引言：智能化时代的治理范式转型

当深度神经网络能够模拟人类的认知过程，当大语言模型可以在毫秒级完成过去需要整层组织协同才能实现的决策输出，人类社会正站在一场比蒸汽革命、电力革命更为深刻的生产关系变革前夜。2026年《政府工作报告》明确提出“打造智能经济新形态”的战略目标，这不仅是技术层面的升级，更是对政治体制与经济体制运行逻辑的根本性质询。在智能化浪潮席卷全球的背景下，一个根本性问题浮出水面：当劳动能力可以被外部化为智能模型，当行为数据成为核心生产要素，政治治理与经济生产应当以怎样的制度形态回应这一变革？

本文提出的“数据行为主义与智能化处理智能劳动生产体制”，正是对这一问题的系统性回答。所谓“数据行为主义”，并非将行为简化为数据的粗暴还原论，而是强调在智能技术深度嵌入社会治理的背景下，通过数据的采集、分析与反馈，实现对个体行为与社会运行的精准认知与科学引导。而“智能化处理智能劳动生产体制”则指向劳动形态的根本重构——当人工智能从辅助工具演变为协作伙伴，劳动生产不再是人操作机器，而是人与智能体共同完成任务的过程。两者的结合，将催生一种全新的制度想象：以行为数据为基础、以人机协同为核心、以智能化为特征的未来国策框架。

这一体制的核心要义在于：智能化时代，人们生活必须智能化，政治经济劳动生产必须智能化。这不是技术决定论的简单宣示，而是对生产力与生产关系辩证运动规律的深刻把握。正如历史唯物主义所揭示的，当生产力发生质变，分工体系与制度形态必然随之重构。本文将从理论基石、政治体制、经济体制、劳动体制四个维度，系统阐述这一未来国策的内涵与路径。

一、理论基石：数据行为主义的内涵与批判性边界

1.1 从行为主义到数据行为主义的范式演进

二十世纪中期，斯金纳的行为主义心理学将人类行为简化为刺激-反应的机械模式，试图通过环境控制实现社会工程的理想。这一理论因其对人性复杂性的忽视而饱受诟病。然而，当大数据与人工智能技术崛起，一种新形态的“行为主义”正在悄然回归——这一次，它不再是实验室里鸽子啄食的实验，而是嵌入在福利系统、公共服务、劳动管理中的算法治理逻辑。

英国学者吉利斯对英国家庭干预政策的研究揭示了这一趋势的深层逻辑：通过将家庭生活“数据化”，将父母和儿童的行为转化为可计算的数据点，政府得以实现前所未有的精准监控与行为引导。这一机制被称为“算法的家庭校准”——不是直接命令，而是通过数据反馈改变个体的“选择架构”，使其在不知不觉中趋近政策预设的目标。这种基于大数据和行为经济学的治理技术，正是“数据行为主义”的典型表现。

1.2 批判性数据研究的启示与超越

面对数据行为主义的兴起，批判性数据研究提出了重要的理论警示。数据并非中立的客观存在，而是特定权力结构下的建构产物。当公民团体和开源社群以“数据行动主义”的方式介入数据生产，他们实际上是在争夺数据定义权和解释权——让数据从监控工具转变为赋权资源。台湾的“零时政府”社群和“透明足迹”平台提供了有益启示：通过数据的开源与协作，公民可以反向利用数据技术监督企业污染、追踪公共决策，实现“数据公共化”。

然而，本文提出的“数据行为主义”与西方批判学派有着根本区别。后者倾向于将数据技术本质化为压迫工具，而前者则认为：数据的政治属性取决于所有权与控制权归属。在社会主义制度框架下，数据行为主义完全可以成为提升治理效能、服务人民福祉的先进工具。关键在于：必须将数据的所有权、收益权、解释权牢牢掌握在人民手中，防止数据权力异化为资本或官僚的私器。

