替代還是強化：生成式人工智能的勞動應用、風險挑戰與治理策略

關鍵詞：生成式人工智能；DeepSeek；勞動替代；勞動強化；勞動風險

一、引言

2024年底，DeepSeek橫空出世，再次在全球范圍內引發熱議。DeepSeek、ChatGPT等生成式人工智能都是基于自然語言處理技術的通用大模型，能夠生成高質量且連貫自然的文本內容，在一定程度上展現了人類智能獨有的跨領域應用能力。而隨著DALL-E、Midjourney等文生圖大模型以及Sora、可靈等文生視頻大模型的出現，大模型的適用范圍從自然語言擴展至視覺圖像，其所理解、認知、生成的內容越來越接近客觀的真實世界，朝著通用人工智能不斷發展。生成式人工智能在勞動領域表現出極強的適應性，能夠為人類勞動提供輔助和強化，提升人的勞動效率和勞動質量，因此逐漸在各行各業得到應用、普及。但是，生成式人工智能對人類勞動的影響是多元而復雜的，它在勞動領域的發展不僅給人類勞動帶來歷史性的機遇，也給人類勞動帶來諸多風險。張夏恒（2023）指出，生成式人工智能成為新的生產力、帶來新的生產工具、革新內容生產模式、重構勞動關系。杜博士（2024）則指出，生成式人工智能在處理速度、全自動化、智能化等方面具有獨特優勢。而生成式人工智能的存在也可能徹底取代大部分重復性或中等水平的腦力勞動，帶來前所未有的勞動風險。溫旭（2023）指出，生成式人工智能將引發更為嚴重的失業問題，使勞動者的生存狀況進一步惡化。呂健和陸宣（2023）則指出，生成式人工智能可能導致勞動者逐漸喪失自主性、工作領域縮減以及信息危害等風險。黨的二十大報告中提出“使人人都有通過勤奮勞動實現自身發展的機會”（習近平，2023）。黨的二十屆三中全會報告中則提出“完善生成式人工智能發展和管理機制”（習近平，2024）。在此背景下，DeepSeek作為生成式人工智能的主要代表和最新發展，將其作為主要研究對象，闡明其在勞動領域的應用方式及其風險挑戰，并提出有效的治理策略，使其成為推動全體人民走向共同富裕的重要技術基礎，具有重要的理論價值和實踐意義。

二、生成式人工智能的勞動領域應用

在生成式人工智能誕生之前，專用人工智能只能在程序設定好的范圍內完成特定任務，其在勞動領域的應用存在明顯局限。然而，以DeepSeek為代表的生成式人工智能，通過對政治、經濟、文化、醫學、法律、心理學等諸多領域的知識進行內容整合和關聯分析，突破專用人工智能的技術瓶頸，能夠生成全新的、跨學科的、綜合性的知識與內容，從而解決勞動領域中存在的各種復雜情境與特定問題。

（一）生成式人工智能的技術原理

DeepSeek作為生成式人工智能的典型代表，標志著人工智能技術在勞動領域的應用實現了從簡單模仿到復雜認知理解的飛躍，其應用范圍從傳統的結構化數據分析，擴展至文字、語音、圖像等非結構化內容的生成。DeepSeek通過融合符號主義、聯結主義、行為主義三大人工智能范式（張慧敏，2025），逐漸展現出與人類相似的信息處理模式，在勞動領域也表現出極強的適應性。

DeepSeek的基礎架構為MOE模型（MixtureofExperts，混合專家模型），它是多種神經網絡模型、智能算法的混合與融合，不再局限于模擬人腦的知識表征、神經網絡或自適應機制中的某一方面，而是實現三種信息處理方式的有機結合。具體而言，DeepSeek秉承符號主義范式，通過PTX組件展現出解析代碼、生成代碼、表征知識的能力，為理解并應用勞動過程中涉及的復雜知識概念奠定基礎，這使得生成式人工智能能夠在撰寫專業報告、編程開發、策略規劃等知識密集型工作中替代或輔助人類完成工作，顯著提升勞動效率。DeepSeek融入聯結主義范式，則利用Transformer模型模擬人腦神經網絡的多頭潛在注意力機制和信息處理模式，通過層級結構、動態權重調整機制及注意力機制的協同運作（張慧敏，2025），使人工智能能夠快速理解并適應勞動過程中不斷變化的環境信息，為勞動者提供實時、精準的決策支持，特別是在面對跨學科、跨領域的復雜問題時，生成式人工智能能有效彌補單一專業知識背景的局限，提升決策質量。DeepSeek還借鑒了行為主義范式，通過集成群體相對策略優化算法，運用基于人類反饋的強化學習策略，在勞動環境中能夠通過與使用者的交互，持續學習和優化其在特定工作任務中的表現。因此客服對話、技能培訓、績效評估等領域，DeepSeek實現技能的動態迭代與更新，幫助勞動者適應快速變化的市場需求。

