为什么读勒讷
第 1 章 为什么读勒讷
2023 年 11 月，全球最大的音乐流媒体平台 Spotify 宣布调整独立音乐人的分成规则。在新的分配机制下，那些只靠刷量和机器流量获得播放的艺人收入会被压缩，而真正被用户听完的曲目会获得更高比例的分成。公告发出后，独立音乐人社群在社交平台上炸开了锅。有人欢呼这是对"数据造假"的矫正，也有人指责 Spotify 进一步把权力集中到了算法手里。
这次调整的本质是一次定价规则的改写。表面上 Spotify 没有直接调整订阅价格，也没有明确告诉你一首歌值多少钱，但它决定了每一千次播放对应多少美元，而这个数字就是一种隐性价格。当一家公司可以通过改写算法来改变价格，它就比任何政府机构都更快地完成了"控制"。
把镜头拉远，你会发现这起事件只是 2024 年前后一系列"控制权转移"事件中的一件。
三件"控制"的事件
2024 年 3 月，欧盟《数字市场法案》（Digital Markets Act，简称 DMA）正式生效，把苹果、谷歌、Meta、亚马逊等"守门人"（gatekeeper）企业纳入监管视野。DMA 的核心要求是：守门人不得在自家应用商店里强制使用自家支付系统，不得阻止用户从外部下载应用，也不得在搜索结果中偏向自家服务。这是对数字平台垄断地位的第一次系统性约束。
几乎同时，苹果在美国与 Epic Games 的诉讼中败诉，法院裁定苹果不得禁止开发者引导用户使用第三方支付方式。苹果的"应用商店税"，通常高达 30%，第一次出现了被强制压缩的可能性。
把目光投向另一个行业。特斯拉 2023 年向美国部分州开放了"特斯拉保险"。这款产品的关键不是价格本身，而是定价方式。保险公司通过车载传感器实时收集驾驶行为数据，包括急刹车次数、超速频率、夜间行驶里程，然后把这些数据喂给一个算法，算法输出一个每秒钟都在变化的费率。驾驶员的每一次急刹车都可能让保费上涨 3% 到 7%。
三件事看起来毫不相干。一件发生在一个流媒体平台的算法公告里，一件发生在欧盟监管机构的法律文本里，一件发生在一辆电动车的驾驶舱里。但它们共享一个隐藏的结构：定价权已经从政府手里悄悄转移到了平台和算法的手中。
一个被忽略的共同点：控制的扩散
经济学家讨论"控制"这个词，通常会把它和"政府干预"画等号。这个等式在 20 世纪的大部分时间里是成立的。从罗斯福新政到撒切尔的私有化改革，争论的核心始终是：政府应该把价格压低还是让市场决定。但进入 21 世纪后，"控制"的主体发生了静悄悄的位移。
政府仍然在管制，但平台、算法和数据已经成为新的"控制者"。苹果通过 App Store 控制 30 亿用户接触应用的入口，Google 通过搜索结果控制数十亿次信息查询的曝光，Meta 通过信息流控制用户在 Facebook 和 Instagram 上看到的内容。它们的控制不需要通过税收或补贴，只需要通过一行代码。
这种控制的危险不在于它是"私人的"，而在于它缺乏外部约束。政府定价要经过听证会和议会辩论，平台定价只需要产品经理的一次决策。政府的定价错误可以被选举纠正，平台的定价错误只能靠用户用脚投票，而用户往往已经被锁定在生态里。
要理解这种新型控制，我们需要一个分析框架。这个框架不是 2024 年的发明，而是 1944 年一个叫阿巴·勒讷（Abba Lerner）的经济学家在剑桥大学讲演中提出的。
勒讷 1944 年的命题：让社会边际收益等于社会边际成本
1944 年，第二次世界大战还在激烈进行，欧洲大陆的学者流亡到英美各地。阿巴·勒讷，这个 1903 年出生于沙俄边境（现在的立陶宛）的年轻人，已经在伦敦政治经济学院度过了他的青年时代，跟从约瑟夫·熊彼特和莱昂内尔·罗宾斯学习经济学，20 世纪 30 年代移民美国，与保罗·斯威齐合作提出了"米塞斯-勒讷争论"中的关键反驳。1944 年他在剑桥大学做的讲演，后来集结成一本薄薄的书《控制经济学》（The Economics of Control）。
在那个战火纷飞的年代，勒讷关心的核心问题是：什么是"最优"的定价？市场自己给出的价格经常偏离最优，但偏离的原因不是市场本身错了，而是市场没有把所有相关的成本和收益都纳入考量。他给出的答案是：
让社会边际收益等于社会边际成本。
