尼葛洛庞帝喊出“数字化生存”四分之一世纪后，科技行业已经从新生事物变成了生活里的基础设施。数字连接了世界，连接所带来的问题也在浮出水面。某种程度上，我们生存在一个具有双重面相的时代。
这是一个新兴生产力狂飙猛进的时代，数字技术给生产提供新的可能性，认知的边界正在向新的疆域扩张；这也是一个新型生产关系剧烈震荡的时代，科技带来的新组织、新结构，在个体利益、社会伦理和法律规则间剧烈碰撞，新的共识亟待建立。
二者形成了巨大的反差，在世界的一边，人们兴奋地看到新的生产力以更快的速度生产出了更新奇酷炫的产品，生活的便捷、效率都有了巨大提升；但一个转身，他们会听见被技术列车巨大惯性甩出生活轨道的失意者的控诉和哀鸣，真实又触目惊心。两种景象共同构成了数字时代的真相。
所以，在畅谈了比特世界提升生产力的一面后，本章的内容也回到了原子世界的逻辑。我们探讨人在数字世界的位置和处境问题，探讨算法、大数据应用、人工智能和机器人的使用给人类社会的工作数量、工作方式、社会保障带来的影响。毕竟，人的世界里，从来不是只有效率。
因为关注人的处境，主权国家们开始行动起来，对个人数据和隐私的保护已经成为大多数国家的共识，而在一些经济体里，对算法的监管也纳入了讨论之中。随着大国纷纷出台针对科技和数据的监管策略，许多人发现，科技公司的运行逻辑也在发生变化。“科技已经成为一个被监管的行业”，硅谷知名分析师Benedict Evans在2020年初宣告。
这种监管对数字经济本身会带来怎样的影响呢？研究技术革命周期的学者卡萝塔·佩蕾丝发现，历史上的技术革命总会在技术狂飙猛进和金融市场投资泡沫后迎来生产关系的调整。热钱退出，法律和制度完善，经过这一系列调整，全社会才能适应新的生产力。卡萝塔·佩蕾丝还发现，调整并不意味着新事物的退场，反而为其真正在全社会层面的应用和推广奠定基础。
这可能并不是一个坏消息。数字经济迎来了新的挑战，但一切并未结束。
罗素姆全能机器人的谶言从工业革命以来，人类就开始产生一种焦虑：技术和工具会在什么层面淘汰人？人和机器关系的未来是什么？这种焦虑是效率和便利的副产品，未曾占据社会思潮的主流，却始终存在。数字时代里，它也依然存在，不可回避。
“人这种机器是非常不完善的，最终必将被淘汰。”
“你们（人类）不如机器人强壮，又不如机器人能干。机器人样样精通。你们只会发号施令，你们无所事事又废话连篇。”
1920年，捷克剧作家卡雷尔·恰佩克创作了一个名为“罗素姆全能机器人”的剧本，次年在布拉格演出，很快这个剧目轰动了欧洲，也被后世的一些评论家们视作近代科幻作品的开端。以上台词出自这个剧本，不难看出，这个轰动一时的剧作围绕着机器与人的关系展开。
今天蓬勃发展的数字经济和技术革命浪潮下，《罗素姆全能机器人》能带来怎样的启示呢？
《罗素姆全能机器人》讲述的是名为Robot的人造人的诞生和毁灭的故事。哲学家罗素姆发明了一种具有人的外表、特征和功能的机器，可以替代人类在工厂里劳作。这些永远不知疲倦的人造人很快开始反抗人类，反而变成人类文明的威胁。最终人类发明了一种化学药水，毁灭了这些人造人，拯救了自身的命运。
《罗素姆全能机器人》中被提及最多的是，剧作家首次创造了Robot一词，此后它成了指代机器人的专有名词。剧里的机器人所具备的智能颇为超前，明显超出了当下的科技水平，在可见的未来里人类造出的机器智能可能也达不到它的水平。这部作品对人机关系做了深入刻画，剧作里充满前文提及的谶言般的台词，此后讲述机器人的反叛及“人的可替代性”的科幻作品仿佛都能看到《罗素姆全能机器人》前述对话的影子。
不过，也有人认为1818年玛丽·雪莱发表的《弗兰肯斯坦》（又译《科学怪人》）才是第一部科幻主题的小说。这部更为古老的作品颇具哥特式风情，同样探讨了人类造物而后被反噬的主题。
狂热的科学家维克多·弗兰肯斯坦用尸块缝补拼凑，创造出了新的生命。弗兰肯斯坦疯狂又理想化，他创造出的怪物充满了邪恶的气息，却又通晓人性。当怪物被放出实验室后，故事开始了。作者写作时吸收了当时最前沿的科学成果，包括与电相关的“生命力”学说以及人类意识的本质的讨论。而它被视作第一部科幻作品，则因为其中蕴含着对创造生命的行为和科学技术的野心及边界等命题。
文学评论家们挖掘上述科幻文学的鼻祖级作品的诞生背景，是工业革命后的技术爆发所带来的对人的异化以及由此产生的焦虑。学者达科苏·恩文研究认为，卡雷尔·恰佩克的作品关注和聚焦了当时的工业技术所带来的异化问题。卡雷尔·恰佩克所在的时代正值工业文明大发展时期，大钢铁厂的烟囱在欧洲和北美的大地上不知疲倦地吞吐着黑烟，巨型汽车厂的流水线轰鸣不息。恰佩克作品中所有那些具有威胁性的、非人类的怪物异类无不与现代社会的工业技术联系在一起，正是这些工业技术才使它们的出现成为可能。
而玛丽·雪莱的作品同样诞生在工业革命爆发期的欧洲，科学在这时正被树立为一尊新神，逐渐取代着神学崇拜的位置。工业文明让机器和工具以前所未有的方式改造着人类的生活，生产力极速发展，生活方式也发生着剧烈的改变。作家捕捉到了人类被机器包围，同时又无力完全掌控机器所带来的生存焦虑。
不管是《弗兰肯斯坦》还是《罗素姆全能机器人》，作家们通过创造新的体裁和文学类型来回应人类步入工业文明后个体及种族层面的存在危机。人是否会被机器取代，人与机器的关系，人的意识和人类智能的本质，构成了这些作品的核心主旨。这些作品是对工业革命后产生的反思潮流的延续。
对“人的可替代性”问题的关注并未停留在虚构文学层面，随着信息技术和自动化水平的提升，科幻小说中探讨过的命题开始照进现实。自动化、机器智能和数字未来，也成为关乎普通人的现实生计和职业前途的真问题。
技术进步带来的替代性危机和失业恐慌成了一种普遍性的情绪，以至于专门的国际组织发出了多份就业报告，来矫正这种恐慌。
20世纪五六十年代到20世纪末，针对机械化和自动化发展带来的人被机器取代及失业的普遍性恐慌，国际劳工组织分别于1957年、1972年和1996年发出了三份报告，否定了当时流行的悲观情绪。
1957年国际劳工组织的报告指出：“过去的经验没有理由认为技术创新导致全球就业量下降。相反，它表明，这些创新虽然可能会导致部分就业领域的下滑，但从长期来看，却导致其他领域的就业增长。”1972年的国际劳工大会，则否定了“自动化恐慌”的悲观论据，加强了技术进步对就业市场正面影响的结论。到20世纪末，国际劳工组织发布《世界就业报告》，指出全球就业总量的绝对数和相对数均有所增长，并不支持对大规模技术失业的恐惧。
但即使有各种权威的数据来阐明技术进步带来的正面效应大于它的社会后果，对机器带来的新型生产关系的破坏性的恐惧依然是社会中潜在的暗流。一旦新的技术浪潮涟漪泛起，这种恐惧总能随时被诱发。
20世纪90年代后，计算机技术高速发展，数字革命带来了机器计算能力的指数级增长。各类人机对战成了商业公司展示自身技术实力、宣传企业品牌形象和教育公众的绝佳契机。通过这些超级事件，新技术的应用场景得以在更大范围的公众中普及。
1997年5月IBM开发的超级电脑“深蓝”击败国际象棋世界冠军卡斯帕罗夫，在此之前，1996年2月“深蓝”首次挑战国际象棋世界冠军卡斯巴罗夫，曾以2:4落败。经过改良后的超级电脑战胜了人类的顶级玩家，这推高了上世纪末对硅谷赛博神话的信仰热潮。此后各种各样的体育项目和竞技比赛都能看到机器人挑战人类世界级选手的身影。
2014年，曾在2002年和2005年夺得世乒赛冠军的德国选手蒂莫·波尔与当时世界最快的机器人乒乓球选手库卡公司旗下的KUKA KR AGILUS进行了一场表演赛，蒂莫·波尔以11:9的比分击败了机器人。2015年，日本公司欧姆龙推出了运动机器人FORPHEUS, FORPHEUS也能像人类一样打乒乓球，它部署的摄像头能以每秒约80次监控对手的位置和球的运动，利用人工智能技术预测球的轨迹并重新射击。机器人FORPHEUS的表现优于许多职业乒乓球运动员，但未达到世界冠军的技术水平。
人机大战的巅峰当属谷歌开发的人工智能Alpha Go与世界级围棋高手的对弈。在人类发明的大量智力游戏里棋类游戏的复杂度最高，而围棋又因其极端复杂多变被视作“人类智慧最后高地”。“深蓝”战胜卡斯帕罗夫，主要靠强大的计算能力“暴力穷举”，这在围棋中不可能做到。因而，围棋就成为人工智能科学家试图挑战的高峰，也成为检验人工智能的最好试金石。
