2020年9月 8日，《人物》杂志发表了一篇名为《外卖骑手，困在系统里》的文章，引发了全社会对于骑手劳动的强烈关注，并掀起了关于算法问题的讨论热潮。《人物》的记者赖佑萱历经半年有余的田野调查，用简练有力的笔法剖析了数字化技术胁迫下送餐劳动的变化：算法的规制让骑手加速奔跑、害怕差评、担心绩效……骑手成了困在外卖系统里的劳动者。一时间，关于“困在系统里”的讨论激烈汹涌。这样的讨论展现出当下人们对于智能技术深深的担忧，对困于其中的他者甚至包括未来的自己，抱有深深的不安与恐惧。
的确，送餐劳动今非昔比。在过去的十年间，外卖平台日益发展出强大的算力和数据处理能力，现今的送餐平台可以实现海量用户订单与配送人员的精准匹配，并能够精准地实现分类、决策、核对、预测等功能。与此同时，这样一套智能系统所展现出来的强大管理能力也成为人们论证的焦点。为什么骑手会“困在系统里”？算法中介的劳动产生了怎样的后果？如何理解数字化与劳动者的互动？这里存在着怎样的意义生产？
在过去的两年间，学界和业界都已对平台算法技术的影响和后果进行了充分的讨论。算法正式由后台走到前台，走入大众的视野并接受社会的审视。鉴于前文关于算法的讨论较多，本章不再对外卖算法的规制和影响过多着墨，而是希望聚焦于技术生产的视角，从劳动者和研发者的不同身份出发，窥探外卖平台的算法系统如何产生、演变并逐步进化。需要看到，在算法的生成过程中，无论是劳动者还是研发者，都在算法技术体系的升级过程中扮演着重要角色。在后面的论述中我将会阐释，劳动者和研发者都是算法的生产者，同时也是算法的试错者。换句话说，在技术的发展过程中，互动性是决定技术生成和生产的重要因素。正如技术伦理学家安德鲁·芬伯格（Andrew Feenberg）所言：“计算机的发展方向并不是由设备的性质决定的，而是用户的选择。他们并没有简单地把计算机当作一种给定的事物，而是以交往功能为目标，重新为计算机制造者和计算机系统管理员确定方向，因为交往功能的重要性一直被长久地低估了。的确，网络行为的扩展已经完全改变了我们的计算机概念，并且以各种难以预料的方式正在改变社会交往的世界。”
沿着这一脉络，本章想要阐释的核心观点是：算法是一个生成性的过程，也是一种生产性的技术。换句话说，算法并不是一个静态的过程，对于算法的认知，需要加入更多的过程性视角，看到“人-技”互构的动态过程。所谓“生成性”，指的是算法生产的逻辑。不同于以往仅仅依靠专业技术人员的硬件技术，算法系统的生产带有鲜明的互动性、情境性和依赖性。在算法的生产过程中，它们深深地嵌入在数字化人群的手机使用、流动劳动和“养系统”的具体实践中。可以说，在平台管理中，算法和劳动是一对“双生子”，它们彼此依赖，却也充满矛盾。
基于算法形成的平台系统是一种数字劳动管理的新模式，由于没有找到更合适的概念，我暂且称之为“生成性管理”（derived management）。“生成性管理”描述的是一种依赖性的管理模式，即外卖平台的送餐管理规则是通过后台算法不断地与前方送餐劳动互动、协商而产生的。外卖骑手的“数据生产”是平台劳动得以顺利实现的重要基础，也是导致“过渡劳动”出现的重要原因。依托自身的连接性，外卖体系形成了“人一数据一算法一系统一人”的闭环管理模式，其内在“技术不断自我强化”的逻辑，是导致外卖骑手“困在系统里”的根本原因。本章将从“算法作为一种社会性技术想象”的角度出发，去窥探实际送餐劳动中“人-技”互构的诸多表现。
“初识”算法
无论是在计算科学还是人文学科领域，算法都不算新生事物。但是算法真正从“幕后”走到“前台”，的确是近几年的事情。社会公众对于算法的认识也从一无所知到逐渐警觉，并迅速开始讨论“困在算法里的人”等技术伦理议题。对此，我觉得是一件好事。究其原因，主要与算法应用的不断扩展有着千丝万缕的联系。在以往的学科划分中，“算法”被划归为计算科学，指的是特定的逻辑推理和计算模式。众所周知，当一门学科涉及逻辑和计算时，便有了高高在上的复杂性。于是，这样的复杂性和专业性形成了进入的高门槛，高门槛则带来了较强的“封闭性”——仅少数人“有权”讨论算法、分析算法。在算法生产的初期阶段，大量的技术研发工作为计算机工程师、算法架构师等所承担。在过去的十年间，随着数字化产业的扩张和人工智能技术的推广，算法开始逐渐“侵入”我们的日常生活：从便利店的收银系统到线上预约的家政服务，从网络购物到外卖送餐，从社交媒体的使用到线上交友，基于算法技术所实现的分类、匹配、预测等功能为人们的衣食住行带来了极大便利。几乎人人都在有意无意地接触、使用算法，打开手机才发现我们的日常起居已经被算法团团包围。也是因此，算法产生的巨大影响逐渐为社会所知，“算法担忧”也随之而起。
