數據成為資本：數據化、積累與提取*

賈森·多夫斯基/文 楊嶸均 程 琳/譯

在資本主義現代社會中，數據已經成為諸多部門不可或缺的核心要素。科技、基礎設施、金融、制造、保險以及能源等產業如今將數據視為資本。數據不再只是科學家關注的對象，也不再是某些活動的副產品。不久以前，很多公司忽略數據的重要性，認為為儲存數據付費并非一項合理投資。而現如今，各個公司都在竭盡所能收集盡可能多的數據。對于日益被卷入“數據經濟”或“數字經濟”的公司而言，因存儲成本過高而將數據刪除無異于因小失大。盡管數據不等同于利潤，但兩者擁有相似的內部邏輯。眾所周知，企業有著逐利的天性，當下同樣為數據所驅動。質言之，積累數據這一動力，同樣推動了企業經營、管理方式的創新。數據已經成為影響企業重大決策的關鍵因素。如亞馬遜以137 億美元的價格收購全食超市，政府投資城市傳感器網絡。事實上，正如《經濟學人》所言：“如今，通用電氣、西門子等工業巨頭將自己視為數據公司進行營銷。”簡言之，數據以及數據積累已經成為21 世紀政治經濟的核心議題。“數據即資本”這一邏輯范式，正影響并改變著眾多領域及部門。得益于物聯網、在線平臺以及數據分析等技術的進步，“數字產品以及數字化服務”等數字經濟的要素正在快速發展。從“智能家居”到“智慧城市”，從金融到治理，從生產到分配，從消費終端到企業系統等領域，數據都是資本的一種形式。1Rob Kitchin, The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences, London: Sage,2014.離開數據，這些技術和組織無法正常運作，更無法生產價值。

因此，本文將數據視為資本的一種形式，通過分析數據的資本化，以期推動現代資本主義社會的數據研究。從社會、政治和經濟層面研究數據的現有文獻將數據視為一種商品。學術界和媒體往往將這一分析框架作為一個既定事實。然而，正如本文即將闡釋的，數據并非商品，資本與商品之間的差異亟需厘清。將數據視為資本的一種形式可以幫助分析數字資本主義的本質及發展動力。與其將數據收集視為生產和獲得商品（以實現貨幣價值為目的）的途徑，不如說數據化形成了一種政治經濟制度的雛形，它由資本永無止境積累的流通邏輯驅使。將數據視為資本，揭示了從數據中獲取價值的必要性，同時也強調了規范提取數據的重要性。

一、數據驅動的資本主義

當今學界有許多概念用于表述數據與資本主義之間存在的政治、經濟關系，如“監控資本主義”（surveillance capitalism）、“信息資本主義”（informational capitalism）、“傳播資本主義”（communicative capitalism）、“平臺資本主義”（platform capitalism）。這些概念內涵各異，卻擁有共同的主題以及相近的結論。本文立論于以數據為研究對象的批判政治經濟學文獻中存在的三個普遍共識：（1）數據自身存在價值，并且能夠創造價值；（2）數據收集對企業和政府的行為方式有著廣泛影響；（3）數據系統中充斥不平等、攫取以及剝削等現象。

福爾卡德·馬里恩（Fourcade Marion）和凱伊冉·希利（Kieran Healy）指出，“現代組織”由“對數據的需求”所驅動，這些組織會想方設法收集一切可以收集的數據。2Fourcade M and Healy K, Classification Situations: Life-chances in the Neoliberal Era, Accounting, Organizations and Society, vol. 38, 2013, pp. 559-572.人們日常活動產生的數據一概被納入數據收集的范圍以供進一步儲存研究。對數據的迫切需求使組織在被動收集數據的同時主動創造數據。這意味著要將人、地點、過程、事物以及它們之間的關系全面數據化，并進行監控。思科（Cisco）公司便是建成上述“萬物互聯”系統的公司之一。IBM 同樣指出：“當今的一切皆由數據構成。”

用一切皆為數據的觀點來看待世界意味著什么？這不單是對世界本質的中立觀察。此類論述在揭示或反映世界的同時構建了世界。通過修辭學上的操作，這些觀點改變了人們理解世界以及與世界互動的方式，并賦予那些擁有數據資本的人以權威地位，在創造積累和使用數據背景的同時形成了影響行為的驅動邏輯。這些觀點體現了權力/知識關系：認識世界就是行使權力，行使權力就是認識世界，就是考察世界的特征和特點，將世界分類并加以規范，使其清晰可辨，從而排除其他認識世界的指標和方法。1Bowker G C and Star S, Sorting Things Out: Classification and Its Consequences, Cambridge: MIT Press, 2000.

