算法的价签

人们常常将价格歧视视为不公平的代名词，但现实中的许多做法却并非如此。学生票、老年折扣、早鸟优惠，这些让不同的人付不同价格的策略，并未引发普遍的愤怒。原因很简单：规则是公开透明的，每个人都能清楚地知道自己为何支付这个价格，以及他人获得更低价格的具体条件。

真正让公平感瓦解的，不是价格差异本身，而是你不知道自己正在被差异化定价。这正是算法定价进入支付接口之后发生的事情。

2015年秋天，大西洋对岸的普林斯顿大学，几名研究交通定价的研究者正在网约车平台上记录价格标签。他们在数据里撞见一个反直觉的现象：同一段行程，同一时刻，不同手机屏幕上跳出来的数字并不相同。

几乎同一时期，另一部作品也在揭示“不透明规则”的可怕内核。2014年10月，德国导演佛罗瑞·加仑伯格执导的历史惊悚片《尊严殖民地》拍摄完成，该片于2015年9月在多伦多国际电影节首映。影片讲述的是一个封闭社区如何用一套外人无从知晓的规则划分等级、实施奖惩。

这两个发现——一个来自学术研究，一个来自影视创作——共享同一个本质：规则不透明，标准由掌握信息的一方单方面制定，被定价的人不知道自己被放在什么位置。

上一章留下的那条线索在这里接上——平台对支付接口的重构并没有停止，法律追赶的速度远慢于算法迭代。定价权移入算法之后，价格从公开张贴的信号变成私人报价，这一步比大多数人意识到的更早，也更难逆转。

先看被算法取代的那个世界。在漫长的商业史里，明码标价曾经是市场交易得以公平运行的基础设施。集市上的吆喝、店铺橱窗上的价签、后来超市货架上的条形码，价格都是公开的。任何潜在买家在决定是否购买之前，都能知道一件商品或一项服务要花多少钱。这种公开性构成了市场公平的第一道防线：至少从表面上看，所有消费者面对的是同一套价格体系。你可以抱怨价格太高，可以转身走开，也可以讨价还价，但你不会怀疑自己看到的价格跟旁边的人不一样。

这套公开标价的习惯并不是从有商贸那天起就存在的。在很长一段时间里，买卖双方在柜台前讨价还价，成交价取决于口才、耐心、穿着，甚至当天卖主的心情。

现代零售业把一价制变成习惯，部分原因正是为了降低交易成本：标出一口价，省去每一次都要重新谈判的麻烦，也让不擅长砍价的人不至于每次都被宰。价格标签因此成了一种信任装置。它向所有人承诺：你看到的价格，就是别人看到的价格。这个承诺并不完美，但它足够简单，简单到普通人一眼就能核实。

当然，价格歧视也不是什么新事物。学生票、老年折扣、会员价、早鸟票，这些策略早已被商家熟练运用。

它们看起来像“不同人付不同钱”，但有一个关键属性：类别是透明的。消费者很清楚自己属于哪一个类别，也知道自己因为什么获得了折扣，或为什么需要支付溢价。学生知道凭学生证买电影票能便宜，老年人知道工作日早上去超市有优惠，早鸟用户知道提前一个月订票比临时买便宜。这些分类是粗颗粒度的，规则是公开的，甚至在很多情况下，折扣本身还是一种公开的营销工具，用来吸引特定群体。消费者面对的不是一道隐藏在暗处的门槛，而是一张张贴在墙上的价格表。

这类传统的差异化定价之所以没有摧毁公平感，是因为它仍然尊重一个底线：排序规则可以被公开审视。如果你觉得学生票的折扣不合理，你可以讨论它、批评它，甚至推动立法修改它。你可以知道同一场电影里，哪些人付了多少钱，理由是什么。透明度不是完全的，但足够让社会形成公共判断。

