人工智能时代数据竞争行为的法律边界

李安

摘要：数据是人工智能时代的重要生产资料，围绕数据的市场竟争日趋激烈;相应地，数据竞争行为的竞争法规制需求日益迫切。人工智能时代数据行为的竟争法规制，需要明确数据的生产要素特征，兼顾数据控制方和数据使用方的利益诉求，均衡数据的产出激励效率和配置使用效率。为此，一方面要着力纠正数据使用方的不正当数据竞争行为，以维护公平的市场竞争秋序;另一方面要切实监管数据控制方的数据垄断行为，以维护自由的市场竞争机制。进而，为人工智能产业的发展营造一个公平自由的数据要素市场环境。

关键词：人工智能;数据要素;数据竞争;法律边界

中圖分类号：D916 文献标志码：A 文章编号：1003-9945（2019）01-0061-10

引言：信息的数据化与数据的资源化

在“软件定义一切烟的智能时代中，无处不计算，万物皆互联，而计算：和互联的基本要素是数据。数据在不同的语境中有不同的含义。在大数据语境中，数据指的是电子数据，即以二进制数字代码。和1组合而成的比特流，其可以在计算机中储存运算，在互联网中交换流通。人工智能时代，数据是“信息数据化”的产物，数据竞争是“数据资源化”的结果。

所谓信息的数据化，指信息的数字化表达和数字化传播，也即人、事、物的相关信息以数字代码0和1的二进制组合形式，在计算机和互联网中予以呈现和流通。前互联网时代，人们的日常生活往往“事如春梦了无痕”，如今确是“处处行迹处处痕”：我们的出行与旅游（Mobike、携程）、社交与娱乐（微信、微博）、购物与消费（淘宝、支付宝）等信息都会以电子数据的形式在互联网平台上记录和储存。从互联网到移动互联网，再到物联网、万联网，信息数据呈现指数型增长。据IDC（国际数据公司）预测，到2025年全球的数据总量将达到163ZB（163万亿GB）[2]。

所谓数据的资源化，指数据的经济用途日渐拓展，数据的经济价值日益凸显，数据成为经济发展的战略性新资源。阿里巴巴2015年7月22日发布《数据保护倡议书》，声称“全球正在加速从IT（Informa-tion technology）走向DT（Data technology）。数据从沉睡中苏醒，开始流淌起来，成为新的基础能源”，“未来，一切社会和商业活动，互联网是基础设施，云计算是公共服务，数据是要素资源”。鉴于数据技术的长足发展，更有评论者将数据作为新的生产要素，与资本和劳动并列[3]。数据经济价值的发现，激发了市场主体针对数据资源的经济寻租活动，从而不可避免地引发竞争纠纷。

信息的数据化与数据的资源化，表明数据的本质是承载了数字信息的有价资源。换而言之，信息是数据的价值渊源，资源是数据的价值形式。在人工智能时代，深度学习算法和超强计算能力的进步，为海量数据提供了最完美的商业可能。可以预见，在人工智能时代，数据的经济价值将会被算法技术深度挖掘，被计算能力充分释放。然而，数据经济价值的凸显，也意味着市场主体围绕数据的封锁与获取、保护与使用的竞争纠纷将日趋激烈，市场主体对于数据的不正当竞争行为和垄断行为将不断涌现。近年来，国内的“新浪微博诉脉脉”案、“大众点评诉百度”案;国外的“hiQ v.Linkedln”案、“Microsoft/LinkedIn”并购案等数据竞争案例，引起了学界的广泛关注。社会主义市场经济是法治经济，也即法律是现代经济生活中最为重要的行为规范。毫无疑问，人工智能时代数据的竞争行为理应以法律为边界，而如何在竞争法框架内界定数据竞争的行为边界，营造一个公平自由的市场竞争环境，是当前人工智能产业发展的一个重要议题。

一、人工智能时代的数据竞争：竞争特点和规制要点

数据，即数字形式的信息，首先是计算机、互联网等数字技术的产物，其次是人工智能技术实现的基础性资源。数据的经济价值在前人工智能时代就已经存在，如20世纪末的电子数据库产品等。随着人工智能技术的进步，数据的经济价值被进一步挖掘和释放，数据的经济价值形式也发生了重大转变。相比于前人工智能时代的数据竞争，人工智能时代数据的竞争特点和规制要点，均有所不同。

（一）数据竞争特点：从“产品市场”到“要素市场”

