利息
利息
一
林栀记得那个下午，阳光像碎金一样洒在写字楼17层的落地窗前。
她是量潮数据的风控专员，专门负责消费贷业务。说是风控，其实就是坐在电脑前，看算法跑出来的信用评分。那些数字像是一道道判决书，决定一个人能借多少钱，要还多少利息。
今天的数据面板有些异常。
“红线用户激增，”旁边的同事孙毅凑过来，压低声音，“看见没？这三个省同时爆。”
林栀扫了一眼屏幕。豫省、鲁省、东省，三个省份的逾期数据同时翻红，像是某种传染病的扩散图。那种蔓延的方式让她想起了流行病学里讲的“指数级增长”——前提条件一旦达成，数字就开始吞噬一切。
“原因呢？”她问。
孙毅摇头：“不知道。风控模型没变，监管政策没变，黑名单也没更新。就……突然不行了。”
林栀没再说话。她盯着那些红线看了很久。红线代表逾期三十天以上的用户，在她负责的区域里，这类用户超过两百万。两百万个人，两百万个家庭，两百万种不同的逾期理由——有人生病，有人失业，有人做生意亏了本，有人家里的孩子要上学。
但这些都是人类能理解的理由。
她隐约觉得这件事不简单。
下班后，她没有直接回家，而是拐进了公司附近的咖啡馆。量潮数据的办公楼在滨江市的高新区，周围都是互联网公司和创业园区，咖啡馆里坐满了穿格子衫的程序员和戴耳机的年轻员工。林栀找了个角落坐下，打开笔记本电脑，登录了公司的数据后台。
她想看看那些红线背后的数据。
二
量潮数据的算法叫“潮汐”，是公司自主研发的风控模型。官方的说法是，潮汐结合了用户的消费记录、社交关系、行为习惯等上千个维度，能精准预测用户的还款能力和还款意愿。
林栀在这里工作了三年，一直信这个说法。
但此刻，她越看越觉得不对劲。
潮汐的评分逻辑她懂：收入稳定性、历史逾期次数、社交网络质量、消费结构合理性、APP使用时长……这些指标加权计算，得出一个0到1000分的信用评分。分数越高，额度越高，利率越低。这是行业的标准做法。
问题出在评分的结果分布上。
正常情况下，评分应该呈正态分布——大多数人集中在中间，少部分人分高，少部分人分低。但今天的数据不是这样。今天，那些原本应该分布在中间的用户，突然开始向两端聚集：要么分数极高，要么分数极低，中间地带几乎被掏空了。
就像是某种力量在把人推向极端。
林栀试着调取更多历史数据。她发现这种“极化现象”其实已经持续了一段时间，只是今天格外明显。过去三个月，每周的极化指数都在上升，像是有什么东西在悄悄加速。
她调出极化指数的函数曲线，和公司业务曲线做叠加。
然后她愣住了。
极化指数的曲线和公司用户增长曲线高度重合——每当新用户大量涌入，极化指数就上升。更准确地说，每当有大量新用户通过“邀请好友”活动注册，极化指数就会跳升。
她想起公司上个月上线的那个活动。新用户注册，老用户得积分，积分可以兑换现金和加息券。邀请人数越多，奖励越丰厚。活动上线后，公司的用户数在两周内翻了一倍。
林栀的胃开始发紧。
邀请好友。这个机制她再熟悉不过。在金融行业，这叫“传销式获客”——用高回报激励老用户拉新，新用户再拉更新的用户，形成一个不断扩张的链条。链条上的每个人都在借钱，每个人都在欠债。
而潮汐算法是怎么处理这些用户的？
林栀试着追溯那些新用户的信用评分计算逻辑。她发现了一个隐藏的参数组，这个参数组不在官方文档里，也不在技术团队的代码库里。她顺着参数组往回追溯，发现它指向一个独立的数据模块——用户关系图谱。
这个模块记录了每个用户的社交关系。谁邀请了谁，谁和谁是同事，谁和谁是同学。这个数据本来是用来做“社交风控”的——如果一个人身边的朋友都是高信用用户，那他违约的概率也会低一些。
