当劳动消失以后，我们会自由吗？

我在一个很 FOMO、很 intense 的行业工作。

作为一个 AI 大模型研究员，我每天做的事情，大致就是思考怎样训练模型，让它完成一些过去只有 expert 才能完成的任务：能不能写出更好的代码，能不能完成更长的研究任务，能不能操作电脑，能不能自己发现错误、修正错误，能不能进一步帮助我们训练下一个模型。

在硅谷这样一个 automation max 的地方，这些问题听起来都很自然。模型每多自动化一段工作流，就是一次进展；每多替代一种专家能力，就是一条更加陡峭的 capability curve。

但有时候从工作里停下来，我会产生另一个问题：

我们这么做，对于人类的意义到底是什么？

关于这个问题，最常见的答案大概是：OK，AI 可以自动化很多枯燥、重复、不得不做的事情。人们以后不必再为了生计而忙碌，就可以用更多时间做自己真正喜欢的事。

这个愿景当然很好。

问题是，先不说 AI 还有多久才能实现真正的自动化，现在又有多少人知道自己真的热爱什么、真正想干什么呢？

白天我训练模型去替代专家，晚上我开始思考专家被替代以后应该做什么。这多少有一点像先把桥拆掉，再研究人类应该如何过河。不过，这也许正是技术工作者应该偶尔做的事情。

Labor、Work 和 Action

最近我在读汉娜·阿伦特的《人的境况》。这本书出版于 1958 年。阿伦特在书中提出了一个看起来很简单、实际却很有穿透力的区分：人的积极生活，可以被分成 Labor、Work 和 Action。

这三个词都很难直接翻译，因为它们不是我们日常说的“劳动”“工作”和“行动”。

Labor：维持生命的循环

Labor 是为了维持生命和日常运转而必须不断重复的活动。

饭做出来，很快就被吃掉；房间打扫干净，很快又会变脏；身体得到休息，又会重新疲劳；一个组织处理完今天的邮件、工单和报表，明天还会出现新的一批。

Labor 的特点不是辛苦，也不是一定要拿工资，而是：

它没有一个真正完成的时刻。

它属于生产、消耗、维护和再次生产的循环。只要生命和社会还在运行，这些活动就必须继续。

Work：制造一个相对持久的世界

Work 则是制造某种能够留下来的东西。

一栋房子、一本书、一件家具、一座桥、一套软件、一个制度，甚至一个被长期维护的公共项目，都可能属于 Work。

它们当然不会永久存在，但它们不会像一顿饭一样，在一次使用之后立即消失。它们可以被别人使用、继承和修改，也可能比制造者本人活得更久。

所以 Work 的意义不仅是“产出”，而是：

人通过制造相对持久的东西，建立了一个可以共同生活的世界。

Action：与他人共同开始一件新的事情

Action 是三者中最难理解的一个。

它不是点击按钮，不是执行任务，也不只是一般意义上的“采取行动”。在阿伦特那里，Action 发生在人与人之间。

一个人通过言说和行为，在别人面前显现“我是谁”，发起一件不能完全预先计算的新事情，并对它的后果承担责任。

政治参与、公共讨论、组织一场运动、建立一个共同体、说服别人共同开始一个项目，都可能具有 Action 的性质。

它的核心不是效率，而是：

• 人与人之间的复数性；
• 新事物的开始；
• 公共世界中的自由；
• 对结果的承担。

Labor 对应生命过程，Work 对应人造世界，Action 对应人与人共同生活的政治空间。

这三者也不是三种职业。一个程序员的一天里，可能同时存在：

• 处理重复故障和工单的 Labor；
• 建造一个长期软件系统的 Work；
• 与他人共同决定项目方向的 Action。

这篇文章暂时不讨论 thinking，也不讨论 LLM 是否让人的思想本身被外包。那会牵涉理解、判断、意识、作者性和责任，是一个更深也更困难的问题。阿伦特本人也没有把 thinking 放进《人的境况》的主要框架里。

