首頁 > 文章 > 思潮 > 思潮碰撞

                        數據資本的利潤來源及其極化效應

                        宋憲萍 · 2022-08-11 · 來源:馬克思主義研究公眾號
                        收藏( 評論() 字體: / /
                        只要數據資源不在大眾的手中,大眾社會互動的時空路徑和交往模式都成為資本獲利的數據算法,大眾被存儲在商業實體所擁有和控制的服務器中,用來排序、預測和管理大眾的行為,利潤增殖的本質和目標只會加劇極化效應。數據資本、智能技術的發展再次確證了資本主義無法容納它自己創造的生產力。

                          【內容提要】大數據的推廣和應用,離不開數據的價值化。數據并不見得都是商品,只有具有使用價值和價值并用于交換的數據才是商品。在不考慮壟斷的情形下,數據價值由生產過程中耗費的社會必要勞動時間來度量,而與用戶在線活動時間的長短并不相關,數據資本的利潤來源于數據工人的剩余勞動。機器學習系統改變的只是生產利潤的手段,而不是利潤的源泉,人的活勞動才是創造價值的唯一源泉。數據資本嵌入商品生產過程,引發了整個社會關系重構的極化效應,包括資本積累的數據壟斷日益強化的生產極化效應、結構性的數字鴻溝不斷凸顯的區域極化效應以及勞動過程的實際隸屬逐漸加深的收入極化效應。數據資本極化效應的根源在于數據的資本主義應用,數據資本的發展再次確證了資本主義無法容納它自己創造的生產力。大數據的社會主義應用能夠體現出比資本主義應用更多的優勢。

                          【關鍵詞】數據資本  利潤  極化效應

                          作者簡介:宋憲萍(1972- ),北京理工大學人文與社會科學學院教授、博士生導師(北京  102488)。

                          一、引  言

                          近兩年來,新冠肺炎疫情在全球的蔓延,極大地增加了經濟增長的不確定性,線下行業遭受重大沖擊,短期經濟增長遭受嚴峻考驗。然而,數字經濟卻展現出頑強韌性,在線銷售、在線教育、在線醫療、在線辦公等新模式、新業態加速突破創新,數字經濟成為支撐宏觀經濟穩定增長的新動能。大量企業利用數據的開放、眾包的興起、新數據收集信息通信技術的涌現、大數據可用性的爆炸式提高以及人工智能和物聯網的出現,加強供需精準對接,進行高效生產和統籌調配,使大數據對經濟發展發揮了巨大的價值和潛能。數字經濟對全球經濟結構的重塑,離不開持續的數據表示和全方位的實時反饋,包括數據的積累、模式的識別和對社會主體的影響。而大數據的推廣和應用,又離不開數據的價值化。當前資本極盡所能裹挾數字經濟的發展,進而形成一種數據資本,并進行積累與自我增殖,通過數據提取剩余價值的嘗試具有系統的集成性,資本力量的深入使各類硬件廠商(如微軟、IBM、蘋果)、數據公司(如甲骨文、艾克西姆)和平臺企業(如臉書、亞馬遜、優步)等正在共同構成一個龐大的“社會量化部門”(Social Quantification Sector)和“云帝國”(Cloud Empire),資本通過構筑全天候的網絡連接、無縫對接的物聯網和頻繁的線上社交活動等,形成覆蓋全球的大規模數據體系,精準捕獲用戶不經意間的海量數據,并將其轉化為可以被利用的商品。因此,在信息技術的迭代中,在推動以數據為中心的數字經濟發展中,深刻剖析數據資本的利潤來源,細致刻畫數據資本對生產體系進行極化的激蕩重塑,具有重要理論意義和現實意義。

                          目前對于數據資本的研究,不乏深刻和獨到之處,在一定意義上拓寬了對數據資本的研究框架,深化了馬克思主義對當代資本主義工具理性的批判,尤其在傳播政治經濟學領域,獲得了較充分的發展。但是由于研究起點、研究視角、研究背景不同,國外學者存在研究泛化的趨勢,要么認為所有與數據有關的產品、行為、資源都為數據商品,混淆了生產性勞動與非生產性勞動;要么明顯具有技術決定論色彩,夸大了數據信息的解放潛能,忽視了社會生產關系對技術的建構;要么從公共改良的視角強調數據的公共服務屬性,將“大數據”的承諾置于數字前沿的烏托邦想象中。相比較而言,國內的研究具有較強的理論廣度和深度,對現代性的批判不是僅僅使用馬克思主義的術語和符碼,而是秉承馬克思主義的研究范式,以勞動價值論和剩余價值理論為基礎,以資本積累為線索,遵循資本邏輯來挖掘數據資本歷史與邏輯相統一的唯物主義意蘊,對數據資本的研究向度有深入的透視。但是諸多對數據資本的研究也存在一些分歧,一些文獻對數據資本廣義和寬泛的界定反而會弱化馬克思勞動價值論的解釋力,導致對理論抽象與現實積累之間的契合性產生懷疑,甚至可能引起對價值規律的懷疑。因此,本文在前人的研究基礎上,聚焦于數據資本的內涵解讀,秉承馬克思主義的邏輯實現對資本演進的持續性指認,擬在勞動價值論和剩余價值理論范式中,進一步分析數據資本的利潤來源及其極化效應,對數據資本的全鏈路流向進行更深入的挖掘和梳理,實現對數據資本的更深入思考和理解。

                          二、數據資本的利潤來源及趨向

                          盡管歷史性的坐標不同,對數據資本的剖析依然要秉承馬克思主義的研究范式,在歷史唯物主義的框架中回到馬克思對社會內在沖突與張力的總體性刻畫與辯證研究思路。無論數據資本對社會的結構化過程怎樣演化,都來源于其作為商品在資本邏輯視閾中的內涵界定和本質屬性。

                          1.數據的商品化

                          后現代背景下,數據無處不在,年齡、性別、地點、婚姻狀況、興趣、話語、社區和交流等個人特征均可以被編碼為原材料,并作為商品出售給廣告商。時間(過去/現在/未來)和空間(公共領域和私人領域)的崩潰已經成為資本產生的途徑。數據是由用戶生產,而被平臺采集,數據具有容量極大、交互性強、來源多元和迭代更新頻率高等技術特點。數據與其他能夠被資本化的產品一樣,它首先是商品,具有使用價值和價值。

