【SCI.AI研究解读】
**算法不是铁律，而是战场：中国外卖骑手如何用“劳动算法”重写平台规则**
——深度解码孙萍《Your order, their labor》对供应链数字化治理的颠覆性启示
—
### 一、研究背景：当“30分钟送达”成为新时代的劳动契约
在2017年的北京街头，一位骑手在暴雨中单膝跪地抢修被积水泡坏的电动车控制器，手机屏幕右上角倒计时正跳动着“剩余8分23秒”；另一名骑手在医院急诊室陪护生病的母亲，却一边输液一边用左手滑动APP接单——系统未提示“家属陪诊状态”，只冷峻地标记“该骑手当前在线，可派单”。这不是虚构场景，而是孙萍研究员在《Chinese Journal of Communication》2019年刊发的民族志研究中记录的真实切片。这篇题为《Your order, their labor》的论文，直指中国平台经济最敏感的神经末梢：算法如何将“时间”转化为可计量、可惩罚、可优化的劳动单位，并在此过程中重构了整个外卖供应链的权力结构与责任边界。
不同于主流技术乐观主义将算法视为中立效率工具，孙萍的研究锚定一个尖锐现实：在中国日均超4000万单的外卖生态中，“准时率”“超时率”“差评率”等指标并非单纯的服务质量参数，而是嵌入劳动控制逻辑的制度性装置。美团、饿了么、百度外卖（当时尚未被收购）三大平台通过动态路径规划、智能派单、实时定位与信用评分系统，构建了一套“看不见的流水线”。而这条流水线的终端执行者——平均年龄仅23岁、日均工作12.4小时的45万骑手（2018年北京数据），既非传统工厂工人，亦非自由职业者，而是处于法律身份模糊、社会保障缺位、算法问责刚性的三重夹缝中的“数字劳工”。本研究之所以重要，正在于它拒绝将骑手简化为算法的被动承受者，转而追问：当系统不断压缩反应窗口、提高容错阈值、隐匿决策逻辑时，劳动者如何用自己的身体、经验与话语，在代码的缝隙中开辟生存策略？这对正加速推进“全链路数字化”的中国供应链管理者而言，绝非遥远的社会学议题，而是关乎履约稳定性、人力损耗率与系统鲁棒性的核心运营命题。
—
### 二、方法论解读：为什么“蹲点送餐站”比看10万条后台日志更懂算法真相
要真正理解算法如何落地为劳动实践，不能只分析服务器日志或A/B测试报告——孙萍团队选择了最“笨”也最锋利的方法：民族志深描。2017年3月至2018年8月间，研究者在北京朝阳、海淀、丰台等6个核心城区的外卖站点驻扎，完成45次平均时长2.3小时的深度访谈（含36名全职骑手、9名兼职骑手，男女比例43:2），并进行累计超320小时的参与式观察：跟随骑手跑单、共进盒饭、旁听站长晨会、记录APP弹窗频率、甚至协助处理客户投诉录音。尤为关键的是，团队同步访谈了3位平台算法工程师与2位区域运营总监，首次实现了“代码层—操作层—管理层”的三重视角交叉验证。
这种方法论选择具有深刻的方法论自觉：平台算法的“黑箱”本质，不仅在于其技术复杂性，更在于其运行效果高度依赖具体情境——同一套ETA（预计到达时间）模型，在国贸CBD写字楼群与回龙观大型社区产生的实际压力截然不同；同样的“顺路单”推荐逻辑，在早高峰地铁口与深夜烧烤摊前触发的骑手决策链也完全不同。后台数据只能告诉你“谁超时了”，而蹲点观察才能揭示“他为何超时”：是电梯故障？是物业禁入？是顾客电话无人接听后系统自动判责？还是骑手为规避差评主动多绕500米取餐？这种情境化知识，正是供应链管理者在设计SLA（服务等级协议）、优化运力调度模型或制定异常申诉规则时最稀缺的“地面真相”。当企业热衷于引入AI预测订单波峰时，本研究提醒我们：真正的预测精度，永远建立在对劳动者日常应对逻辑的尊重之上——因为算法再智能，也无法替代骑手用十年送餐经验判断“这个小区保安今天心情不好，得提前打声招呼”。
—
