郑广怀在研究外卖骑手时，用“下载劳动”来描述外卖骑手的数字化劳动生产。“下载”的概念生动形象，它展现了平台作为一个强大、有反思力的有机体，如何将一整套精密、动态的劳动控制模式嵌入劳动者的外卖送单活动中。如果我们的思绪如《黑客帝国》所展现的那样打开，那么毫无疑问，骑手就是一个个连接着后台服务器和升级系统的“人体电池”，源源不断地在为平台系统贡献自己的数据和能量。这样的比喻听起来有些危言耸听，但在整个外卖游戏中，数据化的流动是闯关游戏得以持续运行的重要基础。
系统的进化
在进入外卖系统智能化讨论之前，我想补充一点对于技术发展的看法。虽然智能技术进化飞速，令人目不暇接，但是我们仍旧需要清楚地意识到，一项技术能够发展到今天的样子，离不开对既往的、历史性的技术逻辑的积累。在人类历史进程中，技术的发展有着自己独特的逻辑。一项技术从来不是凭空出现的，而是带着既往技术的DNA。换句话说，技术是一个复杂的组合体。与此同时，这些技术的DNA里往往嵌套了复杂、神奇甚至难以解释的人文逻辑，因为技术的应用从来都是在特定的社会场景中展开的，而特定场景下的技术实践与诸多社会结构和社会实践，如阶层、性别、身体、空间、时间等紧紧交织在一起。
说回到外卖的算法系统，它的发展也是如此。它继承了先前发展的互联网技术，并在此基础上聚合了更加多样的组合和结构。需要看到的是，外卖系统的建立绝非一朝一夕，而是与外卖产业不断增强的组织化、市场业务的不断细分以及个体劳动者持续不断的劳动力供给有着密切联系。通过田野调查、访谈和资料的汇总，本章尝试在此“拼凑”外卖算法系统发展的脉络，从而跳出简单的技术研发逻辑，来展现系统发展的复杂性和围绕这项技术所展开的多元话语。
系统初建
虽然“外卖”兴起是近几年的事情，但在历史上，“外卖”业务早已存在。在北宋的《清明上河图》中已经出现送餐伙计的画面。一伙计右手拿两双筷子，左手提两个饭盒，身着围裙，正出发给客人送餐。宋朝推行休养生息政策，废除了宵禁制度，百姓可以自由活动，市面上因此出现了很多酒肆瓦舍，餐饮酒食文化十分兴盛。一些客人在酒肆瓦舍玩累了，想要吃饭，可以去附近的酒楼订餐，店小二可以送餐上门。根据史书记载，当时的餐饮店“逐时施行索唤”“咄嗟可办”。
《东京梦华录》中还记载了当时的诸多酒家送外卖的场景。由于餐饮店众多，竞争激烈，“凡百所卖饮食之人，装鲜净盘盒器皿，车檐动使，奇巧可爱。食味和羹，不敢草略”。餐饮店将美味佳肴用精美、干净的食盒包装好，送到客人手中，在当时成为一种流行趋势。在后续漫长的餐饮发展中，外卖虽然一直不是主营业务，但却作为餐馆联络社会关系、积累运营资本的方式留存下来。由于餐食的即食性，餐馆的外送业务多面向周边熟客，基于邻里街坊、亲友关系的“方便”外卖占大多数。
外卖作为一种发展的可能被确立下来，得益于电话的出现。沟通变得更加容易，人们对于餐食的需求可以及时、准确地传达到餐厅，电话订餐也成为传统餐饮的分支业务。例如，成立于 1965年的日本快餐巨头玉子屋，依靠电话订单将自己的外卖业务不断扩展。在国内，一些连锁公司除了堂食业务，也会通过电话订餐的形式，接受一部分外卖订单。
一次采访中，三十出头的女外卖员臧佳在回忆自己打工经历时讲道，自己的第一份工作就是“送外卖”。那时她寒暑假去镇上一家餐饮店打工。店里主要做一些日常餐食，餐饮店的对面有一个塑胶工厂，工人时常加班，会产生很多外卖订单。臧佳在店里除了负责洗餐具，就是接听对面塑胶厂的订餐电话。她需要用笔一个一个写下需要的餐品，通知后厨烹饪，待餐品做好，走路送去塑胶厂。
夏天的时候，三十多度，热得很。中间有个市场，绕一下过去，不到两公里，走回来，全身是汗。有时候一趟还送不完，就多走一趟。
