大数据时代下算法共谋行为的法律规制

丁国峰

一、问题的提出

自2005年至2019年，全球互联网用户比例从16.8%增长至53.6%，97%以上的人口生活在移动网络下，为电子商务的迅猛发展提供了历史空前的先决条件。〔1〕47个国家的数字经济增加值达31.8万亿美元，占GDP41.5%，其中美国数字经济规模达13.1万亿美元，占国内GDP61%，我国为5.2万亿美元，占GDP比重超30%。〔2〕同年，我国电子商务交易规模为34.81万亿元人民币；其中网上零售额超10.63万亿元人民币，同比增长16.5%，实物商品网上零售额超8.52万亿元人民币，占社会消费品零售总额的20.7%。〔3〕从起初对互联网平台的陌生畏惧，到如今电子商务平台的不可或缺，广大消费者已经充分融入数字力量驱动下的互联网世界。消费行为痕迹成就了人工智能的本体——算法的成长，为其提供了海量训练分析数据。同时，算法也让消费者感受到了前所未有的便捷，并日益成为更懂得用户需求的存在。监管者们看到了这个市场的“高度透明”、信息的高速传递、行业壁垒的“不复存在”、提振经济的良好成效。在平台经济发展的同时，限制市场竞争的行为也在悄然发生着。经营者看到了算法的巨大潜力，其无须公开达成垄断协议，就可以合法手段实现限制竞争行为的目的。在此类限制竞争行为的背后，算法共谋成为一种主要手段或间接目的。

2017年，世界经济合作与发展组织（OECD）在众多科学家、学者的提议下，开展了以“算法与共谋”为主题的研讨，并发布了题为《算法与共谋：数字时代的竞争政策》（Algorithms andCol⁃lusion：Competition Policy in the Digital Age） 的报告，就算法在促进社会经济发展的同时，是否也为垄断提供了便利的问题进行了详细论述。〔4〕由此，数字时代平台经济的垄断问题逐渐成为国内外学者关注的重点，相关司法案例也逐渐进入公众视野。在国内，淘宝公司与安徽美景公司不正当竞争纠纷案①淘宝（中国）软件有限公司与安徽美景信息科技有限公司不正当竞争纠纷案一审民事判决书，杭州铁路运输法院民事判决书〔2017〕浙8601民初4034号。、浙江天猫滥用市场支配地位纠纷案②浙江天猫网络有限公司、浙江天猫技术有限公司滥用市场支配地位纠纷二审民事裁定书，最高人民法院民事裁定书〔2019〕最高民辖终130号。等案件的发生，国务院《禁止滥用市场支配地位暂行规定》《禁止垄断协议暂行规定》《国务院关于促进平台经济规范健康发展的指导意见》的公布实施以及2021年2月国务院反垄断委员会发布的《关于平台经济领域的反垄断指南》正式实施，在不同程度上体现出我国平台经济的发展出现了倒逼传统竞争政策更新的新特点。而此类新情势的出现，与算法、算力和大数据的发展密不可分。国内外各类有关数字经济平台竞争事件的发生和基于此类平台发展的报告指引，反映了数字经济时代背景下的反垄断执法工作在观念、技术和政策上面临着多重挑战。

在算法支撑的数字经济时代，消费者至少对以下几个方面有所体会：被个性化推荐或被限制交易、被歧视定价或被“杀熟”、被信用评分或被市场排除、被鼓励消费或被申请信贷、被划入特定市场等等。而相对弱势的平台竞争者会认为：垄断大数据资源的行业领先者无时无刻不在利用大数据资源“排除异己”；看似非相关市场主体的合并实际上隐藏着巨大阴谋，即收购方正极力整合目标公司的大数据资源；拥有大数据市场绝对优势资源的市场主体，正通过包括诉讼方式在内的多种手段，实现其滥用市场支配地位的目的。本文将基于学者们对数字经济时代算法共谋问题的研究成果，考量不同利益主体生存发展的必要需求，以研究算法共谋与垄断协议的关系为主。同时，尝试挖掘算法共谋与滥用市场支配地位以及实施经营者集中的内在逻辑，探讨上述与平台经营者利用算法进行共谋的限制竞争行为，厘清其与传统意义上垄断行为的关系，提出有关监管、法律适用和立法完善等方面的相关建议。