2016-2017年，Alpha Go先后与世界顶级棋手李世石、柯洁对战，人类棋手一一落败，深度学习算法和人工智能的能力一夜之间家喻户晓，Alpha Go也成为第一个战胜围棋世界冠军的人工智能机器人。
这些人机大战验证了机器智能的能力，也催生了新的恐慌与追问。一个经典的比喻经常会被拿来类比人工智能的发展速度——人工智能就像一列火车，它临近时你听到了轰隆隆的声音，你在不断期待着它的到来。它终于到了，一闪而过，随后便远远地把你抛在身后。
在这场大战的前一年，一批企业领导人和科学家就发表了“公开信”，阐述了为什么控制人工智能有可能是21世纪最紧迫的任务。联合署名的包括特斯拉创始人马斯克、当时在世的科学家霍金和微软公司的创始人比尔·盖茨等名人。公开信中说：“我们研发的人工智能系统必须做我们希望它们做的事情。很多经济学家和计算机学家认为非常有必要进行研究，确定如何让人工智能所能带来的经济效益实现最大化的同时减少负面影响，例如加剧不公平和失业。”
知识界和观察家们对极速发展的技术侵蚀人类生存空间的恐惧和对人的主体性丧失的疑虑还有一些量化的数据支撑，2013年的一份报告就用数据展示了这种焦虑。
英国两名研究者MichaelOsborne和CarlFrey发布了一份名为“就业的未来：工作机会对计算机化的影响程度”的报告，其中分析了365种职业在未来的“被淘汰概率”。根据这份报告，会计、银行职员、政府职员等传统观念里看起来颇为稳定的职业是最容易被机器取代的职业，概率分别是96.8%、97.6%、96.8%。而诸如具有创造力以及需要与人沟通的职业如艺术家、心理医生和老师则更为安全，被取代的概率分别仅有3.8%、0.7%和0.4%。
这项研究的方法论后来被美国总统奥巴马的经济顾问委员会、英国银行、世界银行等多个组织和机构的风险预测工具所采用——政府首脑、国际组织抑或大众传媒都对数字技术与就业市场的关联保持高度关注。
这意味着，人们关注技术的效率和进步性，但这些技术带来的社会、制度、法律层面的后果也越来越被纳入考量之中，其中最突出的当属劳动力市场变迁、就业和职业发展等与普通人社会福祉密切相关的关键词。而回顾这些当下探讨人机关系与技术后果绕不过去的主题时，百年前的科幻作品《罗素姆全能机器人》里的台词仿佛谶言，有了更为现实的意义。
消除不确定性：从经验到数据消除不确定性是分工的终极要义，数据和技术在各种层面加速和深化了这一进程。但工业生产和社会生活进程里的人是否只应被视作“不确定性”呢？
1776年，亚当·斯密在《国富论》中指出，劳动分工带来了进步，极大地提高了生产力。以生产大头针为例，一个普通的大头针这样简单的商品，也涉及大量不同的劳动过程，将这些劳动过程分解为不同的独立任务，能带来效率的提升，从而给企业带来更大的利润。
将制造过程分解成许多单一工作步骤是工业化生产的核心要素，亚当·斯密在《国富论》中揭示的资本主义市场经济这一内生逻辑在几十年后被另一个英国人所继承。
1833年英国数学家查尔斯·巴贝奇发表了一本著作《在机械制造和生产中的经济学》，他继续阐述劳动分工对资本积累的价值。巴贝奇认为，将对工作的执行分解为不同的过程，这些过程要求不同的技能，企业主可以更精确地根据特定的流程来匹配工资率，绝不支付超过必要的部分。
这位数学家与今天的数字时代更隐秘的关联来自他所改良的“差分机”。这是维多利亚时代的“计算机”，能提高乘法速度和改进对数表等数学制表的运算精确度。巴贝奇尝试制造自动计算的机器，将从计算到印刷的过程全部自动化，这样就可以避免人为误差。
巴贝奇的计算机在他的时代从未实现，但是在他的《在机械制造和生产中的经济学》里对分工的理念却在此后的资本主义经济发展中被演绎得淋漓尽致。某种程度上，巴贝奇的两大成果在内核上是共通的。正是将生产过程拆解为单个的劳动行为，整个生产流程才有可能升级为更精确、更自动的“计算机”式的流程。
这也是工业革命以来生产流程的每一个环节正在发生的现实。
福特的流水线正是以这样的逻辑运转起来的——福特汽车公司的管理者把流水线上的所有操作细分为时间均等的若干项工作，这些操作里有大量环节不需要严格培训，任何一个新手都能在最短时间里掌握。这样，从前一项只能由具备若干年经验、身体强壮的男性熟手主导的工作可以交由几个没有经验、身体条件一般的普通工人完成。
得益于分工的存在，其中的一些环节还可以通过机械化手段解决。这也是亚当·斯密的观点，他认为由于个体的注意力被集中在单一事物之上，反复进行某一项简单的操作，会让工人发明对自身更加有利的操作工具。
通过分工，工业流程里的作业变成了手工行为和机器动作的结合。从经济成本考量，当人工的成本低于自动化的成本时，该环节的劳动依然由人工来完成。但在那些资金投入不多就可以自动化的劳动环节，“机械对人力的替代”自然而然地发生了。
这是一个惊心动魄却又悄无声息的过程。以工业革命开始的行业棉纺织业为例，在纱厂里曾有一种工作——接线工，美国学者皮厄特拉·里佛利观察过这个工种逐渐消失的过程。差不多百年以前的欧洲，在纱厂里从事接线工的是儿童。他们在纱锭之间来回跑动，寻找断了的纱线，这些孩子发现了一根断线就爬上机器将断线接上，然后继续寻找下一根需要被接上的断线。随着工业革命的蔓延，在上世纪上半叶上海的纺织厂里，女工们穿梭在纱锭之间做着同样的工作。
之后，棉纺厂增加了新的设备——会闪烁的红色信号灯以及装有滑轮的椅子。这些设备使得棉纺厂的工作环境发生了很大变化，接线工也成为历史。机器设备取代了人，这些设备知道哪个地方的线断了，也知道怎么去把它接上。逐渐，服装生产环节里需要耗费专门的人力、危险性又颇高的一个部分就此消失了。
在对更低成本与更高利润的追逐中，20世纪的工业生产技术步步提升，人在工厂里的角色逐渐演变，越来越多的生产步骤由机器完成。
数字时代的自动化正以更为隐蔽的逻辑展开。当下，我们生活在一个被算法和数字技术所笼罩的时代，智能设备越来越多地渗透进人类的日常活动并参与人们的判断与决策。算法带来的自动化被嵌入无形的软件操作之中，很难被人察觉。
两名英国研究者Michael Osborne和CarlFrey发布的《就业的未来：工作机会对计算机化的影响程度》报告里，灵活性、独创性、专业性成了考量职业不可替代性的重要指标。那些容易被取代的工种正是更加机械化、结构性的工作，而更为原创、感性与创造性的工作可替代性较低。
但另一方面，计算机也在尝试着完成那些看上去更为感性的行为，比如创作。2017年微软的人工智能“小冰”已经在用中文写诗，并且出版了诗集《阳光失了玻璃窗》，英伟达的图片软件GauGAN能自动创作画作。一座座曾经专属于人类认知行为能力的高峰现在插满了人工智能和数字技术的旗子。
那些被认为很难被自动化的工作也正在通过各类算法和数字手段转换成数据处理技术，这些数据处理技术将工厂里的工作分解为越来越细小的认知组块，其中的认知组块要么被外包给网络化的个体微型劳动者，要么完全被自动化，彻底由机器接管。
此前有财经媒体报道过，SHEIN在设计环节的生产模式类似于工业化流水线。该公司设计了一个为设计师提供的IT系统，具备情报收集和设计辅助功能。通过这个功能，SHEIN设计师的设计工作被SaaS化，从而降低了对设计师创意能力的需求。这使得这家公司的设计师从业人员只需要具备设计基本功，就能设计出符合时尚潮流的产品。
在SHEIN的做法之外，服装行业里还有一些平台通过对全网流行趋势的捕捉，直接运用算法生成符合大众审美的款式，给商家提供款式层面的建议。在这个场景中，算法直接取代了设计师的动作。尽管这种AI自动生成款式的行为在整个服装行业的设计动作里占比极低，但它的确已经成为现实。
这正是利用数字技术和软件将难以结构化的创意、经验等因子，变成结构化的数据与知识的过程。这个过程可能并不只是发生在服装行业的设计环节，也是整个生产车间里的倾向。
例如在酒厂里，算法公司与酒厂合作，从前全凭老师傅的经验来判断如何酿成一款风味啤酒的口味——通过实践换来的经验，熟谙时间、温度和湿度等组合后的魔法。现在这些判断从只有上帝知道的魔法被解构成了模型。通过人工智能完成了对所有经验的量化，影响啤酒口感的因子变成（或努力将其变成）数字的加减乘除和剂量精确的化学反应。在钢铁厂的脱硫步骤，在水泥厂的送料环节，在酒厂的酿造间，老师傅经过几十年积累掌握的经验都在一步步地变成结构化的数据。这些工业生产中最强调创造力的环节，数字技术取得的进展可能超乎大多数人的想象。
