數字時代配送平臺的算法治理術研究——以外賣騎手為例

黃展鵬，華南師范大學馬克思主義學院，主要研究方向為馬克思主義理論與當代社會思潮。

［摘 要］基于參與式觀察和田野訪談，文章考察了外賣平臺中微觀—宏觀權力雙向建構與循環增強的算法治理機制。通過對騎手個體進行微粒化的數據解析，算法奠定了微觀權力運作的基礎，為治理提供了對象和原料，進而依據宏觀治理目標，將具有相似特征的微觀數據聚合成適配不同配送情境的“微人口集群”。宏觀調配的有效性依賴于算法指令對微觀個體行為的精準引導，而面對規模化與差異化的騎手個體，算法借助空間層面的宏觀規劃，實現指令在特定區域內的精準投放。同時，平臺通過數據拜物教與組織馴化等手段，促使騎手將宏觀規則內化為自覺行動，實現宏觀權力向微觀主體的滲透。最終，在“算法黑箱”這一融合知識生產、真理確立與權力執行的“知識—權力”裝置中，宏觀與微觀權力實現了閉環運作，使算法治理呈現出一種技術必然性。

［關鍵詞］外賣騎手；算法治理；算法知識—權力；治理合理化

一、問題的提出

中國外賣市場已從早期萌芽與爆發式增長邁入穩定發展階段。截至2023年，美團、餓了么、京東三大平臺的騎手規模分別約達745萬、400萬和120萬（MCR嘉世咨詢，2025），全國騎手總量已突破千萬。在此背景下，在復雜多變的配送場景中實現高效調度，已成為外賣平臺算法模型的核心挑戰，也日益成為學界關注的研究議題。

在傳統勞動過程理論中，控制主要表現為科學管理、技術控制與科層制度等相對顯性的管理者主導形式（布雷弗曼，1979），而外賣平臺中的“數字控制”（陳龍，2020）則更為隱蔽，即借助數據和算法對勞動者進行深度監控。從控制主體看，虛擬算法系統取代實體管理者，承擔派單、監督、評估與獎懲職能（馮向楠、詹婧，2019）。從控制維度看，依托 GPS 定位與實時數據，監督方式由工廠式的間歇性巡視轉向數字全景監視（李勝藍、江立華，2020）；勞動空間從邊界固定的實體場所擴展為無邊界的流動領域（陳龍、孫萍，2021）；勞動時間從傳統工時的固定化變為碎片化與黏性化（孫萍、陳玉潔，2021）。總體而言，平臺對騎手的勞動控制經由算法設計和重構，顯現出自動化、全面化和隱蔽性等新特征。然而，上述研究多停留在權力對個體勞動的微觀控制上，另一種與之并存的宏觀權力形態尚未被充分審視。

根據田野觀察，2023年4月，M平臺在惡劣天氣中取消了汕尾市老騎手的補貼，引發新老騎手聯合停止接單以爭取權益，然而平臺并未妥協，反而從周邊區域迅速調集運力，以高成本完成配送。據騎手平哥所述：“平臺僅用一天時間就換掉了一座城市的騎手，對外來騎手提供食宿和配送工具，配送費每單10元，每日保底200元，超時或差評免責。”（SW01-20241107）這種“一日撤換一城騎手”的做法揭示了權力運作的宏觀形態，它迥異于針對個體的微觀規訓，表明權力的作用域不僅貫穿于個體層面，更在于對整體人口的調控。由此引發的理論思考是：此種宏觀權力的運作邏輯與特征是什么？其與微觀權力構成何種辯證關系？盡管福柯（Michel Foucault）提出“治理術”（Governmentality）概念作為貫通宏觀—微觀權力的理論工具（福柯，2022），但算法權力已不再完全符合以培育和優化生命為目標的肯定性力量，而表現為可施加處罰乃至全盤棄置對象的否定性力量。即便如此，這種權力卻仍能達成傳統治理術所追求的穩定總體秩序目標。全盤棄置的算法決策亦將騎手反抗推向更為困難的境地。雖然騎手可以利用系統漏洞進行“報備”“掛單”“外掛搶單”“合謀刷單”等“技術盜獵”行為（陳龍，2020；束開榮，2022a），或構建以“兄弟”“家人”為名的情境性強關系以應對配送挑戰（閆堃、孫硯菲，2024），但在汕尾事件中，平臺果斷棄置此類強關系，憑借宏觀權力迅速重建秩序，其在極短時間內完成的復雜調度彰顯了算法技術將治理能力提升至前所未有的高度，同時也進一步壓縮了騎手的反抗空間。因此，有必要在福柯理論基礎上提出“算法治理術”概念以作回應，對宏觀權力的探討必然指向算法治理這一深層議題。這種重視并非要描述并放大治理困境的現實難度，而是要重建認知困境的思想邏輯，推動治理結構合理化發展。