總之，通過融合符號主義、聯結主義、行為主義三大范式，DeepSeek構建出一個基于Transformer架構的預訓練混合模型，使其運行機制更接近人類大腦的工作原理。在勞動領域，生成式人工智能不僅能夠處理和解析勞動過程中海量、復雜的異構信息，還能結合情境感知進行自然語言理解，洞察語言背后的工作意圖，甚至能隨著勞動過程的動態調整輸出內容，實現認知的迭代與完善。這些特性展現了生成式人工智能在勞動領域的通用化趨勢及其在未來勞動實踐中的無限潛力。

（二）生成式人工智能的勞動應用機理

勞動，作為人類特有且區別于動物的復雜活動形式，其本質是一種客觀的對象性活動，即“人以自身的活動來中介、調整和控制人和自然之間的物質變換的過程”。（馬克思，1867）。無論是物質性勞動還是非物質性勞動，都需要人類對勞動的復雜場景進行分析，這正是智能存在的必要性。正如馬克思（1867）所說，“單個人如果不在自己的頭腦的支配下使自己的肌肉活動起來，就不能對自然發生作用”。這一論述揭示了人類大腦在場景適應、任務分解與綜合決策等方面的作用，凸顯了人腦在勞動過程中的不可替代性。而生成式人工智能作為通用人工智能雛形，在這些方面也展現出與人類大腦相似的通用性和適應性。

在場景適應方面，人類大腦通過注意力控制和認知資源分配機制，在勞動過程中迅速適應新任務需求和復雜場景變化。正如科爾布（Kolb，1984）的經驗學習理論所說，個體通過直接經驗或間接經驗進行反思學習并獲得新的勞動技能，使其適應復雜且多樣的情境。生成式人工智能DeepSeek的運行邏輯亦是如此，它通過海量數據對混合算法進行訓練，獲得與人類相似的、能夠遷移的認知能力和智力技能。因此，DeepSeek能夠基于少量的上下文信息快速理解任務要求，并通過處理視覺、聽覺、空間等具身性的多模態信息（魏鈺明等，2025），有效應對勞動場景的復雜情況。

在任務分解方面，人腦具備高級認知功能，能夠在勞動過程中對復雜任務進行有效分解和有序處理。巴德利（Baddeley，1992）的工作記憶模型揭示了人腦如何在有限的注意力資源約束下，同時處理并存儲多項任務信息，并依據任務的緊急性和重要性進行優先級排序。生成式人工智能同樣展現出與人腦類似的漸進式思維模式，它通過對勞動任務的背景信息進行理解和分析，將復雜任務分解為更容易分析和解決的子任務，并據此提出專業化、漸進式的解決方案。

在綜合決策方面，人腦運用邏輯推理、信息分析和經驗提取等多種認知策略。根據西蒙（Simon，1955）的有限理性理論，人類在面對復雜決策時，往往會采用啟發式方法尋找可行解決方案，這要求個體具備跨學科、綜合性分析能力。例如，工程師在設計復雜系統時，需要綜合考慮成本、效率和可行性等多方面因素，涉及數學、物理、管理學等學科知識。傳統人工智能難以勝任此類復合型決策任務，而DeepSeek在勞動過程中展現出類似人類的決策方式，它能夠基于數據庫中各學科領域已有的理論、數據或政策，對新任務進行關聯思考和綜合分析，進而提供具有實踐價值的解決方案。

綜上所述，生成式人工智能在勞動過程中的場景適應、任務分解與綜合決策等關鍵環節，已展現出與人類大腦高度相似的分析能力與應對能力，成為推動勞動智能化的重要力量。盡管目前生成式人工智能的能力仍受到算力獲取與數據規模的限制，也與人類的自然認知和學習過程存在本質差異，但隨著技術進步帶來的算力提升與數據積累，其在勞動領域的應用前景仍然是極為廣闊的。

（三）生成式人工智能的勞動應用效應

以DeepSeek為代表的生成式人工智能，憑借其在勞動過程中展現的場景適應、任務分解及綜合決策能力，已經廣泛滲透至人類勞動的諸多領域。然而，生成式人工智能對人類勞動的具體影響，并非單一的替代或增強作用，而是呈現出一種復雜的雙重效應，既有可能引發勞動替代效應，也可能帶來勞動強化效應。這種雙重性取決于生成式人工智能的應用情境、任務性質以及人類勞動者與之互動的方式，具有高度的復雜性。

