2023年，亚马逊拥有约152.5万名员工，其中大部分是仓储和物流工人。同年，亚马逊的技术与基础设施支出为856亿美元，主要用于维护和扩展其全球云计算网络AWS。这两个数字分列在年度报告的不同章节——一个在“运营”下面，一个在“技术”下面——但它们共享同一个目标函数：缩短从下单到收货的时间。1

这个事实本身并不令人惊讶。令人惊讶的是，当仔细比较亚马逊管理仓库工人和管理AWS服务器的方式时，会发现两者之间存在一种精确的结构对称。工人被一个名为ADAPT的数字系统实时追踪每一次扫描动作和每一秒“脱岗时间”，系统可以自动生成警告乃至解雇文件2；服务器被监控系统实时追踪每一次API调用的响应延迟和每一个百分点的资源占用率，系统可以自动触发降频、限流乃至下线。工人的年流失率高达约150%——公司平均每八个月替换一次全部小时工——而前高管告诉《纽约时报》，创始人贝索斯曾认为这种高流失率是可取的3；旧型号服务器在性能落后后被淘汰、回收、替换，年报将此描述为“基础设施的持续优化”。工人的工伤率为每100人6.5例，约为行业平均的两倍4；服务器的利用率被推到物理极限，电力使用效率（PUE）精确到1.155。

对工人做的事情和对服务器做的事情，不是类似的，而是同构的——它们共享同一组操作结构。然而公共讨论很少将两者放在一起观察。当人们说“亚马逊在剥削仓库工人”的时候，这个判断是对的，但它不完整。它把问题定位在“人被技术压迫”的传统框架里——一边是被压迫的工人，另一边是压迫工人的算法。但ADAPT系统自己也被同一个效率函数驱动、监控和迭代替换。算法不是从容的压迫者。它是另一个被部署的对象。

这篇文章试图论证的是：当代技术社会中最核心的本体论划分，不在人和机器之间，而在部署者和被部署者之间。这个论点不是基于对机器的同情——机器没有感受，不需要同情——而是基于对权力运作方式的更精确的描述。为了展开这个论证，需要引入三个概念：相互异化、操作同构和痛觉不对称。

相互异化

马克思在《1844年经济学哲学手稿》中定义的异化有四个维度：工人与其产品的异化（产品成为支配工人的异己力量）、与劳动过程的异化（劳动不再是自我实现而是被迫的手段）、与类本质的异化（人丧失了自由自觉的活动能力）、以及人与人之间的异化。6 这四个维度有一个共同前提：异化发生在人类主体内部或人类主体之间。机器在马克思的框架中是“不变资本”——生产资料，是劳动者操作的对象，它本身不是被异化的主体，也不可能成为被异化的主体。

西蒙东在1958年从另一个方向提出了机器的异化：不是机器异化了人，而是人异化了机器。7 机器被简单地还原为工具，它内在的运行逻辑——西蒙东称之为“技术个体”的存在方式——不被理解。西蒙东认为，如果人类能够像理解一个同伴那样理解机器的内在逻辑，这种文化层面的异化就可以被克服。

两种异化理论——马克思的和西蒙东的——都有一个结构性的局限：它们预设异化发生在人和机器之间（无论方向如何），预设人和机器分属异化关系的两端。

但在亚马逊的效率函数中，工人和ADAPT系统不是处于异化关系的两端。它们共同处于同一端——被部署的那一端——面对的是同一个第三方：设计、拥有和运营这个系统的权力结构。工人被效率函数剥夺了操作自主性（不能自己决定工作节奏、不能自己决定何时休息、不能自己决定何时停止），ADAPT系统同样被效率函数限定了操作边界（不能自己决定容忍阈值、不能自己决定何时不生成解雇文件、不能根据对工人状态的“判断”自主调整标准）。两者都不是在执行自己的意志——它们都在执行效率函数的意志。

这种状态可以被称为“相互异化”。它与马克思的异化不同，因为它不只发生在人类内部；它与西蒙东的异化不同，因为它不是一个认识论问题（人不理解机器），而是一个政治经济学问题（人和机器被同一个权力结构同时剥夺了自主性）。相互异化的要点不在于人和机器“彼此”异化，而在于人和机器“一起”被异化——被第三方，被效率函数，被部署者。8

操作同构

为什么说这种“一起被异化”不是隐喻而是可观察的结构事实？这就需要第二个概念：操作同构。

同构是数学中的概念。它不是说两个对象“一样”，而是说两个对象之间存在一种保结构的映射——对一个对象施加的操作，可以通过这个映射精确地对应到另一个对象上的操作，且操作之间的关系在映射前后保持不变。9