前人工智能时代，数据的经济价值形式主要表现为信息产品，被用来解决市场信息失灵问题。市场经济本身就是一个信息处理系统，其通过价格来传递信息;但是价格不是万能的，真实存在的市场仍是一个信息不完全的市场。市场信息失灵具体表现为：信息数量不充足、信息分布不对称、信息质量有错误冈。而信息数字化为数据，可以在网络平台上互通共享，这一定程度上缓解了市场信息失灵问题。如淘宝连接卖家和买家，使得卖方的供给信息和买方的需求信息得以畅通，促使交易的达成;再如运满满、货车帮收集整理货源信息数据，通过APP平台提供给货车司机，有效地降低了司机的货车空载率。上述例子中数据的经济价值，是以信息产品或服务的形式呈现的，这是前人工智能时代数据的主要价值形式。

人工智能时代，数据的经济价值表现形式是生产资料，为机器学习（算法训练）提供原料。一般而言，人工智能的获得有两种途径：一是机器“仿人”思考，即“机器要像人一样思考才能获得智能”，如人工神经网络;二是数据训练算法，即机器学习是从案例和经验（数字化了的信息）中习得的算法（见图1），而不是依赖于硬件代码和事先定义的规则[5]。换句话说，不是一个开发者来告诉机器如何区分苹果和橘子，而是算法本身通过喂养数据，自己学会如何区分苹果和橘子。正是在后者的意义上，数据（data）、算法（algorithms）、算力（computing power）构成人工智能的三大基础要素。数据训练算法获得人工智能的好处在于，随着数据的积累，算法将会变得越来越好，而其他的获得人工智能的方法很难受益于数据量的提升。基于此，我们可以说，在人工智能时代中，计算力是生产力，算法是生产工具，而数据将会是社会经济生活中最重要的生产资料之一[6]。

概而言之，前人工智能时代的数据价值形式是“信息产品”;而人工智能时代的数据价值形式是“生产资料”：不同行为主体留下来的像面包屑一样的零散数据，在智能算法和超强计算力的作用下，最终可以转化为像蛋白粉一样的高品质产品或服务。“在社会主义市场经济中，要素市场就是将生产要素作为商品进行交换和配置所形成的市场。”[7]可以认为，人工智能时代的数据竞争，将从“产品市场”走向“要素市场”：前人工智能时代的数据竞争集中于“产品市场”，而人工智能时代的数据竞争重点在于“要素市场”。与此同时，人工智能“要素市场”中的数据竞争主体将不再是传统产品市场竞争中类似产品经营者的横向竞争，而主要是人工智能产业上下游经营主体的纵向竞争。简而言之，人工智能时代的数据竞争主体将从“供給方之间的竞争”转变为“供给方与需求方之间的竞争”。人工智能时代的数据竞争重点从“产品市场”走向“要素市场”，相应地，其数据竞争的竞争法规制重点也将从“产品市场”转向“要素市场”。

（二）竞争规制要点：主体利益兼顾与经济效率均衡

要素市场竞争是人工智能时代数据竞争的特点，竞争主体通常为上下游的“数据控制方”与“数据使用方”，也可称为“数据供给方”与“数据需求方”。人工智能时代数据竞争的实质就是数据控制方与数据使用方之间的利益博弈。具体而言，不同的产业主体具有不同的利益需求：（1）数据控制方认为自身整理、收集、储存数据的投资巨大，所以应该承认并妥善保护数据平台方的数据经济利益，以保护数据整理收集的投资利益，激励数据收集储存的投资行为;（2）数据使用方主张数据的经济价值有赖于数据的加工、挖掘，应该基于互联网“互联互通”之精神倡导数据的自由流通和开放共享，以充分利用数据资源和释放数据价值，推动人工智能产业的蓬勃发展。由此可见，对于人工智能时代数据要素市场的数据利用问题，数据控制方和数据使用方的利益诉求并不一致。

言及竞争法规制，双方利益诉求相左的背后是不同的经济效率考量：一方面，数据控制方的数据保护诉求，着眼于数据资源的产出效率，即保护并激励数据的收集存储投资;另一方面，数据使用方的数据共享诉求，着眼于数据资源的配置效率，即充分利用和释放数据资源的经济价值。可以认为，数据资源的产出不足和使用不足，都是经济不效率的表现。因此，如何调整“促进”和“规制”人工智能产业的数据获取使用，如何均衡数据的产出效率和配置效率，是人工智能产业主体数据行为之竞争法研究的核心问题。

