作者 余政

引言：从“工厂纪律”到“数字牢笼”

马克思所揭示的资本主义基本矛盾——生产的社会化与生产资料私人占有之间的矛盾，在数字时代不仅没有消弭，反而以更加尖锐和隐蔽的形式表现出来。其最突出的体现之一，便是资本“关系本质”的深度异化。在工业时代，资本对劳动的控制主要依托于工厂的物理围墙和线性时间的“工厂纪律”；而在数字时代，平台资本凭借对数据、算法和算力的垄断，构建了一种无远弗届、无孔不入的“算法霸权”，将资本与劳动的关系从“二元对立”升级为“三元控制”，使劳动者陷入前所未有的“生物传感器困境”，导致了深刻的主体性消解。本文将从算法剥削机制、数据垄断下的阶级重构以及技术异化的哲学批判三个层面，深入剖析数字时代资本关系矛盾的深化。

一、算法霸权的剥削机制：从“剩余价值率”到“数字压榨率”

算法，作为数字资本的核心控制工具，其威力首先体现在对剩余价值剥削率的极致提升上。这种提升并非通过延长绝对劳动时间，而是通过算法对劳动过程的深度渗透和精准优化，实现了对相对剩余价值的榨取达到空前水平。

1. 动态定价与“溢价黑洞”

在网约车、外卖等平台经济中，算法通过实时监测供需变化，进行动态定价。表面上看，这似乎是市场规律的灵敏反应。然而，深入剖析其分配机制，便能发现算法的剥削本质。北京大学数字生态研究中心2024年的研究揭示，在早晚高峰时段，网约车司机实际收入仅占乘客支付总额的58%，平台抽成比例最高可达42%。算法模型会自动识别需求弹性高的时段和区域，将供需波动转化为平台的“溢价黑洞”——即大部分因需求激增产生的溢价并未流向提供服务的司机，而是被平台以算法自动调节的名义截留。更值得警惕的是，在溢价时段，司机因拥堵等原因实际行驶时间更长、劳动强度更大，但时薪反而可能下降17%。这充分说明，算法并非中立的工具，而是资本意志的数字化化身，其设计逻辑天然倾向于最大化平台利益，即便以加剧对劳动者剥削为代价。

1. 行为监控与“效率暴政”

算法霸权的另一面是对劳动过程的严密监控和极致优化，将“泰勒制”的科学管理推向了数字极端。如特斯拉工厂的AI系统每秒分析2000帧工人动作图像，进行“动作合规性评分”；亚马逊的仓储系统通过传感器网络监控工人的行走路径、拣货速度甚至停顿时间。这种全景敞视式的监控，使劳动者完全暴露在算法的审视之下，其每一个动作都被量化、评估和优化。

美团骑手的境遇更是典型。算法根据历史数据动态设定送单量、规划送餐路线，不断压缩配送时间。骑手为了达到算法要求，不得不超速、闯红灯，承受巨大的安全风险和精神压力。北京大学2023年的研究显示，美团骑手的剩余价值率高达380%，远高于传统制造业平均140%的水平。然而，骑手的时薪增幅仅为18%，而其劳动产出（以送单量和效率计）却提升了400%。这一巨大反差揭示了算法剥削的隐蔽性与残酷性：产出效率的跃升主要源于算法对劳动过程的压榨式优化，而非劳动者技能或待遇的同步提升。活劳动（living labor）被算法分解为可量化、可优化的数据流，劳动者从“劳动主体”降格为“数据生成节点”和算法指令的执行者。

二、数据垄断与阶级重构：从“数字鸿沟”到“数字封建主义”

算法霸权的经济基础是数据垄断。在数字时代，数据取代机器成为核心生产资料，谁掌握了数据，谁就掌握了财富和权力的钥匙。这种垄断不仅加剧了经济不平等，更深刻地重构了社会阶级结构。

1. 全球垄断格局的技术固化

国际货币基金组织（IMF）2023年的数据显示，全球1%的主体控制着85%的数字资产。这一惊人的集中度并非偶然，而是“算力资本化”的必然结果。亚马逊AWS、微软Azure等云服务巨头控制了全球65%的云服务市场，发展中国家企业在数据存储成本中有73%实际上支付给了这些跨国平台作为“数字租金”。这种格局被学者称为“数据封建主义”。平台巨头如同中世纪的封建领主，凭借对关键生产资料（数据与算力）的垄断，构筑起极高的市场壁垒，使广大用户、中小企业和甚至国家在数字空间中处于依附地位。

“赢者通吃”效应在数字时代被算法锁定和数据网络效应无限放大。例如，亚马逊通过跨界并购14个行业形成生态闭环，使得后来者几乎无法挑战其垄断地位。这导致了“数据资本化→垄断强化→竞争抑制”的恶性循环，窒息了市场活力与创新。

