佳文回溯｜人工智能的決策替代與社會緩沖——以X智能電廠為例

陳氚

中共中央黨校（國家行政學院）

社會和生態文明教研部

副教授

李曉曼

首都經濟貿易大學

勞動經濟學院

副教授

人工智能的決策替代與社會緩沖

——以X智能電廠為例

來源 | 《社會學研究》2024年第1期

作者 | 陳氚、李曉曼

責任編輯 | 向靜林

在新科技革命和產業革命背景下，人工智能表現出替代人類決策的可能性。在X智能電廠的數字化改造中，人工智能技術的客觀物質屬性構成了對工程師的部分決策替代和既有組織權力結構的沖擊。企業性質、戰略目標、既有利益格局等多重因素使得各方行動者通過算法的重寫、策略性棄用、替代的轉換等實踐，形成了對人工智能技術沖擊的社會緩沖。本文的發現揭示了人工智能對人類社會的沖擊將引發不同的社會緩沖機制，社會因素成為技術影響社會的緩沖層和過濾器。

馬克思在《資本論》中關于機器替代勞動的研究成為技術社會學和勞動社會學領域的經典范例。正如馬克思指出的那樣，工業革命時期生產力的革命性變化導致生產關系的一系列重大變革（馬克思，2018）。當數字社會來臨，新一輪科技和產業革命逐漸深入。隨著以人工智能（artificial intelligence）為代表的新一代信息技術開始應用，與傳統機器相比具有新特征的人工智能會帶來何種意義上的生產關系乃至社會關系變革？“會思考和決策”的機器對人的替代，與傳統的重復性體力勞動的機器替代相比，究竟會發生什么樣的新變化？

不同于國內外大量對于人工智能及算法在平臺經濟、互聯網科技公司領域的勞動控制效應和不平等效應的關注（Cottom，2020；Kellogg et al.,2020；Rosenblat，2019；Casilli & Posada，2019；賈文娟、顏文茜，2022；朱富強，2022；陳龍，2020；王林輝等，2020；朱琪、劉紅英，2020），我們再次回到馬克思經典研究中的工廠領域，探討人工智能技術的生產和決策應用如何在新型數字化、智能化工廠領域重新塑造既有的關系結構與權力結構；同時探討在特定場域中社會因素如何與人工智能技術產生關聯，如何影響人工智能技術的具體應用過程。這些經驗和理論層面的問題構成本研究的出發點。

一、技術—社會關系視域下的人工智能決策替代問題

人工智能泛指用計算機來模擬人類智能，這一領域涉及機器人、語言識別、圖像識別、自然語言處理和專家系統等（騰訊研究院等，2017）。與傳統的計算機程序和算法相比，人工智能在解決問題的方式和能力方面都產生了巨大的變化。基于大數據、蒙特卡洛樹、神經網絡學習等技術的人工智能可以進行自我的進化與迭代，解決過去只有技術專家才能完成的復雜問題（Mnih et al.,2015）。

本文在研究視角上區別于既有的關于算法的社會學研究，不再將人工智能等同于算法，而是將其視為一個整體——一個具有相對主體性的行動者。盡管有學者指出人工智能的核心問題在于算法問題（邱澤奇，2021；趙璐，2022），算法是人工智能運行的規則，具有一種制度性的力量，也具有塑造和改變社會現實的能力，但是當我們更多考慮技術的客觀物質性要素后，不難發現影響社會現實的不僅是算法，還包括數據、算力、傳感器以及算法的載體——處理器等要素。這些客觀物質要素構成人工智能的完整體，使得人工智能成為具有感知能力、思考能力和決策能力的行動者。2023年人工智能領域“人工智能體”（AI agent）的技術方向備受關注，這一演進方向將機器感知、規劃、記憶、執行等能力相結合，也體現出AI作為理論意義上的行動者在現實中行動能力逐漸增強的技術發展和應用趨勢（Han et al.,2023;Kortemeyer，2023）。

（一）人工智能行動者：從重復勞動替代到決策替代

在機器替代勞動的歷史中，非人工智能的機器往往替代的是相對簡單、重復和程序化的勞動，潛在的替代對象是相對底層的工人（余玲錚等，2021）。即使在人工智能技術迅速發展后，仍有學者認為人工智能替代的工作也以具有重復性、程序性的工作為主，而那些具有創造力和自主決策能力的工作則較難被人工智能替代（吳文芳、劉潔，2021）。然而，亦有研究指出，人工智能具有更強的勞動替代能力，這種替代能力不僅僅體現在對體力勞動的替代上，還體現在對復雜認知任務尤其是知識經驗的替代上。謝斯塔科夫斯基（Shestakofsky，2015，2017）指出，過去的計算機自動化只能執行一些程序性的、固定性的工作，而人工智能機器學習的出現使得計算機可以模擬人類的表現，通過過去的數據來推斷未來的行動模式，并通過大量的人類生成的數據訓練來找到一些默會知識。由此，人工智能替代的工作也更為復雜，從體力勞動轉變為腦力勞動，包括傳統觀念中只有人類才能完成的認知、判斷、推理、決策、創作等。而人工智能未來替代的群體也有可能從工人群體轉變為技術工作者、律師、法官、工程師和中層管理者（Brayne，2017；Volokh，2019；Pasquale，2019；Burrell & Fourcade，2021）。2016年，阿爾法圍棋對戰人類圍棋世界冠軍的壓倒性勝利更是展現出人工智能在認知、判斷和決策替代領域的巨大潛力（Silver et al.,2016）。

在第一次工業革命時期，機器對人（勞動力）的大規模替代現象首次出現。機器作為非人行動者在哲學邏輯上具有了行動者的可能，但在技術層面和經驗現象層面仍然是作為工具存在。此后歷次工業革命的技術進步，包括計算機自動化在內的技術演進，所替代的人類能力水平越來越高，但始終并未真正威脅社會中的腦力勞動者——機器仍然是技術人員手中提升效率的工具。在技術演變的臨界點到來前，技術的工具屬性相比行動屬性更加明顯，技術在具體實踐過程中主要依附于人。但隨著自動化技術的量變逐漸累積，人工智能在實踐中的能力越來越強，獨立于人的作用越來越強，正在可被感知的層面趨近獨立的行動者。人工智能行動能力的增強也就意味著人工智能正在趨向其本身的設計初衷，在越來越高級的層面替代人的腦力勞動。