需要说明的是，本章节对于算法的认知并未聚焦在它的技术逻辑本身，相反，我们试图对算法做出一个更加宏观、更加社会导向的解读。卡罗琳·马文（Carolyn Marvin）在讨论技术的历史逻辑时曾说道，技术和媒介在社会发展中出现时大多源自工具化的需求，但它们却在嵌入社会生活的过程中演变为围绕“权力、权威、代表和知识的博弈与论争”。从技术历史的维度出发，我们对于算法的认知也同样遵循此种脉络。因此，在本书的分析中，我尝试对算法进行一种“社会过程性”改造，即算法不仅指复杂的编码程式和技术逻辑，也指嵌入在个体劳动者日常生活中的技术化表述、认知、态度和行动。它的生产性与个体化的劳动经验和工作经历密切相关。通过展现外卖产业中的算法生产，本章希望呈现外卖员群体的“算法化劳动”以及围绕于此的社会关系和权力实践。
算法的发展可以追溯到中国商周时期和古希腊战争时期。从军事情报传递的加密到天文历法、算数测量等日常数学推理，都展现出现今算法的雏形和逻辑。汉字“术”可以解释为“算法”，表示算术、推理、机制、逻辑等。“算法”这一概念的最早出现，归功于 8世纪波斯数学家花剌子密（al-Khwārizmī），他将算法解释为“能够运行的系统性计算”。后世为了纪念他，就用花刺子密的拉丁文译名“ algorithm”命名了此项技术。在后来很长一段历史时期，算法始终与计算、数据处理、推理等联系在一起。
随着算法技术应用的普及，它的跨学科性越来越明显。除了计算机和数学领域，社会学、人类学、传播学等对于算法的讨论也日趋热烈。而随着交叉学科的讨论深入，人们越来越认识到，科学和技术的发展过程本身并不是客观、冰冷的规则与操作。相反，它是一种实践，一种文化。技术从来不是中立的，对于算法来说，这一点同样适用。这也正是本节要论述的核心问题：对于算法，我们除了看到它的技术属性，更应该看到其背后的价值附着，这是我们讨论算法技术和骑手劳动的前提。从社会科学的角度出发，本书希望能够从技术性和社会性这两个层面来定义算法。
技术性的算法，关注算法作为一种计算处理技术而展现出来的特性。塔尔顿·吉莱斯皮（Tarleton Gillespie）认为，算法是基于特定的计算模式，将输入的数据转化为可预期结果的编码程式。算法作为一种逻辑计算技术，具有两个特点：第一，算法是一种指令，它会基于逻辑呈现处理问题的步骤。如果对其进行“降维”理解，我们可以把算法理解成菜谱，其主要功用是告知人们如何按照要求，一步一步将“生鲜食材”做成“美味佳肴”；第二，算法虽然自成体系，却不能“空转”，算法的运行必须以数据为支撑。正如“巧妇难为无米之炊”，没有数据作为来源和基础的算法，如无源之水、无本之木，难以实现既定目的。
社会性的算法则更好理解，它关注技术生产与应用带来的社会权力关系的变化。根据学者尼克·西弗（Nick Seaver）的观点，在数字经济日益发达的今天，算法不再仅仅是文化建构的一部分，而已然变成了文化实践本身。算法是“一个不稳定的物体，是一个借由人类参与而形成的文化实践”。与任何历史上曾经“横空出世”的技术系统一样，算法的出现带来了社会经济文化的剧烈扰动、强烈的价值争议，以及一时无法辨清的发展方向。近代以来的许多学者，包括福柯、拉图尔、霍克海默、德勒兹、埃吕尔等，都在一定程度上探讨过新的技术体系对社会和人类生活的影响。如果说技术性的视角给予算法数学和逻辑上的定义，那么，社会性的视角则为理解算法注入了更多的范式可能。作为一种技术体制，算法在社会层面的广泛应用使其可以改变、创造、勾连诸多社会关系。它不再仅仅是一种技术制度，更是一种文化实践、一种社会话语。这样的一种存在，无论是对宏观的政治环境，还是对微观的社会生产场域，都会产生重要的影响。
作为一名社科学者，又通常被冠以对技术“一窍不通”的名声，我对技术物的分析并不自信。算法研究的“高门槛”曾经让我望而却步，似乎不懂得编程或者技术运行逻辑的人没有资格对着这些“高精尖”技术指指点点。我曾为写博士论文自学过一段时间的 Python，却因为年代久远已完全抛在脑后。但是，一旦有了前面对于算法社会属性的铺垫，我接下来的分析就变得容易了许多。