為探明上述問題，本文基于田野調查材料，引入微觀—宏觀權力雙向建構的算法治理視角，重新審視勞動控制問題。在田野研究中，筆者先后以專送和眾包騎手身份融入上海、廣州、汕尾等多地騎手群體，通過參與觀察把握不同地域、不同類型騎手的勞動特征及平臺規則演變，積累了豐富的一手素材。2022年6—7月，筆者加入上海市某專送團隊，同年7—8月轉為當地眾包騎手繼續參與觀察。自2023年起，筆者多次以眾包騎手身份于廣州市、汕尾市等地開展調查。此外，筆者查閱了大量平臺技術文章與專利文件，嘗試從技術架構的內在邏輯出發，探析其與算法治理邏輯的契合性，并結合田野資料檢驗這兩種邏輯的互動及其與現實情境的匹配度。與此同時，騎手在社交媒體與App社區中分享的跑單實錄也將作為理解平臺技術邏輯與騎手勞動狀態的重要補充資料。

二、規訓與調節：治理術的前世今生

治理術是福柯剖析現代權力運作的核心概念，指一系列能夠指導人行為的制度、程序和策略所構成的裝置總體（福柯，2018a）。該譜系涵蓋兩大權力技術：針對個體身體的規訓技術與針對人口整體的調節技術（福柯，2022）。

規訓技術以塑造“馴順個體”為宗旨，通過對動作、時間與空間的系統規范，實現對人體的精細化操控。在動作層面，該技術預設標準姿態與操作流程，調整身體與工具的關系，并借助監視和檢查機制識別并糾正不規范行為。對此，福柯視其為一種重新探究、打碎和編排身體的權力機制，使身體在“做什么”和“怎么做”兩方面都符合權力的愿望（福柯，2012）。在時間層面，該技術將時間切分為獨立且序列化的單元，按計劃組合并提取最有用的時段，從而強化每一時段的使用效率，達成對個體生命的全面管理（福柯，2012）。在空間層面，該技術使現代建筑師依循光學與建筑學原則，將建筑物設計成封閉且透視的結構，讓個體在功能分明的序列化空間中按律移動，使其行為一目了然，便于監視者對內實施清晰而細致的控制（福柯，2012）。

與之相反，18世紀后期形成的調節技術以人口為治理對象，人口不再被視為個體的簡單集合，而是具有自身規律與穩定趨勢的客觀實體，被福柯定義為一種“自然現象”（福柯，2018a）。福柯指出，調節技術旨在通過科學手段實施宏觀干預，以維護社會繁榮穩定，其邏輯不同于規訓技術的“禁止—懲罰”模式，而奉行允許現實依其內在規律發展的“放任—自由”原則（福柯，2018a）。其目標不在于根除一切不確定性，而是將頻率與危害控制在“可接受閾值”內。為此，調節技術須依賴人口學等多學科知識，通過持續觀測人口出生率等各類數據，識別其發展規律和常態分布，并制定預測性干預政策。正如福柯所言，“控制一些看上去與人口不相干的事物，通過計算、分析和觀察思考，人們知道控制這些事物可以實際上對人口施加影響”（福柯，2018a）。

信息技術的興起推動權力技術進入新階段。德勒茲（Gilles Deleuze）指出，規訓社會正轉向“控制社會”，其中權力“通過持續的控制和即時的信息傳播來運作”（德勒茲，2012）。算法治理進一步強化了這一趨勢。它將現實個體轉化為數據流，并通過算法重構為適于治理的“數據人”，重塑現實世界中的主體（藍江，2021）。現有研究多認為，算法催生的數字勞動異于傳統工廠的體力勞動（王鴻宇，2024），而關于智能設備界面的點擊操作是否構成勞動仍存在理論爭議（余斌，2021）。但在配送實踐中，騎手同時棲身于現實與數字兩個世界，執行商品運輸和數據采集的雙重勞動（陳龍，2022）。這表明，算法權力已實質性貫穿于物理與數字的交疊領域。不過，既有研究多聚焦于微觀勞動控制，而對騎手群體的宏觀調節機制探討不足。本文基于治理術譜系，結合平臺管理與騎手實踐，分析傳統治理術在數字時代的適用與演變，并通過刻畫微觀與宏觀權力雙向建構的算法治理圖譜，重構騎手陷入治理困境的認知邏輯。

三、算法治理的微粒化：

微觀個體的數據解析與微人口集群的實時構序

（一）微觀個體的數據解析：勞動、身體和交往的重塑

在傳統勞動控制理論中，管理者對勞動者的監督主要依賴于可見的時空場域、科層制度與書面檔案，這種控制模式的權力運作具有明確的物理邊界。相較而言，平臺勞動控制實現了一種“微粒化”轉向：它將騎手的勞動過程、身體狀態及社會關系轉化為可實時采集、分析與重構的數據微粒，進而在數字空間中預先構建出一個決定其存在價值的“虛體”。

