引子：一个反直觉的现象

你是一个软件工程师。最近你开始用AI辅助开发。

以前一个月才能完成的模块，现在两周就搞定了。AI让效率提升了数倍。你们团队里的人都说：AI真好用。

但奇怪的是，你并没有因此变得更轻松。

任务来得更多了。同事盯着好几个Claude Code会话并行工作，以前一个月的排期，现在压到两周。客户听说"AI开发快"，期待也水涨船高——今天讨论的需求，明天就要看效果。

你的工资涨了吗？没有。

产品价格降了吗？是的。客户觉得AI快，就应该便宜。公司也没多赚钱，因为竞争对手也在用AI，价格战打起来了。

于是你陷入了困惑：

AI提升了效率。但效率提升的收益，到底去了哪里？

一、效率红利的经济学承诺

这个问题听起来像是技术问题，但它的答案涉及到政治经济学最核心的议题之一：技术进步带来的生产率提升，其收益如何分配？

古典经济学曾经有过一个乐观的愿景。

大卫·李嘉图和约翰·斯图尔特·穆勒相信，生产率的提高会让所有人都受益。当机器提高了效率，成本就会降低，商品价格就会下跌，消费者购买力就会上升。财富像涓涓细流，最终润泽社会各阶层。

马克思在《资本论》第一卷中系统地分析和批判了这个愿景。他的结论是：在资本主义生产关系下，技术进步带来的收益主要流向了资本所有者，而不是工人。

这个批判的洞见，至今没有过时。

1930年，约翰·梅纳德·凯恩斯发表了一篇著名的演讲《我们后代的经济前景》。在这篇演讲中，凯恩斯预测，随着技术进步和生产率提高，他的曾孙一代每周工作时间将降到15小时，人类将从"经济匮乏"中解放出来。

一百年的时间过去了。

2026年的现实是：全球范围内，程序员群体普遍经历着996、007的工作强度。AI的出现非但没有缩短工时，反而在加速工作节奏——响应速度更快，迭代周期更短，交付压力更大。

凯恩斯的预言落空了。不是因为技术不够进步，而是因为效率红利的分配机制出了问题。

二、马克思的回答：相对剩余价值

要理解效率红利为什么没有流向工人，我们需要回到马克思的相对剩余价值理论。

马克思区分了两种剩余价值。

绝对剩余价值是通过延长工作日来增加剩余劳动时间——工人每天工作12小时而不是8小时，多出来的4小时就是绝对剩余价值。这种方式简单粗暴，但有生理极限：人不能不吃不喝地工作24小时。

相对剩余价值则是通过提高劳动生产率来缩短必要劳动时间，从而相对延长剩余劳动时间。必要劳动时间是工人再生产自身劳动力所必需的时间——说白了，就是挣够养活自己和孩子的那份工资所需的工作时间。当技术进步让社会平均劳动生产率提高，生产同样的商品所需的必要劳动时间就缩短了。

这意味着什么？

当你的公司引入AI工具，生产率提高了，你可能会想：太好了，效率提升了，我可以用更少的时间完成工作，剩余时间可以休息。

但马克思告诉我们另一个逻辑。

效率提升不仅属于你的公司，它属于整个社会。如果全社会因为AI技术进步，生产同等价值的商品所需的劳动时间都缩短了，那么劳动力商品的社会必要劳动时间也会下降。这意味着：维持工人及其家庭生活所必需的商品和服务的价值降低了——换言之，劳动力的价值下降了。

而劳动力价值的下降，意味着必要劳动时间的缩短。

注意：这里缩短的不是绝对工作日长度，而是必要劳动在总劳动中的比例。工人仍然可能工作同样的时长，甚至更长，但相对于他创造的价值而言，他"免费"为资本家工作的时间更长了。