技术性的算法和社会性的算法像是天平的两端，告诉我们认识算法技术可以走两条路：由内而外和由外而内。前者指的是“ hard模式”，即钻到算法技术的生产过程中，观看它是如何被研发、测试、应用的。这一路径要求研究者具备一定的技术门槛，对计算科学有较为深入和综合的了解。后者“由外而内”，则更多地呼应了对于算法社会属性的认知，即算法作为一种文化实践，在应用到社会诸多领域中时，会在多方互动实践中发生“转译”，建立新的、全然不同的社会关系和社会景观。换句话说，算法技术在这个过程中虽然是虚拟的、不可见的，但是由它所建立起来的诸多联结、冲突、行动却是显而易见的。这样的话，我们可以从算法波及的、可观测的诸多社会实践和社会话语入手，“反推”算法背后的逻辑与设定。
也是因此，本章在论述中不把算法当作一种冷冰冰的技术，用剖析学的方法进行“还原”式分析，而是希望把它当作一个嵌入社会生活的技术物，一个存在互动、时刻变化的技术体系。通过剖析算法和骑手劳动之间的互动，本章希望展现的是一种技术体的复杂景观，通过“情境式的研究”（situated study）来看到技术与人的主体间性，以及外卖骑手富有表现力的主观能动性。换句话说，在接下来的论述中，算法将不再停留为一种技术架构（technical infrastructure），而是与周边社会生态密切相关的、嵌入式的、具有生产性的过程。
加入“游戏”
那会儿，是2016（年）吧。在老家做水泥工。人家欠我二十多万，要不上来。没有活儿了，也不能在家闲着。就来北京。一个老乡说让我来北京跑外卖。坐夜车，第二天四五点钟到北京站。那天早上下大雨。天冷。老乡把我领到一个站点。我没地方住，人家那站长就把办公室那床给我，让我在上面睡一觉。……那人真是好，也不催你。我去了看人家跑外卖，不知道怎么跑，不会用智能机，所以不太想干。他（指站长）也不催我，每天笑眯眯，人也平和。让我在那儿睡了三个晚上。我觉得不好意思，决定学着跑外卖。
高喆是美团众包的一名骑手。2017年我在北京潘家园的一家粥铺做田野时认识了他。他三十岁左右，高高瘦瘦，长脸，黝黑，略显苍老。跟他一起的骑手都叫他老高，我也索性这么称呼他。高喆是山西襄汾人，说话慢条斯理。他已经结婚，老家有一个六岁的女儿。一个傍晚，我俩约在潘家园粥铺，他慢慢地给我讲自己加入外卖的经历。一路听下来，我很难想象，眼前这个不停地刷手机、挑单子、能够熟练浏览各种 App的汉子，竟然曾经完全不会使用智能手机，甚至十分害怕使用智能手机。老高打开手机地图，指着上面的定位箭头，说：
刚开始，不会看地图。那些箭头怎么指，不清晰。不知道它是往哪里指。带我的师父发现了，说你怎么老瞎跑。
在后续的田野中，我发现老高所描述的现象并不少见。对于长期在农村或工厂做工的劳动者来说，智能技术离他们始终太远。这种距离不仅是技术上的，也是心理上的。在老家襄汾做水泥工的时候，老高也是有手机的。只是，他的手机是一部老旧的、只能打电话和发短信的“砖头机”。正如邱林川在《信息时代的世界工厂》里所描述的那样，手机和互联网技术的扩散从来不是信息拥有者（information haves）和信息无产者（information have-nots）的绝对分野。恰恰相反，这里存在着一个广大的“灰色地带”，即信息中下阶层。他们能够接触到一些信息传播技术，也能利用自己所接触到的互联网技术帮助自己进行社会生产和劳作，但接触到的却不是最先进和最前沿的。而千千万万如老高一样的农民工，就落在了这个灰色地带里。在智能机普及并逐渐下沉的年代，他们接触到智能手机，却懂得不多。更多的时候，他们在等待一种外来力量，一种可以突然将其拽入更先进的技术世界的外来力量。
对于老高来说，这种力量就是“跑外卖”。
老高用“学着跑”来形容自己的外卖劳动，这也是很多刚入门的劳动者的现实写照。数字化程度的不断加深，使外卖经济的用工模式与传统工厂制呈现出鲜明的分野。大规模使用信息化、无人化招工正在成为一种常态。平台不再需要像传统工厂招工那样“挨个看人”，而是全部转由线上接入。这个过程大幅提升了招工效率，但与此同时，它也把诸多风险成本转嫁给了个体参与者。还是拿老高来说，为了送外卖，他花了一千多买了人生第一部 智能手机，同时在站长的带领下连续学习使用了两个星期，才初步知道了什么是 App、如何下载，以及如何登录或退出系统。用他自己的话来说，那段时间，“学了忘，忘了学”成为他的生活常态。有时候，他会深更半夜跑去站点找站长，只因为自己点进一个手机 App无法退出，或者忘记了下一步如何操作。