臧佳的工作是大众传播时代人力派单模式的真实写照。2000年以前，我国的外卖配送以电话接听、人力派单为主。在这一时期，电话、自行车、摩托车等沟通和传递工具出现，不少餐厅借此推出了电话订餐、打包自提、一对一送餐等业务，外卖生意得以维持并在一定程度上得到扩展。这一时期的外卖业务主要以餐厅自配送为主，也有少数的互联网O2O企业参与，如“生活半径”“朝阳美食汇”等。
2000年到2010年，随着互联网技术的不断发展，外卖行业的数字化进程不断加快。一些餐饮企业除了使用电话订餐，也开始研发线上订餐系统——在移动互联网兴起之前，主要是PC端的订餐服务。同时，第三方的技术服务平台开始和餐厅合作开发线上订餐系统，数字化初具规模。2010年以前，尽管物流的数字化已经提上日程，但外卖订单的匹配和对接依然主要由人工负责完成。换句话说，在这一阶段，“人”始终是协调外卖网络正常运转的核心。即便是第三方的外卖企业，也主要通过使用人力来完成订单匹配。餐厅或外卖平台的派单员需要及时接听电话、记录地址、匹配送餐时间，甚至在餐饮订单多起来的时候，进行更复杂的匹配、协调工作。
曾在“饿了么”干过派单员的徐开回忆，人工派单“不好干”。他需要从早到晚地坐在电脑前盯着屏幕：
单少的时候还行，单多了，确实不好协调，一个头两个大。高峰时段就是不停地打电话，挂了这个来了那个，全部都是问题。
根据“百度外卖”负责派单系统的数据架构师甘锐的说法，人工派单（人工调度）是一项“十分有挑战”的工作：
人工调度，就是订单进来以后，用人把订单和骑士匹配（起来），做一个决策，派出去。在这么短的时间内去做决策是很难的，而且要考虑的因素其实是非常多的。既要考虑商户、用户所在的位置，又要考虑骑士身上已有的订单。你（指调度员）要快速在短时间内反应过来，同时还要去判断，这个订单分配给这个骑士后，他身上可能已经有几单了，后续订单顺序怎么变化，会对他的路程产生怎样的影响，以及这个订单超时了怎么办……
按照这一说法，像徐开这样的调度员应该就是最初的“人工智能派单系统”。而随着外卖平台订单的不断增多，人力派单模式难以跟上快速扩张的业务需求。受制于时间和算力，即使是非常有经验的调度员，一天能够调度的订单上限也只有500—800单。而在2010年左右，当时一些第三方平台的订单已经达到几万单甚至数十万单。随着企业雇佣调度员的数量增多，成本也在不断增加。在这种情况下，许多外卖企业不再满足于线下的、人力的物流调度，而是着手建立自己的数字系统。至此，外卖网络开始由“人工派单”向“系统派单”转变。
只是，这次的技术转变，与其说是为了解决外卖行业的技术痛点，不如说是由资本推动的新一轮市场角逐。在2010年前后，受到风投资本和互联网创业潮的推动，外卖配送业成为创业“风口”。2011年，国内最早的外卖平台“饿了么”先后获得金沙江创投、经纬中国、红杉资本、大众点评等机构的投资。2013年，“美团外卖”成立，2014年，“百度外卖”加入竞争。在很短的时间内，“外卖”从无人问津的冷门业务变成了“香饽饽”。诸多外卖平台纷纷加入游戏，并着手创建自己的派单系统。
至此，一个由餐厅、平台、外卖员、“人工+数字”派单的外卖网络初步建立。彼时的外卖系统，也正在经历进化期。在移动互联网普及之前，“人”依旧居于系统发展的核心，而随着中国互联网通信技术的不断发展，外卖网络开始走向数字化和智能化。下一节要展现的，正是这种“人机的互换”。在过去短短几年间，外卖系统踏上了数字化和智能化的快车道。“人”被赶下指挥台，取而代之的是能够不断自我学习、自我进化的算法。这样的变化牵动着数量庞大的外卖骑手。伴随着数以千万计的流动劳动者和消费者不断加入，外卖系统以极快的速度升级、进化，并开启了这场外卖经济的无限游戏。
快速进化
如果把看待技术发展的视角拉长，我们就会发现，外卖系统的进化史像极了人类的发展史，两者都是充满奇幻色彩的加速度运动。科学家李四光在《人类的出现》中曾说：
