数字经济中竞争性垄断与算法合谋的治理困境

苏敏 夏杰长

摘 要：在数字经济的治理结构中，传统政府治理范式与数字经济特征的不相匹配诱发诸多治理困境与挑战。对数字经济治理困境进行学理性解释，应在适应经济发展形势变化的基础上，完善数字经济治理理论基础，探索反垄断规制具体治理举措。本文对数字经济的考察以竞争性垄断市场结构中算法合谋现象作为出发点，挖掘数字经济中竞争性垄断市场产生的原因及算法合谋的治理困境。首先，基于数字经济的资源特点和技术特征，分析了数字经济中市场结构变化与算法合谋形成的本质内涵和机理;其次，对比传统经济，分析得出竞争性垄断市场结构是数字经济中技术竞争、创新以及标准化约束的必然结果;再次，基于算法合谋的高隐蔽性以及数字经济中出现的竞争性垄断市场的特点，分析了国家反垄断规制中数据市场边界与数据纠纷、市场支配地位认定、算法卡特尔与垄断协议模糊等问题;最后，提出在竞争性垄断市场中算法合谋治理应实现监管机构、平台、用户三方共治的应对策略。

关键词：数字经济;竞争性垄断;算法合谋;算法卡特尔

中图分类号：F49;G712  文献标识码：A

文章编号：1000-176X（2021）11-0037-10

一、引 言

据全球互联网数据中心统计，随着大数据和人工智能时代的来临，每年全球数据的增长速度约为40%。大数据处理效率随全球数据的增长不断提高，定价算法等先进数字技术工具的使用使得全球市场竞争战略与竞争格局不断变化，越来越多的公司通过计算机算法来改进定价、预测趋势，从而提高其市场效率。与此同时，数字经济（Digital Economy）的发展使得计算机算法的商业应用愈发广泛，企业运用算法不仅可以预测市场趋势、完善行业定价模型，而且可以实现顾客个性化服务。在反垄断领域，算法作为数字经济的使用工具也逐渐成为反垄断规制的重要范畴。然而，随着数字技术与大数据的不断发展，反垄断法领域出现了电商平台“二选一”、社区团购低价占领市场以及字节跳动诉腾讯平台垄断等事件。可见，数字技术的发展与竞争性垄断市场结构的变化对我国现有反垄断法律框架与分析思路提出了新的挑战。

古典经济学诞生以后，有关垄断和竞争的问题被系统地纳入经济学研究范畴。作为一种新的经济形态，数字经济中的垄断与竞争也有了新的内涵。竞争性垄断市场中的竞争是在技术不相容定理约束下的高度竞争，竞争胜利者会占据垄断地位，淘汰者成为潜在竞争者。因此，在数字经济中，竞争必然导致垄断的产生，即出现赢者通吃的结果。而垄断的出现并不意味着激烈竞争的不复存在，数字经济中的正反馈机制、高固定成本与低边际成本的特性、产品技术的不相容性、网络外部性和消费所产生的锁定效应等使垄断成为必然。

二、数字经济中市场结构的变化

数字技术的应用推动着数字经济市场结构的变化，算法作为辅助厂商经营的有力工具被商业社会广泛应用，基于算法的定价策略成为企业决策不可或缺的部分，也是政府监管需要关注的新领域。韩伟[1]认为，数字企业使得算法在市场预测与业务流程优化方面得到了深度应用，改变企业商业运营模式的同时也影响着数字经济市场结构的演化。传统的市场结构包括四种基本类型，即完全竞争、完全垄断、寡头垄断和垄断竞争。反观数字经济，数字技术提升产生的多米诺效应使得算法成为厂商与消费者两方的路径依赖。显然，此时厂商拥有绝对优势加剧技术竞争，而厂商技术竞争的加剧必然会引发新的技术创新，由此所产生的行业进入壁垒增加了行业的垄断性，在厂商不断的竞争与技术发展中形成了数字经济市场结构——竞争性垄断市场。基于数字经济资源的特点，竞争性垄断市场中数字经济平台呈现出典型的双边市场的特征。平台经济包括供应商和客户两个角色，而客户可以是厂商也可以是消费者，平台通过优惠和补贴等途径拓展用户流量，使用者在平台上的互动过程中引发直接或者间接的网络效应。平台利用机器学习算法，借助数字资源不断训练算法刻画用户精准画像，在该平台产业链中通过算法实现价格歧视或者导致“大数据杀熟”，平台在该领域就开始具有一定的算法权利，甚至算法逐渐成为数字经济中的“准公权力”[2]，从而实现算法合谋。