DeepSeek在不同行業中展現出復雜的勞動應用效應。這種復雜性源于不同行業具有不同的業務屬性、工作流程與知識體系，其任務層次的高低和現實環境也處于動態變化之中。具體而言，DeepSeek在制造業、服務業、創意產業乃至專業服務等不同行業的應用中呈現出多樣性的特征。在高度規則化、流程化的制造業場景中，DeepSeek憑借其強大的自動化和規模化能力，實現對大量常規性、重復性勞動的替代，顯著提升生產效率，降低人力成本。其精準無誤地執行和快速響應，使原本由人工承擔的大量機械化作業被高效地轉移到人工智能系統，體現勞動替代效應。正如馬克思（1857-1858）所說，“工人不再是生產過程的主要當事者，而是站在生產過程的旁邊”。然而，在以創新和人際溝通為核心的服務業領域，DeepSeek的角色則轉變為賦能工具，用于強化人類工作者的效能。例如，它可以通過提供精準的數據分析、趨勢預測等支持，為決策制定提供科學依據，提升服務質量與客戶滿意度（Casadeietal.，2022）。在此類環境中，DeepSeek并未取代人類的專業判斷和人際互動，而是作為輔助手段，增強人類在復雜決策、個性化服務和情感交流等方面的能力，展現勞動強化效應。

DeepSeek在同一行業不同層次的勞動任務中也展現出復雜的雙重效應。對于數據錄入、基礎分析、初級客戶服務等低層次任務，DeepSeek憑借其精準高效的特點，能夠無縫替代人工操作，直接釋放人力資源，發揮勞動替代效應。而當此類任務被DeepSeek接管后，勞動者能夠將時間與精力投入更具創新性、戰略性及高價值創造的高層次任務中。在法律咨詢、醫療診斷、高級編程等高度依賴專業知識與豐富經驗的領域，DeepSeek也往往被用于處理常規的、模式化問題。在面對復雜問題時，DeepSeek無法完全取代人類專家深厚的行業洞察、敏銳的直覺、獨特的判斷力以及創新思維，主要起到輔助性的勞動強化作用。在銷售、心理咨詢、教育等高度依賴人際互動和情感理解的職業中，DeepSeek能夠通過自然語言處理和情緒識別技術提供一定的支持，其在深度共情、復雜人際談判以及建立深層次信任關系等方面存在的局限性，決定了其主要起到輔助和增強作用。

總之，現實勞動環境中的市場條件、客戶需求和技術進步等因素構成了一種持續動態的社會背景，它們不斷調整著DeepSeek的應用場景。這些動態變化使得勞動替代效應與勞動強化效應在不同的情境中交織并存，共同構成了一個復雜且動態的社會勞動系統。而理解和把握這一系統的運作機制，對于合理應用DeepSeek、促進人類社會發展至關重要。

三、生成式人工智能的勞動替代風險

在現代社會，生成式人工智能正以前所未有的廣度和深度滲透到各行各業，對重復性高、規則性強的勞動工作形成替代，重塑著人類社會的工作方式、勞動力結構乃至整體經濟秩序，推動著人類社會勞動生產力的發展。然而，這種革命性的進步并非沒有代價，生成式人工智能也帶來技能喪失、智能鴻溝、技術性失業等勞動替代風險。

（一）技能喪失風險

技能喪失風險是指在智能化技術廣泛應用的背景下，勞動者由于過度依賴智能工具，逐漸喪失或退化關鍵性勞動技能的現象。這一風險的成因在于智能工具承擔了大量重復性、基礎性的勞動任務，不僅擠壓了人類原有的勞動空間，更削弱了勞動者通過實踐鍛煉和積累勞動技能的機會。以計算器的普及為例，其便捷性使許多人不再主動運用人腦的計算能力，部分個體甚至無法獨立完成簡單的加減運算。同樣，隨著機器自動化生產的普及，工人操作工具加工零件的傳統手工技藝被取代，工人的手工藝技能逐漸消失。正如馬克思（1867）所說，“使用勞動工具的技巧，也同勞動工具一起，從工人身上轉到了機器上面”。這一趨勢在現代社會更為顯著，尤其是隨著生成式人工智能DeepSeek的崛起，翻譯、設計、編程等復雜勞動技能正逐漸向機器轉移，人類的角色逐漸轉變為智能工具的操作者而非技能的掌握者。布林約爾森等（BrynjolfssonandMcAfee，2014）的研究也進一步證實，人工智能的應用可能導致人類在特定領域內技能的退化或喪失。例如，過度依賴AI翻譯可能導致人類逐漸喪失對外語詞匯的記憶和對語法結構理解，進而影響人類的語言翻譯及跨文化交流能力。

技能喪失對人類創造能力的負面影響也不容忽視。人的創造能力往往源于實踐經驗的積累和對工作內容的深度理解。當人工智能大量承擔基礎性勞動任務，人類可能會因失去直接參與勞動的機會，對勞動具體內容的理解變得淺薄，在主觀上難以形成全面、系統的勞動認知，阻礙了創造力的有效發揮（Susskind，2015）。以設計行業為例，若基礎設計工作全部交由DeepSeek完成，設計師對設計理念的提煉、創意過程的把控以及對設計美學的敏感度都可能會被削弱，從而制約其創新能力的發揮。這種智能替代現象不僅可能抑制個體勞動技能的持續發展，長遠來看，還可能對相關行業的整體創造力與競爭力構成潛在威脅。