### 三、核心发现①：“劳动算法”——骑手自创的生存操作系统
孙萍研究最具颠覆性的概念，是提出“日常劳动中的算法”（algorithm-in-practice），并进一步提炼出骑手自发构建的“劳动算法”（labor algorithm）。这并非指骑手编写代码，而是指他们在长期实践中形成的一套高度结构化、可复用、带反馈机制的行动脚本。例如，一名有5年经验的骑手向研究者展示他的“接单心法”：
– **时间折叠术**：绝不接距离>3公里且无电梯的老旧小区单（因爬楼耗时不可控）；
– **风险对冲术**：雨天优先接商场内单（有遮蔽），但避开地下车库出口（易堵）；
– **情感缓冲术**：对可能投诉的顾客，提前发送“您好，您的餐已出发，预计XX:XX送达，稍后我会电话确认”——用预沟通降低差评概率；
– **系统博弈术**：发现APP在19:45-20:05有派单延迟漏洞，此时集中上线“卡位”，抢到高单价晚市单。
这些策略共同构成一套动态演化的“有机算法”，其核心逻辑是：**将平台算法的刚性约束，转化为可计算、可协商、可迂回的弹性实践**。有趣的是，这套算法甚至发展出自己的“版本迭代”机制——老骑手会组织微信群“算法研讨会”，分享新发现的系统漏洞（如某时段取消订单不扣分）、验证新话术有效性（对比不同开场白的客户接通率），甚至编写Excel模板自动计算“综合收益比”（单均收入÷预估耗时÷事故风险系数）。这彻底解构了“算法霸权论”的简单叙事：骑手不是被驯化的对象，而是以身体为媒介、以经验为数据库、以社群为实验室的“反向算法工程师”。对供应链管理者而言，这意味着：任何脱离骑手实操逻辑的算法升级（如强制缩短配送时限），都可能遭遇系统性“软抵抗”——订单拒收率上升、虚假定位增多、申诉量激增，最终损害的不是骑手个体，而是整个履约网络的确定性。
—
### 四、核心发现②：算法的三重控制术——时间、情感与游戏化如何重塑劳动本质
孙萍研究精准解剖了平台算法实施控制的三大技术支点，每一种都深刻改写了劳动的内涵：
**第一，时间控制的精密异化**。平台不再满足于“按时送达”，而是将时间切割为毫秒级可追踪单元：从“接单-取餐-送达”三段拆解为“接单响应时长”“商家出餐等待时长”“骑行路径偏差率”等12项子指标。骑手被迫成为“时间炼金术士”，在红绿灯间隙计算最优变道点，在电梯门关闭前0.3秒冲刺进轿厢。更隐蔽的是“时间挪移”——当系统显示“剩余5分钟”，骑手实际只有3分钟可用（预留2分钟应对突发），这种持续性的“时间透支”导致慢性疲劳与事故率上升。2018年北京骑手工伤数据显示，67%的交通事故发生在“最后3分钟冲刺期”。
**第二，情感劳动的强制外包**。平台将“用户满意度”这一模糊社会期待，编码为可量化的“好评率”“语音评价分”，并将全部情感调节成本转嫁给骑手。研究发现，骑手需掌握至少5种话术应对不同客诉：对愤怒型顾客用“降调+致歉+补偿承诺”，对犹豫型用“升调+紧迫感营造”，对老年顾客则必须开启视频通话证明餐品完好。这种高强度情感劳动未被计入工时，却直接消耗认知资源，导致“情绪耗竭”成为离职主因（占访谈样本的41%）。
**第三，游戏化机制的成瘾性绑定**。“骑士等级”“周冠军勋章”“能量值”等设计，将劳动过程包装为闯关游戏。但其本质是“剥削的糖衣”：所谓“升级奖励”实为阶梯式压价（高级骑手单价更低但接单权重更高），所谓“排行榜”实为制造内部竞争（前10名骑手承担60%超时单）。当算法用游戏逻辑消解劳动尊严，骑手便陷入“越努力越被困”的悖论——为保级疯狂接单，却因疲劳导致差评，进而被迫接更多低价单弥补损失。这三重机制共同作用，使外卖劳动从“体力付出”蜕变为“时间透支+情绪管理+心理博弈”的复合型高压实践，其不稳定性远超传统零工经济。
—
