夜雨聆风我有一个朋友，整天在手机上玩某款游戏，有时候一玩就是两三个小时。
他从来不觉得自己在"工作"。他在放松，在打发时间，在享受游戏中的快感。游戏是他的娱乐，是他逃离工作压力的方式。
但我告诉他：你在玩游戏的时候，游戏公司在赚钱。
不只是通过你买的那几个月会员。游戏记录了你的行为：你在哪一关卡住了，你会在几秒内连点消除，你倾向于在什么时间段玩，你在什么情况下会选择付费过关。这些数据被用于优化游戏设计，吸引更多像你这样的用户，延长用户的留存时间，从而提高广告收入。
他有点不爽地问：那我算被剥削了吗？
我说：这是一个好问题。
然后他想了想，说：那我以后要收游戏公司钱。
这当然是玩笑，但背后的直觉很正确：如果我的行为在为某个资本主体创造价值，为什么我没有得到相应的报酬？
这就是今天要讨论的问题：数字劳动的边界在哪里？什么算劳动，什么不算？
一、为什么数字劳动的边界是个难题？
在工业时代，"劳动"的边界相对清晰：你进工厂，换上工作服，在规定时间内操作机器——这是劳动。你下班回家，吃饭、睡觉、陪孩子——这不是劳动。边界在工厂大门处。
数字时代，这个边界消失了。
当你在抖音上刷视频，你在"娱乐"，但你的观看行为在为平台产生数据价值。当你在大众点评上写评论，你在"分享体验"，但你的评论成了平台吸引其他用户的内容资产。当你用微信给朋友发消息，你在"社交"，但你的社交网络关系图谱被平台掌握，用于推荐和广告定向。
你在"生活"，平台在"收割"。
这使得很多理论家——特别是意大利自治主义马克思主义流派（Autonomist Marxism），以及后来的数字劳动研究者——提出了一个激进的命题：在数字时代，生活本身就是劳动。用户存在的每一刻，都在为平台创造价值。
这个命题很有冲击力，但我认为它走得太远了。它的问题是：如果一切都是劳动，那"劳动"这个概念就失去了分析效力。一个能解释一切的概念，往往不能精确分析任何事情。
我们需要一个更精确的框架。
二、分层劳动论：三种数字劳动的类型学
我在前一篇提到了"分层劳动论"，这里来正式展开。
分层劳动论将数字劳动区分为三种类型，每种类型有不同的劳动性质、剥削强度和可见度。
第一层：直接数字劳动
定义：有明确雇佣关系或计件关系，直接受资本雇用，在数字平台或AI产业链中从事有偿劳动。
典型案例：
AI数据标注工（按条计件，受雇于标注外包公司） 平台审核员（内容安全审核，受雇于平台或其外包商） 远程程序员（跨国软件外包，受雇于数字企业） 平台客服（聊天机器人维护和人工补充） 游戏测试员、本地化翻译员
这是最接近传统劳动定义的类型。劳动关系明确，时间可计算，剥削逻辑最直接——劳动者创造的价值超过工资，超出部分被资本占有。这和19世纪工厂工人的剥削逻辑没有本质区别，只是"工厂"变成了"平台"，"机器"变成了"算法"。
第二层：间接数字劳动
定义：没有明确雇佣关系，但依附于平台从事劳动，劳动成果被平台部分占有。
典型案例：
自媒体创作者（在微信公众号、抖音、YouTube等平台创作内容） 独立开发者（在App Store、Google Play发布应用，缴纳佣金） 电商小卖家（在淘宝、拼多多、Amazon开店，支付佣金和广告费） 网约车和外卖骑手（在平台接单，支付抽成） 远程自由接单者（在Upwork、猪八戒等平台接项目）
这种劳动的特点是形式自由、实质被剥削。自媒体作者在法律上"自由"地创作，没有人强迫他。但他的创作依附于平台算法——平台决定流量分配，决定变现比例，决定账号能否存续。骑手"自由"地接单，但算法决定他的收入上限和超时惩罚。