（二）智能鴻溝風險

智能鴻溝是指在獲取和應用人工智能技術方面，不同社會群體之間存在顯著差距，而能夠有效利用這一技術的個體或群體將獲得明顯的勞動優勢。這一現象在生成式人工智能ChatGPT的廣泛使用中尤為明顯。盡管ChatGPT已擁有龐大的用戶基數且周活用戶突破1億①，但由于其技術和成本門檻，未能作為一項普惠技術普及至全人類。隨著ChatGPT的不斷發展，使用者與非使用者之間的智能鴻溝恐將進一步擴大，形成嚴重的智能鴻溝風險。而DeepSeek的開源共享，則在一定程度上緩解了智能鴻溝風險的擴散。

智能鴻溝可能引發市場結構的變遷和社會不平等問題。從工業社會的發展歷程可以預見，未來社會的產業結構和經濟體系都將圍繞生成式人工智能展開。大型企業憑借資源與實力，能夠將DeepSeek應用于管理優化、服務升級、生產革新等諸多方面，從而在市場競爭中占得先機。相比之下，小型企業由于資金、技術等限制，往往難以跟上這一技術潮流，在市場競爭中處于劣勢。在勞動力市場上，高技能勞動者因其技能復雜而不易被替代，且具備較高的收入水平和技能更新能力，更易于掌握和利用DeepSeek，提升工作效率與競爭力。相反，低技能勞動者被智能技術取代的風險更高，加之經濟地位較低，接觸新技術的難度更大，失業風險進一步加劇。Brynjolfsson和McAfee（2014）的研究顯示，這種技能差距可能導致收入不平等狀況進一步惡化，加劇社會經濟分層。

智能鴻溝也影響著國際政治經濟秩序的演變。生成式人工智能作為新一代人工智能技術，對數據和計算資源有著較高的依賴。然而，全球范圍內數據與計算資源的分布極不均衡，不同國家和地區之間存在顯著的數字化差距，發達國家在相關產業中占據主導地位（孫會巖，2023）。而眾多發展中國家因缺乏必要的資源與技術條件，無法充分受益于這類新興技術，導致國際經濟差距進一步拉大。此外，發達國家還能夠借助ChatGPT等生成式人工智能的強大功能進行文化輸出與意識形態塑造，鞏固其在全球文化領域的影響力。這種不平衡的技術發展與應用格局，也使得發展中國家的聲音在海量信息中被邊緣化，面臨國際話語權被削弱的風險。

（三）技術性失業風險

技術性失業是指因技術進步導致勞動力需求減少而引發的社會性失業現象。在全球范圍內，生成式人工智能DeepSeek的迅速崛起與廣泛應用，使得技術性失業成為當前勞動市場面臨的重大威脅。DeepSeek正在逐步取代客服、內容創作、數據分析等中等技能職業，使得這些工作流程日益自動化、程序化和智能化（唐永等，2020）。目前，DeepSeek已經對翻譯、設計行業的從業者造成全面沖擊，而未來隨著技術進步，其影響范圍將進一步擴大，可能導致更多崗位消失，加劇技術性失業問題。

生成式人工智能的發展將給社會就業結構帶來深刻變革，催生新崗位、行業類別與分工模式，短期內甚至可能引發新型結構性失業。一方面，大量傳統低端崗位因人工智能的介入而消失。另一方面，社會整體就業結構向智能化、高端化轉變，金融、服務業等眾多行業的工作實質上被生成式人工智能及其背后的研發團隊所替代（唐永等，2020）。盡管圍繞生成式人工智能也會創造出大量新的產業和就業機會，包括程序員、硬件工程師和AI服務人員，但其增量遠低于消失崗位的數量，導致人類社會對勞動力的總體需求呈現下降趨勢。

此外，面對生成式人工智能的快速應用，勞動力市場適應這一變革需要一定的時間，其間可能出現失業率攀升和經濟波動。特別是在發展中國家，教育與培訓體系相對落后、勞動力市場較為脆弱，低技能工人面臨的技能淘汰與失業風險尤為突出。以中國為例，作為人口大國和主要發展中國家，龐大的低技能勞動力群體使其勞動市場與教育培訓體系承受巨大壓力，因此中國面臨著如何有效應對技術變革、防止失業風險蔓延的社會轉型難題。

