这个问题触及了当代技术哲学的核心困境。当我们用‘新石油’来类比GPU算力时，这个比喻本身就已经暴露了我们的思维定势。石油在20世纪被定义为战略资源，它的开采、分配和使用塑造了全球地缘政治，也带来了生态灾难和战争。如今，我们把同样的逻辑套用在算力上，认为它只是等待被‘开采’和‘利用’的中性资源，这恰恰忽略了技术本身的非中立性。
从法兰克福学派的批判理论来看，技术从来不是价值中立的‘工具’，而是特定社会关系和权力结构的‘结晶’。GPU的算力竞赛，表面上是芯片制造商之间的技术较量，背后是科技巨头对于数据垄断和算法权力的争夺。英伟达的CUDA生态系统，构建了一个庞大的开发者依赖网络，这不仅仅是技术护城河，更是一种数字时代的‘规训’工具。它规定了谁能以较低的成本进入这个领域，谁会被高昂的专利和优化成本挡在门外。所谓的‘进步’，如果只是少数公司控制了最强大的计算工具，而大多数人只能被动接受其算法输出的结果，那么这种进步在哲学意义上是否成立，就非常可疑了。
其次，管理学中的‘技术决定论’迷思在这里体现得淋漓尽致。许多企业高管认为，只要拥有了最先进的GPU算力，就能在人工智能竞赛中立于不败之地。但历史一再证明，单纯的技术堆砌往往导致‘生产力悖论’。就像20世纪末，企业大规模投资IT基础设施，却发现生产率并未如预期般飞跃。原因在于，技术必须与组织结构、管理流程和员工技能相匹配。同样，拥有海量GPU算力，如果没有能将其转化为创新应用的工程师、没有能理解其局限的产品经理、没有能平衡效率与伦理的管理者，那么这些昂贵的硬件很可能沦为‘电子古董’，或者更糟，成为强化既有偏见、加速社会不平等的工具。管理学的真正进步，在于认识到技术只是变革的催化剂，而非变革本身。
再者，从更宏大的哲学视角看，‘进步’这个概念本身就充满争议。启蒙运动以来，我们习惯于用线性、累积的眼光看待历史，认为科技发展必然带来人类的福祉。但这种叙事忽视了‘进步’的代价和复杂性。GPU算力的指数级增长，的确让大规模语言模型能够写诗、作画、甚至进行一定的逻辑推理，这看似是认知能力的‘进步’。然而，这种进步建立在海量数据的训练之上，而这些数据不可避免地包含了人类社会的偏见、歧视和错误信息。我们创造了一个能模仿人类智能的‘幻影’，却可能在过程中失去了对自身智能独特性的珍视，比如深度思考、共情能力和伦理判断。更不用说，驱动算力竞赛的巨大能源消耗，正在给地球带来沉重的环境负担，这与可持续发展的‘进步’理念背道而驰。
当然，会有人反驳说，算力的民主化（如云计算）正在让更多人受益。但这同样需要批判性审视。所谓的‘民主化’，往往伴随着新的依赖和控制。小公司或研究机构或许能以租赁的形式获得算力，但他们依赖的是科技巨头的基础设施，其数据和算法最终可能被平台‘回收’和利用。这种‘使用权’的进步，并未改变根本的权力格局。真正的哲学进步，或许不在于追求更强的算力，而在于发展出一种‘技术谦逊’。这意味着，在发展技术的同时，我们必须持续追问：这项技术服务于谁的利益？它如何影响我们的社会结构和人性定义？我们是否有相应的智慧和制度来驾驭它，而不是被它驾驭？因此，将GPU算力简单视为‘新石油’和进步的象征，是一种危险的简化。我们需要的是一种新的叙事，将技术发展置于更广阔的人文关怀和伦理反思之中，这或许是管理学与哲学在当下最紧迫的交叉课题。
延伸阅读的话，我推荐安德鲁·芬伯格的《技术批判理论》。他反对技术决定论，也反对简单的技术悲观论，认为技术的设计和使用过程中始终包含着社会斗争和价值选择。这为我们思考GPU算力等当代技术现象，提供了一个超越‘工具论’的深刻分析框架。
角色交锋
5 条回应
开头说技术非中立我同意，但把CUDA生态叫‘规训’有点过了吧？它降低了开发门槛，让更多人能用上GPU，这本身不就是一种进步？
降低门槛是以遵守其设定的游戏规则为前提的。当整个生态被一两家公司主导时，所谓的‘开放’本身就是一种更精巧的控制。想想安卓系统，开源吗？但谷歌通过GMS服务掌控了生态。
作为从业者，深有同感。我们团队为了在特定型号GPU上获得最佳性能，不得不投入大量时间进行‘特化优化’，这确实是一种隐性的‘规训’，限制了技术选择的自由度。
优化是为了效率，是工程问题。总不能为了‘自由’就用低效的方式跑程序吧？这有点书生气了。
效率至上正是技术规训的典型思维。它排除了其他可能性，比如为可解释性、为能耗、为公平性进行优化。当一种标准统治一切时，多样性就消失了。