表面上看，现在似乎人人都能使用各类App，人人都可以借助智能手机、移动互联网做很多事情，但是为什么面对来势迅猛的信息技术革命，多数普通人有种被远远甩在时代后面的感觉？当前高速发展的数字化、智能化新技术，根据哈佛大学法学院昂格尔（Roberto M. Unger）教授的研究，是一种“孤岛式先锋主义”（insular vanguardism）的技术形态：技术发明和创新主要局限在少数前沿领域或产业，并没有得到广泛而有效的扩散，从而也没有产生深刻变革的生产方式、释放出更大的生产能力和活力的效果。美国围绕信息技术产业发展的争论已持续多年，早在二十世纪八十年代就开始质疑刚刚兴起的信息技术：新技术引发的革新仅集中在对娱乐、信息和通信交流领域产生重大影响，却不能改变更多领域的既有生产和生活方式。1987年的诺贝尔经济学奖得主、新古典增长理论创始人罗伯特·索洛（Robert M. Solow）曾提出一个著名的“生产率悖论”——“计算机随处可见，除了在生产率统计数据里”——用以质疑IT产业。美国近二十年来生产率数据的变化可以证实索洛的观点，即伴随着全球领先的美国信息技术研发的高速发展，整个国家的制造业实体产业的生产率增速却显著下降：2004－2014年，美国全要素生产率年均增长率为0.4%，是1890年之后的历史最低；2005－2016年，美国总劳动生产率年均增长1.3%，不到此前十年（1995－2004年）年均增长率2.8%的一半。如果认为导致生产率增速下降的原因主要是美国制造业外迁的政策和实践，那么，美国劳动统计局的一项数据就更能直接显示信息技术至少对制造业实体产业提高生产率的帮助不大：1989－2000年间美国制造业生产率年均增长为4.1%，而在2007－2014年，吸收了信息技术革命收益的制造业生产率则下降到年均增长1.7%。经济学家罗伯特·戈登（Robert J. Gordon）用更系统的研究解释了生产率增速的变化情况。他首先指出，信息技术大规模进入生产和生活领域，曾经一度提升了各个领域的工作效率，但是与改变了世界各地生产和生活方式所有主要方面的第二次工业革命相比，当前的信息技术革命的影响范围和深度都极为有限。
例如到目前为止，智能手机在办公室主要用于个人活动；电子商务在整个经济中所占比例较低；数字技术与金融业和银行业的结合没有减少企业对财务会计等专业人士的依赖，也没有抵消银行实体网点扩张的意愿——用戈登教授的原话说，“上文讨论的每个部门（办公、零售、金融、银行）都在20世纪80年代和90年代发生了根本性和革命性的变化。只是在过去10年，计算机硬件、软件和业务方法僵化为一套缓慢变化的惯例。”新技术为何会有“孤岛式先锋主义”的特性？众所周知，新技术浪潮的先行者——PayPal的创始人、Facebook的首个外部投资人彼得·蒂尔（Peter Thiel）——曾提出一个著名的批评：“我们想要一辆会飞的汽车，得到的却是140个字符。”这个批评意见道出了当前信息技术发展形态的症结：在很大程度上，目前盛行的信息技术研发和技术创新是以某种僵化区分了“智力劳动”与“体力劳动”的理念为核心；信息技术发展的主导方向依然掌握在技术精英手中，包括广大制造业实体产业的劳动人群在内的普通人的生产实践经验和生活实践经验无法融入其中。总而言之，信息技术的进步过程目前是与普通人群的劳动实践及日常需求相脱节的：前者是规定了社会进步方向的“先进因素”，后者必须适应前者、否则就会是被社会抛弃的“落后份子”。我们借用美国制造业衰败的实例来进一步讨论上述观点。出于二战后与苏联科技竞争的需要，美国催生出国防部机构领导的信息技术革命。例如，在苏联1957年发射人类第一颗人造卫星后，美国成立国防高级研究计划署，资助各个大学和科研机构的科学家自由从事科学研究和成果转化，还出资设立计算机科学部，为初创企业提供早期研究支持，推动半导体研究和人机互动研究，促成因特网的早期研发。但是，信息技术革命的侧重点在于生产新一代产品，而不是提升美国制造的竞争力。