算法定价的出现，把这张价格表撕掉了。它不再根据宽泛的社会类别来定价，而是根据每一个人的行为数据实时生成一个只面向这个人的价格。

你浏览过什么、点击过什么、在页面上停留了多久、用的是哪个品牌的手机、电池还剩多少电、此刻身在哪个城市、过去一个月下过多少单、退过多少次货、搜索过高端餐厅还是便利店面包——这些痕迹被拼在一起，输入一个不断更新的模型，模型输出一个数字。这个数字只出现在你的屏幕上，别人看不到，你也不知道别人看到的是多少。这就解释了为什么同样是叫一辆车，从甲地到乙地，坐在同一间办公室里用公司配发的手机和用自己旧手机的两个同事，可能会看到不同的预估价。

也解释了为什么同一家酒店、同一个房型，在同一个时刻搜索，不同的人会看到不同的标价。它甚至解释了为什么一个收入并不高、但偶尔搜索过高端餐厅的人，可能会在下一次购买日用品时面对一个比他实际支付能力所能承担的更高价格。

算法并不关心你“能付多少钱”，它只关心它判断你“愿意付多少钱”。这个区分是理解算法定价革命的关键。传统价格歧视，至少在理论上，是沿着支付能力排列的。学生票的对象是没有稳定收入来源的年轻人，老年折扣的对象是退休后收入下降的老人。这些类别虽然粗疏，但方向是清晰的：支付能力较弱的人获得较低价格。

算法定价的逻辑却刚好相反：支付意愿高的人获得较高价格，支付意愿低的人获得较低价格。而支付意愿本身，是由行为数据推测出来的，与真实的财务状况可能严重脱节。

这就创造了一个诡异的局面：一个偶尔搜索高端餐厅的低收入者，可能被算法标记为“对价格不敏感”。他并没有变得更富有，只是他的行为轨迹让算法觉得可以从他身上多收一点。

反过来，一个高收入但习惯比价、频繁使用优惠券的用户，可能被算法标记为“价格敏感型”，于是拿到更多优惠。价格不再反映“你能付多少”，而开始反映“系统判断你愿意付多少”。支付接口的门槛不再是一道公开的门槛，而是一道只有算法知道位置的、随时移动的门槛。

这个变化并不是从中国的外卖和网约车平台开始的。它最早在航空业、酒店预订和租车行业里被摸索出来。航空公司几十年前就开始用复杂的收益管理系统，根据订票时间、出行日期、舱位剩余和购买渠道来调整价格。

但那些系统的运作仍然相对粗放，而且有一个重要的外部约束：价格一旦显示在售票终端上，就是公开的。任何人拿起电话或走到柜台前，听到的是一个固定的报价。

算法定价的私人化，则要等到移动互联网把每一个消费者的行为都变成实时数据流之后，才真正成为可能。中国的平台企业赶上了这一波。

大约在2018年前后，中国消费者开始频繁在社交媒体上贴出对比截图：同样从北京飞往上海，使用不同品牌手机的人在同一时间搜索同一航班，看到的票价相差几十元甚至上百元；同一家酒店，新用户看到的价格比老用户更低；同一家外卖店，同一份套餐，不同账号看到的价格不同。

有人把这种现象叫做“大数据杀熟”。这个带着道德谴责色彩的词，很快成了公共讨论的固定用语。

但“杀熟”这个词本身，掩盖了机制的核心。它听起来像是一种偶然的、个别的、不道德的“搞鬼”，仿佛只要平台加强管理、开除几个坏员工，问题就能解决。实际上，算法定价系统产生这种结果，并不是因为它出了故障，而恰恰是因为它运转正常。

当一个系统的目标函数被设定为最大化单笔交易利润时，向支付意愿更高的人收取更高价格，是数学上的最优解。平台不需要“故意”去欺负熟人。它只需要不断优化一个模型，让模型预测每个人愿意接受的最高价格，然后把那个价格显示出来。模型做得越精准，“杀熟”就越普遍。