在数据主体利益相左，数据经济效率相异的情况下，首先需要明确的是数据竞争行为之经济法规制的总目标，即维护数据要素市场的竞争秩序和竞争机制，为人工智能产业的发展营造良好的数据要素市场环境。为实现上述产业发展的总目标，竞争法规制的要点有两个：一是竞争规制需要兼顾数据控制方和数据使用方的利益诉求;二是竞争规制需要均衡数据资源的产出激励效率和配置使用效率。一言以蔽之，数据竞争是市场竞争的新兴问题，各市场主体的权益边界尚不清晰，竞争法规制应在利益兼顾和效率均衡的基础上，划定各方的竞争行为边界。数据控制方和数据使用方数据竞争利益诉求不同，相应地，双方的数据竞争行为也不相同。具体而言，在竞争法视野下，数据使用者在数据市场上通常为后来者，不具有大量、多样、有价值的数据资源，其对数据资源的需求在人工智能产业经济利润的驱动下，演变为对数据资源的不当获取和不法使用，因此数据使用者需要规制的行为主要是不正当竞争（Unfair Competition）的数据行为;而数据控制者为了对抗现存竞争者，防范潜在竞争者，其热衷于数据的封锁与独占、并购与整合，意图维持并加强自身的数据市场力量，因此数据控制者需要规制的行为主要是限制竞争（Anti-competition）的数据行为。下文将以竞争法理论为基础，结合现有典型案例，予以分别讨论。

二、反不正当竞争：数据使用者的行为边界

相比于数据控制者，数据使用者是人工智能产业体系的下游主体，其不法竞争行为主要是不正当竞争行为。显而易见，不正当的数据竞争行为不在《反不正当竞争法》第2章所列举的7种具体不正当竞争行为之列。因此，数据竞争的不正当行为规制需要考虑适用“一般条款”，也即对数据竞争行为进行“道德性”评价和“经济性”分析;前者指考量数据竞争行为是否符合商业道德和行业惯例，后者指考察数据竞争行为是否有违“三方利益”平衡，即分析数据竞争行为对经营者、消费者、社会公众的利益影响。数据使用者的行为主要是数据获取和数据使用，因此下文将围绕这两点展开。

（一）数据获取的行为准则

数据获取是数据使用的前提。鉴于数据控制者（数据平台）在数据收集储存方面的投人，数据使用者获取数据理应尊重数据平台方的数据利益，这与司法实践中的做法相一致。在“新浪微博诉脉脉”案中，法院提出“三重授权”原则，即数据控制者（平台方）收集用户信息需要经过“用户授权”，数据使用者（第三方）获取用户数据需要同时经过“平台授权”和“用户授权”。无独有偶，在国外的“Facebook v.Power Ven-tures”案中，法院也强调了Power Ventures访问获取用户数据不仅需要经过用户授权，也需要经过平台方Facebook授权。上述判决的法院立场，表明了数据竞争应承认并尊重数据平台方的数据利益，这将有效地激励平台收集数据和储存数据。本文对此表示赞同，并认为是否获得数据控制方的授权，是数据获取行为正当性评价的重要考量因素。数据获取的授权问题，与数据的开放程度和访问权限密切相关，申言之，数据开放程度是数据获取行为正当性类型化分析的基础。从开放程度而言，数据可分为三种类型：完全公开数据、不完全公开数据和不公开数据。

首先，对于“完全公开数据”而言，其数据获取不具有用户身份认证等事前限制，因此第三方数据使用者可以自由的获取数据。“当数据访问限制不需要身份认证时，可以视为数据获取面向社会公众开放”[8]，即公共许可（授权）。数据使用者获取该类数据的典型行为是使用“网络爬虫”（Web Spider）抓取数据。除非数据控制者网站设置robots.txt文件拒绝爬虫访问，网络爬虫可以自由的抓取公开数据。然而，Robots协议是否是网络爬虫抓取数据应当遵守的行业惯例，以及能否据此评价爬虫抓取数据行为的正当性，尚存争议。以“百度诉奇虎360违反“Robots协议”案为例：一方面，百度诉称360违反Robots协议的抓数据，构成不正当竞争;另一方面，360辩称百度设置robots.txt文件排斥360抓取数据，目的为限制同行业者竞争。最终法院将Robots协议认定为行业惯例，判定360初期阶段违反Robots协议抓取百度数据，行为明显不当;同时，法院认为百度拒绝修改其Robots协议，且未充分说明拒绝理由，故不支持其请求禁止360抓取数据的主张。笔者认为，Robots协议等限制第三方抓取数据的措施，可以称其为行业惯例，但是这些行业惯例不一定是“良好的行业惯例”，也可能是“潜规则”或“恶俗”[9]，因此不能简单地依照行业惯例判定不正当竞争行为。对公开数据获取的行为准则而言，该案所确立的“协商一通知”规则具有重要的意义，即数据使用方应在尊重数据控制方数据获取协议的前提下，向数据控制方提出协商;若数据控制方拒绝修改数据获取协议，则应该给出合理的拒绝理由;若协商失败，数据使用者可以向行业协会提出调解，或向法院提起诉讼。

