最近出现了很多技术周期和康波的讨论，尤其是 DeepSeek 之后，似乎大语言模型的技术已经真正在跨越鸿沟。正好最近有幸读到陈平老师的《代谢增长轮》，里面引用了马克思在资本论中对于机器分析的视角，发达机器体系的结构推演成了控制机、工作机、传输机和动力机。

于是就请 ChatGPT讨论了下LLM 是控制机还是工作机的话题，有很多想法还挺有启发，分享并留档下来。

引言

当代以 GPT-4 为代表的大语言模型（LLM）的出现，引发了关于其在资本主义生产过程中的角色定位的讨论。从马克思在《资本论》中对机器体系的经典分析来看，我们可以尝试将LLM纳入其机器分类框架：究竟这类“智能”算法应被视为动力机制、传导机制、工作机，还是一种新型的控制机？本文将首先回顾马克思在《资本论》第一卷第十三章（《机器和大工业》）中对机器体系的三部分划分，以及后续学者对“控制机”概念的延伸。在此基础上，分析LLM在资本主义生产中的作用方式——包括其如何参与劳动过程（例如替代认知劳动）、是否作为固定资本的一部分，以及其出现是否改变了劳动者在机器体系中的地位等问题。分析将结合马克思原著的论述和当代学术研究的观点进行论证。

马克思的机器体系三要素分类

1. 动力机制（原动机） ：马克思指出，“所有发达的机器都由三个本质上不同的部分组成：发动机、传动机构、工具机或工作机” (第十三章机器和大工业。1—5)。其中发动机（原动机）即提供整个机器系统动力的部分，例如蒸汽机、水轮或电动机。发动机能够产生运动的源泉，是整套机器运行的动力基础 (Chapter XV: Machinery and Modern Industry)。早期工业中，人或畜力常充当原动机，但大工业时代发明了蒸汽机这类能够自我产生动力 且力量不受自然地点限制 的机器，大大突破了人力和自然力的局限 (Chapter XV: Machinery and Modern Industry)。原动机的引入，使得单一人力无法提供的持续且强大的动力成为可能，从而为机器大规模取代工人奠定了基础。

2. 传导机制（传动装置） ：这是连接动力源和工作机的中间环节，包括飞轮、轴杆、齿轮、皮带等装置 (Chapter XV: Machinery and Modern Industry)。传导机制的作用在于调整、分配并传递运动 ，将原动机产生的动力按照需要的速度和形式输送给各个工作机 (Chapter XV: Machinery and Modern Industry)。马克思强调，原动机和传动装置的存在**“只是为了使工具机（工作机）运动起来”**，使其得以抓取劳动对象并改变其形态 (Chapter XV: Machinery and Modern Industry)。在大型工厂中，一个强大的中央动力源通过复杂的传动系统驱动众多工作机，从而形成一个统一协调的机器体系 (Chapter XV: Machinery and Modern Industry) (Chapter XV: Machinery and Modern Industry)。例如，在纺织工厂中，蒸汽机通过轴杆带动上百台织布机同步运转，传动机构确保每台织布机以适当的速度工作并保持协调。

3. 工作机（工具机） ：工作机是直接作用于劳动对象、执行实际生产操作的部分，相当于传统手工工具在机器上的放大和重现 (Chapter XV: Machinery and Modern Industry)。马克思指出，在工具机上可以看到手工艺人原先使用的工具的身影，只不过这些工具不再由人的手来操纵，而成为机器的机械肢体 (Chapter XV: Machinery and Modern Industry)。工作机携带着各种加工工具（如车床的刀具、纺纱机的纱锭等），当机器被适当启动后，它能够用自身的“工具”完成原本需要工人用手工工具才能完成的操作 (Chapter XV: Machinery and Modern Industry)。正因为机器能够同时操纵多个工具 ，单一机器的生产力远超个人手工艺人：例如一台织袜机可以同时操纵上千根织针，而人工编织一次只能用两只手操作有限的织针 (Chapter XV: Machinery and Modern Industry)。由此，机器取代工人操作单一工具 ，实现了生产效率的飞跃 (Chapter XV: Machinery and Modern Industry) (Chapter XV: Machinery and Modern Industry)。