换句话说，这不是系统的偶然失德，而是系统目标的必然产物。如果算法没有产生差异化价格，它在利润最大化的意义上反而是失败的。

这里必须把相关和因果分开。消费者贴出的截图，只能证明不同手机之间存在价格差异这一相关性。价格差异本身可能有其他来源：优惠券、库存变化、支付渠道补贴、用户身份不同带来的平台策略差异。只看几张截图，不能构成平台故意针对个人进行价格歧视的铁证。平台也确实常常这样回应：那是用户领取了不同的优惠券，是不同时间的库存变化，是会员和非会员之间的正常差异。这些解释在单一案例中是可能的。

但当价格差异系统性地偏向那些行为数据表明支付意愿较高的人，当平台拥有完整的行为轨迹和实时定价能力，而这种差异无法用公开的供需变动解释时，“偶然误差”的解释就很难站得住脚。证据链的关键不在于任何一个截图的真假，而在于定价系统本身的设计逻辑：一个以预测支付意愿为核心的算法，必然会把支付意愿高的人推向更高的价格点。这个机制，才是“杀熟”现象的源头。

追问一步：这和过去人们熟悉的“大数据杀熟”有什么不同？答案在于数据维度和交易频率。航空公司的收益管理系统主要处理某一条航线的历史订座曲线、离港日期、舱位数量这些与单一航班直接相关的变量。它不会因为你搜索过几次奢侈品网站，就给你飞北京的机票加价。

外卖平台和网约车平台则不同。它们掌握的是一个人长期、跨场景、高频的行为轨迹。你在晚上十点之后点过几次外卖，你在暴雨天是否愿意加价叫车，你过去一周取消过多少订单，你手机通讯录里有多少人安装了同一个应用——这些看似琐碎的信息，被整合成一个持续更新的用户画像。这个画像不描述“你正在买什么”，而试图描述“你是一个什么样的人”。价格就跟着这个画像走，而不是跟着商品本身的成本或市场的公开供需走。

这就把问题从单笔交易推到了身份建构的层面。传统定价模式下，交易结束，价格关系就结束。算法定价模式下，你过去的每一次点击都可能成为下一次交易的定价依据。你不再是在购买一件商品，而是在被一套系统持续评估。

评估的结果，决定了你在支付接口中的位置。那么，支付意愿是如何被预测出来的？它并不来自收入证明，也不来自你填写的职业和家庭状况。它来自你在数字世界里留下的痕迹。

一次深夜的搜索，一次对高端商品的浏览，一次没有完成的下单，一次持续多日的价格比较，一次下单前的犹豫时长——这些行为被当作“支付意愿”的代理变量。算法把这些行为输入模型，输出一个“价格敏感度”打分。这个分数决定了你看到什么价格。

这带来一个新的支付接口层级。它不再按“你能付多少钱”分层，而是按“系统判断你愿意付多少钱”分层。这是一个根本性的变化。

过去的支付接口是一道公开的门槛：标价一百元的商品，付得起的人进来，付不起的人离开。门槛位置是明确的，所有人都能看见。

算法定价则不同：你面对的门槛不是固定的一百元，而是一个只向你展示的数字。它可能是一百二十元，也可能是九十五元。你无从知道你被排在了什么位置。更麻烦的是，你不知道这个排序规则本身是不是公平的。举个例子。

一个收入不高的年轻人，可能因为工作需要搜索过几次高级餐厅和商务酒店。这些搜索记录进入他的数字画像，让算法给他打上“对价格不敏感”的标签。下一次他在外卖平台点快餐时，他可能看到的价格比一个收入更高、但习惯使用优惠券和比价插件的用户更高。他的日历上明明写着他只是一个普通职员，但算法只知道他搜索过高级餐厅。于是，一个收入不高的人，仅仅因为浏览过自己消费不起的东西，就被算法在日用品购买上多收了钱。这不是支付能力的反映，而是数字足迹的误读。

这套系统还制造了一种新的不确定性。在传统定价模式下，消费者至少可以学习规则、利用规则。你知道学生票多少钱，知道早鸟票怎么买，知道会员折扣怎么获取。知识是公开的，规则是可研究的。

