《资本论》第一卷第十三章:机器和大工业
第十一章讲协作,第十二章讲分工和工场手工业。到第十三章,马克思进入资本主义生产方式的更成熟形态:机器大工业。
这一章在《资本论》第一卷中非常重要,也很长。它不是单纯讲机器如何提高效率,而是分析机器进入资本主义生产后,怎样改变劳动过程、剩余价值生产、劳动者身体、家庭结构、技能体系和社会关系。
一句话概括本章:
机器本来可以减轻人的劳动,但在资本主义条件下,它被资本用来提高相对剩余价值、控制劳动、替代劳动者、重组社会生产,并把人的劳动从工具的主人变成机器体系的附属。
这章对 AI 时代尤其重要。大模型、自动化 Agent、云计算、机器人、算法平台,本质上都在提出同一个问题:技术进步到底服务谁?
工具和机器的区别
在手工业中,劳动者使用工具。
工具是人的手的延伸。锤子、锯子、针、刀、键盘、IDE,都由劳动者控制。
到了机器体系中,情况发生变化。
机器不只是一个更大的工具,而是把原来由人完成的动作,转移给机械装置或自动系统。
劳动者不再主要是直接操作工具加工对象,而是看管、调节、喂料、维护、监控机器系统。
用现代软件和 AI 类比:
手工业式开发像一个程序员亲手写每一段逻辑。
机器大工业式开发更像一个自动化平台:代码生成、测试、部署、监控、扩容、数据处理、模型推理都由系统流水线完成,人负责配置、监督、异常处理和优化。
工具受人支配;机器体系则可能反过来规定人的节奏。
这是第十三章的核心变化。
机器体系:从单个机器到自动系统
机器大工业不只是有一台机器,而是形成一套机器体系。
马克思分析机器时,通常包括几个部分:
- 动力机;
- 传动机构;
- 工作机。
在现代技术系统中,可以类比为:
- 算力基础设施;
- 网络和调度系统;
- 模型、软件、数据库和应用流程。
真正的大工业不是单台机器孤立运行,而是许多机器和流程连接成自动体系。
比如一个现代 AI 服务平台包括:
- 数据采集;
- 数据清洗;
- 模型训练;
- 模型部署;
- 推理服务;
- 负载均衡;
- 缓存;
- 监控;
- 安全过滤;
- 计费;
- API 网关;
- 客户端应用;
- 反馈数据回流。
单个开发者面对的不再是一个工具,而是一整套技术系统。
在这个系统中,人的劳动被重新安排:有人维护基础设施,有人调模型,有人处理异常,有人标注数据,有人审核内容,有人监控指标。
机器为什么服务相对剩余价值
第十章已经说过,相对剩余价值来自生产力提高。
机器是提高生产力的强大手段。
机器可以:
- 同时处理更多对象;
- 提高速度;
- 增加稳定性;
- 降低对个别熟练工的依赖;
- 延长生产连续性;
- 降低单位商品劳动时间;
- 让生产规模扩大。
当机器使生活资料生产效率提高,劳动力价值下降,必要劳动时间缩短,资本就获得相对剩余价值。
即使某项机器不直接生产生活资料,它也可能通过降低生产资料成本、流通成本、基础设施成本,间接推动社会生产率提升。
AI 自动化也是如此。
如果 AI 工具大幅降低客服、内容生产、代码开发、数据处理、运营管理成本,那么许多商品和服务的社会必要劳动时间会下降。
从社会角度看,这是生产力进步。
从资本角度看,这是获得相对剩余价值的手段。
机器本身不创造价值
这里要重新强调一个前面已经出现的观点:机器不创造新的价值。
机器把自身价值通过折旧和消耗转移到产品中。
机器提高生产力,让同样劳动时间生产更多使用价值,从而降低单位商品价值。
但新的价值仍然来自活劳动。
这点在 AI 时代容易引起争议。
人们会说:“AI 生成内容,AI 写代码,AI 在创造价值。”
日常说法可以这样讲,但在马克思的价值理论中,AI 系统作为机器和生产资料,是过去劳动的凝结。模型训练、数据、算力、工程、维护,都是社会劳动的结果。
当 AI 系统进入生产过程,它把自身成本分摊到产品和服务中,并提高活劳动的生产率。它不是凭空创造价值的魔法主体。
真正的问题不是“AI 有没有用”,而是:
AI 提高的生产力如何改变必要劳动时间? AI 替代或重组了哪些活劳动? AI 带来的收益归谁?