與以往歷次工業革命中機器主要對一線體力勞動者產生替代和沖擊不同，在第四次工業革命即將展開之際，尤其是在新型智能工廠開始出現的情境下，人工智能第一次具有了替代認知、思考、判斷、決策的潛在技術可能性。這就導致第四次工業革命中技術沖擊的靶向可能會發生重要的變化。在馬克思的經典工廠研究中，面對機器替代的沖擊，底層工人階級最初所具有的抗爭能力是相對較弱的，除了以搗毀機器的盧德運動的方式來抗議外，缺乏更為有效的抵制能力，盡管這一沖擊后續引發的社會變革極其深遠。當時工業大機器的廣泛應用符合資產階級管理者的利益。而在人工智能的決策替代過程中，技術沖擊將更多地指向技術管理群體乃至高層的決策群體，因此這樣一個決策替代的歷史過程或許會產生更加復雜的社會影響和不確定的社會實踐。

（二）關于人工智能技術社會影響的不同理論視角

作為新的信息行動主體（陳氚，2021），人工智能對人類決策行動的替代會引發何種意義上的社會變化？從技術與社會關系的視角出發，在科學知識社會學、技術社會學傳統的諸多研究中，技術決定論、社會建構論和技術—社會辯證關系等三大理論流派給出了不同的解釋。

其一，技術決定論來自馬克思主義關于技術和社會關系研究的傳統，強調技術在一定程度上決定了社會關系的變化。這一理論視角認為技術尤其是科學技術引發的生產力變革是社會變遷的主要動力，強調技術對社會的塑造作用（中共中央馬克思恩格斯列寧斯大林著作編譯局編譯，2012）。具體到關于機器和工廠的研究中，馬克思敏銳地捕捉到第一次工業革命中的機器發展特征，并且指出機器帶來的技術沖擊既在微觀層面對工人產生了影響，又最終帶來了大工業的興起以及工廠制度的普及，給傳統的手工業、家庭勞動帶來一系列革命性的變化（馬克思，2018）。羅素（Stuart Russell）等學者指出人工智能相比于人可以更理性，極大提升決策效率、提升決策公正性（Russell，2019）。以卡尼曼（Daniel Kahneman）為代表的認知心理學家指出，人類在進行決策時很難避免系統性的認知偏差和謬誤(Kahneman，2013)。相比之下，人工智能等新的機器決策似乎可以避免人為因素對決策的影響，因此在生產領域、管理領域乃至社會公共政策領域，人工智能的應用能夠導向一種更加公正的社會結果。

然而，更多經驗研究指向了人工智能引發的負面社會后果。席勒（Dan Schiller）、卡斯特（Manuel Castells）等學者針對二戰后美國信息技術和通信傳播業的發展，系統論述了信息資本主義的概念和歷史，揭示了資本巨頭在數字社會中的權力核心地位（席勒，2018；Castells，2010）。伯勒爾（Jenna Burrell）等學者在對算法社會的論述中提出，大型的互聯網資本以及互聯網精英塑造了新型的軟件資本主義（software capitalism）（Burrell & Fourcade，2021）。學者們指出，在數字社會中，算法統治成為一種生產不平等的方式，算法中心主義也開始逐漸興起，這成為人工智能早期產生一系列負面影響的重要原因（Burrell & Fourcade，2021；Engelke，2020；陳龍，2020；莊家熾，2019；Rosenblat，2019；Kellogg et al., 2020）。新的數字技術，也直接在生產領域帶來一系列對產業結構、勞動空間、工作方式、工程師心理認同的沖擊與變革（MacKenzie et al.,2015；Castells，2010）。

其二，社會建構論認為技術對社會的影響并不是單向度的。技術決定論的觀點引發了以“技術文本”理論為代表的社會建構主義的質疑(Grint & Woolgar，1997)。人工智能等數字技術究竟能在多大程度上改變社會，是技術的演進決定社會結構的變化，還是社會結構會決定技術發展的走向，重新復制既有的社會運行邏輯？以格林特（Keith Grint）等人為代表的技術社會學流派認為，技術作為一種可以書寫的文本被社會建構出來。各種社會因素在具體的時空場景中重新塑造了特定技術的發展和應用(Grint & Woolgar，1997)。既有的社會權力結構、利益分配格局、關鍵的利益群體行動者等都會發揮不同的作用，讓技術發展和應用不再簡單依靠技術的內部演進邏輯，而是受到更多非技術因素的塑造和改變。在這個意義上，人工智能技術并非僅沿著計算機技術演變的內在邏輯發展，而是會受到既有的社會因素的影響，成為一種被社會書寫的文本。

人工智能進行的學習—決策過程與大數據之間的內在關聯進一步增強了這一理論邏輯的可能性。現有人工智能技術的大量應用建立在大數據收集的基礎上。大數據在一定程度上就是社會行動和經驗的痕跡。人工智能通過對大數據的收集和處理來歸納和學習人類社會的特定規律，模擬人的智能化行動。這一過程往往會復制甚至放大社會中既有的不平等現象（Barocas & Selbst，2016; Weinberger，2019；Engelke，2020；Eubanks，2018）。

其三，第三種理論流派則強調技術和社會之間存在一種辯證關系。自20世紀90年代開始，奧利科夫斯基（Wanda J. Orlikowski）、邱澤奇等學者開始在技術—組織領域的一系列研究中試圖構建一些綜合性的理論框架，以調和技術決定論與社會建構論之間的理論沖突（Orlikowski，1992；Orlikowski & Gash，1994， 2000；Orlikowski & Barley，2001；邱澤奇，2005）。在吉登斯（Anthony Giddens）的結構化理論影響之下，奧利科夫斯基提出了技術的結構化理論。她認為，以往關于技術—組織關系的視角沖突根源在于哲學上主觀性和客觀性之間的沖突。技術實際上同時具有二重屬性：一方面具有物質屬性特征，另一方面又體現出人對技術的能動性。組織結構是一種動態生成的社會過程，是人類行動者和組織結構性特征互動的結果。技術在結構生成過程中既具有客觀性的力量，又是社會建構的產物（Orlikowski，1992）。從實踐的視角去考察技術會發現，技術是一種實踐中的技術（technologies-in-practice），并非簡單被社會建構和塑造，而是在技術使用者的使用過程中、在人與技術的互動過程中發生變化（Orlikowski & Gash，2000）。邱澤奇的技術—組織互構論則進一步明確了組織和技術之間的辯證關系。他指出應當從技術的實踐特質著手分析，認為技術之于組織目標的重要程度、技術科層制、技術本身的結構彈性等實踐特質會和組織結構產生具體的互構，組織和技術在實踐中是一種不斷相互建構的關系（邱澤奇，2005）。