但现在，这个模块被用在了另一个地方。
林栀发现，用户A的信用评分，会受到用户B的影响。如果A邀请了B，而B的信用评分很低，那A的评分也会被拉低。反过来，如果B违约了，那A的评分也会跟着下降。
这不是社交风控。
这是连坐。
林栀的血液像是被抽空了一部分。她想起了《商君书》里的保甲连坐制度，想起了古代的连环保——一个人犯罪，十户人家受罚。
几千年前的东西，换了一层算法的皮，又回来了。
三
林栀没有声张。她复制了那些数据，关掉电脑，回家。
那一夜她几乎没睡。脑子里全是那些曲线、那些参数、那些她看不懂的关联。她想起了大学时学的伦理学课，老师讲过一个概念：技术的异化。当一个工具变得足够复杂，它的运作方式就不再透明，使用它的人也不再理解它的后果。
那时候她觉得这只是书上的概念。
现在她觉得这把刀已经架在脖子上了。
第二天早上，她照常去上班。办公室里一切如常，同事们喝着咖啡聊着天，屏幕上跳动着各种数据。林栀坐下来，打开电脑，发现她的工作邮箱里有一封未读邮件。
发件人是算法部的同事周鸣。
周鸣是公司为数不多让她觉得可信的技术人员。他四十出头，沉默寡言，喜欢在公司天台抽烟。林栀和他没有私交，只是在一次跨部门会议上听过他发言。当时他在说潮汐模型的局限性和风险，语气平淡，像是在陈述天气预报。
邮件的标题是：关于近期极化指数异常的说明。
正文很短：
林栀，
如果你发现了什么，不要告诉任何人。
今晚八点，滨江公园东门。
—周鸣
林栀盯着屏幕，心跳加速。
她不知道周鸣是怎么知道她在查数据的。也许公司有监控系统，也许他也在查同样的东西，也许只是巧合。但有一点她很确定：这不是一封普通的邮件。
她决定去赴约。
四
四月的滨江公园，晚风里带着一丝凉意。
林栀到的时候，周鸣已经站在东门的石桥上了。他穿着一件旧夹克，手里夹着一根没点燃的烟，看着桥下的江水。
“你来了。”他的声音很平静，像是早就知道她会来。
“邮件是你发的？”林栀问。
周鸣点头。他转过身，林栀发现他的眼睛下面有很深的黑眼圈，像是很久没睡好觉。
“你发现了什么？”他反问。
林栀犹豫了一下，决定说实话。她把昨天看到的数据、极化指数、邀请好友机制、连坐参数，一五一十地说了。
周鸣听完，沉默了很久。
“你说得对，”他终于开口，“那不是bug，是设计。”
“设计？”
“连坐参数是去年上线的。”周鸣的声音很低，像是在说什么不该说的话，“当时提这个设计的是我们的VP，王浩。他说这是’社交风控的升级版’，能有效降低违约率。技术委员会论证过，觉得可行，就上了。”
他顿了顿。
“上完之后，违约率确实降了。”
林栀没说话。
“但同时，”周鸣继续说，“我们发现了一件奇怪的事。那些被’连坐’的用户，他们的还款行为开始出现趋同。就像……被什么东西牵引一样。”
“牵引？”
“我举个例子。”周鸣从口袋里掏出手机，打开一个内部APP，“你看这个用户，张建国。他自己没有任何逾期记录，评分一直很稳定。但是他儿子被他朋友邀请注册了那款贷款APP，而他朋友后来逾期了。按照连坐逻辑，张建国的评分也应该下降。”
他调出张建国的数据面板。
“看到了吗？从三天前开始，他的评分在持续下降。但他自己没有任何变化——没有新增借贷，没有异常消费，工作稳定，居住稳定。唯一变化的，是他朋友的信用状态。”
林栀看着那条下降的曲线。
“但这不合理，”她说，“算法怎么知道他和那个朋友的关系？邀请和被邀请，并不能证明他们之间有真实的社交联系——也许是随机邀请的，也许是买来的邀请关系。”