二、算法共谋限制竞争的研究现状及趋向

在算法共谋的形式方面，根据算法作用方式的不同对算法共谋进行了不同的形式或类型的划分。2017年，扎拉奇（Ariel Ezrachi）和斯图克（Maurice E.Stuck）首次划分了四种算法共谋形式，即信使场景（messenger scenario）、中心辐射式场景（hub and spoke scenario）、预测型代理人场景（the predictable agent scenario）以及电子眼（digital eye），第一次提出算法的默示共谋。〔5〕2017年，经济与合作发展组织（OECD）专门举办了以算法与共谋对数字时代竞争政策的影响为主题的论坛，将算法在共谋中的角色划分为监督算法（monitor⁃ing algorithms）、平行算法（parallel algorithms）、信号算法（signalling algorithms）和自主学习算法（self-learning algorithms）四种。同时，报告还就反垄断法在应对默示共谋及垄断协议认定上的挑战，提出了市场研究和行业调查、事前合并审查、承诺和其他可能的救济措施。〔6〕自此算法共谋引起的反垄断规制问题成为各国学术焦点。

在算法共谋违法性认定方面，2016年，萨利勒·K.梅拉（Salil K.Mehra）以优步激增定价案为背景，规范性描述了算法驱动的动态定价对反垄断法适用的影响，认为反垄断法在确定垄断者意图、明示共谋竞争者间的背离、垄断协议和有意识的交流等问题上面临着新挑战。〔7〕2017年，曾雄认为算法是执行管理和共谋的工具，本身不能构成新的违法行为，对其背后的行为主体责任认定存在困难。〔8〕2020年，王健等基于自主学习型算法共谋的特殊性，单独就事前预防和监管问题进行了研究，认为非自主学习型算法共谋仍处于传统反垄断规制圈。而在自主学习型算法共谋中，设计者、使用者等主体的意志无法直接参与共谋过程，所以需要事前对该类算法进行管控。

在算法共谋的反垄断规制方面，2018年，钟原基于类型化规制的思路，认为要秉持包容性的规制思路，从共谋行为的本质和外化综合对垄断行为主体要件、主观要件以及垄断协议进行认定。2019年，李婕认为应当公开算法源代码，根据是否受胁迫划定法律上算法垄断的范围。柳欣玥也在分类研究算法共谋的基础上，提出重塑垄断协议的概念，将算法共谋作为垄断协议的一种表现形式，同时对算法共谋带来的市场效率和创新性的提升进行豁免的阐述。〔9〕2020年，周围提出，尽管各方要约和承诺都是通过行为和默许，但仍足以满足客观性要求；尽管承诺的信用程度较低，但模糊的默契仍可以成为反垄断法意义上的协议，继而自主学习算法形成的共谋可能被纳入反垄断法的规制范围。〔10〕唐要家等也认为通过企业间的协议证据、附加因素或算法审查，证明现有的反垄断政策足以应对明示共谋中的信息传递者、轴辐协议和默示共谋中的预测代理人所实施的这三种类型的有意识平行行为，在应对自主学习算法共谋上，协议要件认定、主体责任确定等均有较大的规制缺口，认为应扩展垄断协议的界定。〔11〕时建中认为，对预测类算法共谋、自主学习类算法共谋的垄断行为认定存在困难的情况下，可以利用共同市场支配地位制度调整算法默示共谋。〔12〕谭书卿认为可以采用消费者算法以平衡市场主体间的信息不对称，以此削弱算法共谋。〔13〕

总体上，学者们大都是通过对各类共谋类型的情景化分析，检视当前反垄断制度适用上可能遇到的问题，继而给出反垄断法的适用建议或立法建议。扩大解释“垄断协议”以延展其外延的观点居多，丰富垄断行为证明方式的也不少。将算法共谋与垄断协议绑定研究是以往研究的主要思路①从《关于平台经济领域的反垄断指南（征求意见稿）》第5条关于垄断协议形式的规定可见，算法共谋可以被认为属于“其他协同行为”，而其他协同行为又属于垄断协议的表现形式。2021年2月7日，国务院反垄断委员会印发的《国务院反垄断委员会关于平台经济领域的反垄断指南》第5条把“数据、算法、平台规则或者其他方式实质上存在协调一致的行为”直接认定为“其他协同行为”，还进一步明确规定了非协同行为的范畴，如价格跟随的平行行为等。，在算法共谋与滥用市场支配地位以及违法实施经营者集中的逻辑关系上少有论及。在应对数字化经济的挑战中，需要持续摸索竞争行为之间的内在联系，不断考量各种合理应对措施。市场若能自适自洽，或者当价格熔断、限制高价、消费者算法这些市场化手段能够削减算法共谋引起的消费者利益减损时，法律还是应以防守的姿态出现，但丰富和拓展传统反垄断法中相关要素的外延实属必要。