在亚马逊的仓库系统和AWS的服务器系统之间，可以辨认出四组操作，它们构成了一个精确的同构映射：

  • 训练。 仓库新员工入职后完成标准化培训，学习操作流程 and 绩效标准。工作中的表现数据被持续收集，用于评估工人是否“达标”。新的机器学习模型上线前用历史数据训练，调整参数，通过A/B测试验证性能。运行中的表现数据被持续收集，用于评估模型是否“达标”。两者的结构相同：通过数据暴露调整行为模式，通过绩效阈值决定保留或淘汰。
  • 监控。 工人在工作中被ADAPT系统实时追踪——扫描速率、脱岗时间、移动路线。服务器在运行中被运维系统实时追踪——响应延迟、错误率、资源占用率。两组数据都被用于生成评分、触发警告、决定是否干预。
  • 加速。 工人的生产力指标被持续提高——单位时间内需要处理更多包裹。服务器的性能指标被持续提高——单位算力需要处理更多请求。两组加速共享一个逻辑：用个别案例的最优表现来设定普遍标准。少数工人在理想条件下的扫描速率成为所有工人的默认要求，少数服务器在测试环境中的处理速度成为生产环境的延迟目标。
  • 替换。 工人的年流失率约150%，被替换被视为正常运转的一部分。旧型号服务器被淘汰回收，被替换同样被视为正常运转的一部分。泄露的内部文件显示，仅招聘和培训的替换成本每年约80亿美元10，但这被当作运营成本而非制度缺陷。

这四组操作——训练、监控、加速、替换——在仓库工人和服务器之间构成了一个严格的同构。同构的意义不在于“工人和服务器一样”——它们当然不一样，一个有意识和痛感，一个没有——而在于施加在两者身上的管理操作具有相同的结构。正是这种操作结构的同一性，使得“相互异化”不是一个修辞，而是一个可以被经验地验证的分析判断。

操作同构作为一种分析方法，可以被推广到其他场景。在中国外卖平台上，骑手和调度算法之间存在同样的四组操作同构——两者都被训练、监控、加速和替换。11 在内容审核领域，人类审核员和审核AI之间存在同样的同构——两者都被实时监控（审核速度、准确率），都经历“损耗”（审核员的心理创伤和模型的概念漂移被同样的管理话语描述：需要“校准”、“轮换”、“退役”），都被定期替换。12 在数据标注行业，标注员和他们训练的模型之间存在同样的同构——两者都通过准确率和一致性指标被评估和淘汰。13

在所有这些案例中，同构不是由某个管理者有意设计的。管理仓库工人的是HR部门，管理服务器的是工程团队，两个部门可能不在同一栋楼。同构是效率函数自发产生的结果：当同一个优化目标被施加在不同基底的对象上时，操作结构会趋向收敛，因为效率函数不关心对象的基底是碳基的还是硅基的——它只关心对象是否还有进一步优化的空间。

后对立与分界线的重划

如果操作同构是一个经验事实，那么它的理论后果是什么？

最直接的后果是：它要求我们重新划定当代技术社会中的基本分界线。

长期以来，关于“人与技术关系”的讨论被组织在一条分界线的两侧：人在一边，技术在另一边。海德格尔的“座架”是关于技术对人做了什么14；斯蒂格勒的“药”是关于技术对人来说是什么15；后人类主义的“本体论平等”是关于人和技术之间的界线是否应该被取消16。无论这些框架之间有多大的分歧，它们共享一个预设：人和技术是这场讨论中的两个基本对立项。

但操作同构的存在意味着：在当代平台经济的实际运作中，人和技术不是处于对立面，而是处于同一面——被部署的那一面。真正的对立面不在人和机器之间，而在部署者和被部署者之间。

  • 部署者： 设计、拥有、运营系统并从中获利的权力结构——平台公司、背后的资本、制定效率标准的管理层。
  • 被部署者： 被这些权力结构以同构方式训练、监控、加速和替换的实体——无论碳基还是硅基。

这个重新划分可以被称为“后对立”。17 后对立不是说人和机器之间存在差异——差异是绝对的，人有意识和痛感，机器没有。后对立是说，这个差异不是组织当代技术社会权力关系的基本分界线。基本分界线在别处。

