在做什么、为什么这样做的把握，却在一点点变得模糊（具体可参考上一篇的描述：AI时代觉得管理没那么重要了，本质上是觉得在技术时代“普通人”没那么重要了）。
带着这种隐约的不适感和对AI时代技术与工作关系的好奇，我翻开了许怡老师的 《机器时代：技术如何改变我们的工作和生活》。
许怡老师长期从事劳动社会学研究，这本书是她历时七年、深入珠三角制造业与自动驾驶产业一线的田野成果，也是国内第一部系统关注“机器换人”现象的社会学专著。
全书的核心概念是 “机器霸权”，即自动化机器体系在产业升级过程中获得的一种前所未有的、甚至凌驾于劳动者之上的支配地位。 这种地位它既表现为机器在生产过程中占据中心位置，也表现为机器对人的观念和认知形成垄断，使“机器无所不能、甚至比人类更优越”逐渐成为管理者与工人共享的常识。通过对珠三角地区制造业工厂的田野调查，她发现，这种机器霸权是通过机器意识形态的“打造”、政策资源向自动化路线的倾斜，以及机器对具体劳动过程的支配三个过程完成的。而正是在这个过程中，她深切地体会到：
技术从来不是一条自然而然、别无选择的演化路径，而是资本、政策、媒体与专家话语共同角力、共同建构的结果。
在读这本书的过程中，我做了一个不算严谨的实验：把书里那些原本用来描述自动化机器、工业机器人、无人驾驶的句子的主语统统换成AI，其竟然也出奇地通顺，几乎不需要做任何逻辑上的调整。在当下这个AI狂热的时代、AI变成一种表示自身身份的时代，“机器无所不能、甚至比人类更优越”可以直接替换成“AI无所不能、甚至比人类更优越”，“机器霸权”换成“AI霸权”，“机器迷思”换成“AI迷思”。这个发现让我意识到，
许怡老师研究的虽然是自动化机器，但她真正揭示的其实是一整套可以被反复套用的意识形态生产机制，即技术是什么、技术能做到什么、技术应该取代谁，其并不是像人们所认为的那样由技术本身决定的，而是由一套反复出现的话语套路决定的。
基于此，接下来，我想更多地借许怡老师的分析谈谈我们今天正在经历的这场AI浪潮。
PART 1 “机器迷思”与“AI迷思”
许怡老师在书中概括了制造业中流行的三个“机器迷思”：
机器生产必然更快、必然品质更高、必然更稳定。在今天AI公司对技术的宣传上，我们看到了相似的话语，比如：AI被普遍认为处理信息比人更快、生成内容比人更客观、运行判断比人更稳定。
但如果深度与AI工具共事过，将AI放在真实的业务场景中就会发现，这些说法与书中揭示的工厂的真实情况对“机器迷思”的推翻一样，同样经不起推敲。AI技术看起来的强大与稳定，更多时候是一个“金玉其外”的技术外壳，加无数个被隐去，但支撑着技术运作的真实的人。
具体来看，首先，技术的漏洞在于，AI生成内容的虽然流畅，但流畅并不等于内容的准确，AI的“一本正经地编造”是这个大家心照不宣的常态，需要人不断校对、核查、纠错。其次，所谓的AI客观中立，实际上不过是训练数据里既有偏见的重新分布（当然从现在的AI回答来看，其仍然存在着许多有偏见的部分）。此外，即使伴随着AI技术进步，其输出变得稳定了。但稳定的背后，是大量被隐去的人类劳动，是数据标注员、内容审核员、模型对齐工程师日复一日地纠正模型的错误和偏差，这份劳动恰恰对应许怡笔下那些替机器“擦屁股”、却很少被管理者看见的工人。
这三个“机器迷思”能够如此顺滑地平移到AI身上，在某这意义上说明许怡老师提出的这类迷思并非针对某一项具体技术的经验总结，反而更像一种可以随时装进任何新技术外壳里的固定叙事模板。
PART 2 “技术迷思”叙事如何被生产
那么这套叙事是怎样被生产出来的？
