黄展鹏，华南师范大学马克思主义学院，主要研究方向为马克思主义理论与当代社会思潮。
［摘 要］基于参与式观察和田野访谈，文章考察了外卖平台中微观—宏观权力双向建构与循环增强的算法治理机制。通过对骑手个体进行微粒化的数据解析，算法奠定了微观权力运作的基础，为治理提供了对象和原料，进而依据宏观治理目标，将具有相似特征的微观数据聚合成适配不同配送情境的“微人口集群”。宏观调配的有效性依赖于算法指令对微观个体行为的精准引导，而面对规模化与差异化的骑手个体，算法借助空间层面的宏观规划，实现指令在特定区域内的精准投放。同时，平台通过数据拜物教与组织驯化等手段，促使骑手将宏观规则内化为自觉行动，实现宏观权力向微观主体的渗透。最终，在“算法黑箱”这一融合知识生产、真理确立与权力执行的“知识—权力”装置中，宏观与微观权力实现了闭环运作，使算法治理呈现出一种技术必然性。
［关键词］外卖骑手；算法治理；算法知识—权力；治理合理化
一、问题的提出
中国外卖市场已从早期萌芽与爆发式增长迈入稳定发展阶段。截至2023年，美团、饿了么、京东三大平台的骑手规模分别约达745万、400万和120万（MCR嘉世咨询，2025），全国骑手总量已突破千万。在此背景下，在复杂多变的配送场景中实现高效调度，已成为外卖平台算法模型的核心挑战，也日益成为学界关注的研究议题。
在传统劳动过程理论中，控制主要表现为科学管理、技术控制与科层制度等相对显性的管理者主导形式（布雷弗曼，1979），而外卖平台中的“数字控制”（陈龙，2020）则更为隐蔽，即借助数据和算法对劳动者进行深度监控。从控制主体看，虚拟算法系统取代实体管理者，承担派单、监督、评估与奖惩职能（冯向楠、詹婧，2019）。从控制维度看，依托 GPS 定位与实时数据，监督方式由工厂式的间歇性巡视转向数字全景监视（李胜蓝、江立华，2020）；劳动空间从边界固定的实体场所扩展为无边界的流动领域（陈龙、孙萍，2021）；劳动时间从传统工时的固定化变为碎片化与黏性化（孙萍、陈玉洁，2021）。总体而言，平台对骑手的劳动控制经由算法设计和重构，显现出自动化、全面化和隐蔽性等新特征。然而，上述研究多停留在权力对个体劳动的微观控制上，另一种与之并存的宏观权力形态尚未被充分审视。
根据田野观察，2023年4月，M平台在恶劣天气中取消了汕尾市老骑手的补贴，引发新老骑手联合停止接单以争取权益，然而平台并未妥协，反而从周边区域迅速调集运力，以高成本完成配送。据骑手平哥所述：“平台仅用一天时间就换掉了一座城市的骑手，对外来骑手提供食宿和配送工具，配送费每单10元，每日保底200元，超时或差评免责。”（SW01-20241107）这种“一日撤换一城骑手”的做法揭示了权力运作的宏观形态，它迥异于针对个体的微观规训，表明权力的作用域不仅贯穿于个体层面，更在于对整体人口的调控。由此引发的理论思考是：此种宏观权力的运作逻辑与特征是什么？其与微观权力构成何种辩证关系？尽管福柯（Michel Foucault）提出“治理术”（Governmentality）概念作为贯通宏观—微观权力的理论工具（福柯，2022），但算法权力已不再完全符合以培育和优化生命为目标的肯定性力量，而表现为可施加处罚乃至全盘弃置对象的否定性力量。即便如此，这种权力却仍能达成传统治理术所追求的稳定总体秩序目标。全盘弃置的算法决策亦将骑手反抗推向更为困难的境地。虽然骑手可以利用系统漏洞进行“报备”“挂单”“外挂抢单”“合谋刷单”等“技术盗猎”行为（陈龙，2020；束开荣，2022a），或构建以“兄弟”“家人”为名的情境性强关系以应对配送挑战（闫堃、孙砚菲，2024），但在汕尾事件中，平台果断弃置此类强关系，凭借宏观权力迅速重建秩序，其在极短时间内完成的复杂调度彰显了算法技术将治理能力提升至前所未有的高度，同时也进一步压缩了骑手的反抗空间。因此，有必要在福柯理论基础上提出“算法治理术”概念以作回应，对宏观权力的探讨必然指向算法治理这一深层议题。这种重视并非要描述并放大治理困境的现实难度，而是要重建认知困境的思想逻辑，推动治理结构合理化发展。
