近160年前，馬克思出版了《資本論》（1867），奠下了一個多世紀以來，人們對某種進步或高階社會的理想、或幻想。
這裡倒不是要搶閘對《資本論》作回顧，而是更具針對性地力圖論證：《資本論》以至馬克思的 「唯物史觀」（historical materialism），儘管和僅僅早八年面世、達爾文的《物種源始》 （1859），屬於完全不同學術範疇的著作；但卻同樣承載著濃厚的啟蒙運動的精神想像，共同構成 現代文明的深層文化底蘊，兩者著實存在著驚人的相似之處。
尤其重要的是：這些涉及高階社會、生命、物種和進化的類比，對當下關於「生成式人工智能」 （GenAI）的普遍誤解，實在造成了舉足輕重的重大影響。
對「物競天擇，適者生存」的長期誤解
所謂「物競天擇，適者生存」，相信大家自小都已耳熟能詳。很多人都知道，這句中文名言，乃來 自十九世紀末嚴復所翻譯、達爾文追隨者赫胥黎撰寫的《天演論》 (1893)，而並非直接來自達爾文 的《物種起源》。尤其「適者生存」（survival of the fittest）一語，更不是達爾文原創，而是英國 哲學家史賓塞在1864年提出。
嚴復在翻譯赫胥黎時，曾大量融入史賓塞的「社會達爾文主義」（Social Darwinism）思想，遂令 「物競天擇，適者生存」廣為流傳，成為華文世界理解進化論最深入民心的八個字。
很多人卻未必知道，「適者生存」即使後來獲達爾文本人接納，卻極易對進化論的原來含意造成扭 曲。時至今日，大概很少人會全盤否定達爾文的進化論；但史賓塞式的社會達爾文主義，尤其是它 濃烈種族主義、帝國主義和歷史命定論的意味，早已受到學術界的廣泛批判。大概只有少數極右翼 法西斯主義者，仍對史賓塞思想一直加以堅持。
若我們並不是談史賓塞，而是回到達爾文本身：所謂的fittest，便不等於最強壯、最聰明、最先進， 更絕不代表在競爭中擊敗其他物種的勝利者。它首先指向的，是不同物種在特定環境中的相對成功 適應。適應過程固然會受到物種之間競爭的影響，卻也取決於氣候、地景、水源、養分、繁殖、合 作、共生，以至無數其他的生態互動關係。
換句話說，進化並不是一場所有生命參與競逐、最終由最強者勝出的淘汰賽；更不是一條從「低 等」生命，逐步攀升至「高等」生命的單向階梯。
其實只需放眼我們身處的地球便知道。
自從五億多年前的寒武紀大爆發，到今天極為繁複的生境和生物多樣性，進化並非一物種接另一物 種登上冠軍寶座，而是不斷分化、繁衍和適應的混雜過程。各種生命在迥異的環境中生生不息、百 花齊放——假如進化真的只有最強者勝出，那麼地球上絕大部分的生命，豈不早就應被淘汰殆盡？ 試問又怎會出現今天這個由細菌、真菌、植物、昆蟲、魚類、鳥類、哺乳類，以至無數微生物相依 相偎、共存共榮的繁盛生命世界？
從「社會達爾文主義」到「唯物史觀」
馬克思在撰寫《資本論》期間，顯然已相當熟悉達爾文的進化論，大概也接觸過史賓塞的思想，但 他並沒有照單全收。一方面，馬克思高度重視達爾文，認為《物種起源》從自然史的角度，證明了 看似固定不變的生命形態，其實也是漫長歷史演變的產物；另一方面，他並沒有因此把人類社會， 簡化為「物競天擇」的競爭場域，更沒有把資本主義理解為自然進化必然產生的最高階段。
馬克思所倡導的唯物史觀，其實早於《物種起源》十多年已初步形成，因此不能簡單地說：馬克思 把進化論和自然科學硬生生地搬進社會科學。顯然並非如此。兩者真正深刻的共通之處，在於他們 都把看似永恆不變的事物，皆重新放回歷史發展的脈絡之中——達爾文把自然物種歷史化，馬克思 則把社會制度歷史化了（註一）。
