《過渡勞動：平臺經濟下的外賣騎手》第二章 系統的進化

本書是一部關于平臺勞動的人類學民族志作品，深入探討了中國平臺經濟背景下外賣騎手的勞動形態及其社會意義。通過在19個城市歷時7年的田野調查，作者帶著行動主義的熱情，記錄下騎手懸浮于正式與非正式勞動之間的真實狀態，關注到平臺從對勞動者本身的控制轉向對勞動過程的精細控制的關鍵轉變，提出了“過渡勞動”這一頗具解釋力的勞動概念，反映出勞動者對未來職業發展的關切。書中深入探討了算法技術對騎手勞動的影響，特別關注了女騎手在家庭和工作中的雙重挑戰，并為此提供了豐富的田野數據和新的研究視角。
如今，平臺化正在形塑全新的社會關系。外賣、家政、物流、打車等數字平臺方便了人們的日常生活，與此同時也催生了大批依附平臺的零工勞動者。本書在對騎手零工進行記錄反思的同時，相信個體在不確定性中塑造生活的經驗和勇氣，憧憬一種更加良性向善的算法。

系統的進化

在進入外賣系統智能化討論之前，我想補充一點對于技術發展的看法。雖然智能技術進化飛速，令人目不暇接，但是我們仍舊需要清楚地意識到，一項技術能夠發展到今天的樣子，離不開對既往的、歷史性的技術邏輯的積累。在人類歷史進程中，技術的發展有著自己獨特的邏輯。一項技術從來不是憑空出現的，而是帶著既往技術的 DNA。換句話說，技術是一個復雜的組合體。與此同時，這些技術的 DNA 里往往嵌套了復雜、神奇甚至難以解釋的人文邏輯，因為技術的應用從來都是在特定的社會場景中展開的，而特定場景下的技術實踐與諸多社會結構和社會實踐，如階層、性別、身體、空間、時間等緊緊交織在一起。

說回到外賣的算法系統，它的發展也是如此。它繼承了先前發展的互聯網技術，并在此基礎上聚合了更加多樣的組合和結構。需要看到的是，外賣系統的建立絕非一朝一夕，而是與外賣產業不斷增強的組織化、市場業務的不斷細分以及個體勞動者持續不斷的勞動力供給有著密切聯系。通過田野調查、訪談和資料的匯總，本章嘗試在此 “拼湊” 外賣算法系統發展的脈絡，從而跳出簡單的技術研發邏輯，來展現系統發展的復雜性和圍繞這項技術所展開的多元話語。

系統初建

雖然 “外賣” 興起是近幾年的事情，但在歷史上，“外賣” 業務早已存在。在北宋的《清明上河圖》中已經出現送餐伙計的畫面。一伙計右手拿兩雙筷子，左手提兩個飯盒，身著圍裙，正出發給客人送餐。宋朝推行休養生息政策，廢除了宵禁制度，百姓可以自由活動，市面上因此出現了很多酒肆瓦舍，餐飲酒食文化十分興盛。一些客人在酒肆瓦舍玩累了，想要吃飯，可以去附近的酒樓訂餐，店小二可以送餐上門。根據史書記載，當時的餐飲店 “逐時施行索喚”“咄嗟可辦”。

《東京夢華錄》中還記載了當時的諸多酒家送外賣的場景。由于餐飲店眾多，競爭激烈，“凡百所賣飲食之人，裝鮮凈盤盒器皿，車檐動使，奇巧可愛。食味和羹，不敢草略”。餐飲店將美味佳肴用精美、干凈的食盒包裝好，送到客人手中，在當時成為一種流行趨勢。在后續漫長的餐飲發展中，外賣雖然一直不是主營業務，但卻作為餐館聯絡社會關系、積累運營資本的方式留存下來。由于餐食的即食性，餐館的外送業務多面向周邊熟客，基于鄰里街坊、親友關系的 “方便” 外賣占大多數。

外賣作為一種發展的可能被確立下來，得益于電話的出現。溝通變得更加容易，人們對于餐食的需求可以及時、準確地傳達給餐廳，電話訂餐也成為傳統餐飲的分支業務。例如，成立于 1965 年的日本快餐巨頭玉子屋，依靠電話訂單將自己的外賣業務不斷擴展。在國內，一些連鎖公司除了堂食業務，也會通過電話訂餐的形式，接受一部分外賣訂單。