4. 运输机械 ：马克思的三要素划分中并未明确提出“运输机”作为独立部分，但在机器大工业体系内，物料和产品的传送同样可以机械化。随着生产规模扩大，各道工序之间需要将半成品输送到下一道工序，因而出现了传送带、起重机、小铁路等运搬机械 ，承担生产过程中物料的搬运和连接。这类运输装置在工厂内将不同工作机衔接成连续生产流程，使劳动对象在机器链条中自动流转 (Chapter XV: Machinery and Modern Industry) (Chapter XV: Machinery and Modern Industry)。同时，在社会生产的更大范围上，铁路和轮船等交通运输机器的进步也适应并促进了大工业的发展 (Chapter XV: Machinery and Modern Industry)。因此，我们可以将运输机械 视为机器体系的辅助组成，用于提高生产过程的连续性和整体效率。

马克思写作《资本论》时，自动控制技术尚处萌芽，但他已经预见了机器体系向自动化发展的趋势。在他描述的现代工厂中，机器系统呈现出一种**“自我调节的自动体”的形态：各式机器和工人这两个要素共同组成一个庞大的自动装置，在一个 “自行规制的运动力”支配下协同运转 ( Chapter XV: Machinery and Modern Industry)。这里提到的“自行规制”（self-regulated）暗示了某种内部控制机制，如蒸汽机上的离心调速器等，能够自动调整机器运行。这表明，控制和调节功能 在先进的机器体系中变得至关重要。马克思进一步指出，在工厂里技术上“手工分工”逐渐被消除，每个工人都被简化为看管机器的一环，“在工厂里，机器使用工人” ( Chapter XV: Machinery and Modern Industry)——工人更多扮演机器系统的监督者和辅助手，而不再亲自掌控每一道操作细节。换言之，机器体系自身开始包含一定的“智能”要素 ，工人的部分知识职能被机器体系所吸纳。马克思甚至形象地描述道：转化为自动装置的劳动工具（机器）在劳动过程中以“资本（死劳动）的形态面对活劳动”**，主导并榨取工人的劳动 (Chapter XV: Machinery and Modern Industry)。这一论述预示了机器体系中出现“控制单元”的可能性。

在马克思之后，随着控制论和计算机的兴起，学者们开始将机器体系扩展出“控制机”或“控制器”的概念。所谓控制机 ，是指专门用于信息处理、指挥和协调其他机器运行的装置，例如自动控制器、数控系统、工业计算机等。20世纪的大自动化生产中，除了动力机、工作机本身，还出现了用于储存和执行程序 的数控装置，以及监测调节 生产过程的传感器与控制器。这些要素可以被看作机器体系的“大脑”或“神经中枢”。正如有学者所指出的，在现代工厂中科学技术（知识）直接转化为一种独立的生产力，附着于机器体系之上 (Chapter XV: Machinery and Modern Industry)。因此我们看到，机器体系的控制功能逐步从人工转移到专门的控制机器 上：从早期机械的定规装置、继电控制系统，到今天高度发达的计算机和人工智能，都属于对马克思机器论的丰富和延伸。控制机通过处理信息和发出指令，决定了工作机如何运转、何时加工何种产品，从而极大提高了生产的自动化和精确度。可以说，控制机的引入标志着机器体系发展为“自动工厂”的必要条件：没有人直接干预，机器系统可以按照预定程序自行运转。这一概念虽非马克思当年明确定义，但其萌芽可从马克思关于自动化工厂的论述中窥见端倪 (Chapter XV: Machinery and Modern Industry)。

大语言模型在机器体系中的归类

1. LLM是新的“工作机”吗？ 从功能上看，大语言模型直接承担了过去由人执行的认知和语言任务，如撰写文案、代码编写、回答客户咨询等。可以将这些认知劳动 视为一种特殊的“工作对象”，而LLM通过算法和算力对其进行加工和生产——生成所需的文本、决策或方案。这样，LLM扮演的正是类似于**“智能工具机”的角色，它以数据和模型为“刀具”，对信息（而非物质原料）进行加工处理。从马克思对机器的定义来看，只要一个装置“适当运转就能用自己的工具完成工人原先用类似工具完成的操作” ( Chapter XV: Machinery and Modern Industry)，它就算作一台机器。LLM满足这一点：过去需要人脑和文字工具完成的工作（比如拟写报告、翻译、创作），现在LLM这个“智能机器”能够自动完成。因此，可以说LLM是一种执行脑力劳动的工作机**。只不过它加工的不是有形的原料，而是知识、符号和语言 这种无形的“劳动对象”。这种认知工作机扩展了机器体系的范围，使机器对人的替代从体力领域延伸到了脑力领域。

