数字非物质性的幻象：人工智能、生态不平等交换与人类生活时间的攫取

《Ecological Economics》：The fantasy of digital immateriality: AI, ecologically unequal exchange, and appropriation of lived human time

　　

摘要专业翻译 人工智能（Artificial Intelligence，AI）技术所宣称的非物质性，与传统技术被简单理解为将政治中立的科学知识应用于自然的普遍认知一样，都是一种幻象。关于生态不平等交换（ecologically unequal exchange，EUE）的研究已经揭示了技术的物质性及其在全球不平等中的基础。本文旨在将EUE理论的适用性扩展至人工智能等数字技术，通过强调即使是其所处理的数据也具有不可避免的生物物理历史。人工智能技术的新颖性主要在于：除了通过EUE剥削采掘区域之外，它还建立在对公众数据的攫取之上。研究人员主张将数据的物质性理解为源于人类生活时间（lived human time）。因此，人工智能对数据的依赖可以被视为体现和承载了生物物理过程及不对称转移，这些转移涉及正义问题。

论文解读文章

一、研究背景与问题

长期以来，以生态现代化（ecological modernisation）为代表的进步主义技术观将技术视为人类智慧的产物，认为技术能够以更少的物质投入实现更多的产出，从而将经济增长与资源消耗“脱钩”（decoupling）。人工智能技术作为数字技术的代表，其“非物质化”（dematerialisation）承诺尤为突出：大型语言模型（Large Language Models，LLMs）被宣称能够以信息管理替代物质与能量的消耗，从根本上减轻人类社会对自然环境的负担。然而，这种非物质性的幻想并非数字时代的新现象，而是延续了现代技术长期忽视其不对称资源转移基础的意识形态传统。

既有批判研究存在两条路径：一是价值路径（value approach），基于马克思劳动价值论（labour theory of value，LTV），强调人工智能供应链中的劳动剥削，包括全球南方的点击劳工（click labour）和未被充分补偿的“产消者”（prosumer）数据劳动；二是物质路径（material approach），通过生命周期评估（life-cycle assessment）揭示人工智能基础设施的能源、水资源和材料足迹。然而，这两条路径各自存在“一元论”（monism）困境：价值路径将物质性化约为货币价值，陷入劳动价值论的形而上学；物质路径则将符号性化约为物质性，忽视全球经济的结构性不平等。因此，需要一种能够跨越生态—经济边界、同时整合正义与可持续性关切的理论框架。

二、研究内容与核心论点

研究人员运用生态不平等交换（EUE）理论来概念化人工智能技术，主张人工智能不仅是节省（saving）能源、资源或时间的策略，更是攫取（appropriating）这些资源的策略。EUE理论源于对世界体系理论（world-system theory）的批判，其核心洞见在于：以货币衡量的交换在定义上必然是对等的，但对等的货币价值掩盖并同时编排了生物物理资源的不对称交换。全球北方（global North）进口的体现劳动、资源、能源和土地显著多于其出口，但这种贸易在以纯货币衡量时却呈现为对等。

研究人员的核心创新在于将数据（data）整合为EUE理论中的一种生物物理资源。数据不能被化约为其依赖的材料、能源、劳动等资源，也不能被化约为劳动价值论框架下的劳动形式。数据与劳动、能源、土地等生物物理资源的共同之处在于，二者都涉及抽象化（abstraction）过程——将人类和自然的复杂性化约为可通约的功能性面向。正如一吨石油因其能量价值而完全可替代，互联网论坛的文本因其对LLM训练的信息价值而完全可替代。抽象化使现实世界得以被攫取。

然而，数据的攫取模式有其独特性：由于从产消者和更广泛公众中攫取的人类时间是无偿的，数据的不对称流动主要不发生在全球南方与全球北方之间，而发生在公众（public）与公司（corporation）之间。研究人员通过信息论（information theory）论证了这种不平等交换的必然性：LLM通过统计模式预测运作，选择最高概率的后续文本序列，其输出必然比输入数据更不独特、更不特异、更不令人意外，即包含更少的信息。这种信息的减少意味着LLM的信息代谢（informational metabolism）依赖于持续输入人类来源的高信息含量数据。当互联网被AI生成数据污染后，模型崩溃（model collapse）的风险进一步证明：AI模型不能自我维持，如同早期现代工程师追求永动机的幻想一样不切实际。

三、关键技术方法

研究人员主要采用了理论分析的方法，综合运用了生态不平等交换理论、信息论（information theory）、世界体系分析（world-system analysis）和热力学—经济学交叉视角。研究基于对既有实证数据的整合分析，包括全球体现资源转移的量化研究（如Dorninger等2021年的研究）、互联网用户增长和社交媒体使用时间统计（Statista数据）、电子废弃物预测数据（Forti等2020年）以及国际能源署（IEA）关于AI和加密货币电力需求的评估。此外，研究引用了大量案例证据，包括Meta使用libgen盗版学术图书馆训练LLM、OpenAI使用Common Crawl数据集（包含超过3000亿网站数据）等。