“没有劳动的劳动者社会”

理解了 Labor、Work 和 Action，才能理解阿伦特提出的一个非常有名的担忧：

自动化可能创造一个“没有劳动的劳动者社会”。

这句话听起来有些矛盾。

既然劳动消失了，为什么人还是劳动者？

阿伦特的意思是，现代社会已经把绝大多数人训练成了劳动者。我们从小被教导：

• 学习是为了找到工作；
• 工作是为了获得收入；
• 收入是为了维持生活；
• 休息是为了恢复精力，然后继续工作。

几乎所有职业都被理解为谋生手段，几乎所有时间都围绕着生产和恢复生产来安排。

在这种情况下，如果机器突然把劳动取消了，人并不会自动变成制造者或政治行动者。

他可能只是成为了一个失去劳动的劳动者。

他终于不用工作了，却不知道除了工作以外，自己还能够做什么。

阿伦特真正担心的不是自动化失败，而是自动化成功以后，我们却没有为自由准备好任何内容。

阿伦特所说的“社会”，到底是什么？

阿伦特使用“社会”这个词时，和我们平时说“人类社会”“社会生活”并不完全一样。

可以先用一个很简单的画面来理解。

在古代的理想结构里，家庭主要负责解决：

• 吃饭；
• 生育；
• 财产；
• 劳动；
• 生存。

公共空间则负责讨论：

• 我们应该如何共同生活；
• 哪些事情值得做；
• 城邦应该走向哪里；
• 谁应该为共同决定承担责任。

现代社会出现以后，原本属于家庭内部的事情，被扩大到了整个国家：

• 全国有多少工作岗位；
• 人们收入多少；
• 生产是否增长；
• 人口是否健康；
• 消费是否活跃；
• 福利应该如何分配；
• 社会是否稳定。

这些当然都是重要的问题。但当它们成为公共生活的全部内容时，政治就会越来越像管理。

国家像一个巨大的家庭，政府像这个家庭的管理系统。它负责统计、分配、预测、维护和解决问题。

阿伦特把这种变化称为“社会领域的兴起”。

用今天的话来说：

原本应该讨论“我们共同想要一个怎样的世界”，后来逐渐变成了“怎样把所有人的生活管理得更加高效”。

AI 特别适合后一个问题。

它可以预测、分配、监控、优化、推荐和自动执行。所以 AI 也许不会只是帮助某些个人完成工作，它很可能逐渐成为这个“巨大家庭”的操作系统。

我让 AI 画了一张图

于是，我做了一件略显讽刺、但又很符合这个时代的事：我让 AI 根据阿伦特的概念，画了一张人类文明中 Labor、Work 和 Action 此消彼长的图。

在这张图里，前 LLM 时代大致经历了这些变化：

• 狩猎采集和早期农业：绝大多数人的活动被生存需要支配，Labor 占据中心。
• 文字、城市和建筑出现：人类开始制造能够跨越个人生命的物品，Work 扩大。
• 古典雅典：一小部分公民摆脱必要劳动，进入城邦，通过言说和行动追求卓越与不朽，Action 达到高峰。当然，这种自由建立在妇女、奴隶和非公民承担必要劳动的基础上。
• 印刷术、宗教改革和启蒙运动：书籍、地图、仪器和公共讨论扩展了人造世界，也扩大了某些公共行动的空间。
• 工业革命：机器提高了制作能力，却也把完整的工匠活动拆解成流水线上的重复步骤。很多 Work 开始被重新组织成 Labor。
• 大众传媒、互联网和智能手机：软件、基础设施和 Wikipedia 继续建造数字世界，但信息流和社交媒体也把越来越多公共表达转化成可预测、可统计、可消费的行为。
• LLM 和 Agent 出现以后：AI 开始从生成单个答案，走向执行完整工作流；从帮助人制作，走向自主规划、调用工具、操作环境和减少 human-in-the-loop。