一次采訪中，三十出頭的女外賣員臧佳在回憶自己打工經歷時講道，自己的第一份工作就是 “送外賣”。那時她寒暑假去鎮上一家餐飲店打工。店里主要做一些日常餐食，餐飲店的對面有一個塑膠工廠，工人時常加班，會產生很多外賣訂單。臧佳在店里除了負責洗餐具，就是接聽對面塑膠廠的訂餐電話。她需要用筆一個一個寫下需要的餐品，通知后廚烹飪，待餐品做好，走路送去塑膠廠。

夏天的時候，三十多度，熱得很。中間有個市場，繞一下過去，不到兩公里，走回來，全身是汗。有時候一趟還送不完，就多走一趟。

臧佳的工作是大眾傳播時代人力派單模式的真實寫照。2000 年以前，我國的外賣配送以電話接聽、人力派單為主。在這一時期，電話、自行車、摩托車等溝通和傳遞工具出現，不少餐廳借此推出了電話訂餐、打包自提、一對一送餐等業務，外賣生意得以維持并在一定程度上得到擴展。這一時期的外賣業務主要以餐廳自配送為主，也有少數的互聯網 O2O 企業參與，如 “生活半徑”“朝陽美食匯” 等。

2000 年到 2010 年，隨著互聯網技術的不斷發展，外賣行業的數字化進程不斷加快。一些餐飲企業除了使用電話訂餐，也開始研發線上訂餐系統 —— 在移動互聯網興起之前，主要是 PC 端的訂餐服務。同時，第三方的技術服務平臺開始和餐廳合作開發線上訂餐系統，數字化初具規模。2010 年以前，盡管物流的數字化已經提上日程，但外賣訂單的匹配和對接依然主要由人工負責完成。換句話說，在這一階段，“人” 始終是協調外賣網絡正常運轉的核心。即便是第三方的外賣企業，也主要通過使用人力來完成訂單匹配。餐廳或外賣平臺的派單員需要及時接聽電話、記錄地址、匹配送餐時間，甚至在餐飲訂單多起來的時候，進行更復雜的匹配、協調工作。

曾在 “餓了么” 干過派單員的徐開回憶，人工派單 “不好干”。他需要從早到晚地坐在電腦前盯著屏幕：

單少的時候還行，單多了，確實不好協調，一個頭兩個大。高峰時段就是不停地打電話，掛了這個來了那個，全部都是問題。

根據 “百度外賣” 負責派單系統的數據架構師甘銳的說法，人工派單（人工調度）是一項 “十分有挑戰” 的工作：

人工調度，就是訂單進來以后，用人把訂單和騎士匹配（起來），做一個決策，派出去。在這么短的時間內去做決策是很難的，而且要考慮的因素其實是非常多的。既要考慮商戶、用戶所在的位置，又要考慮騎士身上已有的訂單。你（指調度員）要快速在短時間內反應過來，同時還要去判斷，這個訂單分配給這個騎士后，他身上可能已經有幾單了，后續訂單順序怎么變化，會對他的路程產生怎樣的影響，以及這個訂單超時了怎么辦……

按照這一說法，像徐開這樣的調度員應該就是最初的 “人工智能派單系統”。而隨著外賣平臺訂單的不斷增多，人力派單模式難以跟上快速擴張的業務需求。受制于時間和算力，即使是非常有經驗的調度員，一天能夠調度的訂單上限也只有 500-800 單。而在 2010 年左右，當時一些第三方平臺的訂單已經達到幾萬單甚至數十萬單。隨著企業雇傭調度員的數量增多，成本也在不斷增加。在這種情況下，許多外賣企業不再滿足于線下的、人力的物流調度，而是著手建立自己的數字系統。至此，外賣網絡開始由 “人工派單” 向 “系統派單” 轉變。

只是，這次的技術轉變，與其說是為了解決外賣行業的技術痛點，不如說是由資本推動的新一輪市場角逐。在 2010 年前后，受到風投資本和互聯網創業潮的推動，外賣配送業成為創業 “風口”。2011 年，國內最早的外賣平臺 “餓了么” 先后獲得金沙江創投、經緯中國、紅杉資本、大眾點評等機構的投資。2013 年，“美團外賣” 成立，2014 年，“百度外賣” 加入競爭。在很短的時間內，“外賣” 從無人問津的冷門業務變成了 “香餑餑”。諸多外賣平臺紛紛加入游戲，并著手創建自己的派單系統。