沿著科學知識社會學和技術社會學的路徑，赫卡比（Ian Hutchby）在更宏觀的技術—社會關系層面提出了一個相對折中的概念：功能可承擔性（affordance）(Hutchby，2001)。這一概念最初源于吉布森（James J. Gibson）的認知心理學概念。赫卡比認為技術的物質屬性可以改變社會，但是并非所有的物質屬性都可以得到應用進而改變社會，還需要考慮技術的功能可承擔性。福西（Pete Fussey）等指出，數字社會學正是要分析在不同社會環境下的技術功能可承擔性，研究這些功能可承擔性如何被社會關系、社會互動和社會結構所塑造（Fussey & Roth，2020）。

（三）技術的社會緩沖機制

上述不同理論的啟示在于，當我們思考技術與社會的關系時，陷入社會和技術一方或雙方主導的爭論是無意義的，更重要的是考察技術尤其是革命性技術遭遇社會的實踐過程。這是一個動態的、生成性的、行動的、未定的過程。在這樣一個實踐過程中，技術一旦應用，遭遇到社會后，經歷的就并非是一個平滑的過程，而是一個充滿著結構制約、行動者抵抗和技術自身適應的非平滑過程。

如果回到社會學中最經典的社會有機體比喻，可以說當社會有機體遭遇到諸如人工智能的技術沖擊時，不可避免地會產生一種自發或非自發的免疫機制。這有可能來自既定社會結構的抵抗力量，也有可能來自具有自反性的社會成員的反思性抗拒和改造。社會在面對技術突變的沖擊時，并不是被動的接受者，而是作為技術影響的中間層，應對技術變革的不確定性，延續相對穩定的秩序。這也讓我們聯想到波蘭尼（Karl Polanyi）在論述市場制度對民眾的沖擊時所指出的結論：這一沖擊會引發社會自我保護的運動（Polanyi，2001）。

我們更愿意使用“社會緩沖”而非“社會建構”來描述這一技術與社會的關系現象。人類技術的革命性演進最終將帶來組織結構乃至社會結構的重大變革。這一總體趨勢盡管并非決定論意義上的，但卻是具有主導意義和難以扭轉的。如果借用功能可承擔性的相關概念來分析這一過程的展開，可以看到人工智能相比傳統自動化機器而言特有的物質屬性構成潛在的功能選項。這些潛在的功能選項并非全部可以得到應用。社會因素篩選出哪些功能可以發揮作用，而發揮作用的功能是被社會影響過的功能。這意味著，社會在影響這些人工智能技術的可能性，同時也被人工智能技術所改變。

本文的理論框架與功能可承擔性視角的區別在于，赫卡比等人僅僅提出了功能可承擔性的概念和視角，卻并未將其進一步明晰化。受此啟發，在本研究中我們假定這些客觀技術物質特性為關于A的一系列向量(A1， A2， A3， …，An)，在其發揮作用時，需要濾過社會緩沖層S，最終在具體的實踐過程中選擇性地呈現為SA1，…，SAn。在這一過程中，不僅僅技術端的特性A被改變，社會端S也被悄然重塑，這一理論模型如圖1所示。在人工智能真正影響社會之前，我們無法確定地預測人工智能究竟會怎樣改變社會。而作為新的行動主體，人工智能技術遭遇具體的社會S的實踐過程P決定了人工智能影響社會的未來走向，這一過程恰恰是社會學的經驗研究應當描述和探討的。

我們可以進一步思考，為什么在技術的應用過程中會出現技術的可能選項與技術的實際社會后果之間的差異？例如，歷史上紡織機技術的發明和應用在英國可以引發工業革命以及后續的社會變革，而在中國古代社會又沒有形成決定性的社會影響。功能可承擔性的概念部分概括了這一現象。造成這一現象的根本原因正是由于技術不是僅存在于實驗室或者真空之中，社會這一重要因素的存在導致技術在穿越社會緩沖層時呈現一種動態的、未知的復雜過程。

如圖1所示，A表示技術具備的客觀物質特性，這些物質特性具有成為潛在功能的可承擔性。S表示社會因素，可以視為技術作用于人的社會緩沖層。SA則是技術通過社會緩沖層后呈現的社會技術結果，是客觀性與主觀能動性的辯證統一。

具體到人工智能技術，根據目前的發展趨勢，這些客觀物質特性A至少包括兩大類。第一類是一般計算機技術具有的物質特性：人工智能具有遠高于人類大腦的運算速度；人工智能在進行決策時不受情感、心理認知謬誤的影響；人工智能決策過程具有算法依賴性。第二類可以看作人工智能相較于傳統計算機技術的新特征：人工智能具有自我決策能力；決策過程具有數據依賴性；人工智能的決策中間環節具有不透明性和不確定性（Burrell，2016；Mitchell，1997；Schmidhuber，2015；Russell & Norvig，2016）；人工智能結合傳感器后具有高于人的感知能力；人工智能具有自我進化的能力，等等。

微觀層面的具體實踐過程P是我們在研究中需要具體考察的過程。同時，實踐盡管充滿不確定性，但并非一個完全未知的黑箱，它是不同的行動者在既有的實踐場景中、在特定的資源和權力結構下行動的過程。

基于以上的理論框架，為了理解人工智能遭遇社會因素后的實踐過程，我們以當下中國電力行業的一個智能發電廠對人工智能的應用為例，探討在生產和管理實踐中，人工智能行動者的物質屬性和能力如何改變了工廠原有的社會關系結構，而既有的社會關系、組織和權力結構又如何影響人工智能的部署和技術演進方向。我們并不追求通過一個工廠的案例來推導所有的人工智能應用領域，而是透過這一工廠的人工智能應用情況來管窺人工智能在技術實踐中與社會因素的具體作用過程。

二、X智能電廠的人工智能實踐

X電廠位于中國傳統能源大省S省，是某大型國有資本控股電力企業中的一家煤炭發電工廠。在電力能源行業信息化和智能化改造的浪潮中，X電廠在全省范圍內率先引進了新一代數字化生產和管理系統，初步形成了基于工業互聯網的智能工廠。整個改造過程從2020年開始，包含工業互聯網、物聯網、傳感器、數字孿生、人工智能等多個部分的建設。2022年5月，改造項目完成，并被中國電力企業聯合會認定“處于國際先進水平”。其中，人工智能的引入包含在整個工廠數字化和智能化的改造過程中，是整個改造中顯著的科技創新點，也是區別于傳統自動化系統的關鍵。筆者所在的調研團隊于2020年年中開始對工廠改造過程進行同步研究，主要研究方法為參與式觀察法和訪談法。調查的對象涵蓋X工廠的一線操作工人、技術人員、中層管理者，以及參與技術改造的人工智能工程師等。

