进入12月，2025年的尾声即将到来。今年，AI大模型的发展以及关于人是否会被AI取代的讨论从年头延续到年尾，技术以前所未有的程度重塑着我们的工作与生活。在这股潮流中，身处其中的大多数人都有模糊的感受，但谁也不知道会被它带向哪里。然而这种彷徨感，制造业工人可能早在十多年前就有所察觉，但那时的危机与焦虑并没有人倾听，直到它在今年发酵成了如此规模的讨论。

早在2012年，技术的冲击已经在远离大众视野的多家制造业工厂内部浮现。长三角和珠三角一带，工业机器臂和数控机床开始在工厂中批量替代工人，那些既没有情绪，也不会感觉累的“机器工人”日夜运转生产着我们生活所需的各种消费品。工人被机器“换出”车间，而那时引起的关注还未成规模，很多人想当然地认为自己不会是被“换掉”的那个。当“局部替代”逐渐蔓延到“全面替代”，技术戳破了那种幻觉，将不同行业的劳动者再度放回了同一种处境。

社会学者许怡对几年之内这种话语风向的转变感触很深。2018年开始“机器换人”研究时，她曾和学生分别进入珠三角的多家制造业工厂，以工人的身份观察所谓的技术成果向劳动过程介入时所引发的种种变化，他们也与许多一线工人聊天，听工人们讲述具体如何看待这些变化。这些观察近日结集成书，以《机器时代：技术如何改变我们的工作和生活》为名出版。书中所记录的彼时的工厂内外，人们更愿意相信“机器比人生产更快、质量更高、更加稳定”。但在工厂研究期间，许怡发现实际并非如此，至少受不同生产流程和工艺类型影响很大；而真正值得深思的是，为什么机器明显无法取代人，可管理人员和工人却都在“合力”强化这种判断？

许怡，中山大学社会学与人类学学院教授、博士生导师。主要研究领域为劳动社会学。

这种对机器和技术的迷思在AI不断迭代的今天更加明显。许怡困惑的是，技术作为一种人造器物，究竟是如何获得这种霸权地位的？或者说这种观念形成的背后，有哪些相关的个人、社会群体乃至部门参与了这种观念的建构中？这种对技术的焦虑是否更像是一种最终服从于技术的幌子，它让我们更心安理得地觉得，是有反思“走入那良夜”的？这些问题在回顾过去这一年乃至过去这十余年时，从未如此暧昧，也从未如此紧迫而必要。

以下是新京报记者与许怡的对话。

《机器时代：技术如何改变我们的工作和生活》

作者：许怡

版本：广西师范大学出版社｜北京贝贝特 2025年11月

技术对人的冲击，

制造业工人感受得更早

新京报：“机器换人”这个概念的兴起已经有些年头。国内最早大概可以追溯到2012年，当时浙江、江苏的传统制造企业中最先出现了这一苗头。你的这项研究开始于2018年，可以说是这个浪潮正盛的时候，当时是哪些现象或问题引起了你的关注？

许怡：我此前一直在做劳动方面的研究，主要关注工人，尤其是蓝领工人这个群体。机器换人出现之后，最先受到冲击的就是这些从事体力劳动的蓝领工人。在真正进入工厂前，当时很多媒体对此的报道总体很乐观积极，展示出的是一种比以前似乎更先进的生产方式，但这些报道中很少提到工人们对此是怎么想的。

今年AI无疑引发了前所未有的大讨论，但技术对人的冲击肯定不是从AI开始才出现的。为什么我们会如此关注AI？我想其中很大一部分原因是它波及的主要群体是脑力劳动者，他们不论是知识水平还是观察力都更敏锐，以及本身这个群体就先天占据更多的发声渠道。但是对制造业工人来说，尽管他们感受到的冲击更早，可他们好像没有这样的发声机制，他们的危机感和焦虑感都没有被很好地倾听。