然而，技能喪失、智能鴻溝和技術性失業這三種風險并非孤立存在，它們之間也是相互關聯、相互作用的。在這三種風險中，技能喪失風險是生成式人工智能引發的最直接也是最基礎的勞動替代風險，它與智能鴻溝風險和技術性失業風險緊密相連。一方面，DeepSeek等人工智能技術的應用加速了技能更新換代的速度，加劇了技能喪失風險的擴散。而技能喪失風險的本質在于復雜勞動技能由人類向工具遷移，個體在經濟地位以及學習能力上的差異導致其使用、掌握智能工具的程度存在明顯差異，從而形成明顯的智能鴻溝。因此，技能喪失的程度和速度會進一步加大智能鴻溝，使有能力適應新技術的群體與無法適應的群體之間的差距不斷擴大。另一方面，技能喪失導致部分勞動者失去原有工作崗位，增加了技術性失業的可能性。此外，智能鴻溝風險也與技術性失業風險相互交織。智能鴻溝的存在使低技能勞動者面臨更高的失業風險，從而加劇技術性失業問題。與此同時，技術性失業現象也可能加劇智能鴻溝，生成式人工智能的使用成本高昂，GPT4.0的費用高達20美元/月，而失業者在經濟壓力下則更難獲得提升相應技能所需的資源和費用。此外，隨著多種社會因素的交織影響，這三種風險甚至可能相互抵消或疊加，引發更為復雜的、復合型的勞動風險。

四、生成式人工智能的勞動強化風險

在勞動數字化轉型的時代背景下，生成式人工智能以其卓越的信息處理能力、創新潛力和跨領域知識應用能力，正日益成為推動生產力躍升的關鍵驅動力。然而，隨著生成式人工智能對人類勞動過程的深度介入、優化乃至重塑，人類在使用該技術時也面臨著智能依賴、勞動誤導、勞動缺場等勞動強化風險。

（一）智能依賴風險

智能依賴是指人類在勞動過程中過度依賴DeepSeek等生成式人工智能，其潛在的負面效應構成了智能依賴風險。隨著DeepSeek在數據分析、輔助決策等領域的廣泛應用，智能輔助系統已深度融入勞動過程，扮演著“第二大腦”的關鍵角色。特別是在勞動內容日益復雜化的數字時代，人類為了保持高效的工作效率和高質量的工作成果，對生成式人工智能的依賴程度也在不斷加深。

一方面，人類對DeepSeek等生成式人工智能的過度依賴，可能削弱自身在勞動中的思維能力與決策能力。在常規工作情境下，人類通過AI輔助簡化任務處理流程，然而，當勞動者面臨如斷電、斷網等突發情況，或置身于缺乏人工智能支持的環境時，就面臨著難以獨立完成以往依賴AI所進行復雜工作任務的困境。這種依賴現象在醫療領域尤為明顯，如果醫生長期依賴AI進行醫療診斷，一旦失去AI輔助，就可能面臨診斷能力下降，甚至出現誤診的風險。這種智能依賴風險不僅普遍存在于日常工作中，更在專業領域內對人類的勞動主體地位構成挑戰。

另一方面，過度依賴生成式人工智能，也可能導致人類對其產生盲目信任，忽視其內在局限性與潛在錯誤。包括DeepSeek在內的生成式人工智能，其決策模式往往受到訓練數據偏見和生成內容不穩定性的影響，從而產生有偏差或錯誤的結果（Bostrom，2014）。然而，在使用DeepSeek的過程中，用戶往往對此缺乏警覺，甚至由于習慣性依賴而忽略這些問題，這在一定程度上加劇了人類勞動中的思維惰性。這種惰性表現為對DeepSeek的過度依賴，導致人們在面對問題時傾向于沿用DeepSeek所提供的解決方案，而非主動探索或嘗試新的解決策略（Amabile，2022）。而創新本身需要人類跳出固有的思維模式、探索新的解決方案，因此智能依賴實質上抑制了人類的創造力和創新精神。

（二）勞動誤導風險

勞動誤導風險是指在應用DeepSeek等生成式人工智能的過程中，由于其輸出的決策建議、文本、圖像、視頻等內容存在偏見或問題，導致勞動者做出錯誤判斷與不當決策。這種風險在處理涉及復雜變量和特殊情境的任務時尤為突出，生成式人工智能DeepSeek提供的解決方案看似合理，但可能不完全準確或僅適用于特定情境。在這種情況下，如果勞動者缺乏相關專業知識且過度依賴DeepSeek生成的方案，就可能在勞動過程中出現不當決策。特別是在醫療診斷、交通管理等高風險、低容錯率的領域，未經人工復核就完全依賴生成式人工智能，一旦決策錯誤可能造成極為嚴重的后果。

生成式人工智能在內容生成尤其是圖像和視頻合成方面的技術進步，進一步加劇了勞動誤導風險的擴散。DeepSeek等生成式人工智能簡化了深度偽造的使用流程，降低了其使用門檻和制作成本，使普通用戶也能利用DeepSeek生成具有一定邏輯性、難以辨識的虛假信息和內容。然而，勞動者在自身專業知識領域之外，往往缺乏足夠的知識儲備和信息甄別能力，容易受到虛假信息誤導，進而做出錯誤判斷。這種風險在新聞采編、政策分析等信息密集型勞動中尤為顯著，錯誤信息的傳播可能導致社會輿論的誤導和公共決策的失誤。