三、平台经济下算法共谋的运行机制

信息不对称或信息偏在是导致市场失灵的重要原因之一。因此，谁控制信息的不对称，谁就可以掌握交易的主导权。〔14〕而在数字经济时代，作为信息本源的大数据，使得信息偏在的影响凸显得更加深刻和严重，这也正是市场经营主体大力占有大数据资源的原因所在。基于用户贡献的大数据所产生的巨大网络效应，已经成为数字经济时代市场竞争的一个显著特点。〔15〕在看似价格极度公开透明的电子商务平台，消费者似乎可以在极短的时间内，比对出同一商品在平台内外的不同价格，同时为自己掌握了目标商品的全部信息而沾沾自喜。然而，事实上是消费者接收到的信息通常是平台经营者希望其看到的信息，并非完全竞争市场下商品的均衡价格。通过运用精妙的算法模型，平台经营者得以具备数据挖掘与交易、模式识别、需求预测、价格优化的能力。〔16〕在此基础上，平台经营者还可实施完美的价格歧视，不明所以的消费者对此却“欣然接受”。可以设想，当一切商品销售均由线下转向线上平台进行时，便意味着所有商品均具备被提前共谋定价的可能，在这样的市场中，自由竞争很难存在，除非期待众多背离者的出现。因此，分析算法共谋运行的基础、存在的环节、扮演的角色、实现的方式和产生的结果，是厘清算法共谋与滥用市场支配地位以及违法实施经营者集中的逻辑关系的重要前提。以下将综合算法模式和对算法共谋场景的分类，分析算法共谋行为可能存在的模式样态与运行机理。

（一）信使场景下的算法共谋

在信使场景中，算法仅是传递、执行经营者共谋合意的中介或工具。在此种场景中，经营者可以采取以下两种方式实现共谋垄断。一种是通过事前合意，确定算法将要实现的共谋策略即垄断协议，再将其转化成计算机语言融入算法，使其能够自动在电子商务平台运行。此种共谋与传统共谋垄断几乎完全相同，只是增加了一个实现共谋垄断的工具而已，将以往由人完成的工作转交给机器开展。同时，机器执行垄断协议的方式，方便了共谋者间的互相监督，使得他们能在第一时间发现垄断协议的背离者，并通过价格战等方式对其进行惩罚，此种共谋行为强化了共谋者之间的一致性。对于监管者来说，增加了一条搜寻共谋垄断证据的路径，此项工作在算法逻辑语言的识别上对监管人员的相关技术水平提出了更高的要求。①这对数字经济时代反垄断执法队伍的建设提出了新的课题，是采取自主培养针对平台经济的专业执法人员的模式，还是依托于第三方专业鉴定评估机构开展，将是当下需要面临的问题。此种共谋方式在平台经济发展早期会被大量使用，一旦监管者对此种情形表示关切后，其将淡出共谋者的视野，因为这是一种虽然方便但是隐蔽性不高的垄断方式。另一种是事前无合意，垄断预谋者基于对算法运作机理的认识，自发形成了共谋的默契。此时，平行算法发挥着重要作用。平行算法将在垄断高价和市场均衡价格之间寻找确保共谋者利益最大化的价格。此种情形中，经营者间虽然没有形式上的共谋沟通，但是存有共谋垄断的主观故意。通过对算法源代码逻辑和市场反馈结果的综合分析，在很大程度上可以寻找到共谋的证据。需要说明的是，如果各经营者追求最大利润所采用的定价策略，结果上造成了垄断，便不应苛责于该类经营者。因为追求最优的定价策略，继而得到最大利润是经营者的核心目标，但这并不意味着该类经营者对其无意造成的垄断可以放任不管。

信使场景下的算法共谋是最基础的，仅多了一个非人的“垄断协议执行人”。学者们一直认为此种行为可以直接受到反垄断法的规制，信使场景下的算法不过是平台经营者的意志在技术上的延伸，但是对监管工作提出了新的要求。

（二）中心辐射式场景下的算法共谋②中心辐射式场景下的算法共谋，其实质表现为实现算法共谋的轴幅协议，其也被称为轴辐射场景下的算法共谋。

自从人工智能出现后，经营者不再需要每天研究市场供给、价格水平、成本库存等这些传统经济下必须提前考虑的周期性经营指标。算法实现了经营数据自动更新，并自主优化资源配置，实现利润最大化。已经初具规模的平台经营者会投资研发一套适合自己的算法，而市场上更多的普通经营者便是有心无力了。于是云平台服务商或算法系统服务商发现了新的盈利模式——提供电子商务平台算法服务。当越来越多的平台内经营者接受此项服务后，这种趋于一致的算法便得以普及，电子商务市场的定价策略和运行模式也就出人意料又符合情理地达成了一致。