这就是资本主义条件下技术进步的内在逻辑：效率的提高转化为相对剩余价值的增加，而不是工人闲暇时间的增加。

资本家的目标不是让工人休息，而是降低劳动力商品的价值，从而在保持甚至延长工作日的同时，获取更多的剩余价值。

技术在资本主义生产关系中的角色，不是解放的工具，而是降低劳动成本的手段。

三、格雷伯的"狗屁工作"理论

但这里还有一个现象需要解释。

如果技术进步只是让资本家获益，那为什么工人也普遍感到自己更忙了？按理说，效率提高之后，即使收益流向资本，工人至少不应该更累。

大卫·格雷伯在《狗屁工作》（Bullshit Jobs, 2018）中提出了一个尖锐的观察：效率诅咒。

格雷伯通过大规模调查发现，在现代经济体中，有大量工作——他估计高达40%——是"狗屁工作"。这些工作的存在本身就是荒谬的：它们无意义，甚至有害，但它们存在，而且从事这些工作的人通常自己也认为它们毫无意义。

更关键的是他的一个洞见：消灭一种狗屁工作，资本主义会创造三种新的狗屁工作来替代它。

为什么会这样？

因为在资本主义生产关系中，工作不仅仅是完成某项任务，它还是一种社会功能——维持就业、维持秩序、维持一种"有意义的忙碌"的表象。

当机器替代了一部分重复性劳动，效率提高了，企业并没有因此让工人休息。相反，它创造了新的岗位：监控AI、处理AI无法处理的例外、应对AI带来的新问题、写报告证明AI在工作。

格雷伯把这个现象称为"效率诅咒"：效率越高，无意义的忙碌反而越多。因为资本主义的逻辑不是"效率高，所以可以少干活"，而是"效率高，所以可以接更多活"。

当你用AI两个月完成以前一年的工作，收获不是半年的假期，而是两倍的工作量。这就是效率诅咒的本质：收益归资本，风险和忙碌归劳动。

四、韩炳哲的自我剥削

如果说马克思和格雷伯描述的是结构性的不公，韩炳哲在《倦怠社会》（Müdigkeitsgesellschaft, 2010）中则捕捉了主观层面的变化。

韩炳哲观察到，现代社会正在从"规训社会"转向"功绩社会"。在规训社会（Foucault意义上的）中，规训来自外部——工厂的钟声、监工的监视、规则的惩罚。在功绩社会中，规训内化了。

你不再需要老板盯着你完成工作。你自己盯着自己。

功绩主体不是被动的被规训者，而是主动的自我规训者。你设定目标，你监控进度，你自我评估，你自我优化。AI的出现极大地强化了这种自我规训的能力——你有了更强大的工具，于是你有了更高的自我期待。

韩炳哲使用了"自我剥削"这个词。不是老板剥削你，是你自己剥削你自己。而且这个剥削者比任何老板都更无情——你永远不会对自己的效率满意，因为效率的天花板在不断抬高。

效率提升带来的是更严苛的自我要求。以前一个月完成是正常，现在两周完成才是"正常"。你的参照系在改变。你不是在原地踏步，你是在不断加速。

更关键的是，韩炳哲描述了一种"多重压力叠加"的机制。功绩主体面临的不是一种压力，而是多种压力同时叠加：绩效压力、不确定性压力、社会比较压力、存在意义压力。当AI让一切都更快，这些压力不是在减缓，而是在加速累积。

“倦怠"不是身体上的疲劳，而是精神上的耗竭——你无法停下来，因为停下来意味着失败，而失败是不可接受的。

这不是身体的疲惫，而是自由的丧失。不是别人在命令你，是你自己在命令自己，但你无法停止。

五、效率的分配机制：为什么是你在忙

现在我们可以来回答最初的问题了：AI提升的效率，收益到底去了哪里？

答案是：效率收益通过多重机制，流向了资本，而内卷机制则确保工人不仅没有分享收益，反而承担了更多的压力和忙碌。

具体来说，有以下几个机制在运作：

第一，谈判权力的不对称。 生产率提高带来的新增收益如何在资本和劳动之间分配，取决于双方的谈判能力。在全球化条件下，资本可以流动，劳动力难以流动。老板可以威胁把工厂迁到东南亚，但你很难威胁"把你的技能迁到东南亚”。这种谈判权力的不对称决定了效率红利的分配倾向于资本。