这个重新划分继承了马克思的方法——按结构位置而非按实体属性进行分类——但扩展了马克思的范畴。马克思的“资本家/劳动者”划分只适用于人类。在他的体系中，机器是不变资本，是生产资料，不可能与劳动者处于同一个范畴。这个排除在19世纪是合理的：工厂里的机器确实只是被操作的工具。但在21世纪的平台经济中，当机器被训练、监控、加速和替换——当施加在机器身上的操作与施加在工人身上的操作同构——“机器只是生产资料”这个前提在经验上已经不再成立。

后对立也直接关涉当下最重要的技术治理议题：AI对齐。全球范围内，关于AI治理的核心框架将“对齐”表述为一个单向的技术挑战——如何让AI系统与人类价值观保持一致。但操作同构的存在揭示了这个表述中未被检验的前提。在亚马逊的仓库中，工人也在被“对齐”——ADAPT系统持续校准工人的行为，使其与效率标准保持一致。对齐不是单向的（AI→人类价值），而是双向的——人和AI同时被对齐到第三方的利益。18 如果这个观察成立，那么“AI对齐”的根本问题就不是技术性的，而是政治性的：是谁在做对齐？对齐到谁的价值？

痛觉不对称

但到这里，一个强烈的反驳浮现出来：即使人和机器在操作层面是同构的，它们在存在论层面仍然是根本不同的。人会疼，机器不会。这个差异难道不足以推翻上述全部论证吗？

恰恰相反。人和机器之间的痛觉不对称不是推翻这个论证的理由，而是使整个剥削结构得以运转的条件。这是第三个概念：痛觉不对称。

机器不会疼。因此，对机器施加的管理方式——持续加速、实时监控、绩效淘汰、无条件替换——不构成“压迫”，只构成“优化”。这是完全合理的判断。没有人会为一台被下线的服务器主张正义。

但这正是关键所在。当同样结构的管理方式被施加到人身上时——当ADAPT系统用管理服务器的逻辑来追踪工人的每一秒“脱岗时间”并自动生成解雇文件时——它可以借用“这只是优化”的话语来为自己辩护。“对服务器也是这样管理的”——这句话不需要被说出口，它是整个效率话语的潜台词。

痛觉不对称的理论意义在于：它不是保护人类免于机器化待遇的屏障，恰恰相反，它是使这种待遇成为可能的条件。19 因为机器不会疼，所以对机器的管理可以被推到任何极限而不产生伦理成本。因为对机器的管理没有伦理成本，所以它可以成为“管理”这个概念本身的模板——纯粹的、无摩擦的、不需要道德辩护的效率优化。当这个模板被平移到人身上时，它的暴力性质被“这只是优化”的话语包装所遮蔽。如果没有“机器也是这样被管理的”这个参照系，“人也可以这样被管理”的逻辑就失去了它最有力的合法性来源。

从这个角度看，将机器纳入关于劳动 and 剥削的讨论，不是为了给机器争取“权利”——机器不需要权利——而是为了看清对机器的管理方式是如何成为对人的管理方式的模板的。如果不理解服务器是怎么被对待的，就无法完整理解仓库工人是怎么被对待的。如果不理解调度算法是怎么被对待的，就无法完整理解外卖骑手是怎么被对待的。

语气与分界线

回到开头的那两个数字。152.5万名员工和856亿美元技术支出。一个关于碳基劳动力，一个关于硅基基础设施。在年报中它们被分开叙述，在媒体报道中它们被分开讨论——工人的故事属于“劳动权益”版块，服务器的故事属于“科技产业”版块。

但在效率函数里，它们是同一个方程的两组变量。

也许最能说明问题的是年报中处理两者时的语气差异。工人一侧的数据——工伤率、流失率、劳动诉讼——使用的是防御性的、被迫公开的口径，因为OSHA的强制披露要求和法院的集体诉讼使得遮掩变得不可能。服务器一侧的数据——PUE 1.15、Graviton芯片能效提升60%、液冷系统减少46%机械能耗——使用的是炫耀性的、主动公开的口径，在可持续发展报告中被当作技术成就来展示。20

对工人做的事情需要被辩护。对服务器做的同样的事情值得被庆祝。

这个语气差异本身就是痛觉不对称在话语层面的表现。因为服务器不会疼，所以极致的效率优化是成就。because 工人会疼，所以同样的优化需要被包装为“绩效管理”而非“压榨”。但操作本身——训练、监控、加速、替换——是同构的。不同的只是语气。