以某电子商务平台A为例，其愿景是为中小经营者提供一个互联网零售平台，如何为平台内的经营者提供更加便捷高效的服务是A平台近几年的工作重心之一。按照传统的商品定价框架，平台内的经营者需要综合考量诸多因素。但是大多数经营者不具备这样的能力或精力。A平台基于自身在大数据运营与智能算法方面积累的资源和能力，为本平台内的经营者提供了有偿的算法服务。此种算法或算法程序能够即时抓取同类市场此类商品的价格、存量、供需等相关数据，根据经营者的预期收益率、库存率、产品基本信息、成本及费用等基本经营信息，自动科学定价，提供进出货建议，即提供由传统经营单元会计、采购等部门从事的工作。试问，有多少中小平台内经营者会拒绝这种服务费用不高的服务提供者呢？于是，由此算法确定的商品价格成为同类卖家欣然接受的市场价格。

在此案例中，A平台与其平台内接受其算法服务的经营者们达成了数个纵向协议，此类协议在外观上以服务合同的形式存在。就单独的纵向协议来说，似乎和限制竞争没有任何关联；若是数以万计的此种纵向协议出现时，监管机构就有必要关注了。各个纵向协议之间看似无关联，但他们有一个实质的连接点——趋于一致的算法，例如Uber案就具有此类特征。在此算法的运作下，尽管各个商家有权自主更改定价，但是他们的定价多数情况下会趋于一致，这就是中心辐射下的算法共谋。此种场景下，各个商家没有协同定价的事前通谋，但因使用了统一算法导致了协议定价的结果。对此，监管机构需要具体问题具体分析。市场信息的高度透明与定价方法的相对确定，这些都是既存的事实，即使不用算法，平台内经营者也能实现精准定价；如今，算法只是节省了平台内经营者们的劳力，所以，对此种共谋不应过度苛责，毕竟也是提升了市场运行的效率。但是，当此种集聚定价对消费者权益产生侵害时，特别是在定价已经偏离商品价值时，监管机构便应该介入了。在这样一个中心辐射场景下，A平台是否构成垄断，取决于A的市场体量和算法的逻辑，算法的逻辑可通过其实现结果逆向推断。任何市场定价结果都应当具备社会相当性，若是突破了这个大多数能够接受的程度，反垄断调查应当被激活。根据前文所述，算法能够发挥作用的前提是已经存储了海量的静态大数据，具备即时抓取互联网动态数据的权利和能力。大数据的来源和使用规则将决定相关平台经营者能否提供算法服务或实现算法共谋。

若是A平台内的经营者欲与A平台的竞争者B平台建立类似的合作关系，同时A平台和B平台的算法存在不同，或者B平台暂时不提供定价算法服务，那么A平台会对平台内经营者的动向有何看法？存在以下几个问题：平台间同一商品价格的不同；商业秘密、技术成果或商品定价的剽窃等。这也是电子商务平台“二选一”的原因之一。在格兰仕诉天猫滥用市场支配地位纠纷中，若在双方已经签订算法服务协议的情况下，格兰仕拟和京东建立类似合作关系，那么天猫便会担心：格兰仕可能会在京东平台上，以不易查证的方式，利用其长期以来从天猫获得服务信息，参与整个电商平台的竞争，从而获得竞争优势；京东可能会从格兰仕以往的定价上挖掘天猫的定价策略；在两平台间价格信息不完全共享的情况下，会出现同类产品在不同平台间存在较大价格差异的情形，极易引起消费者和监管者的注意。

由此，中心辐射式场景下的算法共谋已然是当前一个较为复杂的样态。在《国务院反垄断委员会关于平台经济领域的反垄断指南》中，不仅对横向垄断协议和纵向垄断协议进行了界定，还明确规定了对轴辐协议即中心辐射场景下的共谋协议。①参见《国务院反垄断委员会关于平台经济领域的反垄断指南》第8条规定。中心辐射式场景下的算法共谋涉及平台经营者与平台内经营者、平台经营者与平台经营者、平台内经营者与平台内经营者三组关系，使得原有垄断协议中的单向联系，变为环向交错联系。在此场景下，垄断大数据资源的平台经营者，为了巩固其在大数据市场的领先地位，将采取各种措施防止既得数据的流失与被复制。LinkedIn诉HiQ非法爬取用户数据案就是一个例证。②HiQ是一家通过收集职场人士在社交平台（主要是领英）的动态信息，分析总结雇员职业发展规划和技能水平等，为客户公司的人力资源部门提供此类分析产品。LinkedIn（领英）2016年被微软收购，全球知名专业网络社交平台，用户数量达数亿。即使HiQ爬取LinkedIn用户公开数据的行为，不会直接损害LinkedIn的利益，但出于对既得数据资源的绝对占有，LinkedIn这类大数据市场领先者，会竭力保持自己的数据垄断地位。在这一点上，大数据市场的领先者涉嫌以合法手段设置数据共享壁垒形成垄断态势，继而便于实施算法共谋。同时，也存在数据企业通过企业兼并等手段，在较短时间内实现大数据增量，这类经营者集中也存在限制竞争的可能，欧盟对谷歌收购Fitbit的反垄断审查也体现了此种担忧。〔17〕

