1867 年，马克思在《资本论》第一卷中将价值的实体锚定于抽象人类劳动，以社会必要劳动时间为标尺，为剖析工业资本主义的生产方式提供了无可替代的理论利器。近一百六十年后，生成式人工智能以每秒数万 Token 的速度产出知识、代码与决策，在 " 无人在场 " 的情况下创造出巨大的经济价值。这一历史性的断裂，催生了智能价值经济学的出场——它以 Token 为计量单位，以算法结构为核心变量，试图重构成本与收益的分析框架。
然而，劳动价值论与智能价值经济学之间，绝非简单的替代关系，而是继承与超越的辩证运动。前者揭示了智能得以涌现的 " 历史成本 "，后者则开启了智能变现的 " 未来收益 "。本文旨在厘清两种价值理论的逻辑基石，剖析其在价值实体、计量方式与分配逻辑上的核心交锋，进而提出" 社会必要算力时间 "这一综合性分析单位，以期在理论碰撞中，探寻连接工业时代与智能时代的价值桥梁。
一、劳动价值论的逻辑基石：为何 " 劳动 " 是价值的原点
1.1 从具体劳动到抽象劳动：价值同质化的理论飞跃
古典政治经济学虽意识到劳动是财富的源泉，却未能解决异质劳动如何通约的难题。马克思的关键推进在于劳动二重性学说：将生产活动剖分为具体劳动（创造使用价值）与抽象劳动（形成价值）。抽象劳动抽离了劳动的具体形式，将其还原为无差别的人类脑力与体力的耗费。正是这种同质性，使得万千商品得以在量上进行比较。
其核心度量——社会必要劳动时间（即在现有社会正常的生产条件下，社会平均的劳动熟练程度和劳动强度下制造某种使用价值所需的劳动时间），构建了一个严密的价值量化体系。这一体系不仅解释了价格的形成，更揭示了剩余价值的来源。
1.2 制度批判的锋芒与时代的适用边界
劳动价值论不仅是一种计量工具，更是一把批判的利刃。通过区分 " 劳动力商品 " 与 " 劳动 "，马克思揭示了资本剥削的秘密：工人在必要劳动时间内再生产劳动力价值，在剩余劳动时间内无偿为资本家创造剩余价值。这一理论为工业时代的分配正义提供了坚实依据。
然而，这一理论的隐含前提是：价值的创造主体是人，是人的有目的的活动。当 AI 开始在推理环节独立生成价值，且人类劳动者在 " 最后一公里 " 缺席时，这一前提遭遇了前所未有的挑战。
二、智能价值经济学的理论突破：抽象智能的登场
2.1 价值创造的 " 去在场化 "：推理时刻的涌现
智能价值经济学面对的核心事实是智能活动的独立性。在大模型生成代码或法律文书的瞬间，物理意义上的人类脑力耗费几近于零，取而代之的是 GPU 集群的电力驱动、参数矩阵的矩阵运算以及 Token 序列的概率预测。
尽管模型的训练依赖于人类标注数据、算法架构设计与历史文本积淀，但在推理生成（Inference）这一价值实现的关键时刻，人类劳动并不在场。这是人类经济史上的范式转折：从农业到工业，价值创造的最终环节始终有人的参与；而 Token 的生成，首次将人类从价值创造的 " 执行端 " 剥离，使其退居 " 训练端 "。
2.2 价值的 " 可编程性 "：从耗散型向结构型转变
智能价值经济学提出了" 价值可编程性 "（Programmable Value）这一核心范畴。同一组 Token，因指令（Prompt）与场景的不同，其经济价值可能相差万倍——闲聊时的价值以厘计，而用于癌症辅助诊断时价值以千美元计。
这种价值差异既不源于 Token 的物理属性，也不完全取决于算力投入，而主要取决于算法结构的编排方式与知识组合的匹配效率。这标志着价值源泉从 " 耗散型 "（基于要素投入的量）向 " 结构型 "（基于要素组合的方式）的深刻转型。价值不再单纯由 " 耗费了多少 " 决定，而更多地由 " 如何组合 " 决定。