机器降低对熟练工的依赖
在工场手工业中,资本仍然依赖手艺人的熟练技能。
机器大工业改变了这一点。
许多原本需要熟练工完成的动作,被机器吸收。
劳动者不再必须完整掌握复杂手艺,只需要在机器体系中执行某些操作。
这会降低资本对特定熟练工的依赖。
现代技术行业也有类似趋势。
过去做一个 NLP 系统,需要懂特征工程、模型训练、评估、部署。
现在很多应用可以通过大模型 API、RAG 框架、低代码工具、模板化 Agent 快速搭建。
过去做网站需要较多前端基础,现在组件库、模板、AI 代码生成可以降低门槛。
过去部署服务需要较多运维经验,现在云平台、Serverless、PaaS 降低了复杂度。
这些变化有积极面:更多人可以参与生产。
也有资本逻辑的一面:技能被系统吸收后,劳动者更容易被替换,议价能力可能下降。
劳动者成为机器体系的附属
马克思对机器大工业最深的批判之一,是劳动者和工具的关系倒转了。
在手工业中,劳动者使用工具。
在机器大工业中,劳动者服务机器体系。
机器规定节奏,劳动者跟随机器。
工厂里,机器速度决定劳动节奏。
平台里,算法派单决定劳动节奏。
软件公司里,CI/CD、告警系统、项目排期、数据看板、自动化流程也会规定人的响应节奏。
AI 内容平台上,推荐算法要求创作者持续更新。
外卖平台上,路线算法和送达时间规定骑手动作。
客服系统上,工单量、响应时长、满意度指标规定客服节奏。
人似乎在使用系统,但也被系统使用。
这就是机器体系的社会含义。
机器和工作日
机器本来可以缩短劳动时间。
如果机器让生产同样商品所需劳动减少,那么社会完全可以让人少工作、多休息、多学习、多生活。
但在资本主义条件下,机器常常反而推动延长或强化劳动。
原因很简单:机器很贵,资本家希望尽量延长机器运行时间,快速收回投资并获得利润。
机器闲置,就意味着固定资本闲置。
所以资本倾向于:
- 延长工作日;
- 采用轮班制;
- 夜间生产;
- 提高机器利用率;
- 让劳动者跟随机器节奏;
- 压缩停机和休息时间。
在 AI 和云计算行业,这也很明显。
GPU 集群、数据中心、模型服务平台成本巨大。资本会希望它们持续运行、尽量满载。人的劳动也会围绕系统连续运行被安排:
- 24/7 运维;
- 夜间告警;
- 全球客服;
- 模型监控;
- 安全响应;
- 高峰期值班。
机器越连续,人的待命和维护压力也可能越连续。
机器、妇女和儿童劳动
马克思在原文中大量讨论机器如何使妇女和儿童进入工厂劳动。
原因是,机器降低了对传统体力和熟练技能的要求,使资本可以使用更广泛、更廉价的劳动力。
这产生了复杂后果。
一方面,更多人进入社会生产。
另一方面,家庭生活被资本卷入,儿童和妇女遭受低工资、长时间、高强度劳动。
现代社会当然与十九世纪英国工厂不同,但类似逻辑仍可观察。
当数字平台把劳动拆成简单任务时,更多人可以参与:
- 在家做数据标注;
- 接众包任务;
- 做内容审核;
- 直播带货;
- 做短视频剪辑;
- 远程客服;
- 参与微任务平台。
这看似提供灵活机会,但也可能把家庭时间、碎片时间、休息时间都卷入资本生产。
机器和平台降低门槛的同时,也可能扩大低价劳动供给。
机器和产业后备军
机器可以替代劳动者。
当机器让同样产出需要更少人时,一部分劳动者会被排挤出生产过程。
这会形成失业或半失业人口,对在岗劳动者产生压力。
资本可以用这种压力压低工资、提高纪律、要求更高强度。
现代 AI 自动化也带来类似问题。