1.3 数据行为主义的中国式重构

基于上述分析，我们可以在马克思主义指导下，对数据行为主义进行中国式重构。其核心原则包括：

第一，数据的人民性。一切数据的生产和应用必须以服务人民美好生活需要为根本目的，数据行为主义的最终指向是人的全面发展，而非对人的行为进行机械操控。

第二，行为的可解释性。算法对行为的分析必须保持透明，公民有权知晓自己的数据如何被使用、基于何种逻辑产生何种判断。这是防止“算法黑箱”侵蚀民主参与的基本保障。

第三，反馈的引导性而非强制性。数据行为主义的治理逻辑应当是“助推”而非“强推”，通过优化信息环境和选择架构，帮助公民做出更符合自身长远利益和社会公共利益的决策，而不是以数据为绳索束缚人的自由。

第四，价值的共创性。在数据驱动的治理中，公民不是被动的数据来源，而是主动的参与者和价值共创者。正如智能经济强调“共创分享”的原则，数据行为主义同样需要建立多元主体共同参与的数据治理生态。

二、政治体制的智能化转型：算法辅助下的民主治理

2.1 智能感知：从抽样统计到全样本治理

传统公共治理面临的最大困境是信息不对称。无论是问卷调查还是抽样统计，都只能获取局部、滞后、失真的社会信息。智能化时代，这一困境正在被技术突破所消解。通过对行为数据的实时采集与分析，政府可以实现对社会运行的“全样本感知”——不是通过一次普查了解某一时刻的静态截面，而是通过持续的数据流捕捉动态演变的全过程。

这一转变的意义是革命性的。当政策制定者能够实时感知就业市场的波动、公共服务的使用效率、民生痛点的分布密度，决策就具备了前所未有的科学基础。例如，通过对劳动行为数据的分析，可以精准识别哪些行业面临AI替代风险，从而提前部署再培训资源。通过对家庭消费数据的分析，可以及时发现贫困群体的生活困境，实现主动救助而非被动申请。

2.2 智能决策：人机协同的政策生成机制

在智能感知的基础上，政策生成机制也将发生根本变革。传统政策制定依赖有限的经验和案例，往往难以预判政策实施后的复杂社会反应。而智能化决策系统可以通过模拟推演，在虚拟空间中预演不同政策方案的潜在效果，帮助决策者选择最优路径。

但这不意味着将决策权完全交给机器。正如人机协同劳动形态所揭示的，智能系统的优势在于信息处理与方案生成，而人类的优势在于价值判断与伦理权衡。在政策制定中，理想的模式是“人类设定目标与价值边界-人工智能生成方案与推演结果-人类校正方向并做出最终决策-人工智能执行并反馈效果-人类评估并再调整”的循环闭环。这一模式既发挥了算法的计算能力，又确保了人的主体地位。

2.3 智能参与：数据驱动的全过程人民民主

智能化政治体制的另一核心维度是民主参与的深化。全过程人民民主的实现，需要有效的参与渠道和充分的信息基础。数据技术可以从两个维度赋能民主参与：

其一，参与门槛的降低。通过智能平台，公民可以便捷地表达意见、参与讨论、反馈诉求。开源社群的协作模式表明，当技术工具足够友好，公民完全可以以较低成本介入公共事务。

其二，参与质量的提升。基于数据的可视化呈现，公民可以更直观地理解复杂政策的影响。例如，通过数据平台公示企业污染记录，消费者可以用“扫了再买”的方式行使市场权利。同样，当政府预算、公共服务绩效等数据以透明方式呈现，公民的监督就有了真实依据。

2.4 数据公共化：超越平台垄断的治理资源

智能化政治体制的健康运行，依赖于数据资源的公共化程度。当前，大量行为数据被互联网平台垄断，形成“数据孤岛”甚至“数据黑箱”。这不仅导致数据价值的低效利用，更可能造成数字权力的私人化。未来国策必须确立“数据公共化”的原则：凡涉及公共利益的数据，应当在保护个人隐私的前提下依法开放共享；凡公共财政投入产生的数据，应当作为公共资源服务于社会。

这并非否定数据市场的价值，而是强调在数据要素市场中明确公共数据的地位。正如孙毅所指出的，要“加快构建全国一体化数据要素市场，完善合规高效的市场运行规则，推动公共数据依法开放与授权运营”。只有在数据公共化的基础上，数据行为主义才能避免沦为资本监控的工具，真正成为人民治理的利器。