举例来说，在软件开发过程中，LLM可以根据自然语言描述自动生成相应的源代码，相当于取代了程序员撰写代码的劳动。这类似于纺织机取代了手工纺织工的操作，只不过LLM取代的是脑力纺织 ，用已有的“知识纱线”织出新的“代码布匹”。再如，在客服行业中，LLM驱动的聊天机器人能够自动回答顾客的问题，完成原本由呼叫中心座席执行的语言交流工作。这体现出LLM作为语言工具机 的作用：通过训练好的“模型”这个工具来加工输入的信息并给出输出。正因如此，有学者指出这些智能机器将**“把许多过去由专业人员完成的任务实现程序化与商品化”** (A Marxist Perspective on How an AI Workforce Could Free Us From Labor Objectification | by Jazz Unruh | The Mortal Brew | Medium)。专业知识和经验在LLM中被提炼为通用的算法模型，输出变得标准化、批量化，这正是工作机所达到的效果——把分散的个人技能转化为客观的机器功能，以更高效率反复执行。由此，LLM可以被归类为一种**“认知工作机”**，即负责脑力劳动过程的机器。

2. LLM是“控制机”吗？ 从另一个视角看，LLM处理和输出的是信息和指令，这使它具有控制和决策 的功能特征。在复杂的生产和服务系统中，信息的分析与判断本就是控制过程的重要一环。例如在工业自动化中，LLM可以帮助生成PLC（可编程逻辑控制器）的代码 ，让人们以自然语言描述意图，由LLM翻译成机器可执行的指令 (大语言模型将如何赋能工业自动化？ - 经济观察网 － 专业财经新闻网站)。这意味着LLM作为算法，可以充当人与工业控制系统之间的中介和“大脑” ：人提供需求，LLM产出控制程序，机器据此运行。由此可见，LLM能够成为机器体系中的智能控制器 ，通过处理人类语言和海量数据，为其他机器（或软件系统）提供决策支持和操作指令。特别是在“工业4.0”或高度自动化的工厂中，LLM这样的AI模型可以嵌入制造执行系统，用于实时调度生产、优化流程、甚至直接指挥机器人 的行为（例如视觉识别后由LLM生成指令给机械臂或无人机执行） (让大模型操纵无人机，北航团队提出具身智能新架构 - 量子位) (大语言模型将如何赋能工业自动化？ - 经济观察网)。这使LLM更类似机器体系中的“神经网络”或“计算中枢”。

此外，在许多信息产业或数字平台中，LLM本身就是核心的控制决策引擎 。例如搜索引擎或内容审核系统若内置LLM，它便负责理解用户意图、检索匹配内容或判断合规性，进而控制用户得到什么信息 。在这些场景下，LLM不直接创造有形产品，而是通过信息控制影响整个服务流程的输出和质量。可以说，LLM将控制功能商品化 ：过去需要人来决策和审核的环节，现在由算法自动执行。这类似于马克思所预见的科学管理和知识被机器体系吸纳的趋势——科学（知识）变成独立于工人的生产力，被资本掌握为支配工人的工具 (Chapter XV: Machinery and Modern Industry)。LLM正是把社会累积的一般知识 （马克思称之为“一般智力 ”general intellect (A Marxist Perspective on How an AI Workforce Could Free Us From Labor Objectification | by Jazz Unruh | The Mortal Brew | Medium)）凝聚为机器智能，服务于资本的生产目的。因此，从这一角度看，LLM可归入**“控制机”**的范畴，充当机器体系的信息处理和指挥中枢，在生产过程中发挥调度和决策作用。

综上，LLM的性质具有双重性：一方面它执行具体的认知劳动任务，因而像工作机；另一方面它输出指令和方案，能够引导其他过程，因而又具备控制机的特征。可以认为，在当代数字化生产体系中，LLM既是新的工作机（认知劳动的自动化工具） ，又是**新的控制机（信息处理与决策单元）**的融合体。它代表了机器体系从物质生产向信息处理延伸的一个关键环节。

LLM在资本主义生产过程中的作用与影响

1. 替代和重组劳动过程 ：LLM的大规模应用将深刻影响劳动过程的组织方式。马克思在分析机器生产时指出，机器一旦引入，就会让工人从直接操作中退出 ，转而从事监视和辅助的工作 (Chapter XV: Machinery and Modern Industry)。类似地，LLM替代的是大量认知劳动力 ：写作、翻译、编程、咨询等职业的部分工作可由LLM完成。人们在这些岗位上的角色，正从亲自产出内容转向审校机器输出 、提供高层次指导或处理机器无法解决的问题。这可以看作是劳动过程的自动化向脑力领域扩张 。劳动力在这个过程中被重新分配：一些高技能的认知工作被算法取代，而同时催生了新的岗位，例如“提示工程师”（prompt engineer）来与LLM交互、优化其输出，或者数据标注员来为模型提供训练数据。这呼应了布拉维尔曼（Braverman）的观点：资本有动力将复杂劳动分解为简单要素，再用机器取代之 (How Value Weaponises the Machine | Verso Books)。LLM正是资本实现**“认知劳动的分解与机械化”的最新工具——复杂的判断和创造过程被拆解成可以由网络模型学习和执行的模式。结果是专业工作的 常规化、商品化** (A Marxist Perspective on How an AI Workforce Could Free Us From Labor Objectification | by Jazz Unruh | The Mortal Brew | Medium)，创意和经验被转化为可重复利用的算法，劳动过程因此日益标准化。