算法定价则把规则藏进一个不断更新的黑箱。你无法学习一个每天都在变化的模型。你甚至无法确定自己看到的这个价格，是不是刚刚被系统修改过。这种不确定性本身，就是一种权力的行使方式。为什么平台能够做到这些？

连续追问下去，会看到一个清晰的制度链条。为什么平台能拿到这些行为数据？因为用户在使用服务前签下的协议里，往往已经默认同意平台收集和利用行为数据。为什么用户没有讨价还价？因为个体面对平台几乎没有谈判能力，不同意协议意味着放弃服务。为什么平台可以不解释定价逻辑？因为算法被声明为商业秘密，公开模型会让竞争对手掌握定价策略。为什么监管没有及时介入？因为法律框架仍然在很大程度上把价格理解为公开市场中的信号，没有为“私人价格”准备下清晰的权利和义务。

每一个“为什么”的答案，都指向同一个方向：定价权从公开的市场机制转移到了平台的私有算法里，却没有承担起相应的公开责任。

这里还要加上一层制度上的尴尬。许多国家和地区的法律都规定了明码标价的义务。中国《价格法》要求经营者明码标价，不得利用虚假或使人误解的价格手段诱骗消费者。但当算法给不同用户显示不同价格时，平台可以辩称：每一个用户看到的数字都是“明码标价”，只是不同用户看到的是不同的价。

每一个“为什么”的答案，都指向同一个方向：定价权从公开的市场机制转移到了平台的私有算法里，却没有承担起相应的公开责任。这也回到了全书一直在追问的那个核心问题：当支付接口的定义权从政府和市场向算法黑箱转移时，这个定义权本身应该放在哪里、接受什么样的约束？算法给出的私人价格，正是这种转移在最微观、最日常的交易环节中的体现。

这个辩解在字面上并不完全站不住脚。法律在制定时，默认的是同一个商品在同一个时间对所有人标示同一个价格。它没有预见一种系统可以同时生成成千上万种价格，而生成这些价格的依据又不对外披露。

于是，“明码标价”四个字在算法时代被抽空了原本的意义：标价仍然存在，但它不再承担任何公平比较的功能。价格失去公开性，支付接口的公平约束就瓦解了。公平并不要求所有人付一样的钱。学生票和老年折扣的存在恰恰说明，价格差异本身并不必然伤害公平。

但公平需要一个最低限度的条件：规则必须公开，排序必须可验证。当价格是一套私人定价系统的输出，当消费者既不知道自己被分在哪一层，也不知道分层依据是什么，公平就失去了支点。你不是被公平地对待了，只是没有被发现而已。

这正是《尊严殖民地》里那套等级规则与算法定价共享的内核。在封闭社区里，人们知道自己被划分了等级，却不知道划分标准；他们知道惩罚会降临，却无法预测触发条件。

在电影《尊严殖民地》描绘的封闭社区里，获取教育和医疗这些基础资源，需要进入那个被严密控制的、与外部隔绝的系统，并接受其内部的全部规则。算法定价创造了一个新的、看似自由实则无形的“封闭社区”。在这个社区里，进入的“门票”不再是货币，而是你的行为数据；内部的“规则”不是明文规章，而是不断更新的算法模型。

你不知道自己被分在哪一层，规则由谁制定、因何变化。当支付接口从一道公开的财务门槛，演变为一个根据你的数字足迹动态调整的私人报价系统时，那些支付能力相近但数字足迹不同的人，就被无形地划分到了不同的资源获取通道中。这不再只是关于几块钱差价的问题，而是关于信息、选择权与尊严的新一层剥夺。

算法定价当然没有电影里那么暴力，它不会把人关起来，也不会公开羞辱谁。它只是让一些人每次打开手机应用时，面对的数字比另一些人高出一截。这种差异小到单次看起来可能只是几块钱，但它会一次又一次地重复、累积、扩大。久而久之，它变成了生活中一种微弱的、持续的、难以抓取的压力。