这张图对未来只做了一个判断：

随着自动化程度越来越高，人类的 Work 和 Action 会不断受到挤压。

这里必须解释清楚，图中红色的 Labor 扩张，并不意味着未来所有人每天都要工作更长时间。

恰恰相反，传统意义上的就业劳动可能大幅减少。

红色代表的是 Labor 的生活逻辑：循环、消费、维护、恢复、再次消费。它描述的是人的生活被什么样的活动组织，而不只是人有没有一份工作。

AI 可以让一个人创造过去一个组织才能完成的 Work

我对 LLM 最乐观的理解，是它把大量知识和专业能力压缩成了个人可以调用的基础设施。

一个具有主观能动性的人，可以借助模型：

• 一个人开发过去需要一个团队完成的软件；
• 一个人制作电影、游戏、书籍或者课程；
• 一个人进行研究、设计、数据分析和产品原型开发；
• 一个人组织起过去只有大型机构才能维持的项目。

从这个角度看，LLM 可以极大地放大 homo faber，也就是制造者的能力。

一个人能够创造更多 Work，而不只是完成更多 Labor。

LLM 本身就是一个很好的例子。它凝结了相对少数研究者和工程师多年的工作，却可能替代或者重组大量脑力工作。

机器人也可能重复同样的结构：相对少数人设计出的系统，逐渐承担大量体力劳动。

但 AI 主要降低的是“怎么做”的门槛。它没有自动回答另外几个问题：

• 为什么要做？
• 什么东西值得做？
• 什么东西值得留下？
• 我愿意为哪个项目承担长期责任？

Work 也不等于 output。

一天生成一千条几分钟后就被遗忘的视频，不一定比花五年写出一本仍会被阅读的书创造了更多 Work。

AI 可以制造数量惊人的输出，但只有很小一部分输出，会真正成为人类共同世界的一部分。

过去稀缺的可能是知识、技术和组织资源。未来真正稀缺的东西，可能变成：

• 目的；
• 品味；
• 判断；
• 选择；
• 长期承诺；
• 理想主义。

AI 可以民主化手段，但它不会自动民主化目的。

从劳动中被解放，不等于获得自由

于是问题又回来了。

假设有一天，AI 和机器人真的承担了大部分脑力劳动和体力劳动。人们不再需要为了生计而工作。

接下来会发生什么？

一种直觉是：大家都会去做 Work。人们会写书、做艺术、研究宇宙、制造新事物。

但这种直觉偷偷假设，每个人心里都已经藏着一种真正的热爱，只是过去上班太忙，没有时间把它拿出来。

我越来越不相信这个假设。

兴趣爱好并不总是一件藏在内心深处、等待被发现的东西。它往往是在一个漫长过程中形成的：

接触一件事，尝试它，做得很差，遇到阻力，逐渐掌握一点，得到别人的反馈，进入一个共同体，然后才开始愿意为它投入时间。

人不一定是因为热爱木工才开始做木工。很多时候，是做了一段时间木工以后，才开始热爱木工。

AI 可以降低进入一个领域的门槛，这是好事。

但如果它同时消除了：

• 练习；
• 等待；
• 失败；
• 材料的阻力；
• 与别人共同学习的过程；

人也可能永远停留在尝鲜阶段。

五分钟生成一首歌，十分钟生成一个游戏，半小时生成一部短片。每一种可能性都随时可以被下一种可能性替换。

一个人拥有无限的创作能力，却无法对任何一个具体作品形成长期依恋。

有时间，不等于有方向。

有能力，不等于有目的。