人类文化的发展……从新石器时代的开始到现在至多不过一万年，金属时代的开始到现在不过数千年，人们开始利用电能到现在不过一百多年，原子能的利用则仅是最近几十年的事……人类的发展不是等速度运动，而是类似一种加速度运动，即愈到后来前进的速度愈是成倍地增加。
这样的观察对于外卖来说，同样适用。人力送餐在中国历史上存在了至少千年，但是互联网的出现大大加速了外卖行业的运营规模和效率。数字化的送餐进程仅有二十多年，系统派单的出现也就是过去十年间的事情，而人工智能派单则只有几年的光景。在外卖经济的发展中，技术的发展神秘又飞速。我们很难想象，过去上千年不温不火的送餐活动如今已经变成了一种遍及大街小巷、轰轰烈烈的系统化劳动。系统是如何快速进化的？哪些人参与了系统的加速升级？产生了什么影响？这些问题值得进一步探究。
2017年的夏天，我走访了“百度外卖”。在访谈过程中，研发团队着重强调了“算法的演进”，并试图通过人工、系统、云端、深度学习四个阶段来概括外卖技术系统自身的发展和进步（参见图8）。
（人工派单）局限太大。我们详细分析了这个事情，分析了一些原因，决定走系统化。做这个事情的时候，是2014年，整个行业没有任何一家公司做这种外卖订单的自动调度。我们是行业里面第一家决定做大规模的系统化、人工智能自动派单的公司，也是真正的第一家开发这样一整套人工智能派单系统的（公司）。
而我想知道的，恰恰是这些进化阶段背后关于“如何”的问题。人工智能的派单系统是如何做出来的？根据研发团队的说法，2014年前后，技术团队做了一个辅助人工派单的系统，但因为缺少数据积累，系统无法进行精准测算。此时的辅助派单系统“只能给一个大致的结果”，最终由人工做更进一步的筛选和决策。与此同时，工程师补充了一句话，令我印象深刻：“人工的筛选对我们来说，也是一个数据积累的过程。”
辅助派单系统建立的背后，隐约浮现出了“数据的反噬”。同时，“数据积累”也道出了人工智能派单系统飞速发展的奥秘。数据作为算法发展的基础，成为人工智能发展的重要基石。对于外卖行业来说，2015年以来市场的飞速扩张为其带来了海量的数据积累。伴随着移动支付的流行和风投在外卖领域的竞争加剧，在过去的十年间，外卖市场的扩张达到了成百上千倍。这一变化可以从两个方面窥见：一方面，线上订外卖的人口数量激增，自2015年以来，线上订外卖的人口已增加到近5亿；另一方面，外卖配送人员的就业数量也显著增加。虽然截止到目前还没有关于外卖员就业人数的官方统计，但通过把主要的外卖平台就业人员相加，我发现，外卖员的就业人口实现了从个别到超过千万的增长。消费和就业人口呈百万倍量级的剧增，催生了巨大的消费需求和劳动力产出，这也成为外卖平台进行数据积累的重要条件。
根据工程师甘锐的描述，除了调度系统，“百度外卖”的研发团队还做了一个外卖配送的“仿真系统”。该系统通过创建虚拟的外卖送餐场景来不断地训练人工智能匹配订单的能力，并可以根据多种突发情况来模拟和调整派单系统。
这个仿真系统是基于历史积累的大量数据去建立的。通过这个系统，我们可以实现的是，每个骑手，不管分配什么样的订单给他，我们可以能够预计每个订单的完成时间。……这个系统具有人工智能的自动优化能力。它像 AlphaGo一样，可以根据每天不同的、新的订单配送的情况去自动地学习，（这）使得系统越来越智能，越来越适合每一个区域的调度。
能够自主学习的外卖仿真系统在2015年之后逐步建立并完善，这并不是一个巧合。恰恰相反，它的完善期也正是中国外卖经济的急速拓展期。在这一时期，成千上万的外卖骑手、消费人群和调度员成为建构人工智能派单系统重要的“人力基础设施”。正如丁未在研究网约车司机时所发现的，网约车司机是帮助“滴滴”平台前期发展、“打下天下”的主力军。2018年，我和曾在“百度外卖”工作过的蒋大哥聊天，还清楚地记得他时常抱怨平台的派单系统。用他的话说，就是“东一榔头西一锤子地乱派单”。在派单系统发展的初期，骑手们正是外卖这个大系统里的“人体电池”，他们贡献自己的数字劳动，系统将数字劳动转化为有用数据，从而帮助派单系统不断地升级完善。
