数据成为资本：数据化、积累与提取*

贾森·多夫斯基/文 杨嵘均 程 琳/译

在资本主义现代社会中，数据已经成为诸多部门不可或缺的核心要素。科技、基础设施、金融、制造、保险以及能源等产业如今将数据视为资本。数据不再只是科学家关注的对象，也不再是某些活动的副产品。不久以前，很多公司忽略数据的重要性，认为为储存数据付费并非一项合理投资。而现如今，各个公司都在竭尽所能收集尽可能多的数据。对于日益被卷入“数据经济”或“数字经济”的公司而言，因存储成本过高而将数据删除无异于因小失大。尽管数据不等同于利润，但两者拥有相似的内部逻辑。众所周知，企业有着逐利的天性，当下同样为数据所驱动。质言之，积累数据这一动力，同样推动了企业经营、管理方式的创新。数据已经成为影响企业重大决策的关键因素。如亚马逊以137 亿美元的价格收购全食超市，政府投资城市传感器网络。事实上，正如《经济学人》所言：“如今，通用电气、西门子等工业巨头将自己视为数据公司进行营销。”简言之，数据以及数据积累已经成为21 世纪政治经济的核心议题。“数据即资本”这一逻辑范式，正影响并改变着众多领域及部门。得益于物联网、在线平台以及数据分析等技术的进步，“数字产品以及数字化服务”等数字经济的要素正在快速发展。从“智能家居”到“智慧城市”，从金融到治理，从生产到分配，从消费终端到企业系统等领域，数据都是资本的一种形式。1Rob Kitchin, The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences, London: Sage,2014.离开数据，这些技术和组织无法正常运作，更无法生产价值。

因此，本文将数据视为资本的一种形式，通过分析数据的资本化，以期推动现代资本主义社会的数据研究。从社会、政治和经济层面研究数据的现有文献将数据视为一种商品。学术界和媒体往往将这一分析框架作为一个既定事实。然而，正如本文即将阐释的，数据并非商品，资本与商品之间的差异亟需厘清。将数据视为资本的一种形式可以帮助分析数字资本主义的本质及发展动力。与其将数据收集视为生产和获得商品（以实现货币价值为目的）的途径，不如说数据化形成了一种政治经济制度的雏形，它由资本永无止境积累的流通逻辑驱使。将数据视为资本，揭示了从数据中获取价值的必要性，同时也强调了规范提取数据的重要性。

一、数据驱动的资本主义

当今学界有许多概念用于表述数据与资本主义之间存在的政治、经济关系，如“监控资本主义”（surveillance capitalism）、“信息资本主义”（informational capitalism）、“传播资本主义”（communicative capitalism）、“平台资本主义”（platform capitalism）。这些概念内涵各异，却拥有共同的主题以及相近的结论。本文立论于以数据为研究对象的批判政治经济学文献中存在的三个普遍共识：（1）数据自身存在价值，并且能够创造价值；（2）数据收集对企业和政府的行为方式有着广泛影响；（3）数据系统中充斥不平等、攫取以及剥削等现象。

福尔卡德·马里恩（Fourcade Marion）和凯伊冉·希利（Kieran Healy）指出，“现代组织”由“对数据的需求”所驱动，这些组织会想方设法收集一切可以收集的数据。2Fourcade M and Healy K, Classification Situations: Life-chances in the Neoliberal Era, Accounting, Organizations and Society, vol. 38, 2013, pp. 559-572.人们日常活动产生的数据一概被纳入数据收集的范围以供进一步储存研究。对数据的迫切需求使组织在被动收集数据的同时主动创造数据。这意味着要将人、地点、过程、事物以及它们之间的关系全面数据化，并进行监控。思科（Cisco）公司便是建成上述“万物互联”系统的公司之一。IBM 同样指出：“当今的一切皆由数据构成。”

用一切皆为数据的观点来看待世界意味着什么？这不单是对世界本质的中立观察。此类论述在揭示或反映世界的同时构建了世界。通过修辞学上的操作，这些观点改变了人们理解世界以及与世界互动的方式，并赋予那些拥有数据资本的人以权威地位，在创造积累和使用数据背景的同时形成了影响行为的驱动逻辑。这些观点体现了权力/知识关系：认识世界就是行使权力，行使权力就是认识世界，就是考察世界的特征和特点，将世界分类并加以规范，使其清晰可辨，从而排除其他认识世界的指标和方法。1Bowker G C and Star S, Sorting Things Out: Classification and Its Consequences, Cambridge: MIT Press, 2000.