英国学者休·劳德和菲利普·布朗将这种情况总结为“数字泰勒主义”，他们认为这个过程本质是“通过知识的提取、编码和数字化，将知识工作转化为工作知识，并将其转化为软件指令，这些指令可以被其他人传输和操纵，而不受地点的限制”。而它带来的后果则是，未来生产率的提高将降低大多数经理和专业人士的自主性和判断力。最终思考的许可会被授予一小部分负责推动业务向前发展的员工。
这些变化与福特流水线上的变革逻辑并无二致。
它涉及以下步骤：将工作环节细化成若干个标准化的流程，以降低对技术人员经验的依赖——在细化后的流程的每一个环节寻找优化可能性——发明可以提高某个环节效率的工具——当某个环节使用某种技术或工具的成本低于以人力完成工序的成本时，机器就成功地替代了人。这些步骤一遍遍重复后，生产环节里的不确定性得以被降到最低，人的经验和人的操作带来的不可控因子被一一摒除。
技术消除了不确定性，企业从中获得更高利润，而人从某些环节被彻底替换出来。但人是否只应当被视作“不确定性”呢？这场替换的终点又在哪里？
谁来监督算法和数据使用当普通用户越来越难获知算法黑匣子的运转逻辑，也难以掌握数据的所有权及被合法合规地应用时，一个问题呼之欲出：谁来监督算法和数据使用？这是社会治理领域的新问题，一些国家和地区如英国、欧盟等在做出各种探索。一个有意思的问题是，为什么是英国第一个提出监管算法？
2020年9月，《人物》杂志刊发了一篇名为“外卖骑手，困在系统里”的文章，在中文互联网世界掀起轩然大波。作者通过大量的外卖骑手案例讲述了一个现象：随着外卖平台的后台算法的发展变化，外卖骑手被迫为满足算法设置的“快速”“准时”等目标而疲于奔命。算法指标极大损害了骑手的身心健康，让外卖骑手陷入了逃不开的牢笼中。
在今天的时代里，算法和技术大多数时候是以便利性和高效率的面孔示人，外卖骑手被算法系统所困的故事如同尖锐的杂音，刺耳却令人无法忽视。这篇文章展示了技术和算法晦暗的一面，也提出了一个追问——随着算法在社会经济中的广泛应用，算法如何向公众负责？这是一个新的公共议题，也随着数字经济逐渐展开，越来越难以回避。事实上，这也是一个全球性的话题。在全世界，关于如何监督和管理算法，如何认定算法的责任主体，都引发过学术界和法律层面的激烈讨论。
学者安德里亚斯·马蒂亚斯（Andreas Matthias）认为，算法的自动性让社会正在遭遇责任鸿沟的境况。安德里亚斯称，传统上，机器的制造商/操作者（在道德上和法律上）要对其操作的后果负责。基于神经网络、遗传算法和代理体系结构的自主学习机器创造了一种新的情况，即机器的制造商/操作员原则上不再能够预测未来的机器行为。自动化算法、训练数据和系统环境的结合共同成为行为的使动者，因此不能在道德上对行为负责或承担责任。社会必须在不再使用这种机器（这不是一个现实的选择）和面临责任鸿沟之间做出选择，这是传统的责任归属概念无法弥合的。
学者汪庆华则将这类情况称为算法的归责性困境。他认为，算法能够自主地调整操作参数和规则，这种调整被比喻为“黑箱操作”，由此也就将不确定性引入了决策过程，从而对算法的可控性提出挑战。由于算法决策过程的中间环节过多，就现有技术水平而言，确定某一具体操作失误究竟是编程错误、系统故障或偏见影响往往非常困难。这意味着确认算法活动的影响或溯因变得困难，因而准确定位导致行为后果的直接责任主体更是难上加难。
在外卖平台里，算法由工程师写代码完成，每个工程师只负责优化其中的一小部分，最终它构成了一个巨大的追逐速度和运力的机器。对于这些外卖骑手而言，他们感受不到写代码的工程师的存在，他们也不知道是谁设定了算法的规则。大多数时候他们的意愿无法影响这个算法系统，他们也无力反抗算法系统的不合理安排，只能被动地卷入对速度的无止境追逐之中。
而外卖骑手的困境可能只是零工经济和数字平台归责困境中的冰山一角。2020年10月，四名Uber司机在荷兰对Uber提起诉讼，指控它在解雇涉嫌欺诈行为的司机时过于依赖机器学习算法。司机们称自己规范经营，却“被人工智能解雇”，因而Uber违反了《通用数据保护条例》（GDPR）第22条，该条款明确禁止数字平台仅通过自动化处理做出任何对数据主体具有法律或其他重大影响的决定。
这个案例受到了科技媒体广泛的关注。由于这是2018年欧盟公布《通用数据保护条例》后的首个相关案例，媒体认为它可能将检验如何把欧洲的现行立法适用于监管人工智能。
Uber的案例属于商业公司的算法失误殃及了平台上的参与主体。在诉讼过程中，数据透明和算法透明成了司机们主张权利的重要依据，他们认为，潜在的受害方是数百万在平台经济中工作的人，平台对自动化决策的滥用将不利于保护这数百万依托于数字打车平台生存的群体的利益。
如果这些失误的算法被政府部门和福利机构用于公共福利及政策决策时会怎样呢？它可能带来更为严重且更广泛的后果。在美国，算法在政府自动化决策中的系统性失误引发过危机，无辜弱势群体遭受损失，开发算法程序的主体也因此惹上了官司。
2019年，几名美国密歇根居民状告密歇根州失业保险机构使用算法造成了虚假的欺诈指控。这些居民称，有缺陷的自动化系统被应用到社会福利机构和公共政策领域带来了灾难性的后果，许多弱势群体本应受到福利机构的帮助，却因为算法缺陷反而遭受重罚。
居民们状告的是此前几年密歇根州与私营技术供应商签订合同共同创建和运营的一个名为“密歇根州综合数据自动化”的系统。该系统被失业保险管理机构用于确定居民的失业资格，追踪案件档案，检测其中的欺诈行为，并做出指控和惩罚等。被这个系统认定进行了欺诈领取失业救济金的用户，必须返还最初领取的失业金，还有四倍的罚款和利息。重罚行为是通过强制扣留工资以及截留所得税退税的方式来实行的。
在实行过程中，这个系统带来了一系列的问题，罚款行为的告知和透明性极差。许多人没有察觉到自己被认定为欺诈行为，直到退税时才发现自己已经被罚了巨款。还有人因为严厉的处罚而破产，一些家庭的生活从此陷入了彻底的困境。后来，经过审计，美国密歇根州失业保险机构承认这种自动化决策是在没有人工监督的情况下运行的。因此带来了系统性的侵害，至少有2万密歇根居民被错误地指控欺诈，错误率高达93%。
美国学术界和司法界也对这一案例颇为关注，人们认为，这些系统通常是受保护的“黑匣子”，公众并不知道它们是如何工作的。由于系统的错误，反而给公众带来了系统性侵害。各国政府在签署合同之前应该对软件进行更多的审查，从而避免美国密歇根州这样的前车之鉴。甚至有学者评论称：“为了支持软件和自动化，人们抛弃了专业知识和灵活性……在某种程度上，这开始削弱行政国家的正当性。”
正如上述案例所显示的那样，针对算法及数据的开发运营的监管已经成了社会层面必须正视的话题。随着数字经济的发展，许多数字平台已事实上成为数字性的基础设施，这些平台算法和系统代码做出一些细微的调整，使用平台的消费者或者依托于平台生存的个人及相关企业可能都会蒙受损失。平台的算法关乎普通个体消费者的利益和使用体验，也可能影响具体行业及产业公平竞争的环境。
算法的复杂性还在于，它贯穿互联网产品开发和运营的始终，却又很难被现有的企业内的安全生产流程及已有的法律法规监督。往往只有在事情发生、侵害完成之后，各类主体才能做出反应和补救。
英国竞争与市场管理局2021年1月发布的一份报告也指出，算法在某些领域的使用会减少竞争并危害消费者。算法系统是复杂的，特别是那些涉及机器学习算法的系统，它们的行为和危害可能并不完全在开发人员和公司的预料之中。随着算法系统的复杂化，它们的透明度往往越来越低，以至于识别它们何时造成危害也越来越具有挑战性。这个报告认为，企业应当负有保留解释其算法系统的记录的责任，包括确保复杂算法的可解释性的责任。公司应该准备好对算法的结果负责，特别是当它们会导致反竞争效果时（或其他非法或不道德的结果）。
除了算法的透明性和可监管问题，数据的归属和使用也经常引发争议。2021年4月一名女车主大闹上海车展的特斯拉展台维权，称特斯拉车辆的刹车失灵，要求该公司给出回应。之后双方开始了漫长的撕扯拉锯。