（三）预测型代理人场景下的共谋

预测型代理人场景下的共谋，可以被认为是中心辐射式场景下共谋发展的下一阶段。电子商务平台内的经营者们，从被动接受算法服务商的积极推介，到如今开始主动寻求算法服务的供给，正如当初电子商务市场从不被看好到如今却炙手可热一样。以往平台逐一找寻潜在算法服务需求商、订立纵向服务协议的情形，演变成如今电子商务经营者们积极主动地自主开发或定制算法服务的热潮。算法的功能也经历了1.0时代到2.0时代的蜕变，算法服务开始成为一种可以在市场上流通的产品，大数据市场的数字化水平和公开程度得以进一步提升，最终形成以“数据为王”的态势。③数据已经成为一种新的生产要素，在社会经济发展过程中与劳动力、土地、资本、企业家一样，发挥着重要作用。平台经济的经营者开始使用自己的定价算法，其之间没有任何的意思联络，更没有垄断定价的具体行为。最终的结果是大部分经营者的定价符合一般商品的定价规则，这种利用算法定价的行为只是提升了市场效率，对消费者没有影响；大部分经营者的定价远高于商品的实际价值，便产生了垄断定价的结果。第二种结果多出现在竞争者较少的寡头市场，人们所说的寡头价格协调（oligopolistic price coordination）或有意识的平行行为（Conscious Parallelism）多在此情形下出现。若按照平台划分，当前我国的电子商务市场有寡头垄断的特点，每一个平台经营者与其平台内的经营者以合同的形式，形成了一个庞大的组织体，其利益相关并运用趋于一致的法则，同其他组织体进行竞争。而大数据垄断、限制数据流量、不合理关闭数据接入通道等滥用市场支配地位的行为，无疑加剧了垄断定价的风险。

监督算法、平行算法、信号算法均能在此场景下得到运用。监督算法的运用使得经营者可以即时掌握全部商品信息。行业领先者若是制定了过分高于商品价值的价格，其他同类经营者的算法会根据预先设置的规则，按照一定比例进行提价。当整个同类商品市场均遵循这种算法运行时，也就意味着该类商品的价格在一定期间内，将由行业领导者决定。又鉴于监督算法的存在，若部分经营者拟采取降价措施，则他们不仅要担心消费者是否敢于购买同类个别的低价商品，还要担心被业内同行惩罚。这样一来，除行业绝对领导者以外的其他经营者，将主动或被动地参与共谋垄断。因此，在预测性代理人场景下，各经营者们起初并无共谋的故意，但其将在算法运行过程中，注意到自身正在参与垄断并造成垄断情形。如果对此种情况视而不见，那么其就是从无意共谋到纵容共谋，再到参与共谋。

（四）电子眼场景下的共谋

当整个行业都开始采用定价算法，具备自主学习能力的算法将有效预测竞争对手算法的行动，并对其主动作出回应。通过利用动态的、差别化的定价策略，同样可以在电子商务平台对市场进行分割，进而呈现垄断形态。①参见《中华人民共和国反垄断法》第13条第3项规定：禁止竞争者分割销售市场。电子眼场景下的共谋行为实际上已经排除了人类行为，所有市场操作策略均由算法决定，自认为是“监督者”的人类，在事实上并不明白在算法的黑箱中正在上演着怎样的剧情。毋庸置疑，在由极度理性的算法制定市场策略的情况下，那些在大数据上绝对领先的经营者所运用的算法，极易将整个市场引领成为垄断市场，因为其可以实现垄断利润，而其他市场竞争者只是陪跑者的角色。

归根到底，自主学习型算法归根到底还是使用者的工具，所有的收益与损失最终还是要由算法使用者承担。使用人有义务监督算法的运行，而不能以不知晓为由，归因于算法。当然，鉴于人类与人工智能在智能水平上的差距，对已经履行必要监督义务的使用者提出过高要求则是有失公平的。因此，就需要设定使用者履行义务的标准或制度，如异常价格报告。只要使用者合理履行了相应的义务，则不具有对其苛责的法律依据。