他们的劳动价值中有一部分被平台通过抽成、广告分成、数据占有的方式无偿占有——这是剥削，即使劳动关系是模糊的。
第三层：数据化生存劳动
定义：普通用户在日常数字生活中无意识产生的、被平台无偿占有并利用的行为数据。
典型案例：
在社交媒体上点赞、评论、浏览 在地图应用上导航（产生交通流量数据） 在购物平台上搜索、浏览商品 使用搜索引擎的查询行为 刷短视频时的停留时长、跳过时间、回放次数
这种"劳动"是最具争议的。说它是劳动，因为它确实在为平台创造有价值的数据——这些数据被用于训练推荐算法，最终转化为广告收入。说它不是劳动，因为这些行为是用户"为了满足自己的需要"而自然发生的，没有劳动意图，没有劳动条件，没有可以计算的劳动时间。
我的立场是：第三层是劳动价值链的末端，而不是核心。它不是"生活即劳动"那种泛化论断，而是：用户行为数据是平台价值创造的原材料，但原材料不等于劳动。采矿工人采出的矿石是劳动成果，矿石本身不是劳动——矿石需要经过冶炼、加工才能变成有价值的产品。同样，用户行为数据需要经过算法处理、工程师开发、数据科学家分析，才能转化为平台的广告收入。
这不是说第三层不重要。恰恰相反，没有这层数据，平台一无所有。但把第三层称为"劳动"会造成分析混乱，让本来可以精确分析的东西变得模糊。
三、边界测试：几个难以归类的案例
分层框架建立了，但现实是混乱的，有很多案例难以整齐地放入某一层。让我们来做几个边界测试。
案例一：玩游戏
我的朋友每天玩两小时消除游戏，他的行为数据被游戏公司利用。算哪层？
如果他是普通用户，主要在第三层——他是数据的提供者，但不是主动劳动者。
但如果他参与了游戏公司的"用户测试"项目，或者他在游戏里产出的攻略内容被游戏公司放到官方网站上——那就滑向第二层了。
如果他受雇于游戏测试公司，每天玩游戏是为了发现bug——他在第一层。
同样是"玩游戏"，可以跨越三个层次，区别在于劳动关系的明确程度和劳动成果的归属。
案例二：微博大V
一个微博大V，有500万粉丝，每天发内容。微博通过他的内容吸引用户，通过这些用户的流量获得广告收入。他本人也能通过品牌合作和广告赚钱，但平台赚得更多。
他算哪层？
直觉上他接近第二层，但也有第一层的要素——他和平台之间有某种非正式的"内容供应"关系，他的劳动成果（内容）是平台价值的重要来源，他的存在对平台有明显的直接价值。
问题是：他的内容被平台用于训练算法推荐系统时，他算哪层？他不知道，也没有参与讨论，也没有获得额外报酬。这个时候，他又滑向了第三层。
所以一个人可以同时存在于多个层次。这是数字劳动的复杂性，也是传统劳动分析框架不容易处理的地方。
案例三：Wikipedia编辑
维基百科志愿者花时间写条目、纠正错误、维护词条质量——这是无偿劳动，完全是"自愿"的。但他们的劳动成果（文章）被用于训练GPT-4等商业大模型，这些模型向全世界收费使用。
他们算哪层？
他们原本是"知识社区参与者"，不在任何劳动层次里——因为Wikipedia本身是非营利的，他们的劳动成果不被资本占有（由维基媒体基金会管理，对所有人免费开放）。
但当他们的内容被商业公司无偿用于训练模型时，他们的死劳动被私有化了。这时候，他们的历史劳动（死劳动）被强行纳入了AI资本的生产过程，成了AI剩余价值的来源之一。
这是分层框架的一个盲点：框架分析的是"当前劳动关系"，但AI的数据积累往往是在历史上无偿发生的，当这些历史劳动被重新利用时，劳动者已经无法主张任何权利了。