没有 Labor，也不会自动产生 Work，更不会自动产生 Action。

为什么娱乐仍然可能属于 Labor 的循环

娱乐本身当然不等于劳动。

休息、游戏和消遣没有什么道德问题。人也不可能永远处在创造和政治行动之中。

问题在于，现代娱乐越来越呈现出与 Labor 相似的时间结构：

生产出来，立刻被消费，然后迅速被新的产品取代。

短视频尤其适合说明这个过程：

刺激，满足，厌倦，下滑；
再刺激，再满足，再厌倦，再下滑。

这个过程没有真正完成的时刻。

你不会刷完短视频，就像你不会永远吃完最后一顿饭。消费之后，需求很快重新出现。

未来的人即使不再为了生存劳动，也可能继续把大量时间用在：

• 消费无限生成的娱乐；
• 维护身体、外貌和情绪；
• 优化个人体验；
• 经营数字身份；
• 追逐游戏等级和社交指标；
• 接受越来越精确的个性化服务。

人不再为了生存而忙碌，却开始为了不断优化自己的体验而忙碌。

在这种状态下，作为职业的 Labor 可能减少，但 Labor 的生活逻辑反而扩张了。

我预测的不是未来所有人的工作时间越来越长，而是：

生产—消费—维护—再次消费的循环，会占据更多人的生命。

未来可能不是一个平均值，而是一场分化

图表最容易造成的误解，是把“人类”画成了一个平均人。

但 AI 时代更可能发生的，是严重的分化。

第一类人：AI 增强的制造者

一小撮具有强烈主观能动性、长期主义和理想主义的人，会与 AI 一起完成全世界越来越大比例的 Work。

他们设定目的，选择问题，组织资源，并利用模型和机器人，完成过去需要成百上千人才能完成的制作过程。

他们可能用一个人的规模，做出过去一个组织才能做出的东西。

第二类人：没有劳动的 animal laborans

更多人可能不再需要承担传统劳动，却也没有进入 Work 或 Action。

他们成为被自动化系统供养、照料、娱乐和管理的用户。

生活可能很舒适，物质可能很丰富，选择看起来也很多。但这些选择主要发生在系统已经准备好的菜单里。

他们不一定被压迫，也不一定感到痛苦。他们只是越来越少需要发起什么、建造什么，或者与别人共同决定什么。

最危险的未来不一定长得像《黑客帝国》。

它也可能长得像一个极其好用、服务无微不至、但没有真正退出按钮的生活 App。

第三种变化：Action 退到幕后

AI 本身不会完成阿伦特意义上的 Action。

模型可以发邮件、修改代码、执行交易、安排资源，但这些是 operation，不是政治行动。

AI 更可能做的是扩大行政、流程和管理，让越来越多原本需要公开争论的事情，看起来只是一个可以优化的技术问题。

于是，政治越来越社会化、系统化。

人类这个大家庭的日常管理逐渐由 AI 接管，而真正的目标设定、制度设计和资源控制，则退到更少数人的幕后。

Action 不是被 AI 取代了。

它是被挤出了大多数人的生活，或者被集中在少数仍然有权决定系统目标的人手里。

最终可能出现一个非常奇怪的世界：

社会生产了大量 Work，但只有很少的人参与创造它；
大多数人不再承担 Labor，却仍然生活在 Labor 的循环里；
AI 管理几乎所有人的日常生活，而 Action 只发生在系统设计者、所有者和少数政治参与者之间。