其次，对于“相对公开数据”而言，数据使用者获取数据需要经过身份认证等事前授权。对该种数据的获取方式，一种是通过API（Application ProgrammingInterface，应用编程接口）认证获取数据;另一种是通过普通注册用户的账号认证获取数据。相对公开数据的不正当获取行为，可以类型化为以下三种：（1）数据使用者虽有Open API接口认证，但是超越数据访问权限，获取授权范围之外的数据，如在“新浪微博诉脉脉”案中，新浪微博诉称脉脉在API接口权限之外获取微博用户的教育职业等信息数据，构成不正当竞争;（2）数据使用者注册大量用户账号，模拟正常用户进行信息数据抓取，或者通过不同的IP地址，伪造正常账号的请求以获取数据。如在“WIFI万能钥匙与WIFI共享精灵的数据纠纷”案中，WIFI共享精灵通过程序代码模拟“WIFI万能钥匙”的正常用户，从而获取“WIFI万能钥匙”的WIFI热点密码数据，被法院认定为非法行为;（3）数据使用者绕过身份认证技术措施而获取数据的“黑客行为”。以“黑客行为”获取数据不仅仅是一种不正当竞争行为，更多情况下构成刑事犯罪，即《刑法》285条第二款规定了“非法获取计算机信息系统数据罪”。总而言之，采取身份认证为事前授权措施的相对公开数据，如果数据使用者“获得身份认证，即视为取得数据获取权限”;“如果在获得了身份认证的前提下，超越权限的数据访问”，或者是“绕过身份认证环节的数据获取访问”，都是未经授权的“非法侵人行为”。[8]

再次，对于不公开数据而言，数据控制方一般对数据进行了技术措施保护。在不公开数据类型领域中，典型的不正当数据获取行为是“黑客行为”。不公开数据如果符合秘密性、经济性和保密性，则其属于商业秘密，对该类数据的非法获取是侵犯商业秘密的不正当竞争行为。此外，前文已述，该种数据获取行为，不仅是不正当竞争，而且构成刑事犯罪，如在“酷米客与车来了”的数据纠纷案中，“车来了”入侵“酷米客”数据资源库抓取数据，被法院认定为“非法获取计算机信息系统数据罪”，以及不正当竞争。

（二）数据使用的行为尺度

数据使用是数据获取的目的。大多数情况下，数据获取行为和数据使用行为的不正当性具有同一性;但是，数据获取行为的正当性，不能当然的推定数据使用行为的正当性，如法院在“大众点评诉百度”案中指出，百度抓取涉案信息并不违反Robots协议，但这并不意味着百度公司可以任意使用上述信息。因此，数据使用行为的正当性具有单独讨论的价值。数据使用行为的正当性评价，更多的是对数据使用后果的经济利益分析，也即考量数据使用后果对数据来源方（数据控制方）和数据主体方（用户）的利益影响。具体而言，数据使用者使用数据的行为尺度，需要把握以下两点：