这句话听起来平淡无奇，但它是整个现代福利经济学的基石之一。把它翻译成日常语言：你消费的每一单位商品，比如一升汽油、一次外卖配送、一段短视频，背后都会产生两种成本和两种收益。
私人成本是生产者自己掏腰包的部分：油费、人工、带宽、服务器折旧。社会成本是第三方或未来承担的部分：空气污染、道路拥堵、隐私泄露、算法操纵带来的心理负担。私人收益是你直接获得的效用：通勤便利、食物送达、即时娱乐。社会收益是其他人从你消费中获得的正外部性：你打疫苗降低了周围人的感染风险，你买电动车降低了城市碳排放。
市场的日常交易通常让私人边际收益等于私人边际成本。这个等式在很多情况下和社会最优状态不一致。当一辆燃油车在市中心行驶，它承担的私人成本是油费和磨损，但它给整个城市带来的空气污染和拥堵成本是私人成本的若干倍。私人决策可能让这辆车继续上路，但社会最优状态可能是让司机改乘公共交通。
勒讷 1944 年的命题就是：当私人决策和社会最优偏离时，就需要某种形式的"控制"来纠正。可以是税收（让私人成本逼近社会成本），可以是补贴（让私人收益逼近社会收益），也可以是监管（直接禁止或强制某种行为）。在他看来，争论"市场还是政府"是次要的，争论的核心应该是"什么样的控制能让社会边际收益等于社会边际成本"。
这个命题在 1944 年听起来是抽象的，但在 2024 年变得具象。我们打开一个 App、滑动一段短视频、点击一次外卖下单，背后都有一套定价或匹配规则在运行。这些规则就是某种形式的控制，只是这种控制不再由政府机构行使，而是由硅谷和北京的工程师写在代码里。
勒讷指数：测量市场权力的标尺
要把勒讷的命题从抽象变成可操作，需要一个具体的度量。勒讷在 1944 年同一年提出了一个后来以他名字命名的公式，就是勒讷指数（Lerner Index）：
$$L = \frac{P - MC}{P}$$
其中 P 是价格，MC 是边际成本，也就是每多生产一单位产品带来的额外成本。这个公式衡量的是：在每一块钱的收入里，有多少是超过边际成本的"租金"。L 越接近 0，市场越接近完全竞争；L 越接近 1，市场失灵越严重。
这个公式在 1944 年被用来分析钢铁、汽车这类传统行业。几十年后，它被数字平台经济学家拿过来分析 App Store、Spotify、Uber 这些新现象。原因很简单：数字平台的市场结构和传统制造业惊人地相似，都存在高固定成本（前期开发）、低边际成本（每多服务一个用户的成本极低）、用户黏性强等特征。
但勒讷指数也有一个明显的局限：它只衡量"价格-边际成本"的偏离，没有考虑外部性。换句话说，勒讷指数衡量的是市场参与者能从价格中提取多少租金，而不是市场价格离社会最优有多远。要弥补这个局限，需要把勒讷指数和"私人边际收益 vs 社会边际收益"的差距结合起来看。下面这张图给出了三者的关系：
```mermaid flowchart LR A[私人边际收益] --> D{企业定价} B[社会边际收益] --> D C[社会边际成本] --> D D --> P[市场价格 P] P --> L[勒讷指数 L] A -.->|偏离时| B ```
这张图的核心信息是：企业的定价决策同时受到私人边际收益、社会边际收益、社会边际成本三者的影响，但在实际市场中，企业通常只考虑私人边际收益和边际成本。当私人边际收益不等于社会边际收益时（几乎所有存在外部性的市场都是如此），市场价格 P 就会偏离社会最优。勒讷指数衡量的是这种偏离的一部分，而另一部分（外部性导致的偏离）需要其他工具来衡量。
在数字经济里，勒讷指数往往被人为压低以制造"普惠"的假象。一家公司可能以远低于成本的价格提供基础服务，靠数据变现来补贴。这种"零价格 + 隐性收费"的模式让传统勒讷指数接近 0，但实际的市场权力远高于账面数字。勒讷在 1944 年没有预见到这种结构，但他给出的命题依然有效，只是需要扩展工具集。
Uber 的雨天与字节跳动的算法：命题的应用
如果把勒讷命题用在 Uber 的动态定价上，可以得到一个清晰的画面。Uber 在雨天、节假日、大型活动期间会把价格提高 2 到 5 倍。站在 Uber 的立场上，这只是把供需关系匹配起来的算法决策：需求上升，价格上升，部分需求退出，运力重新平衡。但站在城市的立场上，动态定价可能带来三个社会成本。