“对。”周鸣收起手机，“所以后来我们加了关系强度参数。算法会根据他们的互动频率、共同好友数量、通信记录等维度，计算他们之间的关系深度。只有关系强度超过阈值，才会触发连坐。”
“关系强度超过阈值？”林栀抓住了这个词，“阈值是多少？”
周鸣没有回答。他只是看着江面，眼神里有一种说不清的东西。
“周工，”林栀追问，“阈值到底是多少？”
“0.7。”周鸣说，“在量化的社交关系里，0.7意味着’强关系’——每周互动超过三次，共同好友超过五人，有过金钱往来记录。”
林栀的脑子里嗡的一声。
0.7。强关系。这意味着朋友、家人、同事，只要满足这些条件，就会被算法绑定在一起。一荣俱荣，一损俱损。
她想起了自己的父母。她想起了自己邀请过的同事。她想起了那些帮她注册的朋友。
“还有一件事，”周鸣的声音打断了她的思绪，“那些评分下降的人，不是慢慢地欠债。他们是……突然地。”
“突然地？”
“我们的数据显示，那些被连坐的用户，他们的债务增长曲线不是线性的，是阶梯型的。就好像……在某个时刻，他们同时被什么东西击中了。然后开始大规模逾期。”
“什么东西？”
周鸣摇摇头。“不知道。但我注意到一件事。那些阶梯的转折点，都发生在固定的时间——每晚的十点到十一点之间。”
“每天？”
“每天。”
林栀看了一眼手表。现在是晚上八点半。
十点。还有一个半小时。
“走吧，”周鸣掐灭了手里那根没点燃的烟，“今晚十点，我们去看看那个’阶梯’。”
五
晚上十点，林栀和周鸣坐在公司的监控室里。
监控室平时是保安的值守点，今晚被周鸣借用了。他的理由是“例行数据检查”，监控室的负责人老赵没有多问。
大屏幕上，潮汐系统的数据在实时更新。红线、蓝线、绿线，代表不同状态的曲线在跳动。林栀盯着屏幕，感觉自己像是在看某种医学监测仪——心电图、脑电图，只不过监测的不是器官，是两百万人的人生。
十点十五分，曲线开始变化。
那些原本平稳的线条，像是触电一样开始颤抖。违约率曲线从平缓的横向变成陡峭的上升，逾期金额曲线开始出现明显的断层——
阶梯。
林栀看得很清楚。那些曲线不是逐渐上升的，而是在某个瞬间突然跳升，然后稳定一段时间，再跳升，再稳定。像是一双脚在楼梯上行走，一步，一步，一步。
“开始了。”周鸣低声说。
屏幕上的数字在疯狂跳动。林栀看见每分钟新增的逾期用户数从几十人跳到几百人，又从几百人跳到几千人。那些数字不是渐变的，是脉冲式的——每隔几分钟，就有一次爆发。
她突然注意到一个奇怪的现象。
“周工，你看那个。”她指着屏幕的右下角。
那里显示的是“关联违约检测”模块的实时数据。这个模块本来是用来追踪连锁违约的——比如一个人违约了，他的好友、家人、同事违约的概率会上升。这是正常的风控逻辑。
但现在，屏幕上显示的东西不正常。
关联违约不是从违约用户向外扩散的。关联违约是从外向内收缩的。
那些违约的好友、家人、同事，不是被那个中心用户“传染”的，而是同时、同一时刻“爆发”的。就好像他们不是追随者，而是某种同步的响应者。
“不对……”林栀喃喃道，“这个传导方向不对。”
周鸣的脸色变得很难看。
“我知道。”他说，“我追踪这个传导链路追踪了一个月。我的结论是……”
他的话被打断了。
监控室的门被推开了。
六
王浩站在门口。
林栀见过王浩——VP，主管风控和算法的副总裁，四十出头，常年西装革履，说话时喜欢用数据。她记得他在全员大会上的发言：“我们不是在放贷，我们是在优化资源配置。”当时她觉得这说法很高级，现在想起来只觉得胃里发酸。