（一）基本技術流程與改造前的決策權力結構

X電廠在進行數字技術改造之前已經具備相當高的自動化程度。與傳統流水線式的制造業工廠相比，能源生產特別是火力發電對大型設備和機器的依賴性更強，機器的自動化運行程度也相對更高。工人并不直接制造產品，電力的生產通過大型設備來完成。電廠核心的生產過程包括運行和檢修兩大部分，涉及汽機、鍋爐、電氣設備、化水、熱工、燃料等多個領域。一線操作的主要工作類型是監控機器的運行、操作設定機器參數以及維護檢修機器設備等。

在組織架構上，圍繞這一核心的電力生產過程，X電廠形成了管理、運行、設備檢修、環保安全、市場運營等五大橫向組織架構板塊。同時，該廠在縱向上形成了從最基層的一線操作人員到發電廠廠長共五個科層制意義上的級別。我們把X工廠視為一個充滿權力和社會關系的場域。這個場域圍繞生產的核心任務存在相對固定的權力結構。根據決策權力的不同，我們可以初步將人工智能引入前的工廠劃分為三個層級。

第一個層級是一線的操作工人，主要工作包括按照操作手冊或者上一級工程師的指令操作具體的設備、關閉和打開閥門、進行設備故障的巡查和維修，以及其他生產環節上的體力勞動。一線操作工人是具體命令的執行者，在絕大部分情況下按照指令或規定流程完成工作，除了遇到一些特殊突發情況外，較少需要進行獨立的決策行動。由于高校的擴招以及電力行業較高的福利待遇，X工廠的一線操作人員大都從高校的相關專業中招聘。這些一線操作工人具備較高水平的相關專業知識技能，具備向上晉升的空間。

第二個層級是電廠的中層技術管理者，往往擁有工程師的職稱，具備較高的專業技術知識水平和豐富的一線工作經驗。由于電力生產具有高度的專業性，專業技術人員在日常的核心生產運營中擁有相當大的決策權力。除了部分非技術性管理崗位外，大量中層技術管理者在行政組織上肩負對一線員工的管理職能，也需要在專業技術上對出現的技術問題做出判斷、分析和決策。伯里斯（Beverly H. Burris）在對二戰后工業組織變化的研究中指出，技術官僚制度（technocracy）是一種重要的組織形式（Burris，1989）。專家在這種組織形式中的地位日益凸顯，并在組織中具備相對較大的權力，這壓縮了原有的科層制結構。在X工廠中，可以看到技術治理和專家治理的趨勢，中層管理者和技術專家存在大量的重合，從一線提拔的技術精英、工程師構成了X工廠中的中層技術管理者群體。這一群體在工廠實際運行中發揮著至關重要的作用，具備相當大的決策權力。

這些決策權力主要涉及工廠生產過程中的技術問題，如對設備參數設定的判斷、對閥門關閉時機的判斷和指揮以及對設備復雜故障的診斷和定性，等等。中層技術管理人員憑借多年的工作經驗和專業知識技能，往往比年輕的基層員工具備更強的判斷能力，比年長的基層員工擁有更多的知識儲備和決策權力。在技術官僚制度中，這些技術上的決策權力會進一步延伸到其他日常管理領域，例如設備部門的中層領導和工程師群體對選取何種維修原材料的決策權，對采用何種工藝手段和施工方案維修更新設備的決策權，對專業施工隊伍的推薦權，等等。這些決策權力建立在工廠高層對中層技術管理群體專業性的信任基礎上。

第三個層級是電廠的高層管理者。這些管理者負責整個工廠的總體管理和最終決策。但這些決策往往不涉及具體的技術問題，而大都涉及工廠的發展戰略、人事管理等內容。高層管理者需要依賴中層技術管理群體來完成工廠運行的日常管理，也需要通過中層技術管理群體來獲取工廠一線運行的各方面信息。

在引入人工智能技術進行決策替代前，X電廠處于這樣一個相對穩定的權力結構之中。整個工廠的運行高度依賴中層技術管理群體。整個層級體系的上升通道也是相對明晰的：一線操作工人通過經驗的積累和學習，在具備相對較多的專業知識技能和經驗后，可以進入到更高一級的管理層級，憑借專業知識做出更多的技術判斷和決策。

（二）人工智能技術的中層替代與沖擊

2020年，X工廠的數字化和智能化改造工程開始。X工廠所在集團高層引入這一技術變革的主要目標是獲得長遠的技術戰略地位，即在“雙碳”目標下更精準地實現環保和效益的平衡，在提高運營效率和降低污染排放的同時，推動傳統能源工廠迭代演進。在項目立項之初，集團和工廠高層就將這一項目視為工廠進入工業4.0時代的重要戰略發展方向。同時，X工廠獲得了充足的國家資金支持，因而可以在全球的同行企業中相對較早地引入前沿數字技術。

當時，整個工廠開始引入全流程的數字化生產、管理、運維系統。與以往的自動化、信息化系統相比，這一系統的最大特色是基于工業互聯網平臺消除數據、控制和決策孤島，全面打通設備、控制和管理全流程，特別是將人工智能技術引入到這一系統的建設過程中。

新型示范智能電廠的建設從價值視角、業務視角、技術視角出發，采用數據+算力+模型+應用的總體邏輯設計，基于全新的工業互聯網平臺，對企業運營的全流程進行了深度的優化和再造，做到了采用一套智能化系統來支撐電廠的整體運營，實現了管理流程化、流程技術化、技術可視化，可以使得電廠將原來較為線性、單一、封閉的運營管理模式轉變為全要素、全價值鏈、全產業鏈密切聯動的協同、生態、透明的管理模式。（調研資料：202109a1）

根據技術提供方的設計，整個新的系統包括十大板塊，基于發電廠的生產流程和管理實踐，涵蓋決策中心、生產監控、運行管理、設備管理、經營管理、數字孿生工廠、數字安防、數字辦公等方面。其中，人工智能主要發揮作用的地方在決策中心、生產監控、運行管理、設備管理、經營管理等板塊。