数据化成为系统快速进化的秘密，而数据化的完成又完全依赖人的劳动。依托技术的发挥，“人一数据一算法一系统”的链条初步搭建成立，这也解释了外卖算法系统进化的过程。技术进化的过程，也是其不断合法化自己的过程。如何塞·范·迪克（José van Dijck）所言，数据化正在成为获取、理解和监视人们行为的合法化途径。海量数据和以“吸食”数据为主要动力的算法系统“相得益彰”，构成了当下外卖平台公司强大的算力和预测力。2018年，“美团”自然语言处理（NLP）中心开始建立“美团大脑”。根据团队的分析：
“美团大脑”是我们正在构建中的一个全球最大的餐饮娱乐知识图谱。我们希望能够充分地挖掘关联“美团点评”各个业务场景里的公开数据，比如说我们有累计40 亿的用户评价，超过10 万条个性化标签，遍布全球的3000 多万商户以及超过1.4亿的店铺。我们还定义了20 级细粒度的情感分析。……我们希望在不久的将来，当用户发表一条评价的时候，能够让机器阅读这条评价，充分理解用户的喜怒哀乐……总结商家的情况，供用户进行参考……帮助用户快速地进行决策。
根据技术团队的解释，“美团”的知识图谱意味着人工智能技术的又一大进步：机器开始从感知智能向认知智能跃迁。所谓认知智能，可以被理解为系统开始理解人的语义，并学着像人一样思考。系统不但在计算能力、知识储备上超过人类，同时开始具备强解释性、推理能力和理解能力。通过对海量数据的分析，在未来，这样的“美团大脑”可以“帮助用户进行决策”、“指导店老板决策”、“对用户进行风险管理”等。
外卖平台的智能化一路高歌猛进。在过去的十年间，外卖系统经历了从系统派单到云端派单，再到深度学习的智能派单模式，而且整个过程的进展呈现出明显的加速度。虽然在系统进化的后期，我们已经很难看到人的身影，但如果把系统的进化史拉长就会发现，系统的腾飞“起于微末”，人的劳动和数据生产是其成长的关键。在“美团大脑”的知识图谱进化中，贡献力量的有商家、用户，还有千千万万奔跑在路上的外卖骑手。对于系统的进化，外卖骑手是感知最直接、最深刻的人群。这也正是下一节要讨论的议题：作为系统的使用者和系统进化的贡献者，外卖骑手如何感知系统、评价系统？他们与系统形成了怎样的关系？
系统困局
“人工智障”
骑手对于系统的感知多来自对 App的使用以及自身的送单劳动。在日常工作中，骑手对于后台系统的称呼十分多样，包括“送单 App”“技术”“后台”“手机”，也有骑手直接使用“平台”来称呼派单系统。对于大多数骑手来说，后台的技术系统“十分复杂”，“整不太明白”。而在日常的交流中，骑手对于系统的感知形态通常十分具体、充满了情境性。他们根据自己的劳动去理解、揣摩算法，并阐释了自己对于技术系统的理解。我和调研小组其他成员在访谈中听外卖员讲了很多大大小小的关于系统的例子。这些例子虽然无法让我们看到整个系统与劳动的互动全貌，但是却像一块块单片的拼图，让我们得以透过个案“以小见大”，窥见系统与劳动的动态互动。
在实际的送餐过程中，骑手对于派单路线和地图引导的抱怨十分普遍，几乎到了人人都要说两句的地步。其中对于地图的智能引导抱怨最多。我在2017、2018年的田野调查中发现，彼时很多外卖平台的订单配送距离设置都是计算直线距离而非实际路程距离。由于算法需要根据订单的配送距离预估配送时间，实际路程与直线距离的差异增加了外卖员的配送压力。对此，高喆师傅多次向我抱怨：
直线距离短，实际距离比这长多了！有一次，一个去豪景东方的单子，显示是3公里，结果你猜，我跑了多少？5.2公里！……系统这个地图不对。显示直线距离算什么？我们又不是直升飞机，起飞、降落就行。