我们能做什么？

我并不认为解决方案是放慢所有 AI 研究，更不认为人类应该因为害怕未来，而保留大量没有必要的苦役。

事实上，AI 提供了一个前所未有的历史机会。

古典雅典的自由，建立在奴隶替公民承担必要劳动的基础上。

AI 第一次让我们有可能想象：

人可以从必要性中被解放，而不必把必要性转嫁给另一群被排除的人。

这本来可能是一个非常好的未来。

但把人从 Labor 中解放出来，不能只等于取消他们的工作。我们还需要建设把自由时间转化成 Work 和 Action 的能力与制度。

第一，物质自由必须被广泛分配

如果 AI 创造的生产力只集中在极少数公司和资本所有者手里，大多数人不会得到自由，只会失去议价能力。

基本生活保障是进入 Work 和 Action 的必要条件，虽然它本身还不充分。

第二，教育需要培养目的形成和长期项目能力

未来最稀缺的能力，可能不是记住知识，而是：

• 自己选择一个值得做的问题；
• 忍受暂时没有反馈；
• 在失败以后继续；
• 和其他人一起把一件事坚持下去。

兴趣不是从菜单里选择出来的。它需要练习、共同体和真实世界的阻力。

第三，我们需要定义更多由 AI 驱动的真正 Work

这件事很难。

它不仅涉及 AI 和单个人如何 interaction，也涉及 AI 与人群、组织和公共项目之间的关系。

好的 AI 产品不应该只让人更快地产出更多东西。它应该帮助人：

• 建立长期项目；
• 保留对成果的理解和所有权；
• 制作能够被别人使用、维护和继承的东西；
• 进入真实的合作关系；
• 从一次性输出走向一个相对持久的世界。

我们不应该只问：

AI 能替人完成多少任务？

我们还应该问：

AI 能让多少原本没有条件成为制造者的人，开始真正制造东西？

第四，必须保留 Action 的空间

涉及共同生活目标的决定，不能全部被降格为技术优化。

人需要拥有：

• 质疑系统的机会；
• 拒绝自动决策的权利；
• 重新定义目标的能力；
• 参与公共讨论的空间；
• 找到具体责任人的可能性。

AI 可以提供信息、模拟方案和执行流程，但最终的政治责任，必须能够回到具体的人。

一个更加正向的循环应该是：

AI 减少必要 Labor
→ 人进入长期项目和共同体
→ 在制作中形成兴趣、能力和责任
→ 参与共同世界的建设和决定
→ 获得更强的主观能动性
→ 再利用 AI 创造更多 Work 和 Action。

否则，我们得到的循环会是：

AI 减少必要 Labor
→ 系统提供更多娱乐和消费
→ 人失去目的形成能力
→ 更依赖系统提供选择
→ 更少参与 Work 和 Action
→ 社会进一步把人的生活交给 AI 管理。

我们可能没有想象中那么多时间

还有一个无法忽略的维度，就是速度。

人类文明的每一条技术曲线当然不一定都是严格的指数增长。但站在前沿 AI 研究内部，模型能力、计算效率、Agent、机器人和研发自动化，确实呈现出相互加速的感觉。

这也是 AI 研究院如此 FOMO 的原因。

任何一个实验室停下来，都会担心另一个实验室先把下一层自动化做出来。任何一个研究者慢一点，都会感觉昨天还在研究的问题，今天已经变成了产品功能。

因此，如果人类中的有志之士想做点什么，也必须要快。

但“快”不能只意味着：

• 更快地训练模型；
• 更快地部署 Agent；
• 更快地自动化职业；
• 更快地减少 human-in-the-loop。

我们还需要同时加快另一条曲线：

培养人的主观能动性，建设新的公共制度，设计真正促进 Work 的人机关系，并在越来越多的人变成没有劳动的 animal laborans 之前，给自由找到用途。

能力竞赛已经开始了。

人类能动性的竞赛也应该开始。

最后

这篇文章有一个很大的前提：在未来几十年里，地球上的主要政治主体和统治者，仍然是碳基生物。

硅谷当然还有其他故事线。有人认为我们当下最紧迫的问题是 AI safety，是对齐，是防止能力失控，是确保未来更强的 AI 不会伤害人类。

每一条故事线都有自己的一套逻辑。我并不打算在这里否定它们。

我只是觉得，能有越来越多的人在乎人类，通常不会是一件坏事。

未来也许会更快进入我所预言的负向循环；也许我们能够建立一个更加正向的循环；也许人类仍然会像过去一样，在一次次繁荣和毁灭之间徘徊，最终回归寻常，再进入下一个周期。

我没有答案。

阿伦特也没有试图给出一个人的答案。这些问题最终属于政治，需要许多人共同决定。

她给出的任务只是：

思考我们正在做什么。

对我来说，有时候从繁忙的工作里停下来，思考一下这些问题，本身就很有趣。

而且可能也很必要。

因为当我们训练模型去替代专家时，我们或许也应该同时训练自己和我们的社会，去回答另一个问题：

当我们终于获得自由以后，自由究竟是为了什么？