                          但是數據并不見得都是商品,只有具有使用價值和價值并用于交換的數據才是商品。首先,數據必須具有使用價值。數據通常都是為了某個特定的目的而被收集,具有能夠滿足人們某種需要的屬性,銷售商為了會計核算而收集銷售數據,生產商為了確保產品符合質量標準而監控輸出,網站記錄每一個用戶點擊甚至通過鼠標光標的移動來分析和優化訪客的內容數據的基本用途,這種能夠滿足人們某種需要的屬性以及數據本身都構成使用價值,使用價值是數據的自然屬性。其次,數據必須具有價值。海量而零散的數據資源,是一種“產消合一”的活動,是一種原材料,在經過互聯網平臺的提取和儲存以及數據工程師的收集加工和分析之后,有抽象一般人類勞動賦予其上,體現著不同勞動者相互交換勞動之間的關系,才轉化成了數據商品。無論是主動產生的數據還是被動產生的數據,如果沒有平臺工程師和數據分析師的復雜勞動,將數據原材料和自身勞動相結合,那么這些數據就不具有價值,價值是數據的社會屬性。最后,數據必須是為了交換的勞動產品。各種用戶生成的內容只是海量的、雜亂的和零散的數據,雖然具有使用價值,但是并不是所有數據都是為了交換,只有為了滿足別人的需要、為了交換的勞動產品,才是商品。用戶自己形成的購物記錄、瀏覽記錄、地理位置、手機型號等信息不是商品,如果各種平臺通過數據挖掘等技術手段大量獲取用戶的各種數據,并對用戶進行精準畫像,是為了滿足交換從而形成差異化的產品推薦及定價,這樣才成其為商品。因此,數據商品是使用價值和價值相統一的商品,是為了交換的勞動產品。

                          當然,具有使用價值和價值的數據商品也不同于物質性商品。首先,數據的虛擬性。數據交換不受時空限制,虛擬的網絡化空間是數據存在的媒介,隨時、隨地都可以發生交換。其次,數據的無限性。數據打破了傳統要素有限供給對增長的制約,具有無限重組循環利用的特點,為持續增長和永續發展提供了基礎和可能。最后,數據的收益遞增性。數據的價值不會隨著它的使用而減少,而是可以不斷地被處理和挖掘并得到新的價值,具有要素收益遞增的特點。

                          2. 數據資本的利潤來源

                          作為商品化的數據,若能實現增殖,則成為數據資本。資本的直接目的就是為了增殖,“所以只有直接生產剩余價值的勞動是生產勞動,只有直接生產剩余價值的勞動能力的行使者是生產工人,就是說,只有直接在生產過程中為了資本的價值增殖而消費的勞動才是生產勞動”。

                          在數據資本的生產過程中,主要涉及兩個階段。第一個階段是數據信息的生產過程。在這個階段,互聯網平臺上的網絡用戶、平臺用戶和平臺之間的關系不是企業的雇傭和被雇傭關系,而是服務的提供者和消費者之間的關系。用戶在搜索引擎中搜索的時候,顧客在電子商務平臺上購物的時候,乘客在使用打車應用程序乘車的時候,游客在選擇餐館應用程序點餐的時候,網絡用戶只是一種消費活動,而平臺也僅是一個媒介,平臺沒有為這些用戶行為支付任何費用。因此,消費者的在線活動作為原始情感內容、偏好和行為習慣的“元數據”,只是為數據工程師提供了可以成為加工對象的“原材料”。消費并不屬于一般生產勞動,甚至算不上是勞動,當然也就不可能成為資本增殖意義下的生產勞動。因此,“生產勞動只是生產資本的勞動”,換言之,“勞動只有在它生產了它自己的對立面時才是生產勞動”。

                          第二個階段則是數據增殖的生產過程。在這一階段,數據加工過程耗費一定的生產資料價值 (硬件、原始加工軟件、大數據算法、元數據,即不變資本),并補償數據工人活勞動耗費的價值(可變資本),不變資本和可變資本構成這一勞動過程投入的成本,當平臺獲得的價值超過活勞動價值時,則構成這一生產過程的剩余價值。在不考慮壟斷的情形下,這一價值是由這一生產過程耗費的社會必要勞動時間來度量,而與用戶在線活動時間的長短并不相關。數據體系產品的一次生產,可以無限供應消費者消費,進而獲取無數次剩余價值,社會勞動生產力表現為數據資本的特性以及數據資本對剩余勞動的無限占有。因此,只有第二個階段才是數據資本的增殖過程。當把剩余價值看作全部預付資本的產物時,剩余價值轉化為利潤,數據資本的利潤就產生于數據工人的剩余勞動。這樣一來,“將用戶的消費活動看作是為資本工作的無酬勞動,進而認為價值規律失效是不成立的”。

                          3. 數據資本利潤來源的趨向

                          如果認為數據利潤來源于數據工人的剩余勞動,那么隨著數字經濟中高度的自動化、數字化,數據工人的勞動是否也會被替代,從而使這種利潤來源消失呢?答案是否定的,當我們結合數據資本的運行來說明的時候,就對數據資本利潤來源的趨向有很明確的理解。