生成式人工智能還可能復制并放大其訓練數據中固有的社會偏見，在勞動領域造成歧視性誤導。數據作為人類主觀知識對客觀實體的表述，天然帶有創作者的主觀傾向。DeepSeek的算法是在這樣的數據集上訓練而成的，因此不可避免地繼承了其中蘊含的性別歧視、就業歧視等社會偏見。這也意味著DeepSeek等生成式人工智能并不能超越人類社會本身的局限性，其在決策領域所制定的工作方案或勞動策略可能存在偏差。若人類未經辨別便采納這些有偏見的決策建議，將進一步加劇社會歧視問題。

（三）勞動缺場風險

勞動缺場是指隨著DeepSeek等生成式人工智能廣泛應用，人類逐漸退出實際操作的勞動場景，呈現間接勞動、身體缺場的狀態。勞動缺場風險則是此種情況下可能引發的人類身體或心靈層面的不適。當智能系統承擔大量工作，DeepSeek等生成式人工智能在勞動中的重要性日益凸顯，人類在工作過程中直接體驗到的參與感和滿足感反而隨之減少。DeepSeek的廣泛應用使個體和群體在勞動中獲得的滿足感和幸福感降低，進而引發普遍性的自我認同危機，從而帶來逃避勞動、否定自我的技術異化新問題。

從社會心理學的角度來看，勞動不僅是生產和創造價值的過程，也是個體與社會互動、表達自我的重要方式。因此，隨著DeepSeek等生成式人工智能逐漸取代人類勞動力，個體在勞動過程中的主體地位被削弱，甚至處于越來越邊緣化的地位，導致職業認同感下降和心理疏離感增強，進而產生對自身勞動價值和社會價值的深度懷疑，引發自我認同危機。這種由生成式人工智能引發的技術異化問題，不僅影響著個體的心理健康狀況，還可能對社會凝聚力和穩定性的形成構成挑戰。

生成式人工智能的應用還導致人際交往的減少，帶來情感疏離與情感異化問題。隨著DeepSeek等生成式人工智能的廣泛應用，人與人之間的直接溝通與協作日漸稀少，不僅影響著人與人之間勞動合作的效率與質量，也可能阻礙勞動的社會化進程及人類社交技能的發展。特別是在教育、護理等高度依賴人際交往與協作的勞動領域，這種風險尤為顯著。盡管DeepSeek能夠依據數據進行精準分析，在工作決策方面比老師、護士表現得更好，但在理解和回應學生情感需求、安撫病人情緒等方面，DeepSeek無法替代人類的同理心與情感交流。因此，DeepSeek的普遍應用可能導致社會情感交往的疏離與異化。

同時，智能依賴、勞動誤導和勞動缺場這三種勞動強化風險之間也存在著緊密聯系與遞進關系，而非簡單地相互抵消或疊加。智能依賴風險意味著勞動者對DeepSeek的過度依賴，也使其怠于對AI生成內容的辨別，更容易忽視AI的錯誤而接受其提供的建議或決策，從而增加了勞動誤導風險出現的概率。DeepSeek帶來的勞動誤導也可能使勞動者在工作中感到挫敗感和無力感，加深心理疏離感和情感異化，使其逃避直接性的勞動活動，進一步加劇勞動缺場風險。勞動缺場風險又強化著智能依賴和勞動誤導。當個體在勞動中體驗到主體地位缺失、職業認同感下降時，可能傾向于依賴DeepSeek來減輕工作壓力，依賴DeepSeek進行決策，而這又可能增加接受誤導信息的可能性。總之，這三種勞動強化風險相互交織、相互影響，共同構成了生成式人工智能對勞動影響的復雜圖景。

五、生成式人工智能的勞動治理策略

DeepSeek等生成式人工智能的飛速發展與廣泛應用，改變了傳統的勞動分工，提升了生產效率，還引發了關于勞動強度、工作穩定性、技能需求以及勞動關系等一系列復雜的社會轉型問題。因此，如何從技術與社會相適應的角度，針對生成式人工智能引發的勞動風險挑戰，構建適應性、前瞻性和包容性的勞動治理策略顯得尤為重要。

（一）制定生成式人工智能的勞動法規

在應對生成式人工智能DeepSeek所帶來的挑戰與風險時，構建一套針對性的勞動法規框架至關重要。該議題已在全球范圍內引發各國政府的高度關注，并推動相關政策出臺。例如，美國商務部已就ChatGPT等人工智能技術的問責措施啟動公開咨詢程序，歐盟成員國如法國、西班牙、意大利嚴格遵守GDPR（GeneralDataProtectionRegulation，《通用數據保護條例》），對ChatGPT等大型模型可能引發的數據隱私風險施以嚴格監管。中國已先行一步，頒布并執行《生成式人工智能服務管理暫行辦法》，初步構建了此類技術應用的規范體系。然而，當前的規范多聚焦于技術層面，對生成式人工智能在勞動場景的具體應用缺乏深度規范。因此，有必要在理解和適應DeepSeek等新技術特性基礎上，構建專門針對其勞動應用的法律法規，并隨技術演進而持續修訂完善。