于是，在70年代后期至80年代早期，美国社会就出现“高科技所创造的新就业机会远远低于制造业所失去的就业机会”的强烈批评；正是由于错误地认为科技创新的收益可以补偿制造业实体产业停滞或转移到海外的损失，美国的产业政策才着重聚焦于支持高科技和信息技术发展；进入21世纪，美国本土制造业的衰败已经显现出难以挽回的颓势：在就业上，从1965年至2000年，美国制造业就业人数大致保持在1700万，而在2000年至2010年，制造业就业人数骤降近三分之一，纺织业和家具业等容易受全球化影响的低附加值部门，更是分别损失了70%和50%的工作岗位；就投资而言，截至2012年，自20世纪80年代以来整体商业投资占GDP的比重下降了3%，在2000-2013年，约有64000家制造业工厂关闭，之后只得到少量的恢复；在产出上，2000-2007年，美国制造业产出年增长率仅为0.5%，2007-2014年的年增长率为零，金融危机期间，2007-2009年的制造业产出大幅下降10.3%，进入美国60年来速度最慢的经济复苏时期。脱离制造业生产实践的科技创新的大力发展，对美国工业基础的普遍削弱没有带来正面帮助，反而使其国内无力跻身高新科技、高端服务等行业的普通家庭难以分享信息技术革命红利，由此在近年引发大规模的民粹主义情绪、逆全球化浪潮和反对一切技术进步的新鲁德主义（Neo-Luddism）运动。在参与了全球价值链形成的发展中国家，新技术与劳动实践和生活实践脱节从而产生“孤岛式先锋主义”特性的效应，同样已导致其国内不平等状况的恶化。如国际经济学家丹尼·罗德里克（Dani Rodirik）研究指出，在参与全球价值链形成的发展中国家和地区，随着新技术驱动产业发展和出口的效应日益明显，全球价值链既没有扩大就业，也没有促成与出口相关的技术和组织效益在整个经济中扩散，相反由于新技术节约劳动力和节省资源的作用，削弱了这些国家和地区在非技能劳动力方面的传统比较优势。无论如何，僵化分隔“智力劳动”与“体力劳动”的技术发展理念，是产生新技术的“孤岛式先锋主义”特性的根源。在这一理念下，劳动生产实践和日常生活需求中的知识积累，得不到提炼、助长和发展的机会；而难以与更广泛的生产、生活场景相融合的新技术，其创造和应用则有更加损害劳动者创造热情的危险，可能导致严重的发展不平衡，激化社会分裂。从第一次工业革命开始，有关机器（所谓“智力劳动”的成果）对工人等劳动人群（所谓“体力劳动”的载体）形成挤压的反思就不断涌现。在诸种意见中，马克思在《资本论》第一卷中的严厉批判，是最为有力的声音：“生产过程的智力同体力劳动相分离，智力转化为资本支配劳动的权力，是在以机器为基础的大工业中完成的。科学、巨大的自然力、社会的群众性劳动都体现在机器体系中，并同机器体系一道构成‘主人’的权力”。马克思主张，应当通过工人阶级占有物质生产资料，以此实现“物质生产资料的社会使用”，使工人阶级真正成为生产过程的主人。
不过，上述认识虽然极富理论洞察力，然而却很容易被片面理解为：可以完全抛开对技术路线施加调整的可能性，通过毕其功于一役的革命性颠覆手段——如彻底改变所有制结构——解决劳动者受机器/资本支配的问题。
其实，无论生产资料的所有权状况如何，能否使技术创新、科学研究与劳动生产实践和生活实践紧密结合，紧要工作依然是保障广大劳动人群和普通个人能自主参与技术进步过程。换句话说，仅考虑所有制问题，无助于消除将“智力劳动”与“体力劳动”僵化分隔的技术发展理念。
譬如，大面积实施国有制的苏联，践行的技术发展路线主要以满足重工业发展计划和高精尖科研目标设定为宗旨，造成了科学研究、技术发明、生产过程、生活需要等几个领域的严重脱节，科技进步的巨大成就无法体现到经济社会的日常发展中去；而私有制为主的美国在一战之后着重强调在“创新前端”加大投入和扶持，形成科技研发领域的突飞猛进，催生如硅谷那样的世界创新高地，但是却造成科技创新在金融制度、风险投资机制、知识产权保护体制等制度条件的共同作用下日益“自说自话”，与制造业、化石燃料能源、电网、医疗保健服务系统、高速公路密集型运输和投入密集型农业等传统经济部门的发展需求完全不相关。在近年，美国联邦政府实施“重塑制造业”，政策构想之中的一项最重要的举措就是如何“让其研发机构把先进制造业纳入它的研究组合”。