                          數據資本運行包括三大技術——數據本體和標注、個人偏好匹配算法、機器學習系統,在這三項技術中,都需要大量勞動力,尤其是數據本體和標注。數據標記和注釋就是通過標記、著色或高亮等方式對圖片、音頻或文本等來自相機、傳感器、電子郵件和社交媒體等非結構化來源的數據集以及來自數據庫等結構化來源的數據集進行標注,從而顯示其差異性、相似性或不同類型,提高信息的可發現性。例如在醫療服務CT掃描中讓機器區別腫瘤和眼球,這就需要在海量的照片中,通過數據來辨認照片中的腫瘤是什么樣子,因此首先需要人工來描述并標注圖片,為人工智能技術提供素材和基礎。只要數據良好且清潔,再向算法輸入數據集,就會逐步提高其準確性,這導致了在數據資本的運行中對良好注釋和標記數據的無盡需求。如今,在大多數人工智能和機器學習項目中,數據準備和工程任務占據了80%以上的時間。數據注釋和標記是過程驅動的工作,僅需要基本的技能,進入門檻較低,即使受過高中教育的人也可以通過訓練走上崗位。由于數據標注不需要什么技術,是一種簡單勞動,屬于勞動密集型服務,很多數據標注公司主要分布在勞動力成本較低的小城市和農村地區。比如我國的標注工廠大都建立在勞動力資源密集的地區,孵化出新疆和田、河南平頂山及信陽光山縣、山東菏澤鄄城縣、河北淶源縣東團堡鄉、貴州百鳥河鎮等數據標注村。印度的標注工廠也不少,這些標注公司服務于來自全球的客戶,逐步將印度打造成了一個新興的數據標注和數據注解工作中心。數據標注甚至不需要公司,只需要零工即可,例如亞馬遜土耳其機器人(Amazon Mechanical Turk)的任務是由任何想賺外快的注冊用戶來完成的,而不是那些周一到周五都有固定工資的員工。

                          除了數據本體和標注,個人偏好匹配算法及機器學習系統也需要一定的勞動力。與基于價格交易決策的傳統市場相比,海量數據市場使買賣雙方都能夠充分利用現有的完整數據,并幫助雙方高效地將數據轉化為交易。個人偏好匹配算法成為市場提供的基本服務,而如果要獲得有針對性的精準服務,則需要額外付費,這也是企業競爭優勢的體現。同時海量數據市場還需要實時地了解市場參與者的個人偏好,并將其轉化為數據。很多企業通過機器學習系統來識別市場參與者的個人偏好,尋找嵌入數據中的復雜模式,通過篩選與客戶互動的海量數據,來使用反饋數據,甚至可以像人類的記憶一樣降低舊數據的價值?;跀祿拇笠幠W赃m應反饋,激發了市場顯著提高效率的潛能,使“每一個信號,從交易達成、結賬付款,到瀏覽可選商品時一個表示感興趣(或不感興趣)的微小手勢,都具有信息價值”。個人偏好匹配算法及機器學習系統都需要數據工程師的勞動,通過編程、分析、決策、管理以及對市場的認知,來維護這兩項技術的應用,這兩項技術需要具有一定技術水平的勞動力,是一種復雜勞動,屬于技術密集型服務,主要分布在具有一定人力資源優勢的地區。

                          無論是勞動密集型數據工人,還是技術密集型數據工程師,只要人的勞動參與其中,勞動力的價值低于資本的價值,這些數據工人和數據工程師的剩余勞動就成為數據資本的利潤源泉。要素采用的標準是成本,而不是技術。勞動生產率的全球性差異是數據資本通過數據工人和數據工程師來獲得不竭利潤源泉的保證。

                          但是當勞動力的價值高于資本的價值,即“生產機器所費的勞動要少于使用機器所代替的勞動”時,隨著數字技術、人工智能的發展,不僅人的簡單勞動會被替代,而且基于腦機接口技術的人機混合智能、基于腦聯網的群體智能也有可能替代人的復雜勞動,甚至有人提出人類終將迎來機器智能超越人類智能的 “奇點論”。那么在這種情況下,是否還會判斷只有人的勞動才是數據資本的利潤來源呢?

                          馬克思認為,勞動力的使用就是勞動本身,勞動之所以是人的特有的活動,是因為人的活動是有意識的、有目的的活動,是人的活動借助勞動資料使勞動對象發生預定的變化,“最蹩腳的建筑師從一開始就比最靈巧的蜜蜂高明的地方,是他在用蜂蠟建筑蜂房以前,已經在自己的頭腦中把它建成了。勞動過程結束時得到的結果,在這個過程開始時就已經在勞動者的表象中存在著,即已經觀念地存在著”。這種有創造性的活動是任何機器也不能比擬的,這正是勞動賦予的意義,是為了滿足人類的需要而制造使用價值的有目的的活動。

                          而機器學習系統,無論再智能,也是按照一定的程序輸入才得到能力的,“智能”只是一個隱喻。雖然人工智能在計算能力方面可能會超越人類,但它無法賦予這些計算任何意義。先有“人工”才有“智能”,這種能力是人的高階勞動借助數字系統生成的,沒有人的勞動,這種智能沒有存在的可能,更不會替代人類。即使計算機的復雜性和容量與人腦相當,也仍然無法與人類智能的有意識的活動相媲美;即使大數據的周期足夠長、樣本足夠大,也仍然無法解釋“休謨問題”。因此,“人工智能歸根到底是人類勞動創造的‘技術現象’”,機器學習系統只是改變了生產利潤的手段,而不是利潤的源泉,人的活勞動才是創造價值的唯一源泉。

                          三、數據資本的極化效應

                          當數據資本嵌入商品生產過程,重構了人的生產和生活,不僅引發產業技術、勞動組織、勞動格局的變革,還或快或慢地引發整個社會勞動關系的重構,數據資本的應用需要秉承唯物史觀的思維邏輯和敘事框架來考察其具體效應。“紡紗機是紡棉花的機器。只有在一定的關系下,它才成為資本。” 大數據的“海量”并沒有帶來社會發展的多樣性,反而這種“海量”賦予數據所有者以權力,形成極化效應,不同力量之間的對比反而更加懸殊。

                          1.資本積累的數據壟斷日益強化的生產極化效應

                          互聯網巨頭的出現通常被描述為數字生態系統中市場競爭的自然結果,然而事實上,數字技術所導致的時空分離與結構重組并非均質化,對數據的控制反映了權力關系。自由市場中出現的平臺,通過將從用戶那里提取的大數據“私有化”,在知識和信息的性質和角色方面都產生了根本性的轉變,平臺的動態效率是與向壟斷的演變相結合的。以臉書、谷歌和亞馬遜等為代表的數字平臺,將傳統的價值鏈驅動方式改造成平臺驅動方式,作為“看不見的手”調節供求功能的價格機制也逐漸被算法取代。數字驅動市場最關鍵的問題就是這種模式過于依賴數據和機器學習,而數據和算法并不夠多元化,因此海量數據市場特別容易使個別企業形成“超級資本”,數據資本積累循環的軸心不斷向大型公司轉移。