电影《机械姬》（Ex Machina，2014）剧照。

但这里面也有一些共同点，不管是“有表达的”还是“没表达的”——即便是前者也还是局限在个体层面——暂时都没有转化出一些更大的共识，更谈不上推动一些改变。这也引发我们去进一步思考，当技术的发展逐渐波及各行各业的劳动者后，一种由劳动者推动的、自下而上的改变是否有可能会出现？

新京报：在你准备进工厂时，当时的公共讨论中有关于“机器换人”可能带来大规模失业的担忧吗？

许怡：说实在的，当时这样的声音其实非常少。一方面，贸易摩擦影响还没有开始；另一方面，尽管制造业内部的确短时间内迅速削减了大量的工作岗位，但与此同时，零工行业和服务业也吸纳了很多劳动力，比如送外卖、跑网约车，这些在当时都处于一种蓬勃发展的态势。

说回工厂的工作，其实起初不少工人也是相对比较乐观的，毕竟厂里很多工作工人本身也并不太愿意做，尤其是那些薪资平平，劳动时间又很长的工种，如果有机会，他们也倾向于离开工厂流向零工行业。这些在最初都掩盖了机器换人可能带来失业的问题。然而短短几年过去，如今零工行业已然迅速饱和，越来越多劳动者的涌入导致从业者不得不通过拉长劳动时间来维持收入，甚至再怎么拉长，都很难达到几年前的收入水平了。

这种影响在当时学界内部也没有引起足够的重视。当时关于机器换人的研究以经济学为主，他们做了一系列量化的调查，得出的结论是，这波技术潮对整体的就业市场影响并不那么大。在社会学这块，有一些学者比我更早注意到了这种技术的引入对工人的整个劳动过程的影响是怎样的，不仅仅关注是否会造成失业。

新京报：谈到“机器换人”，我们通常倾向于认为，机器人首先会取代技术含量低且重复性高的工作，特别是流水线上的工作。但21世纪以来，不少研究提出“技能的两极分化”，即自动化取代的更多是中等技能的工作，而低等技能和高等技能工作都在增长。为什么会这样？据你观察，这些年国内的工厂大体也是如此吗？

许怡：的确，自20世纪60年代以来西方学者开始研究自动化等技术对劳动者技能的影响。起初他们发现，自动化既导致了一部分劳动者技能水平的下降，也为另一部分劳动者的技能提升提供了机会，这就是所谓的“两极分化”。在这种“分化”中，很多中等技能的工作因为属于“常规化任务”，于是在很大程度上被自动化取代了。

但到了20世纪90年代以后，这条曲线在走向某种“单向的极化”。也就是说，中等技能的工作在减少，高等技能的工作也在减少，只有低等技能的工作在增加。变化已经在无形中发生了，越来越多曾经从事中等技能工作的人流向了服务业，或者是制造业中相对更低端的岗位；而实际生产中，工厂也并不需要那么多高等技能人才。

那么我们今天的社会又是怎样的情况？首先我是做质性研究，可能还没有一个相对全面的数据统计去呈现。但根据同行做的一些局部的调查统计以及我个人的田野观察，制造业中低等技能的工作也在减少，中等技能的也在减少，而相对处于中高等技能端（与机器调试相关的）工作是有增长的。具体还要看是怎样的技能，像是焊接、抛光和打磨这样传统的技能工种是在减少的。至于低端的工作为什么在减少，我想可能是因为前期已经削减掉了大量的岗位。

另外在我观察的几家工厂中，老板大多会优先换掉那些有技能的、议价能力强的技术型工人。我当时在广东阳江调研，这个地方是全国生产刀具的一个中心。生产刀具的过程中有一个工艺叫打砂，要用一种特定的工具把刀刃打磨锋利。传统车间中，工人通常需要用机床来操作，有很多粉尘和噪声，整个生产环境是很恶劣的。于是这个工价就涨得很高，当地的老板就想研发一些自动化的打磨机器来取代这个工种。像是很多低技能的工种，薪资水平不高，可替代性很强，一旦不干了，工厂还可以随时在就业市场上招到新人，工厂老板反而不会很着急去取代这批人。

