1. 马克思劳动价值论的核心框架与平台经济延展
马克思的劳动价值论揭示了资本主义剥削的本质逻辑。在平台经济中，数字技术的介入并未消解资本对剩余价值的追逐，而是通过数据垄断、算法控制等新型手段深化了剥削机制。本章以劳动价值论为框架，结合平台资本主义理论，剖析数字劳动剥削的现代形态及其根源。
1.1. 马克思劳动价值论的核心框架
1.1.1. 劳动是价值的唯一源泉
马克思的劳动价值论是其政治经济学理论的基石，为理解资本主义经济运行提供了重要的理论依据，揭示了资本主义生产方式中劳动价值创造与剥削的内在逻辑。马克思的劳动价值论认为，商品的价值不是由商品的自然属性决定，而是由社会必要劳动时间决定的。社会必要劳动时间是指在现有生产条件下、以社会平均劳动熟练程度和劳动强度生产某种商品所需的时间[1]。只有通过劳动的创造性活动，商品的使用价值和交换价值才能得以体现。因此，劳动不仅是社会财富的基础，也是资本积累的源泉。
1.1.2. 剩余价值与资本剥削的隐蔽性
马克思指出，资本主义生产的本质是剩余价值的生产[1]。剩余价值是工人在劳动过程中创造的超出其自身劳动价值的部分。这一部分价值被资本家无偿占有，是资本积累的基础。通过延长劳动时间、提高劳动强度或引入技术创新，资本家能够不断提高剥削率，进一步巩固其经济地位。
马克思指出，资本主义生产中的剥削并不像封建社会那样显而易见，而是通过工资制度等形式得以掩饰。在工资制下，工人的劳动似乎是通过自由市场交易进行的，但实际上，工资只反映了工人的必要劳动价值，而工人生产的剩余劳动价值则被资本家无偿占有。这种剥削机制被合法化和制度化，使得工人在表面上看不到剥削的本质。
1.2. 劳动价值论在平台经济中的现代重构
1.2.1. 马克思劳动价值论在传统产业中的适用性
马克思在《资本论》中指出，商品的价值由社会必要劳动时间决定，劳动是价值的源泉。这一理论在传统产业中的适用性表现在三个方面：一是体现在劳动形式方面，体现为在传统产业(如农业、制造业)中，商品的生产和价值创造主要依赖于直接的物质劳动投入，这些劳动活动通常是体力劳动，直接作用于自然资源或生产原料的转化，如播种、加工、装配等过程。二是体现在效率竞争方面，社会必要劳动时间的缩短通常通过技术进步来实现。例如，蒸汽机和流水线技术的应用极大提高了生产效率，减少了生产时间并降低了成本，从而提升了整体经济效益。三是体现在劳动分工与资本积累方面，马克思认为，劳动分工是生产力发展的必然结果。随着分工的深化，生产逐渐社会化，但价值分配仍由资本主导，劳动者只能获得与其必要劳动价值相当的报酬，剩余价值则由资本占有。
1.2.2. 数字经济背景下的延展与批判性重构
进入数字经济时代后，劳动价值理论需要回应技术变革和资本形态的演变。以下是对马克思劳动价值论在平台经济下的延展和重构：
(1) 数字劳动的多样性及其价值创造
在数字经济中，劳动形式发生了显著变化。数字劳动包括算法开发、数据标注、内容创作等，这些劳动虽不具物质性，但仍然凝结了社会必要劳动时间。例如，人工智能的训练依赖于大量的标注数据，尽管这些任务是重复性高且技术要求较低的工作，但它们对AI系统的开发至关重要。平台资本通过算法和自动化工具将这些劳动碎片化，使得劳动者无法直观地认知自己的劳动价值，最终通过数据流转的方式将其劳动成果转移到平台方。
(2) 福克斯对“玩乐劳动”剥削性的批判
福克斯(Fuchs, 2014)提出了“玩乐劳动”(playbour)的概念，认为数字平台将用户的休闲活动转化为生产活动，从而获得免费的劳动成果[2]。在这一过程中，用户生成的内容(UGC)被平台收集和商品化，用于精准广告投放和算法优化。然而，用户并未从中获得相应的经济回报。福克斯指出，这一现象通过“自愿参与”的表象掩盖了剥削的本质，延续了马克思所揭示的剩余价值占有逻辑。
(3) 斯尔尼塞克的平台资本主义理论