                          這種壟斷來自互聯網平臺企業的規模效應和網絡效應。一般來說,有些行業有規模效應,有些行業有網絡效應,且不同行業的相關效應強弱差異巨大。比如煉化行業具有明顯的規模效應,無網絡效應;創新藥行業沒有規模效應,也沒有網絡效應;而互聯網平臺企業則具有強大的規模效應和網絡效應?;ヂ摼W平臺企業的規模效應主要體現在,運營集中化的網絡平臺非常昂貴,云基礎設施成本高昂,高質量的產品需要有熟練的程序員團隊,數據必須得到有效管理,數據以及服務必須貨幣化才能彌補這些成本,因此用戶的增加意味著初始投入成本的直接攤薄,實現規模報酬遞增。網絡效應主要體現在,網絡中的用戶越多,這個網絡就越有價值,在線平臺傾向于集中用戶群,例如作為社交平臺的臉書,用戶越多,就越能充當熟人社交的數字媒介;作為網上銷售平臺的亞馬遜,買家增多可使賣家的商品銷量更大、出售更迅速,賣家增多又可使買家更容易買到需要的商品,滾雪球般的供需“互吸”可以使平臺迅速擴大。這樣,規模效應和網絡效應使得互聯網平臺企業比傳統工商業企業更容易形成壟斷,成為巨無霸。所以,臉書可以獲取超過20億人的私人數據——他們喜歡什么,他們與誰交朋友,他們與誰交談,他們去哪里旅行,等等。谷歌主導著搜索引擎,以及來自其廣告服務和智能手機活動的數據。亞馬遜擁有龐大而有價值的商業數據,包括他們的客戶在亞馬遜購物時的習慣(市場漏斗),他們的整個購買歷史,以及他們捕獲或獲得的任何其他數據。很少有公司能夠像這些巨無霸一樣積累如此海量數據集,規模效應和網絡效應使互聯網平臺企業的資本集聚表現得更明顯。

                          除了資本集聚,數據資本還進行大量的資本集中。以人工智能(AI)和海量數據(“大數據”)的收集、處理和分析為主導的這些新興企業,通過收購對其有競爭威脅的同業企業、通過一系列反競爭行為可以迅速實現資本積累,從而維持和擴大其市場主導地位,維護其壟斷特征。這些公司利用數據優勢創建了卓越的市場情報分析系統用以識別新生的競爭威脅,然后再通過收購、復制消滅潛在競爭對手。例如,為了消除競爭威脅,臉書收購了照片墻(Instagram)、瓦次艾普(WhatsApp)等;谷歌收購了油管(YouTube)、埃德莫卜(AdMob)、位智(Waze)等;亞馬遜收購了捷步(Zappos)、尿布網(Diapers.com)及肥皂網(Soap.com)等。據統計,近幾年臉書成功完成了67件收購,亞馬遜收購了91件,谷歌順利完成214件(其中有些有條件限制) 。對其他領域的企業,數據資本也是竭盡所能為我所用,橫跨不同的領域,實現范圍經濟。除了主營業務,這些企業紛紛跨界經營,通過數據收集的便利進行塊莖式兼并,快速將不同領域整合進各自的平臺,儼然成為資本利用數字技術攫取利潤的新高地。例如谷歌的業務版圖囊括了搜索引擎、操作系統、自動駕駛、谷歌學術、城市大腦等,亞馬遜橫跨電商、云服務、智能家居、硬件開發、航天等。即使是非常有前景的技術,如果是初創企業,也很容易被資本運作,大量初創企業和新興平臺被并購。資本的本質是同一的,只要有利可圖,借助信息技術及產業—金融體系,數據資本運作可以迅速助推資本積累,打通產業間與產業內分工及整合過程中的重塑與再造,在資本積累全鏈條中所產生的利潤越來越大,形成壟斷的極化效應,成為市場利潤最大化的最優類型。

                          同時,在大數據獨占的情況下,現有平臺的信息捕獲(以及由此獲得的信息租金)可能會阻止消費者尋找市場替代品的任何嘗試(也因為搜索活動通常為現有平臺所知)。平臺的效率不僅能夠很好地滿足沒有能力甚至沒有機會在多種選項中自由選擇的最終用戶,而且在數據的“完美剖析”模式下,消費者甚至失去了尋找替代品的動力,因為平臺數據可能會理解、預見并在適當的時候滿足任何潛在的需求。平臺越大,離開平臺的機會成本就越高(即失去現有平臺的正網絡外部性)。這一過程內在地增加了現有平臺相對于新興競爭平臺的市場力量,以及其相對于最終用戶的議價能力。

                          2.結構性的數字鴻溝不斷凸顯的區域極化效應

                          大型互聯網企業借助數據和算法而形成的自然壟斷,作為一種復雜多元的網絡化生態體系控制系統,具有鮮明的結構性特征,這種壟斷極化效應在結構上會形成“數字鴻溝”。這里的數字鴻溝超越了物理接入鴻溝,強調的是在數據的生產與使用上的不平衡權力關系,不平衡的權力關系是促進利潤增長的關鍵。數字鴻溝不僅會在一個國家內部,形成不同地理區域在獲取數據和通信技術的機會以及在各種活動中使用互聯網方面的巨大差異,而且會在世界體系樣貌或中心與邊緣對峙格局的結構中形成極化效應,這種結構性的極化效應同樣是維護互聯網平臺企業的最大利潤。