新京报：从这个角度来看，这两年大规模出现的关于AI的讨论实际上仍然是上一波“机器换人”的延续，只是说当年产生的问题尚没有波及如此大范围的人群罢了。

许怡：其实是这样的。不管是机器换人，还是人工智能技术，当下的科技资本致力于研发的一系列新技术的特征都在于其对劳动力的替代性，区别可能只是在于局部替代或者全面替代。

电影《上班一条虫》（Office Space，1999）剧照。

至于被替代掉的劳动者之后能去干什么，这个问题资本是不会主动去考虑的。因为失业率越高实质上对资本来说是越有利的，失业率越高，它就不仅可以随时招到工人，还可以用更低的价格。但从长期来看，这个问题如果不能引起足够的重视，它其实最终也会对资本造成反噬，大量的人如果没有工作，也就没有能力再去消费了，那么它生产的产品或是提供的服务就没有足够的人能够消费得起了。

当重体力活交给机器，

男女工的待遇差距并没有缩小

新京报：你当时在选择进入工厂时有哪些考量？毕竟工厂涉及的具体技能不同，对研究结论也会有影响。

许怡：没错。首先要考虑进入的可行性。其中有两家我是以“工人”身份进去的，这就需要它首先得招工，且招我这个年纪的女工。当时还有一家汽配厂我也很想去观察，但它主要招的是男工。前期我们还会物色行业，以及这些工厂生产的产品的差异性。最后选择的这几家还是能代表一些行业的分布，观察下来我们确实也发现其中的相似性要大于差异性。

电影《少年巴比伦》（2015）剧照。

和我预期有点出入的是，制造业早年还是非常偏好年轻的女工的。尤其在珠三角一带，当地的制造业还是以轻工业为主，偏向组装，大量分布的是一些电器厂和电子厂，最考验的是动作要快。但随着劳动力的老龄化，工厂开始放宽对工人的年龄要求。但像汽配厂这样需要一些体力工作的工厂仍然偏好男工。总体而言，年轻女工还是制造业的主力。

新京报：你之前也有关注过女工。我很好奇，在你的研究中，“机器换人”对劳动者的影响存在性别方面的差异吗？

许怡：提到这点，我们可能会觉得工厂中很多重体力活都是可以由机器来做的，这就意味着男女工人在体力上的差异是在缩小的，那么我们是否可以推出工厂中男女工人可以得到相对更平等的晋升机会？然而事实并非如此。同样是在自动化工厂中，我们发现男性工人获得培训的机会通常比女性工人更多。这样的培训一般是关于如何调试和操作机器，管理者会更倾向于认为男工的动手能力更强，以及涉及一些简单的编程工作，管理者也会觉得男工的逻辑思维更强，更擅长处理类似的工作，以至于这样的培训会向男工倾斜。

新京报：相较于作为“生产工具”的机器，你更侧重于关注机器作为“管控工具”的一面，以及这个劳动过程变化背后工人的观念与意识。这个视角对于我们今天理解技术的变迁会有怎样的启发？以及相对于过去的机器，自动化机器的“管控”有何相同与不同？

许怡：机器作为“生产工具”的一面肯定是持续存在的，但的确这些年，它作为“管控工具”的一面在越来越发挥作用。如果说这种“管控”和之前有怎样的区别，我觉得主要有以下几个方面。一是自动化机器本身可以强化在过程中对工人劳动节奏控制。以前纯粹的流水线生产中，它也曾被认为是一种控制方式。很多人都看过卓别林的《摩登时代》，里面有一个印象很深的镜头是，工人在生产时，老板会安装一种喂饭机器，就是为了节省工人的吃饭时间。当然这里面有夸张的成分，在实际的流水线上可能没有这样硬性的管控。