如果 AI 可以完成基础文案、初级代码、客服回复、数据整理、简单设计,那么相关岗位就会面临压力。
这不一定意味着所有人都马上失业,但会改变劳动力市场:
- 初级岗位减少;
- 入门门槛变化;
- 中低端任务价格下降;
- 高级岗位要求提高;
- 一人借助 AI 承担更多工作;
- 企业减少招聘或外包;
- 劳动者被迫学习新技能。
机器替代劳动者,不只是技术问题,也是资本重新安排劳动供给和工资压力的问题。
机器和劳动强度
机器不仅改变工作时间,也改变劳动强度。
机器速度越快,劳动者必须跟上。
自动化系统越精确,人的空闲越少。
数据监控越细,劳动越难隐藏停顿。
平台算法可以把每个动作计时、评分、排序。
AI 开发团队也会受到类似影响。
自动化工具提高产出后,管理层可能缩短 deadline。
持续集成和云部署让发布更快,也让迭代压力更高。
监控系统让线上问题随时暴露,也让响应责任随时到来。
AI 生成代码让代码量增加,也可能增加审查、维护、安全和集成压力。
所以,机器提高生产率,未必让劳动更轻松。它可能让劳动更密集。
机器和技能贬值
机器会吸收某些技能。
一旦技能被机器或软件系统固化,原来掌握这种技能的劳动者可能失去优势。
比如:
- 计算器削弱手算技能的市场价值;
- 工业机器削弱某些手工技艺的市场价值;
- 模板系统削弱基础网页制作的价值;
- 大模型削弱基础文案和简单代码的市场价值;
- 自动剪辑工具削弱简单剪辑劳动的价格;
- 低代码平台削弱部分 CRUD 开发的议价能力。
但机器也创造新技能需求:
- 机器维护;
- 系统设计;
- 数据治理;
- 模型评估;
- 安全合规;
- 自动化流程设计;
- 人机协同管理。
所以技能不是简单消失,而是重新分层。
资本会利用这种分层:高技能岗位少数化,低技能操作岗位标准化,中间岗位被挤压。
对于 AI 开发者,这意味着不能只追逐某个工具技巧,而要理解系统、业务、数据、架构和社会关系。越容易被流程化的技能,越容易被资本和机器吸收。
机器和工厂纪律
机器大工业带来新的纪律。
手工业者可以按自己的节奏工作,工场手工业已经加强管理,机器大工业则通过机器节奏本身建立纪律。
迟到、停顿、慢动作、错误操作,都会影响整个机器体系。
现代系统也有这种纪律。
代码合并要符合流程。
服务可用性要满足 SLA。
响应时间要被监控。
客服回复要限时。
配送要在算法规定时间内完成。
内容创作者要持续适应平台推荐节奏。
机器和系统把纪律嵌入流程,不一定需要主管时时盯着。
这就是现代管理的强处:控制不只来自人,也来自系统架构。
大工业不断革命化生产
机器大工业的一个重要特征,是不断革命化生产方式。
手工业和工场手工业相对稳定,而机器大工业总是在改造机器、流程、能源、材料、组织和技能。
资本竞争推动技术更新。
旧机器被新机器淘汰,旧技能被新技能替代,旧行业被新行业重组。
AI 行业更是如此。
模型能力几个月就可能更新,框架快速迭代,应用形态不断变化,昨日热门产品今日可能被基础模型新功能吞掉。
这带来持续不稳定:
- 劳动者必须不断学习;
- 企业必须不断更新;
- 投资不断追逐新方向;
- 产品生命周期缩短;
- 技能和资产加速折旧。
机器大工业的稳定形态就是不断变化。
技术进步和人的全面发展
马克思不是反对机器。
他看到机器大工业中也包含一种解放可能:生产力提高,社会劳动时间可以大大减少,人可以摆脱繁重重复劳动,获得更全面发展。
但在资本主义关系下,这种可能被扭曲。