四、研究结果

4.1 非物质性的古老幻想

研究追溯了非物质性幻想的哲学史根源。雅斯贝尔斯（Jaspers）所称的“轴心时代”（Axial Age，公元前800—200年）标志着从内在论（immanentism）向超验论（transcendentalist）宇宙观的转变。犹太—基督教宇宙论将能动性从物质世界转移到超验的天界，“精神”概念涵盖了人类主体性的整体，包括知识。早期现代欧洲开始相信历史进步，18—19世纪新技术的发展被视为知识增长的体现。在笛卡尔心物二元论的霸权下，技术虽无可否认地具有物质性，却被视为工程知识的产物——心智而非身体的产物。这种技术认知从18世纪末起成为资本主义发展的意识形态辩护，掩盖了工业核心区对采掘边缘区的物质依赖。边际主义革命（Marginalist Revolution，1870年代）以来的经济理论发展强化了这种超验主义技术观。技术拜物教（technological fetishism）是商品拜物教的一个特别令人困惑的实例，AI等新数字技术并未消解而是加剧了这些状况。

4.2 连接AI物质性与正义问题的挑战

研究分析了价值路径和物质路径各自的缺陷。价值路径将劳动价值论扩展至“知识劳动”（knowledge labour），但面临“一元论”困境：将劳动时间、资源或能量的物质面向与货币的符号表征混为一谈。撒切尔等学者（Thatcher et al.，2016）提出数据生产应被理解为剥夺（dispossession）而非剥削（exploitation），但福克斯（Fuchs）及其批评者都因仅关注货币价值而无法概念化数据的物质性。物质路径避免了价值形而上学，但将符号化约入物质，忽视全球经济的结构性不平等。奥弗维克（Overwijk，2024）指出，新古典环境经济学、生态经济学、正统马克思主义、马克思主义生态女性主义和马克思主义价值形式理论都陷入将生态化约为经济或将经济化约为生态的一元论陷阱。

4.3 以EUE理论挑战AI非物质化承诺的替代路径

EUE理论提供了一种跨越生态—经济边界的方案。其理论渊源包括邦克（Bunker）对亚马逊的研究、奥德姆（Odum）的系统生态学和“能值记忆”（energy memory）概念、艾尔斯和尼斯的自然资源不均流动研究、沃勒斯坦（Wallerstein）的世界体系分析以及乔治斯库-罗根（Georgescu-Roegen）的热力学与经济学交叉研究。EUE理论的关键在于：在测量中保持物理单位与市场价格的区别，但不切断二者的因果关联。实证量化显示全球南方持续向全球北方净转移体现资源。一个美元在越南能动员的劳动小时和资源多于在德国。EUE与全球南北的工资差异和环境立法差异相耦合，但试图遏制EUE将挑战现代文明的根基。全球北方通过军事优势、边境保护以及南方对先进技术和外资的依赖来维持这种不平等结构。

4.4 将数据作为生物物理资源整合进EUE理论

研究人员论证了数据作为体现人类生活时间的生物物理资源。数据的物质性不能完全化约为材料、能源、劳动等资源。数据攫取与生物物理资源攫取的共同点在于抽象化过程——将人类和自然化约为少量功能性面向。但数据攫取有其独特性：无偿攫取的人类时间使数据的不对称流动主要发生在公众与公司之间而非全球南北之间。LLM的信息代谢与EUE理论识别的其他资本主义过程的代谢模式类似：全球北方进口低熵能源和原材料，出口精炼产品和服务，生产增加地球系统的熵但给予全球北方物质和经济回报。LLM从社交媒体用户、记者、科学家处攫取人类来源数据，通过平台结构激励用户分享数据、利用Common Crawl数据集（包含版权材料和付费墙后数据）、访问libgen盗版图书馆、扫描数百万本物理书籍等机制。信息论表明信息是物理量，与质量、能量和空间直接相关。LLM提供统计上最可能的答案，输出比输入包含更少的信息，因此依赖持续的人类来源数据流。实证数据显示，互联网用户从2005年的10亿增至2024年的55亿，社交媒体使用时间从2012年的90分钟增至2024年的143分钟，美国每日数字媒体使用时间从2008年的2.7小时增至2018年的6.3小时。坎波洛和克劳福德（Campolo and Crawford，2020）指出，AI技术的进步不能化约为编程创新，训练数据的丰富性及其产生于数百万人日常生活的特性是关键因素。

五、结论与讨论

研究人员将AI的非物质化幻象置于EUE理论的观照之下。技术作为无重量知识应用的拜物教形象，反映了对其全球社会物质代谢的整体忽视。EUE理论在不模糊货币价值与物质性区别的前提下处理数字技术的物质性，将正义问题与物质性和可持续性关切整合起来。AI的存储和数据处理依赖于能源、劳动、材料和空间等资源；数据本身基于人类生活时间，可被视为体现的生物物理资源。一旦将AI理解为抽象化世界以供技术操纵的策略，就能理解AI技术不仅依赖于全球南北之间的生态不平等交换，还依赖于公司与公众之间的信息不平等交换。全球北方的“技术质量”（technomass）在攫取自身富裕客户的资源时，已内爆为一种隐喻性的同类相食。数字技术不仅攫取全球南方的低工资劳动时间，还引导其所有者将越来越多的时间投入数字媒体和AI，无论是在工作还是休闲中。LLM通过统计模式预测运作，选择最高概率文本，必然遮蔽较少可能的答案，产生比输入数据包含更少信息的输出。通过这种信息减少，AI技术建立在与全球体现劳动和其他资源不平等交换结构同源的信息不平等交换之上。研究的核心问题在于：如何阻止AI公司将我们的生活和自然以数据的形式卖回给我们？