电影《摩登时代》（Modern Times，1936）剧照。

以我曾在的流水线为例，它还是有弹性的。当上游流过来的工件太多，我一时半会儿做不完，我就可以把它们暂时放在我旁边的放置区，等前面的活儿干完了再来补做。同时，前后的工友如果做得快，也会搭把手。但引入自动化机器人后，它的节拍是设定好的，工人的工作节奏也要在相应的节拍内完成，它一定会给你安排“满”。工厂内部把这种生产方式称为“精益生产管理”。

还有一种是，除了自动化机器，很多工厂还引入了一些数字化的监控手段，比如生产数据即时上传后台，同时还有一些智能摄像头，它可以自动识别工人的操作是否合规，有没有做一些破坏性的行为，或者有没有在生产过程中偷懒。这些不需要管理者盯着摄像头，都可以自动识别，都属于整个机器系统的一部分。

新京报：有学者认为“劳工治理体制在过去几十年经历了一场霸权式的转型”，对此你怎么看？

许怡：确实有一些直观感受上的转变。早些年我也研究过富士康，那个时期工人大多反映说工厂管理比较严苛，基本是准军事化的管理模式，工人经常会被训话，甚至不乏侮辱性的言辞。但七八年后，当我去“机器换人”的这些工厂做研究时，我的感受是不太一样的。那些组长或是拉长对一线的工人总体比较客气，可能也是觉得工人的流动性太高了，毕竟频繁地招工和换工也是需要成本的。曾经那种“专制式”的管理确实发生了变化，但这并不代表对工人劳动的监控、对生产效率的要求降低，只是工厂把这种职能从管理者直接管理转移到了通过机器来实现管控。

我们把这种转变理解为从“专制”到“霸权”的转变。毕竟前些年制造业内一直在讨论劳动力短缺问题，年轻的劳动者都不愿意留在这个行业，至少管理层在态度上已经无法像从前那么恶劣了。但是霸权式的管理其实是更难识别的，它已经对工人实现了一种观念层面的操纵，工人也逐渐默认自己好像就该这样做，就该去配合机器。

机器迷思并不存在，

管理人员与工人

“合力”打造了它

新京报：接下来我们聊聊一线工厂车间今天的运作机制。你在书中提到了工厂内部流行的三种“机器迷思”——机器生产必然（比人）速度更快、质量更高以及更稳定。这种迷思是如何建立起来的？

纪录片《拉西约塔的制作车间》（Ateliers de La Ciotat，1896）画面。

许怡：在谈这种迷思的形成之前，我想先分享一个很出乎意料的感受。在进入其中一家足球拼接厂以后，我其实没想到机器出现的各种故障会这么多。甚至你只要在那里待上一天就会发现很明显的问题，但如果只是临时参观几小时，可能还发现不了。有时机器操作的问题太多了，工人甚至直接就停掉了机器，恢复纯人工的操作方式，即便如此，对整个生产也几乎没有什么影响。

至于这套关于机器的迷思，我想至少工厂之外对此不那么了解的人大概都会这么认为，工厂老板更加渲染这样一套观念。以“稳定”为例，工厂老板大多担心工人情绪不稳定，加班多的时候，工人也会不满或者“闹一闹”。我观察下来，类似的担忧肯定应验过，但它是不是经常性地发生？至少我在工厂的那段时间没有发现，可是似乎只要发生过一两次，工厂老板就会以偏概全认为工人不好管。如果有心去统计比较，工人闹情绪和机器出故障的频率完全不是一个量级的，后者几乎是日常性存在的，小到耽误一两分钟的常规化报警，大到耽误数小时的零部件故障，再到因生产线设计缺陷或加工材料特性导致的长期运行不良，这些耗费的时间远远超过预想。相较而言，所谓的工人的情绪化、会怠工之类的判断实际上更多是老板的想象中的担忧，而非事实本身。

那么，工人又会怎么想？有一部分工人的确会无形中内化这样的说法，他们干着干着会觉得累，担心自己生产得不如机器快，质量不稳定，但经过几家工厂的比较，实际并非如此。

以一家足球厂为例，我发现不论是在折边、涂边胶，还是分拣工序中，工人总体都比机器效率更高、产品的不良率更低。由于实际生产中，机器本身无法识别不良产品，它们的不良率并没有被完全统计，而且后续如果没有分拣工人质检，不良品还会被传送到下一道工序，影响后续的产品合格率。有了这样的经验后，很多一线工人其实会更早对这套迷思祛魅。