在勞動過程方面，一次完整配送被分解為從下單時刻到交付時刻的連續數據節點（見圖1），智能終端實時采集各節點對應的高精度、細粒度數據。M平臺系統每日可產生幾十億次定位數據，這為后續分析與應用奠定了基礎（何仁清，2018a）。例如，在到店與交付環節，騎手執行的簽到操作會累積大量上報信息，經算法技術篩選和數據降噪，可將定位精度提升至具體樓棟和單元層級（見圖2）。同時，多名騎手在同一取送路徑中生成的多條軌跡數據也會被算法記錄分析，用于優化路線與時間估算。平臺還整合風速、溫度、雨雪等天氣參數，以調整配送時長和單價。最終，算法將這些數據重構為“準時率”“平均配送時長”“騎手等級”等綜合評價系統，經加權處理后用于騎手的勞動評估。

在身體形塑方面，現有討論多集中于平臺對職業化、標準化身體的塑造層面（孫萍等，2022），而較少關注其數據化解析已延伸至生物性層面，使算法能夠持續捕捉細微且動態的生命活動。平臺通過智能頭盔等可穿戴設備實時采集騎手的生物與行為數據，將其身體更深層次地接入算法系統，頭盔內置傳感器可監測騎手體溫以判斷佩戴狀態，并通過感知海拔變化速率識別其上樓方式（北京三快在線科技有限公司，2020）。這些傳感器在GPS信號弱的室內場景中尤為重要，既可識別騎手姿態，也能評估配送難度，可為動態定價與調度提供依據（何仁清，2018a）。平臺還嘗試集成血氧監測、氣囊、電極等模塊，持續跟蹤騎手的血氧與腦電信號等生命體征，并在異常時啟動保護機制（北京三快在線科技有限公司，2023）。此外，行車監測裝置可捕捉周圍圖像，分析路況與騎行狀態（北京三快在線科技有限公司，2022）。盡管上述技術尚未全面普及，但從平臺專利來看，深度融合生物信息與算法系統的嘗試已成為一種技術趨勢。

海量微粒數據經算法整合，在數字空間中構建出一個“虛體”，個體借由該數字化中介方能在互聯網空間中獲得存在屬性（藍江，2022）。虛體是通過數字編碼在算法模型中對個體生物特征、行為、情感與偏好等進行重構后形成的數據化身體。對騎手而言，賬號是其參與平臺勞動必需的數字化身份，也是日常互動的主要媒介。傳統主體間復雜的交往行動被簡化為騎手與算法、商戶、顧客之間的短暫數據交換，形成高度功能化的“瞬時社會關系”，社會聯結所需的深度時間與穩定空間被高速運轉的算法鍘刀所切斷。騎手的個體價值和存續資格取決于算法評分系統，該評分并不基于對騎手個人品德或職業道德進行的深入研判，而是由眾多顧客或商家的虛體評分數據聚合而成。對騎手而言，看似微粒化的評價實則是對其數字身份的再次重構與評估。當算法技術成為生產與生活的中介，騎手在物理空間中鮮活且異質的生命樣態被還原為虛擬空間中的微粒數據或編碼存在，同時又不斷被重組為持續流變的虛擬身體。在此意義上，算法技術借助無處不在的傳感裝置，實現了比福柯書寫式檔案化更加便捷、隱蔽的統計和治理。

（二）微人口集群的實時構序：算法調度與動態整合

算法對騎手個體的微粒化數據解析構成微觀權力運作的基礎，但這些數據須進一步納入宏觀人口調控才能實現治理價值。在平臺管理實踐中，福柯所定義的宏觀人口被分解為“微人口集群”，即基于實時變化的配送需求，將具有共同特征與行為模式的小規模騎手調度聚成的子群體。該類集群并非固定不變，而是一個隨訂單波動、管理策略及配送環境等因素變化而不斷被重構或消解的動態過程。汕尾案例體現了此集群在配送系統瀕臨停滯時的關鍵調度效能：此時的騎手不再是具身化的勞動者，而是被算法抽象為“勞動力單元”；罷工騎手則因被識別為“風險單元”，而被系統排除并替換。

平臺對分布式勞動力的聚合調配能力不僅見于此類特殊情境，也廣泛滲透于日常運營中。當訂單突增時，平臺會臨時調派騎手支援。例如，在S平臺商圈因活動導致訂單量激增時，騎手小鄭就以“特種兵”的身份被抽調來補充運力。在智能調度過程中，算法會統籌多項條件，如特定訂單需由具備相應資質或裝備的騎手完成（火鍋訂單只能交給攜帶專門裝備的騎手），以及騎手載具的容量限制等；新注冊騎手則被系統標記為“新手訓練集群”，在負載較低的閑時向其派單，以鍛煉其配送能力（井華，2017）。算法依據歷史數據為騎手標注多項屬性標簽，包括準時率、好評率、平均時速、熟悉區域、常配送品類等，進而識別出高信平臺優先從該集群中遴選最匹配者執行配送，這些騎手因“履約能力”的共同特征而形成細分的微人口集群。