斯尔尼塞克(Srnicek, 2017)提出，平台资本主义的核心机制是通过数据垄断和网络效应实现资本积累。[3]在这一过程中，平台资本的生产资料不再是传统意义上的工厂和机器，而是数据、算法和平台基础设施。例如，网约车平台通过实时监控司机的行为数据，优化派单算法，从而最大化劳动强度。这一过程体现了“算法泰勒主义”的特点，即资本通过算法对劳动过程进行全面控制，以提高劳动效率和资本回报。
1.3. 数据商品化与剥削争议的回应
关于“数据商品化是否构成剥削”的问题，结合马克思劳动价值论进行分析，得出以下结论：
其一是数据生产的劳动属性：用户数据是通过认知劳动(如浏览、点击、评论等)生成的，这些活动虽然不像传统的体力劳动那样直接影响物质生产，但其同样凝结了社会必要劳动时间。数据生产的劳动性质与社会必要劳动时间直接相关，用户通过日常互动所生成的行为数据，成为平台增值的基础。
其二是剥削的隐蔽性：平台通过“用户协议”将数据所有权私有化，劳动者(即用户)无法分享数据交易的剩余价值，从而形成了“数字圈地运动”。用户的数据被视为平台的私人财产，而劳动者却未能从其中获得应有的回报，这种隐性剥削机制在平台经济中成为普遍现象。
其三是异化的新形态：福克斯指出，数据商品化的过程加剧了劳动者与其劳动成果(即数据)之间的割裂，进一步深化了马克思所描述的劳动异化。平台将数据转化为商品，而劳动者与自己的数据成果之间的联系被切断，导致劳动者的异化加剧。
1.4. 平台资本主义与传统工业资本的异同
Table 1. Platform capitalism versus traditional industrial capital
表1. 平台资本主义与传统工业资本的对比
维度 |
传统工业资本 |
平台资本 |
生产资料 |
工厂、机器、原材料 |
算法、用户数据、数字平台基础设施 |
剥削形式 |
延长工时、提高劳动强度 |
数据提取、算法优化劳动强度 |
劳动控制 |
流水线监督、科层管理 |
算法实时监控、行为数据反馈机制 |
价值实现 |
通过商品销售获取剩余价值 |
通过数据交易、广告和订阅服务获取剩余价值 |
合法性建构 |
工资制度掩盖剥削 |
“灵活性”和“自主性”话语掩盖算法控制 |
平台资本主义与传统工业资本的比较见表1。平台资本主义并未超越马克思所揭示的资本主义剥削逻辑，反而通过技术手段使剥削机制变得更加隐蔽和精准。在传统资本主义中，劳动者通过物质劳动创造价值，而在平台资本主义中，劳动者的数字劳动被转化为数据商品，资本通过数据流转和算法控制实现对劳动者的剥削。尽管表面上看，平台为用户提供了“自由”与“自主性”，但实际上，劳动者在平台的算法控制和数据商品化过程中陷入了更加深刻的异化。数字资本主义通过剥削无形劳动，延续了马克思所描述的资本积累和剩余价值占有逻辑。
2. 平台经济中的数字劳动概述
伴随着信息通讯技术和数字媒体技术的快速发展，以数字经济为主要特征的新经济形态逐渐崛起，并成为我国经济社会的重要组成部分。数字经济不仅对我国经济领域产生了深远影响，还重塑了全球经济发展的动力格局，同时推动社会治理模式发生重大转变。
2.1. 数字劳动的定义与当前中国的研究方向
学者福克斯对数字劳动进行了定义，他认为数字劳动包含信息通信技术行业价值链上涉及的所有种类的劳动，可分为广义和狭义两方面：广义上的数字劳动指通过数字信息的劳动生产过程中涉及资本积累的所有劳动，包含数字文化产业里的其他环节，也包含专业性、利益主导的劳动与非专业性、享乐主导的劳动；狭义上的数字劳动指以数字技术为媒介的受众劳动或玩乐劳动，主要包括人们以互联网为载体而进行的看视频、浏览信息等的消费性娱乐行为或非消费性娱乐行为。相比传统劳动形式，数字劳动具有非物质性、分散性、灵活性及对技术的高度依赖等显著特点。随着互联网、移动互联网及大数据、人工智能等技术的发展，数字劳动在劳动市场中的比重不断增加，成为劳动模式的重要组成部分。具体而言，数字劳动可划分为内容创作类(如短视频制作、直播)、数据处理类(如数据标注、人工智能训练数据生成)和零工经济类(如外卖配送、网约车司机)等类别。