自達爾文起，自然物種不再是上帝的一次性創造，從此固定不變；自馬克思起，資本主義也並非天 然、永恆和必然構成最佳的社會制度。兩人都把問題從：「它的本質是什麼」，轉向：「它究竟如 何形成，又如何繼續變化」。兩者皆同時承載著自十八世紀以還，啟蒙運動所驅動的科學樂觀進步 精神。
馬克思既認同達爾文將大自然歷史化，卻同時警覺到，像史賓塞這一類思想家，卻可能反過來把這 套「自然規律」搬回來，挪用作解釋人類歷史的發展邏輯。競爭、分工、生存鬥爭以至「適者生 存」，很容易令人把資本主義的特定運作方式，投射到自然界，把它想像成生命世界無法避免的自 然法則。如此一來，本來應該被歷史化的資本主義，反而再次被自然化了。
然而，其後卻出現了相當弔詭的逆轉：來自馬克思的唯物史觀，本身最終也宿命地、並且更加徹底 地被自然化了。
馬克思主義的弔詭逆轉
馬克思原來的重要突破，是指出資本主義並非自然形成、永恆不變的社會秩序，而只是特定歷史環 境中的特殊產物；但到了後來絕大部分的正統馬克思主義，以至蘇聯式唯物史觀的詮釋之中，人類 歷史卻被理解為如同自然法則般的機械過程——由原始社會、奴隸社會、封建社會、資本主義，必 然走向社會主義，以至最終的共產主義。
不同社會之間的複雜差異、偶然性和多重發展路徑，遂被打包成一條由「低級」走向「高級」、由 「落後」走向「先進」、優勝劣敗的單一歷史階梯。
箇中荒謬之處正正在於：馬克思把資本主義歷史化，後來的馬克思主義卻又把歷史本身自然化了。 前者告訴我們，沒有任何社會制度是永恆不變的；後者卻剛好反轉過來，相信歷史存在一套近似自 然科學的客觀規律，甚至存在可以預知的未來方向和終點。
馬克思主義最終淪為徹徹底底的思想教條，並且和明顯帶有社會達爾文主義色彩的法西斯主義，共 同構成了廿世紀人類災難的根源。
這些關於人類歷史進化的想像，嚴格來說不會得到達爾文的認同。皆因達爾文原初版本的進化，並 沒有預設的路徑和終點，更沒有一條由「低等」生命攀升「高等」生命的必然階梯。進化充滿著各
種偶發、突變、不確定性與各種可能性。過去曾經存在的物種，並非比今天的物種「低等」；今天 存在的物種，亦並非朝著某個更「高等」的方向前進。
時至今日，大概除了某些威權政體基於愚民的需要，已很少人會重提機械式的唯物史觀，又或是教 條式的馬克思主義。然而，將資本主義社會的所謂市場競爭，一貫視作近似自然規律和思想教條 的，卻仍大不乏人。在這背後，仍難免承繼著某些啟蒙運動的精神遺產，埋藏著某種達爾文主義、 又或曲解達爾文原意的文化偏差。
關鍵問題是：當大家都長期活在這種文化偏差之中，就好像魚長期活在水中——這裡有水嗎？怎麼 我看不見！
是政治抉擇，並非市場規律
毋庸多言，當下科技巨頭在GenAI領域的割喉式競爭，以至中美之間的科技軍備競賽，往往皆被視為 競爭法則下無法避免的結果。眾所周知，近年GenAI的驚人飛躍發展，乃源於少數大型集團的天文數 字投資；普遍預期「通用人工智能」（AGI）的臨近，更重新喚起一種熟悉的「survival of the fittest」想像——某個大型語言模型、某家科技巨企，甚至某個國家終將率先跑出，在智能競賽中成 為最終勝利者。
但問題恰恰在於：我們究竟是在客觀描述人工智能的「自然進化」，還是在把由少數企業、資本和 國家共同塑造的寡頭和精英搏奕，重新包裝成不可違抗的自然規律？
今天真正能夠「適者生存」的，與其說是GenAI模型本身，不如說是AI背後的企業、資本、國家和體 制。GPT不會自行籌集資本，Gemini不會自行興建數據中心，Claude不會自行購買GPU， DeepSeek和Kimi也不會自行選擇開放還是封閉模型——哪些模型得到訓練、多少算力被分配給它 們、哪些產品能夠進入市場，以至哪些模型最終被淘汰，至今主要仍是人類作出的決定。