法律規范作為生成式人工智能發展的基礎，其核心在于確保技術應用的合法性。由于DeepSeek能夠對互聯網已有文本資源進行再加工，其生成物的版權歸屬以及是否侵犯他人版權往往難以確定。因此，需要出臺相應的法律規范，明確DeepSeek生成內容的版權歸屬規則。一方面，對于DeepSeek輔助或獨立完成的研發成果，立法應明確規定其知識產權歸屬。可以利用區塊鏈技術，為DeepSeek生成的內容創建智能合約，自動記錄生成作品的時間戳、使用數據源、涉及的算法模型及人工干預詳情，以此確定人工智能生成物的版權貢獻度，并建立相應的版權法規。也可以基于各參與方對成果的貢獻程度進行權利劃分，配套設置必要的信息披露、標記與許可制度，確保所有相關利益方的權益得到公正維護（宋偉鋒，2023）。另一方面，立法也需要平衡創新激勵與版權保護，防止對人工智能技術的合法應用施加過度限制。針對DeepSeek生成內容侵犯他人版權的判定，應引入“合理使用”原則，明確界定何種情境下的再創作或使用可視為對原作的合法借鑒，而非侵權行為。可以采用AI生成內容的開放許可協議，如知識共享（CreativeCommons）框架，允許DeepSeek的所有者或使用者在保留一定控制權的同時，明確作品的使用、分享和改編條件，促進知識共享與技術創新，同時也為潛在使用者提供了明確的法律指導。

DeepSeek生成內容的過程本質上是數據的重組、擬合，其生成的內容往往具有隨機性和不穩定性。因此，應通過法律規范明確DeepSeek在勞動過程中的使用邊界和責任界定，確定在DeepSeek造成決策錯誤、勞動成果缺陷或損失等情況下，責任應歸屬于系統開發者、所有者、使用者、監督者抑或是勞動者本人。若系統存在已知的技術缺陷，責任可能歸咎于開發者；若勞動者完全依賴AI決策而未進行必要的人工復核，則勞動者可能承擔部分責任。應根據具體情況設定連帶責任、過錯責任或嚴格責任，確保責任鏈條清晰。企業在引入生成式人工智能前，也須進行全面的風險評估和模擬測試，識別可能引發的勞動關系沖突、安全風險、技能替代等問題，并通過反饋循環優化模型減少錯誤和偏見，制定相應的預防與應對策略，以有效管控風險。

（二）建立生成式人工智能的倫理規范

在推動生成式人工智能DeepSeek的發展過程中，建立倫理規范顯得尤為重要，這是確保技術應用符合社會責任的基石。DeepSeek的技術邏輯雖然公開，但“算法黑箱”所潛藏的風險仍難以預測。因此，需要政府制定一套普遍適用的技術倫理規范，以確保生成式人工智能DeepSeek在勞動領域的可信度與適用性。這些倫理準則需涵蓋可解釋性、公平性、自主性等多個維度，以平衡技術發展與社會公正之間的關系。

DeepSeek的勞動應用應堅持可解釋性原則。作為倫理規范的重要組成部分，生成式人工智能系統在勞動應用中必須具備必要的透明度與可解釋性。這意味著算法決策的過程應可追溯、結果應可理解，勞動者不僅有權了解算法的技術原理和價值導向，影響其工作評價的關鍵決策因素也應適當公開，并可以受到合理質疑，并建立人工復核機制。企業應定期發布AI透明度報告，包括使用的數據類型、算法模型調整情況及影響決策的關鍵因素，同時公開內部復核和外部審計的結果。通過強制披露關鍵算法信息、提供易于理解的決策解釋界面以及設立獨立的申訴機制，確保生成式人工智能DeepSeek的運作符合社會公眾的期待，增強勞動者對技術的信任與接受度。

DeepSeek的勞動應用應堅持公平性原則。DeepSeek在招聘、晉升、薪酬決策等勞動環節的應用中，必須堅守公平與非歧視原則。立法與監管機構應要求技術提供商和企業確保算法設計與實施過程中無性別、種族、年齡、殘疾等敏感因素的歧視性傾向，通過定期算法審計、公平性測試及糾偏機制，有效防止算法偏見對勞動者權益的潛在損害。企業應公開承諾并踐行無歧視原則，確保DeepSeek在人力資源管理中的決策公正透明，并通過周期性的第三方專業審計，對企業使用算法的歧視性情況進行監督，提供糾正措施建議并跟蹤改進效果。

DeepSeek的勞動應用應堅持自主性原則。尊重勞動者在使用DeepSeek過程中的自主選擇權與決定權，允許勞動者選擇是否啟用AI參與特定任務、設置推薦內容的優先級或偏好，保障工作自主性和靈活性，避免過度自動化導致勞動過程異化，影響勞動者的職業認同與工作滿意度。企業應在設計與部署生成式人工智能DeepSeek時充分考慮勞動者的需求、感受和意見，賦予其對技術應用方式、工作流程調整的參與權與反饋渠道，保障勞動者在人機交互中的主體地位。同時，鼓勵企業充分參考勞動者、管理層和技術專家等多方建議，建立靈活的工作模式與合理的績效評價體系，確保DeepSeek的應用既能提高效率，也充分尊重并保護勞動者的尊嚴。