对于计算距离，平台的地图系统后来做出了调整，以实际距离代替了直线距离来计算时间。但是，一些骑手仍然不满，他们表示，系统显示的距离经过了处理，被有意无意地缩短了，实际的送单距离往往要超过系统显示的距离。骑手大多不通晓计算和技术，但在他们看来，后台这些充满高科技、十分复杂的算法系统出现的问题有时“十分幼稚”，让他们啼笑皆非。他们在聊天的时候，将后台系统戏称为“人工智障”。
岩晖涛（下文对话中简称“岩”）是潘家园附近的一名“饿了么”骑手，他不高，有点胖，说话的时候笑眯眯。2017年开始，他在一家连锁餐厅驻店，专门负责该餐厅的订单派送。采访后，我们加了微信，有时会通过微信聊天。有一天，他主动找我，问我是否还在继续做外卖骑手的调研，并表示他愿意给我提供一些系统“搞笑的事情”。为了让我更好地理解，他先是给我发了很多张手机截图（参见图10），然后开始讲系统是怎样“无理取闹”，以至于让他无可奈何。
下面是我俩的微信对话：
岩：今天这些单派得，太不合理了。
我：哪里不合理？
岩：反向派单能合理吗？现在时间太紧张了。
我：就是逆行吗？
岩：嗯，系统的路线就是逆行路线。你看，从3到4，我得过一条河，还有一条高速。按照地图导航，我得绕一个大圈。按理说，以高速为界，两侧的单几乎没法送。我今天倒好，送了好几次！
我：你是怎么过去的？
岩：找天桥，逆行过去。
由于后台系统会根据骑手的流动数据来不断调整送餐路线，所以在很多情况下，流量多的数据便有了合法性。于是，很多情况下，骑手为了节省距离、缩短送餐时间而不得已选择的逆行路线也会被后台地图逐渐采纳，并发展成推荐路线。每次说起这个事情，岩晖涛都会哈哈大笑，然后抛给我一句：“鲁迅说得好，这世上本没有路，走的人多了也就成了路！”
也有骑手抱怨后台系统“不好使”、“不智能”。老高站点里的同事曾经抱怨过 App的蓝牙识别不准确：
不点到店，没法出餐。（App后台有一个）蓝牙识别到店（功能），有的（时候，后台对）商家定位不准，你明明就在，但你就点不了到店。你到不到店，技术说了算。但是这个时候，如果客户取消，就是（我们的）物流责任，罚骑手五百，一天白干。
诸如定位不准、无法点击下一步、派单混乱等问题经常被骑手们提及。而每一个技术性的问题背后，其实都与骑手的配送“业绩”和劳动收入紧密关联。为了保证自己的送餐过程顺畅，骑手发展出了很强的能动性和灵活性，他们会实时跟进订单的剩余时间、到店取餐时间、路程的远近，以及楼层、有无电梯、是否需要通过门禁等。面对“人工智障”，骑手会在此过程中开辟一套特定的、与系统对话的逻辑，并在此基础上实现人与机器的共同进化。通过送单劳动，骑手不断地为平台算法所设计的逻辑“试错”。骑手所承担的劳动，更像“测试端”的工程师，他们一次次地送单，一次次地验证系统的准确性。唯一不同的是，测试工程师面对的是电脑屏幕，而骑手的测试则是在三维立体、充满各种复杂情况的大街上。“骑手抱怨—平台改进”的这个过程生动地展现了智能算法的成长历程。
“养系统”
2021年夏天的午后，我们和大强哥、王小笠、李飞龙、驴哥等骑手在房山美食一条街的一家餐馆聊天。闲聊时我提到外卖的派单系统，以此开启了话头，骑手们纷纷发表意见。在你来我往的激烈讨论中，我发现，虽然大家对于平台的派单系统充满了各式各样的不满，但是却在一点上达成了共识，那就是，作为骑手，需要养好自己的派单系统。坐在我旁边的大强哥扒了一口米饭，没好气地说：
系统就是爷爷，需要时时养着！你对它好，它才会对你好！
大强哥是房山良乡楸树街的众包骑手。他三十岁左右，身材魁梧，挺着个啤酒肚，骑一辆大摩托，为人直爽，说话声音大。按照我的理解，他算得上是房山美食一条街的“意见领袖”。他干的时间长，经验丰富，认识的骑手兄弟多，也喜欢跟大家交流。遇到拿不准的事情，骑手们会找他商量。2021年夏天，我和调研小组的同学们多次前往楸树街，大强哥热情地给我们介绍其他骑手，还给我们每人指定了一位骑手，让我们跟着去跑单。我曾经跟着大强哥跑了一个下午，他骑车快，走路速度也快，我不得不跟在后面一路小跑。