为探明上述问题，本文基于田野调查材料，引入微观—宏观权力双向建构的算法治理视角，重新审视劳动控制问题。在田野研究中，笔者先后以专送和众包骑手身份融入上海、广州、汕尾等多地骑手群体，通过参与观察把握不同地域、不同类型骑手的劳动特征及平台规则演变，积累了丰富的一手素材。2022年6—7月，笔者加入上海市某专送团队，同年7—8月转为当地众包骑手继续参与观察。自2023年起，笔者多次以众包骑手身份于广州市、汕尾市等地开展调查。此外，笔者查阅了大量平台技术文章与专利文件，尝试从技术架构的内在逻辑出发，探析其与算法治理逻辑的契合性，并结合田野资料检验这两种逻辑的互动及其与现实情境的匹配度。与此同时，骑手在社交媒体与App社区中分享的跑单实录也将作为理解平台技术逻辑与骑手劳动状态的重要补充资料。
二、规训与调节：治理术的前世今生
治理术是福柯剖析现代权力运作的核心概念，指一系列能够指导人行为的制度、程序和策略所构成的装置总体（福柯，2018a）。该谱系涵盖两大权力技术：针对个体身体的规训技术与针对人口整体的调节技术（福柯，2022）。
规训技术以塑造“驯顺个体”为宗旨，通过对动作、时间与空间的系统规范，实现对人体的精细化操控。在动作层面，该技术预设标准姿态与操作流程，调整身体与工具的关系，并借助监视和检查机制识别并纠正不规范行为。对此，福柯视其为一种重新探究、打碎和编排身体的权力机制，使身体在“做什么”和“怎么做”两方面都符合权力的愿望（福柯，2012）。在时间层面，该技术将时间切分为独立且序列化的单元，按计划组合并提取最有用的时段，从而强化每一时段的使用效率，达成对个体生命的全面管理（福柯，2012）。在空间层面，该技术使现代建筑师依循光学与建筑学原则，将建筑物设计成封闭且透视的结构，让个体在功能分明的序列化空间中按律移动，使其行为一目了然，便于监视者对内实施清晰而细致的控制（福柯，2012）。
与之相反，18世纪后期形成的调节技术以人口为治理对象，人口不再被视为个体的简单集合，而是具有自身规律与稳定趋势的客观实体，被福柯定义为一种“自然现象”（福柯，2018a）。福柯指出，调节技术旨在通过科学手段实施宏观干预，以维护社会繁荣稳定，其逻辑不同于规训技术的“禁止—惩罚”模式，而奉行允许现实依其内在规律发展的“放任—自由”原则（福柯，2018a）。其目标不在于根除一切不确定性，而是将频率与危害控制在“可接受阈值”内。为此，调节技术须依赖人口学等多学科知识，通过持续观测人口出生率等各类数据，识别其发展规律和常态分布，并制定预测性干预政策。正如福柯所言，“控制一些看上去与人口不相干的事物，通过计算、分析和观察思考，人们知道控制这些事物可以实际上对人口施加影响”（福柯，2018a）。
信息技术的兴起推动权力技术进入新阶段。德勒兹（Gilles Deleuze）指出，规训社会正转向“控制社会”，其中权力“通过持续的控制和即时的信息传播来运作”（德勒兹，2012）。算法治理进一步强化了这一趋势。它将现实个体转化为数据流，并通过算法重构为适于治理的“数据人”，重塑现实世界中的主体（蓝江，2021）。现有研究多认为，算法催生的数字劳动异于传统工厂的体力劳动（王鸿宇，2024），而关于智能设备界面的点击操作是否构成劳动仍存在理论争议（余斌，2021）。但在配送实践中，骑手同时栖身于现实与数字两个世界，执行商品运输和数据采集的双重劳动（陈龙，2022）。这表明，算法权力已实质性贯穿于物理与数字的交叠领域。不过，既有研究多聚焦于微观劳动控制，而对骑手群体的宏观调节机制探讨不足。本文基于治理术谱系，结合平台管理与骑手实践，分析传统治理术在数字时代的适用与演变，并通过刻画微观与宏观权力双向建构的算法治理图谱，重构骑手陷入治理困境的认知逻辑。
三、算法治理的微粒化：
微观个体的数据解析与微人口集群的实时构序
（一）微观个体的数据解析：劳动、身体和交往的重塑
在传统劳动控制理论中，管理者对劳动者的监督主要依赖于可见的时空场域、科层制度与书面档案，这种控制模式的权力运作具有明确的物理边界。相较而言，平台劳动控制实现了一种“微粒化”转向：它将骑手的劳动过程、身体状态及社会关系转化为可实时采集、分析与重构的数据微粒，进而在数字空间中预先构建出一个决定其存在价值的“虚体”。