相較于“數據挖掘”這一誤導性的形容說法，“數據制造”更為貼切。數據不同于原油、原礦，不會在那兒等待被發現。2Gitelman L (ed.), Raw Data’ is an Oxymoron, Cambridge: MIT Press, 2013.數據是人類利用技術創造的有關世界的抽象記錄。將數據作為隨處可見、無償可得的自然資源，這種分析框架強化了數據積累的制度。大型工業制造商西門子2014年發布的一段視頻說明了掌握數據的必要性：“我們生活在一個充斥著數據的世界里，數據的數量以及重要性與日俱增。如何從數據中謀取商業價值成為當下的核心問題。數據無處不在，生生不息。我們需要將數據視為一種資產，并利用它創造價值。”

數據被視為一種普遍物權絕非偶然，現階段，誰能從多種來源提取數據，誰就能攫取巨額利益。事實上，在數據收集過程中存在一個反饋閉環：系統運作依賴于對數據的不斷收集以及處理，同時，這些控制系統又會產生更多數據。3Sadowski J and Pasquale F, The Spectrum of Control: A Social Theory of the Smart City, First Monday, vol. 20, 2015.數據流與權力和利潤的流動相對應。因此，數據化的力量為權力和利潤的生產進行無限儲備，與此同時，普遍性的修辭將一切都納入監控/平臺/數字資本主義的范疇。

將一切轉化為數據的目標以及探索新的數據來源，符合帝國主義的積累模式。簡言之，當資本主義面臨資本積累的危機時，需要找到新價值來源以及新消費品市場。“在新的空間中，舊的積累策略不斷上演，而新的策略總是通過不斷試錯，直至成功找尋超越或取代導致危機的內部矛盾的策略。”4Greene D and Joseph D, The Digital Spatial Fix, Triple C, vol. 13, pp. 223-247.這意味著之前生活中非商品化、非貨幣化的部分會被置于資本主義的邏輯之下，或是成為新的殖民領地，從而被納入到全球資本主義的網絡中，成為數據開采的場地。5Moore J, Capitalism in the Web of Life: Ecology and the Accumulation of Capital, London: Verso Books, 2015.當Facebook 和Google 等技術公司打入印度、非洲市場時，“數據殖民主義”的動態過程得以呈現。這些公司打著提供補貼服務的幌子，將數字時代的邊緣人群連入互聯網，通過開放市場將人們綁定在平臺中，進而通過挖掘數據獲取利潤。這些地區為數據積累提供了新的機會。帝國主義策略在數字時代重演的同時呈現新特征。

數據批判研究表明，從城市和國家的重組，到電力和計算基礎設施的新發展，新興政治經濟體中的數據生產、分配以及使用對整個社會產生廣泛的影響。基于相關文獻，本文試圖回歸并進一步分析數據政治經濟學中的基本問題，即何為數據的經濟形式？如何從數據中獲取價值？數據收集為何至關重要？本文認為，上述問題重構了我們對數據形式及其運動過程的理解。

二、數據資本

世界頂尖軟件公司之一“甲骨文”的大數據戰略家曾指出：“數據實際上是一種可以比肩金融資本的新型資本，它可以用于創造新產品、提供新服務。這絕非隱喻，數據同樣符合教科書對資本的字面定義。”這一論述揭示了政治經濟研究的新轉向，即數據作為資本被創造、收集和流通。上文論述了如何在資本主義的背景下將數據（隱晦或明確地）作為商品進行批判性分析。然而，隨著企業和政府機構開始將數據視為資本，有必要對“數據資本”的特點及其動態發展進行研究。本節將回顧馬克思與皮埃爾·布迪厄（Pierre Bourdieu）的兩種資本理論，并據此分析“數據”。

在《資本論》第一卷中，馬克思認為資本體現了貨幣（M）與商品（C）之間的關系，即貨幣和商品的循環和轉化方式，他將這一過程簡化為兩個通用公式。第一個公式C-M-C 用以表示商品流通：生產者首先出售自己的商品取得貨幣，再用貨幣購買自己所需要的商品。因此，通過這一循環，貨幣能夠實現兩種不同性質東西的轉換（例如，從勞動力轉化為咖啡）。消費的循環由商品的使用價值驅動，當貨幣轉變為商品時，一個消費周期就完成了。