換言之，即使我們假借進化論的語言，在今天這個世界正在發生的，也遠遠不是一場獨立於人類的 「物競天擇」，它更接近一場精心設計的人工選擇。而選擇GenAI的「環境」，本身亦不是天然存在 的——它乃是由極少數科技和資本精英推動，深受個別國家政策以至地緣政治影響，更多屬於所謂 開放市場規律以外的封閉政治抉擇。
生命、物種和進化類比的謬誤
這正好把我們帶回馬克思百多年前提出的問題。當一套由特定生產關係、制度安排和權力結構造成 的結果，被描述成市場規律和競爭法則，政治抉擇便很容易被偽裝成自然和必然。按照同樣道理， 當今天的GenAI軍備競賽，被描述成一場不可阻擋的「智能進化」，我們也很容易忘記：這場競賽的 規模、速度、方向，以至遊戲規則，本來就是由極少數精英權貴所打造。
更加弔詭的是：即使我們真的把今天GenAI的搏奕理解成某種進化，從達爾文本人的角度出發，也完 全推不出「最後只會剩下一個勝利者」的結論——大自然從來不是一場所有物種參加比賽、最後只 剩一名冠軍的淘汰賽；恰恰相反，長達數十億年生命的不斷演化，形成今天令人目不暇給的生物多 樣性。物種毋須在同一能力排行榜上互相比拼，更毋須全部朝着同一個「最高物種」進化。
然而，我們今天談論GenAI時，卻往往不知不覺重新畫出那條達爾文早已打破的階梯：低等生命 → 高等動物 → 靈長類 → 人類 → GenAI → AGI → Superintelligence。
在這幅想像宏圖中，人類曾經憑藉智慧爬上生命階梯的最高處；現在既然GenAI可能擁有更高智能， 它便理應接替人類登上頂峰。AGI於是被想像成一個新物種的誕生，而Superintelligence則成為比 Homo sapiens更加「高等」的生命形態。
可是，這個看似極其前衛、甚至令人不寒而慄的二十一世紀未來想像，其思想結構可能比達爾文還 要古老。它更接近前現代西方的「存在巨鏈」（Great Chain of Being）：世界萬物按照某種內在 價值，由低至高排列，而最高的位置總要由某種最完美的存在佔據。過去那個位置屬於上帝，其後 在啟蒙運動和人文精神中，逐漸由人類佔據；到了人工智能年代，我們只不過準備再次把王座交給 Superintelligence。
真正的達爾文革命，恰恰要求我們把這張王座也一併拆掉。
因為「更聰明」從來不等於「更適應」，「更適應」也不等於「更高等」。一個前沿模型即使在數 學、程式設計、科學推理和語言運用上全面超越人類，也不能由此推論它具有更高的環境適應能 力，更不能宣稱它已成為比人類更高等的「物種」。智能、科技、物種和進化，本來就是各自不能 任意互換的概念。
這正是當下GenAI論述最值得警惕的「生物類比謬誤」：我們首先借用生命科學的語言，說GenAI懂 得「學習」、「記憶」、「進化」、「適應」和孕育新的「世代」；當這些比喻變得愈來愈習以為 常，我們便逐漸忘記它們原來只是比喻——從「GenAI在某些方面愈來愈像生命」，不知不覺跳到 「GenAI正在成為生命」，最後甚至跳到「GenAI是即將取代人類的新物種」。
我不能預知未來，的確不能百分之百肯定地說：「GenAI永遠不會成為生命」，「GenAI永遠不會取 代人類」；但顯然易見，這類課題仍離我們很遠很遠，並非當下真正值得關心的問題。當下真正應 該追問的，其實並不是「GenAI何時會超越人類，成為地球上最高等的物種？」而是更基本的一連串 問題——什麼才算生命？什麼才構成物種？什麼才稱得上真正的進化？而今天的GenAI，究竟已經具 備了其中多少條件？
探尋多樣性的GenAI生態