Figure 1. Frequency of keywords in papers related to digital labor
图1. 数字劳动相关论文关键词的频率
Figure 2. Keyword clustering diagram
图2. 关键词聚类图
从图1数字劳动相关论文关键词的频率和图2关键词聚类图这两张图中可以看出，数字劳动是一个多维度的研究领域，涉及经济、技术、社会等多个方面。数字劳动、数据商品、数字经济是当前研究的热点，它们在图中占据了核心位置。通过分析聚类图，可以发现一些较小的聚类，如#8劳动教育、#9劳动，这些可能是未来研究的潜在领域。未来的研究可以进一步探索数字劳动与其他领域的交叉点，如数字劳动与劳动教育、劳动法律等的结合，可以重点关注：制度创新：零工社会保障、算法透明度立法；技术赋权：去中心化工具开发、数据确权技术；社会参与：劳动教育普及、劳动者议价能力提升。
2.2. 数字劳动的特征
与传统劳动相比，数字劳动在劳动三要素、主要形式、劳动损耗以及贡献衡量方式等方面呈现出独特的时代特征。
首先，从劳动三要素来看，数字劳动者可定义为活跃在互联网平台上的所有个体。劳动对象从传统的有形商品转变为数据、信息等非物质资源，劳动资料则以个人电脑、智能手机等移动设备为主。这些变化突破了传统劳动的空间与时间限制，催生出多样化的数字劳动形式，为数字经济注入新的活力。
其次，从劳动主要形式分析，传统劳动依赖有形工具，劳动形式以体力和脑力的重复投入为主，以此实现商品价值的创造。而在数字时代，劳动者更多依托数字技术和平台，通过知识性、创造性劳动实现价值增值。一部分劳动者借助数字基础设施从事网页设计、应用程序开发等专业劳动，推动数字经济发展；另一部分劳动者利用移动设备，通过分发数据、参与平台活动等方式，将日常生活与劳动紧密结合。这种劳动形式强调劳动时间的灵活性与跨场景参与。
第三，从劳动过程中的损耗看，数字劳动更加强调脑力与创意的投入。在生产流程以消费者为核心的转变中，数字劳动者需根据顾客需求定制个性化产品，满足其独特喜好。同时，普通互联网用户也以创作者的身份贡献与自身生活相关的零散数据，自愿参与平台数据商品的生产，尽管许多劳动是无偿的，但却构成了平台价值的重要部分。
最后，从劳动贡献的衡量方式看，传统劳动的价值通常以社会必要劳动时间为基准，复杂劳动与简单劳动之间的转换机制较为清晰。而在数字时代，生产过程融合了数字技术劳动者与普通用户的共同贡献，生产的数字商品或数据价值量普遍较高。然而，由于数据要素所有权理论尚不完善，加之数据要素市场体系建设滞后，数字劳动的真实价值贡献往往被低估，无法准确衡量其在经济发展中的实际作用。
2.3. 平台经济的运行模式
平台经济以互联网为基础，借助数字技术和平台化运营模式将劳动者与消费者连接，通过提供交易中介服务促进劳动与资本的交换及资源流动。平台经济的运行模式可从以下几方面展开。
2.3.1. 平台作为劳动与资本中介
平台经济的核心在于其作为劳动与资本间的中介角色。传统经济中的劳动与资本关系通常以雇佣形式存在，而平台经济通过平台连接劳动者与雇主或消费者，将劳动者转化为独立服务提供者。平台利用算法和数据控制劳动过程，优化任务分配和资源整合，从而提高资本流动的效率。在此模式下，劳动者通过平台提供服务并获得报酬，但劳动过程及收益分配的主导权掌握在平台手中。
2.3.2. 网络效应与数据价值提升
平台经济的繁荣离不开网络效应的强大驱动力。就数字劳动平台而言，其中的用户与劳动者数量越多，网络效应就越显著，进而增强平台的市场影响力和占有率。平台通过收集并分析用户及劳动者行为的数据，能够优化任务分配与服务，提升运营效率。在此过程中，数据成为平台的关键资源，通过挖掘数据的价值，平台实现资本增殖。尽管数字劳动者在数据生成中扮演了重要角色，但数据的所有权及收益最终归平台所有，劳动者无法分享数据价值带来的收益。
3. 数字劳动剥削的表现