在站长的悉心教导下，老高进步很快。他感觉自己“一下子进入了一个智能化的世界”，很多事情也变得清晰起来。大约半个月之后，他熟悉了 App下载、注册、线上培训、告知通过等流程，正式成为潘家园站点的一名骑手。学习的过程虽然艰难，但老高挺高兴。不仅因为自己第一个月来北京就赚到了钱，更是因为老高觉得自己“掌握了一门技术”，这门技术可以帮助他在大城市更好地生活：
手机这东西，难者不会，会者不难。学会了最好，年轻人学起来也没有那么难，一旦会了，哪个平台都可以去。以后我不在这儿（指美团专送）干了，还可以去别的平台嘛。
学会了使用智能手机让老高信心大增。后来站点里每当有新人进来，遇到不会使用智能机的情况，老高都会热情地跑上前去分享自己用手机的心得。老高也很有耐心，甚至在下午没单的时候，会主动提出帮助新来的骑手“用手机”。一天下午，老高又在教新来的骑手下载 App，旁边经过的骑手看到了，笑着嚷嚷道：“老高教得好！但是他只会用安卓，不会用苹果！”老高听到了，笑眯眯地抬起头说：“咱不用苹果，用苹果干啥！”
老高与智能技术的初次交锋以他的胜利过关圆满结束。在站长的帮助下，他顺利地跨越了技术障碍，加入到外卖劳动的大军中。随着数字劳动研究的兴起，学者倾向于将“骑手”定义为低准入门槛的职业，但是，诸如老高这类骑手的存在也时时提醒着我，零工就业人群的数字素养依旧是影响他们就业、生活的重要面向。根据中国互联网络信息中心发布的报告，截止到2023年6月，中国的网民规模已达10.79亿，互联网普及率达到76.4%。毫无疑问，这些数据展现了中国在数字化的过程中取得的巨大成就。但是一个不能忽视的事实是，相较于14.55亿的总人口，中国依旧有近4亿人口未能接入互联网，其中包括老人、小孩，以及诸多像老高一样的努力挣扎着的人。
我想起了有一次采访“UU 跑腿”一个业务大区的负责人，在提到关于手机的使用问题时，他不无感慨地回忆：
最开始的时候，2016年，很多人没有智能机。想跑单的大叔、大哥都用诺基亚，没办法接单。那时候最大（的）困难不是说服他们来这个平台，而是在他们还没有充分对平台信任的前提下，劝说他们投入1000块钱，买一个新手机，把诺基亚换成智能机。因为人家没干过这个，不知道挣不挣钱，很不确定。
在这个世界上，有些人活在未来，过着充满科技感的生活，但也总有一些人，活在当下甚至过去，对于互联网和技术一无所知。骑手们在熟悉算法之前，需要先熟练掌握手机的使用。对于千千万万像老高这样来自媒介并不发达地区的农村骑手来说，这并不容易。走到这里，骑手们与算法的故事，才算刚刚开始。
无限游戏的二重奏
哲学家詹姆斯·卡斯（James Carse）在《有限与无限的游戏》中为我们提供了分析世界的一个新视角。他将世界上所有的人类活动都比喻为一个个游戏，而游戏分为两种，有限游戏和无限游戏。有限游戏以胜利为目的，而无限游戏以延续为目的。这样的比喻发人深思。我在田野里观察到的一个个外卖骑手，为了生计流动奔波，虽然偶有抱怨，却一直在努力劳作。如果将外卖经济比作一种游戏，那么，它是有限游戏还是无限游戏呢？在这个游戏里，谁是赢家，谁是输家？我也曾不止一次地疑惑，既然跑外卖的生计如此困难，为什么会有源源不断的骑手加入进来？他们为什么加入这个游戏？又在其中获得了什么？
从某种程度上来说，跑外卖是一种无限游戏。
如果我们把外卖的供需链条拉长，就会发现围绕外卖所建立起来的，其实是一个包含了物流、交通、运力、人力、消费、餐饮等诸多方面的巨大的游戏场域。在这个游戏场中，外卖员就是游戏的闯关者。他们之所以加入这场游戏，是因为外卖本身有着一套游戏化的管理模式。这种游戏化的管理通过使用五花八门的规则手段，不断吸引着参与者。这些规则中混合着游戏文化特有的自愿性、规则性和赌注性。用外卖骑手自己的话来说就是，“跑外卖是会上瘾的”。平台通过细分管理领域、建立不同规则来不断增加游戏场景，扩展游戏空间，让外卖游戏得以延续下去。
在这一部分，我们需要讲述的正是平台管理所形塑的“无限游戏”。与传统的“赶工游戏”不同，外卖游戏更像是一场精心策划的“二重奏”游戏。平台首先利用了人们喜欢娱乐、冒险和探索的心理，设计了充满游戏化体验的劳动模式；更重要的是，隐藏在游戏化劳动管理模式之下的，是平台有效地利用了外卖骑手的流动劳动，不断进行算法系统的改造、升级和完善。加入外卖游戏的骑手，既是游戏的参与者，也是游戏系统的研发者和开拓者。他们通过自己的街头劳动，不断地与算法进行交互，帮助算法升级。也正是他们的游戏劳动，促使外卖玩局可以持续下去，变成一个无限循环的游戏。