三、经济体制的智能化重构：从平台资本主义到智能共享经济

3.1 智能生产力的质性跃升

理解经济体制变革的起点，是生产力要素的质性重塑。在智能化时代，劳动者、劳动资料、劳动对象都发生了根本变化。

劳动者不再是传统意义上的体力或脑力工作者，而是转变为能够熟练运用智能技术进行生产、管理、创新的“新型劳动者”。他们既是数据生产者，也是知识共享者，更是人机协同的主导者。

劳动资料的核心从机器设备转变为“算法与算力”。智能算法不仅处理物理世界的复杂计算，还能在虚拟世界模拟和预测现实运行轨迹；智能算力的持续迭代为数据的快速处理和算法的高效执行提供了可能。

劳动对象从物质资源扩展为“数据资源”。数据具有非竞争性、非排他性、正外部性等特征，从根本上打破了稀缺性生产要素的制约。只要人类的数字化活动不停止，数据资源就能够持续生产，为经济增长提供了新的可能。

3.2 智能劳动分工的新形态

生产力的变革必然引发分工体系的重构。工业时代的分工逻辑是“把人固定在岗位上”，以岗位责任制为藩篱，以科层制为管理路径。智能化时代的分工逻辑是“任务与人机组合的匹配”——以任务为边界，以接口协议、数据权限、模型性能为保障。

这意味着，劳动者不再是隶属于某一部门和岗位的固定身份，而可以在任务市场、模型市场、数据市场之间自由组合劳动行为。这一刻他可能在撰写大模型提示语言，下一刻在做数据标注，再下一刻在审查AI的伦理问题。劳动场景由办公场所变为API网关，劳动者的“身份”由职位头衔变为系统权限和密钥。

这种去中心化的趋势并不意味着团队的消失，而是团队被重构为“智能化联结”——为了完成一个复杂任务，开发者、设计师、人工智能代理等角色在云端迅速集结，任务完成后即刻解散。这种灵活的分工形态，既提升了资源配置效率，也对制度设计提出了新挑战。

3.3 价值归属与分配正义

当数据成为核心生产要素，一个根本性问题随之而来：数据创造的价值归属于谁？孙妍基于马克思劳动价值论的剖析指出：数据之所以能够成为经济资源，正是因为人类劳动的持续投入；数据的增值依赖于劳动者在数据生成、整理、分析等环节的贡献。然而在现行制度下，数据的控制权往往掌握在资本或平台手中，劳动者的付出被隐形化，甚至在价值分配体系中被边缘化。

这正是智能经济体制必须回应的核心矛盾。如果不能在制度上保障劳动者分享数据收益，那么智能化就将沦为新的剥削形式。未来国策应当确立“数据价值的劳动归属”原则：凡基于用户行为数据产生的收益，应当在平台、用户、社会之间建立公平的分配机制。这不仅是经济正义的要求，更是智能经济可持续发展的基础。

宁殿霞进一步指出，人工智能推动了劳动关系从“雇佣劳动”向“价值共创”重构。在这一新形态中，劳动者不再是被动出售劳动力的商品，而是与智能体协同创造价值的主动参与者。制度设计应当适应这一转变，建立基于贡献度的收益分成机制，让算法开发者、数据提供者、行业专家都能在价值创造中获得应有回报。

3.4 所有制结构的再思考

在智能生产力条件下，公有制与非公有制的关系呈现出新的可能性。潘越的研究表明，不同所有制企业对智能技术的应用存在显著差异：在非公有制企业中，智能技术往往服务于资本增殖，监控资本主义逐渐发展起来；而公有制企业则可能发挥智能技术对劳动者的解放作用，将之应用于提高生产效率和改进劳动过程，而非强化对劳动者的控制。

这一发现具有重要政策启示。在推进智能化的过程中，必须坚持“两个毫不动摇”的同时，充分发挥公有制经济在规范智能技术应用、保障劳动者权益方面的引领作用。特别是在数据资源、基础算法、算力设施等关键领域，应当保持较强的公共控制力，防止数字权力的私人垄断。同时，鼓励非公有制企业在明确规则框架内创新发展，形成公有与非公相互促进、共同发展的智能经济生态。

四、智能化处理智能劳动生产体制的核心机制

4.1 行为权利的重新界定

在智能化劳动生产体制中，最基础的制度创新是“行为权利清单”的构建。王天玉提出，新的制度设计需要超越以劳动合同为载体的传统框架，把每一次具体任务作为基本单元，以“任务-行为-结果”为最小登记单元。劳动者每完成一次与人工智能协同的任务，其行为数据、模型调用记录、结果贡献度即被加密上链，形成可追溯的“劳动行为凭证”。该凭证是后续权益计算、技能认证、风险分担的原始依据。