第二個公式M-C-M’代表資本流通：貨幣購買生產資料并雇用勞動力，進行生產，并將生產出來的商品出售換回更多的貨幣。“原預付價值不僅在流通中保存下來，而且在流通中改變了自己的價值量，加上了一個剩余價值，或者說增殖了。正是這種運動使價值轉化為資本。”1譯文引自《馬克思恩格斯文集》（第5 卷），人民出版社，2009年，第176頁。資本的循環由交換價值驅動，這個循環并沒有完成，因為資本需要持續不斷地流通。當貨幣轉化為消費的商品，而再用于投資賺取利潤時，它就不再是資本。除了“貨幣資本”（即投資資金）外，馬克思還區分了兩種用于創造剩余價值的“實際資本”。不可變資本是指以廠房、機器、原材料等生產資料形式存在的資本；可變資本指的是資本家用于購買勞動力的那一部分資本。

布迪厄將經濟資本定義為“能夠直接轉化為貨幣，并能以產權的形式被制度化的資本”。2Bourdieu P, The Forms of Capital, in Richardson J (ed.), Handbook of Theory and Research for the Sociology of Education, Westport, CT: Greenwood, 1986, pp. 241-258.基于馬克思的分析基礎，他又提出了兩種不同于經濟資本的新興資本形式：文化資本和社會資本。在一定的條件下，這兩種資本能夠轉化為經濟資本。究其本質是變相的、潛在的經濟資本。

文化資本對個人地位和成功的影響超越了“人力資本”這一概念，側重于將貨幣投資到教育和技能上。文化資本在一定程度上具有階級意義，往往由家庭投資，并在家庭環境中傳遞。布迪厄將文化資本分為三種類型，即具身化（如性格特征）、客體化（如藝術收藏）以及制度化（大學學位）。在布迪厄看來，社會資本是實際、潛在資源的集合，這些資源或多或少與穩定的熟人關系網絡相關。社會資本由群體接納后獲得，例如通過儀式或通過繼承得到社會資本。當人們在談論“認識某人”或“社交圈”帶來的價值時，就是在談論他們擁有多少社會資本。

在馬克思的基礎上，我們能夠通過在“數據代表何種經濟形式”的辯論中對數據進行兩種常見分析。一方面，數據被視為數字原料，即在商品生產中必需的不變資本。查閱有關數據的文章和商業報告時，不難發現它們被稱為“新石油”。《經濟學人》2017年第一期封面上印有一幅海上石油平臺的插圖，平臺上標注了Facebook、Google 和Uber 等數字平臺的名稱，這些平臺仿佛鉆進了數據的海洋，開采世界上最有價值的資源。另一方面，數據被視為商品，用戶在Facebook 上發帖、在Google 上瀏覽網頁、在Fitbits 鍛煉，都是生產數據的過程。對于數字平臺中的免費服務，一種常見的說法是：“如果你不是顧客，那么你就是商品。”用戶在使用平臺和設備的過程中變成了商品，并以數據的形式賣給廣告商和數據中介，在大眾傳媒時代被稱為“受眾商品”。當今的社交媒介也被稱為“數據替身”。因此，雖然存在過度簡化的風險，但將數據視為原材料以及數字勞動產品這兩種分析方式，能夠被重塑為有關數字經濟中真實資本和商品關系的辯論。

基于布迪厄的理論框架，本文認為數據以資本的形式存在，既區分于經濟資本，又以經濟資本為基礎。數據資本不僅僅是關于世界的知識，更是分散的信息比特，它以數字化的方式記錄，由計算機處理，同時還具備易聚合、高流通的特性。與社會和文化資本相類似，數據資本在某些條件下可以轉變為經濟資本。然而，數據帶來的價值并非都以貨幣形式出現。數據資本在收集、存儲和處理數據的信息基礎設施（智能設備、在線平臺、數據分析服務商、網絡電纜和服務器群）中得以組織化。

數據資本正是憑借這些特征得以流通。因此，正是馬克思描述的資本積累邏輯驅使數據的收集。“作為資本的貨幣的流通本身就是目的，因為只是在這個不斷更新的運動中才有價值的增殖。因此，資本的運動是沒有限度的。”1譯文引自《馬克思恩格斯文集》（第5 卷），人民出版社，2009年，第178頁。正是資本主義的本質特征決定了M-C-M’-CM’’-C-M’’...這一無休止的資本積累。正如甲骨文公司和《麻省理工科技評論》雜志在一份報告指出的，在數字資本主義中，數據并非取代了貨幣，而是“等同于金融資本”。因此，生產必須能夠創造更多數據的商品，同時建立管理數據的基礎設施以實現數據的持續收集與流通。