外卖劳动凸显了强烈的算法中介性。我想要在这里展现的算法中介不是传统管理方式的简单数字化，而是包含了算法技术作为一种“自主性技术”所特有的交互性、生成性，甚至情感依赖性。外卖系统中的算法具有精准推送、预测和反馈等功能。在外卖的大游戏里，骑手和算法系统形成了既冲突又合作、既对抗又妥协的微妙联结和互动。这里的算法不再被骑手比喻成一种冷冰冰、无情感的技术，而是具有自己想法的、“有点坏”却又“十分聪明”的拟人化系统。骑手在外卖游戏中展现了充分而不气馁的主动性，在劳动的过程中不断反向感知算法、了解系统，与这一套管理系统斗智斗勇。游戏正是在这样的人机互动中展开。
外卖游戏下的人机互动超越了一元的、单项的“压迫一反抗”过程，充满了情境性的变化和一些不可预知的复杂性。围绕外卖经济的算法化，外卖平台有意无意地形塑了一种无限游戏的生态观感。它有效地抓住了骑手的注意力，将他们的劳动力转化为数据式的生产力，借以延续这一游戏。
“打怪升级”
有了算法的介入，外卖劳动的管理变得“无微不至”，与订单派送相关的每一个步骤几乎都有着非常明确的称呼，如“系统派单”“商家接单”“骑手到店”“骑手送单”等。几乎每一个细分场景中都有算法管理的影子。算法不仅接替了原有人力资源的大量管理工作，同时也开始建立一种其更加擅长的分类、分级的管理机制。
算法首先建立的是骑手的等级标准。在不同的平台中，外卖骑手被划分为不同的等级，虽然名称各异，但共同指向骑手的“送单能力”。简单来说，就是送单数量越多、所干时间越长，骑手等级越高。例如，在先前存在的百度外卖平台上，骑手被划分为从“普通骑士”到“神骑士”共七个不同的等级（参见表3）。相应地，每个等级的派送补贴、积分累积也不尽相同。例如，一名“普通骑士”送一单所获得的额外奖励是1毛钱，而具有“钻石骑士”资格的骑手就可以拿到1元钱。在其他平台上，不同等级的骑手拥有不同的类似“特权”，等级越高，特权越多，包括优先派单特权、超时豁免权等。虽然名称不太相同，但是其他外卖平台也遵循类似的等级划分标准，例如“美团”在一些跑单活动挑战赛中将骑手划分为铜牌骑手、银牌骑手、金牌骑手、钻石骑手。对不同等级的外卖员，在骑手装备、有效订单量、配送准时率等层面有不同的要求。
“等级”关联着“特权”，这让一些年轻肯干、有冒险精神的外卖骑手跃跃欲试。
这个跑单啊，就是上瘾。跑一单给一单钱。都是白花花的银子。所以，跑到了一百，你就想跑二百。等到跑上二百，你会想，我能不能跑三百？就是不知足，人都这样。
我更愿意把挣的钱想象成实物。比如说，今天挣了一百，就是一顿饭钱，可以和同事 happy（开心）一下；要是挣了二百，那就可以给女儿买一套衣服；三百呢，我就更高兴，几乎可以给儿子买个电动玩具汽车了！
骑手的等级设定是一种充满游戏化的设计。它与诸多当下网络游戏的进程设置颇为相似。例如，每当晋级成功，游戏者就会获得新的称号、权益或者相对应的武器装备、积分值等。除了系统实时更新的骑手等级，平台还会设置日跑单量、周跑单量、月跑单量等团队排名。站点的管理员会定期在工作群组中推送个人跑单成绩，按照送单数量由多到少依次排列，以促进内部竞争。
这些榜单有效地激发了骑手的兴致，成为大家茶余饭后的谈资。等单的空隙，无聊的骑手们会聚到一起，比较各自的骑手等级，免不了彼此吹嘘一番。老高十分关注骑手的排名。每次看到站长推送日排行榜，他都会迫不及待地打开手机研究一番，进行点评。一天下午，我们坐在街边聊天，老高偶然间看到了站长发布的周跑榜单，便开始和一旁的骑手议论起来：
张元卫贼能跑，每次都是前三。啊，小张这几天不太行，都没进前五，是不是前几天他请假了？……有些是真能跑，不要命，咱确实比不了。你说这个张元卫，早9点干到晚12 点，叫你，你行吗？
旁边的骑手听了，纷纷笑着摇头，七嘴八舌地说，“比不了，比不了”，“这个咱真是不行”。虽然有一年的时间，我都在潘家园附近的粥铺采访骑手，但并不认识张元卫。我曾经也拜托老高帮我联系，看看他是否愿意跟我聊聊。老高每次都摇头拒绝：“别问了，那小子忙得很，没空。……就算有空，你也抓不着他。”在骑手的眼里，张元卫毫无疑问是一名优秀的游戏竞技者，他送单多、送单快，让很多骑手很是羡慕。在站点的管理群里，时不时地会有人发“打倒张元卫”这样的话，作为骑手对送单游戏里优秀的竞技者羡慕而戏谑的回应。