至此，一個由餐廳、平臺、外賣員、“人工 + 數字” 派單的外賣網絡初步建立。彼時的外賣系統，也正在經歷進化期。在移動互聯網普及之前，“人” 依舊居于系統發展的核心，而隨著中國互聯網通信技術的不斷發展，外賣網絡開始走向數字化和智能化。下一節要展現的，正是這種 “人機的互換”。在過去短短幾年間，外賣系統踏上了數字化和智能化的快車道。“人” 被趕下指揮臺，取而代之的是能夠不斷自我學習、自我進化的算法。這樣的變化牽動著數量龐大的外賣騎手。伴隨著數以千萬計的流動勞動者和消費者不斷加入，外賣系統以極快的速度升級、進化，并開啟了這場外賣經濟的無限游戲。

快速進化

如果把看待技術發展的視角拉長，我們就會發現，外賣系統的進化史像極了人類的發展史，兩者都是充滿奇幻色彩的加速度運動。科學家李四光在《人類的出現》中曾說：

人類文化的發展…… 從新石器時代的開始到現在至多不過一萬年，金屬時代的開始到現在不過數千年，人們開始利用電能到現在不過一百多年，原子能的利用則僅是最近幾十年的事…… 人類的發展不是等速度運動，而是類似一種加速度運動，即愈到后來前進的速度愈是成倍地增加。

這樣的觀察對于外賣來說，同樣適用。人力送餐在中國歷史上存在了至少千年，但是互聯網的出現大大加速了外賣行業的運營規模和效率。數字化的送餐進程僅有二十多年，系統派單的出現也就是過去十年間的事情，而人工智能派單則只有幾年的光景。在外賣經濟的發展中，技術的發展神秘又飛速。我們很難想象，過去上千年不溫不火的送餐活動如今已經變成了一種遍及大街小巷、轟轟烈烈的系統化勞動。系統是如何快速進化的？哪些人參與了系統的加速升級？產生了什么影響？這些問題值得進一步探究。

2017 年的夏天，我走訪了 “百度外賣”。在訪談過程中，研發團隊著重強調了 “算法的演進”，并試圖通過人工、系統、云端、深度學習四個階段來概括外賣技術系統自身的發展和進步（參見圖 8）。

（人工派單）局限太大。我們詳細分析了這個事情，分析了一些原因，決定走系統化。做這個事情的時候，是 2014 年，整個行業沒有任何一家公司做這種外賣訂單的自動調度。我們是行業里面第一家決定做大規模的系統化、人工智能自動派單的公司，也是真正的第一家開發這樣一整套人工智能派單系統的（公司）。

而我想知道的，恰恰是這些進化階段背后關于 “如何” 的問題。人工智能的派單系統是如何做出來的？根據研發團隊的說法，2014 年前后，技術團隊做了一個輔助人工派單的系統，但因為缺少數據積累，系統無法進行精準測算。此時的輔助派單系統 “只能給一個大致的結果”，最終由人工做更進一步的篩選和決策。與此同時，工程師補充了一句話，令我印象深刻：“人工的篩選對我們來說，也是一個數據積累的過程。”

輔助派單系統建立的背后，隱約浮現出了 “數據的反噬”。同時，“數據積累” 也道出了人工智能派單系統飛速發展的奧秘。數據作為算法發展的基礎，成為人工智能發展的重要基石。對于外賣行業來說，2015 年以來市場的飛速擴張為其帶來了海量的數據積累。伴隨著移動支付的流行和風投在外賣領域的競爭加劇，在過去的十年間，外賣市場的擴張達到了成百上千倍。這一變化可以從兩個方面窺見：一方面，線上訂外賣的人口數量激增，自 2015 年以來，線上訂外賣的人口已增加到近 5 億；另一方面，外賣配送人員的就業數量也顯著增加（參見圖 9）。雖然截止到目前還沒有關于外賣員就業人數的官方統計，但通過把主要的外賣平臺就業人員相加，我發現，外賣員的就業人口實現了從個別到超過千萬的增長。消費和就業人口呈百萬倍量級的劇增，催生了巨大的消費需求和勞動力產出，這也成為外賣平臺進行數據積累的重要條件。