在这个案例里，特斯拉作为电动智能汽车的标杆企业，它提供的产品的主打功能就是人工智能可以辅助驾驶，帮助用户决策。作为一种新型出行工具，收集用户数据和环境信息是这家公司完善和实现产品功能的唯一选择。在回应质疑和举证过程中，特斯拉公开了一些用户行车的数据信息。但很快它就被质疑裁剪和修改数据，也被质疑侵犯用户个人隐私。
这是一场数字时代的战争。车企和车主间的大战，双方最后攻防本质围绕着数据的使用和归属规范展开。几个月的撕扯拉锯后，社会并没有因为这场大战形成平台和用户数据使用层面的统一规则性认知。可以想见，这场战争只是暂时熄火，它不会只发生一次。未来的某一个时刻，另一家车企与用户间随时会重燃战火。
这些数字时代里的新问题，是数字技术带来的新挑战。一次又一次的口水战，一个又一个诉讼和判例，体现了个体、商业组织试图厘清新疆域边界的努力。
政府的行动已经开始。为了规范此类行为，降低数字平台对消费者和个体层面的侵害，许多国家设立了专门的机构，颁布了新的法规来保障个体在数字时代的隐私和权益。2018年欧盟颁布《通用数据保护条例》（GDPR）对个人数据的处理原则做出了界定，要求遵循“合法公平透明”“目的限制”“数据最小化”“准确性”“储存限额”“完整性和机密性”等原则。
针对这一法规，商业公司为了规避风险开始设置了一些类似首席隐私官的职位。Uber就在2018年设置了首席隐私官角色，用来加强其隐私标准和数据保护。在这个职位下还有数据保护官人选，确保Uber业务能够遵守欧盟的隐私法案。这可以被视作经常受困于数据和隐私话题的平台企业的自保之举。
国内针对个人信息的保护也开始加强。2021年11月1日，《中华人民共和国个人信息保护法》正式实施。法律规定，任何组织、个人不得非法收集、使用、加工、传输他人个人信息，不得非法买卖、提供或者公开他人个人信息。这部法律实施后，监管部门加大了对各家企业的用户数据合规监管，一些企业的APP还出现过暂停版本更新的情况。
针对算法的监管之路显得更为艰难。学者汪庆华认为，在算法引发的偏见、歧视和支配的讨论中，平等保护、正当程序和反不正当竞争机制将发挥重要的作用。作为算法规制的一般化原则，算法透明是实现算法问责的重要机制。
一些国家已经开始尝试从监管层面来推动算法透明，行动最快的国家是诞生了亚当·斯密和凯恩斯的英国。2020年时，英国竞争与市场管理局开始成立一个专门的数据、技术和分析部门（DaTA）来了解企业如何使用数据；企业的机器学习和人工智能算法在做什么，这些算法会带来什么后果；并最终得出监管当局需要采取什么行动。
进入2021年，英国竞争与市场管理局又发布了一份强调算法应被纳入监管的报告。在该报告中，英国竞争与市场管理局指出，需要用适当的方法对算法系统进行监管，识别出可能存在问题的系统，通过制定诸如道德要求、指南、工具以及原则等标准的方式，促进算法系统更完善的问责制的形成。
这份报告提供了两种方法来监管算法，分别是在不访问公司数据和算法的情况下可以使用的技术，以及需要公司提供信息的调查技术。但它也指出，审核的成功与否很大程度上取决于公司是否愿意协作、共享信息并减少访问代码和数据时的摩擦。因此，监管机构对算法进行有效审核的能力，很大程度依赖于为公司积极投入审核而采取的适当激励措施（例如通过相关立法或软实力），以及有效的正式信息收集权的存在。
除了规范商业公司的算法合规性，英国政府还提出要提高政府内部对算法使用的透明度。2021年11月29日，英国政府的另一个机构中央数字办公室（CDDO）发布了算法透明度标准，提高政府使用算法工具的透明性，确保算法决策的问责制和公众监督。算法透明度标准涵盖透明度数据标准、透明度模板和行动指南等，要求政府机构在使用AI算法时需要公布足够的信息，包括对算法工具的简短描述，如何、为什么使用它以及算法如何工作。
“看门人平台的市场地位是巨大的，而且似乎是持久的。因此，算法系统的无意损害可能对其他依赖看门人平台的公司产生巨大影响。如果算法系统不能保持可解释性和透明性，那么监管机构也可能越来越难以挑战无效的措施来对抗危害。”这句引用自英国竞争与市场管理局报告的话展示了英国监管算法的决心。
这也是一个新的动向和信号，它意味着，除了互联网和大数据的使用被套上了保护个人隐私的枷锁，支撑数字巨头技术想象力的算法系统也将被套上枷锁。权利和责任总是对应的。
高技能效应与低技能效应：创造还是破坏？技术发展带来的生产关系调整作用于就业市场，产生的“余波”并非同质，不同行业、不同国家的劳动者对它的感知可能也完全不一样。它制造一批得利者，也把很多人抛出时代轨道，成了失意者。
加拿大学者尼克·迪尔-维斯福特统计过，近几十年来全球工业就业总体份额相对稳定。从1970年到2011年，制造业总产值增加了两倍多，尽管大量制造业工作已经从欧洲和北美转移到海外，但大量的工业和其他传统的工人劳动依然存在。
在一些国家，企业家们并没有选择进行自动化改造，而是直接将工厂的生产线搬迁到低工资的国家。以美国为例，大型企业出于对利润的追逐选择将制造环节转移，离岸制造盛行。1982年5月底《纽约时报》在一篇报道中称，在此之前十年里美国经济的一大重要变化是，服务业就业岗位大幅增加，而制造业岗位锐减。
也有国家伴随着技术进步对整体工业进行了自动化改造，在这些地方工厂的生产线并没有大规模搬迁到相对低工资的国家。例如，德国的制造业选择了自动化，德国机器人使用率高于美国，其制造业就业岗位流失程度远低于美国，也没有出现产业空心化。
学者尼克·迪尔-维斯福特将这个过程视作工业工作在全球范围内进行重组，从资本主义制度的前核心向曾经的边缘转移。1970年到2008年，在被认为是工业国家的地区，工业工作下降了大约1/3，但在东亚地区，特别是在中国，工业工作却在稳步增长。正是在这样的背景下，东亚一些国家和地区凭借着廉价的劳动力资源，承接产业转移，实现了工业起飞。
亚洲的日本和韩国是尼克·迪尔-维斯福特统计中的例外，这些东亚国家里工业工作并没有出现稳步增长。而出现例外的原因在于，日本是老牌资本主义国家，韩国在上世纪七八十年代实现了工业化。根据世界银行2013年的数据，这些国家上世纪90年代初制造业在就业和GDP中所占比重下降。这种结构出现一方面是因为数字供应链的灵活，另一方面是因为自动化的新强度。尼克·迪尔-维斯福特认为，如果工人组织对工资施加上行压力，资本就可以购买自动化强度，使其发挥作用。
日本和韩国以及德国的案例表明，自动化和机器替人对生产资本的意义在于，在不出现大规模产业转移的情况下，它可以减缓企业因劳动力价格上涨及福祉提升带来的成本上升，巩固企业的利润空间。
而对劳动者个体而言，技术升级产生了两种可能的结果。一是，从业者们有能力或者通过培训得到了获取更高级劳动技能的机会；二是，工人可能不得不从事报酬更差的低级劳动，否则就会失去工作机会。学者米夏埃尔·德克尔认为，这是两种截然不同的效应。在一些时候，它造成了低技能效应，生产过程只有其中的一部分必须交由人工来完成，对复杂技能的需求减少了，对简单劳动的需求增加了。另外，新的工作类型诞生了，比如对技术要求更高的对机器人动作的监控任务增加了，这可能形成高技能效应，即技术进步造就了更多高级的劳动机会。
北京师范大学统计学院教授李昕则把技术进步对经济增长的动态影响机制概括为，对现有工作的破坏与创造，对现有工作岗位的调整以及对现有工作方式的重新组织。这种动态调整过程里占主导地位的是创造性还是破坏性，学界的态度并不一致。乐观者如诺贝尔经济学奖得主Robert Solow曾指出，美国20世纪上半叶的高速增长，80%应归功于技术进步的贡献。这意味着米夏埃尔·德克尔提及的高技能效应占据了上风，社会福祉有了整体性提升。
悲观者如上世纪30年代的凯恩斯。他将由于技术进步导致的失业称为“新疾病”，这个称呼里的负面意味浓厚。技术进步通常始于“节省劳动力”的效率增长，而一旦节约使用劳动力的技术进步超出了其能带来新就业的速度，就会产生“技术失业”。这也是新技术展示出更大的破坏性力量的时刻。
无论是悲观者还是乐观者，都能从不同角度找到支撑自己观点的论证。更为理性的判断可能是，评估技术的动态变动对经济和劳动就业带来的影响是需要长周期的观察的，且需要分行业按国别进行具体分析。