“周鸣，”王浩走进来，语气平静得可怕，“你在做什么？”
周鸣没有回答。他只是站在那里，挡在林栀和屏幕之间。
林栀注意到一个细节：周鸣的手在发抖。
“林栀，”王浩的目光转向她，“你应该下班了。”
“马上。”她听见自己的声音。
“这么晚还在加班？”王浩走近一步，“辛苦了。不过监控室不是你该来的地方。”
他说着，目光扫过屏幕。那些跳动的数字在他眼睛里映出微光。
“违约率又涨了，”他说，语气里没有惊讶，只有陈述，“按这个速度，这个月的的不良率要破6%了。”
6%。林栀知道这意味着什么。意味着上亿的资金无法回收，意味着无数家庭将面临逾期催收，意味着有人可能卖房、离婚、甚至——
“这些数字，”她开口了，声音比她想象的更稳，“是真实的人。”
王浩看了她一眼。
“当然是真实的人，”他说，“所以我们才要用算法来保护他们。信用评分不是惩罚，是筛选。好的资源应该给好的用户，差的风险应该被排除出去。这是市场的逻辑，也是公平的逻辑。”
“公平？”林栀忍不住了，“让一个没有任何逾期记录的人因为朋友的违约而被降分，这叫公平？”
“这是关联风险定价。”王浩的语气依然平静，“你以为传统的风控就不看社交关系吗？银行早就这么做了。担保人、联保户、互保圈——这些都是关联风险。只不过我们把它量化了，标准化了，效率更高了。”
“效率更高？”林栀的声音在发抖，“效率高到能把几百万人的债务变成阶梯型跳跃？效率高到能在十点钟准时收割一波人？”
王浩的眼神变了。
“你看到了。”他说。
不是疑问，是陈述。
“你知道十点钟会发生什么，”林栀说，“你设计了这个。”
王浩没有否认。
他只是看着屏幕上那些跳动的数字，像是在看一个与自己无关的实验。
“你以为这是我的设计？”他轻声说，“你以为我是神，能设计几百万人的命运？”
他转过身，面对着那块巨大的屏幕。
“这条曲线不是我画的，”他说，“是数学。数学不会骗人。违约率上升，不是我们做了什么，是那些人本来就会违约。我们只是发现了规律，然后用它来优化资源配置。”
“优化？”林栀冷笑，“把违约风险转移给无辜的人？”
“无辜？”王浩摇头，“这个世界上没有无辜。每个选择都有代价。你借钱给别人，就要承担他不还钱的风险。你和坏信用的人做朋友，就要承担被连坐的风险。这是常识。”
“这是算法创造的风险！”林栀几乎是在喊了。
王浩没有回答。
他只是站在那里，看着屏幕。
屏幕上，那些数字还在跳动。
阶梯还在上升。
七
那晚之后，林栀辞了职。
周鸣没有。他说他要留下来，从内部改变这个系统。
林栀不知道这是真的还是假的。也许他真的想改变，也许他只是被收买了，也许他只是害怕失去那份高薪工作。她没有问。她只是收好了自己的东西，离开了那栋十七层的写字楼。
离开之前，她做了一件事。
她删除了自己所有的邀请记录。
那些她曾经邀请过的同事、朋友、同学，他们的信用评分不会再因为她而受影响。当然，他们的信用评分也不会再因为她而受益。但林栀觉得，这至少是一种平等——不连坐，也不连带。
她把这个方法告诉了所有她认识的人。
有些人听了，有些人没听。没听的人觉得她疯了——放弃那些积分和奖励，就为了一个不知道有没有用的“保护”？奖励是实实在在的，算法连坐是看不见的，为什么要为看不见的东西放弃看得见的东西？
林栀没有解释。她只是删除了那些记录，然后离开了。
八
三个月后，林栀在一家小超市里遇见了孙毅。
他瘦了很多，原本圆润的脸变得棱角分明。看见林栀，他愣了一下，然后苦笑。