相较于“数据挖掘”这一误导性的形容说法，“数据制造”更为贴切。数据不同于原油、原矿，不会在那儿等待被发现。2Gitelman L (ed.), Raw Data’ is an Oxymoron, Cambridge: MIT Press, 2013.数据是人类利用技术创造的有关世界的抽象记录。将数据作为随处可见、无偿可得的自然资源，这种分析框架强化了数据积累的制度。大型工业制造商西门子2014年发布的一段视频说明了掌握数据的必要性：“我们生活在一个充斥着数据的世界里，数据的数量以及重要性与日俱增。如何从数据中谋取商业价值成为当下的核心问题。数据无处不在，生生不息。我们需要将数据视为一种资产，并利用它创造价值。”

数据被视为一种普遍物权绝非偶然，现阶段，谁能从多种来源提取数据，谁就能攫取巨额利益。事实上，在数据收集过程中存在一个反馈闭环：系统运作依赖于对数据的不断收集以及处理，同时，这些控制系统又会产生更多数据。3Sadowski J and Pasquale F, The Spectrum of Control: A Social Theory of the Smart City, First Monday, vol. 20, 2015.数据流与权力和利润的流动相对应。因此，数据化的力量为权力和利润的生产进行无限储备，与此同时，普遍性的修辞将一切都纳入监控/平台/数字资本主义的范畴。

将一切转化为数据的目标以及探索新的数据来源，符合帝国主义的积累模式。简言之，当资本主义面临资本积累的危机时，需要找到新价值来源以及新消费品市场。“在新的空间中，旧的积累策略不断上演，而新的策略总是通过不断试错，直至成功找寻超越或取代导致危机的内部矛盾的策略。”4Greene D and Joseph D, The Digital Spatial Fix, Triple C, vol. 13, pp. 223-247.这意味着之前生活中非商品化、非货币化的部分会被置于资本主义的逻辑之下，或是成为新的殖民领地，从而被纳入到全球资本主义的网络中，成为数据开采的场地。5Moore J, Capitalism in the Web of Life: Ecology and the Accumulation of Capital, London: Verso Books, 2015.当Facebook 和Google 等技术公司打入印度、非洲市场时，“数据殖民主义”的动态过程得以呈现。这些公司打着提供补贴服务的幌子，将数字时代的边缘人群连入互联网，通过开放市场将人们绑定在平台中，进而通过挖掘数据获取利润。这些地区为数据积累提供了新的机会。帝国主义策略在数字时代重演的同时呈现新特征。

数据批判研究表明，从城市和国家的重组，到电力和计算基础设施的新发展，新兴政治经济体中的数据生产、分配以及使用对整个社会产生广泛的影响。基于相关文献，本文试图回归并进一步分析数据政治经济学中的基本问题，即何为数据的经济形式？如何从数据中获取价值？数据收集为何至关重要？本文认为，上述问题重构了我们对数据形式及其运动过程的理解。

二、数据资本

世界顶尖软件公司之一“甲骨文”的大数据战略家曾指出：“数据实际上是一种可以比肩金融资本的新型资本，它可以用于创造新产品、提供新服务。这绝非隐喻，数据同样符合教科书对资本的字面定义。”这一论述揭示了政治经济研究的新转向，即数据作为资本被创造、收集和流通。上文论述了如何在资本主义的背景下将数据（隐晦或明确地）作为商品进行批判性分析。然而，随着企业和政府机构开始将数据视为资本，有必要对“数据资本”的特点及其动态发展进行研究。本节将回顾马克思与皮埃尔·布迪厄（Pierre Bourdieu）的两种资本理论，并据此分析“数据”。