四、算法共谋下限制竞争行为法律规制的完善路径

通过算法共谋，平台经营者可以达成垄断协议以攫取垄断利润；通过限制大数据共享可以形成大数据市场支配地位，为寡头垄断经营者实现算法共谋营造必要条件；数据企业的合并，为算法共谋积累了数据池，是合并企业快速实现大数据市场支配地位的有效途径。算法共谋行为并不一定会产生限制或者排除竞争行为的效果，比如中心辐射场景下平台内经营者使用同一算法导致价格趋同，只要未损害消费者的合法权益，就不应当被认定为垄断定价行为。算法的应用为经营者间的共谋行为提供了便利条件，也对传统反垄断法中垄断行为的认定提出了挑战，可以从主体、主观、客体、客观四个层面出发对算法共谋行为进行违法性认定。人工智能技术日新月异的发展，不断给监管者制造新的难题。从对新型垄断样态的觉察、锁定与研究，到定性与规制，每一个环节都对监管者的洞察力、专业力、持续力与公允力等提出了更高的要求。监管者不能唯客观结果论，而要考量技术本身超出市场主体主观预期的因素，将算法审查作为互联网垄断审查的一项重要工作。

（一）确定算法共谋垄断的主体及归责原则

算法明示共谋垄断的主体及归责原则与传统反垄断法的要求并无二致。当垄断协议是由机器，而不是人做出时，反垄断法将如何被适用？〔18〕算法设计者、执行者在多大程度上负有责任？〔19〕信使共谋中的主体，即经营者承担限制竞争责任，基本无争议。其主观动机与具体行为，完全符合反垄断法的规制目的。信使场景下算法仅作为执行经营者共谋合意的工具，主体及归责原则的确定没有特殊之处，经营者是算法共谋垄断行为的主体，且需要其从事该行为时具有通谋的故意。中心辐射场景下的算法共谋涉及多方主体，当某一算法的运行造成了排除或者限制市场竞争行为的后果，在对其进行认定时应结合该主体的主观方面进行认定。中心辐射共谋下的算法共谋涉及的利害行为人包括算法服务的提供者与算法服务的使用者，即平台经营者与平台内经营者，平台内经营者一般仅是出于方便定价的目的，才使用了算法，因而没有对其苛责的理由。但是，当其意识到自身正在参与共谋的垄断行为时，而又放任该共谋的进行，则其具有主观恶意，符合反垄断法上的归责原则，当其造成排除、限制市场竞争行为的后果时，就应当承担反垄断法律责任。对于平台经营者，要综合其市场地位、推广算法服务的目的、算法本身的合理性等因素考量，若其在设计并执行算法时具有主观上的故意，则其就应当受到反垄断法的规制。不能否认，算法的合理利用可以极大地降低市场运行成本，促进经济发展。监管者要做的不是取缔一切存在风险的社会经济发展手段，而是将其放到制度的牢笼中运行。

在传统反垄断法规制思路中，机器不能成为承担责任的主体，意思联络是构成垄断协议的必要条件。在算法默示共谋中，传统反垄断法所确定的主体和归责原则必须进行适当的变通适用，通过事前监管的程序设计赋予参与主体的相应责任，降低对意思联络的证明标准。在预测型代理人场景下的共谋，各经营者起初没有限制竞争的意图，尽管在结果上可能造成了限制竞争的结果。经营者具有逐利性，不能要求其不切实际地考量自己正常的经营行为将给社会带来何种不利后果，即使在我们更加强调企业社会责任的今天，这种要求也显得苛刻。在此种情形中，监管者应主动监管，通过要求算法适用前预先报备审查，建立互联算法孵化平台等方式评估算法的影响。在适度增加经营者义务的情况下，可以建立异常价格报告制度。在电子眼共谋中，共谋的发生完全是在机器自主行为下实现的。机器不能成为承担责任的主体，若非要追究经营者的监督或使用责任，不免有些苛刻。监管者、算法设计者与使用者需要按照自身职责与能力范围，以道德伦理为基础对算法的编程方式、安全措施、作用范围等进行评估监督，在责权明确的情况下追究各方责任。若算法的设计者、使用者在评估过程中未尽到合理的注意义务，则可以将算法的设计者、使用者纳入垄断行为的主体要件之中。对于严重损害市场竞争的算法默示共谋行为，应当降低意思联络的证明标准。除了沟通证据之外，行为证据和经济证据同样可以证明默示合谋。〔20〕