这个问题在第一卷分析"数据原始积累"时会详细展开。
四、问题的实质：谁在占有，占有了多少？
我们讨论了半天"什么算劳动"，但这个讨论的最终目的不是给劳动下定义，而是为了追问：谁在占有他人劳动的成果，占有了多少，这种占有合理吗？
让我们从这个角度重新看三个层次：
第一层直接数字劳动的占有：最清晰。标注工时薪2美元，OpenAI靠他们训练的模型估值800亿美元。大量剩余价值被无偿占有。
第二层间接数字劳动的占有：需要算账。以YouTube为例：YouTube和创作者的广告分成比例是45%（YouTube）:55%（创作者）。看起来创作者拿大头，公平吗？但YouTube同时用创作者的内容吸引了20亿月活用户，这些用户的数据价值、这些用户在平台上花费的时间的广告价值，只有极小部分回馈给了创作者。平台的数据资产价值，是在所有创作者内容的基础上建立的，这部分价值从未被计入分成。
第三层数据化生存劳动的占有：最难量化，但不可忽视。Meta（Facebook）2022年广告收入1166亿美元。这笔收入，是在29亿用户每天贡献行为数据的基础上产生的。每个用户每年被"榨取"的广告价值约40美元，而他们从Meta获得的直接报酬：零。
五、"消费者剩余"的反驳与回应
讨论到这里，必然有人要提一个反驳：用户从Facebook、Google、抖音这些平台获得了免费服务，这不就是补偿吗？用户的数据换取了平台的服务，这是公平交易。
这个论点有一定的表面合理性，在主流经济学里叫做"消费者剩余"——用户从免费服务中获得了大于零的效用，所以交易对他们有利。
我的回应是三点：
第一，信息不对等使"自愿交换"成为虚假前提。一个真正公平的交换，要求双方都知道自己在交换什么。用户点击"同意服务条款"时，他们根本不知道自己的数据会被如何使用——用于什么训练，卖给哪些第三方，如何影响他们的信贷评分和保险费率。在信息严重不对等的情况下，"自愿同意"接近于胁迫同意——平台是"要么同意要么没有服务"。
第二，"免费服务"的成本实际上由用户承担。当你用Google搜索时，你没有付钱，但你的注意力被广告商购买了。更根本的是：你的行为数据被用于优化算法，这些算法反过来被用于更精准地操控你的注意力和消费行为——你在用自己的注意力和行为主权，"支付"了这个"免费服务"。这不是零成本，只是成本被隐藏了。
第三，消费者剩余的分析遮蔽了权力关系。即使我们承认用户从免费服务中获得了正效用，这也不回答一个政治问题：一家公司是否有权垄断人类的通信基础设施，靠出售用户数据获取暴利，同时不向用户支付任何分成？Facebook和Google的超高利润率（Meta的净利润率长期超过35%），是建立在用户数据这个"免费"生产资料上的。消费者剩余分析看到了用户"得到"的服务价值，但看不到用户"付出"的数据价值和平台"占有"的剩余价值。
六、分层框架的实践意义
好，这套分层框架有什么用？
用处一：让不同数字劳动者知道自己的位置。
一个骑手，他在第二层，他的劳动关系虽然模糊，但他的剥削是非常具体的——算法抽成、超时惩罚。他可以用这个框架理解自己的处境，知道"不是我不努力，而是算法设计本身就是为了最大化平台利润"。
一个自媒体创作者，他也在第二层，他可以用这个框架理解：为什么自己"努力创作"但总是感觉在为平台打工——因为他确实在为平台打工，只是劳动关系被"自由创业"的话语遮蔽了。
一个普通用户，他在第三层，他需要知道：他的数据不是"免费换取服务"，而是被平台作为生产资料使用。他是数字资本价值链的最末端，但不是局外人。