最終，保持數據資本的循環成為企業發展的內在動力。正如馬克思所言“決不能把使用價值看作資本家的直接目的。他的目的也不是取得一次利潤，而只是謀取利潤的無休止的運動”。1譯文引自《馬克思恩格斯文集》（第5 卷），人民出版社，2009年，第178～179頁。這一邏輯同樣適用于數據，資本家所關心的并非單個數據的使用和收集，而是想要發現不斷創造的數據流，數據收集時并未考慮特定用途足以證明這一點。事實上，先收集數據、后整理數據的做法日益成為企業和政府機構運作的核心。收集到的數據量可能遠超公司想象，也許公司目前沒有足夠能力分析這些數據，但只要日后能用到，那就是有價值的。在2017年初的一場公開演講中，曾就職于Google、百度的人工智能研究員吳恩達（Andrew Ng）闡述了數據積累的普遍邏輯：“各大公司有時推出產品并不單單為了利潤，而是為了收集數據并進一步實現數據的貨幣化。”將數據資本轉化為經濟資本所需的條件可能很苛刻，但這并不能阻止數據積累的流程。

數據資本的形成得益于20 世紀80年代就形成的意識形態以及監管基礎，這一基礎創造了有利于金融資本主義的政治經濟環境。在新自由主義治理下，金融資本超越了國界和地區，存在于跨國空間。2Major A, Neoliberalism and the New International Financial Architecture, Review of International Political Economy,vol.19, no. 4, 2012, pp. 536-561.如今，數據資本同樣如此。瑞典前首相、全球互聯網治理聯盟主席卡爾·比爾特（Carl Bildt）在《金融時報》撰文闡述這一觀點：“阻礙數據自由流動實際上就是在阻礙貿易。”比爾特反駁了歐洲“數字主權”（Digital sovereignty）規則，這一規則要求非歐盟公司將歐盟公民的數據保存在位于歐洲的服務器中。對數據流動的任何限制都會阻礙經濟增長和技術創新。《跨大西洋貿易與投資伙伴關系協定》（TTIP）以及《跨太平洋伙伴關系協定》（TPP）等貿易協議目的就是使各國、各洲之間實現數據的自由流動。3Selby J, Data Localization Laws: Trade Barriers or Legitimate Responses to Cybersecurity Risks, Or Both?International Journal of Law and Information Technology, vol. 25, pp. 213-232.與金融一樣，數據現在被視為經濟增長的引擎。如果金融公司可以自由地將資本從一個國家轉移到另一個國家，那么，科技公司也必須可以自由地在任何地方存儲和銷售數據。這意味著一家公司可以在美國收集個人信息，在中國臺灣存儲數據，然后拿到歐洲銷售。

強調對數據以及數據化的關注并不是為了去金融化，而是為了獲得一種新的價值來源以及資本積累的工具。信息技術與金融的交叉創新由來已久。4MacKenzie D, Material Signals: A Historical Sociology of High-Frequency Trading, American Journal of Sociology,vol. 123, 2018, pp. 1635-1683.華爾街和硅谷非但沒有競爭關系，反而圍繞數據資本成為資本積累和流通的新陣地。

三、從數據資本中獲取價值

收集何種類型的數據以及如何利用這些數據至關重要。上文通過概括性的方式將數據視為資本的一種形式進行分析。數據種類各異，其使用方式也不盡相同，資本也是一樣的道理。同樣，從數據中獲取價值的方式也存在差異。不同行業積累不同類型的數據以滿足各異的動機與目標。公司往往將重點放在“用戶數據”上。例如，從運動app 中收集的關于人們的身體活動、生命體征以及地理位置的數據。其他數據同樣可以榨取價值，如機械設備、交通運輸。雖然對不同類型數據以及如何從中獲取價值進行分析不在本文的研究范圍之內，但是本節將簡要論述數據創造價值的六種主要方式，在未來的研究中需要進一步探究數據資本積累和增殖的方式和原因，尤其是在作為非“技術部門”的公司、政府和組織中如何發生。