在《资本论》第一卷中，马克思认为资本体现了货币（M）与商品（C）之间的关系，即货币和商品的循环和转化方式，他将这一过程简化为两个通用公式。第一个公式C-M-C 用以表示商品流通：生产者首先出售自己的商品取得货币，再用货币购买自己所需要的商品。因此，通过这一循环，货币能够实现两种不同性质东西的转换（例如，从劳动力转化为咖啡）。消费的循环由商品的使用价值驱动，当货币转变为商品时，一个消费周期就完成了。

第二个公式M-C-M’代表资本流通：货币购买生产资料并雇用劳动力，进行生产，并将生产出来的商品出售换回更多的货币。“原预付价值不仅在流通中保存下来，而且在流通中改变了自己的价值量，加上了一个剩余价值，或者说增殖了。正是这种运动使价值转化为资本。”1译文引自《马克思恩格斯文集》（第5 卷），人民出版社，2009年，第176页。资本的循环由交换价值驱动，这个循环并没有完成，因为资本需要持续不断地流通。当货币转化为消费的商品，而再用于投资赚取利润时，它就不再是资本。除了“货币资本”（即投资资金）外，马克思还区分了两种用于创造剩余价值的“实际资本”。不可变资本是指以厂房、机器、原材料等生产资料形式存在的资本；可变资本指的是资本家用于购买劳动力的那一部分资本。

布迪厄将经济资本定义为“能够直接转化为货币，并能以产权的形式被制度化的资本”。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.基于马克思的分析基础，他又提出了两种不同于经济资本的新兴资本形式：文化资本和社会资本。在一定的条件下，这两种资本能够转化为经济资本。究其本质是变相的、潜在的经济资本。

文化资本对个人地位和成功的影响超越了“人力资本”这一概念，侧重于将货币投资到教育和技能上。文化资本在一定程度上具有阶级意义，往往由家庭投资，并在家庭环境中传递。布迪厄将文化资本分为三种类型，即具身化（如性格特征）、客体化（如艺术收藏）以及制度化（大学学位）。在布迪厄看来，社会资本是实际、潜在资源的集合，这些资源或多或少与稳定的熟人关系网络相关。社会资本由群体接纳后获得，例如通过仪式或通过继承得到社会资本。当人们在谈论“认识某人”或“社交圈”带来的价值时，就是在谈论他们拥有多少社会资本。

在马克思的基础上，我们能够通过在“数据代表何种经济形式”的辩论中对数据进行两种常见分析。一方面，数据被视为数字原料，即在商品生产中必需的不变资本。查阅有关数据的文章和商业报告时，不难发现它们被称为“新石油”。《经济学人》2017年第一期封面上印有一幅海上石油平台的插图，平台上标注了Facebook、Google 和Uber 等数字平台的名称，这些平台仿佛钻进了数据的海洋，开采世界上最有价值的资源。另一方面，数据被视为商品，用户在Facebook 上发帖、在Google 上浏览网页、在Fitbits 锻炼，都是生产数据的过程。对于数字平台中的免费服务，一种常见的说法是：“如果你不是顾客，那么你就是商品。”用户在使用平台和设备的过程中变成了商品，并以数据的形式卖给广告商和数据中介，在大众传媒时代被称为“受众商品”。当今的社交媒介也被称为“数据替身”。因此，虽然存在过度简化的风险，但将数据视为原材料以及数字劳动产品这两种分析方式，能够被重塑为有关数字经济中真实资本和商品关系的辩论。

基于布迪厄的理论框架，本文认为数据以资本的形式存在，既区分于经济资本，又以经济资本为基础。数据资本不仅仅是关于世界的知识，更是分散的信息比特，它以数字化的方式记录，由计算机处理，同时还具备易聚合、高流通的特性。与社会和文化资本相类似，数据资本在某些条件下可以转变为经济资本。然而，数据带来的价值并非都以货币形式出现。数据资本在收集、存储和处理数据的信息基础设施（智能设备、在线平台、数据分析服务商、网络电缆和服务器群）中得以组织化。