（一）竞争性垄断的形成

竞争性垄断（Competitive Monopoly）[3]是指数字技术的高速发展使得数字经济中的市场竞争增强，厂商所生产的产品出现技术壁垒，导致竞争和垄断双方被强化的趋势。尹莉[4]在研究信息与通信技术（Information and Communications Technology，ICT）行业的竞争性垄断市场时表示，竞争性垄断市场结构是由厂商之间的技术竞争产生，在垄断结构之中又包含着更激烈的技术竞争形式并孕育新一轮的竞争，是一种垄断因素和竞争因素并存的垄断。一方面，数字经济市场开放度越高，其竞争就越激烈，市场进出无障碍使得技术创新速度加快，行业集中度越高，形成的垄断性就越强;另一方面，数字技术企业的垄断又极其不稳定，甚至对于形成垄断的技术没有过度的保护，使得造成垄断的技术很容易被新技术所替代，而市场的竞争会随之更加激烈。在竞争和垄断同时加强的态势下，这种二律背反的共生现象演化出一种新的竞争性垄断市场结构。

1.数字经济领域的厂商通过在规则的变化下增强价格的控制能力而加剧垄断

英特尔创始人之一摩尔提出的摩尔定律解释了技术进步的速度。摩爾定律指出，数字技术与价格的变化是相反的，芯片功能翻一番的周期是18个月，而芯片价格在同周期会下降一半。因此，市场价格在数字经济中的变化与传统经济有很大的不同，并且每一个数字产业链生产的商品，其定价规则也与传统产业有着很大差异。对比来看，传统行业的交易价格反映市场的供求关系，传统经济的资源具有稀缺性的特点，且更易受到成本的约束，因而传统行业中市场价格和数量的变化通过供需关系表达。不同的是，数字经济时代是信息与知识大爆发的时代，数字市场中稀缺的已经不再是信息与数据要素，而是用户的注意力。数字产品不存在传统产品所具有的资源稀缺性的约束，其受成本约束随数字技术的发展逐步减少，这就意味着数字经济面临前所未有的局面，即数字经济的网络经济效益和规模经济效益趋于无穷大。

2.技术的市场不相容定理推动了数字经济竞争性垄断的市场结构 [3]

数字企业之间的竞争已经不仅仅停留在价格战，技术竞争的重要性日益凸显，创新战、质量战、速度战、服务战逐步打响。“马太效應”强化了技术竞争，使技术竞争成为“胜者全得”市场垄断效应的一个主要因素，同时强化了竞争和垄断的态势。2020年，美国纳斯达克股票市场共迎来300家公司首次公开募股（Initial Public Offering，IPO），总筹资额达778.6亿美元，同年有70家公司在纳斯达克股票市场退市。由此可见，在数字经济时代，并购、重组异常激烈，企业随时面临着淘汰出局的风险。数字经济时代企业的更迭速度加快，新企业的成功与旧企业的消退交替出现。根据数字技术的功能与价格比的摩尔定律，随着数字技术功能的增加和完善，价格呈现出周期性下降的趋势。因此，基于新技术的新产品不仅不会比旧技术和旧产品的价格高，而且还可能降低。如此，质优价廉的新技术往往一出现就会迅速占领市场，落后技术也就很快被淘汰。因此，数字技术的市场不相容性决定了谁掌握了被市场所接受的先进技术，谁就占据了“胜者全得”的市场垄断地位。

3.数字市场标准化的要求也在助长垄断的趋势

数字市场标准化也就意味着只能容忍符合标准化技术存在，具有技术优势和进入时间优势的企业增加了后进入市场企业的进入难度。然而，数字市场是高度开放的，只要新技术能够获得市场认可，就可以占领市场并淘汰其他技术和产品。因此，竞争机制在数字经济中更容易发挥作用。竞争机制的显著发挥有利于垄断的形成，垄断的形成又促进了新一轮竞争，使得数字经济中竞争—垄断—竞争的循环不断加快，形成了这种特殊的垄断性竞争的市场结构。一般来说，数字经济中技术创新更迭速度较快。技术创新如果被少数企业掌握会形成寡头和垄断，技术创新聚集使其容易长期占据垄断地位，相反，技术创新如果呈网络型或者放射型，处于垄断地位的企业就需要不断创新数字技术来巩固垄断地位，否则就会面临比完全竞争市场更加残酷的竞争。在垄断性竞争市场结构下，数字产品的标准化要求使得竞争与垄断巧妙地结合在了一起。

（二）数字时代的算法合谋

“合谋”即竞争对手之间共同实施的可能损害消费者利益的共同利润最大化策略行为，而“算法合谋”（Algorithmic Collusion）则是指将算法作为合谋促进因素，导致以前没有出现过的或者以前不可能出现的新式合谋。随着数字经济的发展，算法的应用越来越广泛，同时算法的应用也带来许多公共问题。例如，运用算法预测行业趋势，通过算法为消费者制定个性化服务以及使用算法参与改进定价等，这些在提高市场效率的同时也出现了算法合谋的典型问题。