                          一方面,在發達國家,農村地區和城市地區存在數據使用服務方面的結構化極化效應。一般來說,數據資本的增殖與訂閱者硬件、地區基礎設施和使用者到服務器的距離密切相關,基礎設施老化的農村地區,由于消費能力和投入成本不同,因此在使用數據方面與城市地區存在越來越大的差別。盡管在新冠肺炎疫情期間,從上學到就業再到就醫,互聯網對于人們的作用已經越來越重要,然而農村居民訪問互聯網的限制而引起的數字鴻溝還是擴大了。在農村住宅網絡環境中,客戶可能與社區中的許多其他鄰居共享互聯網吞吐量或帶寬,因此家庭中的多個設備和用戶往往無法以有效參與學?;蚬ぷ骰顒铀璧乃俣鹊玫街С?。沒有充分網速的互聯網連接和服務的農村地區面臨諸多挑戰,包括人才外流、技能短缺、培訓/發展缺乏、遠程工作受阻、遠程醫療與遠程學習受限以及缺乏在農業和農村工業中應用精準農業技術和使用數據的能力。對于許多農村居民來說,網速是共同的挑戰,如果不轉向衛星或其他昂貴而繁瑣的商業選擇,暢快的網速仍然難以實現。而相比農村的住宅網絡,城市中具有更多的商業網絡可以選擇,商業互聯網更快,具有更多的功能,如更安全的支付交易以及接收醫院傳輸的敏感數據等。當然商業互聯網更快的網速也意味著更高的價格,例如美國一家電信集團康卡斯特(Comcast)提供的住宅網絡網速宣稱達到25 Mbps,收費為每月20美元,而它提供的商業網絡網速宣稱達到35 Mbps,收費則達到每月70美元;另外一家電信企業,作為美國第三大有線電視提供商考克斯通訊(Cox Communications),提供的住宅網絡網速水平為10 Mbps,收費是每月19.99美元,而其提供的商業網絡網速水平為50 Mbps,收費則暴漲到每月74.99美元。由于網速昂貴,在美國,2018年擁有25 Mbps的互聯網接入速度的農村居民只有51.6%,而城市居民的比例則達到 94%。根據全球最大的開放互聯網性能測量平臺Measurement Lab (MLab)公開提供的數據,從2019年12月30日至2020年6月30日,美國15個州從720萬個家庭收集的網速測試結果顯示,下載速度中值低于25 Mbps。低于25 Mbps的網速只能同時支持一到兩臺設備,而擁有多個用戶的家庭需要超過50 Mbps的網速來瀏覽媒體高質量的內容。在發達國家,互聯網的接入,如果作為公共產品屬性,其質量堪憂;如果作為私人產品屬性,則這種因為數據的使用方面的巨大差異會形成越來越凸顯的“知識溝”。

                          另一方面,大型跨國公司的社會化生產程度不斷向全球其他國家延伸,將全球納入數據資本盈利的視野中。由于數據資本的增殖本性,數字基礎設施建設、數字技術終端使用和技術創新能力必然在不同國家存在巨大差距。“技術進步產生于中心,并傾向于把由此帶來的愈來愈高的生產率的成果集中于中心。” 互聯網經濟的全球價值鏈存在明顯的頭部效應,信息技術的巨大進步反而帶來數字鴻溝,“數據富國”與“數據窮國”的反差帶來的極化效應,造成數字經濟背景下新的區域發展不平衡,嚴重影響世界經濟整體水平的提高。

                          在全球價值鏈的構建中,平臺經濟國際化數字貿易已成為全球貿易發展新趨勢。美國及歐洲發達國家的跨國公司擁有軟件、硬件和網絡連接,是數字貿易發展的壟斷者、引領者和國際規則的制定者,他們開發設計技術的目的就是為了利潤和增殖。由此這些大型跨國公司進行更高層次的“思考”,擁有知識產權和數據,以及每個社會都依賴的計算手段(如計算機芯片和云服務器農場,決定塑造和審查社交媒體帖子)以及為軍事、警察和情報機構使用的新技術。在這種數字貿易中,“數據”是跨國公司重塑并奪取企業所有權和市場統治權的決定性力量。當一家互聯網平臺收購一家距離總部數千英里的實體商店時,它就擁有了這家商店,并可以從中謀取利潤。該平臺將按照總部的算法和數據控制該商店所處的社區,進而對當地的消費乃至生產產生重塑性影響,而結果常常是本土的產品被擠出市場,當地企業失去市場份額。例如,亞馬遜的分店不斷取代當地零售企業,當地消費者的支出開始由社區轉移到亞馬遜總部。從全球層面來看,零售收入因亞馬遜強大的議價權而不斷從其他國家匯集到亞馬遜總部,本土供應商也被迫成為“依賴平臺的企業”。

                          在這種不平等的勞動分工中,廣大發展中國家仍處于弱勢地位,面臨國際代工、數據隱私保護、本地化要求、知識產權保護、數據監管和網絡平臺管理等一系列貿易政策分歧。南半球的企業和勞工繼續為大型跨國公司充當價值鏈的下游:他們在泥土中挖礦,種植用于出口的經濟作物,在血汗工廠組裝智能手機,作為呼叫中心的工作人員為大型科技公司排憂解困,并注釋數據以訓練人工智能模型。正如發展中國家的橡膠是工業時代汽車創新的必要條件一樣,發展中國家的自然財富也成為數據時代新的全球創新的必要條件,只不過這一次是由信息技術革命推動的。例如在全球價值的數字貿易中,非洲因其豐富的“鉭”資源而首當其沖,“鉭”是一種抗腐蝕能力極強的化學元素,是許多現代電子設備必不可少的稀有金屬成分,手機、平板電腦、筆記本電腦等電子產品都離不開這種成分。據估計,世界上80%的“鉭”儲量在非洲。然而正如橡膠并沒有使非洲致富,這種資源的開采收入一樣前景堪憂。同時非洲在數字革命的全球政治經濟網絡中的地位不僅是原材料的來源,而且還是世界電子產品的傾銷地。數字設備的快速生產和創造需求的誘人營銷努力,導致技術設備迅速過時,舊設備被丟棄。在許多情況下,使用過的電子設備最終被重新利用,但主要是作為電子垃圾在非洲等其他發展中國家進行回收,非洲已經成為過時的電子設備的目的地。