3.1. 劳动时间与剥削强度的转变
在《资本论》中，马克思论述资本积累本质时指出，资本积累的直接目的和推动动机，是无休止地榨取剩余劳动，即剩余价值。资本通过延长劳动时间或提高劳动强度，扩大对劳动者剩余劳动的剥夺，使资本增殖成为生产过程的支配目的。其一，在数字劳动领域，平台算法的运作机制加剧了隐性劳动时间的延长，使得劳动者在非工作状态下也被迫“在线待命”，形成了“被动劳动”状态。平台算法通过推送任务、动态调配劳动需求等方式，无形中延长了劳动时间。例如，中国社会科学院孙萍团队通过8年田野调查发现，平台通过“骑士等级”(如普通骑士、神骑士)和“挑战赛”等机制将劳动过程游戏化，使骑手主动“拥抱算法”。这种控制不仅体现在显性的配送时间压缩上，更表现为对隐性劳动时间的占有，这导致：一，在线待命机制。骑手需保持APP实时在线以接收订单推送，即使未接单也需持续关注系统动态。孙萍团队2024年调研显示，骑手日均工作时长超10小时，但其中约30%的时间属于“被动等待”状态(孙萍，2024) [4]。二，动态调度系统。平台通过算法实时调配订单，迫使骑手在非工作时段(如用餐高峰期外)仍需保持待命。例如，美团研究院2025年报告指出，一线城市专送骑手日均跑单时长约7.3小时，但实际在线时长普遍超过12小时(美团研究院，2025) [5]。
其二，剩余劳动的隐形化与劳动价值被遮蔽。马克思指出，剩余劳动是资本积累的基础。然而，在数字经济时代，这一过程变得更加隐蔽。平台借助算法技术，巧妙地将劳动者的辛勤付出转化为看似自然而然的服务功能，从而模糊了劳动与价值之间的明确界限。抖音平台通过用户协议第5.3条将创作者内容的知识产权收归平台所有，算法系统将创意劳动拆解为可量化的流量标签，使广告分成机制建立在劳动者数据化的剩余劳动之上。新榜《2024内容创作者生态报告》显示，平台99%的创作者月均收入不足千元，头部账号的流量垄断与算法黑箱共同构成新型剥削体系(新榜，2024) [6]。
这种技术驱动的剥削机制具有双重隐蔽性：一方面，创作者需持续投入时间优化内容以迎合算法推荐，形成隐性劳动时间的无限延伸；另一方面，平台通过数据拜物教将流量变现过程神秘化，使劳动者误认为收益分配遵循“公平竞争”原则。国家市场监督管理总局2023年政策文件指出，算法规则不透明导致创作者无法有效参与利益分配，形成“数据劳动成果被无偿占有”的新型剥削关系(国家市场监督管理总局，2023) [7]。
3.2. 劳动关系的碎片化
在传统劳动关系中，劳动者与资本家之间往往通过雇佣合同建立较为稳定的劳动关系，但在数字经济下的劳动关系呈现出高度的碎片化。平台通过将劳动者定位为“独立合作者”而非“雇员”，规避了传统劳动法的规制，导致劳动者缺失了劳动保护。因为这种非雇佣状态意味着劳动者无法享有医疗保险、失业保障等基本权益，从而陷入高度的不确定性与风险之中。例如，网约车司机和外卖骑手在劳动过程中若遭遇交通事故，往往需要自行承担责任，而平台则可以以“非雇佣关系”为由推卸法律义务。
此外，数字劳动的“灵活性”引发了双重矛盾。一方面，灵活性使劳动者能够自主选择工作时间和任务，从表面上看似乎增强了自由度；但另一方面，这种灵活性与劳动的不稳定性并存，劳动者的收入高度依赖平台分配的任务数量和时长。这种不稳定性与马克思所述的“预付资本与劳动力雇佣的结构性矛盾”相似——劳动者的劳动被资本自由调用，而劳动者自身却无力决定劳动的价值分配。例如，某头部平台数据显示，内容审核员日均处理超2000条信息，但单条报酬仅0.08~0.12元，劳动价值被压缩至传统雇佣模式的1/5 [8] (红网，2024)。尽管数字劳动解放了体力与机械劳动者，劳动者的自主性却依然被资本逻辑所规训，形成数字监控、算法绩效驱动下的自我剥削与自愿加班现象。此外，“非雇佣制”让数字劳动者处于不稳定的劳动关系边缘，互联网用户也因算法推荐陷入“信息茧房”，主体性逐渐丧失。
3.2.1. 不稳定劳动：脆弱的生存状态