值得注意的是，LLM对劳动的替代并不意味着工人彻底退出舞台，而是改变了劳动的性质和地位。一方面，部分知识型劳动者可能被机器淘汰，正如产业革命中许多工匠在机器面前丢掉饭碗一样；另一方面，幸存或新出现的岗位要求劳动者具备更高的技能去配合机器 （如懂AI的工程师、数据分析师），或者相反从事极其简单的辅助工作 （如内容审核中挑出机器未识别的不良信息）。马克思曾提到，机器最初使劳动更轻松，但资本很快利用机器增加对工人的剥削强度 (Chapter XV: Machinery and Modern Industry) (Chapter XV: Machinery and Modern Industry)。在LLM情境下也可能出现类似问题：剩余的劳动者被要求在更短时间内审核更多机器产出、随时响应自动系统的要求，造成新的强度和压力。同时，大量原本依赖技能和经验的工作被降格为对机器输出的机械性监督，这可能导致劳动内容的贫乏和异化 ——工人沦为LLM的附庸，就像工厂工人在机器面前成为“活的附属品”一样 (Chapter XV: Machinery and Modern Industry)。换言之，LLM有可能强化劳动的异化 ：劳动者不再发挥创造性，而是监视或配合机器的节奏。

2. 作为固定资本的地位 ：按照马克思的经济分类，机器属于不变资本的一部分，且通常作为固定资本 存在，即在多个生产周期中反复使用、逐渐转移价值 (Chapter XV: Machinery and Modern Industry)。LLM虽然以软件和算法形式存在，但其开发和部署需要巨大的投资（训练数据、计算资源、模型开发成本），可以视为企业用于生产过程的长期资产。因此，LLM本质上构成了固定资本的新形式 。其价值通过服务于无数次的劳动过程而逐步摊销，就像一台机器在生命周期内把自身价值转移到无数产品中一样 (Chapter XV: Machinery and Modern Industry)。当企业购买或开发LLM用于业务（例如客服、营销、生产优化），这项支出并非直接形成商品，而是以提高生产力、降低劳动力成本的方式为企业创造剩余价值。正如马克思所述，资本家是否采用一种新机器，要看它生产中节省的活劳动价值是否超过机器自身的价值 (Chapter XV: Machinery and Modern Industry)。LLM的应用同样遵循这个逻辑：只有当使用LLM比雇佣等量人工更划算，资本才会大规模采用。因此，LLM作为固定资本的角色，是服务于降低可变资本支出（工资） 、提高剩余价值率的。它不直接创造价值，但通过提高劳动生产率和取代部分人力，将更多劳动时间转化为剩余价值 （如果机器的成本低于节约的工资）。近期有学者将AI比作一种新的“知识化固定资本”，其目的正是和历史上的机械设备一样，不是促进全面的自由，而是在资本逻辑下加深对劳动的控制和剥削 (How Value Weaponises the Machine | Verso Books) (How Value Weaponises the Machine | Verso Books)。从这个意义看，LLM延续了资本利用固定资本（机器）来主导生产的历史趋势：它是“凝结了知识的死劳动”经由算法形式表现出来，作为资本与工人对立的力量。马克思在《资本论》中生动地描绘过这种对立：“现代工业创造出一个独立于劳动者而存在的生产有机体……资本以一种更加可怕的力量——一具巨大的自动机——站在工人面前” (Chapter XV: Machinery and Modern Industry)。在今天，LLM等智能技术正成为新的“自动机”形态，使资本以高度复杂的技术形态出现在劳动者面前。工人在知识和智能被机器占有的情况下，更加依赖于资本提供的这些“聪明”工具，从而强化了资本对劳动过程的控制权。