近年来随着数字技术的不断成熟，算法对市场竞争的影响已经无法忽略，数字时代的算法合谋有三个主要推动因素：第一个因素是始终有效运行的摩尔定律。技术进步使我们的计算设备运行更快，体积更小，价格更便宜。如今，数字技术域分析和记录大量人口的行为成为可能。第二个因素是高效的通信网络连接速度与容量。庞大的数据内容能够实现快速传播，市场中拥有无处不在的信息通信渠道来实际储蓄和分发数据。第三个因素是强大的数据收集与分析能力。如今一台新款Xbox游戏机的计算能力甚至超过了亚特兰蒂斯号航天飞机[5]，Mehra[6]认为，这意味着即使普通消费者也拥有了强大的计算能力，不断发展的数字技术给予了算法计算模拟和预测世界的功能。

算法定价更容易达到合谋水平，损害消费者的利益。算法作为工具通常以追求经营者利润最大化为目标，如果平台经营者统一供应商的定价算法，算法监控市场与价格变动的能力不断提高，那么经营者将可以预测其他经营者的价格反应，同时为保持自身利益最大化而设定更高的价格。牛津大学竞争法与政策研究中心的一篇论文中提到Uber公司使用的算法曾使得消费者支付不合理的高价，当算法在真实的市场价值和自身感知的市场价值之间进行选择时，往往会舍弃真实的市场价值，形成算法合谋造成更加严峻的垄断。但是，算法合谋很难被直接识别，也难以判断这种结果是经营者的默示合谋还是市场博弈下的跟随行为。执法机构需要考虑算法合谋是否违反反垄断法，甚至从理论上重新考虑算法合谋的形成条件以及对社会福利的影响。

（三）竞争性垄断中市场支配地位的认定

市场支配地位通常是指企业可以摆脱竞争约束的一种能力，判断企业是否具有市场支配地位通常从两个方面入手：第一，需求替代分析，即审查用户交易过程中的公平和自由是否受到影响。第二，供给替代分析，即企业进入市场是否受竞争对手的影响。数字经济中，当平台连接两个使用群体时就会产生双边市场，而其中一个使用群体会受到另一个群体使用的影响，从而产生网络效应。需求替代分析大多数研究都集中在网络效应[7]造成的用户Lock-In转移成本过高，因而导致产品与技术对消费者的锁定。供给替代分析则是着重关注供应商的转换成本以及企业进入的难易程度。相比传统市场中企业的市场支配地位，数字经济中的网络效应导致竞争性垄断市场结构条件下企业的市场支配地位将会更加不稳定，监管部门需要重新审视市场支配地位认定的要素。例如，2013年11月26日，我国互联网历史上诉讼标的额最大的垄断案件——“奇虎公司诉腾讯公司滥用市场支配地位案”的结果认定，腾讯公司不构成滥用市场支配地位，最高人民法院驳回了奇虎公司的全部诉讼请求。可见，竞争性垄断格局下市场份额的大小并不能继续成为认定市场支配地位的标准。

一方面，厂商是否具有市场支配地位可以通过其进入市场的难易度判断，但竞争性垄断会导致其他竞争者进入市场难易度无法衡量。一般地，当市场壁垒较低时，该厂商所在行业进入较为容易，该厂商则不具有市场支配地位;当市场壁垒较高时，该厂商所在行业进入较为困难，该厂商则具有市场支配地位。但在竞争性垄断市场结构中，不同的判断指标将会导致不同的市场支配地位认定结果。数字经济中，影响数字经济领域市场进入难易程度的考虑因素有别于传统行业，互联网行业往往只有少数厂商或者仅存一家厂商成为该行业的佼佼者。例如，在即时通信领域，腾讯占领市场支配地位后再无其他竞争者可以与之抗衡;在办公软件与操作系统领域，微软研发面世后就不断发展成为行业霸主。2021年2月7日，国务院反垄断委员会发布的《国务院反垄断委员会关于平台经济领域的反垄断指南》[8]细化规定了相关认定数字经济领域经营者具有市场支配地位的考虑因素，包括市场准入、平台规模效应、资金投入规模、技术壁垒、用户多栖性、用户转换成本、数据获取的难易程度和用户习惯等。另一方面，竞争性垄断格局下厂商的市场份额具有动态性和不稳定性。根据《中华人民共和国反垄断法》（后文简称《反垄断法》）规定，传统经济中认定厂商是否具有市场支配地位是依据市场份额推定的，但在数字经济中并非如此。数字经济由于市场结构的变化，厂商的市场份额更具动态性和不稳定性。以抖音和快手等短视频平台为例，其用户界定可以是长期浏览用户，也可以是短期浏览用户，还有通过其他社交平台推广进入的浏览用户。显然，在平台市场份额的界定没有明确标准的情况下，浏览用户无法作为实际使用人数，而注册用户显然也无法作为实际使用人数进行界定。因此，平台占有市场的实际情况将无法用具体标准的数额加以界定和评估。比较而言，传统经济中厂商所生产产品的市场份额通常依据该产品的销售数量进行界定，传统行业的销售数量是依据会计记账数据统计计算而得，而对于销售数量的计算显然在数字经济中的很多情况下无法具体统计核算。因此，竞争性垄断格局下市场份额不再与市场支配地位直接画等号。

