《资本论》第三卷第五章:不变资本使用上的节约
第四章讲周转对利润率的影响。
第五章继续讨论影响利润率的因素,但焦点换成不变资本。
第一卷已经讲过,不变资本本身不创造新价值,只把自身已有价值转移到商品中。
但不变资本使用得是否节约,会直接影响成本价格和利润率。
一句话概括本章:
机器、原料、能源、厂房和云资源本身不创造剩余价值。若同样的生产用更少的生产资料就能维持,所需预付资本减少,即使剩余价值量不变,利润率也会提高。节约往往依赖劳动协作,却表现为资本自身的功劳。
不变资本为什么影响利润率
利润率公式是:
p' = s / (c + v)其中 c 是不变资本。
如果 s 不变,v 不变,而 c 下降,利润率就会上升。
比如:
c = 80
v = 20
s = 20
p' = 20 / 100 = 20%如果不变资本节约,c 降到 60:
c = 60
v = 20
s = 20
p' = 20 / 80 = 25%剩余价值没有变,但利润率提高了。
原因是总预付资本减少了。
这就是第五章的基本逻辑。
节约不变资本不等于创造价值
这里要小心。
节约不变资本能提高利润率,但它不是剩余价值的来源。
剩余价值仍然来自劳动力。
节约不变资本的作用是:
降低分母; 减少成本; 减少价值转移; 提高利润率表现。
比如一家 AI 公司优化推理架构,把每次调用成本从 0.02 元降到 0.01 元。
如果用户付费价格不变,工资和劳动组织不变,公司利润率会提高。
但这不是因为 GPU 或 API 自己创造了剩余价值。
而是因为同样劳动成果在更低不变资本消耗下实现。
现代 AI 公司的不变资本
在 AI 和软件公司中,不变资本不只是传统机器和原料。
它包括:
- 云服务器;
- GPU;
- 模型 API;
- 向量数据库;
- 存储;
- 带宽;
- 数据采购;
- 标注工具;
- 办公设备;
- 内部平台;
- 自动化测试系统;
- 监控系统;
- 安全基础设施。
这些东西在生产过程中消耗或折旧,把价值转移到产品和服务中。
如果公司能节约这些消耗,就能降低成本。
比如:
- prompt 压缩;
- 缓存相同请求;
- 小模型替代大模型;
- batch 推理;
- 减少无效日志;
- 数据冷热分层;
- GPU 利用率提升;
- 自动伸缩;
- 减少重复开发;
- 统一内部工具链。
判断是否节约了不变资本,要看完成同样任务实际少用了多少设备、算力或存储。只说开发快了,还不能判定节约的是哪一项。
社会化生产带来的节约
马克思强调,不变资本节约常常不是单个资本家聪明,而是社会化生产带来的结果。
大规模生产可以共享:
- 厂房;
- 动力系统;
- 机器;
- 运输;
- 仓储;
- 管理;
- 技术知识;
- 基础设施。
比如一个大型数据中心可以比小公司自建机房更节约:
- 电力采购更便宜;
- 散热效率更高;
- 运维更专业;
- 硬件利用率更高;
- 网络冗余更强;
- 安全系统摊薄成本。
这不是某个资本家的个人天才,而是规模协作和社会技术条件的结果。
但在资本主义形式下,这种社会化劳动和社会化条件的收益,表现为资本家的成本优势和利润率提高。
劳动者的经验被资本占有
不变资本节约常常来自劳动者的实践经验。
工人知道怎样减少原料浪费。
工程师知道怎样优化系统。
运维人员知道怎样降低故障和资源空耗。
销售和交付人员知道怎样减少无效返工。
但这些经验一旦进入公司流程、代码库、管理制度和自动化系统,就成为资本控制的生产条件。
比如一个 Python 工程师写了一个缓存层,让模型调用成本下降 40%。
这个优化来自劳动者的知识和劳动。
但成果沉淀为公司系统后,利润率提升归资本所有。
这就是资本主义生产中常见的现象:
集体劳动创造节约; 资本以自己的效率表现出来。
节约和劳动条件恶化
第五章还涉及一个尖锐问题:资本为了节约不变资本,可能恶化劳动条件。
比如传统工厂为了节约厂房、通风、照明、安全设备,把工人挤在恶劣环境中。
这种“节约”并不是技术进步,而是把成本转嫁给劳动者的身体。
拿工程团队作对照。缓存让同一结果不必算第二遍,同样多的请求少耗了算力;省下的是生产资料。撤掉测试环境也能省设备费,但如果开发者从此要在夜里救火,企业账上省下的钱并不是社会净省下的资源。
再看两种也叫“降本”的做法:少雇测试人员,让少数工程师接管更多系统;或者每份标注照做,只压低外包人员的报酬。前者首先改变人员配置和劳动强度,后者首先改变劳动报酬。它们可能让工资账单变小,却不说明完成同样工作少用了一台机器。