整個項目優化了全廠13個重點部門的108個流程，全新設計了1250個功能頁面，定制開發的總代碼量約2000萬行；完成了1.5萬個設備、6萬根管道的三維可視化；消除了46個數據孤島，部署了52個智能模型，有效解決了重點設備的故障預測，實現了全廠主要環節的閉環優化控制；部署了9類圖像識別算法。（調研資料：202109a1）

在傳統的勞動替代過程中，機器主要替代的是工人的體力勞動。這是由工業社會中機器的物質特性所決定的。在工業4.0革命之前，機器相比于人所擁有的最主要的物質屬性包括更大的機械力量、優于人身體的堅固性和龐大性，以及持續不知疲倦的生產能力，這極大地提升了規模化大工業生產的能力。但是，機器卻并不能像人一樣智能化地感知、判斷和決策。因此，以往的每一次機器進化都會替代大量的從事重復性勞動的一線工人。然而，在X工廠引入52個人工智能模型后，我們發現機器替代的潛在對象并非僅僅指向基層的一線操作人員，而是直接指向工廠生產環節中至關重要的中層技術管理群體。

圖2顯示了一個典型的人工智能在X工廠的技術決策流程。其中,步驟②和步驟③的完成依賴人工智能算法模型的構建，而智能模型的運行又建立在步驟①的數據感知和以往數據獲取的基礎上。整個決策過程是傳感器、物聯網、人工智能技術綜合運行的產物。

在這樣一個決策場景中，原本需要由工程師來做出的技術判斷和決策被人工智能行動者替代。在傳統場景中，巡檢工人一旦發現某設備出現參數的異常和表面結構異常，便會將這一現象報告給領導。中層技術管理人員基于專業知識和經驗做出判斷，召開部門技術會議，提出解決問題的技術方案。在這個過程中，專業技術管理人員具有極高的技術權威性，可以充分發揮自身的專業所長。這一過程既強化了專業技術管理群體的職業認同感和成就感，又鞏固了其在工廠中的管理者地位。

可以說，在引入人工智能模型之前，中層技術管理群體擁有豐富的專業知識和實踐經驗，這些知識技能和經驗構成了工程師們決策權力的護城河。隨著時間的推移和人工智能自我學習進化速度的加快，人工智能做出的技術決策可以變得更加合理化。X工廠中的中層技術管理群體的技術決策護城河正在隨著人工智能行動者的加入而逐漸地被跨越。隨著數字化系統逐漸部署和使用，X工廠的工程師們發現，假定在沒有任何外力干涉的情況下，完全按照乙方技術公司的設計來運營，電廠將出現明顯的中層技術管理人員被人工智能替代的現象。這種替代的速度在理論上只取決于人工智能技術決策能力進化的程度。

人工智能帶來的沖擊是多方面的。在工廠的日常生產和運營過程中，技術決策能力所附加的影響并不局限于生產本身，而是關涉到更多具體的利益問題。前文的分析已經指出，在一個接近技術官僚治理的制度架構中，技術上的權威與組織上的管理權力在一定程度上是可以相互轉化的。技術精英盡管未必完全占據一把手領導位置，但是在涉及技術的相關決策上擁有重大的話語權。人工智能的沖擊如果不受干擾的話，將至少帶來以下幾個方面的變化。

首先，崗位替代會帶來組織結構的變化。52個人工智能模型的引入使得相關環節的工程師工作被部分替代，原本的一些崗位失去了存在的意義。這些崗位包括具備一定技術門檻的一線操作崗位，但更多地涉及中層工程師群體。根據我們的調查，在進行數字化改造后，X工廠A部門的員工需求人數從36人縮減到4人（調研資料：202109a2）。

其次，由于在整個智能化系統的改造過程中，技術問題的決策與經營、維修系統形成了直接的關聯，人工智能系統在技術決策后直接給出了相關經營問題決策，這進一步削弱了中層技術管理人員的實際權力。例如，在人工智能引入之前，技術管理人員對設備維修問題的診斷和決策背后關聯著材料供應商、維修提供商的選擇問題，而人工智能的直接介入使得中層技術管理人員的選擇往往與人工智能的選擇形成鮮明對比。如果完全采用人工智能的決策，則意味著技術管理人員的傳統權力被進一步剝奪。假如存在權力尋租空間的話，那么這一尋租空間也將被進一步壓縮。

最后，人工智能對人事考核、組織和財務的優化管理和直接介入，將會直接打破原有的利益格局。傳統工廠中的師徒關系等私人關系、情感關系、忠誠關系并沒有被設定為人工智能運行的參數。完全去人情化的行動方式是目前人工智能進行管理的一大物質特性。原有的技術管理群體的管理工作建立在技術權威的合法性基礎上，同時并不會完全排斥非理性因素的考量，而人工智能一方面通過對技術決策的替代削弱了技術權威的合法性，另一方面又有能力直接介入到對人的管理和控制過程中。

如果人工智能的引入僅僅是一個單向度的過程，僅從效率最大化的角度出發，不用考慮社會因素的存在，那么在X工廠這一具體的實踐場域中，潛在的變革即將發生，整個X工廠也處在變革的前夜，蘊含著極大的不確定性。

（三）作為“工程師”的人工智能行動者

在X工廠的整體數字化改造過程中，人工智能的應用僅僅是數字化改造的一部分，但卻呈現了不同于以往信息技術應用的行動者特征。在此次數字化改造前，X電廠已經是一個相對自動化的工廠，信息系統已經應用在工廠的日常管理和經營之中。而此次的數字化改造將管理、經營與生產流程進行了系統融合，人工智能則是歷史上第一次嵌入在工廠的整個生產管理系統之中。

與以往歷次信息化升級不同，這一次人工智能所具有的物質屬性使得人工智能對于部分中層技術人員而言不再是簡單的工具，而是具備同等技術判斷和技術決策能力的行動者。從觀察者的視角來看，人工智能同時具有工具和行動主體的二元屬性。這種屬性呈現在一個等級制的結構關系中。從工廠高層決策者和管理者的視角來看，人工智能是實現其生產目標的工具。但是對于中層技術管理人員而言，人工智能則是一位同樣可以進行技術判斷和工程決策的“工程師”競爭者。

如圖3所示，對高層決策者而言，人工智能是實現高層技術目標的工具。但是當確立了最高行動目標后，人工智能在完成目標的中間環節可以具有自我決策的能力，并與其他的行動者構成平等的競爭關系。當然，并非所有的人工智能模型都直接替代了工程師，那些能力暫時不足以替代工程師的人工智能模型仍然被作為工程師的參考工具來使用。