（二）考虑垄断行为定性的相关因素

寡头市场较易发生默示共谋行为，法学家一般常将寡头垄断视作为是有意识的平行行为。〔21〕寡头垄断公司可以清楚地认识到：市场上其他公司对其实施的任何价格调整，都将基于价格调整的潜在影响做出反应，这种反应是合理的市场应对机制。〔22〕既然寡头垄断存在合理，那么默示共谋就不应被过度苛责，即前文所述四种共谋中的后三项。如果不存在确切证据证明达成垄断协议、决定或明示的协同行为的必要条件和认定构成垄断的附加因素，不应被认定为垄断行为。平台经济的经营者通过数据爬取进行大数据分析最终确定价格的过程，是在价格公开后的行为，而非在价格公开前的行为，各经营者没有进行价格公开前的协议行为，也即算法使用者通常是基于经营理性，采取的一般经营者认可的价格策略。因此，对多数算法使用者进行垄断行为认定时，最主要还是需要依据实质性的垄断行为、形式上可能促成垄断的行为，除非有明显证据，否则不应当也没必要进行垄断的认定。但是，对于大数据市场上的行业领先者，监管者应保持主动审查的态度。如前文所述，在算法时代，行业领先者的定价会自动地被行业追随者所跟随。行业追随者被动地加入行业领先者主导的算法共谋中，表面上呈现出市场协同行为。此种行为也是行业领先者滥用市场支配地位行为的变种。算法时代“利用平台收集或者交换价格、销量等敏感信息”是常规操作，这也是平台经济相比于传统经济效率提升的重要原因。生产经营信息的共享具有提升竞争效率的作用，尽管其也存在为达成垄断协议提供基础资料和有利条件的风险，但是总体上还是利大于弊。国务院反垄断委员会于2021年2月7日发布的《关于平台经济领域的反垄断指南》第6条关于“横向垄断协议”的规定予以细化，使该条第1款的表述更加严谨，调整后的垄断协议范围明确严苛，不仅强调“利用平台收集”相关敏感信息，还需同时满足“交换”诸多敏感信息，协同行为的垄断协议不仅强调数据、算法等方式，还增加了“平台规则”的实施方式，协同行为的范围进一步扩大。

（三）完善大数据获取和利用的规则体系

算法共谋的实现依赖于算法，而算法的基础是大数据，规制算法共谋就需要厘清大数据法律属性的有关问题。对于大数据、大数据产品的法律属性，学界尚无定论，法律属性的不明确直接导致对其保护依据的欠缺。尽管对大数据已经进行去标识化处理，似乎从形式上脱离了曾经生成它的数据主体，但在平台经营过程中，用户这一数据主体的贡献始终是不可否认的。同时，用户从未明确表示将自身产生的数据无偿永久地交予平台经营者等数据处理者。尽管有人认为用户通过贡献自己的行为数据，平台经营者得以利用大数据建立用户的“意识数据库”，继而为用户提供目标商品或服务的搜索、推荐功能，双方实现了公平交换。但是，从这场交易的源头看，贡献用户数据一开始并不是用户义务，平台经营者正是看到了平台经济相较于传统线下经济模式能够实现更高收益，从而转战线上经济。方便用户搜索、智能推荐是平台经营者实现更高收益的手段，并非单纯为提高用户体验。因此，用户始终是被利用者，称此为公平交易有失妥当。再有，用户个人数据包含人格因素，其权利的让与更应审慎为之。正如无论个体的权利能力、行为能力多么独立，也难以阻断与其亲生父母的法律联系一样。因此，占有大数据的经营者不能独享大数据权益，至少不能独享大数据完整的财产权利，即经营者占有的大数据应当允许被其他充分考量公众利益的市场主体所合理获取和使用。

如此一来，作为数据获取的基本手段，数据爬取就具备合理合法的基础。数据爬取本身是一项中立技术，但加入人的因素后，其功用必然出现分化。一方面，数据爬取促进了信息共享，提升了信息获取效率，继而产生促进竞争的效果。监控算法、平行算法的实现，也多基于数据爬取技术，因而，合理的数据爬取是必要的互联网技术手段。限制大数据合理共享或者以诉讼形式完全阻断数据爬取可能是滥用市场支配地位、排除竞争行为的表现。另一方面，强行爬取数据行为的存在，使得商业秘密存在被侵犯的风险。平衡两方面矛盾的有效措施之一，是建立健全有关数据共享的制度规则，即以社会整体利益为根本出发点，以数据权益享有者利益为平衡点，区分数据类别、完善数据目录、制定完善数字经济下的行业数据共享规则与配套监管执法举措。在保障数据安全的前提下，多维立体构建数据爬取规则，搭建起数据共享生态圈，促进基础大数据共生共享，继而阻断算法共谋限制竞争的生态链。

（四）重视算法共谋规制成本效益分析法的适用

借用卡尔多—希克斯补偿原则的视角，可以通过比较运用不规制算法的经济效益（UA）和规制算法垄断效益（UB）的大小，决定是否对其规制以及采取何种程度的规制（用WTP表示用A、B两种行为的效益差）。