专业雇佣数字劳动者的工作本质与传统雇佣劳动并无根本区别。尽管掌握丰富技能并从事高难度任务，但他们仍需面对资本家对剩余价值的无止境追求。企业通过强化竞争文化刺激员工，员工则以超负荷加班证明价值，导致精神紧绷与精力耗竭。相比之下，数字平台上的零工劳动门槛较低，但缺乏规范的劳动合同，通常不受劳动法保护。他们的收入和工作条件受到平台算法的高度制约。例如外卖员的接单数量与好评积分直接相关，优质订单需高积分抢得，零工因此深陷工作不稳定与未来规划模糊的焦虑中。普通互联网用户则通过日常活动生成数据，为数字平台生产内容。个性化广告依赖用户信息精确定位喜好，优化传播成本。然而，算法“投喂”使用户被动接受信息，在“最优选择”的假象中逐渐丧失主体性，沦为平台算法的被动工具。
3.2.2. 去劳动关系化：资本规训的深化
随着平台经济发展，劳动形态从标准化雇佣向非雇佣零工模式转变，表现出“去劳动关系化”特征。数字零工与平台建立的劳动关系简单灵活，无须人身依附，零工可在多个平台注册身份。这种“去劳动关系化”实质是资本规避法律责任的方式，数字劳动者虽表面摆脱了组织从属，却高度依赖平台提供的资源与技术，无法独立运作。资本通过智能算法掌控劳动过程，使劳动者沉浸于虚假自由的工作环境中，逐步成为数字资本的工具。
3.3. 数字劳动控制的新形态：算法管理
数字平台利用算法技术，开创了一种以数据为核心的新型劳动控制模式。这种模式不同于传统的管理层对劳动者的直接监督，而是通过数据收集、绩效评价等手段实现对劳动过程的全方位监控和剥削。马克思曾批判资本家通过提高劳动强度来增加剩余价值的方式，而在数字经济中，算法剥削则通过劳动评价的数字化转型，将劳动过程中的每一环节数据化、量化。以美团配送体系为例，其“超脑”系统通过出餐准时率、用户评价等12项核心指标实施动态评分(美团官网，2024 [9]，当骑手周均准时率低于80%时触发警告机制，连续低于60%将面临违规扣分及店铺降权。这种算法主导的绩效评价体系使劳动者的收入直接与算法评分挂钩，而算法参数的设定权与解释权完全由平台掌控。
同时，算法管理模式加速了劳动的去主体化。马克思强调，劳动者在资本体系中被异化为“资本积累的工具”。而在数字劳动环境中，这种异化表现得更加极端。劳动者不再是劳动过程的主动参与者，而是被算法规则所牵引的“数字傀儡”。从接单到送餐，再到确认完成，每一步都必须严格遵循算法的指令，劳动者的主观能动性被极大限制。这种劳动管理模式不仅剥夺了劳动者对劳动过程的控制权，还通过算法的隐匿性和不可追责性进一步强化了资本对劳动的控制。
3.4. 价值分配的失衡
在数字经济中，劳动者的报酬与其创造的价值之间存在着巨大的鸿沟。马克思指出，资本剥削的核心在于通过占有剩余价值来实现利润最大化。在平台经济下，劳动者所获得的报酬通常以“服务费”或“佣金”的形式支付，与其实际创造的价值严重不匹配。以即时配送行业为例，骑手单次服务获得的7元收入仅占订单总价值的40%，平台通过动态定价、会员体系等机制截取剩余60%的收益(中国信息通信研究院，2024) [10]。这种分配失衡使劳动者陷入“劳动–资本”的新型矛盾，劳动者实际创造的剩余价值通过算法系统转化为平台资本积累。
更为严重的是，数据价值的垄断使劳动者几乎完全被排除在价值分配体系之外。平台通过收集和分析劳动者产生的数据，将其转化为算法优化、商业决策的基础，从而获得巨大的经济利益。例如，抖音用户日均使用90分钟生成的浏览数据，被用于训练推荐算法并吸引广告投放，但用户未获得任何分成。马克思指出，资本通过技术进步掩盖了劳动价值的来源，在数字经济中，数据作为“新型生产资料”被资本所独占，劳动者则被排除在数据价值的分享之外。这种剥夺不仅是经济层面的不平等，也加剧了社会层面的不公正，劳动者的劳动成果被彻底商品化，而他们却无力改变这种状况。
4. 数字劳动剥削的根源分析：理论脉络与实践逻辑
4.1. 资本逻辑的数字化转世：从圈地运动到数据殖民