1.利用數據生成目標用戶畫像。在數據資本主義中，很多商業模式和服務都基于這樣的價值主張：通過一定的方式，越了解一個人就能獲得更多的利潤或權力。例如，一些公司利用互聯網為用戶提供個性化的廣告獲得收入。數據中介整理數據，創建個人檔案，并將他們歸入細分市場。信用機構對數據進行壓縮，用以分析個人的財務風險和信譽。零售商可以根據客戶特征收取不同的價格。政治顧問對數據進行分析，以判斷誰更容易被某些類型的信息影響。

2.利用數據優化系統。通過分析數據能夠揭示如何消除浪費、促進流程高效。而這意味工業制造商需要在機器設備上安裝傳感器來監測和調整它們的運行。抑或是，市政府采用算法評估如何提供公共服務。上述獲取價值的方式基于泰勒主義，相關研究可以追溯到20 世紀初對工人的“時間與動作研究”。如今，亞馬遜公司將研發的專利腕帶綁在倉庫工人的手上，隨時追蹤工人的手部運動，并在他們工作不力時提供“觸覺反饋”（Haptic Feedback）。

3.利用數據管控事物。此時，數據作為一種數字化、非固定、可供加工的知識形態，體現了權力/知識關系，換言之，個人所掌握的有關事物的數據（知識）越多，越有助于對事物進行管控，從而提取更多數據。具體而言，個人記錄自己的飲食和運動數據，以便調理身體。警察使用具有面部、車牌識別功能的隨身攝像機和無人機。工程師對一個城市的交通模式進行監管，以便在數百萬人的大城市中實現人口自由流動。上述數據為人們決策提供信息的同時也被輸入到自動化系統中以實現實時響應。

4.利用數據建立概率模型。算法分析師一旦掌握了足夠多的數據（涵蓋一段時期內的各種變量），就能夠對未來做出預測。雖然這些“預測”只是概率上的，但不可否認，數據預測工具市場正在不斷興起。例如，警察使用“預測”系統來創建“潛在犯罪人名單”和“危險區域”，對于誰會以及哪里會發生犯罪活動的可能性進行預測。HunchLab 是一種預測性的警用工具，它使用的數據涉及人口密度、人口普查數據、酒吧、教堂、學校以及交通樞紐的位置、主場比賽的時間表，甚至月相等數十種因素。同樣，為了應對可能到來的災情以及預測城市未來發展狀況，城市控制中心也在不斷處理數據流。

5.數據具有建構功能。數字系統以及相關服務建立在數據的基礎上，它們利用現有的數據存儲運行，同時不斷收集新的數據流。隨著服務平臺化以及設備智能化，為了促進數據流通，這些系統也逐步走向數據驅動、互聯互通。例如，如果沒有關于司機和乘客的實時數據，Uber 就無法工作。消費品的升級（如智能家居）和城市環境的改造（如智能城市）都以數據提取和利用為前提。人工智能以及自動駕駛汽車等新興技術的發展也需要種類繁多的數據。

6.數據使資產增值。建筑、基礎設施、車輛和機器等資產會隨著時間推移而貶值。然而，利用收集數據的智能技術對資產進行升級，可以對抗正常的折舊周期。正如金融家斯圖爾特·柯克（Stuart Kirk）所言：“人工智能與物聯網相結合使事物更具適應性和反應性，這有利于延長使用壽命。”智能化的資產不再快速折舊，可以保值甚至增值。換言之，即使價值不增長，數據至少能夠減緩其折舊過程。

四、數據提取

用“收集”“采集”甚至“開采”等詞來指代數據收集時，數據好像作為一種客觀存在物隨時等待被采摘。然而，若從“提取”的角度來分析數據收集的過程，則強調了數據監控的目標人群和數據收集過程的剝削性質。

從世界上提取的大部分有價值的數據資本都與人相關的：身份、信仰、行為以及其他個人信息。正如卡倫·格雷戈里（Karen Gregory）所說的：“大數據由人構成。”這意味著數據積累往往和探測、監控和個人追蹤等侵入性系統相伴相生。1Schneier B, Data and Goliath: The Hidden Battles to Collect Your Data and Control Your World, New York, NY: W.W.Norton ＆ Company, 2015.無論是消費品還是公民基礎設施，數據監控已經整合到城市基礎設施的各個領域。對企業而言，“智能”技術產生價值并非來自消費者購買商品支付的金錢，而是在于用戶使用它的過程（智能技術總是處于感知和記錄模式）。個人使用智能技術的過程中會產生大量數據。政府似乎更需要這些數據：2016年2月，時任美國國家情報總監的詹姆斯·克拉珀（James Clapper）向參議院承認政府機構將物聯網技術作為入侵人們居家生活的手段：“未來，情報部門可能會使用物聯網進行身份識別、監視、監控、位置跟蹤和招募目標，或者獲取網絡和用戶憑證。”

