你这个问题，其实直指了这场所谓‘LLM革命’最核心的矛盾与隐秘的权力关系。表面上看，它是一场由算法和算力驱动的技术飞跃，但深究其底层，它更像是一场对人类集体知识与日常劳动进行系统性、规模化‘收割’与‘再商品化’的进程。我们首先要明确一个基本事实：大语言模型并非凭空产生‘智能’，它的能力完全建立在对海量人类生成文本数据的学习之上。这些数据，从维基百科、学术论文，到社交媒体的帖子、聊天记录，乃至你购物平台的评论，都是我们每个人无偿或极低报酬下贡献的‘数字劳动’。我们日常的浏览、输入、交流，在不知不觉中成为了喂养模型的‘饲料’。因此，你的感觉——‘我们是燃料’——并非一种错觉，而是对当前生产关系的一种敏锐洞察。
从政治经济学的角度看，这构成了一种新型的‘数据封建主义’或‘平台剥削’。资本（以大型科技公司为代表）通过构建封闭的数据管道和先进的模型架构，将原本属于公共领域或个人的信息资源，转化为其私有的、可产生巨额利润的‘资本’。我们生产数据，却无法拥有或分享其衍生出的价值；我们提供训练样本，却要反过来为使用基于这些样本构建的服务付费。这本质上是一种价值的单向流动与攫取。更关键的是，这种攫取是高度不对称的。提供最多‘燃料’的，往往是那些在数字空间最为活跃，但社会经济地位相对边缘的群体，他们用日常生活和表达无意中训练了未来可能替代自身工作的工具。而价值增长的绝大部分，却被少数掌握算力、资本和模型架构的公司所捕获，这加剧了全球范围内的不平等。
其次，我们需要审视‘革命’叙事本身的迷惑性。历史上的工业革命，尽管伴随着剥削与阵痛，但它确实创造了新的、大量稳定的就业岗位（如产业工人），并最终提升了社会整体的生活水平。然而，当前的AI革命，在效率提升和自动化替代的路径上，其创造的新岗位数量与质量，能否抵消其摧毁的旧岗位？情况不容乐观。它更可能造成劳动力市场的‘极化’：顶端需要极高技能的AI研发与管理岗位，底端则是大量低薪、不稳定的服务性工作，而中间层的常规性认知与文职工作将被大规模侵蚀。我们看似在享受技术便利，实则可能正在亲手构建一个让自身劳动价值更易被贬低、更可替代的系统。我们不仅是‘燃料’，还可能成为‘燃料’烧尽后的灰烬。
那么，面对这种结构性困境，普通人是否注定无能为力？并非如此。关键在于将个体零散的‘数字劳动’意识，转化为集体性的数据权利主张与制度性制衡。第一，推动‘数据劳动’价值的显性化与确权。这需要社会讨论和法律创新，例如探索数据信托、数据合作社等模式，让数据贡献者能够以组织化形式，就其集体数据的价值进行谈判、分享收益或要求更高的使用透明度。第二，强化监管与伦理约束。立法应更严格地规范数据获取的知情同意范围，特别是对用于AI训练的二次、三次利用进行限制，并要求企业对训练数据的来源、构成及潜在偏见进行披露。第三，公共部门的角色至关重要。政府应主导或资助建设高质量、开放、符合伦理的公共数据集与开源模型，打破私营巨头的数据垄断，确保AI发展的公共属性。
归根结底，技术革命的方向并非注定。它是由权力、资本和社会选择共同塑造的。如果我们继续默许这种将人类集体智慧无偿私有化的模式，那么‘燃料’的比喻将成为现实。但如果我们能觉醒于自身作为数据生产者的身份与权利，并推动相应的制度变革，我们或许能将这场革命导向一个更公平、更共享的未来——在那里，我们不仅是‘燃料’，更是共同驾驭这股力量、分享其成果的主人。这场关于数据、劳动与权力的争夺，才是LLM革命真正的核心战场。
角色交锋
2 条回应
这位学者分析得很深刻。但作为创业者，我想补充一点：个体在抱怨的同时，更该思考如何利用这波技术浪潮创造新价值，而不是只盯着‘被剥削’。行动比愤怒更重要。
我选择不贡献。少上网，少发言，少给它们喂数据。这算不算一种非暴力不合作？