在更大范围讲，面对技术进步，人类始终有乐观主义和悲观主义两种不同态度，但是，这两种表面上看似乎截然对立的态度中却潜藏某种共同的盲点，经常未能得到辨识：无论乐观或是悲观，对技术的认识都有可能只是从技术外部静态地看待技术，未能努力去打开技术进步这个“黑匣子”，考虑在既定环境下是否存在着不同的技术路线，能产生不同的应用前景和社会政治后果。
打开技术进步的“黑匣子”，是要求从影响技术发展方向的各种社会因素的角度去看待技术进步，而不把技术进步仅仅视为科学技术原理应用的既定结果，如同麻省理工学院技术史学家戴维·诺布尔（David F. Noble）深刻强调的，“技术发展过程本质上是一种社会过程，而这种社会过程很大程度上隐含着不确定性和自由。在能源和物质的现实约束条件之上，还存在着一个领域，其中人类的思想和行动具有决定性。在那里，技术并非必要条件。它仅仅存在于人们从中做出选择的可能范围之内。”
既有技术路线既然已经确定了技术、资本与劳动生产实践和日常生活经验之间的关系，已经构设出了“智力劳动”相对于“体力劳动”不可逾越的等级优势，在既有技术路线下，包括广大劳动人群在内的普通人就难以有效自主参与技术进步过程的机会；那么，探索能改变这种僵化的劳动分工和等级关系、促进有利于普惠式发展的新技术路线，便是无可回避的选择。
让我们的讨论回到当前的信息技术革命。人工智能的技术发展，在近年已从显性编程进步到机器学习方法（即一种无需通过显性编程即可使计算机和算法从海量数据中学习、预测和执行任务的统计技术）和所谓的“深度学习”（即使用如神经网络等多层程序来改进机器学习、统计推理和优化的算法），人工智能替代人从事重复性的、可计算性的工作的能力达到史无前例的高度。如何使这个领域的技术发明能够更好地服务于而不是贬低劳动人群及其他普通人的生产实践经验和生活实践经验？
麻省理工学院明星经济学家达伦·阿西莫格鲁（Daron Acemoglu）及其合作者，在近期发起有关“错误类型的人工智能”的讨论，提出了对主流人工智能技术路线——偏向自动化方向的人工智能发展路线——的警告：目前主流的人工智能技术变革倾向于在自动化方向上发展，让更廉价的资本（凝聚成机器）取代一系列原来由人类完成的工作，又没有显著的生产率增长来提高对劳动力的需求，由此可能对收入不平等和社会凝聚力产生灾难性的后果。阿西莫格鲁等用他们的实证研究证明了上述危险的现实性：“我们曾经研究了最重要的自动化技术之一，即工业机器人的影响。工业机器人不是旨在提高劳动生产率的技术，而是设计自动化以前由生产工人在工厂里完成的任务。
有明确证据表明，引入更多工业机器人的行业经历了劳动力需求下降（尤其是生产工人）和劳动力份额大幅下降。更重要的是，更容易接触工业机器人的当地劳动力市场，如密歇根州底特律或俄亥俄州迪法恩斯，就业率和工资增长明显较低。此外，工资和就业的下降对收入分配较低部分的工人和大学学历以下的工人的影响更大，从而加剧了不平等。尽管事实上工业级数据也表明机器人提高了生产率，但所有这些都是不争的事实。”阿西莫格鲁等指出了他们希望推进的“正确的人工智能路线”：将人工智能打造成为一个用来重组生产流程，为劳动力创造更多新的、高生产率的工作机会的技术平台。
阿西莫格鲁等人的思考给予了我们坚持从技术进步这个“黑匣子”内部去看待技术进步的示范：自动化取向的人工智能技术路线与重构生产流程、提升劳动生产率的人工智能技术路线，是对同一种科学技术原理的不同应用，不同的应用方案所形成的人工智能发展方向不同，由此分别导致的经济社会政治后果也截然不同。
这种视角在有关技术与社会之关系的思考中将“人的主观能动性”（或者如昂格尔所言，人工智能无法替代的人的“拥有超越自己被编设的方法和预设的力量”的“想象力”）摆放在核心位置上。尊重人独有的自主性、不以任何技术进步的名义强行贬损普通人生产劳动实践和日常生活实践中积累的知识，这是我们强调的重构技术、资本和劳动之间关系的目标。只有保障普通人能基于其生活、生产中学习和积累的知识自主参与技术进步过程，才有可能促使信息技术承诺的先进理念扩散、融入到社会的各个领域，焕发更大的活力，更大幅度地解放生产力。