                          跨國公司甚至通過在發展中國家的所謂慈善行為來擴展市場。資本主義慈善的新模式是通過提供看似免費的技術平臺或窮人負擔得起的基本二流產品,讓公司進入尚未開發的貧困市場。處于經濟金字塔底部的人們能夠暫時獲得這些技術,自由訪問的神話變成了人們交流和社交需求的誘惑,數據是令人上癮的,一旦人們體驗到網絡和數據流量的便捷與豐富,就會形成習慣,并愿意為此付費,這樣互聯網平臺企業就會增加他們的市場基礎和潛在的市場增長。例如通過臉書推出的“Internet.org”網絡連接計劃與“Free Basics”應用程序,很多發展中國家的人們可以基本訪問選定的網站。但是,“Internet.org”是為已經連接到電信網絡的人提供基本的接入,而不是為未連接的人提供,那么這就不是一種連接無關聯人群的利他主義慈善行為,而是一種促進市場增長的戰略資本行為。通過臉書提供對選定網站的訪問,“Free Basics”應用程序使臉書成為訪問互聯網的平臺,這意味著許多用戶將把臉書和互聯網視為同一件事。臉書的網絡連接事業,本質上是為了增加它的用戶數量,從而增加市場占有率和收益份額的戰略性事業計劃。盡管“Free Basics”在60多個國家/地區很活躍,但是它違背了互聯網的開放、平等和網絡中立性的價值觀,這也是為什么它在中國和印度被禁止的原因。因此,這種新的慈善形式是一種新自由主義行為,慈善的面紗背后是數據資本的增殖本性,跨國公司在發展中國家以市場為基礎的互聯網投資,實質只是要使市場為數據資本服務。

                          在這種極化效應中,與經典殖民主義的技術架構類似,數字殖民主義植根于以盈利和掠奪為目的的技術生態系統設計。如果說過去的鐵路和海上貿易路線是全球南方的“開放血管”,那么今天,數字基礎設施扮演著同樣的角色:大型跨國公司使用專有軟件、企業云和集中式互聯網服務來監視用戶、處理他們的數據,使全球數據流入他們的企業云,然后,為消費者和商業服務處理數據,獲取剩余價值。在大多數國家,美國跨國公司主導了大多數產品和行業,通過開發新的領域和市場,這些科技巨頭的發展速度是相當驚人的,谷歌的市值從2008年的不到2000億美元增長到2020年的超過1萬億美元,增幅達500%。GAFAM現在由世界上最富有的5家公司組成,分別為谷歌/字母控股(Alphabet)、亞馬遜、臉書、蘋果和微軟,總市值超過7萬億美元,這些公司巨頭都是國際通訊領域的新帝國主義者??鐕竞桶l展中國家的企業差距越來越大了,發展中國家被現成的技術和數據服務所淹沒,新興市場和新興企業的準入障礙越來越大。

                          3.勞動過程的實際隸屬逐漸加深的收入極化效應

                          一般來說,在給定的技術背景下,技術效能的進步,可以很容易地被理解為消費者收入的增加和社會福利的增進,以確保技術進步所施加的實際行為效果與人的目標一致。然而在資本邏輯統攝下,數據資本同其他類型資本一樣,只要是資本,就會僅僅著眼于強調資本生產的巨大能量和息息法斯式資本積累的必然規律,而規避勞動過程中勞動與資本的關系的審視和質問。表面來看,數據可能會使勞動過程更加精英化和高效化,能夠創造更多的就業機會,但是數據的資本主義應用卻使勞動過程具有了不一樣的意義,勞動過程的實際隸屬逐漸加深,收入極化效應不斷突出。“因為機器就其本身來說縮短勞動時間,而它的資本主義應用延長工作日;因為機器本身減輕勞動,而它的資本主義應用提高勞動強度;因為機器本身是人對自然力的勝利,而它的資本主義應用使人受自然力奴役;因為機器本身增加生產者的財富,而它的資本主義應用使生產者變成需要救濟的貧民。”

                          其一,數據的應用形成對勞動力的替代。一般認為,數字經濟將帶來高技能、高收入的工作,并解決社會兩極分化和停滯的問題。然而,20世紀末的第一波數字化浪潮就導致了工作的分化,目前新的數字化浪潮有可能使所謂的“知識工作”變得更加多余,并使現存的大量以知識為基礎的工作變得更需要技能,并降低其等級。大數據隨時可以捕捉到工作場所和市場中基于知識的職業數據,然后將其轉換成算法,這種勞動本身受到了人工智能、無人操作和其他第四次工業革命技術的替代威脅。數字驅動的生產最終尋求的是無勞動生產,從而實現耐克公司所說的“從產品中剔除勞動力”的最終目標。這樣,越來越多的知識勞動和零工工人面臨著低工資、枯燥的重復性工作和不穩定性。

                          因此,這種極化效應一方面產生了高技能、高收入的工作崗位,催生了新的科技和金融工作者、工程師、軟件程序員等大軍。但另一方面,數字化產生了數量眾多的低技能、低工資工人。信息技術的發展降低了完成常規性任務的成本,進一步降低了對常規性任務和中等技能勞動力的相對需求,中等技能職業的就業份額顯著下降。而中等技能勞動力的就業率下降會造成中等技能勞動力的收入狀況惡化甚至失業,失業后的中等技能勞動力將流向高技能行業和低技能行業,但由于高技能行業對技能水平要求較高,因此事實上,對于大多數中等技能勞動力來說,只能流入低技能行業。并且,經濟衰退時中等技能勞動力就業下降更為明顯,經濟復蘇也未能扭轉這一趨勢,無就業復蘇主要來自中等技能就業的消失。