在劳动过程方面，一次完整配送被分解为从下单时刻到交付时刻的连续数据节点（见图1），智能终端实时采集各节点对应的高精度、细粒度数据。M平台系统每日可产生几十亿次定位数据，这为后续分析与应用奠定了基础（何仁清，2018a）。例如，在到店与交付环节，骑手执行的签到操作会累积大量上报信息，经算法技术筛选和数据降噪，可将定位精度提升至具体楼栋和单元层级（见图2）。同时，多名骑手在同一取送路径中生成的多条轨迹数据也会被算法记录分析，用于优化路线与时间估算。平台还整合风速、温度、雨雪等天气参数，以调整配送时长和单价。最终，算法将这些数据重构为“准时率”“平均配送时长”“骑手等级”等综合评价系统，经加权处理后用于骑手的劳动评估。
在身体形塑方面，现有讨论多集中于平台对职业化、标准化身体的塑造层面（孙萍等，2022），而较少关注其数据化解析已延伸至生物性层面，使算法能够持续捕捉细微且动态的生命活动。平台通过智能头盔等可穿戴设备实时采集骑手的生物与行为数据，将其身体更深层次地接入算法系统，头盔内置传感器可监测骑手体温以判断佩戴状态，并通过感知海拔变化速率识别其上楼方式（北京三快在线科技有限公司，2020）。这些传感器在GPS信号弱的室内场景中尤为重要，既可识别骑手姿态，也能评估配送难度，可为动态定价与调度提供依据（何仁清，2018a）。平台还尝试集成血氧监测、气囊、电极等模块，持续跟踪骑手的血氧与脑电信号等生命体征，并在异常时启动保护机制（北京三快在线科技有限公司，2023）。此外，行车监测装置可捕捉周围图像，分析路况与骑行状态（北京三快在线科技有限公司，2022）。尽管上述技术尚未全面普及，但从平台专利来看，深度融合生物信息与算法系统的尝试已成为一种技术趋势。
海量微粒数据经算法整合，在数字空间中构建出一个“虚体”，个体借由该数字化中介方能在互联网空间中获得存在属性（蓝江，2022）。虚体是通过数字编码在算法模型中对个体生物特征、行为、情感与偏好等进行重构后形成的数据化身体。对骑手而言，账号是其参与平台劳动必需的数字化身份，也是日常互动的主要媒介。传统主体间复杂的交往行动被简化为骑手与算法、商户、顾客之间的短暂数据交换，形成高度功能化的“瞬时社会关系”，社会联结所需的深度时间与稳定空间被高速运转的算法铡刀所切断。骑手的个体价值和存续资格取决于算法评分系统，该评分并不基于对骑手个人品德或职业道德进行的深入研判，而是由众多顾客或商家的虚体评分数据聚合而成。对骑手而言，看似微粒化的评价实则是对其数字身份的再次重构与评估。当算法技术成为生产与生活的中介，骑手在物理空间中鲜活且异质的生命样态被还原为虚拟空间中的微粒数据或编码存在，同时又不断被重组为持续流变的虚拟身体。在此意义上，算法技术借助无处不在的传感装置，实现了比福柯书写式档案化更加便捷、隐蔽的统计和治理。
（二）微人口集群的实时构序：算法调度与动态整合
算法对骑手个体的微粒化数据解析构成微观权力运作的基础，但这些数据须进一步纳入宏观人口调控才能实现治理价值。在平台管理实践中，福柯所定义的宏观人口被分解为“微人口集群”，即基于实时变化的配送需求，将具有共同特征与行为模式的小规模骑手调度聚成的子群体。该类集群并非固定不变，而是一个随订单波动、管理策略及配送环境等因素变化而不断被重构或消解的动态过程。汕尾案例体现了此集群在配送系统濒临停滞时的关键调度效能：此时的骑手不再是具身化的劳动者，而是被算法抽象为“劳动力单元”；罢工骑手则因被识别为“风险单元”，而被系统排除并替换。
平台对分布式劳动力的聚合调配能力不仅见于此类特殊情境，也广泛渗透于日常运营中。当订单突增时，平台会临时调派骑手支援。例如，在S平台商圈因活动导致订单量激增时，骑手小郑就以“特种兵”的身份被抽调来补充运力。在智能调度过程中，算法会统筹多项条件，如特定订单需由具备相应资质或装备的骑手完成（火锅订单只能交给携带专门装备的骑手），以及骑手载具的容量限制等；新注册骑手则被系统标记为“新手训练集群”，在负载较低的闲时向其派单，以锻炼其配送能力（井华，2017）。算法依据历史数据为骑手标注多项属性标签，包括准时率、好评率、平均时速、熟悉区域、常配送品类等，进而识别出高信平台优先从该集群中遴选最匹配者执行配送，这些骑手因“履约能力”的共同特征而形成细分的微人口集群。