把本可以步行或乘坐公共交通的乘客吸引到私家车出行，这会增加道路拥堵；让司机倾向于在高峰期集中等待高溢价订单，而不是均匀地分布运力；让乘客对价格形成不确定预期，反而降低公共交通工具的吸引力，因为公共交通的优势之一就是价格稳定。
Uber 算法内部用的是"私人边际收益"，也就是供需曲线的交叉点。但城市管理者关心的"社会边际成本"远高于这个曲线，拥堵、排放、公平性都是外部成本。两者的差额，就是勒讷意义上的控制空间。
字节跳动的推荐算法是一个更隐蔽的例子。每一条抖音、每一个点赞、每一秒停留，这些行为都被记录成"用户参与度"的指标。算法根据这个指标决定下一条推送的内容。这个过程看起来是"为你推荐你喜欢的视频"，但它的目标是最大化平台的用户停留时间，而不是最大化用户的幸福感或信息多样性。
私人边际收益是平台获得广告收入的部分。社会边际收益还包括用户时间被侵占的隐性成本，以及创作者被算法筛选机制塑造的内容生态：标题党、低质内容、信息茧房。两者的差额，同样构成了勒讷意义上的控制缺口。
这两个案例显示了一个共同的模式：平台算法在用"私人"价格信号做决策，但这些决策会产生显著的"社会"成本。监管者面对的问题不是要不要"控制"，而是怎样让算法层面的控制重新对齐到社会最优上。欧盟 DMA 给出的答案是强制开放接口、加州 AB 2273 给出的是给未成年人设置默认隐私设置、中国《未成年人保护法》给出的是青少年模式。三个法律工具，三种纠正方向，背后都是勒讷 1944 年的命题。
Spotify 案例：估算一个流媒体平台的勒讷指数
回到本章开头的 Spotify 案例。现在可以做一个具体的练习：估算 Spotify 的勒讷指数。
先确定参数。P 是 Spotify 支付给音乐人的每千次播放费用。在 2023 年调整前，这个数字大约是每千次播放 4 美元（Spotify 保留约 30% 的订阅收入作为运营和利润，剩下的部分进入音乐人分成池）。MC 是真正提供一次播放所需的边际成本，主要是带宽（CDN 流量费）、存储、版权分摊计算的开支。
边际成本怎么估算？Spotify 的公开数据有限，但可以借用云计算行业的单价作为参照。在云服务市场上，1GB 数据的存储和分发成本大约是 0.01 到 0.05 美元。一首 4 分钟的 MP3 文件大小约 4MB，1000 次播放意味着 4GB 的流量分发，边际成本大约 0.04 到 0.20 美元。再加上版权分摊计算的平台运营成本，按每千次播放摊销约 0.05 到 0.10 美元。综合下来，MC 大约是 0.1 到 0.3 美元/千次播放。
取中位数估算： $$L \approx \frac{4 - 0.2}{4} = 0.95$$
这是一个极高的勒讷指数。它告诉我们：在 Spotify 这个市场里，存在巨大的价格-成本缺口。Spotify 每收入 1 美元，就有 0.95 美元是超过边际成本的"租金"。但这种租金的去向不是 Spotify 的利润，Spotify 的净利润率只有约 1% 到 2%，而是整个流媒体生态的中间层：唱片公司、版权代理商、艺人经纪公司。
勒讷指数高企的根本原因是什么？是 Spotify 的"用户黏性"。大多数用户不会为了找音乐而在多个 App 之间切换。这种黏性在勒讷时代被称为"进入壁垒"（barriers to entry），在 2024 年被称为"生态锁定"（ecosystem lock-in）。壁垒越高，平台维持高勒讷指数的能力就越强。
Spotify 这个案例展示了一种数字平台特有的市场结构：高勒讷指数不一定带来高利润，但带来了高议价能力。议价能力的对象不是消费者，而是上游的内容提供者（音乐人）和下游的分销渠道（电信运营商）。这也是为什么 2023 年的分成规则调整对独立音乐人冲击最大，因为他们的议价能力最弱。
如果让你做同样的估算，方法可以推广到任何一个你熟悉的 App。选一个你常用的应用，问自己三个问题：
- 这个 App 每"卖"一单位内容（一次播放、一次点击、一次送达）获得的收入是多少？
- 提供这一单位内容的边际成本（带宽、计算、客服）是多少？
- 这两者的差额占收入的比例是多少？