為什么在之前的歷次計算機應用升級中計算機僅僅是作為工程師的工具來幫助工程師完成任務，而在X電廠此次改革中，部分人工智能成為與工程師具有同等行動地位的競爭者，具備一種決策替代的能力？

首要的原因是神經網絡模型等機器學習類模型在生產過程中的應用。這些機器學習類模型使得X工廠的人工智能具有自我決策的能力。而這種自我決策在過去的自動化程序中是難以實現的。在X工廠早期應用的計算機程序中，計算機算法是固定式的、機械意義上的程序。當人工智能模型引進之后，計算機可以對復雜和不確定狀況進行判斷和決策，而不是簡單映射既有的固定程序。

X工廠的人工智能應用以化學物理模型、概率數理模型和神經網絡模型等三類模型為基礎。其中，基于神經網絡的擬合能力可以描述和推理事件之間的因果關系。即使在無法確定真正因果關系的情況下，神經網絡模型也可以通過專家經驗數據學習、統計規律計算、模糊推理不斷逼近最優解。X工廠中部分神經網絡模型的示意圖如圖4所示。

X工廠應用的神經網絡學習模型意味著計算機構建了關于各種設備現象（指標）和決策之間因果性關系的復雜函數，并且不斷逼近擬合一系列復雜函數，直接建立起現象和技術決策之間的關聯。理論上，這一模型不完全依賴對工程師做出決策之原理的理解，只需要對現象和決策之間的關聯進行大數據學習，直接做出各種復雜狀況下的判斷和決策（Mnih et al.,2015）。

此外，與X工廠的工程師相比，人工智能具有明顯的知識進化優勢。由于機器學習的特性，人工智能在每一次做出技術決策后都會將新生成的數據結果與原有的模型進行比較檢驗，以實現一種自我趨優的演進。同時，不斷更新的海量專家知識數據庫也遠遠超出一般工程師的知識儲備。

最后，X工廠的全流程數字化改造、傳感器應用以及數字孿生工廠的空間打造使得人工智能具備在數字空間中自我感知和行動的能力。在數字空間中，人工智能和工程師的決策指令同樣是以信息流方式傳遞到下一環節，二者具備相同的信息生產和信息行動的主體地位。

X工廠傳統的自動化技術決策思路和人工智能引入后的技術決策產生了顯著差異。在智能化改造前，技術專家將計算機視為工具，依據客觀計算結果或者指標進行判斷和決策，發揮人的知識、經驗和直覺判斷優勢。而當人工智能出現后，技術專家大部分的經驗、默會知識和靈感盡管無法被人工智能理解，但在理論上大多是可以被替代的。

（四）行動者沖突與社會緩沖機制的出現

2021年年中，X工廠的人工智能等數字系統硬件部署基本完成，開始進入試運行階段。此時，意料之中的阻力出現了。與傳感器、物聯網等其他技術的順利應用相比，人工智能決策替代的相關應用遭遇了較大的阻力，相應的抗議者是工廠的中層技術管理群體。一位人工智能的工程師在接受筆者的訪談時談到了人工智能決策替代應用所面臨的阻力。

我們在進行測試的時候遇到了廠里工程師們的普遍質疑，他們認為這些做法是不正確的，由機器來判斷，風險太大。(訪談資料：202112b5)

C車間主任B強烈反對在他的車間使用人工智能，認為人工智能給出的操作指令并不符合以往的經驗。

這個系統給出的關閉閥門的時機不對，這個太危險了，環保上要是出問題了，也是會被罰款的。我們不會按照它（人工智能）的指令去做。(訪談資料：202109c1)

而大多數一線的操作人員則對人工智能的引入持開放或者歡迎的態度。

工作更加簡單了，比原來的工作量小了很多，很容易的，沒有不習慣。(訪談資料：202109c3)

在此期間，一個小插曲體現了中層技術管理群體和乙方人工智能技術設計人員之間的矛盾。

D車間負責技術管理的中層領導在過去一直采用相對穩定的施工隊伍、材料供應商和施工方案來解決某設備維修中的技術問題。而新的人工智能模型將設備問題診斷、預測和材料采購的市場化方案進行了聯動，得出了與過去并不相同的問題處理方案。D車間的工程師們認為人工智能給出的技術診斷和方案未必適合特殊的情況，應當具體問題具體分析，并且對人工智能模型中的自動采購、自動市場競價、分析最優解決方案提出質疑，認為其存在嚴重的不透明性，體現了算法設計者的利益。算法的不透明性導致作為第三方觀察者的研究人員較難判斷這一算法是否暗含著設計者的經濟利益。但我們至少可以確定的是，D車間的技術診斷—技術方案—市場采購過程有可能蘊含利益空間，與此相關的權力過去由技術管理人員掌控，現在轉移到人工智能的算法設計者手中，形成了一種算法中心主義的局面。

這一事件表明，在實現最終目標的中間過程中，作為實踐中的行動主體，人工智能行動者與人類行動者有可能存在目標和利益上的沖突。我們用圖5來表示X工廠這兩起事件中人工智能和工程師之間的行動目標沖突。

在本質上，人工智能作為高層決策者的工具，體現了技術應用主體的行動目標和行動利益。人工智能和工程師之間的沖突可以被視為高層決策者與中層工程師之間的利益博弈。但是從具體的實踐過程來看，人工智能在執行最高目標的中間環節已經體現出和名義上同樣代表工廠（高層）利益的工程師之間的目標沖突。

X工廠高層自身也面臨人工智能技術帶來的壓力。一方面，中層技術管理群體向上提出各種意見，這有可能成為工廠運營的不穩定因素；另一方面，人工智能在全廠績效考核、人事管理等方面的應用過于智能化，由此而來的一些計算結果盡管不會直接被高層采用，但也威脅到工廠高層做出人事安排等管理行動的合法性。例如，按照人工智能的決策裁撤掉大量的技術管理崗位，這對于一個追求經濟效益穩定以及政治效益和社會效益的能源型國有企業而言是不太可能發生的事情。于是，人工智能技術在X工廠的應用出現了新的變數，這些變數實際上也是X工廠中各方新的行動策略。