                          隨著數字化的發展,數字化大大加快了新興技術取代人力的進程,包括各種遠程辦公、遠程教學、無人機送貨、無現金商務、數字化金融、數字化監視、自動化醫療和法律服務等,從而擴大了那些被剩余和邊緣化的人的隊伍。美國國家統計局經濟研究報告發現,一個地區每引進一個新的機器人,就會導致3-5.6個工作崗位的減少。1990年,底特律三大汽車制造商的市值為360億美元,擁有120萬名員工。2014年,市值超過1萬億美元的硅谷前三家公司只有13.7萬名員工。所以在高技能工人份額增加的同時,更多的是低技能勞動力的增加,低技能工人的實際工資顯著下降。尤其隨著新冠肺炎疫情大流行帶來的數字化程度的提高,將有數千萬、甚至數億人失去工作,隨著技術取代他們以前的工作,他們將無法重新融入勞動力大軍。資本家則利用這種大規模的失業,以及更廣泛的偏遠和不穩定的工作安排,作為一種杠桿,加強對現有工作的人的剝削,并將剩余勞動力推向更大的邊緣。

                          其二,對在職勞動力的管理采用大數據監控方式。大數據的應用強化了互聯網企業對勞動過程的監督和控制。新科技使泰勒的科學管理所需要的大量數據得以收集和傳播。“新技術的產生似乎帶來了某種動力加強版的指揮與控制系統,關于員工、流程、產品、服務和客戶的數據就是其動力燃料。” 勞動過程呈現“去雇主化”“人機協作”“一人多點”的特點,通過分包和眾包策略,互聯網平臺企業逐步放棄了對員工的直接管理,使企業從擔負大量長期固定員工的編制責任中解脫出來,降低了管理成本,擴大了利潤空間,而且模糊了雇傭關系與責任,“彈性化”“碎片化”“標準化”的工作模式使零工經濟成為一種主要方式。盡管零工經濟工作經常伴隨著自由、靈活和個性化創業的新自由主義言論,但實際上,它們一直處于客戶評級和算法的壓力和監視之下。員工的上下班時間、互動痕跡、網絡行為、出行信息、狀態反映等,都會被管理者全時段、全方位、全天候地監控和追根溯源?;诖髷祿谋O控管理,使“八小時工作制”完全失去了存在的條件,完美地起到了“技術遮蔽”的作用,轉移了傳統的勞資沖突。當零工登錄應用程序時,算法會收集數據、評估工人的效率、分配任務并產生排名。這種勞動控制機制實際上是一種新泰勒化(Neo-Taylorization)的邏輯,這種邏輯將工作分割成離散的任務,從而使所有工人都可以互換,并通過計件率/交付率指標來強化。在數據資本統攝體系之下,最強有力的縮短勞動實踐的工具,卻遭受了一個辯證的轉向,計件工資直接變為最極致的手段,使工人和他的家庭的整個一生的時間轉化為為資本運行的勞動時間,資本以物化的形式全面篡奪了工人的主體地位,事實上是隱藏了新泰勒主義所帶來的勞動對資本的實際隸屬關系。“由此產生了經濟學上的悖論,即縮短勞動時間的最有力的手段,竟變為把工人及其家屬的全部生活時間轉化為受資本支配的增殖資本價值的勞動時間的最可靠的手段。”

                          這種經濟邏輯現在已經從科技公司擴展到幾乎每個經濟領域的新的基于監控的工作系統,從保險到汽車,再到健康、教育、金融,再到每一種被描述為“智能”的產品和每一項被描述為“個性化”的服務。到目前為止,甚至如果不與監視資本主義數據流的供應鏈相同的渠道進行交互,就很難有效地參與社會。一般來說,我們無法想象沒有數據的監控資本主義,但很容易想象沒有監控資本主義的數據。這些監控數據成為調整、引導勞工行為的工具,并成為勞動力管理極化的源泉。

                          其三,對未來勞動力的尋獲采用數據分析。與此同時,大數據的這種精確性會讓雇主愿意根據有利于企業的條件來選擇未來的員工。盡管大數據對勞動力的影響類似于自動化、全局性紀律和平臺資本主義已經表現出來的過程,但與用機器人取代工人不同,通過數據分析實現的行為刻畫,可以找到已經熟練使用機器人的高技能工人。與其依靠工作場所的監督來約束員工,數據行為分析可以找到那些已經內化了全面約束的員工;與其依靠零工市場的自由選擇從而會在工作中承擔更多風險相比,數據行為分析鼓勵雇主直接選擇與企業要求的特質相匹配的員工。所以,盡管使用數字技術可以直接監督員工,但畢竟是一種外生力量,雇主可以直接使用大數據找到和自己的企業理念、企業文化、企業屬性達成度高、自律性強、性格溫和的員工。甚至雇主還可能利用大數據的精確性,選擇那些不太可能加入工會、追求工作福利、要求加薪的工人,因為大數據能夠使雇主了解到雇員的家庭成員數量、月供或債務水平等因素,這些情況能夠使雇主確信挑選出更多不愿積極尋求經濟補償的員工。由于大數據行為分析的精確度和范圍,數據分析最終可能會讓雇主為同樣的生產率支付更少的費用,大眾全生命周期所生產出的數據都在被用來“喂養”資本全生命周期的經濟活動。

                          總之,勞動力的極化效應使貧富差距現象更加突出了,國家之間和國家內部的財富與收入不平等程度都有增無減。根據最新的《世界不平等報告》,從收入水平來說,2021年全球一個成年人的平均年收入為16700歐元,而收入最高的10%人口年人均收入為87200歐元,收入位于50%以下的人口平均一年只賺2800歐元。與收入不平等相比,全球財富不平等現象更為嚴重,從財富規模來說,全球最貧窮的一半人口只擁有全球總財富的2%,而最富有的10%人口則擁有總財富的76%。尤其在新冠肺炎疫情期間,貧富差距進一步擴大,勞動力市場復蘇緩慢、政策支持減少以及包括食品在內的通脹上升,這些都極大地侵蝕到低收入者包括低收入家庭、低技能工人、非正規工人以及婦女的實際收入,加劇了兩極分化。