一是数据使用不能实质性损害数据控制方的经营利益。在“大众点评诉百度”案中，百度抓取大众点评平台上的用户评价信息后，大量地使用于“百度地图”和“百度知道”。法院认为百度地图的这种数据使用行为对大众点评构成了“实质性替代”，消减了大众点评的竞争优势和交易机会，是一种不正当的竞争行为。这种“拿来主义式”的不正当数据使用行为，主要出现在前人工智能时代。抓取数据之后直接面向消费者市场大量使用，以“实质性替代”数据来源方的产品或服务，该种数据使用行为的不正当性是显而易见的。人工智能时代，这种“实质性替代”式的数据使用依然存在，但是其正当性与否更难判断。因为人工智能时代的数据不是“拿来主义”式的直接使用，而有一个筛选处理和加工学习的过程。一方面，如果数据使用者从数据平台处获取数据，并通过简单的算法处理后向市场提供与数据平台方同质的产品或服务，那么这种数据使用行为可被认为是“实质性替代”的不正当竞争。另一方面，如果数据使用者从数据平台处获取数据后，通过算法的深度加工和挖掘，向市场提供了与数据平台方同类的，但是更加智能化的产品或服务，那么这种数据使用行为符合竞争法所倡导的“有效竞争”[11]，因此，不宜被认作不正当竞争;或者说数据使用方更加智能化的产品或服务，相比于数据来源方的产品或服务给社会公众带来的经济福利，大于数据来源方的经济损失，则这种市场竞争符合“科尔多-希克斯效率”，具有经济合理性。

二是数据使用不能损害用户的个人信息利益。被市场主体竞争逐利的数据，大多是用户的信息数据，包括用户行为数据、用户消费数据、用户位置数据等具有个人识别性的信息数据。这些信息数据构建了用户在虚拟网络空间的“数字化人格”[12]，涉及用户隐私，亦涉及信息自决，与人格权关系密切。有鉴于此，《民法总则》第111条明确规定“自然人的个人信息受法律保护”。用户是最具有价值的数据来源主体，用户个人信息的保护是数据产业可持续发展的基礎。毫无疑问，“用户的隐私保护问题，是互联网平台竞争法研究的重要方面”[13]，是人工智能产业可持续发展的重要议题。“人工智能时代的风险防范和治理，可采取技术控制与法律控制的综合治理机制”[14]，具体到人工智能时代用户数据的使用问题，数据使用者需要遵循以下两个方面：其一，规范数据使用技术。“数据匿名化是兼顾隐私保护与数据利用的有效手段”[15]，严格来讲，人工智能时代用户的信息数据，无论是直接性识别数据，还是间接性识别数据，在进行人工智能学习时均需要进行匿名化处理。其二，严格数据使用用途。“大数据时代，很多数据在收集的时候并无意用作它途，而最终却产生了很多创新性的用途”[16]，即数据的使用具有多样性和不可预测性。因此在法律层面上理应突出数据使用的底线：任何的数据使用用途，都不得侵犯个人隐私和破坏生活安宁。

三、反垄断：数据控制者的行为边界

相比于数据使用者，数据控制者是人工智能产业体系的上游主体，其不法竞争行为主要是限制竞争的垄断行为。数据控制者的反垄断规制，旨在防止数据市场的寡头化，推动数据要素的流动。反垄断法所规制的三大典型垄断行为，即垄断协议、滥用市场优势地位、经营者集中，在人工智能时代的数据竞争中均有不同程度的体现。其中，人工智能时代与数据相关的垄断协议主要是以数据为基础，通过智能算法来实现价格合谋。该垄断协议，虽有数据的角色，但是算法才是主角，因此本文不将这种基于算法的垄断协议列为数据竞争的讨论议题，而主要讨论“数据驱动型的经营者集中”和“数据市场优势地位的滥用”。

（一）数据驱动型经营者集中的行为审查

许多大型公司都将人工智能作为企业发展的优先战略。鉴于数据是人工智能产业发展的基础性资源，市场中有许多企业并购交易涉及数据资产，甚至一些并购交易启动的目的就是为了整合数据。如在“Facebook/WhatsApp”并购案和“Microsoft/LinkedIn”并购案中，欧盟委员会对于双方合并后的数据垄断可能性，以及双方数据的整合对相关市场的影响作了详尽的评估。可以预见，在人工智能时代，数据驱动型并购将会成为全球企业并购的新趋势;相应地，数据驱动型并购者需要切实履行经营者集中申报，接受反垄断审查。Greg Sivinski等学者认为数据驱动型并购的反垄断审查可以分四个步骤进行：（1）判断涉案数据持有者是数据控制者（data controllers），还是数据使用者（data processors），如果仅仅是数据使用者，则其具有较低的数据垄断可能性;（2）判断涉案数据是信息产品（product），还是生产资料（input），如果数据是信息产品，则其具有较低的数据垄断可能性;（3）判断涉案数据对于下游产业主体而言，是否是重要的竞争性生产资料;（4）判断涉案数据是否是独特性和不可替代性。如果涉案数据对于下游产业主体，是重要的生产资料，且在技术上和经济成本上都难以获得其他可替代的数据，那么经营者的集中将会损害自由的竞争机制[17]。本文对此表示赞同，数据驱动型并购的审查，需要区分数据主体的类型，明确数据的商业性质，以及考量数据的价值和可替代性。除此之外，数据的特性使得传统的反垄断法力不从心，面对人工智能时代的数据驱动新型经营者集中，反垄断法肩负着理论创新和立法变革的时代使命。