根據工程師甘銳的描述，除了調度系統，“百度外賣” 的研發團隊還做了一個外賣配送的 “仿真系統”。該系統通過創建虛擬的外賣送餐場景來不斷地訓練人工智能匹配訂單的能力，并可以根據多種突發情況來模擬和調整派單系統。

這個仿真系統是基于歷史積累的大量數據去建立的。通過這個系統，我們可以實現的是，每個騎手，不管分配什么樣的訂單給他，我們可以能夠預計每個訂單的完成時間。…… 這個系統具有人工智能的自動優化能力。它像 AlphaGo 一樣，可以根據每天不同的、新的訂單配送的情況去自動地學習，（這）使得系統越來越智能，越來越適合每一個區域的調度。

能夠自主學習的外賣仿真系統在 2015 年之后逐步建立并完善，這并不是一個巧合。恰恰相反，它的完善期也正是中國外賣經濟的急速拓展期。在這一時期，成千上萬的外賣騎手、消費人群和調度員成為建構人工智能派單系統重要的 “人力基礎設施”。正如丁未在研究網約車司機時所發現的，網約車司機是幫助 “滴滴” 平臺前期發展、“打下天下” 的主力軍。2018 年，我和曾在 “百度外賣” 工作過的蔣大哥聊天，還清楚地記得他時常抱怨平臺的派單系統。用他的話說，就是 “東一榔頭西一錘子地亂派單”。在派單系統發展的初期，騎手們正是外賣這個大系統里的 “人體電池”，他們貢獻自己的數字勞動，系統將數字勞動轉化為有用數據，從而幫助派單系統不斷地升級完善。

數據化成為系統快速進化的秘密，而數據化的完成又完全依賴人的勞動。依托技術的發揮，“人 - 數據 - 算法 - 系統” 的鏈條初步搭建成立，這也解釋了外賣算法系統進化的過程。技術進化的過程，也是其不斷合法化自己的過程。何塞?范?迪克（Jose van Dijck）所言，數據化正在成為獲取、理解和監視人們行為的合法化途徑。海量數據和以 “吸食” 數據為主要動力的算法系統 “相得益彰”，構成了當下外賣平臺公司強大的算力和預測力。2018 年，“美團” 自然語言處理（NLP）中心開始建立 “美團大腦”。根據團隊的分析：

“美團大腦” 是我們正在構建中的一個全球最大的餐飲娛樂知識圖譜。我們希望能夠充分地挖掘關聯 “美團點評” 各個業務場景里的公開數據，比如說我們有累計 40 億的用戶評價，超過 10 萬條個性化標簽，遍布全球的 3000 多萬商戶以及超過 1.4 億的店鋪。我們還定義了 20 級細粒度的情感分析。…… 我希望在不久的將來，當用戶發表一條評價的時候，能夠讓機器閱讀這條評價，充分理解用戶的喜怒哀樂…… 總結商家的情況，供用戶進行參考…… 幫助用戶快速地進行決策。

根據技術團隊的解釋，“美團” 的知識圖譜意味著人工智能技術的又一大進步：機器開始從感知智能向認知智能躍遷。所謂認知智能，可以被理解為系統開始理解人的語義，并學著像人一樣思考。系統不但在計算能力、知識儲備上超過人類，同時開始具備強解釋性、推理能力和理解能力。通過對海量數據的分析，在未來，這樣的 “美團大腦” 可以 “幫助用戶進行決策”、“指導店老板決策”、“對用戶進行風險管理” 等。

外賣平臺的智能化一路高歌猛進。在過去的十年間，外賣系統經歷了從系統派單到云端派單，再到深度學習的智能派單模式，而且整個過程的進展呈現出明顯的加速度。雖然在系統進化的后期，我們已經很難看到人的身影，但如果把系統的進化史拉長就會發現，系統的騰飛 “起于微末”，人的勞動和數據生產是其成長的關鍵。在 “美團大腦” 的知識圖譜進化中，貢獻力量的有商家、用戶，還有千千萬萬奔跑在路上的外賣騎手。對于系統的進化，外賣騎手是感知最直接、最深刻的人群。這也正是下一節要討論的議題：作為系統的使用者和系統進化的貢獻者，外賣騎手如何感知系統、評價系統？他們與系統形成了怎樣的關系？