1.算法的重寫

這些變數首先來自人工智能技術供應方與X工廠技術管理群體之間不斷持續和深化的互動，即人工智能算法設計者和中層管理者之間社會關系的建立與維系。為了更好地推進智慧化改造，人工智能的技術提供單位與中層技術管理群體進行了持續的溝通和協商。在D車間，由于技術診斷—技術方案—市場采購的傳統流程被人工智能打斷，相關人員在與技術供應方的溝通過程中提出希望能回到過去的決策方式。

D車間的領導們希望能夠維持過去的慣例，認為過去沒有人工智能替他們做出決定之前，一切都運轉得很好，公司并沒有因此遭受損失。他們認為我們有可能會操縱市場采購結果。而我們認為算法是公正、公開的，符合最優結果。但是他們認為這個過程并不透明。（訪談資料：202112b1）

這是課題組在調研中對人工智能技術供應方訪談后獲取的信息。出于商業要求，大多數算法本身并不能完全公開，人工智能的“思考”機制本身也具有不透明性（Burrell，2016）。于是，人工智能的算法對于人工智能的使用者而言實際上是一種不透明的黑箱。不少學者指出，隨著人工智能在社會各領域的滲透，未來的數字社會在一定程度上將成為一種“黑箱社會”（Brevini & Pasquale，2020）。從第三方的觀察視角來看，如果說人工智能介入之前的決策過程存在一種不透明的人為因素，有可能蘊含著某種潛規則的話，那么人工智能使用算法來替代人為決策的做法并沒有讓決策過程更加透明，反而重新引發了使用者對算法本身的質疑。

人工智能技術供應方的技術轉變證明算法本身蘊含著社會運作的空間。在與D車間充分協商后，人工智能技術供應方修改了特定的參數，重寫了部分算法，成功實現了人工智能做出的決策與車間過去的慣例相符合。D車間認為，修改前的算法體現了人工智能算法設計者的利益，而修改后的算法可以更好地符合過去的慣例，降低新的市場采購帶來的不確定性。如前所述，算法的設計實際上剝奪了傳統技術管理者的相關決策權力，將技術決策和市場采購決策的權力轉移到算法上。而雙方在協商中重新平衡了決策的權力，于是產生了算法重寫的結果。但是，算法的改寫并沒有在根本上改變或阻止人工智能的介入。

2.策略性棄用

在X工廠智慧化改造的十大板塊中，并非所有的板塊在改造驗收完工后都完全投入了使用。其中的原因不是乙方提供的技術不能使用，而是X工廠的高層決策者認為有些技術并不適合立刻投入使用。

在十大板塊中，涉及替代一線操作工人的技術幾乎都立刻投入使用。例如，智能攝像頭和人工智能圖像識別技術直接的替代對象是一線的操作工人：過去由工人巡查并向上一級匯報設備安全隱患和運行狀況，現在這些工作直接由機器完成。這些技術替代的顯著特征是直接面向機器，較少涉及復雜的人際利益關系。

而涉及替代中層管理群體的技術是在反復修改和博弈后才使用的。這些技術往往包含著相對復雜的技術判斷，同時關聯著部分組織管理和市場決策職能。現階段，由于受到能力限制，人工智能尚不能覆蓋所有的復雜判斷。因此，中層技術管理群體雖然在感受到人工智能的潛在威脅后試圖對其進行抵制，但由于自身地位仍然不可能在短時被完全取代，所以在策略性地消解人工智能直接帶來的利益沖突后，也接受了人工智能的應用。

最后，在人事管理、績效考核、市場和采購等環節，X工廠選擇擱置人工智能的使用。這些領域的人工智能決策不僅對中層技術管理群體的決策權力產生影響，還可能直接影響高層的決策權力。對于高層決策者而言，人工智能的決策結果或許僅是一種參考，真正面向人與利益的決策權力在現階段仍然需要掌握在自己手里。這些領域的人工智能決策結果往往過于理性化和模型化，完全基于效率考慮，并不能反映工廠高層決策的復雜性。

因此，在2021年年中，盡管從技術角度而言X智慧工廠的改造已經完成，但人工智能在一些板塊仍然處于可用卻不用的狀態。人工智能的客觀技術特性使其理論上可以在一座現代化工廠中完成很多功能，但是，并非所有的功能選項都可以透過社會的緩沖層，最終成為一種真正被接受和認可的技術。

3.替代的轉換

盡管人工智能的技術選項受到多重社會因素的影響，但是我們仍然看到人工智能帶來的沖擊的直接后果。整個工廠的組織結構發生了變化。在X工廠的某技術部門A，人員編制由原有的36名縮減到4名。這一技術部門在智能化改造后被完全取消，該部門人員與其他部門被取代的人員成為X工廠需要解決的難題。

面對這一局面，X工廠采用一種替代的轉換策略。在A部門取消后，X工廠成立了新的部門B。部門B的主要職能是應對信息化和智能化的需求，理論上講，其最優策略是招聘具有人工智能等方面知識技能的人員，但現階段的主要成員來自A部門中被人工智能替代的技術人員。X工廠相信這些技術人員能夠重新進行新崗位的技能學習，并在原有專業知識的基礎上掌握新的數字技術，與過去的專業技能進行有效的融合。如果完全按照市場利益最大化的邏輯，X工廠應當裁撤掉這些被替代的人員，從而最大化地降低人工成本。但是作為處于行業領先地位的大型能源國企，X工廠需要考慮經濟因素之外的諸多政治因素和社會因素，工廠的穩定運行、人心向背以及社會責任等都是X工廠的高層所需要思考的內容。因此，在全省乃至全行業率先引入人工智能后，X工廠并未出現大量裁撤中層管理人員和工程師的情況，而是成功實行了組織結構和就業崗位的轉化。

X工廠面臨人工智能決策替代帶來的崗位變化，之所以出現這種非效率的行動策略，我們認為至少是出于以下的社會因素考慮。首先是工廠的國有企業性質。與馬克思研究的機器替代工人的資本主義工廠相比，我們所研究的是一個具有不同所有制性質的生產單位。國有企業盡管仍然面臨著市場效益的經濟壓力，也還是會更多地考慮員工隊伍的穩定性，并且對員工的崗位技能轉化時間有較大的包容性，沒有實行技術決策崗位替代后的簡單裁員。其次，電力行業面臨的外部市場競爭雖然正在加劇，但仍然具有較強的壟斷性。因此，人工智能等數字技術的引入更多的是前瞻性和戰略性的行動，并非單純的資本驅動和經濟效率驅動。在這一過程中，人工智能的決策替代所承載的目的不在于直接降低人力成本支出，而是更好地獲得長遠的技術戰略地位，以及在國家“雙碳”戰略下更精準地實現環保和效益的平衡。總的來看，在這一具體的實踐過程中，生產資料所有制、技術改革需要維持穩定的動機、遠期規劃等因素的影響恰好構成了對人工智能決策替代的另一種社會緩沖效應，使得人工智能在X工廠的替代沖擊沒有完全按照技術理性和經濟效率至上的邏輯發生。