用处二：为集体行动提供理论依据。
骑手可以说：我们是第二层数字劳动者，算法系统对我们实施了不公平的剥削，我们要求改变算法设计的透明度和申诉机制。
创作者可以说：我们是第二层数字劳动者，平台靠我们的内容建立了数据资产，我们要求在这些数据资产的未来使用中获得相应分成——这不是"要求特权"，而是"要求我们的劳动获得应有回报"。
标注工可以说：我们是第一层数字劳动者，我们的工资不足以反映我们劳动对模型价值的贡献，我们要求更公平的报酬和劳动保护。
用处三：为政策制定提供概念工具。
当欧盟讨论数字劳动者权利立法时，需要区分哪些人应该享有正式劳工保护（第一层）、哪些人需要特殊的"平台劳工权利"（第二层）、哪些人需要数据权利保护（第三层）。这不是一个标准答案适合所有人的问题，不同层次需要不同的政策工具。
七、小结：导论第一章的逻辑
让我们用三篇的内容做一个小总结。
导论1-1：马克思劳动价值论的三个核心命题在AI时代依然有效。AI生成物里有大量过去的人类劳动（死劳动），不是"AI自己创造的"。质疑劳动价值论的三个挑战，实质上都指向了"直接劳动的隐匿"，而不是"劳动的消失"。
导论1-2：AI模型是史无前例的死劳动积累体，而且这种积累是通过无偿占有大量人类过去劳动成果实现的——这是AI时代的"数据原始积累"。标注工是这个链条最底层的活劳动者，他们亲手训练了替代自己和他人的系统。
导论1-3：数字劳动存在三个层次，剥削强度和可见度递减，但都是AI时代价值创造链的组成部分。分层框架不是为了把一切都称为"劳动"，而是为了精确分析不同层次劳动者的处境，以及资本对他们劳动成果的占有方式。
导论第一章的核心结论：马克思劳动价值论不只是在AI时代"还能用"——它是理解AI时代资本剥削的必要框架。AI没有消灭劳动，它把劳动重新组织了，把剥削重新包装了，把死劳动的积累提升到了历史上前所未有的规模。
下一章，我们将把视角从"劳动"转向"历史"——数字资本主义是怎么一步步走到今天这个样子的？
【文献注释】
本篇主要参考来源：
Christian Fuchs《数字劳动与卡尔·马克思》〔数字劳动类〕——Fuchs关于"数字劳动"定义和范围的系统论述是本书分层劳动论的主要对话对象。Fuchs倾向于采用更宽泛的数字劳动定义，本书的分层框架是在对Fuchs过度宽泛化的批评性回应基础上建立的。
菲尔·琼斯《后工作时代：平台资本主义时代的劳动力》〔数字劳动类〕——对零工经济和平台劳工的系统分析，是本书第二层间接数字劳动分析的重要参照。琼斯对"自由职业"与"被剥削零工"之间边界的讨论特别有价值。
Nick Srnicek《平台资本主义》第二章"平台的类型"〔平台批判类〕——Srnicek对不同类型平台商业模式的类型学分析，帮助理解不同层次数字劳动在不同平台生态中的具体位置。
黄再胜《数字劳动的政治经济学研究》〔数字劳动类〕——中文学术界对数字劳动政治经济学的系统梳理，对本书的概念框架有参照价值。
延伸阅读： 推荐阅读Ursula Huws《数字资本主义中的劳动》（Labour in Contemporary Capitalism），她对"生产性劳动"与"非生产性劳动"的数字时代再定义，是本书分层框架的重要理论资源之一。
【读者问答专栏】
Q1：你说的分层框架，第一层和第二层的区别是"有没有明确雇佣关系"。但外卖骑手和平台之间明明签了合同啊，为什么算第二层而不是第一层？
A：这是一个很好的法律与经济学边界问题。