首先，以市场营业额为依据的经营者集中申报标准，不足以规制数据驱动型的经营者集中。依据《国务院关于经营者集中申报标准的规定》，经营者集中的申报门槛以经营者的营业额为标准。但是，经营者的营业额大小并不能准确地体现经营者的数据市场力量。在互联网时代，有许多经营者以免费的产品服务为“诱饵”收集数据，其数据资产与营业额不具有当然联系。在数据驱动型并购实践中，被并购的对象通常是初创公司，并没有什么盈利可言，但是它们可能已经掌握大量的用户和数据。此种情况下，收购方仍愿意出巨资并购，其目的往往是整合数据资源。比如2014年Facebook斥资190亿美元并购了营收规模一般的WbatsApp，其目的除了扼杀潜在竞争者之外（防御性收购）[18]，也看中了WhatsApp在欧洲的用户基础和数据资源。欧盟委员会对“Facebook/WhatsApp”并购案的审查是基于案件移送制度，如果仅依赖营业额这一并购申报门槛，欧盟委员会就没有机会审查此案。由此可见，现行法中经营者集中反垄断审查的单一营业额申报标准，可能使数据驱动型并购从反垄断审查中“逃逸”。欲将这些数据驱动型的经营者集中纳入到反垄断审查，需要进一步完善反垄断立法，优化经营者集中申报门槛，比如可以考虑增加“并购交易额”作为申报标准，以弥补单一经营额申报标准的不足。

其次，数据驱动型经营者集中的规制，需要相关市场的理论发展和实践创新。相关市场是评估市场力量，进行反垄断分析的基础性工具。人工智能时代数据竞争的反垄断审查，面临的问题主要有以下两个：其一，单独划分数据市场的需求。目前反垄断执法机构已经在“Microsoft/LinkedIn”等并购案中认识到并讨论了数据市场垄断的问题，但是数据并非作为一个独立相关市场类型予以讨论的，而仅是其他相关市场评估的考虑因素。数据竞争反垄断案件中的“数据市场”与知识产权反垄断案件中的“技术市场”、“创新市场”相类似，具有可独立性。在数据竞争日益激烈的情况下，将数据市场作为一个独立的相关市场，或许会更加有利于分析评估数据驱动型经营者集中的数据市场垄断可能性。如美国FTC委员Harbour在Google收购“DoubleClick”案中提出数据集中可能存在竞争问题，应该界定一个假设的数据市场，从而有助于评估数据作为生产原料对未来市场竞争的影响[19];其二，相关市场界定方法的更新。前文已述，互联网平台往往以免费的产品服务换取用户的数据信息，数据竞争以非价格竞争为特征，使得传统的基于价格的相关市场界定方法，如SSNIP测试（小但有意义的非短暂性价格增长）将无法适用，或者界定出来的相关市场难以真实地反映市场情况。对此，有学者比照SSNIP测试法，提出界定非价格竞争的相关市场可以适用SSNDQ测试，即“小但有意义的非短暂性质量下降”;或者SSNIC测试，即“小但有意义的非短暂性成本增加”[20]。换言之，假定的断者测试方法从观察价格因素的变化，转变为观察质量因素和成本因素的变化。笔者认为，虽然SSNDQ测试之“质量”因素、SSNIC测试之“成本”因素存在量化的困难，但是这些方法将有助于提高相关免费市场界定的精准度和可信度。