对我来说，“养系统”是一个非常有趣的田野议题。根据大强哥的反馈，系统是分层级的，只有把数据弄好了，系统才会派给自己更好的单子。对于如何“弄好自己的数据”，大强哥的回答是：“好好跑单。”他的解释如下：
首先，不能老拒单。拒一次两次行，一天拒很多次，后台就会知道——它都有自己的设置。到了一定数量，你不但接不到单，还可能被封号。对啊，因为你老拒单。……还有，要坚持跑。你看那些排名靠前、业绩好的，哪个不是全天在岗？（他们）很少请假。三天打鱼两天晒网不行。数据都是积累起来的，不常跑，没有好数据。
在跑单过程中，骑手们敏锐地发现了后台系统是靠数据积累对外卖骑手进行等级评定和派单的。这一点尤其适用于抢单的众包骑手。到了午高峰和晚高峰时段，众包骑手们出现在大街上，三五成群，或坐在小吃店门口，或倚靠在电动车旁，开始埋头“抢单”。我曾不止一次地听到骑手们抱怨，一个订单发出来，大家一起抢，但是最后，总是会落到他们知道的几个人手里。他们对此百思不得其解，有人说是因为不同品牌的手机抢单速度不同，也有人说是距离的问题，还有人说是抢到的人用了作弊软件。
但是大强哥不这么认为。按照他的说法，那几个固定的人总是可以抢到单，是因为他们的“数据好，跑单从来不挑”，所以系统才会倾向于把好单子派给他们。大强哥一直坚持说“好数据是靠努力得来的”。他并不看好整日蹲在街头“挑单子”、“拒单子”的骑手。相反，想要有一个好的数据，需要埋头苦干。
在这里，“养系统”的埋头苦干和前文中所提及的闯关游戏不谋而合。系统在不断升级、进化的逻辑下，需要骑手生产源源不断的数据“投喂”自己。在游戏化的逻辑下，骑手劳动和后台系统形成了微妙的互动循环：送单多、时效快的骑手会得到更多的订单，而单量小、“挑单子”的骑手则不会得到系统的正反馈，并存在被边缘化的倾向。算法系统逐渐向着组织化和层级化的结构转变，其中，持续性、遵从性成为系统派单的主逻辑。
“闪送”平台的“派单”和“抢单”分类是“养系统”生动的体现。平台会根据骑手的送单数量和工作时长将闪送员划分为“派单”和“抢单”两个类别。前者指的是由平台主动派单给骑手，“派单”的级别高、单量多、订单价高；后者则需要骑手在平台分发出来的订单中自主抢单，“抢单”级别低、单量少、订单价低。骑手想要维持“派单”的级别，需要持续地、不间断地定额劳动。按照规定，一个骑手每周、每天都需要完成一定额度的送单量，如果因为某些原因没有完成规定订单量，则会被降级为“抢单”。
“算法想象”一直是算法研究中的重要领域，它旨在探究人们如何知晓、认识算法体系本身。拥有专业技能的人可能通过算法的内里机制向外延伸想象算法的应用，而更多的、无从知晓算法“黑箱”的人，则通过算法体系的外在表现关注算法的系统设置。在这一理论探索中，“算法想象”并不仅仅是一种“想象”而已。相反，它是一个实践过程，一个生成性过程。个体对于算法的想象会直接影响到其个人生活以及其与算法的交互。长期的实践经验养成了外卖骑手对于后台算法的独到想象。大强哥、王小笠、李飞龙、驴哥在一起的时候，时常讨论起后台的算法“黑箱”。虽然他们无法从专业的角度理解、阐释为什么在一些情况下算法会这样，在另一些情况下却变成另外的样子，但是他们的猜测、质疑、想法毫无疑问形成了“算法八卦”（algorithmic gossip），这些话语的表达组成了外卖骑手对于算法的想象，也深刻地影响着他们的跑单劳动。
例如，当知道系统需要不断通过个体劳动“被投喂”时，“养系统”所需要的持续性有时候让骑手们很为难。虽然平台以灵活自主的工作定位来招工，但在实际的劳动过程中对骑手有连续的工作时间要求。一些骑手因为探病、秋收或者其他紧急情况回老家的情形时常发生，而这些意外一旦打断了其工作的连续性，他们的后台数据就会变得“不好看”，骑手等级也会随之下调。一位“闪送”平台的骑手曾在“抖音”上闷闷不乐地描述自己的处境：