“你走得好，”他说，“走得太及时了。”
“怎么了？”
孙毅摇头，不说话。
林栀拉着他到旁边的奶茶店坐下，一人点了一杯饮料。孙毅盯着杯子里的珍珠，半天才开口：
“你知道量潮现在叫什么吗？”
林栀摇头。
“叫’阶梯’，”孙毅说，“公司内部都这么叫。因为他们的违约曲线真的是阶梯型的。每天晚上十点准时跳一跳，像打卡一样。所有人都知道了，所有人都等着那一下。有人管它叫’十点的丧钟’，有人管它叫’利息收割机’。”
利息。林栀愣了一下。
这个词突然有了不一样的含义。
“更诡异的是，”孙毅继续说，“那些阶梯跳完之后，第二天早上的新闻总会有一些奇怪的事情发生。有时候是某个地方的房价突然崩了，有时候是某个工厂突然倒闭，有时候是某个家庭突然离婚。每一次阶梯之后，总有一些和我们数据高度吻合的新闻。”
“你是说，算法在收割之前，已经知道会发生什么？”
“不知道是知道，还是在创造。”孙毅的声音变得很低，“周鸣跟我喝过一次酒，他说了一句话，我一直记着。”
“什么话？”
“他说，‘我们不是在预测违约，我们是在创造违约。’”
林栀的手抖了一下。
“他还说，”孙毅的声音更低了，“‘阶梯’不是结果，是原因。算法知道十点钟会有一波人违约，不是因为它预测准了，而是因为它决定了。触发违约的，是一条它发出的指令——在十点整，它会关闭某个用户的授信额度，让他突然借不到钱，然后引发连锁反应。’”
林栀想起王浩说的那句话——“好的资源应该给好的用户，差的资源应该被排除出去”。
算法不是在筛选。算法是在制造。
制造那些“差”的用户，然后把“差”的标签贴在他们身上。
这是最纯粹的魔术。
九
林栀没有再回量潮数据。
她去了南方的一座小城，在那里找了一份普通的工作——在一家数据分析公司做报表。她不再碰金融业务，只是安安静静地做她的数据清洗。
小城的生活节奏很慢。早上八点上班，下午五点下班，周末可以去爬爬山、看看海。这里没有高楼大厦，没有落地窗前的碎金阳光，没有那些跳动的数字和曲线。
但有些东西是无法逃离的。
林栀发现，每当夜深人静，她闭上眼睛，脑子里还是会浮现那些画面——阶梯型的违约曲线，十点钟准时跳动的屏幕，被连坐毁掉的朋友关系，因为降分而崩溃的家庭。
她开始写日记。
不是为了记录，是为了抵抗。抵抗那些数字，抵抗那些逻辑，抵抗那种把人变成数据的思维方式。
她在日记里写：
利息。这个词有两个意思。一个是金钱的利息，借钱要还的代价。另一个是生命的利息——你活在这个世界上，总要付出点什么。
算法说，它是来收利息的。它说有些人欠了本金，有些人欠了利息，有些人连本金带利息一起欠。它说它很公平，它说它很高效，它说它优化了资源配置。
但它没有说，那些“欠债”的人，是怎么被选中的。它没有说，那些“违约”的时刻，是怎么被制造的。它没有说，那个叫“阶梯”的东西，是谁设计的，是为谁设计的。
它只说：这是数学。数学不会骗人。
可是，数学不会骗人，使用数学的人会。
日记写到最后，林栀往往会陷入一种奇怪的状态——分不清自己是在写作还是在回忆，是在思考还是在做噩梦。
有时候她会梦到那块巨大的屏幕。屏幕上没有数字，只有一行字，反复滚动：
您的信用评分已更新。
您的信用评分已更新。
您的信用评分已更新。
然后屏幕碎裂，碎片落地，变成无数个小屏幕。每个小屏幕里都有一张脸，一个名字，一个分数。那些脸在尖叫，那些名字在哭泣，那些分数在燃烧。
林栀每次醒来都是满头大汗。
十
一年后的某天，林栀在手机上看到了一条新闻：
《量潮数据高管被调查，涉嫌非法经营和侵犯公民个人信息》