马克思在《资本论》第一卷中揭示的资本积累规律，在数字时代演变为哈维(2005) [11]所言的“剥夺性积累”(Accumulation by Dispossession) 2.0版本。平台资本通过“数字圈地运动”重构生产资料占有方式：社交媒体将用户的社交关系、情感表达等“数字公地”，通过用户协议转化为私有数据资产——这种剥夺与18世纪英国圈地运动形成历史互文，只不过土地变为数据，围栏变为算法。亚马逊的AWS云服务占据全球32%市场份额，其本质是将全球用户的计算行为数据圈占为“数字领土”，正如马克思所言：“资本来到世间，从头到脚每个毛孔都滴着血和肮脏的东西”。
平台经济的“轻资产、重控制”模式，印证了马克思对资本统治深化的预判。亚马逊仓库的智能手环不仅记录工人动作轨迹，更通过算法将拣货流程拆解为15秒/件的标准化操作——这种“算法泰勒主义”(Srnicek, 2017)突破了传统车间的物理边界，使资本控制渗透到劳动者的神经肌肉系统。网约车平台的派单算法看似中立，实则通过“最优化”路线设计，将司机的等待时间、行驶路径转化为可计算的剥削参数，形成“数字包身工”式的依附关系。
4.2. 算法霸权的哲学本质：技术无产阶级的精神异化
斯蒂格勒(Bernard Stiegler)的“技术无产阶级”(Technological Proletariat)概念[12]，为理解算法统治提供了哲学维度。外卖平台的算法黑箱不仅规划骑手路径，更通过“动态惩罚机制”(如超时扣款)迫使劳动者进行“自我剥削”。这种控制不同于泰勒制的物理规训，而是通过数据画像实现的精神驯化——骑手在App推送的“跑单英雄榜”中，自愿陷入多劳未必多得的数字陷阱。正如斯蒂格勒在《技术与时间》中警示的：技术不再是工具，而是塑造人类认知的“座架”(Gestell)。
社交媒体的“情感劳动”(Emotional Labor) [13]剥削，将这种异化推向非物质领域。抖音的推荐算法通过“点赞–成瘾”循环，捕获用户的注意力资源，使个体在“创作–反馈”的多巴胺刺激中，不自觉地进行无偿的情感劳动。这种剥削印证了福克斯(Christian Fuchs)的批判：数字劳动将马克思的“劳动异化”扩展至“存在异化”——用户不仅失去劳动成果，更失去对自身情感的支配权[14]。
4.3. 剩余价值的隐形生产：从双重剥削到三重剥夺
数字资本创造了“显性剥削 + 隐性剥削 + 认知剥削”的三重剥削结构：
其一是显性剥削延续传统逻辑，Uber司机的佣金抽成(30%~40%)直接占有必要劳动时间外的剩余价值，正如马克思指出的劳动力价值与劳动创造价值的差额。
其二是隐性剥削通过数据租差实现，Uber的实时交通预测模型估值超200亿美元，但其数据来源是全球1100万司机的行驶轨迹，但并未获任何价值返还。这种数据剥夺印证了哈维的“剥夺性积累”理论：资本通过技术手段，将劳动者的“活劳动”固化为可交易的“死数据”。
其三是认知剥削是数字时代的新形态，亚马逊Mechanical Turk的微任务将复杂劳动拆解为0.01美元/3分钟的“人类智能任务”，不仅剥削劳动时间，更消解了劳动者的认知主体性。这种“去技能化”进程，使斯蒂格勒的“无产阶级化”论断获得新注脚——劳动者不仅失去生产资料，更失去劳动的智性价值。
这种多维剥削的本质，是马克思“劳动与资本对立”规律的数字化显影。当TikTok用户自愿贡献日均90分钟的数字劳动，却因“数字圈地”被排除在价值分配之外时[11]，我们看到的不仅是经济剥削，更是数字时代的“新封建主义”——平台资本如同领主，占有数据封地，而劳动者沦为“数字农奴”[15]，用注意力和创造力换取虚拟的“参与感”。
5. 平台经济劳动剥削的治理路径：分层应对与系统重构