马克思提醒我们,不变资本节约不是天然进步,要看节约从哪里来、代价由谁承担。
废料利用和副产品
资本还会通过利用废料和副产品来节约不变资本。
传统工业中,边角料、废热、废气、废水可能被重新利用。
现代数字经济中,也有类似形式:
- 日志数据用于产品优化;
- 用户反馈用于训练模型;
- 闲置算力出租;
- 旧模型蒸馏成小模型;
- 内部工具产品化;
- 数据清洗流程复用;
- 失败实验沉淀为评测集。
这些做法能让原本被浪费的投入转化为新的生产条件。
但也要注意,数据和用户行为的再利用可能涉及隐私、同意和权利问题。
资本把副产品价值化,常常会扩展到人的行为和生活痕迹。
规模经济与共同消费
许多生产资料可以被共同使用。
比如:
- 一个 CI 系统服务多个团队;
- 一个监控平台服务多个产品;
- 一个数据湖服务多个模型;
- 一个销售渠道服务多个产品线;
- 一个云基础设施服务多个客户;
- 一个品牌信任降低多个产品获客成本。
共同使用会降低单位成本。
这就是规模经济。
但规模经济也会提高进入门槛。
大公司能摊薄固定成本,小公司不能。
比如大模型公司训练一个基础模型后,可以服务海量用户。
如果用户规模足够大,单位推理和研发成本下降。
小公司没有这种规模,可能只能依赖上游 API,利润率受限。
不变资本节约因此和资本集中有关。
节约和资本集中
不变资本节约往往要求更大规模的生产组织。
大型资本能:
- 采购更便宜;
- 自建基础设施;
- 摊薄固定成本;
- 更充分利用机器;
- 雇佣专业优化团队;
- 投资长期自动化;
- 控制供应链。
小资本则可能被迫使用更贵的外部服务。
比如小 AI 公司按量调用模型 API。
大公司自建模型和算力,单位成本可能更低。
这会让大资本在竞争中更有优势,推动资本集中。
当然大资本也可能因为组织臃肿和固定资本沉重而效率下降。
但总体上,不变资本节约与规模、集中和技术控制密切相关。
利润率提高的表象
当公司通过节约不变资本提高利润率时,资本家会说:
我们的资本效率提高了。
这句话在经营层面成立。
但从马克思角度,要继续追问:
- 节约来自技术进步吗?
- 来自劳动者经验吗?
- 来自规模摊薄吗?
- 来自压缩安全和劳动条件吗?
- 来自外部化环境成本吗?
- 来自平台权力压价吗?
利润率数字不会自动回答这些问题。
它只显示结果,不显示代价和来源。
这就是第三卷一再强调的:现实经济形式真实存在,但会遮蔽内部关系。
对 AI 开发者的理解抓手
作为 AI/Python 开发者,你可以把第五章理解成“资源效率的政治经济学”。
优化推理成本、减少重复计算、提升缓存命中率、降低云账单,当然重要。
但你还可以多问一层:
这个节约的收益归谁? 这个节约是否增加了劳动强度? 这个节约是否牺牲了可靠性和安全? 这个节约是否来自用户数据的无偿利用? 这个节约是否扩大了平台对开发者的控制?
这样,你就不会把“降本增效”只看成中性的工程目标。
它同时是资本提高利润率的手段。
国学类比:节用与伤本
可以借“节用”来类比。
节约资源本来可以是善治。
但如果为了节省表面成本而伤害劳动者身体、产品质量、环境和长期生产能力,就是“伤本”。
马克思这里分析的不是道德修辞,而是资本为了提高利润率会怎样推动节约,以及这种节约的社会代价。
本章的核心结论
第五章的核心是:
不变资本不创造剩余价值; 但节约不变资本会降低成本价格和预付总资本; 在剩余价值量不变时,利润率会上升。
这种节约可能来自技术进步、规模生产、共同使用、废料利用和劳动者经验。
但在资本主义形式下,它常常表现为资本自身的效率,并可能伴随劳动条件恶化、成本外部化和资本集中。
对 AI 和软件行业来说,这章解释了:
- 为什么推理成本优化能显著影响利润率;
- 为什么云账单、GPU 利用率和 API 成本是资本关心的核心;
- 为什么内部工具和自动化会变成资本优势;
- 为什么降本增效可能同时意味着劳动压力转嫁;
- 为什么规模经济会强化大平台和大模型公司的竞争地位。
第六章将继续讨论影响利润率的因素:价格变动。尤其是不变资本要素价格涨跌,会怎样导致资本价值增减、利润率变化和企业命运差异。
上一章:周转对利润率的影响 · 第三卷目录 · 下一章:价格变动的影响
本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。