在智能排班系統中，為實現運力對需求的實時響應與全天候人力保障，配送團隊采取按組排班模式，算法在決策過程中對人數進行歸一化處理，僅分配各班次所需騎手的比例，只需輸入站點總騎手數量即可自動分配具體人數。訂單量也作歸一化處理，將每半小時時間單元內的進單量除以日峰值時間單元單量，若某時間單元的人數比例大于單量比例，即判定該時段運力充足（王圣堯，2020）。智能排班主要用于管理相對穩定的專送騎手，即根據未來訂單預測，提前規劃其工作時段，以優化運力在時間單元上的匹配程度，避免高峰時短缺和低谷時過剩。對更具自主性的眾包騎手，算法則釋放出“沖單獎”“時段獎”“天氣補貼”等價格信號，激勵其上線補充運力。

為應對配送過程中的不確定因素，算法治理一方面依賴福柯所述的整體人口，另一方面轉向基于實時數據構建的、高度情境化的微人口集群。它既關注“××市/××區騎手”這類宏觀實體，也關注“在特定時刻處于特定地理位置、擁有特定績效歷史與實時狀態”這類瞬息萬變、高度細微的騎手集群。依托此種微粒化治理技術，算法得以靈活調配具有不同特征的騎手，有效應對多樣化的配送挑戰。

四、算法治理的時空交織：

即時性指令植入與封閉性空間規劃

（一）微觀規訓：即時性指令對騎手活動的精準植入

算法對騎手的行為規訓建立在高精度數據采集與宏觀整合的基礎之上，旨在將預設的算法邏輯與價值偏好精準植入個體行為，從而實現對配送活動的實時引導與規范。

算法依托配送全程產生的動態數據，實時生成和推送最優操作指令，并通過即時反饋機制持續優化模型。它將配送流程進行高度結構化的拆解，為每一環節制定嚴格的規則與操作要求，再輔以簡潔的界面命令進行操控，使得騎手的全部活動均受這套精確的命令系統組合與維系（見表1）。正如福柯所言，“這里不存在理解命令的問題，所需要的僅僅是根據某種人為的、預先編排的符碼，接收信號和立即做出反應”（福柯，2012）。為提升指令執行的準確性，平臺持續優化人機交互設計，如將“點擊確認送達”改為“滑動確認送達”，并應用語音助手技術構建沉浸式指令接收環境，使騎手僅需以“是”或“否”回應系統指令，即可完成配送交互（何仁清，2018a），從而使其在持續聽覺規訓中維持隨時待命的響應狀態。

在時間維度上，算法將勞動過程碎片化并整合進嚴格的時間表（陳龍、孫萍，2021），通過對時間的切割、比較與擇優，將歷史最優時長固化為標準用時，并輔以“超時提醒”等視聽壓力機制，確保指令按時完成。這種時間規訓不僅壓縮了配送任務的時間間隙、提高了勞動時間密度、塑造了適應高精度時間約束的身體，更使平臺能夠提取、整合并利用最有價值的時段，根據訂單波動動態配置騎手資源。在高峰期及惡劣天氣等訂單集中時段，站長會強制專送騎手全員上線，將分散于不同空間的勞動力精準聚合至高效時段，實現時間使用效率的極致化。平臺對騎手的行為規訓還緊密結合自身強大的空間定位能力。算法通過收集和計算騎手的空間軌跡數據，并在界面實時顯示騎手的精確位置，從而令騎手的勞動狀態完全處于可被觀察、評估與演算的透明之境。由此，算法識別取代了奧伯凱姆普夫工廠監督者的全景監控（福柯，2012）。顧客得以間接控制送餐過程，源于平臺提供的兩項空間技術支持：一是對騎手的關鍵操作（如系統上報的300米限制）進行空間規范；二是使騎手的空間姿態能實時可見。由此，顧客可對騎手不送上樓等空間失位行為進行投訴或差評，騎手的軌跡數據則成為平臺的處罰依據。

在此過程中，騎手被完整編入算法系統的數字檔案。這種數字檔案建立起一種新型的數字話語結構，其中算法規則界定了何種行為可被系統容納、何種行為將被排斥，以便平臺及時進行區分與矯正，并根據違規情節的輕重施以罰款、培訓或封號等處罰。林站長常在群里強調，“已經連續好多天超時都爆掉了，今天起，超時需要控制在1.5以內，每天我會從系統中拉取超時排名后5位的騎手信息，要求他們第二天來站點”（SH02-20220809）。福柯曾言，“被注視、被觀察、被詳細描述、被一種不間斷的書寫逐日地跟蹤，是一種特權”（福柯，2012）。而在算法治理下，“書寫者”的角色已從人類管理者轉變為算法模型本身。

平臺的時空規訓可借德勒茲筆下傀儡師操縱木偶的三條線進行闡釋。第一條是直觀的表象之線，即虛體在平臺界面上的配送活動，與現實配送環節保持一致。第二條是被隱匿的真實之線，即騎手在物理空間中所進行的手指滑動、屏幕點擊與身體移動。然而，騎手的身體實踐無須被站長、商家或顧客所見，虛體運動反而被當作實在的運動。最為關鍵的第三條線則是由算法邏輯架構的規則體系，騎手必須依此重塑生活節奏，如下線騎手會在高峰期前返回商圈附近待命、在外跑單騎手會加速送單以趕回商圈、騎手需要根據天氣情況調整跑單策略。于是，騎手與虛體的關系發生顛倒，即并非虛體適應騎手的生活節奏，而是騎手必須適應其在平臺中的虛擬生命角色的運行邏輯，從而成為被系統規則牽引的“反向提線木偶”。