冰箱是日常技術智能化的一個典型例子。除了冷藏食物的功能外，智能冰箱還可以記錄用戶品牌偏好、進食時間、食品的保質期限，并利用這些數據向用戶發送針對性廣告、推薦相關食譜、監測用戶飲食攝入量，并從商店遠程訂購食物。此外，智能冰箱還能被用作為警察遠程訪問提供監控設備。這便是數據積累的邏輯：冰箱成為數據生產、收集和傳輸的工具。越來越多的智能設備被嵌入傳感器、處理器和網絡。布魯斯·斯特林（Bruce Sterling）指出：“物聯網為了利用冰箱調整，監測人們的一舉一動，便以成本價贈送一臺冰箱。”

對基于數據資本的商業模式進行的反擊已經上演。美國家電制造商惠而浦提出貿易投訴，要求美國政府對其韓國競爭對手LG 和三星征收關稅，因為兩公司以低廉的價格銷售智能家電的行為正蠶食惠而浦等公司的市場份額。《紐約客》雜志曾發文指出：“LG 和三星掌握了數據驅動業務中獲勝的訣竅，即盡可能地壓低價格，以建立客戶群，加強數據流，實現長期兌現。”當惠而浦還在通過出售電器來套現時，LG 和三星已經將關注點放在消費者使用電器時產生的數據上。

因此，智能設備承擔了商品與數據制造者的雙重身份。這一邏輯影響了系統的設計，從智能吸塵器將用戶家庭布局數據提供給制造商以供二次利用，到城市規劃中部署的城市管理方法。數據積累促成了技術發展、政府治理與商業模式中的許多關鍵決策。而這正是肖莎娜·祖博夫（Shoshana Zuboff）所說的“監控資本主義”。“積累的邏輯構成了認知并從根本上塑造了技術的可供性，同時也是許多商業模式中約定俗成的背景。它的假設在很大程度上是默許的，因此它塑造可能性領域的力量是無形的。它定義了目標、成敗，決定了測量和傳遞的內容、如何分配和組織資源和人員、誰作為什么樣的角色被評估、應該開展哪些活動以及活動目的。積累的邏輯產生了自己的社會關系，由此創造了自身的概念、權威和以及權力的使用。”1Zuboff S, Big Other: Surveillance Capitalism and The Prospects of An Information Civilization, Journal of Information Technology, vol. 30, 2015, pp. 75-89.

當數據被視為資本的一種形式時，數據收集強化現有積累過程的同時促成一種新的積累實踐。事實上，按照資本主義歷史上其他采掘企業（土地掠奪、資源開采業）的運行邏輯，2Mezzadra S and Neilson B, On the Multiple Frontiers Of Extraction: Excavating Contemporary Capitalism, Cultural Studies, vol. 31, 2017, pp. 185-204.如今的多種數據積累實質上是強化版的數據提取，即數據是在未經數據生產者同意、未對其進行合理補償的前提下提取的。人們尋求用以描述數據（尤其是與人相關的數據）積累過程的術語時往往忽略了一個事實：數據監控背景下獲取相關數據的方式隱蔽而且目的不為人知。3Andrejevic M, The Big Data Divide, International Journal of Communication, vol. 8, 2014, pp. 1673-1689.

傳媒界以及學界對公司誘導性收集數據的做法早已提出質疑。公司對個人數據的記錄、使用或出售，通常是基于與使用所達成的協議。最常見的是具有數字技術特征的終端用戶許可協議（EULA），這一協議，被使用互聯網或軟件的用戶所熟知。終端用戶許可協議要求用戶在使用服務之前，在網站或應用程序的頁面選擇“同意”或“接受”。面對這一不含協商流程的單方協議，用戶只能選擇同意，不然便會被剝奪使用權利。因其普遍適用性，終端用戶許可協議被稱為“標準格式”或“模板合同”。4Zamir E, Contract Law and Theory-Three Views of the Cathedral, University of Chicago Law Review, vol. 81, 2014, pp.2077-2123.因此，在用戶無權提出要求時，很難證明這基于用戶自愿。部分公司偷換條款，要求用戶放棄對其數據的所有權，以掌握數據收集、利用的絕對主權。此外，為了防止部分較真的用戶全盤了解這些條例，最終用戶許可協議被設計成內容冗長、條例密集的文件。研究顯示，每人每天連續閱讀8 小時，需要76 天才能瀏覽完用戶一年內遇到的隱私政策。