机器不是用来普遍缩短劳动时间,而是用来增加剩余价值。
机器不是让所有人更自由,而是让部分人失业、部分人更紧张、资本更强。
机器不是自动带来人的全面发展,而是常常造成技能片面化、劳动强度提高和生活不稳定。
这对 AI 时代是很直接的提醒。
AI 可以成为教育、医疗、科研、创造、公共服务的工具。
但在资本逻辑下,它也会成为裁员、监控、压缩成本、提高劳动强度、集中平台权力的工具。
技术的潜力和技术的资本主义使用,不是一回事。
国学类比:器胜其主
中国传统讲“器”时,常强调器为人用。
工具、制度、技术,本应服务人的生活秩序。
但机器大工业呈现出一种“器胜其主”的局面:人造出机器体系,却在资本关系下被机器体系支配。
这有点像“役物”与“役于物”的反转。
人本应役物,以器成事;但当器被资本占有并组织,人就可能反过来役于器,役于系统,役于指标。
这个类比不能替代马克思分析,但能帮助理解机器问题的哲学意味:技术不是孤立物,它总在某种社会关系中决定谁支配谁。
对 AI 开发者的理解抓手
第十三章对 AI 开发者非常关键。
第一,不要把 AI 自动化只看成工具升级。
它会改变劳动分工、技能价值、岗位结构和资本权力。
第二,AI 提高效率后,要问劳动时间是否真的减少。
如果只是任务更多、节奏更快、裁员更多,那么技术收益主要被资本吸收。
第三,越被系统吸收的技能,越容易贬值。
要提升的是理解问题、设计系统、判断质量、整合业务、负责结果的能力,而不只是重复执行技巧。
第四,平台和机器体系会规定人的节奏。
告警、看板、推荐算法、派单系统、CI/CD 都不只是工具,也可能是劳动纪律。
第五,技术潜力和资本使用要区分。
AI 可以服务人的发展,也可以服务资本增殖。关键是控制权、收益分配和制度安排。
原文对照
原文(第一卷第十三章):“机器就其本身来说缩短劳动时间,而它的资本主义应用延长工作日;机器本身减轻劳动,而它的资本主义应用提高劳动强度。”
转述(第一卷第十三章):马克思在本章指出,机器本身不创造新价值,只是通过磨损和消耗把自身价值转移到产品中;机器提高生产力、降低对熟练工的依赖,但也可能使劳动者从工具的支配者变成机器体系的附属。
本章的核心结论
第十三章可以浓缩成一句话:
机器大工业通过机器体系极大提高生产力,但在资本主义条件下,这种生产力被用来生产相对剩余价值,并使劳动者受制于资本占有的机器系统。
更具体地说:
- 机器不同于工具,它把人的操作转移到自动机构中;
- 大工业形成机器体系,而不是孤立机器;
- 机器提高生产力,是相对剩余价值的重要手段;
- 机器本身只转移价值,不创造新价值;
- 机器降低资本对熟练工的依赖;
- 劳动者从工具的使用者变成机器体系的附属;
- 机器可能延长劳动、提高强度、制造失业压力;
- 机器吸收技能,改变劳动市场结构;
- 大工业不断革命化生产方式;
- 技术进步有解放潜力,但在资本关系下被用于资本增殖。
理解这一章之后,你看 AI、自动化、机器人、平台算法,就不会停留在“效率提高了”这个层面,而会继续追问:
谁拥有机器体系? 谁被机器替代或支配? 生产力提高带来的自由时间归谁? 机器服务人的发展,还是服务资本增殖?
这就是机器和大工业问题在今天的核心。
上一章:分工和工场手工业 · 第一卷目录 · 下一章:绝对剩余价值和相对剩余价值
本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。