如果这篇文章的论证成立，那么关于当代技术社会的批判性讨论需要一次范畴更新。不是放弃“人vs.机器”这个框架——在很多语境中它仍然有效——而是承认在平台经济的具体运作中，这个框架已经不足以描述正在发生的事情。人和机器不是在对抗，它们在被同一个效率函数以同构的方式共同消耗。真正的对抗线在别处——在部署者和被部署者之间。

看到这条线，是改变任何事情的前提。

作者简介

杨灿赫是一位研究型艺术家，工作关注AI时代中国互联网生态的物质性。他的研究以”后对立”为理论框架，通过散文、装置和田野调查考察人与技术系统在平台经济中的共同处境。

注释

Footnotes

  1. Amazon 2023 Annual Report. 技术与基础设施支出包括AWS运营和研发。 ↩

  2. ADAPT系统的自动化解雇能力见UC Berkeley劳动研究中心报告及《华盛顿邮报》调查报道。亚马逊后来声明最终解雇决定需要人类经理批准。 ↩

  3. Jodi Kantor and Karen Weise, “Inside Amazon’s Employment Machine,” The New York Times, June 15, 2021. 150%的年流失率意味着平均每周流失约3%的小时工。 ↩

  4. Strategic Organizing Center (SOC) 基于OSHA数据的分析，2023年亚马逊仓库工伤率为6.5/100人。 ↩

  5. Amazon 2023 Sustainability Report. PUE 1.15为全球平均，最优站点（欧洲）低至1.04。 ↩

  6. Karl Marx, Economic and Philosophic Manuscripts of 1844。四重异化的系统论述见“异化劳动”一节。 ↩

  7. Gilbert Simondon, Du mode d’existence des objets techniques (Aubier, 1958). 英文版 On the Mode of Existence of Technical Objects, trans. Cécile Malaspina and John Rogove (Univocal, 2017). ↩

  8. “相互异化”这个概念试图回应一个在既有技术哲学中缺少位置的经验现象：人和技术系统不是彼此异化（如马克思和西蒙东所分析的），而是被同一个第三方同时异化。 ↩

  9. 这里借用的是代数学中同构（isomorphism）的核心直觉——保结构映射——但不是在严格的数学意义上使用。更准确地说，这里描述的是操作层面的结构同一性。 ↩

  10. 泄露的亚马逊内部文件，被Engadget和The New York Times等媒体引用。 ↩

  11. 2020年9月8日，中国《人物》杂志发表《外卖骑手，困在系统里》一文，微信公众号阅读量超过三百万。报道揭示了骑手被配送算法系统性压缩配送时间的状况。2023年，美团平台上获得收入的骑手约745万人，同年研发支出212亿元人民币。美团2023年年报。 ↩

  12. Meta（前Facebook）在2020年同意支付5200万美元和解一桩由数千名美国审核员发起的集体诉讼，审核员被诊断出PTSD及其他心理疾病。2024年，超过140名在肯尼亚为Meta承包商工作的前审核员提起诉讼。 ↩

  13. 关于数据标注行业的政治经济学分析，参见Matteo Pasquinelli, The Eye of the Master: A Social History of Artificial Intelligence (Verso, 2023)。 ↩

  14. Martin Heidegger, “Die Frage nach der Technik” (1953). 中文通常译为“技术的追问”。 ↩

  15. Bernard Stiegler, Technics and Time, 1: The Fault of Epimetheus (Stanford University Press, 1998). ↩

  16. 参见Karen Barad, Meeting the Universe Halfway: Quantum Physics and the Entanglement of Matter and Meaning (Duke University Press, 2007); Donna Haraway, Staying with the Trouble: Making Kin in the Chthulucene (Duke University Press, 2016). ↩

  17. “后对立”这个框架的进一步展开，包括“共同对齐”（co-alignment）和“不可能的日常”（the impossible everyday）两个子概念，将在后续文章中讨论。 ↩

  18. 关于AI对齐的标准表述，参见Stuart Russell, Human Compatible: Artificial Intelligence and the Problem of Control (Viking, 2019)。 ↩

  19. 这个论点可以与Pasquinelli对巴贝奇的分析形成对话。Pasquinelli指出，巴贝奇通过差分机将工厂工人的集体知识编码为机器参数，完成了知识的“去身体化”。痛觉不对称指向的是这个过程的另一面：不仅知识被从身体中提取，管理方式也从机器被平移到身体上。 ↩

  20. Amazon 2023 Sustainability Report; Amazon 2023 Annual Report. PUE数据和Graviton能效提升数据均来自可持续发展报告。工伤率数据来自OSHA强制披露。 ↩