相較于“同意”一詞，“默許”用來形容這一過程更為合適。1Pasquale F, The Black Box Society: The Secret Algorithms That Control Money and Information, Cambridge: Harvard University Press, 2015.最終用戶許可協議的真正目的并非為了獲取用戶同意，而是強迫用戶服從。杰倫·拉尼爾（Jaron Lanier）強調：“用戶點同意時并不了解這一行為意味著什么，同意成為抵制公司以外的唯一選擇。”因此，用戶在大多數情況下必須主動出讓數據所有權，這時的同意已經不再是傳統意義上的同意，更不是詳細了解后的知情同意權。未經同意拿走他人物品即為“盜竊”，雖然此處未經許可被提取的是數據，而非物質實體，但其倫理相關性決定了這種行為能夠被定義為“盜竊”。

如何為用戶提供合理的補償是一個棘手的問題，這主要是因為很難為個人數據進行定價。不同類型的數據在不同的企業中價值各異。數據的價值和數據量之間并非簡單遵循線性關系。數據庫的規模越大，多樣化程度越高，可從中提取的有用信息數目越多。因此，單個人的數據難以轉化為經濟資本，但將成百上千，乃至幾百萬人的數據匯總卻能產生巨大的價值。盡管給數據定價很困難，但仍有兩個方面可以判斷補償是否公平合理：（1）為數據生產者提供何種補償？（2）對數據生產者的補償與數據資本家獲得的價值之間的差異？

首先，平臺依靠提供服務對數據生產者進行“補償”。以Facebook 平臺以及Google 搜索引擎等服務為例。公司看似免費提供服務，實際上服務只是對被收集私人數據的用戶的補償。部分人認同此類補償的公平性的同時忽略了一點：此類服務供應商的數量遠不及在用戶不知情的情況下收集、使用和出售個人數據的公司的數量。總而言之，用戶沒有收到任何實際補償的前提下很難保證其公平性。

其次，數據資本的價值不容小覷。世界上的頂尖公司Facebook 和Google，都是建立在數據資本的應用之上。據估計，數據中介領域的年均收入可達2000 億美元。2Crain M, The Limits of Transparency: Data Brokers and Commodification, New Media ＆ Society, vol. 20, no. 1, 2018,pp. 88-104.美國三大信用管理局Experian, Equifax 和 TransUnion 每年收入數十億美元。即使是規模相對較小的數據中介，數據價值與報酬之間的差異也相當驚人。此外，金融、保險和以及制造業為首的相關行業對數據資本的依賴性與日俱增。這些公司從用戶的“數字勞動”中積累了數十億美元的剩余價值3Scholz T, Digital Labor: The Internet as Playground and Factory, New York, NY: Routledge, 2012.而未付任何報酬。這些數據采掘行為，與“資本主義對以前非商品化的私人時間和地點進行殖民時進行的原始積累或剝奪性積累”有著相同的內在邏輯。“剝削”一詞，其指代的是個人出賣勞動或售賣產品未能得到公平的報酬。在此意義上，無償提取用戶數據等同于“剝削”。并非所有的數據提取都遵循相同的內在邏輯。目標用戶身份以及階級差異影響數據提取的方式、內容以及原因。從不同目標群體所提取的數據存在比例差異，有色人種中的低收入群體被政府以及金融機構系統追蹤。1Eubanks V, Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor, New York, NY: St.Martin’s Press, 2018.其他情況下，某些面部識別系統不能準確識別有色人種，因為其面部識別的數據庫主要由白人男性面孔組成。這雖然超出了本文的研究范圍，但是有必要對數據提取的差異過程進行具體分析。這些相關工作應建立在對信息技術的批判性研究之上，此類研究最近出版的一些相關書籍包括：《數字社會學》（Digital Sociologies）2Daniels J, Gregory K and Cottom TM: Digital Sociologies, Bristol: Policy Press.、《交叉互聯網》（The Intersectional Internet）3Noble SU and Tynes BM: The Intersectional Internet: Race, Sex, Class, and Culture Online, Ne w York, NY: Peter Lang Inc.、《程序化不平等》（Programmed Inequality）4Hicks M: Programmed Inequality How Britain Discarded Women Technologists and Lost its Edge in Computing,Cambridge, MA: The MIT Press.、《算法壓迫》（Algorithms of Oppression）5Noble SU: Algorithms of Oppression: How Search Engines Reinforce Racism, New York, NY: NYU Press.、《自動不平等》（Automating Inequality）6Eubanks V: Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor, New York, NY: St.Martin’s Press.。希望本文能為后續研究提供借鑒。