在智能排班系统中，为实现运力对需求的实时响应与全天候人力保障，配送团队采取按组排班模式，算法在决策过程中对人数进行归一化处理，仅分配各班次所需骑手的比例，只需输入站点总骑手数量即可自动分配具体人数。订单量也作归一化处理，将每半小时时间单元内的进单量除以日峰值时间单元单量，若某时间单元的人数比例大于单量比例，即判定该时段运力充足（王圣尧，2020）。智能排班主要用于管理相对稳定的专送骑手，即根据未来订单预测，提前规划其工作时段，以优化运力在时间单元上的匹配程度，避免高峰时短缺和低谷时过剩。对更具自主性的众包骑手，算法则释放出“冲单奖”“时段奖”“天气补贴”等价格信号，激励其上线补充运力。
为应对配送过程中的不确定因素，算法治理一方面依赖福柯所述的整体人口，另一方面转向基于实时数据构建的、高度情境化的微人口集群。它既关注“××市/××区骑手”这类宏观实体，也关注“在特定时刻处于特定地理位置、拥有特定绩效历史与实时状态”这类瞬息万变、高度细微的骑手集群。依托此种微粒化治理技术，算法得以灵活调配具有不同特征的骑手，有效应对多样化的配送挑战。
四、算法治理的时空交织：
即时性指令植入与封闭性空间规划
（一）微观规训：即时性指令对骑手活动的精准植入
算法对骑手的行为规训建立在高精度数据采集与宏观整合的基础之上，旨在将预设的算法逻辑与价值偏好精准植入个体行为，从而实现对配送活动的实时引导与规范。
算法依托配送全程产生的动态数据，实时生成和推送最优操作指令，并通过即时反馈机制持续优化模型。它将配送流程进行高度结构化的拆解，为每一环节制定严格的规则与操作要求，再辅以简洁的界面命令进行操控，使得骑手的全部活动均受这套精确的命令系统组合与维系（见表1）。正如福柯所言，“这里不存在理解命令的问题，所需要的仅仅是根据某种人为的、预先编排的符码，接收信号和立即做出反应”（福柯，2012）。为提升指令执行的准确性，平台持续优化人机交互设计，如将“点击确认送达”改为“滑动确认送达”，并应用语音助手技术构建沉浸式指令接收环境，使骑手仅需以“是”或“否”回应系统指令，即可完成配送交互（何仁清，2018a），从而使其在持续听觉规训中维持随时待命的响应状态。
在时间维度上，算法将劳动过程碎片化并整合进严格的时间表（陈龙、孙萍，2021），通过对时间的切割、比较与择优，将历史最优时长固化为标准用时，并辅以“超时提醒”等视听压力机制，确保指令按时完成。这种时间规训不仅压缩了配送任务的时间间隙、提高了劳动时间密度、塑造了适应高精度时间约束的身体，更使平台能够提取、整合并利用最有价值的时段，根据订单波动动态配置骑手资源。在高峰期及恶劣天气等订单集中时段，站长会强制专送骑手全员上线，将分散于不同空间的劳动力精准聚合至高效时段，实现时间使用效率的极致化。平台对骑手的行为规训还紧密结合自身强大的空间定位能力。算法通过收集和计算骑手的空间轨迹数据，并在界面实时显示骑手的精确位置，从而令骑手的劳动状态完全处于可被观察、评估与演算的透明之境。由此，算法识别取代了奥伯凯姆普夫工厂监督者的全景监控（福柯，2012）。顾客得以间接控制送餐过程，源于平台提供的两项空间技术支持：一是对骑手的关键操作（如系统上报的300米限制）进行空间规范；二是使骑手的空间姿态能实时可见。由此，顾客可对骑手不送上楼等空间失位行为进行投诉或差评，骑手的轨迹数据则成为平台的处罚依据。
在此过程中，骑手被完整编入算法系统的数字档案。这种数字档案建立起一种新型的数字话语结构，其中算法规则界定了何种行为可被系统容纳、何种行为将被排斥，以便平台及时进行区分与矫正，并根据违规情节的轻重施以罚款、培训或封号等处罚。林站长常在群里强调，“已经连续好多天超时都爆掉了，今天起，超时需要控制在1.5以内，每天我会从系统中拉取超时排名后5位的骑手信息，要求他们第二天来站点”（SH02-20220809）。福柯曾言，“被注视、被观察、被详细描述、被一种不间断的书写逐日地跟踪，是一种特权”（福柯，2012）。而在算法治理下，“书写者”的角色已从人类管理者转变为算法模型本身。