回到当下的数字革命，这是一场正在发生的剧烈变革，生产力作用于生产关系，带来的剧烈波动无论是创造性还是破坏性都必将更为惊人。
世界经济论坛的创始人兼执行主席克劳斯·施瓦布将当下的数字革命视作第四次工业革命，他认为与以往历次工业革命相比，第四次工业革命是以指数级而非线性速度展开的。它以一系列正在融合物理、数字和生物世界的新技术为主要特征。由于其变革的速度和广度，新技术明显将会大大改变各行各业的工作本质。
麦肯锡全球研究院2021年初的一份报告印证了这场数字革命对职业和劳动力市场的巨大震荡，其中中国是职业和劳动变化的最前沿。麦肯锡全球研究院预估，到2030年，全球可能有超过1/3的职业和技能变更将发生在中国。多达2.2亿中国劳动者（占劳动力队伍的30%）可能因自动化技术的影响而变更职业。根据其模型，中国职业变更的份额大约占到全球的36%。在中等自动化情景下，到2030年，约有5160亿工时或将因技能需求变化而需要重新部署。
华中科技大学经济学院韩民春、韩青江、夏蕾则利用2013-2017年中国286个地级市的面板数据，实证研究考察了工业机器人应用对中国制造业就业的影响。他们的数据发现，工业机器人渗透度提升1单位将导致制造业就业总量下降3.35个百分点。针对影响制造业就业结构的实证研究发现，工业机器人应用对制造业细分行业、低技能劳动者和男女劳动者就业均存在普遍的负影响。当然，华中科技大学这个研究团队也没有得出完全悲观的结论，因为他们发现工业机器人替代不是导致制造业就业下降的根本原因，而是对制造业就业岗位的补充与延伸。
剧变来临，即使在工业制造领域，不同属性的企业所遭受的冲击也并不一致。中山大学政治与公共事务管理学院吕博艺教授发现，在一些国有企业主导的产业，如汽车行业，很多工厂由于已经实现高度自动化，在这些产业里逐步引进数字技术，对工作带来的冲击相对较小。而对于拥有大量低工资劳动力的中国私有企业及跨国公司来说，从劳动密集型生产到自动化生产转型所造成的影响要强烈许多。至于在中小型企业，数字化带来的职位削减情况将会最严重，在这些地方，相对简单的自动化设备能够替代大量半熟练及低技能工人。
技术进步带来的生产关系调整并非只有破坏性的一面。正如学者米夏埃尔·德克尔提及的高技能效应和低技能效应在同时发生，一些工作岗位被替代了，技术倡导者们往往指出这些消失的工种与危险、劳累和重负荷密切相关。与此同时，一些新的工作类型则增加了，例如机器的研发与设计、建造和维护，各类数字基础设施的运维，以及新型数字基础设施与旧有的基础设施融合时促进的就业等。
麦肯锡的报告提及，中国发生的工作变动中，从工作性质来区分，体力和人工操作技能以及基础认知技能的需求将分别下降18%和11%，但社会和情感沟通技能以及技术技能需求则会分别增加18%和51%。
2018年，普华永道的一份报告数据显示，人工智能及相关技术在未来20年将取代26%的工作岗位，高于对英国20%的预估。虽然如此，人工智能及相关技术也能通过提升生产率和实际收入水平在中国创造大量新的工作机会。根据其估计，人工智能对中国就业的净影响可能将创造12%的净增岗位，相当于未来20年内增加9000万个就业岗位。
此外，在数字革命到来之前就已发生的全球范围内的工业岗位重组与转移的趋势可能会延续。学者休·劳德和菲利普·布朗认为，数字化降低了制造过程专业工序技术成本，弱化了发达国家技术比较优势，随着发展中国家高技能、低收入工人数量的不断增加，高技术含量生产过程不断从发达国家向发展中国家转移。即便是复杂的服务任务，如今也可通过数字化实现向发展中国家的外包。
而对于目前仍是世界制造业重镇的中国，许多人担忧随着国内劳动力价格的上涨，从其他国家转移而来的劳动密集型产业的就业机会会转移出去。如果叠加数字革命带来的生产过程继续离散化趋势，休·劳德和菲利普·布朗提及的被分解外包的工作是否包含了中国的工作机会呢？
2020年3月，学者Brahima Coulibaly和Karim Foda在美国布鲁金斯学会官网的刊文提及，技术提高了制造业中心的劳动生产率，并很大程度上抵消了工资上涨。它降低了资本成本并减缓了将生产转移到低薪国家的需求。随着制造任务自动化的提升，加之自身劳动力成本的上涨，世界上最大的制造中心中国向其他经济体削减低技能任务的预期可能不会发生。
麦肯锡一份针对全球贸易的报告支持这一判断。它认为，一些价值链当中，基于劳动成本套利的贸易份额一直在下滑，尤其是劳动密集型商品的生产（从2005年的55%下滑到2017年的43%）。未来自动化和人工智能技术很可能会将劳动密集型制造变为资本密集型制造。
技术发展带来生产关系的调整，剧变已经开始。无论是国家还是个体，在变动的格局中都面临巨大的不确定性。替代和共存在同时发生，对于每一个个体而言，这可能意味着一个终身学习时代的到来。
逃离工厂的年轻人中国的年轻人似乎在远离工厂，社会舆论纷纷呼吁年轻人不要送外卖，要进工厂。但这种呼吁是解决问题的办法吗？问题的症结在哪里？
2021年4月，国家统计局发布的《2020年农民工监测调查报告》披露了几组数字。
2020年全国农民工总量28560万人，比上年减少517万人。50岁以上农民工在农民工整体占比中快速提升。农民工平均年龄为41.4岁，比上年提高0.6岁。从年龄结构看，40岁及以下农民工所占比重为49.4%，比上年下降1.2个百分点；50岁以上农民工所占比重为26.4%，比上年提高1.8个百分点，占比继续提高。另外，从事第二产业的农民工比重为48.1%，比上年下降0.5个百分点。其中，从事制造业的农民工比重为27.3%，比上年下降0.1个百分点。
农民工群体的样本意义在于，近3亿农民工是中国产业工人的主体，是国家现代化建设的重要力量。农民工监测调查报告每年都会发布，这组趋势并不是2020年独有的现象，而是此前若干年境况的延续，观察它的数据变动明显能够看到中国就业市场的一些长期趋势。
农民工群体在变老。2008年时50岁以上农民工占比为11.4%，自2013年以来，以每年以1～2个百分点的速度快速提升，在2017年首度超过20%，到2020年这一比例已经上涨了超过1倍，达到26.4%。
制造业从业者占比下降。2009年时，在外出农民工中，从事制造业的农民工所占比重最大，占39.1%，建筑业占17.3%，服务业占11.8%，住宿餐饮业和批发零售业各占7.8%，交通运输、仓储和邮政业占5.9%。到2020年，从事制造业的农民工比例已经变成27.3%。
上述趋势叠加可以发现，从事制造业的农民工在农民工群体中占比下降，现有的农民工群体还在变老，这意味着制造业对年轻一代的吸引力在下降。
如果把技术变革视作一个变量，在轰轰烈烈的数字化转型趋势之外，中国的中小制造业企业还在遭遇其他变局——制造业就业占比缓慢下降和年轻人择业远离制造业等趋势同时在工厂上演。
由于产业工人是工厂里的数字革命最直接的影响对象，也是中国智造得以实现的根基，我们必须从劳动力资源层面来审视制造业里的变化，这是中国制造的产业升级之路必须面对的复杂环境，也是工厂数字革命不得不面对的现实。
最核心的问题当然是如何定义新一代产业工人。新一代产业工人是谁？他们从哪里来？他们的技能是否已经准备好应对职业的变化？他们会有怎样的职业未来？找到这些问题的答案，技术变革带来的破坏性影响才有可能降低，社会才有可能更从容面对这场数字革命。
2018年1月发布的《中国职工状况研究报告（2017）》指出，自2011年以来，中国15岁至59岁的劳动年龄人口逐年下降，部分地区和行业用工短缺，用工成本上升，一些企业还没有做好应对劳动力市场变化的这种新常态的准备。所谓的新常态，就是企业主一边要应付用工成本上涨，同时还有可能找不到年轻的劳动力。
人力资本数据中心中智咨询的《2020年一线蓝领用工荒情况调研报告》显示，66%的企业在调查中表示近期遭遇过用工荒，其中技术蓝领和普通操作工的缺口都在55%以上。而造成蓝领用工荒的原因中有九成因素被认为是年轻人从事一线蓝领工作的意愿低造成的。年轻人不愿意进入制造业工厂成了企业和地方政府必须面对的真问题。