除了骑手的等级，平台还会定期推出各种挑战赛、系列赛等，通过承诺完成任务、获得奖励的方式，激励骑手参与送单劳动。例如，2021年夏天的时候，楸树街的美团众包骑手积极地参加了“清凉一夏”挑战赛。挑战赛共49天，分为七个档次，依据每个人的送单能力，系统给到个人的挑战目标并不相同。同样地，在完成预期目标后，得到的奖励、奖金也不尽相同。常规的打卡、签到、在线时长等成为参与比赛的常态化要求。
闯关
如果把外卖系统看作一个游戏场，那这个混合了物流和交通的游戏场里面存在着多种多样的竞技者，骑手便是其中之一。他们的任务，就是在层层的游戏“关卡”中想方设法“快速通关”。骑手送餐的场景，与一些网络游戏里的打怪升级几乎一模一样。唯一的不同，在于后者是虚拟场景，而跑单是在真实、物理的世界中进行，面对的是真切的风险和不确定性。
在闯关的送餐游戏中，时间和空间相互交织，形塑了外卖员的劳动紧张感。城市基础设施的空间治理成为外卖员在送餐过程中面临的首个挑战。出于社会管理的考量，政府和交通运输部门对于外卖员的车辆、道路、行驶路线设立了具体规则和约束条件。例如，北京规定持京B牌照的摩托车禁止进入四环以内，同时禁止摩托车使用非机动车道等。而我们在2020年基于北京市外卖骑手的调研中发现，有30.52%的骑手使用京B牌照的摩托车进行送单。在实际的送单操作中，京B摩托不进四环的治理要求难以达到。我询问老高站点里有摩托车的骑手，他们的解决方案分为“运气派”和“策略派”。“运气派”觉得是否被交警抓就是一个碰运气的事情。如果真的被抓了，罚钱了，就自认倒霉。“策略派”更讲求跑单路线的技巧：
不要上二环，二环经常有查车的。有次远远地看见了，交警都穿一个金黄色的外套，（我）掉头就跑。……有时候，（微信）群里也会有人说，哪儿查车，就避开。
为了赶时间，外卖员可能会闯红灯、逆行、上环路等，以此来节约送单时间。在这个过程中，骑手一方面需要注意躲避交警、往来车辆和路人；另一方面需要时时应对系统派来的订单，并按照时间的先后、差异等统筹判断，以最快速度策划出送单路线。在外卖的游戏中，送单是一项“多线劳动”。系统要求外卖员同时应对来自多方的不确定和实时更新。可以说，“多线劳动”处理的好坏，直接决定了骑手能否准时完成送单任务。对此，不少骑手谈到时都深以为然。
很多时候，城市交通基础设施的“阻滞”会与外卖骑手的路线形成冲突，使其不得不做出具有风险性的选择。
最多的时候，身上挂了15个单，要求在45分钟之内送完。……不好好规划，绝对送不完。一定要规划，先送哪个，再送哪个。
最害怕的就是大商场。进去就出不来啊。有一次，（我）一直在里头打转，二十多分钟，好不容易找到一个口出来，结果发现不是（之前）那个入口，电动车放在（商场）对面。……现在遇到大商场（的单），我一般不接。
小蔡师傅是“饿了么”的外卖员。提起商场取餐的经历，他心有余悸。时间的紧迫感和断续性促使外卖员对送单工作进行实时的、有规划性的计算和考量。外卖员会在实际的劳动过程中慢慢地摸索出应对多线劳动的一套经验。例如，小蔡师傅对于送单顺序、路程先后进行规划，对特定场所的订单选择不接单等。
外卖员的流动劳动也经常因为空间的物理阻止和打断而不得不实时调整劳动节奏。例如，小区里的门禁、路障、电梯会拦截外卖员，一些高档小区和商场甚至明令禁止外卖员进入。这时骑手不得不想办法“过关”。有的骑手会选择将电动车或者摩托车停在小区、办公区域外，步行前往送餐，还有的会与保安斗智斗勇，想办法让自己通过。例如，小蔡师傅非常气愤于某些小区的进出“不平等”，“凭什么一般人的电动车让进，外卖的就不让进”。与保安吵过几次后，小蔡师傅选择在每次进门前脱掉自己的外卖外套，把餐箱放脚踏板上，保安认不出来，就会让他通过。
对于剩余里程和送单数量的实时计算也成为外卖员的必备技能。使用电动车跑单的外卖员，需要随时准备更换电池。有的外卖员会租用如“易换电”“铁塔换电”等充电桩中的电池，也有的外卖员自己购买电池，中途需要返回住处或站点更换电池。对于电池剩余里程的计算变得十分重要，尤其在高峰时段，电池电量逐渐下降带来的焦虑感让一些骑手“不敢多接单，不敢跑远”。