1. 国内鸿沟与区域失衡

数据垄断的影响不仅存在于国际层面，也深刻作用于国家内部。中国的“数字鸿沟指数”为0.38，西部农村网络渗透率仅为41%。尽管国家推行“东数西算”工程，利用西部绿电优势降低算力成本（西部数据中心PUE可降至1.1，优于东部的1.25），但在算力收益分配中，西部地区仅获得30%。这表明，即便通过国家工程优化资源配置，数据要素禀赋的差异和平台资本的利益导向，仍然可能导致收益分配向技术和资本密集的东部地区倾斜，加剧区域间的数字经济发展失衡。

更深层次的是阶级重构。传统的“资本家-工人”二元结构，演变为“数字寡头-算法附庸-数据生产者”的复杂图谱。作为原始数据生产者的广大用户和劳动者，其产生的数据价值被平台无偿或低价占有，而在分配体系中处于最弱势地位，形成了“原始数据生产者(用户/劳动者) → 平台数据池 → 数据加工权垄断 → 数字寡头”的剥削链条。

三、技术异化的哲学批判：从“主体性消解”到“生存意义剥夺”

数字资本关系的异化，最终指向人的主体性危机，这是一个深刻的哲学命题。

1. “生物传感器”困境与主体性消解

劳动者在算法监控下，其主体性被双重剥夺。一方面，其“生物自我”（拥有情感、肉身的个体）在算法的规训下，被迫适应一种高度标准化、高强度、高压力的劳动节奏，沦为生产线上的一环。另一方面，其行为数据被持续捕获，生成“数字分身”，这个“分身”成为平台资本增殖的原料，而劳动者对其却毫无控制权。如此便形成了“数字资本增殖闭环”：数字资本增殖闭环 → 算法规训与数据垄断 → 赛博格化劳工（行为数据化与社交痕迹商品化） → 私有数据资产 → 区块链确权失效 → 平台圈地运动 → 算法优化迭代。在这个闭环中，劳动者沦为“生物传感器”，其活劳动和生命活动被彻底物化，主体性消解殆尽。

1. 抵抗形式的嬗变与算法民主化的呼唤

面对算法霸权和深度异化，劳动者的抵抗形式也从工业时代的集体罢工、工会谈判，转向更具个体化、隐蔽性的“弱者的武器”，如外卖骑手通过“刷单”、“挂机”等策略进行日常反抗，或更极端的“躺平”哲学。这反映了在算法阻隔劳动者协作（如外卖骑手抢单排名制造原子化竞争）的背景下，集体行动变得异常困难。

法国技术哲学家贝尔纳·斯蒂格勒（Bernard Stiegler）的“药理学”（Pharmakon）理论为此提供了深刻洞见：技术既是解药也是毒药。区块链本可建立去中心化信任，实现数据确权和收益共享，却可能被资本收编，沦为比特币高耗能挖矿的工具；AI本可解放人力，创造丰裕，却通过算法霸权加深了剥削。这一悖论揭示了，技术的后果取决于其所嵌入的社会关系和权力结构。因此，打破数字异化闭环的根本出路，不在于摒弃技术，而在于推动“算法民主化”和构建“数据公有制”，将技术从资本逻辑的桎梏中解放出来，使其服务于人的解放和全面发展。

四、中国实践的应对：重构关系，制衡霸权

面对关系异化和算法霸权的挑战，中国的治理实践进行了一系列旨在重构生产关系、制衡平台权力的探索。

1. 算法监管：嵌入人本干预

国家网信办出台的《生成式人工智能服务管理暂行办法》（2023）是重要的制度回应。其核心条款直指算法霸权的要害：第七条《禁止算法歧视》​ 要求建立保护机制，如外卖平台对妊娠期女性的特殊派单保护；第九条《数据溯源》​ 要求训练数据来源透明可追溯，防止数据偏见；第十一条《人工复审》​ 强制要求在自动化决策中建立人工复审通道。2025年新增的算法审计制度，要求平台企业季度披露歧视性参数修正记录。这些措施试图在算法的自动化运动中重新嵌入人的价值判断和伦理考量，是对算法绝对控制权的一种制衡。

1. 数据确权：破解私有制垄断

深圳数据交易所探索的“三权分置”模型，尝试在法律层面确认数据来源者（用户/企业）对原始数据的持有权及收益权（占70%），这动摇了平台私有制垄断的根基，为构建更加公平的数据生产关系提供了产权基础。其目标正是将劳动者从被动的“数据原料”提供者，转变为能分享数据增值收益的主动参与者。

结语

数字时代资本关系的异化与算法霸权的崛起，是资本主义基本矛盾在新技术条件下的激化表现。它通过极致的效率提升和隐蔽的控制方式，实现了对剩余价值剥削率的空前提高，并重构了全球和国内的阶级格局，导致了深刻的主体性危机。然而，技术本身并非命运。中国的实践表明，通过强有力的算法监管和数据产权制度创新，有可能对资本关系进行引导和重塑，制约平台权力，保护劳动者权益，为在数字牢笼中重建人的主体性和尊严探索一条可行的道路。这不仅是经济问题，更是关乎数字文明能否实现其赋能人类、促进解放的初衷的根本性社会命题。打破“数据封建主义”，走向“数字共和国”，关键在于能否实现技术主权归于社会，算法逻辑服务于人本。