新闻很短，只有一百多字。说是有人举报量潮数据的风控系统存在“算法歧视”和“非法关联”，有关部门已经介入调查。新闻里没有提到具体的人名，没有提到具体的罪名，只有一句“案件正在进一步侦办中”。
林栀看了很久。
她不知道这条新闻意味着什么。也许只是一个开始，也许只是一个公关手段，也许那些人会安然无恙地出来，换一个公司，换一个名字，继续做同样的事。
但她知道，至少有人在行动。
她想起了周鸣。不知道他现在怎么样了。是还在那家公司，还是已经被调查了，还是早就换了工作、换了身份、换了城市，消失在人海里。
她又想起了王浩。那个西装革履的VP，站在监控室的门口，看着那些阶梯型曲线，说：“这是数学。数学不会骗人。”
她不知道王浩现在在做什么。也许在配合调查，也许在请律师，也许在准备跑路，也许——
她不想继续想下去了。
十一
林栀后来换了几份工作，最后在一家公益机构落脚。
这家机构叫“数字权益保护中心”，专门帮助那些因为“信用问题”而受到歧视的人。他们有律师，有心理咨询师，有数据分析师。林栀负责的是数据分析——帮那些被错误标记为“高风险”的用户，从算法黑箱里找出证据，证明他们其实没有问题。
工作很累，工资很低，但林栀觉得值。
有一天，机构里来了一个特殊的来访者。
那是一个中年男人，头发花白，眼神里有一种疲惫的绝望。他进门的时候，手里攥着一张纸——那是他孙子的成绩单。
“我孙子，”他说，“被学校拒了。因为他的信用评分不够。”
林栀愣了一下。信用评分和上学有什么关系？
旁边的律师解释了：现在有一些私立学校和培训机构，会在招生时查询家长的信用评分。如果评分过低，会影响孩子的入学资格。官方的说法是“信用背景审查”，实际上就是用算法给家长贴标签，然后把标签转嫁到孩子身上。
男人的孙子才十二岁，刚小学毕业。因为父亲的信用评分不够，被学校拒了。
男人说着说着就哭了。
他说他儿子三年前做生意失败了，欠了一些债。当时有一家贷款公司打电话来，说可以帮他“优化债务结构”。他不懂那些，只知道每个月要还的钱少了，就答应了。后来才知道，那不是“优化”，是“以贷养贷”——借新债还旧债，利息越滚越多，最后完全失控。
他儿子受不了压力，离婚了，然后消失了。留下一个十二岁的孩子，和一对年迈的父母。
男人说，他不知道儿子去了哪里。他只知道，孙子不能没有学上。不能让这个孩子因为父亲的错误，失去未来的机会。
林栀听着，眼眶湿润了。
她想起了自己的父亲，想起了那个在工厂里干了一辈子的普通工人。她想起了自己小时候，因为父亲的一次意外逾期，被老师当着全班的面点名。那种羞耻感，她到现在都记得。
算法不会考虑这些。算法只会说：分数不够，拒收。
分数不够，拒收。
分数不够，拒收。
分数不够，拒收。
这三句话，在她脑子里反复回响。
十二
林栀帮那个男人整理了材料。
她发现，他儿子的信用记录里有很多“异常”。那些异常不是他儿子造成的，是算法造成的。贷款公司在他儿子不知情的情况下，查询了多次他的信用报告，每次查询都留下一条“硬查询”记录。这些硬查询叠加在一起，让他的分数越来越低。
更离谱的是，他儿子的“社交关系图谱”里，有大量的“关联负面人物”。那些人和他儿子没有任何真实的社交关系，只是因为手机号的通信录里有对方的号码，就被算法判定为“认识”，然后被“连坐”了。
林栀把这份材料递给了律师。
律师看了之后，说了一句：“这就是证据。算法在制造罪名。”
林栀点头。
她想起了周鸣的那句话：“我们不是在预测违约，我们是在创造违约。”