新京报：的确，在这本书中我也留意到其实常有工人反馈机器会出问题，出了问题就需要工人来“补锅”。这对于所谓的“机器霸权”而言是非常直接的冲击。但为什么这样的声音在具体的生产线运作管理上也收效甚微？

许怡：工人在整个生产过程中其实是没有自主性和话语权的，大多时候只能顺从于管理层的安排，只要这样的安排没有损害他们基本的权益。更何况在实际生产过程中，管理层还会通过一系列方法去反复巩固机器在生产中的中心地位。有些管理者称工人以前使用的生产方式是“土方法”“不够科学”，但其实这里面的界限本身是很模糊的，所谓的“科学”方法不过是将熟练工在生产中积累的经验转移到机器上，以此改良机器罢了。

部分管理层还会将工人的工资和机器生产的效率更深捆绑，采用综合计时计件制，设定标准工时和基础产量，超出的部分以绩效奖励。这样的方式乍一看是在鼓励多劳多得，但实际目的是弥补和掩盖机器生产带来的问题，让工人无形中成为整个机器系统生产线的“补锅者”，甚至是“背锅者”。实行这样的工资方案后，有些工厂后续甚至出现了一线工人因压力大而拒绝晋升的问题。

除此以外，我想其中最根本的原因还是今天的很多工厂中缺乏工人群体的组织基础和代表机制，没有能够去真正组织讨论技术给工人真正带来的影响是什么，又可以采取怎样的集体性的应对办法。作为个体的工人，很多时候只能去保证自己的工作不受影响，但这些不会转化成集体的议价能力，最终只能通过个人的出走来解决，对技术改造的方向和方式无法产生任何实质性的影响。

新京报：你在书中提到，工人对待机器的态度不仅与其所处人生阶段和处境有关，更重要的是是否得到了意识上的启蒙。这些（联合与反抗）在新技术持续发展的今天是不是在变得越来越困难？例如孙萍在外卖骑手研究中提到，数字化语境下生产工具（如算法）不再掌握在工人手中，它既无法被砸烂，也无法被夺走；吴桐雨在研究程序员行业时也发现，昔日曾发挥很大影响力的工会在科技行业似乎不太成立了。

许怡：在制造业中，尤其是在机器被如此广泛应用之前，我们还是能够听到一些工人的集体行动的。这也是在类似的劳动密集型产业中，工人们所能采取的最有效改善劳动权益的做法。但当工人曾经赖以生存的技能开始变得冗余，甚至工厂老板觉得可有可无时，工人们之间的联结也会变得没那么有力了。但正像法国思想家福柯提出的那样，反抗应该是作为一种系谱学而存在。在这样的视角下，罢工是反抗，旷工、怠工、小偷小摸，以及工人之间共享的抱怨和调侃也都是反抗。即便这些很多时候都不会转化为公开的行动，也很容易被管理层逐个击破，但至少这种反抗意识的出现或许是未来某种集体行动的前奏。

另一方面，我们也会发现有些矛盾的是，如果说工厂老板把工人视作一种累赘或负担，只要可以用机器代替就直接代替，这样的观念势必也会反噬自身。实际生产中很多工作的确是没有人不行，需要人去维持整个生产流程的持续运转。久而久之他们就会遇到之前提到的那种困境，不仅是基层管理岗位无人可用，就连一线生产的岗位也会出现极高的流动率。

从机器臂到AI大模型，

技术正将所有人带到历史的交汇点

新京报：在进入社会学这个领域之前，你是新闻专业出身。后来为什么会去研究劳工这个议题？

许怡：最初我其实关注的是农民工这个群体，当时可能更多是出于某种社会情怀吧，觉得这个群体做的工作最苦最累，但又遭受各种不太公平的待遇，包括这批工人在城市中所面临的居住条件，以及大多数农民工都会经历与家人的分居。但做到后面我发现，其实工作和劳动这个议题和每个人都是息息相关的，甚至包括我自己在内。