（二）数据市场支配地位滥用的行为规制

数据的集中会使企业拥有数据市场的支配地位，从而“挟数据以令天下”。市场支配地位，又称市场优势地位，其认定首先需要界定相关市场，该问题前文已述。数据市场优势地位的认定，还需要注意充分考虑数据的特殊性。一般而言，数据具有以下三种特性：第一，数据具有弱稀缺性。在移动互联网时代，用户对相同功能的平台具有“多归属性”，因此同一信息数据具有“多归属性”，同类数据通常会分散存在于不同的数据平台;第二，数据的使用具有非竞争与非排他性（公共产品特征）o非竞争性指数据不会因使用而发生损耗，非排他性指数据可供多个人同时使用，简而言之，数据的使用具有.“无损性”和“同时性，;第三，数据具有迭代性与时效性。数据的生命周期是有限的，新数据会不断地产生以替代旧数据，且新数据的价值往往优于旧数据。而上述数据特性，会在不同程度上影响数据市场优势地位的形成，特别是会降低数据市场支配力的认定可能性。然而，作为网络经济的产物，数据市场也同时具有“网络效应”：其一，数据平台本身具有网络效应。看似“去中心化”的网络世界，实质上具有一种“趋中心化”的市场力量。以社交平台为例，平台已有的用戶数量会吸引更多的用户加人进来，而加人进来的新用户会对已有用户产生“锁定效应”[21]，而用户的集中就意味着数据的集中;其二，平台数据聚集具有网络效应。网络平台数据越多，则数据驱动的产品或服务将更加智能化，从而吸引更多的用户;而更多的用户就会产生更多的数据。数据整合——产品优化——吸引用户——数据整合，周而复始，形成良性循环，最终可能导致数据市场的寡头化。综上，数据市场优势地位的分析判断，既需要看到数据特性对数据市场力量的“减法”效果，也要重视“网络效应”对数据市场力量的“加法”作用。

市场优势地位本身并不违法，只有其滥用行为受到反垄断法的禁止。数据市场优势地位的滥用行为主要有两种：一是数据获取的“拒绝行为”;二是数据获取的“歧视行为”。所谓“拒绝行为”，指的是数据控制者没有合理理由拒绝数据使用者获取数据。该种行为是否构成限制竞争的垄断行为，关键在于诉争数据是否构成“必要设施”（essential facilities）。“必要设施”原则源自美国判例法，并主要适用于铁路、桥梁、港口等设施的“拒绝交易”行为;而产生于有形基础设施领域的“必要设施”理论能否用来规制无形数据资源的拒绝获取行为，存有争议。有学者主张鉴于网络平台的寡头化，应以立法形式确立数据的“必要设施”身份，以促进数据的共享[22]。然而，考虑到数据的弱稀缺性、公共产品特征、迭代性和时效性，在获取数据的竞争行为中适用“必要设施”原则的空间很小。在“hiQv.LinkedIn”案中，hiQ诉称LinkedIn阻止其获取公开数据违反了“必要设施”准则，不过法院在临时禁令中对此没有作正面回应。另一方面，如果像“hiQ v.LinkedIn”案一样，数据控制方一直允许某一企业获取数据，而突然地拒绝其继续获取数据，更容易被认定為滥用数据市场优势地位。所谓“歧视行为”，指的是数据控制者有针对性地拒绝数据使用者获取数据。该种行为主要出现在前文述及的公开数据的获取，数据控制者通过设置robots.txt文件等措施拒绝个别主体获取数据。这种歧视性的数据获取拒绝行为，有以其数据优势打压竞争对手的嫌疑，限制竞争的意图更为明显。

此外，人工智能产业具有跨界竞争的特点，数据市场优势地位具有跨界传导的动因。我们应该看到，基于数据潜在用途的多样性，业务拓展的低成本，跨界竞争将成为人工智能产业的一种普遍竞争形式。在人工智能产亚体系中，作为产业上游主体的数据控制者意图发展自身智能产品/服务时，其滥用数据市场优势地位的行为可能性比较大。具体而言，数据控制者会通过数据获取的“拒绝行为”和“歧视行为”，将自身在数据市场优势跨界传导到下游的智能产品/服务市场，压制“不相关市场”和“未来市场”上出现的竞争对手，谋求在更大的时空范围内建立并维持市场竞争优势，并由此形成“雪球效应”[23]。在2009年的“可口可乐/汇源果汁并购”案中，可口可乐市场优势地位的跨界传导，被中国商务部认定为反竞争行为。无独有偶，在“hiQ v.LinkedIn”案中，法院认为LinkedIn意图将其在数据市场的优势地位纵向跨界至下游市场，并将该种竞争行为视为“严重问题”。人工智能时代，产业上游主体的数据市场优势向下游市场纵向传导的反竞争行为，值得我们关注和警踢。