数据资本正是凭借这些特征得以流通。因此，正是马克思描述的资本积累逻辑驱使数据的收集。“作为资本的货币的流通本身就是目的，因为只是在这个不断更新的运动中才有价值的增殖。因此，资本的运动是没有限度的。”1译文引自《马克思恩格斯文集》（第5 卷），人民出版社，2009年，第178页。正是资本主义的本质特征决定了M-C-M’-CM’’-C-M’’...这一无休止的资本积累。正如甲骨文公司和《麻省理工科技评论》杂志在一份报告指出的，在数字资本主义中，数据并非取代了货币，而是“等同于金融资本”。因此，生产必须能够创造更多数据的商品，同时建立管理数据的基础设施以实现数据的持续收集与流通。

最终，保持数据资本的循环成为企业发展的内在动力。正如马克思所言“决不能把使用价值看作资本家的直接目的。他的目的也不是取得一次利润，而只是谋取利润的无休止的运动”。1译文引自《马克思恩格斯文集》（第5 卷），人民出版社，2009年，第178～179页。这一逻辑同样适用于数据，资本家所关心的并非单个数据的使用和收集，而是想要发现不断创造的数据流，数据收集时并未考虑特定用途足以证明这一点。事实上，先收集数据、后整理数据的做法日益成为企业和政府机构运作的核心。收集到的数据量可能远超公司想象，也许公司目前没有足够能力分析这些数据，但只要日后能用到，那就是有价值的。在2017年初的一场公开演讲中，曾就职于Google、百度的人工智能研究员吴恩达（Andrew Ng）阐述了数据积累的普遍逻辑：“各大公司有时推出产品并不单单为了利润，而是为了收集数据并进一步实现数据的货币化。”将数据资本转化为经济资本所需的条件可能很苛刻，但这并不能阻止数据积累的流程。

数据资本的形成得益于20 世纪80年代就形成的意识形态以及监管基础，这一基础创造了有利于金融资本主义的政治经济环境。在新自由主义治理下，金融资本超越了国界和地区，存在于跨国空间。2Major A, Neoliberalism and the New International Financial Architecture, Review of International Political Economy,vol.19, no. 4, 2012, pp. 536-561.如今，数据资本同样如此。瑞典前首相、全球互联网治理联盟主席卡尔·比尔特（Carl Bildt）在《金融时报》撰文阐述这一观点：“阻碍数据自由流动实际上就是在阻碍贸易。”比尔特反驳了欧洲“数字主权”（Digital sovereignty）规则，这一规则要求非欧盟公司将欧盟公民的数据保存在位于欧洲的服务器中。对数据流动的任何限制都会阻碍经济增长和技术创新。《跨大西洋贸易与投资伙伴关系协定》（TTIP）以及《跨太平洋伙伴关系协定》（TPP）等贸易协议目的就是使各国、各洲之间实现数据的自由流动。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.与金融一样，数据现在被视为经济增长的引擎。如果金融公司可以自由地将资本从一个国家转移到另一个国家，那么，科技公司也必须可以自由地在任何地方存储和销售数据。这意味着一家公司可以在美国收集个人信息，在中国台湾存储数据，然后拿到欧洲销售。

强调对数据以及数据化的关注并不是为了去金融化，而是为了获得一种新的价值来源以及资本积累的工具。信息技术与金融的交叉创新由来已久。4MacKenzie D, Material Signals: A Historical Sociology of High-Frequency Trading, American Journal of Sociology,vol. 123, 2018, pp. 1635-1683.华尔街和硅谷非但没有竞争关系，反而围绕数据资本成为资本积累和流通的新阵地。

三、从数据资本中获取价值

收集何种类型的数据以及如何利用这些数据至关重要。上文通过概括性的方式将数据视为资本的一种形式进行分析。数据种类各异，其使用方式也不尽相同，资本也是一样的道理。同样，从数据中获取价值的方式也存在差异。不同行业积累不同类型的数据以满足各异的动机与目标。公司往往将重点放在“用户数据”上。例如，从运动app 中收集的关于人们的身体活动、生命体征以及地理位置的数据。其他数据同样可以榨取价值，如机械设备、交通运输。虽然对不同类型数据以及如何从中获取价值进行分析不在本文的研究范围之内，但是本节将简要论述数据创造价值的六种主要方式，在未来的研究中需要进一步探究数据资本积累和增殖的方式和原因，尤其是在作为非“技术部门”的公司、政府和组织中如何发生。