在数字化、智能化浪潮的推动下，平台经济日益成为推动就业结构转型与提升社会服务效率的重要力量。平台劳动者作为新型劳动群体，其就业形式呈现出高度去中心化、临时性与流动性特征。在这一过程中，劳动者的劳动过程被算法全面介入与操控，平台企业凭借技术垄断与规则制定权，通过“按需分配–动态定价–绩效考核”链条实现了新的剩余价值获取方式。然而，这种表面上的“自由接单”与“灵活用工”，掩盖了深层的结构性剥削与制度性不公。在马克思劳动价值理论所揭示的“剩余价值生产机制”视角下，平台劳动并非传统意义上的“自由职业”，而是一种高度数字化、隐性控制化的雇佣劳动新变种。因此，必须从劳动制度重构、数据权利确立与社会保障延伸等多维度出发，构建具有系统性、层次性的应对路径。
5.1. 短期路径：注重劳动者权益的即时回应
5.1.1. 算法透明与劳动强度调控机制的建立
算法是平台运行的“中枢神经”，也是劳动组织的核心机制。平台通过任务推送、绩效评估、行为监控等算法流程，对劳动者形成深度嵌入式的技术控制。这种控制往往不显山露水，却通过“信息不对称–规则隐蔽性–结果不可预测性”三重机制，使劳动者被动接受劳动条件而无从参与平台规则的协商制定。为此，应参照欧盟《数字服务法案》(DSA)第15条关于“高风险平台应披露关键算法逻辑”的制度安排[16]，推动国内平台企业建立“算法可解释性制度”。特别是在订单分配、价格设定、超时判罚、信用评估等核心环节，应设立公开机制，赋予劳动者“知情权、申诉权与拒绝权”，打破算法垄断叙事，缓解劳动过程中的技术异化。
在实践层面，可借鉴浙江省“骑手劳动强度预警系统”试点成果，该系统通过对骑手实时数据进行监测，在高温、暴雨或高强度劳动时段发出预警，推动平台调整调度节奏与接单数量。因此建议进一步提升制度层级，出台国家层面的《平台算法管理规定》，要求平台在算法初始设计阶段嵌入劳动强度约束模型，设定“日均单量上限”“连续工作时长警戒值”等指标，并通过API接口与劳动监察系统互联互通，实现实时监管与动态干预。
5.1.2. 劳动时间管理与应急保障制度的完善
劳动时间是衡量劳动剥削强度的重要指标。平台劳动者由于收入与接单量直接挂钩，往往在“算法激励–订单饥饿–经济压力”三重驱动下长期处于过劳状态。大量研究表明，部分骑手、网约车司机的日均在线时长超过12小时，导致职业病、高发事故频发，严重侵蚀劳动尊严与人身健康。为此，应确立“工时上限 + 休息强制中断”的技术机制，将劳动强度管理嵌入平台系统设计中。例如，可以设定“每日累计在线不得超过12小时”“连续接单不得超过4小时”，并由系统发出强制休息提示乃至自动中断任务匹配，以从源头上遏制“无止境加班”的现象。
同时，应建立覆盖全生命周期的“应急保障体系”。现行政策多集中于试点城市或行业个案，缺乏国家层面的统一设计。建议构建“平台缴费 + 政府引导”的职业伤害保险机制，依据劳动者接单量或收入水平设置缴费基数，实现与传统工伤保险体系的衔接与融合。此外，设立“新就业形态保障基金”，由财政拨款与平台共同出资，专项用于劳动者的临时生活补贴、职业康复支持与技能转型培训，以增强其面对突发风险的抗冲击能力。
5.2. 长期路径：推动制度变革与价值分配结构优化
5.2.1. 数据劳动产权界定与收益共享机制重塑
平台劳动在实质上已经转化为“数据劳动”。每一次订单完成、每一次位置更新、每一次服务评分都被平台记录、分析与利用，成为算法优化与商业决策的核心资源。但劳动者本身却被排除在数据收益链之外，其劳动数据的产权长期处于“无主状态”，导致平台实现数字资本积累的同时，劳动者却无从享有相应回报。
应借鉴欧盟《数据治理法案》中提出的“数据生产者权利”理念[17]，确立平台劳动数据的“共有 + 分配”模式，赋予劳动者在数据生成、流通与变现过程中一定的参与权与收益权。在此基础上，构建“数据红利基金池”，由平台按比例划转部分数据变现收益，结合劳动者订单数、服务质量、数据活跃度等指标发放定期红利，从而初步建立“以数定酬、以劳定权”的分配机制。同时，可利用区块链等分布式账本技术，实现劳动数据确权、留痕与可溯源，为跨平台社会保障、信用记录累积提供制度支撑。
5.2.2. 劳动关系认定机制的法理重构与判例推动