3. 劳动者在机器体系中地位的变化 ：LLM的引入可能进一步改变劳资关系格局和劳动者在生产中的地位。一方面，掌握并能运用LLM的劳动者可能成为**“总体工人”（Gesamtarbeiter）的一部分，即协作生产过程中与机器系统融为一体的社会劳动者。马克思提到，现代工厂里 “各种机械和智力器官——机器和工人——一起连续地协作”，共同构成庞大的自动装置 (Chapter XV: Machinery and Modern Industry)。在引入LLM的场景中，人机协作更加紧密：工人成为提供训练数据、设置任务目标、监督输出质量的“智力器官”，LLM则作为另一“智力器官”执行具体认知任务。人和机器一起构成新的生产力组合，共同完成单方无法完成的任务。这种协作有可能提高生产率并创造出新的工作内容（例如人与AI共同进行科研、设计等）。从技术上看，劳动者需要不断提升技能以驾驭这些先进工具，有能力的劳动者在机器体系中扮演协调者和创新者的角色，其价值可能上升。正如有观点认为，LLM等AI如果被劳动者掌握为 “工人自己的私有财产”**，甚至有可能成为减轻劳动负担、减少异化的工具 (A Marxist Perspective on How an AI Workforce Could Free Us From Labor Objectification | by Jazz Unruh | The Mortal Brew | Medium) (A Marxist Perspective on How an AI Workforce Could Free Us From Labor Objectification | by Jazz Unruh | The Mortal Brew | Medium)——不过这涉及生产资料所有权的前提，在资本主义框架内往往相反。

另一方面，更大的可能性是，LLM加强了资本对劳动的支配和监控 。在平台经济和数字办公中，AI常被用于绩效监测、流程管理，即所谓“算法管理”。LLM可以实时分析工人的行为数据、沟通内容，从而发出指令或评价绩效，成为管理层的“自动化代理人（agent）”。这使工人处于机器监督之下，被数字化的规训机制规范。马克思早已指出，现代工业**“最终完成了脑力和体力的分离，并将前者转化为资本支配劳动的力量”** (Chapter XV: Machinery and Modern Industry)。LLM的应用正体现了这一点：知识（脑力劳动）不再由工人自主运用，而是作为资本拥有的算法来支配工人。劳动者愈发只是执行机器指令、填补机器空隙的人力资源。在机器体系内部，人的地位可能进一步下沉为附属因素 ：如同机器体系需要工人去上料、维护一般，LLM体系下工人可能只剩下提供数据、验证结果等简单却必要的辅助职责。总之，若不改变生产关系，LLM极可能巩固资本相对于劳动的统治地位 。它以高科技的面貌出现，但本质仍是资本增殖的手段。这既可能导致部分脑力劳动者的失业或降薪 ，也可能通过新的劳动组合形式提高对幸存劳动者的剥削效率。资本通过掌控“智能机器”这个新要素，进一步实现对整个生产过程技术—知识维度 的占有，使工人更加依赖和服从。

结论

综上所述，从马克思的机器体系理论出发，我们可以将大语言模型归类为机器体系中新出现的“智能要素”——它既具有工作机 的属性，承担起认知劳动的实际操作；又体现出控制机 的功能，通过信息处理和指令生成来支配其他环节的运行。在资本主义生产过程中，LLM作为固定资本的一部分，扮演着提高生产力和替代劳动的角色。正如传统机器大工业将工人变为机器的附属，LLM的应用也可能使脑力劳动者部分地沦为算法的附庸 (Chapter XV: Machinery and Modern Industry)。马克思指出，机器的引入使科学转化为独立于工人的生产力，并作为资本的力量与工人相对立 (Chapter XV: Machinery and Modern Industry)。时至今日，LLM正是这种趋势的鲜明体现：社会知识凝结为算法，帮助资本更有效地组织生产和攫取剩余价值。

当然，对LLM的社会影响还存在不同观点。有乐观论者设想，如果LLM等智能工具被劳动者所掌握，它们有潜力减少人类劳动负担，甚至为突破资本逻辑提供技术前提。但在现有制度下，这种技术更多还是被用于追逐利润而非解放劳动。就目前而言，我们看到的是LLM加强了机器体系对劳动过程的控制，加深了劳动智力成果对资本的依赖。在马克思的理论框架内，大语言模型可以被视作**“机器王国”新扩张的前沿**：从车间里的机械手臂延伸到办公室里的智能算法，其终极目的仍是在资本统治下改造劳动、创造价值。由此可见，要真正评价LLM的历史意义，还需放在资本主义发展和劳动演变的大背景中考察。马克思主义的理论工具为我们提供了深入剖析这场“智能化”变革的视角：揭示技术背后的社会关系与力量角逐，从而超越对机器的表面崇拜或恐惧，理解LLM所代表的生产力进步如何与生产关系交织，决定着未来劳动者的命运。