我们的田野调研结果也证实了这个数据。为了了解数字革命下的产业工人现状，我们前往中部某省份的人口输出大县走访了大量的一线产业工人。从该县的人力资源部门得到的数据，该县有几十万农民工群体从事制造行业，长三角、珠三角和东南沿海等地的工厂是他们每年如同候鸟般迁徙的目的地。制造业和建筑业曾经是该县外出劳动力的最主要就业领域，近年来，制造业行业就业人口呈明显减少趋势。相比而言，服务业特别是互联网带来的新型服务业如快递员、外卖骑手等成了年轻人更愿意从事的职业。
一名在长三角的纺织化纤厂里工作了近20年的“85后”工人告诉我们，他所在的工厂有400名工人，三分之二的工人是他的同乡，工人们年龄段最小的也在1990年左右。他们的队伍里已经很难看到更年轻的“95后”“00后”的身影。“比我们更年轻的一代人，家里的日子过得稍好一点的，都不用来吃工厂里的苦，他们也吃不了工厂的苦。”
“工厂的苦”指向的是制造业的工作环境和工作方式，这也是很多年轻人难以长久在这里坚持的原因。我们深度访谈过的从制造业转向新型服务业的工人里，绝大多数人不适应流水线上的枯燥与重复。一名曾经的制造业工人对我说：“流水线上待久了感觉整个人都麻木了，三点一线，不自由，待不下去。”他待的工厂是长三角的小电子厂，工厂对员工的管理方式简单粗暴。他感知不到自身的成长，也看不出职业的长期发展空间，于是在某个春节返乡后再也没有返工。东南沿海的工厂和企业主们最头疼的就是春节返乡后的劳动力流失问题。
“很少有企业去想一个问题，就是你为什么招不到人呢？是不是跟你自身的吸引力、岗位竞争力弱有关系呢？大家以前都习惯了大进大出，需要人的时候就拼命招，不需要人的时候就无情地把工人淘汰掉，根本不关心他们未来的职业发展。对这样的企业，员工当然是没有忠诚度可言的。”《三联生活周刊》报道过产业工人的流失问题，一名人力资源公司的管理者曾这么追问制造业企业主。
由于招工难，一些企业开始应用新型的技术和设备，来减少车间里的劳动力需求。我们调研的长三角化纤厂“85后”工人完整地目睹了工厂里的技术改造升级带来的人力需求变动。最初他所在的工厂里只有两个车间，在非常传统的操作流程下，需要600多名工人。2008年后的欧美金融危机，由于市场萎缩，沿海企业出现了倒闭潮，大量农民工返乡导致企业招工困难。他所在的工厂也从这时起开始了车间的自动化改造，更先进的设备被引进，许多环节不再需要人工完成。
2021年下半年，这家位于杭州萧山的纺织化纤工厂生产线相较于十几年前已经扩大了一倍，但工人数量却只需要300多人，许多工序环节机器自动化设备已取代了人工劳动。我们的调研对象一直在同一个岗位工作，近20年来，这个岗位的工作内容对手工操作的依赖性越来越低，他需要学习和了解的反而更多是机器如何运转运行的知识。
这名长三角产业工人目睹的人力需求变迁展示了产业工人群体在数字化浪潮里的易感性和脆弱性。
麦肯锡的报告也显示，他们是最容易受到自动化数字技术变革影响的群体。就业市场的6类人才类型中，前沿创新者需求增长46%，熟练专业人才需求增长28%，一线服务人员需求增长23%，制造业工人需求减少27%，建筑和农业劳动者需求减少28%。由于这一群体的技能水平通常较低，获得技能发展的资源和渠道较为有限，因而他们更需要社会的帮助。
很难直接断言制造业工作流动性大、工厂作业环境相对恶劣、技能升级和职业发展受限等因素下导致的制造业用工荒、数字化改造带来的制造业就业变动和产业工人群体在制造业就业的整体占比下降等几大趋势之间的直接因果关联。它们几乎同时发生，有时微妙地存在传导关系，但很难将其中的任一点视作问题的起点。
制造业在经济中的占比下降，就业人数下降，在一些发达国家出现过先例。例如，美国的制造业增加值占GDP比重从1997年的16.09%持续下滑到2018年的11.26%。英国的制造业增加值占GDP比重由1990年的16.67%逐步下滑到2019年的8.59%。
近年来，国内也开始探讨中国是否出现过早开始“去工业化”的问题。1999年时中国制造业增加值占GDP比重均值为34.27%，处于所有国家的相对前列。到2012年一直在30%以上占比。自2012年以来就进入持续下滑通道，由2012年的31.53%持续下降到2019年的27.17%，7年间下降了4.36个百分点。从这个意义上看，农民工群体在制造业就业中的占比变化是大的经济周期里各项因子复杂互动的结果。也因此，《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》提出，“保持制造业比重基本稳定”。可以想见，这种下降趋势大概率不会再重演。
而从企业层面看，面对同时袭来的几大挑战，大量的中小制造业管理者们可能也需要转换思维。从前由于改革开放后的巨大时代红利，大量小作坊、小工厂几乎不关注管理和工厂的技术投入，用最简单粗暴的方式就能够获得生存空间。现在这些都已经成为过去，中国社会从生产社会向消费社会的转变，产品稀缺性降低，人们的消费方式也在发生变化。企业已经越来越难仅靠人口红利和低价策略在激烈的市场竞争中占据主动。提升管理能力、加大人力资源投入和技术投入都成了大小品牌生存下去的关键。
另外，2021年第七次全国人口普查数据显示，16岁至59岁劳动年龄人口为8.8亿人，与2010年第六次全国人口普查数据相比，我国劳动年龄人口减少了4000多万人。从整个国家层面，人口红利渐隐，企业必须意识到，符合要求的产业工人资源也成为企业必须重视和争取的重要发展资源。
而一旦企业的用工环境存在问题，那些最遭受诟病的环节也是最需要用机器替代的环节。以代工巨头富士康的机器换人举动为例，富士康正是综合权衡用工荒、严峻的工作环境和员工待遇争议及提升劳动生产率等多重因素后开始了改革。2010年富士康发生员工跳楼事件后，富士康开始提出要进行大规模的机器自动化，让机器人代替人工。郭台铭曾在2011年公开表示，富士康要在2014年装配100万台机械臂，在5～10年内完成首批自动化的工厂，这也就是所谓的“百万机器人计划”。2015年，郭台铭在年度大会上宣布富士康要在2020年实现30%自动化，今天这家企业的“黑灯工厂”已经名声在外了。
我们调研中也接触了一些已经意识到调动产业工人积极性的企业。国产卫浴品牌九牧副董事长林四南认为，企业数字化转型要以人为中心，也包括工厂里的产业工人。卫浴产业从前的生产环境包含不少对工人的健康和安全存在挑战的环节，因此九牧优先选择将环境污染严重、威胁员工健康安全的场景实现数字化、自动化。他还提到，要重视工厂的工作环境，要支持员工转型升级，让员工再发展，也要给员工时间。
回到产业工人群体需要面对的严峻现实，该如何培养新一代的产业工人，如何让现有的劳动力群体在职业剧变里降低生存风险？
麦肯锡认为这是中国的职业教育正面临的挑战。麦肯锡在一份报告中指出，为适应新一轮的经济发展需要，中国需要聚焦现有劳动力的再培训。如今的劳动力培训存在着投资不足、与市场实际需求脱节、人们对技能的重要性和紧迫性认识不足等挑战，导致培训项目的参与度不高。中国可以采取有力措施，增强职业学校的竞争力，提高培训的质量，扩充行业专家队伍，提升他们的素质，消除社会对职业学校的偏见。
我们在调研中也发现，一些职业学校教授科目存在与市场脱节的情况。一家位于中部省份某劳动力输出大县的职业学校举办的职业技能大赛，我们见到与物流相关的场景里考试的内容要求学生开着小型叉车在仓库里移动包裹和箱体。
与此同时，在真正的工业应用场景里，大型电商公司的物流仓库和快递龙头企业的包裹分拣环节，智能AGV小车已经可以实现无人分拣。而从一些机器视觉公司得到的反馈，这些设备在市场上的应用推广速度很快，许多工厂里的物料分拣运送也已经应用上了AGV设备。几年之后，这些学生所学的内容很可能很快就没有了用武之地。这意味着职业学校需要更紧密地去了解市场的动向，与技术应用一线的企业合作，才能培养出更符合市场需求的新一代产业工人。
学者蔡昉也认为，新技术毁掉的岗位与创造的岗位所需的工人不是同一批人。应用新技术意味着用资本替代了劳动，新技术的应用会有新的人才需求，但取代、毁掉的这些岗位和新技术创造的岗位，所需要的人是不一样的，分别是具有不同的人力资本和技能的人群。所以尽管给一部分人创造了岗位，但丢掉岗位的人未必能进入新岗位。在此过程中，会出现失业或者就业不足的问题。所以他认为，数字经济时代应该打造一个更高版本的就业优先政策，要探索数字经济时代劳动力市场制度形式。