当前我国平台用工多以“非全日制”“个体合作”等形式存在，劳动者难以通过传统劳动法律途径获得“劳动关系”认定，进而导致工伤认定、加班工资、社保缴纳等权利缺位。其根本原因在于现行认定标准高度依赖“人身从属性”与“组织隶属性”这两大判断依据，难以适应算法驱动下平台劳动的新特征。谢增毅指出，传统劳动关系理论的核心“从属性”虽未过时，但需通过实质性考察适应技术变革。[18]因此应借鉴加州AB5法案中“ABC测试”的框架[19]，创新引入“技术控制强度”作为核心认定指标，重点审查平台在任务分配、绩效考核、行为约束等方面的控制程度，以实现对“隐性雇佣”形态的规范化治理。
此外，应推动司法系统主动发布“平台劳动争议典型案例”，明确在算法控制高度集中的情况下，劳动者应视为与平台之间存在事实劳动关系，这一过程不仅是法理标准的重构，更是制度权力在技术语境中的延伸与适应。
5.2.3. 社会保障制度的系统延伸与结构创新
面对平台劳动“高流动、弱组织、轻雇佣”的结构特征，传统以单位为缴费主体、稳定雇佣为前提的社会保障制度已难以为其提供有效覆盖。应从制度层面推动向“个人账户制”转型，确立“权利随人走、记录可转移”的社保新范式。例如，在养老保险方面可实现“多平台累计 + 合并结算”，在医疗保险方面引入“按时段缴费 + 弹性参保”机制，以契合平台劳动者灵活就业的实际状态。在操作层面，政府可通过财政补贴、税收抵扣等方式引导平台企业积极参保，鼓励以平台为单位设立社保协调机构，推动实现公共责任与平台责任的协同共担[20]。
5.3. 制度协同与本土化适配路径
5.3.1. 纵向制度嵌入与横向部门联动
平台劳动治理的复杂性，要求制度设计必须打破单一部门治理格局，构建“中央引导—地方试点—多元参与”的治理架构。在中央层面，应加快推动《平台经济劳动法》《数字劳动保障法》等基础性法律的出台，确立平台用工的基本责任边界、劳动保障底线与算法管理红线。在地方层面，应鼓励探索具有产业特色的治理细则，如深圳可聚焦直播带货劳动者的劳动时长保障机制，上海可试点网约车司机的动态收入披露系统，杭州则可深化算法公开备案机制的试点范围。
此外，应由人社部牵头，联合工信部、市场监管总局、网信办等多部门设立“平台劳动治理联席机制”，明确各部门监管边界与协同流程，实现劳动监察、数据审计、算法审查、反垄断执法等的跨领域整合治理[21]。
5.3.2. 国际经验的批判吸收与本土转化
当前欧美国家在平台劳动治理方面积累了丰富经验，尤其在算法透明、数据权属、工时管理等方面形成了相对成熟的法律制度。如欧盟提出的“数据可用但不可见”原则，旨在确保数据利用的安全合规；美国加州通过AB5法案加强对灵活就业的劳动保护。但在借鉴这些制度时，我国必须坚持“批判吸收–本土转化”的原则，避免机械照搬。例如，在落实欧盟数据治理机制时，应考虑我国平台企业数据体量大、类型复杂的现状，设计适应性更强的数据分级管理机制；在借鉴AB5法案时，应警惕“一刀切”政策导致灵活就业机会缩减的风险，探索以“算法控制强度”分类治理的新思路。
6. 结语
数字劳动剥削是资本主义内在矛盾在平台经济中的延续与深化。本文从马克思劳动价值论出发，揭示了平台资本如何通过算法控制、数据垄断与劳动关系重构，将劳动者的显性与隐性劳动转化为剩余价值。剥削形式不再局限于传统工业资本对体力劳动的压榨，而是以技术中立性为伪装，通过“算法泰勒主义”与“数字圈地运动”实现对认知劳动的多维剥夺。研究进一步表明，劳动者在“灵活就业”表象下，面临主体性消解、劳动成果异化及社会保障缺失的系统性困境。
针对上述问题，本文提出分层治理框架：短期需强化算法透明化与劳动强度监管，遏制过度剥削；长期应推动数据产权制度改革，建立劳动者对数据收益的共享机制，并通过劳动关系认定标准的重构与社会保障体系的创新，打破平台资本的垄断性支配。未来研究需关注算法伦理的规范与跨国治理经验的适配，探索技术赋能与劳动者权益保护的平衡路径。唯有通过制度革新与技术民主化的双向协同，才能破解平台资本主义的剥削桎梏，推动数字经济迈向包容性与可持续性并重的新范式。