五、結 語

本文將數據視為21 世紀政治經濟學的核心組成部分，分析數據是如何作為資本被收集和流通以及如何像資本一樣被政府與企業利用。基于馬克思和布迪厄的理論，本文認為，數據是根植于經濟資本，卻又與其不同的一種資本形式。永無止境的資本積累運動推動了數據的收集，而數據的收集反過來要求資本構建并依賴一個萬物皆由數據構成的世界。數據的普適性將一切重塑于數據資本主義范疇，各個部門都將受到數據化的影響。將世界設想為擁有無限潛能的數據存儲設備，意味著數據的積累和流通可以永遠持續下去。用盡一切辦法收集盡可能多的數據至關重要，這影響人們在商業模式、政治治理以及技術發展中所做的許多關鍵決策。遵循這一原則，企業在獲取個人數據時往往忽略用戶同意權以及合理補償。本文通過分析監控技術和數據經濟價值的提取，拓寬了以往局限于隱私和安全的批判性研究視野。隱私與安全固然重要，但它們忽略了當代數據政治經濟中特有的不公平和剝削的系統性問題。

此外，將數據收集過程定義為數據提取，有利于在政治和法律層面打擊猖獗的侵犯性數據積累，為數據積累奠定規范性基礎。并對公司可收集數據的種類、收集手段、發送和存儲的位置、公司占有數據的數量（總體以及個人數據）做出規定。同時包括數據所有權和治理的新模式，例如將數據經濟的關鍵部分作為公共基礎設施來管理。《經濟學人》的一篇專題文章建議，政府應該接管部分數據經濟以打破諸如谷歌公司等企業的壟斷。這體現了大數據比肩石油、金融的重要性。因此，需要從政治經濟角度對數據進行進一步批判性思考，并對數據資本主義進行改革與創新。

本文的分析并不意味著政治經濟學的新紀元已經到來。正如硅谷的高管、工程師最愛說的那句話“改變是永恒的，沒有什么是一成不變的”。數據資本主義，作為一種新興資本以及新積累方式的概念化表達，更大程度上代表著研究焦點的轉向。作為過去幾十年社會主流經濟制度之一的金融資本主義，將被數據資本主義取代。正如本文所示，金融化和數據化之間存在著相似的內部邏輯。兩者都對“空間的生產、公司治理、積累制度和日常生活”有著重大影響。1Fields D, Urban Struggles with Financialization, Geography Compass, vol. 11, no. 11, 2017.兩者都試圖通過引入新型資本創造和流通方式（金融工具、信息技術）以實現價值最大化，并利用技術霸權手段以免受監督2Pasquale F, The Black Box Society: The Secret Algorithms that Control Money and Information, Cambridge, MA:Harvard University Press, 2015.，利用政治影響力來規避監管3Roderick L, Discipline and Power in the Digital Age: The Case of the US Consumer Data Broker Industry, Critical Sociology, vol. 40, no. 5, 2014, pp. 729-746.，進行剝削和掠奪性行為。除了上述相似之處，兩種制度之間也有共通之處，例如，信貸機構使用大量的個人以及人口量的數據來創建超個性化的政策和評分，華爾街的交易員使用“高頻交易”算法，實現資本的超高速流通。4Arnoldi J, Computer Algorithms, Market Manipulation and The Institutionalization of High Frequency Trading, Theory,Culture ＆ Society, vol. 33, no. 1, 2016, pp. 29-52.

研究數據資本主義的前沿部門，明確指出金融資本和數據資本之間的聯系。他們并不要求相互取代，相反，他們將金融和數據視為平等并相互促進的資本形式。數據化，就像金融化一樣，是資本主義積累的新領域。相較于金融化，數據化尚處于早期階段，但數據資本家掌握了極大的財富和權力，并且仍在不斷積累。往日用于分析金融資本主義和信息技術的相關理論方法現在需加以整合，用于研究政治經濟學領域中數據化的意義、實踐以及相關影響。