我们可以试着回答本章开头那个问题：算法定价与传统明码标价的本质区别在哪里？答案是，价格的性质变了。它从一个公开的市场信号，变成了一套针对个人支付意愿与行为数据的私人定价系统。这个变化不是量变，而是质变。

公开价格是市场的基本语法，它让所有参与者能够互相比较、判断、选择。私人价格则打破了这种语法，把每一个交易都变成一场只有一方掌握全部信息的博弈。消费者以为自己是在买东西，实际上他们每一次打开购物页面，都在参与一场自己不知道规则的考试。这场考试目前还没有结束。有的消费者开始尝试反向训练算法：故意搜索几次低价商品，再回来买自己想要的东西，希望系统给自己打上“价格敏感”的标签。

有的消费者学会清除浏览记录，或者用不同的设备比较价格。但这些个人技巧终究是脆弱的，因为算法也在学习，而且它掌握的数据远比你多。你每一次刻意的“反向操作”，都可能被模型识别为另一种行为模式，最终被归入新的类别。个人与平台之间的信息不对称，不会因为几个小技巧就被抹平。

法律的一端也在缓慢移动。一些地方的监管者开始尝试要求平台披露定价逻辑，至少要求平台证明其价格差异没有歧视特定群体。

但平台通常以算法是商业秘密为由拒绝。于是出现了一种尴尬的对峙：法律承认消费者有权不被欺诈，但当潜在的不公平由算法自动生成时，法律却找不到一个明确的对象去追责。算法不是人，它没有主观故意；平台说那是模型的结果，不是公司的决定；模型说不清楚为什么给这个人定了这个价。

于是，责任的链条在技术的黑箱里断了。这个矛盾还在不停发酵。每当消费者起诉平台“杀熟”，法庭就要面对一个尖锐的问题：你如何证明一个不断变化的数字对你不公平？被告可以出示海量数据，但原告只能拿出几张截图。

证据能力的不对等，让每一次诉讼都变得像一场与影子搏斗。法律条文摆在那里，明明白白规定着公平交易、明码标价、不得价格欺诈。但算法不识字。它只知道价格差异能带来利润，利润会带来增长。

于是，法律条文和不透明的算法黑箱之间，留下了一道越来越宽的空隙。在一些地方，消费者权益保护组织开始发布对比测试结果，用同一时间、同一地点、不同手机搜索同一酒店或航班，向公众展示价格差异。每一次测试发布后，涉事平台都会给出解释：不同的优惠券、不同的库存缓存、不同的会员等级。

这些解释在技术上可能成立，但它们无法回答一个更根本的问题：为什么一个普通消费者在正常使用服务时，会面对一套他无法理解、也无法验证的价格生成机制？监管者试图要求平台在重要消费场景中公开定价参数，但参数一旦公开，算法就可能被竞争者利用和套利，平台因此强烈抵制。

于是，问题回到那个最基础的制度缺口：公共权力有没有能力介入私有算法的内部逻辑？如果没有，那么算法的价签就将继续存在下去。

这就是算法定价带来的具体后果。它不是一个遥远的理论问题，也不只是几个平台巨头内部的商业策略。它把事情推到了这样一个临界点：当价格不再公开，支付接口的公平约束就已经失效；而当公平约束失效，支付能力之外的数字足迹就开始参与决定一个人每天的生活成本。这种新的分层，不会写在任何账本上，却会在每一笔订单、每一次叫车、每一张机票里，把一部分人推向更贵的那一端。而他们甚至不知道有另外一端存在。

更极端的案例即将在下一章浮现：智利那个名为“尊严之家”的封闭社区曾提供教育和医疗却要求居民以人身自由与尊严为代价来“支付”。那个案例是历史畸胎但它尖锐地揭示了一个永恒命题——当获取基础资源的“支付”形式从货币异化为其他无法度量无法拒绝的东西时代价将是什么？