（三）引導勞動市場適應生成式人工智能

隨著生成式人工智能的高速發展，個體勞動力和勞動市場都面臨前所未有的勞動風險，人類個體、群體都不得不面對DeepSeek對勞動市場造成的沖擊。因此，政府也應從個體勞動力的適應和勞動市場的整體調整兩方面出發，通過多維度的適應策略，應對生成式人工智能帶來的挑戰，確保勞動市場的健康發展和人類社會的整體穩定。

從個體勞動力的適應政策出發，需要提升勞動者的技術適應能力。幫助勞動者盡快掌握生成式人工智能DeepSeek對應的勞動技能。DeepSeek作為一種新興技術，具有一定使用門檻，容易對低技能勞動者和老齡人口形成技術壁壘。政府應該針對中低技能工人和老齡化的勞動者，提供相應的職業咨詢、技能再培訓和就業匹配服務，充分考慮勞動者的年齡、技能等級、教育程度和工作經驗等因素，幫助其制定個人技能提升策略，通過基礎數字技能和人工智能基礎知識的培訓，幫助其適應新技術所帶來的變化。政府在減少受DeepSeek沖擊失業人員數量的同時，還需通過整合公共就業服務資源，搭建智能化、精準化的就業信息平臺，根據勞動者的個體情況，實現與生成式人工智能相關崗位的有效對接，促進失業者的平穩轉型和再就業（呂健，2023）。政府也應通過提高失業保險的覆蓋范圍和支付水平，為因技術變革而失業的工作者提供經濟支持，確保這些工作者在轉型期間得到基本生活保障。

從勞動市場的調整政策出發，需要推動相關產業格局的重塑。面對生成式人工智能DeepSeek對行業格局的重塑，政府與企業需攜手合作，通過科學評估、整體規劃與政策引導，推動勞動市場的有序調整和傳統行業的數字化轉型。政府可以通過運用大數據分析、情景模擬等工具，動態追蹤DeepSeek對各行業勞動力需求、技能需求的演變趨勢，識別就業增長點與風險區域，為政策決策提供數據支撐。而對受DeepSeek沖擊明顯的行業，政府也應出臺稅收優惠、財政補貼、研發資助等一系列產業扶持政策，激勵企業主動進行技術改造與產業升級。同時，政府可以設立專項基金，支持關鍵技術的研發、示范項目落地以及高層次人才引育，加速DeepSeek與傳統產業的深度融合。此外，政府還應倡導企業遵循“以人為本、有序過渡”的原則，實施有計劃、分階段的技術升級與智能化改造。通過合理控制DeepSeek替代人力的進程與節奏，防止短期內出現大規模失業，為勞動市場、企業和勞動者預留適應期與轉型期。

六、結語

生成式人工智能DeepSeek作為人工智能技術的最新發展，其運行機制和信息處理能力正在逐漸接近人類認知水平。在場景適應、任務分解以及綜合決策等層面，DeepSeek展現出與人類勞動者相仿的適應性和執行力，在勞動領域引發了替代與強化的雙重效應，并帶來技能退化、智能鴻溝、技術性失業、智能依賴、勞動誤導、勞動缺場等諸多社會風險。而人類應該如何應對這些風險，從而避免被DeepSeek淘汰成為尤瓦爾·赫拉利（2017）筆下喪失勞動價值和經濟價值的“無用階級”，這是人類當下必須直面的問題。針對這一問題，美國東北大學校長約瑟夫·歐恩（2023）曾前瞻性地提出，隨著生成式人工智能的迅猛發展，尤其是其自我編程能力的形成，教育體系亟待轉向培養那些機器難以習得的能力，如“系統性思維”。這一洞見實際上揭示了未來勞動市場所面臨的根本變革，即當DeepSeek開始逐步取代人類的部分職業技能時，對人類的智力深度和創新潛能提出了前所未有的考驗。而人類必須擁抱人工智能技術發展的趨勢，適應DeepSeek的發展，學會使用DeepSeek，在DeepSeek的輔助下深刻理解復雜工作所需的專業知識與獨特技能。這樣人類社會便有望實現馬克思（1845-1846）所憧憬的自由勞動理想，即個體可以根據興趣和意愿自由選擇勞動內容，“隨自己的興趣今天干這事，明天干那事，上午打獵，下午捕魚，傍晚從事畜牧，晚飯后從事批判”。總之，面對正在到來的智能化社會浪潮，人類未來的命運將取決于自身是否能充分激發創造力，以主動適應并有效駕馭DeepSeek這一技術革命所帶來的社會變遷。