把这个问题套在你常用的外卖平台上，你会发现勒讷指数同样高得惊人。一单外卖的配送边际成本（骑手时间 + 油费）大约 5 到 10 元，而平台抽佣后商家支付的费用可能是 15 到 25 元。勒讷指数轻松超过 0.5。再套在云服务上：1GB 对象存储的边际成本约 0.02 美元，而 AWS S3 的标价为 0.023 美元/GB，勒讷指数约 0.13，远低于前面两个市场。这种差异不是技术决定的，而是市场结构决定的。
这种"自己动手算勒讷指数"的练习比阅读任何一篇评论文章都更有效。当你用自己的数字填充公式时，市场权力的概念就不再是抽象术语，而是变成你可以向朋友解释的具体场景。
阅读地图：思想史、技术原理、当代应用
本书的章节安排有一条贯穿始终的线索，就是把勒讷 1944 年的命题反复带回到当下场景。为了不让你读到一半失去方向，让我提前告诉你这本书的结构。
思想史这条线由第二章到第五章构成。第二章会回到勒讷本人：一个 1903 年出生于沙俄边境、十几岁逃到伦敦、在伦敦政治经济学院跟从熊彼特和罗宾斯学习的年轻人。他为什么在 1944 年写出《控制经济学》？他和凯恩斯的关系是什么？他和马克思、哈耶克的思想分歧在哪？第三章延展到哈耶克的《通往奴役之路》。1944 年，勒讷的《控制经济学》和哈耶克的《通往奴役之路》同年出版，两本书构成了战后关于"控制 vs 自由市场"争论的两个极点。第四章讨论熊彼特：他提出的"创造性破坏"理论如何影响了我们对平台竞争的判断。第五章回到弗里德曼：他 1962 年出版的《资本主义与自由》如何系统反驳了勒讷的控制命题。这四位思想家在二战前后的争论，构成了我们今天讨论"控制 vs 自由市场"的源头。
技术原理这条线由第六章到第九章构成。第六章会拆解动态定价的数学：边际成本定价、双边市场、需求弹性估计。第七章进入推荐系统：协同过滤、深度学习排序、多臂老虎机算法。第八章讨论数据中介：用户数据如何被定价、如何被交易、如何被泄露。第九章回到平台架构：双边市场的网络效应、规模报酬递增、生态系统的竞争逻辑。这些技术名词背后都有可以写出代码的数学模型，第六章到第九章会尽量用你能跟得上的方式解释它们。
当代应用这条线由第十章到第十四章构成。第十章是 App Store 生态：苹果税、谷歌税、Epic Games 案。第十一章是外卖平台：佣金博弈、骑手算法、商家定价权。第十二章是短视频：内容审核、青少年模式、信息茧房。第十三章是云计算和企业 SaaS：Azure、AWS、阿里云的市场结构。第十四章是数据隐私：GDPR、中国《个人信息保护法》、用户数据的"二次定价"。
第十五章是整本书的收尾，回到一个更大的问题：如果"控制"已经扩散到平台和算法，那么 21 世纪的我们，是否需要一种新的"控制经济学"？
贯穿所有章节的，是勒讷在 1944 年写下的那行公式：让社会边际收益等于社会边际成本。它是一根线，把思想史、技术细节、当代案例穿在一起。每一章的开头都会回到这个命题，每一章的结尾都会留一个回到这个命题的钩子，确保你在阅读后续章节时不会丢失主线。
本章小结
回到开头的三件事——欧盟 DMA、苹果 App Store、特斯拉保险——它们看起来是新闻条目，但都可以被还原成勒讷 1944 年的命题。DMA 试图把苹果的"私人定价规则"对齐到"社会最优"上；苹果 App Store 的反垄断诉讼是勒讷指数高企的直接后果；特斯拉保险的实时定价算法是私人边际成本被算法实时重估的典型例子。本章开头的 Spotify 案例则展示了流媒体平台如何通过算法改写来重新分配"租金"。
读完本章，你应该能回答一个问题：1944 年勒讷在剑桥讲义中写下的那个等式，今天还在解释我们身边的哪些定价现象？答案不限于本章提到的几个案例，它应该延伸到你日常使用的每一个 App。TikTok 的推荐算法、淘宝的搜索广告、滴滴的峰时加价、Steam 的游戏折扣、Steam 之外独立游戏的 Kickstarter 众筹价格设计，背后都有勒讷指数在背后默默运转。
你还应该完成一个小练习。在自己常用的三个 App 里，找一个"算法定价"的实例，记录下你观察到的价格信号（价格怎么变）、用户行为（你或其他人怎么反应）、平台反应（平台如何调整规则）。不需要写成论文，几段随笔即可。下一次我们会带着这些观察进入第二章，看看一个从沙俄边境跑出来的少年，到底是怎样一步步成为"控制经济学家"的。他和凯恩斯在美联储的走廊里讨论了什么？他在大萧条中看到了什么让他写出"功能性财政"的命题？这些问题会在第二章得到回答。