基于这一机制，劳动法律制度应当围绕“行为权利清单”建立可追踪、可验证、可救济的规则体系。这一清单遵循“最低保障+动态加成”的结构：将休息权、最低报酬、职业安全、算法透明、数据收益等设为不可让渡的“核心权利”；同时依据任务风险等级、人工智能自治程度、数据贡献度等变量，创设由收益分成、技能积分等构成的“浮动权利包”。

这一设计的精妙之处在于：权利配置不再是静态的岗位属性，而是随任务流动而动态适配。劳动者无论身处何地、与何种人工智能协同，都能获得与贡献相匹配、与风险相对称的即时保障。

4.2 劳动行为的智能化处理机制

智能化劳动生产体制的运行，依赖于一套完整的行为处理机制。这套机制包括四个核心环节：

第一，行为感知。通过智能终端、传感器、API接口等，实时采集劳动者与智能体协同作业的全流程行为数据。这些数据不是简单的“打卡”信息，而是包括操作序列、决策路径、问题解决过程等丰富的劳动行为记录。

第二，行为解析。基于大模型对行为数据进行语义理解和模式识别，将原始数据转化为可计算、可评价的“劳动行为单元”。例如，一个程序员编写代码的过程可以被解析为问题定义、方案检索、代码生成、测试验证等多个行为单元，每个单元的效率和贡献可被量化评估。

第三，行为评价。结合任务目标、行业基准、历史数据等，对劳动行为进行多维评价。评价结果不仅用于绩效分配，更用于技能认证和发展建议。劳动者可以通过持续的行为积累，获得可迁移的“技能积分”，在任务市场中证明自己的能力。

第四，行为反馈。评价结果以可视化方式反馈给劳动者，帮助其了解自身优势与改进方向。同时，这些反馈也作为训练数据优化智能系统，形成人机协同的持续进化闭环。

4.3 任务市场的构建与运行

在智能化劳动生产体制中，“任务市场”取代了传统的就业岗位，成为劳动力资源配置的基本平台。任务市场具有以下特征：

其一，任务的颗粒化。传统的“工作岗位”被分解为一个个具体可交付的任务单元。任务单元的大小可以根据需求动态调整，既可以是一小时的代码审查，也可以是一个月的项目开发。

其二，匹配的智能化。基于劳动者行为数据和任务需求描述，智能匹配算法可以实现任务与能力的精准对接。劳动者不再需要在海量招聘信息中被动筛选，而是由系统主动推送与其技能、时间、偏好相匹配的任务机会。

其三，契约的自动化。当劳动者接受任务，智能合约自动生成劳动契约，明确任务要求、交付标准、报酬金额、权益配置等条款。任务完成后，智能合约自动执行结算，无须人工干预。

其四，信用的可积累。劳动者在任务市场中的每一次成功交付，都转化为信用积分，影响后续任务的获取机会和报酬水平。这一机制既降低了交易成本，也激励了诚信履约。

4.4 人机协同的权利沙盒

智能化劳动生产体制的健康运行，还需要一个重要的制度设计——权利沙盒。所谓权利沙盒，是指人工智能工具的提供方搭建的一个透明的权利配置环境，向劳动者明示在特定人机协同任务中享有的权利、承担的风险以及申诉通道。

权利沙盒的核心功能是“可解释性”。劳动者在使用智能工具前，可以通过沙盒界面了解：这个AI系统将如何处理我的数据？我的哪些行为会被记录？如果我认为AI的决策有误，如何申诉？当AI的自主决策导致损失，责任如何划分？这些问题在沙盒中都有明确答案。

权利沙盒的另一功能是“可试验性”。在正式进入任务前，劳动者可以在沙盒环境中模拟人机协同过程，体验AI系统的行为逻辑，评估风险与收益。这种“先试后买”的机制，既保障了劳动者的知情权和选择权，也促进了AI系统的持续优化。