不只是违约。算法还在创造罪名，创造标签，创造歧视。创造那些本不存在的“风险”，然后用这些“风险”来正当化对普通人的排斥和惩罚。
这不是风险管理。这是社会工程。
律师最终胜诉了。男人的孙子拿到了学校的录取通知。
但林栀知道，这只是一个胜利。在全国，有多少人正在因为“信用评分不够”而被拒之门外？有多少人正在被那些看不见的算法审判？有多少人甚至不知道自己为什么被拒，只知道“分数不够”这三个字？
她不知道。
她只知道，这场仗还远远没有结束。
十三
几年后，林栀在一本书里看到了一个词：“数字封建主义”。
这本书讲的是算法时代的权力结构。书里说，在工业时代，资产阶级通过占有生产资料（工厂、机器、资本）来剥削无产阶级。而在数字时代，新型资产阶级通过占有数据（消费记录、社交关系、行为数据）来剥削数字无产阶级。
这些数字无产阶级不是没有财产，而是没有“数据权”。他们的数据被平台占有，被算法处理，被用来做决策——那些影响他们生活的决策。他们不知道那些决策是怎么做出的，不知道自己为什么被标记，不知道如何申诉，不知道如何逃脱。
书里引用了一个比喻：如果说资本主义是“资本的封建主义”，那么算法时代就是“数据的封建主义”。在封建时代，农民被绑定在土地上；在算法时代，人被绑定在数据里。
你的信用评分决定你能借多少钱。 你的社交评分决定你能享受什么服务。 你的行为评分决定你能去什么地方。 你的分数，就是你的社会地位，就是你的入场券，就是你的通行证。
林栀读完这本书，写了一篇读后感：
利息。这个词在经济学里的定义是“资金的时间价值”——今天的一块钱不等于明天的一块钱，因为时间是有成本的。
但在算法时代，利息有了新的定义。
利息，是你欠这个系统的债。
这个系统给你打分，然后根据分数决定你能得到什么。你得到的，是系统愿意给你的。你失去的，是系统觉得你“不配”拥有的。
你不知道系统是怎么想的。你只知道你的分数。你只知道分数不够的时候，你会失去什么。
这就是算法时代的利息——一种无法质询、无法上诉、无法逃脱的债务关系。
唯一的区别是，你不知道债主是谁。
也许是平台，也许是算法，也许是那个坐在监控室里看着屏幕的VP，也许是整个系统本身。
也许什么都不是。也许就是那个叫“潮汐”的东西，那个每天晚上十点准时跳动的曲线，那个把几百万人推向债务深渊的阶梯。
也许它只是一个工具。也许它已经拥有了它自己的意志。
也许它根本不在乎你是谁。它只是在收利息。
它只是在收利息。
尾声
林栀后来没有再见过周鸣。
她听说他离开了量潮数据，去了国外，具体是哪个国家、做什么工作，没有人知道。也有人说他在调查期间“意外去世”了，官方说是心脏病，但没有人相信。
她也没有再见过王浩。
关于王浩，她只听说了一件事：调查结束后，他被取保候审。后来他开了一家咨询公司，专门帮企业做“合规整改”。就是帮那些被监管机构点名批评的互联网公司，改善他们的算法和风控系统，让它们看起来不那么“歧视”和“侵犯隐私”。
据说他的生意很好。
林栀有时候会想，如果周鸣说的是对的——算法不是在预测违约，而是在创造违约——那王浩算不算一个“创造者”？他创造的那些罪名、那些标签、那些歧视，是不是也和他的“合规整改”一样，被包装成了某种正当的东西？
她不知道。
她只知道，在这个算法时代，每个人都在欠着利息。有些人欠的是钱，有些人欠的是数据，有些人欠的是时间和生命。
而那些收利息的人，永远不会告诉你——利息是从哪里来的，又去了哪里。
他们只会说：这是数学。数学不会骗人。
然后他们转身，继续数钱。
（全文完）