问题——随着通用人工智能技术快速突破，机器系统感知、学习、推理与决策各上能力明显增强，应用正从单一任务处理走向跨领域复杂问题的综合求解。技术进步为经济社会注入新动能的同时，也把“劳动是什么、价值从何而来、责任如何划分”等基础命题推到公共讨论前台。特别是科研创新、工业生产、公共服务等场景中，智能系统不再只是辅助工具，而越来越像“参与者”，劳动内涵、劳动组织以及收益分配方式都面临重新界定。 原因——一上，生产资料形态变化。传统工具依照预设程序运行，能力边界在设计制造阶段基本确定；而基于多模态感知与大规模数据训练的智能系统，能在非结构化环境中进行识别、规划与纠错，具备一定的自主适应和知识生成能力，使“工具—主体”的边界逐渐模糊。另一上，生产过程的协作机制变化。以往以科层化分工与固定岗位为主的组织方式，正被任务化、项目化、网络化协同补充甚至替代，人类与智能系统围绕动态目标形成更紧密、更高频的协作关系。再一上，价值形成机制的“时间尺度”被重新定义。效率提升不仅来自人力投入强度，也来自算法优化、数据迭代、模型更新等“智能密度”的长期积累，使以劳动时间和物理投入为主的衡量方式需要调整。 影响——积极影响首先体现在效率与创新的提升。通用人工智能在研发设计、医学与材料探索、软件工程、应急救援等领域的应用，有望降低试错成本、缩短研发周期、提高成果转化效率，推动产业链从经验驱动转向数据与模型驱动。同时，人机协同扩展了个体能力边界，劳动者可以把更多精力投入决策、创意、沟通与复杂协调等环节，推动劳动从重复性执行向更高附加值创造转移。 但风险与挑战同样不容忽视。其一，决策优化与认知自主之间存在张力。智能系统给出的“最优建议”可能提升效率，也可能让劳动者在长期依赖中弱化独立判断与探索，形成路径依赖，影响创新活力与专业能力的持续积累。其二，价值评估与成果归属更趋复杂。在多方参与的人机协作链条中，代码、设计、方案与知识内容的生成过程往往高度交织，贡献边界难以清晰划分，既可能引发收益分配争议，也会对激励机制与人才评价体系造成冲击。其三，安全与责任认定压力增大。智能系统的决策过程存在一定不透明性，在多智能体协作与快速迭代中更难追溯；一旦在医疗、交通、金融、公共治理等关键领域出现偏差，责任主体、合规标准与救济路径都需要更清晰的制度安排。 对策——业内人士认为，应坚持以人为本，把提升劳动者福祉、保障公平正义作为技术应用的重要边界与目标导向。首先，要完善规则与标准体系，明确关键行业的准入门槛、评测规范与审计要求，推动可追溯、可解释、可问责的技术治理。其次，要健全劳动关系与权益保护机制，针对新型用工组织、任务化协作、平台化管理等趋势，完善合同规则、数据权益、职业安全与心理健康支持等配套制度，防止“技术效率”挤压劳动者基本权益。再次，要推进价值评估与分配机制创新，在保护知识产权与数据合规的前提下，探索更符合人机协同特征的贡献识别、收益分配与激励方式，将跨团队协调、复杂问题定义、风险把关等“隐性贡献”纳入评价体系。最后，要把技能提升摆在重要位置，通过职业教育、企业培训与公共服务联动，帮助劳动者向高技能岗位和复合型岗位转型，增强就业韧性。 前景——通用人工智能作为新一轮科技革命和产业变革的重要力量，将持续改变生产方式与社会协作结构。可以预见，劳动的核心价值将更集中于目标设定、价值判断、创造性整合与伦理责任等人类优势领域；同时，围绕数据、模型与算力形成的新型生产要素体系，将推动产业组织更灵活、创新更密集、竞争更具全球化特征。未来一段时期，人机协同将成为常态，关键在于以制度设计引导技术向善，以公共治理守住安全底线，以教育培训增强转型能力，推动效率提升与就业质量同步改善。
通用人工智能时代的到来，不是否定劳动，而是拓展并深化劳动的内涵；劳动作为人类文明的基础，其本质属性不会改变，但具体形式、价值实现方式和社会组织方式必将发生深刻变革。我们既要看到这个技术进步释放生产力的潜力，也要警惕可能出现的新型异化风险。关键在于通过理论创新、制度完善和治理优化，确保人在 人机协同中的主体地位，让通用人工智能成为增进人类福祉、促进人的全面发展的工具，而不是反过来影响人的发展。这一课题仍需全社会持续思考并付诸行动。