五、从制度想象到实践路径

5.1 面临的挑战与风险

智能化劳动生产体制的构建，不可能一帆风顺。在推进过程中，必须正视以下几方面挑战：

第一，数据权力的集中风险。正如吉利斯对英国家庭干预政策的研究所揭示的，数据化治理很容易走向“算法威权主义”——政府或平台通过数据垄断实现对社会行为的深度操控，而公民对此知之甚少。如何在发挥数据治理效能的同时，防止数据权力的过度集中和滥用，是必须面对的制度难题。

第二，劳动主体的模糊风险。当人工智能展现出“类主体性”特征，劳动者的主体地位可能被侵蚀。闫婧指出，如果过度强调AI的自主性，可能导致人的劳动价值被贬低，甚至出现“机器取代人”的异化状态。如何在人机协同中始终确保人的主导地位，是智能化体制必须坚守的底线。

第三，数字鸿沟的加剧风险。智能化生产体制对劳动者的数字素养提出了更高要求。如果缺乏相应的教育和培训支持，部分群体可能被排斥在新型劳动市场之外，形成新的社会分割。

第四，制度滞后的摩擦风险。技术变革的速度远超制度演进的速度，新旧制度之间的摩擦可能导致大量的“灰色地带”——劳动者的权益无法得到有效保障，企业的创新活动面临不确定的法律风险。

5.2 分阶段推进的路径设计

面对上述挑战，智能化劳动生产体制的构建应当采取分阶段、渐进式的推进策略：

近期（1-3年）：试点探索阶段。选择若干具备条件的地区、行业、企业开展试点，重点探索“行为权利清单”的制度设计、“任务市场”的运行机制、“权利沙盒”的规则框架。在试点中积累经验、发现问题、完善方案。

中期（3-7年）：制度建设阶段。在试点基础上，启动相关法律法规的制定或修订工作，明确数据权利归属、劳动行为认定、人机责任划分等基础性制度规范。同步推进职业分类的动态调整和技能认证体系的改革。

远期（7-15年）：全面推广阶段。在制度体系基本成型的基础上，推动智能化劳动生产体制在全国范围内、全行业领域的全面落地。形成适应智能生产力要求的新型劳动关系、新型经济形态、新型治理模式。

5.3 制度创新的关键着力点

在推进过程中，以下几个关键着力点需要特别关注：

一是数据确权。明确数据的所有权、使用权、收益权归属，特别是个人行为数据在商业利用中的权益分配机制。这是智能化体制的制度基石。

二是算法透明。要求高风险人工智能系统在部署前进行影响评估，定期公开算法逻辑和运行效果，赋予劳动者申诉和人工复核的权利。

三是技能重塑。构建适应智能化时代的终身学习体系，帮助劳动者不断更新技能储备，在人机协同中找到自己的不可替代价值。

四是社会保障。将社会保障从“岗位绑定”转向“行为绑定”，确保灵活就业的劳动者也能获得基本的保障覆盖。基于“劳动行为凭证”设计可携带、可累计的社保账户。

结语：走向人机共生的智能文明

从蒸汽机到电力，从计算机到互联网，每一次技术革命都在重塑人类的生产方式和生活方式。而人工智能的独特之处在于，它不仅是生产工具的升级，更是对人类智能本身的模拟和延伸。当机器开始“思考”，当算法能够“创造”，人类必须重新思考自己在生产体系中的位置。

本文提出的“数据行为主义与智能化处理智能劳动生产体制”，正是对这一时代追问的初步回答。它的核心指向不是让技术统治人类，而是让技术服务人类；不是用数据消解主体，而是用数据赋能主体；不是以智能替代劳动，而是以智能增强劳动。在社会主义制度框架下，我们有条件走出一条不同于西方平台资本主义的智能化道路——一条以人民为中心、以共享为目标、以公平为底线的智能文明之路。

正如马克思所言，真正的自由王国是在必然王国的彼岸开始的。智能化生产力的发展，正在将人类从繁重的重复性劳动中解放出来，为人的全面发展创造前所未有的物质条件。而能否将这一可能性转化为现实，取决于我们能否在制度创新上迈出坚实步伐。当每一次人机协同都被系统性地记录、评估与保障，当每一个劳动者的行为贡献都能得到公平认可与回报，技术进步才能真正兑现劳动者的尊严与繁荣。这既是未来国策的制度想象，也是智能时代的文明承诺。