退一萬步來說，假如我們仍然沿用達爾文的語言，又能想像出一幅怎樣的GenAI多樣性生態圖像？答 案很可能不是目前最流行的「贏家通吃」想像——少數科技巨頭投入天文數字資本，競逐率先研發 AGI，最終由其中一個最強大的模型脫穎而出，其他模型則像演化史上的失敗物種般逐一消失——假 如我們真的認真對待達爾文，較合理的圖像，反而可能是一棵不斷分叉的「AI生命樹」。
首先出現的將會是縫隙分化（niche differentiation）。在自然世界，一種生命的成功並不取決於它 能否有力擊敗其他生命，而在於它能否適應身處的生態縫隙。同一道理，一個擁有數萬億參數、需 要龐大數據中心支撐的前沿模型，固然可能擅長複雜科研和通用推理，卻未必適合放進手機、汽 車、醫療儀器、學校、地方政府甚至偏遠社區。另一個規模小得多、適合在地裝置運行的模型，整 體能力即使較弱，卻可能在私隱、成本、速度、能源消耗和在地知識方面具有更高的適應能力。
其次是物種分化（diversification）。GenAI未必沿着一條單線發展路徑前進，而可能像生命樹般不 斷分支：有些模型專門處理科學研究，有些負責醫療診斷，有些成為個人智能助理，有些嵌入機械 人，有些服務政府和公共機構；有些追求規模，有些追求效率；有些封閉，有些開放權重；有些全 球化，有些則高度地方化……它們並不存在於同一條「智能排行榜」上，而是在不同制度和技術環 境中尋找自己的生態縫隙。
進一步來說，GenAI世界亦可能出現大量共生（symbiosis），而非只有競爭和淘汰。一個大型基礎 模型可以為數以千計的小型模型提供知識和能力；小型模型則透過特定領域、語言和地方經驗加以 適應。開放權重模型可以成為其他模型繁衍和變異的共同基礎；不同智能體可以組成multi-agent systems，各自扮演研究者、批評者、驗證者、規劃者等不同角色。人類亦不必成為AI的競爭對手， 而是成為多樣性生態中的另一共生者。
恐龍體型最大，卻不代表最進化……
恐龍曾經非常成功，卻不代表體型愈大便愈進化。按同樣道理，參數更多、算力更大、資本投入更 多，也不等於在所有環境中具有較高適應能力。當能源、晶片、私隱、可靠性和地方自主逐漸構成 篩選壓力，「小而專」、「小而快」、「小而在地」，亦完全可能成為另一套成功策略。即便是目 前被視為GenAI競爭核心的「規模」，也未必具有永恆的進化優勢。
從這個角度看來，另類模型值得注意的地方，便不單在於它們能否追上最強大的前沿模型，而在於 它們所代表的另一種「適應策略」：透過Mixture-of-Experts、模型壓縮、推理效率、開放權重等 不同技術路線，嘗試以較少資源取得較高效能。它們是否成功，最終並不取決於能否進化成「最大 的物種」，而在於能否找到足以持續發展的技術和制度縫隙（註二）。
這便揭示了一個更加深刻的弔詭：我們今天最常聽到的AI「達爾文主義」——軍備競賽、適者生 存、優勝劣敗、AGI取代人類——可能恰恰是最不達爾文的AI未來想像。真正達爾文式的未來，未必 是誰消滅誰，而更可能是誰能在什麼環境中生存、誰與誰形成新的共生關係，以及不同形式的智能 如何共同持續創造新的生態縫隙。
我撰寫本文的目的，並非妄想指引未來的歷史方向；無非只想魚能跳出水面，看看牠們身處的真實 世界，如此而已。
註一：可參閱Joel Wainwright：《The End: Marx, Darwin, and the Natural History of the Climate Crisis》（2025）。
註二：Sung Ming Chow：〈From Kimi’s 896 Experts to AI Constitutionalism: The pluralistic and democratising potential behind〉（2026）。
作者：鄒崇銘