（二）宏觀架構：封閉性空間規劃對勞動秩序的剛性構筑

算法對騎手的治理并非直接針對分散個體，而是通過構建功能各異的封閉空間，對特定區域內的騎手群體實施統一調度與規模化管控。盡管有研究認為，算法監控不依賴物理空間即可實現（李勝藍、江立華，2020），但從群體治理視角看，空間仍是算法權力運作的關鍵錨點：隨機生成的取送餐地址易導致空間分配失序，騎手自主接單也可能造成空間位置不佳的訂單滯留。因此，清晰劃定空間邊界，并將不同類別的騎手合理配置至相應區域，是算法實現高效群體治理的核心（王圣堯，2020）。

在技術層面上，平臺須沿城市路網合理劃分區域，確定商家歸屬站點。算法首先基于歷史數據確定最優商家集合，再依據路網將城市劃分為互不重疊的多邊形區域，最后借助計算幾何方法將商家對應的多邊形拼接為完整的閉合邊界（王圣堯，2020）。這種空間治理技術使高度流動的騎手可被有效納入封閉空間體系。商家集群通常位于中心，住宅或寫字樓處于外圍，騎手則成為連接二者的紐帶。此類封閉結構便于平臺規則全面植入，防止成員脫離算法秩序，并承擔起規范與教化功能，形塑和規訓騎手行為。在實際運作中，專送騎手常被指派入駐固定商圈。如騎手劉哥所言，“我們（專送）只需要去城市廣場就可以了，那里訂單最多。這個（訂單熱力圖）只對眾包有用”（SH01-20220615）。商圈駐地成為站長發布指令、召開晨會的實體場所，進行裝備檢查、規則重申與文化灌輸。相較之下，眾包騎手雖無固定商圈指派，但平臺通過可視化的“訂單熱力圖”呈現各商圈的供需熱力，引導其調整“常駐區域”以適配平臺單量趨勢。騎手小許表示，“熱力地圖就是給眾包釋放的一種跑單信號，讓騎手知道哪些地方的單量比較多，想要接到更多訂單應該盡量往顏色深的區域聚集”（GZ02-20230512）。有學者認為，繁復的城市空間網格在此過程中被模糊為動態熱力團塊，削弱了地圖精確表征空間的功能（束開榮，2022b）。現實表明，無論是固定商圈指派還是熱力圖引導，均內嵌向權力中心整合的閉鎖機制，使這些區域成為福柯所言的“貫徹紀律的保護區”（福柯，2012）。

“封閉”原則構成空間治理的基礎，使平臺得以靈活、細致地運用空間。空間常按訂單所需騎手類型進行單元分割，形成多種用途的配送區域。每一類騎手被配置至相應區域，以消除空間紊亂（見表2）。近距離且易取送的訂單優先派發給專送和暢跑騎手，待其滿載后，中遠距離、需要爬樓梯的訂單交由樂跑騎手，遠距離訂單則由同城騎手承擔。上述幾類騎手消化了大部分訂單后，普通眾包騎手則處理地址偏僻或高樓層的訂單。這種虛實交織的混合空間構建了新空間體制，既為騎手提供了固定位置，又允許其進行循環流動，在優化空間使用效率的同時實現全體監督與協同作業。

通過單元化空間分割，算法可在特定范圍精準識別需替換的騎手，并迅速調度附近具有相同特征（如訂單方向一致）的騎手支援。算法對騎手的定位并非固定于靜態點位，而是將其納入空間網格的實時分布與流動監測之中。若騎手因意外無法繼續服務，站長可依據實時位置調度周邊騎手接替。騎手劉哥強調，“發生交通事故的第一時間，先把正在配送和沒有取餐的訂單截圖保存在手機里，然后給站長打電話說明情況，請求站點把訂單調走”（SH01-20220615）。由此，騎手成為德勒茲筆下無限流動的“分體”（Dividuel），一旦出現缺員，任意個體均可頂替其職能。在配送空間中，騎手淪為無差別原子：平臺關注的是維持配送穩定所需的原子可替換性，空間紀律則將“無益或有害的烏合之眾變成有秩序的多元體”（福柯，2012）。

五、算法引導的自覺行動：

數據拜物教的精神驅動與欲望調節下的組織馴化

（一）數據拜物教的精神驅動：自我量化與等級追逐

通過精確的時空指令規劃騎手行為，平臺旨在使騎手將外部規則內化為自覺行動，并通過持續自我優化來實現個體效用最大化。為此，平臺將復雜的配送工作轉化為可量化的數據指標，精心設計出一套精細的游戲化等級制度。該制度通過物質獎勵（如派單優先、申訴優先、等級津貼）與精神激勵（如積分、徽章、排行榜）相結合，構建起以特權與榮譽為核心的激勵系統，使這套系統本身成為騎手的追逐目標。E平臺在騎手和用戶兩端界面中的數據展示清晰地反映了這一邏輯：騎手端突出呈現“今日完成單量”“今日收入”“派單傾斜率”等視覺元素，以激勵騎手提升接單表現和等級；用戶端則強調“榮譽勛章”“準時率”“好評率”等量化數據，塑造專業可信的服務形象。騎手會頻繁查看主頁數據報告進行自我績效評估，并主動調整行為以貼合系統標準。