平台的时空规训可借德勒兹笔下傀儡师操纵木偶的三条线进行阐释。第一条是直观的表象之线，即虚体在平台界面上的配送活动，与现实配送环节保持一致。第二条是被隐匿的真实之线，即骑手在物理空间中所进行的手指滑动、屏幕点击与身体移动。然而，骑手的身体实践无须被站长、商家或顾客所见，虚体运动反而被当作实在的运动。最为关键的第三条线则是由算法逻辑架构的规则体系，骑手必须依此重塑生活节奏，如下线骑手会在高峰期前返回商圈附近待命、在外跑单骑手会加速送单以赶回商圈、骑手需要根据天气情况调整跑单策略。于是，骑手与虚体的关系发生颠倒，即并非虚体适应骑手的生活节奏，而是骑手必须适应其在平台中的虚拟生命角色的运行逻辑，从而成为被系统规则牵引的“反向提线木偶”。
（二）宏观架构：封闭性空间规划对劳动秩序的刚性构筑
算法对骑手的治理并非直接针对分散个体，而是通过构建功能各异的封闭空间，对特定区域内的骑手群体实施统一调度与规模化管控。尽管有研究认为，算法监控不依赖物理空间即可实现（李胜蓝、江立华，2020），但从群体治理视角看，空间仍是算法权力运作的关键锚点：随机生成的取送餐地址易导致空间分配失序，骑手自主接单也可能造成空间位置不佳的订单滞留。因此，清晰划定空间边界，并将不同类别的骑手合理配置至相应区域，是算法实现高效群体治理的核心（王圣尧，2020）。
在技术层面上，平台须沿城市路网合理划分区域，确定商家归属站点。算法首先基于历史数据确定最优商家集合，再依据路网将城市划分为互不重叠的多边形区域，最后借助计算几何方法将商家对应的多边形拼接为完整的闭合边界（王圣尧，2020）。这种空间治理技术使高度流动的骑手可被有效纳入封闭空间体系。商家集群通常位于中心，住宅或写字楼处于外围，骑手则成为连接二者的纽带。此类封闭结构便于平台规则全面植入，防止成员脱离算法秩序，并承担起规范与教化功能，形塑和规训骑手行为。在实际运作中，专送骑手常被指派入驻固定商圈。如骑手刘哥所言，“我们（专送）只需要去城市广场就可以了，那里订单最多。这个（订单热力图）只对众包有用”（SH01-20220615）。商圈驻地成为站长发布指令、召开晨会的实体场所，进行装备检查、规则重申与文化灌输。相较之下，众包骑手虽无固定商圈指派，但平台通过可视化的“订单热力图”呈现各商圈的供需热力，引导其调整“常驻区域”以适配平台单量趋势。骑手小许表示，“热力地图就是给众包释放的一种跑单信号，让骑手知道哪些地方的单量比较多，想要接到更多订单应该尽量往颜色深的区域聚集”（GZ02-20230512）。有学者认为，繁复的城市空间网格在此过程中被模糊为动态热力团块，削弱了地图精确表征空间的功能（束开荣，2022b）。现实表明，无论是固定商圈指派还是热力图引导，均内嵌向权力中心整合的闭锁机制，使这些区域成为福柯所言的“贯彻纪律的保护区”（福柯，2012）。
“封闭”原则构成空间治理的基础，使平台得以灵活、细致地运用空间。空间常按订单所需骑手类型进行单元分割，形成多种用途的配送区域。每一类骑手被配置至相应区域，以消除空间紊乱（见表2）。近距离且易取送的订单优先派发给专送和畅跑骑手，待其满载后，中远距离、需要爬楼梯的订单交由乐跑骑手，远距离订单则由同城骑手承担。上述几类骑手消化了大部分订单后，普通众包骑手则处理地址偏僻或高楼层的订单。这种虚实交织的混合空间构建了新空间体制，既为骑手提供了固定位置，又允许其进行循环流动，在优化空间使用效率的同时实现全体监督与协同作业。
通过单元化空间分割，算法可在特定范围精准识别需替换的骑手，并迅速调度附近具有相同特征（如订单方向一致）的骑手支援。算法对骑手的定位并非固定于静态点位，而是将其纳入空间网格的实时分布与流动监测之中。若骑手因意外无法继续服务，站长可依据实时位置调度周边骑手接替。骑手刘哥强调，“发生交通事故的第一时间，先把正在配送和没有取餐的订单截图保存在手机里，然后给站长打电话说明情况，请求站点把订单调走”（SH01-20220615）。由此，骑手成为德勒兹笔下无限流动的“分体”（Dividuel），一旦出现缺员，任意个体均可顶替其职能。在配送空间中，骑手沦为无差别原子：平台关注的是维持配送稳定所需的原子可替换性，空间纪律则将“无益或有害的乌合之众变成有秩序的多元体”（福柯，2012）。
五、算法引导的自觉行动：
数据拜物教的精神驱动与欲望调节下的组织驯化
（一）数据拜物教的精神驱动：自我量化与等级追逐