虽然我是一名大学老师，但从另一个角度来看，我同时也是一名受雇的劳动者，有时我的研究甚至可以带入我自己工作的情境——我的工作实际上有没有被异化？当我们在谈论“996”时，蓝领工人的“996”开始得更早，甚至很多人是“早八晚十，两周休一天”。但当“996”开始在所谓的白领群体中扩散，大家好像才意识到这样的问题。只要我们仍然作为一种受雇的劳动者角色存在，我们的命运就具有共通性。今天回看，其实技术本身正将不同行业的劳动者们带到了某个历史的交汇点。

新京报：这让我想到了我们今年发生的一个变化。大概在今年上半年，我们引入了一种专门的校对软件。它的出现暂时还没有替代传统的校对老师的工作，但作为一种试点，相应的处罚机制也随之调整。

许怡：你提到的这个现象很值得琢磨，这个过程其实也是在建立一套内部的“机器意识形态”。初看好像是在帮助校对老师减少工作量，但实际上以前一个校对老师可能一天只需要校对几篇稿子，而引入这个工具后，一天校对的稿量可能翻倍，等到软件训练得足够成熟后可能就只需要保留一两个校对老师来处理所有的稿子了。

这个趋势在高校也类似。比如教务部门时而会群发邮件，提供一些AI辅助教学的工具。虽然这些并不是强制性的，但它总会让你觉得，是不是如果不去学学怎么用，不把它融入教学当中，自己就落伍了。在教学大纲的制定上，也会有专门一项关于“如何提升学生的AI素养”。

《人工智能》（Artificial Intelligence，2001）剧照。

新京报：这听起来和当年工厂推广“机器换人”并没有太大的区别……

许怡：大学教师的工作还是有一定的自主性，但我也不确定未来是不是真的会到那么一天变得像工厂那样。现在的课堂上也启用了一些AI巡课系统，会把老师讲课的声音和内容录下来，进行一些识别。尽管现在仍然是相对基础的识别，比如去看看课堂上学生的参与情况如何，以此作为评价老师教学表现的一个维度。

新京报：在你的观察中，这两年新入学的这批学生对AI的依赖程度是不是已经发生很大变化？

许怡：是的，尤其是今年开始，学生用AI完成或辅助完成作业的情况变得比较普遍了。这也给大学教育提出了一个新的挑战。如果这个作业真的是由AI生成的，那我们之前沿用的一整套考核机制都面临失效的可能，尤其是不少文科专业的考核都是以论文形式进行的。对使用AI完成的作业识别也变得越来越难，以前很多老师会觉得AI生成的作业里还是有很多比较“机械”的用语，但是现在没有那么容易看出来了。于是在实际考核中，老师们也会依据一些学生的课堂表现综合来看，比如一个学生平时经常翘课，怎么交了一篇论文竟然还不错？但这种怀疑其实也不是一个很公正的评价。学校可能也在尝试引入一种AI检测工具。

新京报：用AI检测AI？

许怡：目前还没有上线可以免费使用的系统。如果不想使用付费的检测服务，我就会把这个作业投给另外一个免费的AI模型分析，但总归也得不到一个准确的判断。而且听学生说，如果用的是一些稍微小众的AI来生成，那所谓的AI检测系统也识别不出来。

就像工厂内部对机器迷思的内化，今天的学生迫于绩点的压力，好像完成一份“漂亮”的作业就成了他们的大学教育中最重要的事情。在这个过程中，我们又该如何去培养学生的独立思考能力，这其实是老师最看重的；但在学生那端，可能结果反而更重要。最后我们培养出来的学生可能也并不具备研究能力，只是很擅长管理AI帮他们去做研究，就像工厂里的工人辅助机器去生产一样。

采写/申璐

编辑/西西 走走