1.利用数据生成目标用户画像。在数据资本主义中，很多商业模式和服务都基于这样的价值主张：通过一定的方式，越了解一个人就能获得更多的利润或权力。例如，一些公司利用互联网为用户提供个性化的广告获得收入。数据中介整理数据，创建个人档案，并将他们归入细分市场。信用机构对数据进行压缩，用以分析个人的财务风险和信誉。零售商可以根据客户特征收取不同的价格。政治顾问对数据进行分析，以判断谁更容易被某些类型的信息影响。

2.利用数据优化系统。通过分析数据能够揭示如何消除浪费、促进流程高效。而这意味工业制造商需要在机器设备上安装传感器来监测和调整它们的运行。抑或是，市政府采用算法评估如何提供公共服务。上述获取价值的方式基于泰勒主义，相关研究可以追溯到20 世纪初对工人的“时间与动作研究”。如今，亚马逊公司将研发的专利腕带绑在仓库工人的手上，随时追踪工人的手部运动，并在他们工作不力时提供“触觉反馈”（Haptic Feedback）。

3.利用数据管控事物。此时，数据作为一种数字化、非固定、可供加工的知识形态，体现了权力/知识关系，换言之，个人所掌握的有关事物的数据（知识）越多，越有助于对事物进行管控，从而提取更多数据。具体而言，个人记录自己的饮食和运动数据，以便调理身体。警察使用具有面部、车牌识别功能的随身摄像机和无人机。工程师对一个城市的交通模式进行监管，以便在数百万人的大城市中实现人口自由流动。上述数据为人们决策提供信息的同时也被输入到自动化系统中以实现实时响应。

4.利用数据建立概率模型。算法分析师一旦掌握了足够多的数据（涵盖一段时期内的各种变量），就能够对未来做出预测。虽然这些“预测”只是概率上的，但不可否认，数据预测工具市场正在不断兴起。例如，警察使用“预测”系统来创建“潜在犯罪人名单”和“危险区域”，对于谁会以及哪里会发生犯罪活动的可能性进行预测。HunchLab 是一种预测性的警用工具，它使用的数据涉及人口密度、人口普查数据、酒吧、教堂、学校以及交通枢纽的位置、主场比赛的时间表，甚至月相等数十种因素。同样，为了应对可能到来的灾情以及预测城市未来发展状况，城市控制中心也在不断处理数据流。

5.数据具有建构功能。数字系统以及相关服务建立在数据的基础上，它们利用现有的数据存储运行，同时不断收集新的数据流。随着服务平台化以及设备智能化，为了促进数据流通，这些系统也逐步走向数据驱动、互联互通。例如，如果没有关于司机和乘客的实时数据，Uber 就无法工作。消费品的升级（如智能家居）和城市环境的改造（如智能城市）都以数据提取和利用为前提。人工智能以及自动驾驶汽车等新兴技术的发展也需要种类繁多的数据。

6.数据使资产增值。建筑、基础设施、车辆和机器等资产会随着时间推移而贬值。然而，利用收集数据的智能技术对资产进行升级，可以对抗正常的折旧周期。正如金融家斯图尔特·柯克（Stuart Kirk）所言：“人工智能与物联网相结合使事物更具适应性和反应性，这有利于延长使用寿命。”智能化的资产不再快速折旧，可以保值甚至增值。换言之，即使价值不增长，数据至少能够减缓其折旧过程。

四、数据提取

用“收集”“采集”甚至“开采”等词来指代数据收集时，数据好像作为一种客观存在物随时等待被采摘。然而，若从“提取”的角度来分析数据收集的过程，则强调了数据监控的目标人群和数据收集过程的剥削性质。