通过精确的时空指令规划骑手行为，平台旨在使骑手将外部规则内化为自觉行动，并通过持续自我优化来实现个体效用最大化。为此，平台将复杂的配送工作转化为可量化的数据指标，精心设计出一套精细的游戏化等级制度。该制度通过物质奖励（如派单优先、申诉优先、等级津贴）与精神激励（如积分、徽章、排行榜）相结合，构建起以特权与荣誉为核心的激励系统，使这套系统本身成为骑手的追逐目标。E平台在骑手和用户两端界面中的数据展示清晰地反映了这一逻辑：骑手端突出呈现“今日完成单量”“今日收入”“派单倾斜率”等视觉元素，以激励骑手提升接单表现和等级；用户端则强调“荣誉勋章”“准时率”“好评率”等量化数据，塑造专业可信的服务形象。骑手会频繁查看主页数据报告进行自我绩效评估，并主动调整行为以贴合系统标准。
斯蒂格勒（Bernard Stiegler）曾预言，自动化社会的人类知性能力正在被算法权力接管（斯蒂格勒，2019）。可视化的虚拟数据遮蔽了骑手对身体的实际感知，使其普遍认为数据比知觉能力更能反映生命状态，如笔者田野笔记所载：“在摔倒后，我第一时间是去看餐撒了没有，然后把车子和餐箱扶正后看了一眼还剩多少时间。当看到餐品正常和时间充足时，我的内心松了一口气，才想起来看看自己有没有受伤。”多数情况下，数据本位取代了自我意识中的身体本位，导致骑手本能地忽视身体而关注配送状态对数据的影响。同时，平台界面的直观数据显示刺激骑手不断追求多单量和高收入，使其自我量化为最忠诚的“数字拜物教徒”，并通过熬时长、主动抢单、做好账号数据等“养号”手段来获取优先派单权。这种数据狂欢使其陷入算法标榜的自我满足中，进而导致劳动目的从直接挣取薪酬部分地转向追求抽象等级。这种算法匹配的结果迫使骑手拼命跑单以维持数据优势，从而陷入无止境的数字牢笼。
（二）欲望调节下的组织驯化：跑单模式的细分与自由选择的幻象
平台借助数据拜物教营造景观幻象，瞄准并利用骑手“既是自发又受到调节”的欲望（福柯，2018a），诱导其自愿进入治理体系，使“释放欲望”这一看似自由的行为收编为算法驱动的组织驯化工具。若将微人口集群的即时生成与空间单元的区隔定位视为宏观治理的“横向”策略（即以技术调度保障多场景运力稳定），那么组织驯化可被视为通过储蓄大量后备劳动力为调度提供底层支撑的“纵向”策略。
平台通过低准入标准、高度灵活性与高薪酬承诺广泛招募人员，并借助“拉新奖”激励在职骑手引入更多劳动力。平台在以“高度自由”吸纳众包骑手的同时，却试图对其实施团队化管理，以降低单价并维持恶劣天气下的运力稳定。专送骑手接收站点统一管理，平台可自由调配；众包骑手则享有接单、拒单及上下线自主权。灵活工作模式虽使众包骑手群体规模迅速扩张，但也导致平台难以约束其订单选择行为，只能通过动态溢价消化剩余订单。但是，若遇恶劣天气时，众包骑手大量下线，积压订单便会直接威胁系统稳定。
为了引导众包骑手进入预设的管理框架，平台通过调整订单量和单价来激发其逐利欲望，促使其主动加入“乐跑”或“畅跑”等团队（见表3）。乐跑骑手享有最高单价和较优派单级别。许多众包骑手宁愿接受高峰期和恶劣天气全勤、禁止拒单等规则，以换取系统派单优势，成为稳定核心运力的“定海神针”。随后，平台为降低配送成本，将部分近距离订单分配至畅跑骑手。该模式以全平台最高派单频率吸引骑手，但相应地也通过压低单价来控制近距离订单成本。正如骑手小郑所言，“平台希望所有单子都被畅跑消化掉，畅跑的单价是全平台最低的，同样一张单给其他骑手六七块钱的配送费，畅跑只需要两三块钱”（GZ01-20240312）。随着近距离订单被乐跑和畅跑骑手承接，中远距离订单面临运力短缺矛盾。平台不愿意提高众包骑手的报酬，而是通过持续扩招乐跑骑手、降低人均单量的方式，促使部分骑手加入“乐跑远计划”以填补中远距离配送的运力缺口，由此形成远近结合、层级覆盖的治理格局，即远距离订单由同城骑手承接，中远距离订单由乐跑远计划处理，近距离订单由畅跑和乐跑骑手负责，而普通众包骑手只能在夹缝中求生存。借助群体分化和团队化管理，平台在各种情境下均能维持稳定运力，强化对骑手的规训与控制，同时肆无忌惮地收紧规则约束。例如，2023—2024年，深圳E平台从“有责拒单”到取消恶劣天气补贴并大幅缩短免责时间等策略演变，正是组织驯化下对众包骑手权益的持续规制。
六、两种权力的连通桥梁：
算法黑箱中的“知识—权力”装置