這種替代轉換的方案并非X工廠首創。根據世界經濟論壇2021年的研究報告，惠普公司在進行第四次工業革命轉型的過程中將技術變革釋放的大量任務職責進行轉換，重新分配了企業內部不同角色的任務時間。原有的一線操作人員能夠執行之前委派給技術專家的復雜任務，而工程師可接受更高級的技能提升，承擔數據科學的工作（World Economic Forum，2021）。

當然，盡管在當下的時間節點上，這種人工智能替代的轉換并未給現有的中層技術管理群體帶來直接失業的影響，但是從長遠來看卻改變了未來的崗位需求。A部門的取消使得未來具備A部門知識，也就是傳統電力相關知識的潛在求職者受到極大的影響。新設立的B部門目前還可以容忍傳統專業人員的轉崗，但是未來需要直接招聘具備人工智能等相關技術知識的人員。這也意味著，盡管X工廠通過替代轉換的策略在時間上延緩了人工智能對特定崗位的技術沖擊與崗位取代，卻無法在更長的時間段上扭轉人工智能對特定群體的替代趨勢。當人工智能的技術長矛注定要刺穿某些傳統的結構時，各種社會因素構成的緩沖層在時間維度上造成了對技術沖擊后果的延緩，但是潛在的結構性改變已然發生。

最終，在2022年年中，X工廠順利完成了智能化改造，在很多崗位上實現了人與人工智能共存的局面。總的來看，這種人機共存的局面是通過社會因素影響下的三種微觀策略實現的：鑒于人工智能工程師和中層技術管理人員的社會關系，人工智能技術供應方為了人工智能應用能順利展開，改變了原本的算法，重新建構了人工智能技術本身，延續了原有的權力結構；策略性棄用的應對策略表明社會結構因素的直接篩選作用，即那些影響到關鍵權力和高層利益的技術可能性并不會在短時間內穿透社會緩沖層；而替代的轉換策略則表明當技術遭遇社會緩沖時，崗位空間和沖擊時間會相互轉化，工廠用崗位的轉換來換取時間，人工智能決策替代的崗位沖擊直接后果被延后了，但是組織空間結構已經發生變化。

在X工廠的案例中，人的因素對人工智能技術的改寫、篩選和重塑更接近一種權宜性與自我保護性的機制，但這并不能從根本上重新建構人工智能技術的影響和沖擊。權宜性意味著時間變量和結構空間變量被引入，即通過組織結構變化來吸納技術帶來的認知勞動替代效應，延緩人工智能的勞動替代行動的短時沖擊。保護性意味著當中層技術管理群體無法抵制人工智能時，需要來自群體外部的社會力量對其進行保護。同時，這一現象也印證了邱澤奇等學者關于技術—組織互構機制的判斷（邱澤奇，2005）。X工廠的人工智能技術在技術物質屬性和能力上的顯著進化直接觸及生產的核心內容，具有對部分工程師的直接替代能力。那些涉及環保、技術、安全的人工智能技術具有極強的技術剛性，直接刺穿了部分原有的組織資源—權力分配結構。

三、結論

與傳統機器替代一線工人帶來的影響相比，人工智能在決策能力上對中層技術管理群體的替代成為一種新的現象，這一現象也是人類社會進入到第四次工業革命和智能化階段后的新歷史現象，構成了對工廠技術管理體制和傳統權力決策結構的沖擊。

在歷史的維度上，X工廠的數字化改造很有可能剛好處于人工智能技術爆發的臨界點。X工廠數字化改造中的一部分人工智能技術與當下的chatgpt、AI agent等人工智能技術一起，已經呈現跨越由經驗、默會知識、靈感、創造力等構成的人類智力護城河的跡象。正如羅馬時期愷撒跨越盧比孔河后西方歷史出現了重要的變化，我們雖不敢完全斷言人工智能正在經歷跨越盧比孔河時刻，但是不得不對其潛在的變革可能性進行慎重的理性思考。一旦人工智能真正跨越盧比孔河，社會對人工智能技術的緩沖就不僅是一種客觀的免疫式反應，還應當成為一種社會各方主動發起的倫理學議題。

在這一經驗研究中，X工廠的高層決策者與人工智能的技術供應方通過微觀層面的社會行動策略，最大程度降低了人工智能技術帶來的直接沖擊，使得X工廠的人工智能應用得以相對順利地實現。而中層技術管理人員自身在與人工智能的行動沖突中，基本處于無力直接抵抗的狀態——部分中層技術專家在面對人工智能時并沒有機會在“使用—被使用”的關系中重構技術，而是在對等關系中面臨被取代的風險。這也使得社會對技術的對沖不得不來自資源—權力結構的更高層級。

國內早期的深度數字化和智能化改造與升級大多從大型國有企業開始。本文案例中的工廠與民營企業和國外企業存在產權結構、經濟社會利益導向、工廠管理運作邏輯上的不同。在理論上，這些不同的社會因素對人工智能技術的緩沖機制會造成不同的影響。當X工廠面臨人工智能帶來的負面沖擊時，出于政治責任和社會責任等因素的考慮，工廠高層行動者采用種種策略來延緩技術的影響，以實現長期戰略目標。而更加成本導向的企業則很可能通過裁員的形式來應對沖擊，從而回避技術沖擊的社會后果。但是人工智能的社會沖擊并不會因此消失，只不過轉移到了企業外部的社會層面。這就需要在工廠組織之外，在更廣闊的國家和社會層面來進行技術沖擊的社會緩沖。

從另一個角度來看，在人工智能決策替代的技術沖擊面前，大型國有企業的應對舉措也為更具普遍意義的社會緩沖提供了一種實踐可能性，體現出中國特有的社會、經濟和文化影響下的社會緩沖機制。中西方社會之間更宏觀的政治制度差異、文化傳統差異和社會保障制度差異都有可能使得它們在面對未來人工智能技術沖擊時的社會緩沖過程演變出不同版本。在一定意義上，未來國家間人工智能技術應用的競爭走向或許也與各國應對技術社會風險的社會保護制度密切相關。這有待于我們通過更進一步的研究加以討論。