从世界上提取的大部分有价值的数据资本都与人相关的：身份、信仰、行为以及其他个人信息。正如卡伦·格雷戈里（Karen Gregory）所说的：“大数据由人构成。”这意味着数据积累往往和探测、监控和个人追踪等侵入性系统相伴相生。1Schneier B, Data and Goliath: The Hidden Battles to Collect Your Data and Control Your World, New York, NY: W.W.Norton ＆ Company, 2015.无论是消费品还是公民基础设施，数据监控已经整合到城市基础设施的各个领域。对企业而言，“智能”技术产生价值并非来自消费者购买商品支付的金钱，而是在于用户使用它的过程（智能技术总是处于感知和记录模式）。个人使用智能技术的过程中会产生大量数据。政府似乎更需要这些数据：2016年2月，时任美国国家情报总监的詹姆斯·克拉珀（James Clapper）向参议院承认政府机构将物联网技术作为入侵人们居家生活的手段：“未来，情报部门可能会使用物联网进行身份识别、监视、监控、位置跟踪和招募目标，或者获取网络和用户凭证。”

冰箱是日常技术智能化的一个典型例子。除了冷藏食物的功能外，智能冰箱还可以记录用户品牌偏好、进食时间、食品的保质期限，并利用这些数据向用户发送针对性广告、推荐相关食谱、监测用户饮食摄入量，并从商店远程订购食物。此外，智能冰箱还能被用作为警察远程访问提供监控设备。这便是数据积累的逻辑：冰箱成为数据生产、收集和传输的工具。越来越多的智能设备被嵌入传感器、处理器和网络。布鲁斯·斯特林（Bruce Sterling）指出：“物联网为了利用冰箱调整，监测人们的一举一动，便以成本价赠送一台冰箱。”

对基于数据资本的商业模式进行的反击已经上演。美国家电制造商惠而浦提出贸易投诉，要求美国政府对其韩国竞争对手LG 和三星征收关税，因为两公司以低廉的价格销售智能家电的行为正蚕食惠而浦等公司的市场份额。《纽约客》杂志曾发文指出：“LG 和三星掌握了数据驱动业务中获胜的诀窍，即尽可能地压低价格，以建立客户群，加强数据流，实现长期兑现。”当惠而浦还在通过出售电器来套现时，LG 和三星已经将关注点放在消费者使用电器时产生的数据上。

因此，智能设备承担了商品与数据制造者的双重身份。这一逻辑影响了系统的设计，从智能吸尘器将用户家庭布局数据提供给制造商以供二次利用，到城市规划中部署的城市管理方法。数据积累促成了技术发展、政府治理与商业模式中的许多关键决策。而这正是肖莎娜·祖博夫（Shoshana Zuboff）所说的“监控资本主义”。“积累的逻辑构成了认知并从根本上塑造了技术的可供性，同时也是许多商业模式中约定俗成的背景。它的假设在很大程度上是默许的，因此它塑造可能性领域的力量是无形的。它定义了目标、成败，决定了测量和传递的内容、如何分配和组织资源和人员、谁作为什么样的角色被评估、应该开展哪些活动以及活动目的。积累的逻辑产生了自己的社会关系，由此创造了自身的概念、权威和以及权力的使用。”1Zuboff S, Big Other: Surveillance Capitalism and The Prospects of An Information Civilization, Journal of Information Technology, vol. 30, 2015, pp. 75-89.

当数据被视为资本的一种形式时，数据收集强化现有积累过程的同时促成一种新的积累实践。事实上，按照资本主义历史上其他采掘企业（土地掠夺、资源开采业）的运行逻辑，2Mezzadra S and Neilson B, On the Multiple Frontiers Of Extraction: Excavating Contemporary Capitalism, Cultural Studies, vol. 31, 2017, pp. 185-204.如今的多种数据积累实质上是强化版的数据提取，即数据是在未经数据生产者同意、未对其进行合理补偿的前提下提取的。人们寻求用以描述数据（尤其是与人相关的数据）积累过程的术语时往往忽略了一个事实：数据监控背景下获取相关数据的方式隐蔽而且目的不为人知。3Andrejevic M, The Big Data Divide, International Journal of Communication, vol. 8, 2014, pp. 1673-1689.