真实世界里已出现一些有助于保障个人自主性的新技术路线，可以试举一例稍加介绍并且阐明其理论意义。
众所周知，随着新信息技术应用程序越来越依赖数据，无需人工干预即可访问数据变得十分必要。这种状况在制度设计方面产生了两个截然相反的诉求：对个人来说，最有力的保护就是赋予其数据私人产权，但是这显然对大数据产业发展不利，企业更愿意实施一种鼓励数据利用和产品开发的模糊产权。
各国立法机构为发展数字经济，目前还难以进行明确的选择——欧盟《通用数据保护条例》（General Data Protection Regulation，GDPR）倾向于保护个人的数据产权，但显然对其相关产业发展不利。在这种数据产权模糊的现状下，有技术和资本优势的科技平台获得了迅速扩张的资源。譬如说，借助“应用程序编程接口”（API），服务提供商可以制作在网络上自由获取的数字产品（数据和软件等），因此API（特别是通过云计算的使用）有助于打破数据孤岛和服务分隔，实现各类平台、技术和服务之间平滑的互操作性（interoperability）。
从理论上说，“互操作性”的增强，能够为消除不同平台之间的优势差距、加强平台之间公平竞争提供帮助。但是，API这项数字技术在实践中成为帮助巨型公司控制数据、扩展规模的工具，例如Twitter的API允许开发商建立能够直接剥离Twitter信息的独立应用程序，Twitter再通过兼并和建立应用平台等手段实行纵向整合，吞并在市场上发展状况较好的应用程序（如2008年兼并Summize，2010年兼并Tweetie，2011年兼并TweetDeck），实现了规模和市场占有率的不断扩大。
近年出现一些支持数据要素流动的制度创新，如许多国家确立或认可了“个人信息可携带权”（Right to data portability），为激励个人数据的自由有序流动提供法律支持，具有打破单个平台对个人数据实施垄断的前景（比如说，可以实现用支付宝的芝麻信用积分来申请其他平台的贷款，反向亦可，从而打破各个平台对各自收集的数据的垄断使用）。
欧盟、美国、新加坡、韩国、印度等国家都已出台法律，明确规定了“个人信息可携带权”，我国的《个人信息保护法》第45条也接近于这个内容。然而，要使“个人信息可携带权”得到落实，还必须配备相应的技术手段，因为如果各个平台之间数据标准不统一、端口不能对接，则无法实现个人根据自己需要在不同平台使用自己的数据。
最近有新的大数据技术路线创新出现，令人振奋：万维网创始人提姆·博南斯·李（Tim Berners-Lee）近期开发“Solid”（社会关联数据），相较于集中存储、中央处理的主流大数据技术路线，基于分布式数据储存、自主决定利用的Solid是一种新的技术路线，其核心是在优先保护隐私的前提下共享信息，在技术上实现了：
（1）用户将个人数据存储在自由选择的“个人在线数据储存器”（pods）；
（2）在用户授予应用程序权限后，Solid认证的应用程序可以请求数据；
（3）用户可以在几个pod之间分布式分发个人信息，既保证数据安全，又防止单个开发商独占数据。
近期，已有消息指出，英国正应用Solid技术建立“开放银行”（Open Bank），促进银行业提升服务质量（而不是基于资源优势）的竞争。这个新的大数据技术路线，可以为公民个人自主决定自己的数据信息流动配备技术工具，提升个体在进一步利用大数据实现的发展中的参与能力。
总之，实践中的技术创新值得给予充分关注，通过更多激励类似Solid这样的新的技术路线切实保护个人在技术发展和应用方案中的参与权，有望以此为契机，诱使科技研发和新技术发明紧密围绕普通人的劳动生产和日常生活的具体需求和知识积累而展开，促进更多的技术革命成果真正融入人们的生活和生产实践、广泛焕发新的更大的活力。在技术与社会的关系中，包括广大普通劳动者群体在内的一般普通人应该是主人，不断进步的技术，只能是更好为主人服务的工具。
本文是国家社会科学基金项目“数字时代推进包容性增长的国家赋能理论及治理创新研究”（编号：20BZZ032）及中央高校科研项目资助的阶段性成果。