斯蒂格勒（Bernard Stiegler）曾預言，自動化社會的人類知性能力正在被算法權力接管（斯蒂格勒，2019）。可視化的虛擬數據遮蔽了騎手對身體的實際感知，使其普遍認為數據比知覺能力更能反映生命狀態，如筆者田野筆記所載：“在摔倒后，我第一時間是去看餐撒了沒有，然后把車子和餐箱扶正后看了一眼還剩多少時間。當看到餐品正常和時間充足時，我的內心松了一口氣，才想起來看看自己有沒有受傷。”多數情況下，數據本位取代了自我意識中的身體本位，導致騎手本能地忽視身體而關注配送狀態對數據的影響。同時，平臺界面的直觀數據顯示刺激騎手不斷追求多單量和高收入，使其自我量化為最忠誠的“數字拜物教徒”，并通過熬時長、主動搶單、做好賬號數據等“養號”手段來獲取優先派單權。這種數據狂歡使其陷入算法標榜的自我滿足中，進而導致勞動目的從直接掙取薪酬部分地轉向追求抽象等級。這種算法匹配的結果迫使騎手拼命跑單以維持數據優勢，從而陷入無止境的數字牢籠。

（二）欲望調節下的組織馴化：跑單模式的細分與自由選擇的幻象

平臺借助數據拜物教營造景觀幻象，瞄準并利用騎手“既是自發又受到調節”的欲望（福柯，2018a），誘導其自愿進入治理體系，使“釋放欲望”這一看似自由的行為收編為算法驅動的組織馴化工具。若將微人口集群的即時生成與空間單元的區隔定位視為宏觀治理的“橫向”策略（即以技術調度保障多場景運力穩定），那么組織馴化可被視為通過儲蓄大量后備勞動力為調度提供底層支撐的“縱向”策略。

平臺通過低準入標準、高度靈活性與高薪酬承諾廣泛招募人員，并借助“拉新獎”激勵在職騎手引入更多勞動力。平臺在以“高度自由”吸納眾包騎手的同時，卻試圖對其實施團隊化管理，以降低單價并維持惡劣天氣下的運力穩定。專送騎手接收站點統一管理，平臺可自由調配；眾包騎手則享有接單、拒單及上下線自主權。靈活工作模式雖使眾包騎手群體規模迅速擴張，但也導致平臺難以約束其訂單選擇行為，只能通過動態溢價消化剩余訂單。但是，若遇惡劣天氣時，眾包騎手大量下線，積壓訂單便會直接威脅系統穩定。

為了引導眾包騎手進入預設的管理框架，平臺通過調整訂單量和單價來激發其逐利欲望，促使其主動加入“樂跑”或“暢跑”等團隊（見表3）。樂跑騎手享有最高單價和較優派單級別。許多眾包騎手寧愿接受高峰期和惡劣天氣全勤、禁止拒單等規則，以換取系統派單優勢，成為穩定核心運力的“定海神針”。隨后，平臺為降低配送成本，將部分近距離訂單分配至暢跑騎手。該模式以全平臺最高派單頻率吸引騎手，但相應地也通過壓低單價來控制近距離訂單成本。正如騎手小鄭所言，“平臺希望所有單子都被暢跑消化掉，暢跑的單價是全平臺最低的，同樣一張單給其他騎手六七塊錢的配送費，暢跑只需要兩三塊錢”（GZ01-20240312）。隨著近距離訂單被樂跑和暢跑騎手承接，中遠距離訂單面臨運力短缺矛盾。平臺不愿意提高眾包騎手的報酬，而是通過持續擴招樂跑騎手、降低人均單量的方式，促使部分騎手加入“樂跑遠計劃”以填補中遠距離配送的運力缺口，由此形成遠近結合、層級覆蓋的治理格局，即遠距離訂單由同城騎手承接，中遠距離訂單由樂跑遠計劃處理，近距離訂單由暢跑和樂跑騎手負責，而普通眾包騎手只能在夾縫中求生存。借助群體分化和團隊化管理，平臺在各種情境下均能維持穩定運力，強化對騎手的規訓與控制，同時肆無忌憚地收緊規則約束。例如，2023—2024年，深圳E平臺從“有責拒單”到取消惡劣天氣補貼并大幅縮短免責時間等策略演變，正是組織馴化下對眾包騎手權益的持續規制。