三、两种价值理论的核心交锋：三个维度的断裂
3.1 价值实体之争：抽象劳动 vs. 算法结构
劳动价值论坚持价值的唯一实体是抽象人类劳动。依此逻辑，Token 的价值本质上是训练阶段凝聚的人类劳动的转移与物化，是 " 死劳动 " 对 " 活劳动 " 的吸纳。
智能价值经济学则认为，除了劳动转移，还存在算法结构的涌现价值。在推理时刻，算力、数据与算法在特定上下文中的实时交互，产生了一种无法完全还原为历史劳动投入的新价值。这种价值是系统性的涌现，而非简单的要素叠加。
3.2 计量哲学之变：时间刚性 vs. Token 弹性
劳动价值论以时间为计量单位，时间是均匀的、一维的、不可逆的，具有天然的稀缺性刚性（一天 24 小时）。这决定了工业经济存在物理增长的天花板。
智能价值经济学以Token 为计量单位，Token 是可编程的、可复制的、上下文敏感的。更重要的是，Token 具有供给弹性——只要算力与能源允许，其产出可呈指数级增长。这种计量哲学的差异，折射出两种经济形态截然不同的增长逻辑。
3.3 分配逻辑之异：剩余价值归属 vs. 场景匹配效率
在劳动价值论框架下，分配的核心是剩余价值的归属，表现为资本与劳动围绕工作日的延长或缩短展开的零和博弈。
在智能价值经济学框架下，分配的核心转向场景匹配效率。Token 的价值不取决于它被生成了多少，而取决于它被用于何种场景、解决了何种问题。掌握行业知识、业务流程与用户触达能力的应用层，往往比提供基础算力的模型层获得更高的价值份额。分配的逻辑从 " 谁耗费了劳动 " 转向 " 谁实现了价值 "。
四、辩证综合：社会必要算力时间与历史劳动的延迟实现
4.1 历史劳动的 " 延迟实现 "
智能价值经济学并非对劳动价值论的全盘否定，而是对其适用边界的拓展。AI 的智能并非无源之水，它是人类数千年知识与劳动积累的数字化结晶。预训练数据中的人类智慧、人类反馈强化学习（RLHF）中的标注劳动，都是价值创造的必要环节。
人类劳动从 " 即时在场 " 转变为" 延迟实现 "——在 Token 生成的瞬间被唤醒、被组合、被激活。因此，智能价值经济学将劳动价值论的视野从 " 现场劳动 " 拓展至 " 历史劳动总储备 "。
4.2 社会必要算力时间：连接两个时代的桥梁
为了弥合两种理论的断裂，本文提出" 社会必要算力时间 "（Socially Necessary Computing Time）这一过渡性范畴。它定义为：在现有的社会平均算法效率、芯片制程与能源成本下，生成一个单位" 有效 Token"（即能解决实际问题的 Token）所必需的算力投入。
这一概念保留了劳动价值论中 " 社会平均 " 与 " 必要性 " 的分析精髓，同时吸纳了算力、算法与数据作为新变量的现实。它既承认历史劳动的积淀作用，又正视实时涌现的技术特征，为理解智能时代的成本与价值提供了更具解释力的分析工具。
结语
劳动价值论诞生于工业革命的轰鸣，回答了机器取代体力时的价值源泉问题；智能价值经济学崛起于数字革命的静流，正在回答算法取代脑力时的价值生成问题。
二者之间，不是颠覆，而是扬弃。当" 社会必要劳动时间 "与" 社会必要算力时间 "相遇，当" 抽象劳动 "与" 抽象智能 "对话，经济学正站在范式转换的临界点。人类首次能够精确计量 " 思考 " 的成本，这不仅将重写价值理论，更将重塑我们对财富、公平与增长的根本认知。这既是理论的挑战，更是构建中国自主知识体系的机遇。