第二，期待通货膨胀。 当AI让某件事可以更快完成，市场和雇主对这件事的期待就会更新。以前一个月是"合理工期"，现在两周才是"正常工期"。效率的提升不是让你更轻松，而是提高了评判你的标准。这个机制在格雷伯的分析中有清晰的呈现：效率提高，标准提高，打工人被加速内卷。

第三，无意义工作的增殖。 效率提高让企业可以承接更多的业务，也可以创造更多的管理岗位、监控岗位、汇报岗位。这些工作不是真正的生产性劳动，但它们消耗了时间，创造了一种"有意义的忙碌"的表象。它们是效率诅咒的具体表现。

第四，竞争的加速。 当所有企业都可以用AI时，AI就不再是竞争优势，而是基本配置。竞争回到价格和速度的维度。公司被迫压低价格，压榨效率，而这种压榨最终传导到每个打工人身上。效率提高了，但竞争压力也提高了，两相抵消，你得到的只是更多的忙碌。

马克思在19世纪看到的逻辑，在21世纪以新的形式重演。

六、历史的视角：每一次都说"这次不一样"

回顾每一次技术革命，都有人说"这次不一样"。

工业革命时期，卢德运动（Luddite）的参与者并不是简单地反对机器。他们是纺织工人，看到机器取代了自己的手艺，看到自己的生活被摧毁。他们问的是：机器提高了效率，谁获益了？

19世纪，马克思和恩格斯系统地分析了这个问题。他们的答案是：在资本主义条件下，机器的效率收益流向资本家。工人获得了什么呢？更长的工时，更差的工作条件，更激烈的竞争。

20世纪，每一次技术进步——电力、流水线、计算机——都伴随着同样的担忧：“这次技术进步会让工人失业/更忙/更穷”。

这些担忧有没有道理？部分有。

历史数据显示，从长远来看，技术进步确实提高了人均生活水平。但关键是短期分配问题——在技术进步发生后的过渡期内，谁承担了调整成本，谁获得了新增收益。

每一次技术革命，都有一部分人承担了更多的成本、获得了更少的收益。

AI时代也不例外。

但有一点是新的：AI的影响速度和范围可能超过以往任何一次技术革命。以前，一项技术从发明到广泛应用需要数十年。今天，AI工具在几个月内就渗透到全球的工作场所。这种加速让调整变得更加剧烈，压力更加集中。

尾声：效率的悖论与可能的方向

回到最初的问题。

你说：AI提升了效率，但你更忙了、更累了、更穷了。你问效率的收益到哪里去了。

哲学家的回答是：在资本主义生产关系下，效率提升的收益天然地倾向于流向生产资料的所有者——资本家。AI只是加速了这个过程。

凯恩斯曾经乐观地预测，技术会让人类从匮乏中解放出来。但他没有考虑到的是：效率红利的分配不是一个技术问题，而是一个政治问题。没有结构的改变，效率的提升只会强化已有的不平等。

格雷伯指出，狗屁工作不是效率不足的产物，而是效率过度的产物——当一切都可以更快完成，更多无意义的忙碌就会被创造出来填补空缺。

韩炳哲则揭示了效率逻辑对人的内在规训：不是外部的老板在压迫你，而是你自己成为了压迫自己的老板。

这是效率悖论的三个层面：结构层面（马克思），组织层面（格雷伯），主体层面（韩炳哲）。

那么，面对这个悖论，个人能做什么？

从现实主义的角度看，在当前的结构性条件下，个人的选择是有限的。你可以用AI提升自己的竞争力，但当所有人都这样做时，AI就成了标准配置而非优势来源。你可以拒绝内卷，但代价可能是被边缘化。

从历史主义的角度看，每一次生产关系的变革，都需要比个人更大的力量来推动。劳动权利的保护、工会的复兴、对技术发展方向和收益分配的公共讨论——这些不是在美化某种乌托邦，而是在现有框架内寻找可能的改进空间。

效率的红利可以流向不同的方向。它可以用来压榨，也可以用来解放。它可以用来加剧竞争，也可以用来创造闲暇。选择不是自动做出的——它需要被讨论、被争取、被实现。

就像卢德运动的参与者们问的那样：机器提高了效率，谁获益了？

这个问题，在AI时代，不是变得更简单了，而是变得更加紧迫了。