若WTP2-WTP1>0，即通过效益补偿后，仍有剩余，可以执行。具体而言，当充分运用算法技术产生的效益高于规制算法的使用所产生的效益时，若是监管者从无监管、弱监管转向有监管、强监管时，社会总体效益呈现损失；当充分运用算法技术产生的效益低于规制算法使用产生的效益时，若是监管者从无监管、弱监管转向有监管、强监管时，社会总体效益将增加。反垄断执法也应坚持比例原则，即坚持适当性、必要性、均衡性三者的统一，综合考量执法行为是否有助于实现社会利益、最小侵害以及上文所阐述的社会效益最大化。

算法规制的效益分析表

作为对可能的算法默示共谋进行规制的替代手段，消费者算法的运用可以成为削减经营者利用算法实施共谋的风险。既然经营者可能通过使价格过分偏离于价值的方式侵害消费者权益，那么只要有一种算法可以较客观向消费者展现应然价格，经营者算法共谋作用的余地将会大大被削减，甚至算法共谋的嫌疑也会消失。作为社会主义市场经济体制的国家，我国有着宏观调控的优势手段，政府认可的第三方算法服务机构能够设计出一套服务于消费者、与经营者算法势均力敌的消费者算法。如此通过市场化的手段，便可解决经营者算法共谋带来的困扰，从而保持社会整体效益的稳步提升。

（五）加快人工智能相关的立法进程

当市场化的手段不足以解决现实面临的困难时，便需要通过设计新规则，调整新出现的复杂关系。2017年7月，《新一代人工智能发展规划》的公布①关于《新一代人工智能发展规划》的具体内容，参见国发〔2017〕35号文件，http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm，2020年1月23日。，为我国人工智能的发展指明了方向，但直至今日，相关立法还未持续推进。2017年12月，美国国会提出两党法案《人工智能未来法案》（Future of Artificial Intelligence Act of 2017），要求重视有关人工智能的伦理研究、数据和研究的共享与开源、违法的责任认定和国际规则的适用、偏离核心文化和社会准则的算法歧视等负面后果、对隐私的侵犯以及对消费者的影响等。〔23〕2019年4月，国会通过《算法问责法案》（Algorithmic Ac⁃countability Act of 2019），授权联邦贸易委员会要求有关主体对算法系统进行影响和数据保护评估，对消费者信息的利用和保护以及监管执法等作出了相应的规定。〔24〕作为全球第一大电子商务市场，我国有必要开始着手人工智能立法。在不断推进人工智能发展的同时，更应重视规则的制定和实施，及早确立人工智能发展的法治化思维，使其成为促进社会经济蜕变的中坚力量。虽然，目前监管部门掌握的问题还不太明朗，针对现状也很难提出明确的规制措施，但可以考虑在相关立法和决策机构下，设置由不同部门、不同领域、不同地域的代表组成的专门性研究机构，对人工智能发展可能带来的伦理、法律及社会问题进行前瞻性研究，为后续的法律法规及相关政策的出台做好准备，并对大数据算法决策存在的风险进行评估并制定相关的规则和制度。研究机构的相关研究成果将为政府决策及后续的立法工作提供智力支持，为人工智能的创新和发展创造有利基础。

五、结语

人工智能的发展、算法技术的精进、大数据算法决策将会得到更广泛的应用和发展，在潜移默化地影响着人们的生活。人工智能技术具有双面性，为生产生活带来了极大便利的同时也为法治经济带来了巨大的挑战，尤其是给反垄断带来了新的问题。要区分出这些问题是市场能够自洽的，还是需要外部干预的。对于市场能够自适自洽的问题，无须通过立法解决；对于需要新规则介入的，要进行充分利益衡量，不能因噎废食。

在当今世界，数字经济竞争已拉开帷幕，政府需要对人工智能特别是算法共谋的反垄断法规制进行前瞻性思考，开展市场调研，聚焦算法规则，加强算法归责问题的研究，遵循“谁决策谁负责”“谁主管谁负责”的原则，在此基础上确定算法共谋者的相关法律责任。还需结合公众、社会团体、产业界、政府机构等可能受人工智能影响群体的权益保护问题，谨慎出台规制措施。同时，我国政府可以在成本效益分析的基础上，运用比例原则，综合考虑对消费者利益的保护，削弱经营者算法共谋的作用，通过加强市场化手段的实施达到谦抑监管的目的，从整体上提升社会效益，实现经济发展、市场竞争和消费者保护三者之间的动态平衡。在此基础上，借鉴国外相关案例的处理手段和立法经验，并结合我国相关市场的具体发展状况，考虑设置专门性的研究机构，加强人工智能发展的相关立法研究，为完善算法共谋反垄断举措、促进社会的和谐发展注入活力和动能。