### 五、批评与局限：当学术洞察撞上商业现实的硬墙
必须清醒指出，孙萍研究虽具开创性，但其结论在落地转化中面临三重结构性张力。**第一，方法论的“深度”与“广度”矛盾**。45人的样本虽保证了民族志厚度，但难以覆盖地域差异（如三四线城市骑手更依赖熟人网络而非算法）、平台差异（美团重规模、饿了么重品质）及业态差异（生鲜即时配 vs 餐饮外卖）。后续研究亟需结合大规模问卷与跨平台对比实验。
**第二，劳动者能动性的浪漫化风险**。研究强调骑手的策略智慧，但可能弱化其结构性弱势：92%的骑手无劳动合同，87%未缴纳工伤保险，当“劳动算法”失效（如系统误判超时），他们缺乏制度性申诉渠道。所谓“有机算法”，本质是弱势者在制度真空下的生存智慧，而非真正的权力对等。
**第三，平台回应的滞后性与功利性**。尽管研究2019年发表，但直到2021年美团才上线“预计送达时间弹性区间”，2022年饿了么才试点“超时免责申诉通道”。这些改进常被包装为“技术进步”，却回避了核心问题：算法决策权是否应向劳动者开放？骑手能否参与ETA模型训练数据的标注？当平台将“骑手体验”纳入KPI，是否意味着要牺牲部分用户时效？这些治理难题，远非技术迭代所能解决。对政策制定者而言，本研究的价值恰在于戳破“算法中立”幻象——它揭示出：所有算法都是特定价值排序的结果，而当前平台算法的价值序列中，“资本回报率”仍显著高于“劳动者尊严”。
—
### 六、实操启示：给供应链从业者的6条可落地方案
基于孙萍研究的深层洞见，我们为不同角色提炼出可立即行动的策略：
**▶ 供应链管理者**：立即启动“算法影响评估”（Algorithmic Impact Assessment, AIA），在每次算法升级前，邀请一线骑手代表参与压力测试，重点评估新规则对“时间冗余度”“情感负荷”“应急容错空间”的影响。将“骑手异常行为率”（如集中取消率、申诉率）设为算法健康度核心指标，而非仅关注“准时率”。
**▶ 平台运营者**：重构激励体系，将“情感劳动价值”显性化——设立“优质服务积分”，允许骑手用积分兑换带薪休假或心理咨询服务；开发“协作接单”功能，让骑手可自主组队承接大单，将内部竞争转化为协同网络。
**▶ 政策制定者**：推动《平台用工算法监管条例》立法，强制要求平台公开核心算法逻辑（非源代码，而是决策原则），建立骑手算法伦理委员会，赋予其对重大算法变更的否决建议权。
**▶ 技术开发者**：放弃“完美预测”执念，转向“韧性设计”——在ETA模型中嵌入动态安全缓冲系数（如根据天气、路段历史事故率自动加时），将“系统可解释性”作为算法验收硬指标。
**▶ 学术研究者**：开展跨平台、跨业态的纵向追踪研究，重点关注算法进化与劳动者策略的“军备竞赛”关系，避免将某一时刻的策略固化为永恒真理。
**▶ 行业协会**：牵头制定《外卖骑手数字权益公约》，明确算法问责边界（如系统误判导致的超时，平台须承担首赔责任），推动商业保险与社保衔接机制。
归根结底，孙萍研究给予我们最珍贵的启示是：**算法治理的终极目标，不是让系统更“聪明”，而是让劳动更有“尊严”；不是消除不确定性，而是为不确定性预留人性化的缓冲带**。当供应链进入深度数字化阶段，真正的竞争力，将越来越取决于我们如何平衡代码的精确性与生命的复杂性——因为再先进的算法，也无法替代一个疲惫骑手在暴雨中递出热餐时，那句真诚的“祝您用餐愉快”。
—
**论文引用信息**：
Sun, P. (2019). Your order, their labor: An exploration of algorithms and laboring on food delivery platforms in China. *Chinese Journal of Communication*, 12(3), 320–336. https://doi.org/10.1080/17544750.2019.1583676
（全文约3850字）
*本文由SCI.AI学术传播中心编译解读，面向供应链数字化实践者提供深度学术转化服务。转载请注明作者与出处。*