                          四、結  語

                          數據資本極化效應的根源來自數據的資本主義應用,大數據的私人所有是問題的關鍵。正如馬克思指出的,“決不能從機器體系是固定資本的使用價值的最適合的形式這一點得出結論說:從屬于資本的社會關系,對于機器體系的應用來說,是最適合的和最好的社會生產關系”。只要數據資源不在大眾的手中,大眾社會互動的時空路徑和交往模式都成為資本獲利的數據算法,大眾被存儲在商業實體所擁有和控制的服務器中,用來排序、預測和管理大眾的行為,利潤增殖的本質和目標只會加劇極化效應。“由資本形成的一般的社會權力和資本家個人對這些社會生產條件擁有的私人權力之間的矛盾,越來越尖銳地發展起來,并且包含著這種關系的解體,因為它同時包含著把生產條件改造成為一般的、公共的、社會的生產條件。這種改造是由生產力在資本主義生產條件下的發展和實現這種發展的方式決定的。” 數據資本、智能技術的發展再次確證了資本主義無法容納它自己創造的生產力。

                          中國戰“疫”斗爭中,豐富的大數據應用,體現了科技的社會主義應用的價值導向和宏觀效用。歷史以一場全球規模的“社會實驗”的方式,確證了包括大數據在內的科學技術應用于不同社會制度形成的巨大反差。由于數字化的核心機制是數據信息的交互性和互組織性,在數據收集、存儲和使用的方式上,越是公共所有、公共分享、公共參與,將隱私、安全、透明和民主決策相結合,越是能夠體現大數據的公共產品屬性,越是能夠提高大數據的使用效率,社會公眾越具有構建新文明的能力。因此,大數據的社會主義應用能夠極大地促進社會生產力的增長、增進社會的公共福利和滿足人民美好生活需要,使“有為政府”和“有效市場”更加緊密結合。在大數據的社會主義應用條件下,大數據的應用越充分、越深入,意味著人的自由勞動就越具有充分發展的空間,從而就越能體現和肯定人的本質內涵,增強和豐富人的全面發展,能夠體現出比資本主義應用更多的優勢。當代中國的大數據應用已經并將繼續確證這一發展趨勢。

                          參考文獻:

                          [1]《程恩富學術思想研究》,北京:經濟科學出版社,2015年。

                          [2]〔英〕大衛·哈維:《資本的限度》,張寅譯,北京:中信出版社,2017年。

                          [3]〔美〕威廉·I.羅賓遜:《全球資本主義論:跨國世界中的生產、階級與國家》,北京:社會科學文獻出版社,2009年。

                          [4]周延云、閆秀榮:《數字勞動和卡爾·馬克思——數字化時代國外馬克思勞動價值論研究》,北京:中國社會科學出版社,2016年。

                          [5]范如國:《平臺技術賦能、公共博弈與復雜適應性治理》,《中國社會科學》2021年第12期。

                          [6]鄭吉偉、張真真:《評西方學者對數字勞動的研究》,《經濟學家》2019年第12期。

                          [7]宋建立:《數字資本主義的意識形態批判》,《中國社會科學報》2021年3月23日。

                          文章來源:《馬克思主義研究》2022年第5期。

                        「 支持烏有之鄉!」

                        烏有之鄉 WYZXWK.COM

                        您的打賞將用于網站日常運行與維護。
                        幫助我們辦好網站,宣傳紅色文化!

                        注:配圖來自網絡無版權標志圖像,侵刪!
                        聲明:文章僅代表作者個人觀點,不代表本站觀點——烏有之鄉 責任編輯:冀鳴

                        歡迎掃描下方二維碼,訂閱烏有之鄉網刊微信公眾號

                        收藏

                        心情表態

                        今日頭條

                        最新專題

                        熱議聯想

                        點擊排行

                        • 兩日熱點
                        • 一周熱點
                        • 一月熱點
                        • 心情
                        1. 1800多人感染,99%都有同一特點!最新毒株侵入海南沒你想那樣簡單
                        2. 兩個消息讓我深感不安:一個要毀我歷史,一個要滅我未來!
                        3. 重拳出擊!頭號中醫黑丁香醫生被禁言,大瓜要來了!
                        4. 媒體關于北大沈元的輿論導向令人憂慮
                        5. 丁香園被全網禁言,但它只是小角色
                        6. 丁香醫生背后,真正的境外勢力
                        7. 毛主席70年前對美國的評價,太神了!
                        8. 重磅!湖北日報知情人士爆料起訴內幕:不可思議!
                        9. “丁香醫生”被封,冤枉嗎?
                        10. 丁香園被一鍋端,為何全網歡慶?
                        1. 解放臺灣的方式由什么決定?
                        2. 不要脫離具體歷史背景套用毛主席的“不打美艦”
                        3. 中科院退休老科學家蝸居13平米老破小,我炸裂了!
                        4. 是不是抹黑?還是看看事實吧!
                        5. 當官員花錢讓我刪文章
                        6. 關于實力,我的一點拙見
                        7. 這次紅歌會網事件與往常事件的異同
                        8. 美國在沿海挑釁怎么辦?這個國家做出榜樣:掃射,抓人,扣船!
                        9. 蔡英文電視講話就是“臺獨”宣言,解決臺灣問題必須提速
                        10. 饒毅給人下跪,要記住這句話
                        1. 為什么文革中“漢奸、叛徒、特務、反革命”特別多?
                        2. 給貪官舔屁眼,我國專家又舔出了新高度
                        3. 老田:為何美帝敢于在中國主權問題上頻繁挑釁——關于經濟主權瓦解的噩兆以及可置信承諾問題
                        4. 反正也睡不著了,就問一下我們還有墻角嗎?
                        5. 終于有動靜了,他們慌了...
                        6. 佩洛西曾在東城被抓,老妖婆到底是不是女流氓?
                        7. 前三十年的論爭是誰挑起的
                        8. “拭目以待”到底是什么?這兩天就見分曉了!
                        9. 解放臺灣的方式由什么決定?
                        10. 不許侮辱張麻子!警惕輿論場中的“大棋派”
                        1. 珍稀藏品!朝鮮出版毛主席紀念郵票!
                        2. 丁香園被一鍋端,為何全網歡慶?
                        3. 解放臺灣的方式由什么決定?
                        4. 去三亞旅游的都是壞人嗎?
                        5. 從頭再來:54位下崗職工的口述實錄(一)
                        6. 中科院退休老科學家蝸居13平米老破小,我炸裂了!
                        在她销魂的身体里疯狂冲刺