外卖骑手和平台签的合同，通常是"合作协议"而不是"劳动合同"——平台把骑手定义为"个体工商户"或"自由合作者"，不是"雇员"。这在法律上避免了平台对骑手的雇主责任（社保、最低工资保障、工伤赔偿等）。
从法律形式上看，骑手是"自主经营者"。从经济实质上看，他们的劳动完全依附于平台——没有其他买家可以购买他们的"外卖服务"，他们的收入、工作节奏、任务量全部由平台算法决定。
这就是我说的"形式自由、实质被剥削"。分层框架判断的是经济实质，不是法律形式。法律形式恰恰是平台精心设计来掩盖经济实质的工具。
欧盟已经开始用立法来应对这个问题——2024年欧盟通过的《平台工作指令》，确立了一个"推定雇佣"原则：除非平台能证明骑手是真正独立的，否则推定他们是受雇员工，享有雇员保护。这是用法律重新对齐"法律形式"与"经济实质"。
Q2：你说第三层数据化生存劳动不算"核心劳动形态"，但是平台的整个商业模式都建立在用户数据上，没有第三层平台根本活不下去，这怎么叫"不核心"？
A：你说的是对的，我需要澄清"不核心"的含义。
我说第三层"不是核心劳动形态"，意思是：第三层用户行为更接近于生产原材料，而不是直接创造价值的劳动。就像矿石对于制造业很重要，但采矿工人比矿石更接近"核心劳动"的概念——因为矿工有劳动意图、劳动关系、可计量的劳动时间，而矿石本身只是材料。
第三层用户的行为数据确实是平台价值创造的必要条件，就像矿石是制造业的必要条件。但"必要条件"不等于"劳动"。
当然，我承认这个边界是有争议的，而且"必要条件"和"劳动"之间的界限在某些情况下会变得模糊。这是一个开放的理论问题，不同学者有不同立场，本书选择了一个较为保守的划分，以保持概念的分析精度。
如果你倾向于把第三层也纳入"劳动"的范畴，完全合理——但你需要同时说明：这种"劳动"与第一、二层劳动的区别在哪里，因为这个区别在讨论政策和集体行动时是有实际意义的。
Q3：读完这三篇，我感觉马克思说的东西在AI时代确实还挺有用，但马克思毕竟是19世纪的人，AI时代有很多他完全没预见到的东西，我们有没有办法超越马克思，建立一个更完整的新框架？
A：这个问题是这本书整体尝试在做的事情，所以我没办法在这里给出完整答案——那是接下来270多篇的内容。
但我想说一点方法论上的看法："超越"和"放弃"是两件不同的事。
马克思的框架里有一些"底层逻辑"是高度稳健的——劳动创造价值，剩余价值被资本占有，资本趋向垄断，积累趋向集中，这些逻辑没有因为技术形式的改变而失效。
但马克思的框架里也有一些判断和概念是时代性的、需要更新的——他没有分析"信息商品"，没有预见到"平台经济"，没有处理"数字异化"的问题。这些地方需要我们用新的概念工具来填充和扩展。
所以这本书的方法是："以马克思为骨架，以当代理论为血肉"——保留最稳健的底层逻辑，在需要更新的地方引入新的概念（数据地租、算法资本、数字拜物教、监视剩余价值等）。
这不是"超越马克思"，而是继续马克思的工作——就像马克思继续了亚当·斯密和大卫·李嘉图的工作，但不是简单地"接受"他们，而是在批判性继承中推进。
下一章，我们从劳动价值论的讨论转向历史叙事：数字资本主义是怎么一步步发展到今天的？
【下篇预告】
导论第一章到此结束，感谢三篇一路陪伴。
导论第二章第一篇（导论2-1）：互联网商业化与数字资本的"原始积累"（1995-2008）。我们要讲的是：Facebook是怎么把哈佛宿舍里的花名册，变成后来改变美国大选的数据武器的？以及，这和19世纪英国地主的"圈地运动"，在逻辑上有多相似？