M平台将其智能配送系统命名为“超脑”（何仁清，2018b），喻示该系统兼具类人脑的学习能力与超越人脑的海量信息实时处理能力，体现了算法在配送领域深度学习与知识生产方面的卓越性能。在平台宏观—微观权力的双向构建中，算法知识的生产与循环始终服务于权力治理目标：规训技术生产出用于群体调节的知识，群体调节的需求又反向驱动规训技术的革新，而算法知识则成为连接两种权力的关键纽带。
算法权力运作的遮蔽实质在于，技术知识借由商业机密的法理外衣有意地隐匿权力于“黑箱”之中。诸如“最优路线生成”“预计送达时间计算”“骑手评分系统权重配置”等，对外部观察者而言是不透明的。这些构成平台治理的所谓“真理”标准，从可检验、可争辩的科学过程沦为无法窥探的“神谕”。这种转变的实质在于“知识—真理—权力”体制被算法压缩为一个瞬时的闭环系统。传统的知识生产、真理确立与权力执行彼此分离，分别由统计或科研机构、政策制定部门及行政单元承担。如今，平台借助实时数据持续生成算法知识，且这些知识被瞬间输出为“真理”、自动转化为治理指令并下达至骑手。平台技术团队指出，即时配送系统的核心挑战在于算法模型必须具备万单对万人的秒级求解能力，可在几十毫秒内完成派单决策与路径规划（王圣尧，2020；何仁清，2018a）。知识、真理与权力的高度融合消除了确立与执行之间的时空间隔，不再留有争议与辩论余地。
确立和执行的黑箱化与同步化消解了传统真理范式的公共性和可争辩性，真理并非“密室知识”或“权威独白”，而是建立在“主体相互之间对可以批判检验的有效性要求认可基础上的共识”，此种真理的合理性在于可接受公开争论与评判（哈贝马斯，2018）。福柯则指出，真理并非通过平等对话达成的共识，而是权力装置所生产的话语效应：在特定场域中，由特定机构筛选并赋予为“真”的陈述集合，人们所言所行之“真”早已由权力话语规则先行划定（福柯，2018b）。若福柯的知识真理通过规定“可言说/不可言说”的话语来塑造“正常/异常”的主体，那么算法真理则通过划定“可做/不可做”的边界来区分“正常/异常”的骑手。骑手只需要将平台预设的治理指令“下载”并“安装”至身体实践中（郑广怀等，2020），一旦行为逾越“真理标准”即被判定为“异常”主体。
算法治理的合法性由此从依赖公共的、可辩论的科学知识，转向黑箱所输出的效率最优解，本质上是一种技术绩效的合法性。平台始终将效率、体验和成本作为其追求的核心指标（井华，2017）。当骑手因非自身过错被系统判罚时，他们既无法质疑不透明的算法，也无法与黑箱进行理性对话。管理方常以“系统规定”作为终极解释，进而回避程序正义问题。正如骑手刘哥所言，“平台规定的骑手违规，原因不是骑手导致的，却要骑手承担责任。这个涉及很多方面，比如超时原因是商家卡餐导致其他订单超时。它也不管那么多，全都算在你头上”（SH01-20241126）。当骑手向平台申诉时，客服往往难以解释判罚逻辑，仅反复归因于“系统问题”，拒绝提供实质回应。据骑手小郑所述，一位骑手因送错餐被投诉，在申诉时客服拒绝出示证据照片，且无法回应证据真实性的质疑，仅以“这个是系统的问题”进行推诿（GZ01-20230519）。
在算法权力作用下，知识—真理的生成不再依赖于公共共识，而是通过代码直接转化为可执行的指令。劳动控制亦不再呈现为“压迫—反抗”式的弹性对抗，而是表现为主体“别无选择”的治理必然性。骑手面对的仿佛并非人为的权力结构，而是如自然规律般客观且不可抗拒的“系统逻辑”。这种将社会关系伪装成技术必然性的过程，正是算法治理最核心且最隐蔽的运行特征。
七、结论与讨论：
走向更合理化的算法治理
外卖平台的算法治理术是以算法知识为基础，构建出微观与宏观权力相互依存、循环增强的新型权力形态，并系统性地转化为保障配送安全与效率的核心力量。算法对骑手劳动过程、身体状态及社会关系进行微粒化解析，生成海量实时数据，为微观权力运行奠定基础。这些数据必须被汇聚、分类并纳入宏观调控框架才具有治理价值，算法依据宏观目标将相同特征的微观数据聚合为动态“微人口集群”，实施情境化调配。而宏观秩序的有效性在于算法指令对微观个体行为的精确植入与引导。面对规模化、差异化的分散个体，平台将整体配送空间划分为功能各异的封闭区域，便于对同类骑手施加统一指令。通过数据拜物教和组织驯化，平台将宏观策略内化为骑手的自我欲望与行动逻辑，实现宏观权力向微观主体的渗透。最终，在“算法黑箱”这一融合知识生产、真理确立与权力执行的“知识—权力”装置中，双向权力完成闭环运作，使治理过程呈现出一种不容置疑的技术必然性。这一闭环机制为权力治理构筑了结构性屏障，而黑箱的不透明性进一步遮蔽了权力运作逻辑。因此，亟须对算法权力在双重保护下的自主扩张进行合理化改造。