送餐劳动就像一场游戏，流动、停滞、阻碍、再流动的来回交替成为常态。当平台市场逻辑将生产工厂由特定的位置搬到大街上时，外卖劳动就打破了传统工厂制下连贯、有序的特点。实时面对阻碍、实时解决问题成为外卖骑手的劳动日常。为了最大限度地达到外卖游戏中的劳动要求，身体的上场和主动流动成为重要选择。例如，在遇到高层写字楼时，外卖员更倾向于跑楼梯而非等电梯；遇到熟悉的配送地点时，外卖员会更加依赖自己的路线规划而非系统给出的推荐路线。零工经济中的“闯关游戏”塑造的是一种时间紧迫感。在后面的论述中，我们将会详细阐释。这种时间紧迫感在很大程度上决定了外卖员的“游戏”状态。通过此种游戏化的运营，平台得以“黏”住骑手，确保送餐游戏的持续进行。
真人游戏
在有文字记载的文明建立之初，游戏便随着人类社会而产生。发展至今，游戏化（gamification）已成为十分跨学科的概念，被广泛应用在教育、人机互动、健康等诸多领域。与此相对应，学者对于游戏化的释义也拓展到了各个领域。概括来说，游戏化指的是一个有意设定的过程，即在非游戏的场景下，通过使用游戏化的元素来达成娱乐化之外的目的或结果。在劳动研究领域，布洛维曾提出“赶工游戏”（the game of making out）的概念。他发现车间里的工人在枯燥、严苛的工作环境中，会自动加入相互竞争、比较的赶工氛围，从而更加积极主动地投入到车间生产劳动中。布洛维认为，工人这样做既转移了自身的注意力，同时也形塑了一种自身对资本主义生产关系的变相同意，即“制造同意”（manufacturing consent）。这一描述切中肯綮，它有效地观照了资本对工人产生的“制造同意”的影响。很显然，骑手一旦加入到外卖的“升级打怪”，就会自觉不自觉地响应、默认现有的游戏规则，并积极参与送单。
但是布洛维没有过多谈论游戏规则的设立过程，而这正是平台经济下外卖劳动值得关注的地方。不同于传统的工厂竞技，外卖产业中的游戏化不再是因比较而起的、简单粗略的赶工指标，而是精细的、全场景的游戏化升级。在这个过程中，外卖骑手参与到了“赶工指标”的设置中来，与送单劳动相关的所有程序几乎都被做了游戏化的处理，包括可见的订单数量、累积分值、好评率、准时率等。可以说，这是一场基于人机互动精心设计的“真人游戏”，外卖骑手本身既是游戏的参与者，也是游戏的建设者。尤里安·库克里奇（Julian kücklich）在论述互联网游戏时使用了“玩工”的概念。他认为，网络游戏的玩家是游戏公司创造力和研发力的重要来源，通过不断参与游戏，网络玩家不但帮助游戏公司吸引了更多的参与者，而且他们在参与游戏过程中，帮助修改、填补了诸多游戏漏洞，用免费劳动促进了网游资本的商业化完善。丁未在网约车司机研究中，用“制造能动”来描述网约车司机的线上反抗如何成为“滴滴”平台数据完善自身的有力补充。与此相似，外卖骑手也成了另一种“数字玩工”，他们在游戏化的场景下，参与跑单游戏，同时帮助系统完善跑单游戏。
一位从事平台算法研发的技术人员说：
这套管理系统的设计很漫长，慢慢发展出来的，随着业务不断发展进行设计。今天发现几个问题，明天堵上几个漏洞。后台一开始的标注也没有那么详细，都是后来根据骑手数据的反馈、使用体验等慢慢加上去的。……差不多两三年的时间……对于骑手送单的某一部分活动，后台一般会有几百个甚至上千个标注。
平台游戏化的设定与骑手的送单反馈密切相关。算法正是根据加入游戏的骑手所生成的跑单数据来初步划分不同的骑手等级和奖惩措施。而诸多后续的标签完善，其实也是依靠骑手参与游戏过程中发现的系统漏洞或者由骑手补充了缺失的数据，包括建筑物的楼层、小区的入口位置、交通线路的方向等。
我在田野调查时发现，系统对于外卖骑手的分级有着自己的一套规则。大部分外卖员会在半年左右升级并稳定在“黄金骑士”一级，而进一步的升级则变得困难。老高说，自己用了一年的时间，才从“黄金”变成“王者”，如果需要继续升级，就需要付出更多的努力和更长的时间。如果升级失败，骑手给出的解释经常是“单不多”“工作时间短”或者“不够拼命”。也有骑手表示，由于参与的人越来越多，最高等级的骑手名额已经饱和，“晋级需要碰运气”或者“找关系”。在系统后台中，算法维持着不同等级的骑手划分的微妙平衡，这种平衡往往十分难以掌控，因为它既要保证升级之路的畅通，从而使骑手持续沉浸在送单游戏中不至于放弃；同时又要保证骑手之间有着相应的送单权益和收入差异，以满足部分骑手的优势地位。
吉莱斯皮将算法分类管理的劳动者称为“算术型工人”（calculated workers）。对于外卖骑手而言，他们不仅仅是算术型工人，更是游戏化的参与者。在此过程中，平台算法巧妙地将个体劳动者自我价值的实现与资本的管理结合在一起，并在不知不觉间依靠骑手对于外卖游戏的参与而有效地塑造了算法自动生长、自动发展的根基。