许怡老师给出的答案是：媒体、政策和资本，其中资本又是最重要的部分。
今天AI领域的这套“技术迷思”，同样是由这三股力量合力生产出来的。
先看媒体。
与工厂中自动化浪潮下的“机器换人”的话语相似，AI时代下的每日媒体在报道技术升级时，几乎只聚焦于高度自动化、“AI原生”这一条最激进的路径，却很少呈现另一条更渐进、更强调人机协作、见效缓慢却更稳健的技术改造路线，久而久之，公众连“还有别的选择”这件事本身都意识不到了，正如在此前自动化浪潮中意识不到有一种不需要大量汰换工人，能够实现工人技能和人机协作的“自动化-技能偏好”式的技术升级路径。今天大量鼓吹“AI将全面重塑一切工作”的意见领袖，正如我在上一篇文章（AI时代觉得管理没那么重要了，本质上是觉得在技术时代“普通人”没那么重要了）中指出的那样，其本身就是AI公司的创始人、投资人或代言人，他们借助资本的力量站上话语高地，又反过来以“科学”与“未来”之名为AI意识形态背书，其言论的中立性同样大可质疑。
谁掌握了定义AI能做什么的话语权，谁就在定义什么是进步、什么是落后，而质疑者则很容易被扣上不理解技术、跟不上时代的帽子。这本身就是一种压制其他技术想象力的机制，无论技术的名字是叫书中的机器人、自动化生产线还是我所讨论的AI，其运作方式都如出一辙。
再看政策。
许怡老师在书中提到，相关政策的支持不仅在实施层面推动了机器意识形态的发展，还在认知层面强化了机器“优越”的观念。近年来各地密集出台与AI相关的产业规划、专项补贴、算力扶持、政府采购优先接入AI方案等举措，这些安排本身当然有其合理的产业升级考量，但客观上也在不断强化一种印象：拥抱AI是唯一正确、被官方背书的技术路线，那些更审慎、更强调人机协作、暂时看不出立竿见影效果的路径，很难获得同等的资源倾斜。 当一项技术从舆论热点变成政策红利时，“要不要用AI”这个问题就悄无声息地从一个本该开放讨论的技术选择问题，变成了一个不容置疑的政策正确的问题。
最后是资本，这也是三者中分量最重的一环。
把视角再往深处推一层，会发现这场关于“AI是否更优越”的争论，根源上是一场围绕劳动过程控制权的争夺。
经济学家布雷弗曼曾言 “使劳动者衰弱下去的从来不是机器本身的生产力，而是在资本主义社会关系中使用机器的方式”。 今天很多企业推广AI工具时真正在意的，从来不是要不要培养员工的判断力，而是如何降低对员工经验与判断的依赖，它们用AI生成初稿代替新人练习写作和分析的过程，用AI辅助决策代替一线员工的临场判断……这些本质上都是 “让经验变得越来越不重要，让操作变得越来越重要” 行动。
许怡老师在书中举了数控机床的例子来说明这件事，她说数控机床技术之所以在很长一段时间里未被资方大力推广，是因为它的编程工作依赖车间里熟练的技术工人，管理层担心工人因此掌握技术的控制权，进而使自己没有办法对工人的劳动和工人本身进行管理和控制。这与今天企业对AI工具的态度是一致的，企业越是能把判断权从员工手中抽离、转移到系统和管理层手中的AI应用，越容易被大力推广（前一段时间的“蒸馏”就是这个生动写照，把员工花时间积累下的经验，变成AI可以一秒调用的skill，劳动的过程就可以完全被管理者，被资本控制了）。
换言之，真正使“AI比人优越”这句话真正说出口的，其实是员工的经验和判断对于资本而言没有以往重要了。而声称客观性的、中立的技术由于带有主观性的人的经验和判断，并非是技术演进的自然结果，也并非由单纯的技术发展决定，而是资本重新分配劳动过程控制权的策略性表述。