六、兩種權力的連通橋梁：

算法黑箱中的“知識—權力”裝置

M平臺將其智能配送系統命名為“超腦”（何仁清，2018b），喻示該系統兼具類人腦的學習能力與超越人腦的海量信息實時處理能力，體現了算法在配送領域深度學習與知識生產方面的卓越性能。在平臺宏觀—微觀權力的雙向構建中，算法知識的生產與循環始終服務于權力治理目標：規訓技術生產出用于群體調節的知識，群體調節的需求又反向驅動規訓技術的革新，而算法知識則成為連接兩種權力的關鍵紐帶。

算法權力運作的遮蔽實質在于，技術知識借由商業機密的法理外衣有意地隱匿權力于“黑箱”之中。諸如“最優路線生成”“預計送達時間計算”“騎手評分系統權重配置”等，對外部觀察者而言是不透明的。這些構成平臺治理的所謂“真理”標準，從可檢驗、可爭辯的科學過程淪為無法窺探的“神諭”。這種轉變的實質在于“知識—真理—權力”體制被算法壓縮為一個瞬時的閉環系統。傳統的知識生產、真理確立與權力執行彼此分離，分別由統計或科研機構、政策制定部門及行政單元承擔。如今，平臺借助實時數據持續生成算法知識，且這些知識被瞬間輸出為“真理”、自動轉化為治理指令并下達至騎手。平臺技術團隊指出，即時配送系統的核心挑戰在于算法模型必須具備萬單對萬人的秒級求解能力，可在幾十毫秒內完成派單決策與路徑規劃（王圣堯，2020；何仁清，2018a）。知識、真理與權力的高度融合消除了確立與執行之間的時空間隔，不再留有爭議與辯論余地。

確立和執行的黑箱化與同步化消解了傳統真理范式的公共性和可爭辯性，真理并非“密室知識”或“權威獨白”，而是建立在“主體相互之間對可以批判檢驗的有效性要求認可基礎上的共識”，此種真理的合理性在于可接受公開爭論與評判（哈貝馬斯，2018）。福柯則指出，真理并非通過平等對話達成的共識，而是權力裝置所生產的話語效應：在特定場域中，由特定機構篩選并賦予為“真”的陳述集合，人們所言所行之“真”早已由權力話語規則先行劃定（福柯，2018b）。若福柯的知識真理通過規定“可言說/不可言說”的話語來塑造“正常/異常”的主體，那么算法真理則通過劃定“可做/不可做”的邊界來區分“正常/異常”的騎手。騎手只需要將平臺預設的治理指令“下載”并“安裝”至身體實踐中（鄭廣懷等，2020），一旦行為逾越“真理標準”即被判定為“異常”主體。

算法治理的合法性由此從依賴公共的、可辯論的科學知識，轉向黑箱所輸出的效率最優解，本質上是一種技術績效的合法性。平臺始終將效率、體驗和成本作為其追求的核心指標（井華，2017）。當騎手因非自身過錯被系統判罰時，他們既無法質疑不透明的算法，也無法與黑箱進行理性對話。管理方常以“系統規定”作為終極解釋，進而回避程序正義問題。正如騎手劉哥所言，“平臺規定的騎手違規，原因不是騎手導致的，卻要騎手承擔責任。這個涉及很多方面，比如超時原因是商家卡餐導致其他訂單超時。它也不管那么多，全都算在你頭上”（SH01-20241126）。當騎手向平臺申訴時，客服往往難以解釋判罰邏輯，僅反復歸因于“系統問題”，拒絕提供實質回應。據騎手小鄭所述，一位騎手因送錯餐被投訴，在申訴時客服拒絕出示證據照片，且無法回應證據真實性的質疑，僅以“這個是系統的問題”進行推諉（GZ01-20230519）。

在算法權力作用下，知識—真理的生成不再依賴于公共共識，而是通過代碼直接轉化為可執行的指令。勞動控制亦不再呈現為“壓迫—反抗”式的彈性對抗，而是表現為主體“別無選擇”的治理必然性。騎手面對的仿佛并非人為的權力結構，而是如自然規律般客觀且不可抗拒的“系統邏輯”。這種將社會關系偽裝成技術必然性的過程，正是算法治理最核心且最隱蔽的運行特征。

七、結論與討論：

走向更合理化的算法治理

外賣平臺的算法治理術是以算法知識為基礎，構建出微觀與宏觀權力相互依存、循環增強的新型權力形態，并系統性地轉化為保障配送安全與效率的核心力量。算法對騎手勞動過程、身體狀態及社會關系進行微粒化解析，生成海量實時數據，為微觀權力運行奠定基礎。這些數據必須被匯聚、分類并納入宏觀調控框架才具有治理價值，算法依據宏觀目標將相同特征的微觀數據聚合為動態“微人口集群”，實施情境化調配。而宏觀秩序的有效性在于算法指令對微觀個體行為的精確植入與引導。面對規模化、差異化的分散個體，平臺將整體配送空間劃分為功能各異的封閉區域，便于對同類騎手施加統一指令。通過數據拜物教和組織馴化，平臺將宏觀策略內化為騎手的自我欲望與行動邏輯，實現宏觀權力向微觀主體的滲透。最終，在“算法黑箱”這一融合知識生產、真理確立與權力執行的“知識—權力”裝置中，雙向權力完成閉環運作，使治理過程呈現出一種不容置疑的技術必然性。這一閉環機制為權力治理構筑了結構性屏障，而黑箱的不透明性進一步遮蔽了權力運作邏輯。因此，亟須對算法權力在雙重保護下的自主擴張進行合理化改造。