传媒界以及学界对公司诱导性收集数据的做法早已提出质疑。公司对个人数据的记录、使用或出售，通常是基于与使用所达成的协议。最常见的是具有数字技术特征的终端用户许可协议（EULA），这一协议，被使用互联网或软件的用户所熟知。终端用户许可协议要求用户在使用服务之前，在网站或应用程序的页面选择“同意”或“接受”。面对这一不含协商流程的单方协议，用户只能选择同意，不然便会被剥夺使用权利。因其普遍适用性，终端用户许可协议被称为“标准格式”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，在用户无权提出要求时，很难证明这基于用户自愿。部分公司偷换条款，要求用户放弃对其数据的所有权，以掌握数据收集、利用的绝对主权。此外，为了防止部分较真的用户全盘了解这些条例，最终用户许可协议被设计成内容冗长、条例密集的文件。研究显示，每人每天连续阅读8 小时，需要76 天才能浏览完用户一年内遇到的隐私政策。

相较于“同意”一词，“默许”用来形容这一过程更为合适。1Pasquale F, The Black Box Society: The Secret Algorithms That Control Money and Information, Cambridge: Harvard University Press, 2015.最终用户许可协议的真正目的并非为了获取用户同意，而是强迫用户服从。杰伦·拉尼尔（Jaron Lanier）强调：“用户点同意时并不了解这一行为意味着什么，同意成为抵制公司以外的唯一选择。”因此，用户在大多数情况下必须主动出让数据所有权，这时的同意已经不再是传统意义上的同意，更不是详细了解后的知情同意权。未经同意拿走他人物品即为“盗窃”，虽然此处未经许可被提取的是数据，而非物质实体，但其伦理相关性决定了这种行为能够被定义为“盗窃”。

如何为用户提供合理的补偿是一个棘手的问题，这主要是因为很难为个人数据进行定价。不同类型的数据在不同的企业中价值各异。数据的价值和数据量之间并非简单遵循线性关系。数据库的规模越大，多样化程度越高，可从中提取的有用信息数目越多。因此，单个人的数据难以转化为经济资本，但将成百上千，乃至几百万人的数据汇总却能产生巨大的价值。尽管给数据定价很困难，但仍有两个方面可以判断补偿是否公平合理：（1）为数据生产者提供何种补偿？（2）对数据生产者的补偿与数据资本家获得的价值之间的差异？

首先，平台依靠提供服务对数据生产者进行“补偿”。以Facebook 平台以及Google 搜索引擎等服务为例。公司看似免费提供服务，实际上服务只是对被收集私人数据的用户的补偿。部分人认同此类补偿的公平性的同时忽略了一点：此类服务供应商的数量远不及在用户不知情的情况下收集、使用和出售个人数据的公司的数量。总而言之，用户没有收到任何实际补偿的前提下很难保证其公平性。

其次，数据资本的价值不容小觑。世界上的顶尖公司Facebook 和Google，都是建立在数据资本的应用之上。据估计，数据中介领域的年均收入可达2000 亿美元。2Crain M, The Limits of Transparency: Data Brokers and Commodification, New Media ＆ Society, vol. 20, no. 1, 2018,pp. 88-104.美国三大信用管理局Experian, Equifax 和 TransUnion 每年收入数十亿美元。即使是规模相对较小的数据中介，数据价值与报酬之间的差异也相当惊人。此外，金融、保险和以及制造业为首的相关行业对数据资本的依赖性与日俱增。这些公司从用户的“数字劳动”中积累了数十亿美元的剩余价值3Scholz T, Digital Labor: The Internet as Playground and Factory, New York, NY: Routledge, 2012.而未付任何报酬。这些数据采掘行为，与“资本主义对以前非商品化的私人时间和地点进行殖民时进行的原始积累或剥夺性积累”有着相同的内在逻辑。“剥削”一词，其指代的是个人出卖劳动或售卖产品未能得到公平的报酬。在此意义上，无偿提取用户数据等同于“剥削”。并非所有的数据提取都遵循相同的内在逻辑。目标用户身份以及阶级差异影响数据提取的方式、内容以及原因。从不同目标群体所提取的数据存在比例差异，有色人种中的低收入群体被政府以及金融机构系统追踪。1Eubanks V, Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor, New York, NY: St.Martin’s Press, 2018.其他情况下，某些面部识别系统不能准确识别有色人种，因为其面部识别的数据库主要由白人男性面孔组成。这虽然超出了本文的研究范围，但是有必要对数据提取的差异过程进行具体分析。这些相关工作应建立在对信息技术的批判性研究之上，此类研究最近出版的一些相关书籍包括：《数字社会学》（Digital Sociologies）2Daniels J, Gregory K and Cottom TM: Digital Sociologies, Bristol: Policy Press.、《交叉互联网》（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.、《算法压迫》（Algorithms of Oppression）5Noble SU: Algorithms of Oppression: How Search Engines Reinforce Racism, New York, NY: NYU Press.、《自动不平等》（Automating Inequality）6Eubanks V: Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor, New York, NY: St.Martin’s Press.。希望本文能为后续研究提供借鉴。