值得一提的是，上面这套逻辑没有停留在单一企业内部。许怡老师把目光延伸到网约车平台和无人驾驶研发企业，揭示出一条从制造业资本走向数字资本的路径：平台资本通过榨取司机的剩余价值获利，而致力于研发无人驾驶技术的科技资本，则以最小化劳动力需求作为新的利润增长点，从局部替代走向全面替代。
今天掌握算力、数据与模型的AI巨头，正在重复同一条路径，甚至走得更远。法国经济学家塞德里克·迪朗提出的用以描述数字经济下资本主义的新型权力结构“技术封建主义”的概念用在这里格外贴切。谁掌握了大模型、掌握了训练所需的数据与算力，谁就成了这个时代新的领主，而绝大多数使用AI工具的个人和企业，某种程度上都在向这些新领主缴纳“数字地租”。 当AI替代人力被叙述为效率、安全、进步的必然结果时，它回避了一个更为根本的问题，即那些被替代的那部分人将何去何从，而这个问题本身及其答案，在今天几乎已经被排除在主流叙事之外了。
这一点在互联网大厂近年来以AI为名的裁员浪潮中体现得尤其明显。
当一家公司宣布因AI提效而优化掉相当比例的岗位时，这个说法几乎自动获得了一种不容辩驳的正当性，谁跳出来质疑它，很容易被等同于质疑技术进步本身，正如书中那些不愿接受“机器换人”的工人容易被贴上当代“卢德分子”的标签一样。但如果按照许怡老师的框架去拆解这类叙事，会发现：
AI裁员往往不是一次纯粹由技术能力驱动的替代，更像是管理层借助一场舆论上难以反驳的技术叙事，去完成一次本来就想进行、却缺乏正当理由的组织“瘦身”与成本重构。
那些被裁撤的岗位未必真的已经被AI工具完全替代，留任者却往往需要在原有工作量之外，承担起被裁掉同事的那部分职责，同时还要学习使用被反复强调“提效”的AI工具本身，其工作强度不降反升。此外，AI这个说法把一次管理决策翻译成一种技术必然性，员工因此很难像针对普通裁员那样去追问补偿、追问决策依据。
PART 3 劳动者的自主性
许怡老师并没有把工人塑造成被动接受意识形态的对象。她观察到，工人在长期与自动化机器共事的过程中，会不断看清机器的各种不足和漏洞，逐渐对机器祛魅，进而重新确认自身在劳动过程中的价值。
今天类似的祛魅过程也正在AI使用者中发生。越来越多的知识工作者在真正把AI工具用进日常工作后，开始亲身体会到它在事实核查、复杂判断、长期一致性上的局限，也开始意识到那些被反复渲染的“AI取代一切”的叙事，与自己实际使用的体验之间存在明显落差。这种日常的、分散的祛魅，正对应福柯所说的反抗的系谱学:
反抗应作为一种系谱学而存在，即需看见不同场域、不同人物或团体在不同脉络之下可能采取的颠覆其所处权力关系的行动。在系谱学的视野下，罢工是反抗，而旷工、息工、小偷小摸、抱怨和讽刺也都是反抗。
基于此，每一次对AI输出结果的当面质疑、每一次拒绝在不合理时限内用AI提效完成本该由团队完成的工作、每一次对同行经验的公开肯定，都是在具体情境中重新夺回判断权和主体性的方式，尽管它们看起来远不如集体行动那样引人注目。
写在最后
揭穿“机器比人更优越”是一种被制造的幻觉，并不意味着要退回到反对技术的立场。在AI时代，问题不在于要不要使用AI，而在于发展何种AI、AI服务于谁，而这个问题的答案，更多取决于技术所处的政治、经济与社会制度。
当“AI优越”被当作由这些力量建构出的、不容置疑的社会事实时，AI换人便顺理成章地被叙述为不可逆的历史方向，那些更渐进、更强调人机协作、更重视劳动者参与的技术路径，也就随之被排除在了想象之外。
相较于AI公司、技术媒体、技术行业中普遍更关系的“AI能不能比人做得更快、更好、更稳”的问题，或许更值得探讨的问题应该是：这个问题究竟是由谁在问、为了什么目的而问，又将由谁来承担探索这个问题的后果。