必须天天跑。你看，我这几天回老家一趟，有点事，这绩效就下来了。没法拿到大单，只能送一些周边的小单。
2014年，网页设计顾问兼作家埃里克·迈耶（Eric Meyer）创造了“无意的算法残酷”一词，用来描述计算机设计中的一个缺陷——缺乏共情的能力。的确，在送餐平台的算法设计中，通过持续性劳动来“养系统”的做法也同样充满争议。作为身处社会之网中的流动人群，骑手面临着生活和劳动中的诸多不确定。通过单一的算法监控来“定价”骑手的劳动而不允许其“出现意外”，其实是在将骑手当作一种可以持续生产价值的机器，而非具有个体化生活情境的人。
更加令人惊奇的是，在日积月累的劳动中，骑手们会对算法系统产生情感依赖。他们将 App拟人化，并努力地与其进行对话。在这个过程中，“养系统”成为一种非常有趣的人机互动实践。“非常聪明”“鸡贼”“很会算计”等用来形容人的词汇被大量用来形容平台后台的派单系统。在等单之余，骑手们也会“钻研系统”。他们通过浏览 App网页内的诸多细则、规定，从中得出自己的理解，并与其他骑手一起分享、讨论，甚至是在送单过程中不断实践、验证。关于骑手“逆算法”的劳动实践，将在第六章 详细展开。这里我所要强调的，是骑手与系统形成的既依附又对抗、既合作又协商的互动过程。在这个过程中，甚至出现了有趣的情感依赖。在情感社会学的论述中，学者认为，情感的唤醒和联结是人类的重要特性。同时，情感受到社会和文化诸多结构性因素的影响。外卖骑手与技术系统的互动是催生其情感唤醒的重要因素，也极有可能是我们人类即将面对的人机对话的未来场景。
卡罗琳·马文在其著作《当旧技术尚新》一书中，阐释了对于技术进化的理解。她认为，技术的进化不仅仅有功用性、工具性的一面，更有其人文性和社会性的一面。这样的观点，放到今天算法和人工智能技术的演进中依旧适用。在技术形态发生深刻转变的今天，算法的进化绝对不是单纯的编码、程序、软件所讲述的单一逻辑。恰恰相反，它的进化深深地嵌入在平台劳动的过程中。算法的进化需要以数字劳动者的“行为化数据”作为基础，并在此之上形塑对劳动者越来越精细和严格的管理。这也正是我在本章开头所表述的“生成性管理”的内涵。
此种“反噬”的后果，值得我们深思。正如《外卖骑手，困在系统里》所阐释的，当算法系统越来越严苛，骑手的速度越来越快，整个外卖产业便陷入了难以逃脱的“负循环”。也正因此，外卖产业会被冠以“过渡劳动”的意涵，源源不断地有人加入，也源源不断地有人离开。如今的外卖系统更像是一个“技术奇点”，把所有参与其中的人带向一个未知的未来。
提上日程的算法伦理
在智能技术如此“脱缰”的今天，我们确实有必要呼吁对于它的控制和反思。尤其是当技术与资本进一步绑定以来，它的强大动能及相伴而生的强大破坏力日益显现，技术的利维坦似乎正在成为现实。平台经济日益普及，技术的资本属性和公共属性发生了明显的冲突。“困在系统里”的骑手所展现的正是这样一种矛盾。骑手参与了算法的生产，却无法参与算法规则的制定。对于算法伦理问题的讨论，展现出了技术的公共性逻辑与私人化逻辑之间的矛盾。
我们不妨回到技术设定的最初期望。技术的初心和本质是什么？从有了技术发展的理念起，人类历史对于技术发展方向的设定应该是让社会和生活变得更美好。这种“美好”体现在技术的发展让越来越多的人享受到或便利或充裕的生活。技术可能会被滥用，但技术带有的共享、公益，始终是其最重要的社会属性。正如有学者指出，“与狭隘的私人性、集团性相对立的公共性、公益性，是技术社会化实践最重要的价值内核和评判标准”。