也许，要培养更适合数字时代的大国工匠，创造年轻人也愿意当产业工人的环境，可能是一个从国家教育到社会文化再到企业现场都要配合的系统工程。
一亿众包，谁解其苦我发现我们正在从事的产业和20世纪30年代的汽车制造业有许多的相似之处，汽车制造业是非组织化的工业，同时汽车工业是它那个年代的高科技。
——Mike Blain，摘自《系统偏误：微软公司中劳工的不稳定性和集体组织》
在社交平台引发广泛关注的《外卖骑手，困在系统里》一文，除了点破前文讨论的算法和数据的使用伦理，还有另一层意义不应被忽视——依托互联网外卖平台的新型服务业从业者的雇用方式和工作属性正在发生变化。
一年后，2021年9月，北京致诚农民工法律援助与研究中心的一篇报告《外卖平台用工模式法律研究报告》再次让外卖骑手的职业环境和生存状态成为舆论焦点。报告指出，不同于从前的稳定雇用关系，互联网公司与外卖骑手并不存在直接雇用关系，他们不需要和单一平台签劳动合同，可在多平台兼职，平台也不需要替他们缴纳社保。外卖平台扮演着信息中介角色，骑手们被外包给其他公司，用工风险和成本也被外包出去，大量的第三方公司成为外卖平台的法律“防火墙”。
这些讨论使许多人意识到便利的互联网外卖消费背后离不开骑手群体的付出，而这个群体的权益并没有被新型经济平台充分重视。
不过，这些讨论成为热点本身也反映一种趋势——数字经济带来的新型雇用关系已成为公共关切话题，它已经不再停留在数字经济平台的商业模式秘辛层面。相比此前的工作类型，这种新型雇用关系具有不稳定性、低保障性和高风险性，从业者、消费者和社会都需要消化这种生产关系的变化。
2021年底发布的《中国灵活用工发展报告（2022）》蓝皮书指出，这种雇用关系的出现与数字经济发展相关。蓝皮书指出，随着当前数字化技术的革新和新经济的崛起，企业的生产多由需求端直接发起，因此业务的波动性和不确定性较大，组织对劳动力的配置也越来越转向以工作任务为中心，企业通过灵活用工响应业务变动。此外，降低成本、突破编制限制、规避风险等也是企业灵活用工的主要动机。
外卖骑手只是这个群体里的典型代表，学院派从理论上对这些新型生产关系给出过分析。数字泰勒主义指出，数字化浪潮正在改变职业的属性。通过知识的提取、编码和数字化，将知识工作转化为工作知识，并将其转化为软件指令，这些指令可以被其他人传输和操纵，而不受地点的限制。不受时空限制的工作，可以让人联想到当下流行的很多名词，“共享经济”“众包经济”“零成本社会”“零工经济”“灵活用工”等都能与之挂钩。
这种新型雇佣关系所覆盖的群体规模并不小。以共享经济下的参与者为例，国家信息中心分享经济研究中心发布的报告《中国共享经济发展报告（2021）》显示，2020年我国共享经济参与者人数约8.3亿人，其中服务提供者约8400万人，同比增长约7.7%；平台企业员工数约631万人，同比增长约1.3%。
而《中国灵活用工发展报告（2022）》蓝皮书则认为，2021年我国有61.14%的企业在灵活用工，比2020年上升5.46个百分点，企业更倾向于扩大而非缩减灵活用工规模。据中国人民大学灵活用工课题组测算，全国灵活用工的人数高达9867.4万人，劳动者数量已接近1亿人。
总体来看，这是一个越来越庞大的群体。中国劳动关系学院中国职工状况研究课题组用“去劳动关系化的就业”来定义这种新型雇用关系。他们编制的《中国职工状况研究报告（2018）》指出，共享经济带来了大量的就业机会，特别是吸纳了去产能、退伍军人及下岗再就业人群，对职工就业工资、工时及就业质量都有一定程度的促进作用。但值得关注的是，共享经济发展产生了去劳动关系化的就业状况。这些劳动者与平台单位之间不存在固定的或事实上的劳动关系，而是更多地表现为一种劳动合作关系。同时，其中许多劳动者的收入报酬也不是由平台单位支付，而是直接由客户支付。
复旦大学学者姚建华则用“数字劳工”来指代数字时代的劳动者。数字劳工所指代的不只是外卖员、快递员这样的体力劳动从业者，程序员、文职行政工作者和互联网公司的许多其他辅助工种都开始受到新型雇用关系的影响。我们也能在科技媒体看到各类报道和评论，指责互联网平台转嫁人工成本到第三方公司，雇用大量外包人员却对他们的职业发展空间不闻不问。
姚建华译介了一大批海外学者的前沿学术成果来探讨和关注数字时代工作和劳动本身正在发生的变迁，它是一种全球现象，正是技术和生产力的变化演进带来了生产关系层面的变化。
20世纪70年代以来，伴随着新自由主义和全球市场的建立，劳动越来越呈现出不稳定性的特征，这种特征在2008年金融危机之后变得愈发明显。经济中的服务业和信息产业部门的重要性与日俱增，生产的信息化趋势加剧，跨国资本集团开始采取更为精简和灵活的生产过程以便快速应对市场和大规模定制产品的需求。
全球资本通过“外包”的方式实现工作的空间转移，它们通过将生产的流水线转移到第三世界国家来强化劳动力市场的弹性。另外，随着信息和通信技术的飞速发展，全球范围内越来越多的劳动力不再受雇于传统的工业化大生产部门，而是从事着大量的“非物质劳动”。这些劳动者们被要求快速回应工作任务的灵活变化，要求快速应对市场和大规模定制产品的需求。
在信息产业、创意产业和各种服务业之中，弹性雇用制度已经成为一种普遍的现象，这些行业中的工作要求如灵活变化的工作任务和弹性机制，不仅改变着劳动者的劳动形式，也改变着他们在工作场所之外的生活方式。正是这种高度弹性的工作应对需求，信息产业里出现了每周需要工作70小时的从事高科技和知识性生产的劳动者。
信息巨头们还将工作的执行分解为不同的过程，通过要求不同的过程具备不同程度的技能，从而方便企业主更精确地根据特定的流程来匹配工资率，绝不支付超过必要的部分。由此，“永久性的临时工”出现了，他们长期从事临时性的工作，随时可能被替代，过着不稳定的生活。
科技行业的临时工进入公共讨论，始于上世纪末美国微软公司。上世纪90年代末，微软把大约35%的工作承包给临时性雇员。学者恩达·布罗菲追踪了这一过程，从20世纪90年代开始，微软公司采取了灵活管理重要改革机制。截至2000年，在皮吉特湾运营部的1.9万多名技术工人中，大约有三分之一受雇于萨克森与泰勒公司等临时雇佣机构。
这个群体是高科技行业里重要却不可见的部分，是科技公司创富神话里的阴影。在当时的微软，临时工被强制要求佩戴橙色卡牌，区别于全职工的蓝色卡牌。他们被要求远离运动健身场地，禁止在公司内商店消费，远离例如新品发布会、游船聚会等团建活动。临时工还没有权限享有公司正式雇员的员工股票先购权。
1998年6月，微软公司开始在部分临时工内部强制实行每12个月休31天的休假制度。当时，微软公司的首席财务官格雷格·马菲（Greg Maffei）还在私下称，合同工在工作表现方面根本无法匹及全职工。
除了本土的外包雇员，信息手段和数字技术让科技公司的工作被离岸分发，大量的外籍工程师以比美国本土工资低几分之一的成本来为这些互联网巨头打工。
这些变化自然引起了学术界的关注。20世纪90年代，法国社会学家皮埃尔·布迪厄就用“不稳定性”概念来指出工作的这种变动，他说：“存在着大量的劳动后备军……给予那些工作中的人们可以随时被替代的感觉。”2011年，学者盖伊·斯坦丁则在《不稳定的无产者：新危险阶级》中用“不稳定的无产者”来描述全球化经济下新的劳动形势和劳动者的新状态。
劳动者因愈发灵活的工作而变得越来越缺乏稳定性和制度性的保障，劳动合同的时效性不断缩短，长期失业人数总量持续增长。劳动者个体时常陷入对失业的担心和焦虑之中，他们只能成为企业的合同工、临时工和外包工。这也意味着，他们需要承担更多的风险，却缺乏基本的社会保障和安全感。评论家们认为，信息化和数字化趋势，让有规律的可预测的工作正在被弹性的不可预测的收入逐渐替代。
这些讨论与我们当下正在发生的对外卖平台的声讨、互联网大厂的外包员工们控诉上升空间狭窄的情况几乎如出一辙。2014年，《福布斯》杂志撰稿人乔·麦肯德里克在一篇文章中表示，“现在，我们现在都是外包方”。外包可能的形式不断多样化，“外包不再以百万美元大贸易为特征，在这些交易中信息技术部门的运作过程交由第三方负责。相反，许多小事情的点点滴滴渐渐地交由外部的实体负责”。