首先，算法權力在閉環流動中遵循“效率至上”原則，評價標準簡化為“最短配送時間”“最優訂單決策”等技術指標，權力配置明顯偏向資本增值與用戶體驗，較少納入騎手安全、福祉與公平的計算，導致騎手被迫違規駕駛、挑戰生理極限。因此，必須對算法權力邏輯進行價值重構，從“單一效率導向”轉向“多元價值共融”。技術設計具有價值負載性，須將“效率價值”與“人本價值”共同納入算法設計之中。第一，提升安全因素權重。除基礎路網數據外，算法應整合實時交通流量與事故高發路段信息，依據風險頻次設定閾值，使計算原則由“最短路徑”轉向“最短安全路徑”。算法指令應避免機械式的超時催促，而是包含“前方路段為事故多發地/擁堵，建議減速行駛”等關懷性提示，實現安全因素從“事后補償”向“事前規避”的轉變。第二，提升勞動者福祉權重。除保障基本勞動權益外，算法應超越效率至上的管理范式，將騎手身心狀態納入系統考量，而非視其為機械化配送工具。以M平臺“防疲勞機制”為例，其設定累計接單時長閾值強制騎手下線休息，雖具積極意義，但仍存優化空間。該機制未有效縮短實際工作時間，且疲勞值進度界面的視覺呈現甚至激勵騎手將“跑滿疲勞值”作為新目標，從而反向削弱其休息意愿（見表4）。閾值設計應引向更健康的工作節奏，將騎手的自覺行動從指標追逐轉向福祉關注，并兼顧保障充分休息與合理收入。第三，提升公平性權重。除算法懲罰的武斷性外，由騎手承擔商家出餐的時間成本亦是主要不公來源之一。商家設定出餐時間的自主權易影響騎手的報備和補時，而系統補時常與實際延誤不符。單一訂單延遲會產生連鎖反應，擾亂后續配送，且出餐緩慢導致的超時、差評等后果全部由騎手承擔，這種責任歸屬不盡合理。建議分離出餐時間與配送時間，待備餐完成后再行派單，從而實現效率與公平的平衡。

其次，單純倡導“算法透明”在實踐中會面臨核心專利保護和公眾認知鴻溝的雙重困境。相比之下，更可行的路徑是增強算法的“可解釋性”與“可協商性”，即在“算法黑箱”中開辟透明通道，為騎手博弈保留能動空間。第一，“可解釋性”要求將代碼邏輯轉化為可理解信息。平臺現有算法公開多傾向宏觀技術邏輯，缺乏針對具體決策的解釋。建議在訂單界面設置提示功能，展示訂單分配依據，除順路、距離等常規派單因素外，還需要涵蓋逆向派單、長時間無訂單指派、高峰時段運力調度等特殊場景的派單邏輯。此類設計既可提升騎手對系統決策的理解，亦能反向驅動平臺優化派單機制。通過引入“可解釋接口”，使部分算法知識回歸騎手。這雖僅部分揭示算法黑箱，卻有助于緩解其在面對莫名決策時的無力與困惑。第二，“可協商性”賦予騎手質疑算法決策并啟動復核的程序性權利，是“可解釋性”的權利延伸與制度保障。平臺現有申訴機制存在智能客服能力有限、人工客服推責系統、站長預先阻斷協商渠道等缺陷，建議推動騎手申訴流程的標準化和制度化建設，如在界面設置清晰申訴入口，明確復核時限和實質答復，賦予客服充分處理權限，從而避免責任推諉。“可協商性”賦予騎手有限但真實的反制權利，有利于打破算法系統固有的封閉性。第三，可建立多元主體參與的“算法共治委員會”，將協商提升至集體層面。其職能并非逐行審查代碼，而是通過聽證評議對重要算法決策開展事前評估，并建立定期審查制度，從而督促持續優化算法機制。此舉可使算法決策接受公共理性審視，從而在平臺外部建立多元化的權力制衡錨點。

綜上所述，盡管完全打開算法黑箱仍面臨挑戰，但通過構建以“交互與制衡”為核心的治理框架，可將算法權力從封閉專斷形態改造為具備開放性、可質詢性與可爭議性的治理過程。這一轉變不僅是技術治理的進步，更是數字時代民主、公平與正義原則的體現。

責任編輯：劉　程

《當代青年研究》2026年第1 期

投稿方式：登錄《當代青年研究》官方投稿平臺(qing.cbpt.cnki.net)進行投稿。請勿一稿多投。投稿后，可在平臺查看稿件狀態，若三個月后沒有收到反饋，可另行投稿。

張芷溪｜編輯

汪芯瑜｜審核

圖源網絡

侵聯立刪