“人体电池”
在具体的实践场景中，外卖平台系统是如何依靠骑手搭建起来的？
我们可以把整个外卖系统想象为一个游戏场，骑手就是游戏玩家，骑手的手机、头盔、电动车等行动轨迹连接着系统后台的服务器。骑手的劳动过程，除了送单，也是不断与后台系统进行互动的过程。在系统后台，每一个外卖员都有自己的主页面，上面显示着骑手的送单量、等级、从业时长、积分、奖励等。这些数据由骑手所在站点或者团队直接管理，并成为之后送单情况排名的直接依据。
这样的互动交流大多是通过“边走边看手机”的方式进行的。在此过程中，外卖员的流动成为平台数据生产的重要手段。例如，有学者发现，平台系统会利用骑手手机上的GPS定位、WiFi、蓝牙或者智能头盔等实时收集流动劳动过程中的数据。
送餐是一项流动性劳动，而流动本身所产生的数据面向十分丰富，包括基于外卖员送餐速度、单量、人流量的数据；基于餐品的种类、价格、打包和出餐时间的数据；基于消费者等待时长、口味偏好、家庭住址、外卖超时忍耐程度的数据等。如果把“送外卖”拉长为一个基础物流传输链条，不难发现，流动的过程是外卖员联结各方参与者一并加入数据生产的过程。肖珊娜·祖博夫（Shoshana Zuboff）在论述“监视资本主义”时，敏锐地意识到了人的行为可以在数据化时代被作为商品出售。尼克·斯尼塞克（Nick Srnicek）将数据称为平台市场逻辑下的新能源。在外卖系统中，基于外卖员的流动所生产的数据成为外卖平台“训练”物流调度系统、进行用户精准画像的重要原材料。依靠由流动所积累的数据，算法系统得以被持续“投喂”、不断进行深度学习，从而实现在既有设定原则上更加精准、全面地对外卖物流进行预估、评判、分类，提高平台劳动管理的效率。
早在2017年6月，我就曾与“百度外卖”的一位数据架构师进行过交流。彼时的他已经开始考虑如何对已建立的算法体系进行修正和优化，使其不断走向自动化和智能化。关于配送平台的算法设计原理，他这样解释：
我们在2015年初就已经实现了全自动化的这样的一个派单。自动化派单这个事情，背后要解决（的），就是我们怎么实现从零到整个这一套的核心调度的技术。这个订单，从技术到系统，到自动地分配给最合适的人，中间有一系列的（问题），需要系统去支撑。……我们怎么样让这个系统具有自动地学习、自动地优化的一个能力，（让）它像 AlphaGo一样，能够每天根据不同的棋谱，对于系统来说，就是根据每天不同的、新的订单配送的情况，去自动地学习，使得这个系统越来越智能，越来越适合每一个区域的调度。
在过去的几年里，利用不断扩大的用户、商家和外卖员数量，平台的算法体系也得到了持续充实和扩展。他补充说，
自动派单之外，我们有实时可视化的监控系统。（例如）有分析、回顾（作用的）时光机系统，有预测、做模拟的仿真系统，以及指导我们业务去做业务分析的询导系统。除了调度系统，还有一些系统去支撑。
无论是这位数据架构师所说的时光机系统，还是仿真、询导系统，都展现了算法依靠流动劳动的“投喂”变得越来越智能的事实。在机器的深度学习模式中，外卖平台的算法和外卖员的流动劳动形成了相互依存、共同进化的关系。一方面，算法设定的指标会倾向于“细化”或“完善”外卖员的送单劳动；另一方面，源源不断的人力数据又会“投喂”并“训练”算法，将一些系统漏洞、尚待完善的地方补足。
2021年的夏天，我和几位研究生同学在房山区良乡镇的楸树街采访外卖骑手时，遇到了李飞龙。在我的请求下，他答应带我去附近大学城送餐。他挑了几个北京理工大学的单子。因为疫情，外卖员无法进出校园，只能选择送单地址最近的地点送餐。外卖单上的送餐地址五花八门，“C区H口”“B区1口”“小区大南门”，让人很难搞清楚。令我惊奇的是，李飞龙竟然全部知道。他载着我骑得飞快，不时把车停在路边，取出餐，放到一处不起眼的栅栏下，拍照上传，然后载着我去下一个地方。
这些地方以前都没有。疫情之后就有了！因为学校进不去！……都是我们一个一个跑出来的，之前的系统乱七八糟，我们也是熟悉了。学生都在宿舍附近下单，一栋宿舍楼下的单多了，我们送的单多了，系统就会标识出来。
李飞龙一边说着一边给我看他的手机。果然，在他的送单地图上，围绕北京理工大学出现了不同的区域标注和送餐点设置。按照李飞龙所说的，依靠骑手流动所生产的数据成为完善送单系统的重要依据。