五、结 语

本文将数据视为21 世纪政治经济学的核心组成部分，分析数据是如何作为资本被收集和流通以及如何像资本一样被政府与企业利用。基于马克思和布迪厄的理论，本文认为，数据是根植于经济资本，却又与其不同的一种资本形式。永无止境的资本积累运动推动了数据的收集，而数据的收集反过来要求资本构建并依赖一个万物皆由数据构成的世界。数据的普适性将一切重塑于数据资本主义范畴，各个部门都将受到数据化的影响。将世界设想为拥有无限潜能的数据存储设备，意味着数据的积累和流通可以永远持续下去。用尽一切办法收集尽可能多的数据至关重要，这影响人们在商业模式、政治治理以及技术发展中所做的许多关键决策。遵循这一原则，企业在获取个人数据时往往忽略用户同意权以及合理补偿。本文通过分析监控技术和数据经济价值的提取，拓宽了以往局限于隐私和安全的批判性研究视野。隐私与安全固然重要，但它们忽略了当代数据政治经济中特有的不公平和剥削的系统性问题。

此外，将数据收集过程定义为数据提取，有利于在政治和法律层面打击猖獗的侵犯性数据积累，为数据积累奠定规范性基础。并对公司可收集数据的种类、收集手段、发送和存储的位置、公司占有数据的数量（总体以及个人数据）做出规定。同时包括数据所有权和治理的新模式，例如将数据经济的关键部分作为公共基础设施来管理。《经济学人》的一篇专题文章建议，政府应该接管部分数据经济以打破诸如谷歌公司等企业的垄断。这体现了大数据比肩石油、金融的重要性。因此，需要从政治经济角度对数据进行进一步批判性思考，并对数据资本主义进行改革与创新。

本文的分析并不意味着政治经济学的新纪元已经到来。正如硅谷的高管、工程师最爱说的那句话“改变是永恒的，没有什么是一成不变的”。数据资本主义，作为一种新兴资本以及新积累方式的概念化表达，更大程度上代表着研究焦点的转向。作为过去几十年社会主流经济制度之一的金融资本主义，将被数据资本主义取代。正如本文所示，金融化和数据化之间存在着相似的内部逻辑。两者都对“空间的生产、公司治理、积累制度和日常生活”有着重大影响。1Fields D, Urban Struggles with Financialization, Geography Compass, vol. 11, no. 11, 2017.两者都试图通过引入新型资本创造和流通方式（金融工具、信息技术）以实现价值最大化，并利用技术霸权手段以免受监督2Pasquale F, The Black Box Society: The Secret Algorithms that Control Money and Information, Cambridge, MA:Harvard University Press, 2015.，利用政治影响力来规避监管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.，进行剥削和掠夺性行为。除了上述相似之处，两种制度之间也有共通之处，例如，信贷机构使用大量的个人以及人口量的数据来创建超个性化的政策和评分，华尔街的交易员使用“高频交易”算法，实现资本的超高速流通。4Arnoldi J, Computer Algorithms, Market Manipulation and The Institutionalization of High Frequency Trading, Theory,Culture ＆ Society, vol. 33, no. 1, 2016, pp. 29-52.

研究数据资本主义的前沿部门，明确指出金融资本和数据资本之间的联系。他们并不要求相互取代，相反，他们将金融和数据视为平等并相互促进的资本形式。数据化，就像金融化一样，是资本主义积累的新领域。相较于金融化，数据化尚处于早期阶段，但数据资本家掌握了极大的财富和权力，并且仍在不断积累。往日用于分析金融资本主义和信息技术的相关理论方法现在需加以整合，用于研究政治经济学领域中数据化的意义、实践以及相关影响。