首先，算法权力在闭环流动中遵循“效率至上”原则，评价标准简化为“最短配送时间”“最优订单决策”等技术指标，权力配置明显偏向资本增值与用户体验，较少纳入骑手安全、福祉与公平的计算，导致骑手被迫违规驾驶、挑战生理极限。因此，必须对算法权力逻辑进行价值重构，从“单一效率导向”转向“多元价值共融”。技术设计具有价值负载性，须将“效率价值”与“人本价值”共同纳入算法设计之中。第一，提升安全因素权重。除基础路网数据外，算法应整合实时交通流量与事故高发路段信息，依据风险频次设定阈值，使计算原则由“最短路径”转向“最短安全路径”。算法指令应避免机械式的超时催促，而是包含“前方路段为事故多发地/拥堵，建议减速行驶”等关怀性提示，实现安全因素从“事后补偿”向“事前规避”的转变。第二，提升劳动者福祉权重。除保障基本劳动权益外，算法应超越效率至上的管理范式，将骑手身心状态纳入系统考量，而非视其为机械化配送工具。以M平台“防疲劳机制”为例，其设定累计接单时长阈值强制骑手下线休息，虽具积极意义，但仍存优化空间。该机制未有效缩短实际工作时间，且疲劳值进度界面的视觉呈现甚至激励骑手将“跑满疲劳值”作为新目标，从而反向削弱其休息意愿（见表4）。阈值设计应引向更健康的工作节奏，将骑手的自觉行动从指标追逐转向福祉关注，并兼顾保障充分休息与合理收入。第三，提升公平性权重。除算法惩罚的武断性外，由骑手承担商家出餐的时间成本亦是主要不公来源之一。商家设定出餐时间的自主权易影响骑手的报备和补时，而系统补时常与实际延误不符。单一订单延迟会产生连锁反应，扰乱后续配送，且出餐缓慢导致的超时、差评等后果全部由骑手承担，这种责任归属不尽合理。建议分离出餐时间与配送时间，待备餐完成后再行派单，从而实现效率与公平的平衡。
其次，单纯倡导“算法透明”在实践中会面临核心专利保护和公众认知鸿沟的双重困境。相比之下，更可行的路径是增强算法的“可解释性”与“可协商性”，即在“算法黑箱”中开辟透明通道，为骑手博弈保留能动空间。第一，“可解释性”要求将代码逻辑转化为可理解信息。平台现有算法公开多倾向宏观技术逻辑，缺乏针对具体决策的解释。建议在订单界面设置提示功能，展示订单分配依据，除顺路、距离等常规派单因素外，还需要涵盖逆向派单、长时间无订单指派、高峰时段运力调度等特殊场景的派单逻辑。此类设计既可提升骑手对系统决策的理解，亦能反向驱动平台优化派单机制。通过引入“可解释接口”，使部分算法知识回归骑手。这虽仅部分揭示算法黑箱，却有助于缓解其在面对莫名决策时的无力与困惑。第二，“可协商性”赋予骑手质疑算法决策并启动复核的程序性权利，是“可解释性”的权利延伸与制度保障。平台现有申诉机制存在智能客服能力有限、人工客服推责系统、站长预先阻断协商渠道等缺陷，建议推动骑手申诉流程的标准化和制度化建设，如在界面设置清晰申诉入口，明确复核时限和实质答复，赋予客服充分处理权限，从而避免责任推诿。“可协商性”赋予骑手有限但真实的反制权利，有利于打破算法系统固有的封闭性。第三，可建立多元主体参与的“算法共治委员会”，将协商提升至集体层面。其职能并非逐行审查代码，而是通过听证评议对重要算法决策开展事前评估，并建立定期审查制度，从而督促持续优化算法机制。此举可使算法决策接受公共理性审视，从而在平台外部建立多元化的权力制衡锚点。
综上所述，尽管完全打开算法黑箱仍面临挑战，但通过构建以“交互与制衡”为核心的治理框架，可将算法权力从封闭专断形态改造为具备开放性、可质询性与可争议性的治理过程。这一转变不仅是技术治理的进步，更是数字时代民主、公平与正义原则的体现。
责任编辑：刘 程
《当代青年研究》2026年第1 期
投稿方式：登录《当代青年研究》官方投稿平台(qing.cbpt.cnki.net)进行投稿。请勿一稿多投。投稿后，可在平台查看稿件状态，若三个月后没有收到反馈，可另行投稿。
张芷溪｜编辑
汪芯瑜｜审核
图源网络
侵联立删
热门跟贴