退一步讲，无论是从学理还是实践角度来说，基于人类智力劳作所产生的技术产品，其必然带有与生俱来的公共性特质。这种公共性特质表现为技术的出现会增益于人类的生存、生活与发展，能够帮助人类进一步解决整体性的生存困境，并不断增加人类生活的公共价值。例如，互联网技术的最初出现，便是基于全人类互联互通、信息自由流通的逻辑来进行的设计。无论是技术史还是社会史都表明，一项技术的生成绝对不是个体化、单一化的产物，恰恰相反，它具有集体性、互动性，是结合了多种行动者且具有多元特质的产物。说回到算法，它的生产和生成同样是遵循集体性生成的逻辑。因此，当这样一项集体合作的技术因为诸多组织化、结构化和科层制的干预而演变为单一方面的决策与独断时，便出现了技术有悖于公共性的问题。
“外卖骑手，困在系统里”的讨论在全社会范围内迅速引发了关于算法技术伦理的关注。这引起了政府的重视，也给平台公司带来了较大的舆情压力。在此之后，各方终于开始积极反思算法作为一种带有社会权力关系的技术系统应该如何被建构和管理，并开始采取行动。
在最为大家所诟病的骑手“送餐时间”的问题上，“美团”于 2021年9月向社会公开了骑手配送时间的计算规则。对于骑手配送时间的预估，后台系统设置了“历史数据模型估算时间”“城市通行状态特性下估算时间”“出餐到店取餐等配送各场景累加估算时间”和“配送距离估算时间”四种算法，并承诺将使用四种算法中的最长时间作为骑手的“预估送达时间”。在此之外，为了减少取餐环节“人等餐”的情况，骑手可以通过 App上报，获得一定的时间补充。在回应关于算法优化的目标问题上，平台确立了三个原则：一是坚持公正合理、以人为本；二是坚持公平协调，充分考虑消费者、商户、骑手等平台关联各方的利益诉求；三是坚持公开透明，及时向社会公开关系各方权益的算法规则。2021年11月，“美团”公布了“订单配送”算法，通过其给出的资料，“美团”指出订单分配的逻辑综合了骑手、商户与消费者三端，并调整了骑手的时间宽裕度、顺路程度两个指标来进行订单分配。
政府政策紧随其后。2021年9月17日，国家互联网信息办公室、中央宣传部、教育部、科学技术部、工业和信息化部、公安部、文化和旅游部、国家市场监督管理总局、国家广播电视总局等九部委印发了《关于加强互联网信息服务算法综合治理的指导意见》，明确了算法生态规范的原则：“算法应用公平公正、公开透明，算法发展安全可控、自主创新，有效防范算法滥用带来的风险隐患。”2022年1月4日，国家互联网信息办公室、工业和信息化部、公安部、国家市场监督管理总局等四部门联合发布《互联网信息服务算法推荐管理规定》，指出在提供算法相关服务时，“应当遵守法律规定、尊重社会公德和伦理，遵守商业道德和职业道德，遵循公平公正、公开透明、科学合理和诚实信用的原则”。
这是一种积极的反馈。算法的伦理问题被提上日程。通过《外卖骑手，困在系统里》一文，社会各方开始关注数据的生产、算法的规则制定以及由此衍生的平台劳动者权益问题。而在“生成性管理”逻辑下的平台经济中，算法伦理反思的核心议题应该是数据的从属和算法规则的公共参与。在智能与个体生活劳作联系如此紧密的今天，数据和算法的问题“已经从单纯的‘个体信息’和隐私保护的单一维度，扩展至‘个体权益、企业竞争和生产关系’三个维度”。因此，回到政治经济学的视角去反思这是谁生产的技术系统、应该为谁所有、能够产生什么样的公共价值，显得更为必要。
技术伦理学家安德鲁·芬伯格在《可选择的现代性》中这样说：“首先，我们正在进入一个以泛化的技术为特征的新时代，这些技术以非常难以意料的方式影响着我们；其次，它关系到我们如何对待技术，因为，这也许是历史上的第一次，公众的参与正在开始对技术变革的形式产生重要的影响。”后疫情时代，基于全球产业、信息技术的民族国家利益纷争和市场化消费，强化了智能技术发展的光环、优势和支配性心理。谁掌握了更多的技术、谁拥有更多的数据，谁便拥有了决定未来数字化方向的更多主动权。也是因此，数字技术的生产、规则的确定、数据的确权问题一直都存在。在此，我们尤其需要警惕基于资本的数字化意识形态正在不断销蚀技术的公共性特质这一趋势，毕竟，技术对于生活世界的彻底殖民，不是我们想要的未来。