结语

在社会主义市场经济中，不正当竞争行为和垄断行为会伴随着市场竞争的高度发展而涌现出来。竞争法的目的就在于，反不正当竞争以维护公平的市场竞争秩序，反垄断以保护自由的市场竞争机制，从而营造一个公平自由的市场竞争环境。作为“数据密集型”产业，人工智能产业的发展需要一个良好的原料市场环境，即数据要素市场。对于竞争纠纷频发的数据市场，需要依据竞争法来界定产业主体的数据行为边界、规制其数据竞争行为。具体而言，在人工智能时代的数据“要素市场”中，数据使用者的数据获取行为要承认并尊重数据控制者的数据利益，遵循相关的商业道德和行业惯例;数据使用者的数据使用行为不能实质性损害数据控制者的经营利益和用户的隐私利益;数据控制者的经营者集中，应接受反垄断执法机构的审查;数据控制者不能滥用其数据市场优势地位，在数据获取方面对数据使用者实施不正当的“拒绝行为”和“歧视行为”。总而言之，竞争法对数据竞争的规制，理应兼顾数据控制方和数据使用方的利益诉求，均衡数据收集存储的产出效率和数据加工使用的配置效率，维护数据要素市场的竞争秩序和竞争机制，进而为人工智能产业的发展营造一个良好的数据要素市场环境。

参考文献：

[1]赵小凡.对“软件定义一切”的思考和理解[J].软件和信息服务，2014（1）：16.

[2]IDC（International Data Corporation），Data Age 2025：TheEvolution of Data to Life-Critical[ER/OL].（2017-04）[2018-10-30].https：//www.import.io/wp-content/uploads/2017/04/Seagate-WP-DataAge2025-March-2017.pdf.

[3]Kenneth Cukier.Data，Data Everywhere [N].ECONOMIST（Londn），2010-1-25.

[4]应飞虎.信息失灵的制度克服研究[M].北京：法律出版社，2004：3-6.

[5]吴军.智能时代：大数据与智能革命重新定义未来[M].北京：中信出版社，2016：37-85.

[6]张钦坤，曹建峰.人工智能时代需要更加关注数据竞争问题[J].腾讯互联网评论，2017（8）：2.

[7]宁立志.中国反垄断：从产品市场到要素市场[M].宁立志.知识产权与市场竞争（第3辑）.湖北：湖北人民出版社，2016：74.

[8]Orin S.Kerr.Norms of Computer Trespass[J].ColumbiaLaw Review，2016，116.

[9]范长军.行业惯例与不正当竞争[J].法学家，2015（5）：86.

[10]陈秀山.现代竞争理论与竞争政策[M].北京：商务印书馆，1997：56-60.

[11]齐爱民，私法视野下的信息[M].重庆：重庆大学出版社，2012：62.

[12]Maureen K.Ohlhausen，Alexander P.Okuliar.Competi-tion，Consumer protection，and the Right[Approach]toPrivacy[J].Antitrust Law.lournal，2015，80：133.

[13]吴汉东.人工智能时代的制度安排与法律规制[J].法律科学，2017（5）：135.

[14]王融.数据匿名化的法律规制[J].信息通信技术，2016（4）：38.

[15]维克托·迈尔一舍思伯格，肯尼思·库克耶著.大数据时代——生活、工作与思维的大变革[M].盛杨燕，周涛，译.浙江：浙江人民出版社，2012：105.

[16]Greg Sivinskia，Alex Okuliarb，Lars K]olbye.Is big data abig deal？A competition law approach to big data[J].EU-ROPEAN COMPETITION JOURNAL，2017，13.（2-3）：199-227.

[17]曾雄.數据垄断相关问题的反垄断法分析思路[J].竞争政策研究，2017（6）：44.

[18]Harbour P J，Koslov T I.Section 2 In A Web 2.0Wodd：An.Expanded Vision of Relevant Product Markets [.1].Antitrust Law Journal，2010，76（3）：769-797.

[19]John M.Newman.Antitrust In Zero-price Markets：Appli-cations [J].Washington University taw Review，2016，49：64-71.

[20]Katz M L，Shapiro C.Network Externalities，Competition，and Compatibility[J].American Economic Review，1985，75（3）：424-440.

[21]D.Daniel Sokol，Roisin Comerford.Antitrust and Regu-lating Rig Data[J].George Mason Law Review，2016，23：1137-1138.

[22]陈兵.大数据的竞争法属性及其规制意义[J].法学，2018（8）：118.