从当下的趋势来看，数字经济改变工作和职业的形态已成定局。许多互联网大厂为了降低用工成本，在正式岗位之外设置了大量的外包岗，这些外包岗位的流动性大，上升空间狭窄。一家财经自媒体报道这个群体的境况时称：“在互联网快速发展时期，外包人员是性价比极高的燃料，而当发展停滞，危机感最先涌来，他们是最容易被抛弃的那一部分。”
无论是外卖平台的骑手、众包用车平台的司机，还是大厂的外包员工，数字经济带来的新型雇用关系及其劳动关系、权益保障都是社会面临的新挑战。而这个群体里又有大量的弱势群体，往往从事着与普通人的数字生活密切相关的新型服务业，一旦因权益纠纷产生恶性事件，会成为牵动全社会情绪的火药桶。
因此，数字平台在享受网络效应带来的裂变增长的同时，也需要在这些新型生产关系的制度和法律层面的规范到位之前，承担自身应当承担的责任，否则很容易引发舆情危机。中国人民大学灵活用工课题组顾问杨伟国在接受采访时曾表示：“对待灵活用工，既要顺势而为，刺激劳动力市场各要素的合理流动，更要合理规制，保障民生福祉。”
欲戴王冠，必承其重。从这个意义上看，从前轻装上阵的数字巨头们到了需要补课的时候。
欢迎来到美丽新世界对数字社会的监管和治理并非终点。从历史上的技术革命与社会系统之间的互动关系看，监管和某种泡沫的破灭可能只是结束了部分人的超额利润时代，却可能带来新技术更大规模的应用，弥合社会分裂。
2021年12月，一名女性用户称自己在Meta（改名前的Facebook）元宇宙平台“Horizon Worlds”上遭遇了性骚扰，并且其他人默许了这种行为。
元宇宙是2021年夏天横空出世的新概念，社交媒体巨头Facebook宣布正式更名为Meta进军元宇宙是这场浪潮的开端。该公司CEO扎克伯格提出Meta的重点是实现元宇宙，很快这个概念在全球层面引发了巨头们的争相追捧。它开发的元宇宙游戏公测不久便迎来第一例使用伦理与用户安全相关的纠纷。《麻省理工科技评论》称，她不是第一个，也不会是最后一个，元宇宙正急待探索其使用伦理。
数字技术及其存在的触角已经伸到了每个人的衣食住行中。当它成了一种基础设施后，人们越发需要讨论它的价值与局限，也需要相应的社会规则、法律规范及伦理通约来定义它。这是技术已经深入普通人日常生活的明证。
硅谷著名分析师Benedict Evans在2020年初发布了一份报告，认为科技行业每15年就有一次大规模革新，新的核心产品来到舞台中央。当一个事物具有了系统性的重要性后，它一定会被监管。而科技公司当下到了需要被重新调整估值的时候。“欢迎来到美丽新世界。”他说。监管被视作一种新常态，各国政府都意识到了它的重要性。
而如果按照学者卡萝塔·佩蕾丝（Carlota Perez）的理论，科技行业被监管具有必然性，也并非全然应被视作负面的。卡萝塔·佩蕾丝深入研究了技术革命的周期，她发现，每一次的技术革命都会造成一套技术大规模地取代另一套技术，每次革命都像一股破除旧习惯的飓风，在人、组织和技能方面带来了深刻的变化。她认为，任何技术转型都只能在社会变革、政治变革和管理变革的互动和合作中发生。这意味着范式变迁不仅在企业层面影响了管理和组织，同时也作用于整个社会和政治调节系统，并受到后者的反作用。
卡萝塔·佩蕾丝将技术革命分为几个阶段，分别是爆发阶段、狂热阶段、转折点、协同阶段，最后步入成熟阶段。爆发阶段是技术的年代，狂热阶段是金融的时代，而到了转折点则是反思和调整发展路线。经过反思后社会协同会推动生产进步，而当技术革命到了成熟阶段后，生产力的红利几乎耗尽，社会进入了质疑自满情绪的时代，新的一波革命进入了酝酿之中。
如果更详细还原这个过程，它呈现出一种S形的增长曲线新技术早期的崛起是一个爆炸性增长时期，会导致经济出现极大的动荡和不确定性。风险资本家在高利润的驱使下推动着新技术的最先运用。一旦技术的应用可能性被证实，技术的大爆炸期就到来了。之后，金融资本迅速投资新技术相关的活动和企业。这就进入了新技术导入期的爆发阶段，而且很快进入狂热阶段。
但由于新技术依然存在不确定性，有关新技术的预期可能会以失败告终，此前的风险投资产生的泡沫与技术狂热症和非理性繁荣一起破灭。在这个过程里还存在至关重要的一环：新的调节框架和适当的制度已经系统地连接，能够以在社会和经济意义上可持续的方式驾驭并促进新经济的运转。此时新产业已经成长起来，新的基础设施已经到位，利用新技术来做事已经成为“常识”。
佩蕾丝把其中的制度和调整框架视作一种必然，“每一次，被认为是‘新经济’的部门会在旧经济摇摇欲坠的地方生根。但这全都要通过暴力、浪费和痛苦的方式才能达到。在一边积累起来的新财富经常被在另一边扩大的贫困所抵消，尽管前者多于后者”。
佩蕾丝认为，正是这种重新分配过程里的爆裂性和不平均性，带来了社会断裂。因此当金融崩溃来临时，反思就会开始。社会会检讨什么地方出错以及如何防止再次发生。
转折点的存在是处理社会内部个人利益和社会利益的平衡。它是重要的十字路口，精英们意识到此前的行动和逻辑不可持续，无论它看上去多么辉煌。社会动荡和对不公正的不满可能会转化为绝望和愤怒。因此，这种调整既是为了在金融市场确立秩序，也是为了走向充分扩张的市场和紧密团结的社会。
调整会带来新的繁荣，“制度调整如果此时达到目标，一个黄金时代可能接着到来。它会是充分就业和广泛进行生产性投资的时代。它减少了前一阶段竞争的残酷性，并产生了共同的利益，这体现在拥有满意的利润边际，通过增加消费者基础而扩大目标市场。收入分配的改善，使消费得以提高和扩大，那些新贵们过上了暴发户式的新生活，这种生活方式逐渐从一个阶层向下扩散到另一个阶层，成为更为大众化的消费方式”。
佩蕾丝认为，技术革命总会深刻动摇和塑造社会，而后强烈的社会、政治和意识形态的冲突又塑造并驾驭了技术潜力。一个社会为了吸收技术潜力而转变环境的具体方式，反过来塑造技术的走向及其扩散程度。当这一过程完成，社会所有领域几乎取得了完全的一致性，特定的范式取得了统治地位，人们相信它是普适的常识。
如果依据卡萝塔·佩蕾丝的理论，我们可以发现监管正是社会层面的生产关系适应生产力发展的过程。科技作为一个产业在过去不到30年的时间里已经造就了世界上最有价值的公司。
监管缺失存在代价，这是全球层面几乎所有主要经济体内的共识。围绕这些公司的增长和运营的确没有正式的、结构化的政府监管。各种各样的隐私法律和行业自律缺乏透明度和连贯性，创新成本并未因为公众处于无防备裸奔状态而降低。正是在这样的背景下，各国出台了各种政策和法规来规范数字经济，减少数字经济带来的次生灾难。
1996年，网络自由意志主义者约翰·P.巴洛在瑞士达沃斯写下了《赛博空间独立宣言》。这篇奇文写道：“工业世界的政府：你们这些疲惫不堪的钢铁巨人，我来自网络世界，心灵的新家园；我代表未来，请你们这些来自过去的陈腐人类不要打扰我们，我们不欢迎你。你在我们聚集的地方没有主权。……你们有关财产、言论、身份、行动和情景的法律概念不适用于我们。它们以物质为基础，但这里没有物质。”
2018年约翰·P.巴洛去世。在一些层面，数字时代的人类对于财产、言论、身份、行动和情景的理解正如他所言与工业时代并不相同。例如，以信息来区分身份，“占有”正在让位于“使用”，“所有权”正在让位于“访问权”。这些变化终将在规则和法律层面重新形成社会性的新共识。约翰·P.巴洛提及的这片空间里的独立主权，也许从来都没有真正存在过。
至于“没有物质”，则是一种更深的谬误。从这里面，依稀可以看见一百年前捷克剧作家卡雷尔·恰佩克的《罗素姆全能机器人》中哲学家罗素姆的影子。年轻的罗素姆自言自语道：“人是这么一种东西，它，比如说，它感到高兴，拉小提琴，喜欢散步，需要做一大堆事情，而这些——完全是多余的。”
美国学者凯瑟琳·海勒在她研究人机关系的著作《我们如何成为后人类》中批判道：“如果说我的噩梦是在一个后人类文化中，人们只把他们的身体作为时尚的配件而不是存在的基础，那么，我的梦想则是，后人类在拥抱信息技术的可能性的同时，没有被无限的权力和无身体的不朽的幻想所诱惑，承认和庆祝作为人类境况的有限性，并且理解人类生活被嵌入一个复杂的物质世界之中，我们的持续生存端赖于这个世界。”
我们终将生活在一个原子构成的世界里。我们拥抱信息技术的可能性时，也应该承认和庆祝人类境况的有限性。