三、竞争性垄断市场结构中算法合谋的治理困境

由于算法在企业决策事务和回应竞争对手反应速度方面呈现出高效优势，数字市场中竞争双方利用算法协调价格的行為越来越普遍，甚至算法可以代替合谋中的人力因素直接 “读取”竞争方的算法对竞争企业的行为进行预测。算法取代部分人力因素形成的合谋可以是显性合谋，也可以是默契合谋，其中，显性合谋更容易被执行，而默契合谋通过算法更容易被实现。随着机器学习的发展，深度学习算法已经可以达到完全替代人力因素形成合谋，而这种虚拟合谋的形成已经不在《反垄断法》的调整范围内，反垄断执法面临严峻的挑战。此外，数字企业关于价格滥用的认定也成为《反垄断法》滥用市场支配地位认定的困境之一，对于合谋认定中垄断协议的有效概念模糊的判断也将成为未来处理算法合谋问题确定判定的前提条件。

（一）数字经济中相关数据市场的界定

《反垄断法》继受于欧美反托拉斯法，而欧美反托拉斯法产生于工业时代，因此，《反垄断法》的适用性显然无法顾及数字经济发展的特点。法律本身就具有滞后性的特征，在数字经济快速发展的背景下，突破《反垄断法》的规制与认定出现的困境需要明确数字经济发展中相关数据市场的边界和数据类型。

1.大数据在商业领域的无限性要求我们明确数据资源的竞争范围

从概念溯源来看，美国联邦交易委员会委员Harbour于谷歌收购DoubleClick一案所提的不同意见中首次提出了“相关数据市场”的概念。基于供需原则，袁波[9]在大数据领域的反垄断中引入相关数据市场，认为数据可分为“自用型”数据和“他用型”数据。与“自用型”数据不同，在“他用型”数据情形下，经营者既把自行收集的数据用于自身的生产经营活动，同时也单独对外许可或者转让这些数据，这意味着该数据在市场上存在独立的需求和供给，需要单独界定“他用型”数据的相关数据市场。因此，我国《关于禁止滥用知识产权排除限制竞争行为的规定》（以下简称《规定》）第3条第二款规定[10]：“相关数据市场是指由所涉及的数据和可以相互替代的同类数据之间相互竞争所构成的市场”。

2.界定相关数据市场是有效判定市场支配地位的重要前提

Pamela和Tara[11]认为，数据市场的界定不仅可以更好地认识数字经济活动不断生成的海量数据的重要价值，而且还能够凸显出数据资源对数字市场竞争可能产生的潜在影响。相关数据市场已被域外反垄断理论界普遍接受并广泛使用，一般在认定“他用型”数据情景下的市场支配地位时，相关数据市场的界定沿袭《规定》。《反垄断法》关于界定相关市场方法的规定主要体现在《国务院反垄断委员会关于相关市场界定的指南》[12]第7条中，即“界定相关市场的方法不是唯一的。”在反垄断执法实践中，根据实际情况可能使用不同的方法。界定相关市场时，可以基于商品的特征、用途、价格等因素进行需求替代分析，必要时进行供给替代分析。在经营者竞争的市场范围不够清晰或不易确定时，可以按照“假定垄断者测试”（参见第十条）的分析思路来界定相关市场。依此规定，《反垄断法》没有对相关市场界定方法和分析因素作出硬性要求。

3.相关数据市场的界定目前似乎并不适宜采用假定垄断者测试法

李虹[13]认为，假设垄断者SSNIP（Small but Significant and Notrans Itoryin Price）测试法以定量分析为基础，克服了传统定性分析方法存在的主观性强等诸多不足，许多国家和地区都已明确地将该方法作为反垄断实践中界定相关市场的主流方法。然而，我国数字经济仍处于发展初期，国内外数据交易流通尚处于初始阶段，以往数据交易活动呈现出成交量低、定价自由度高、价格波动大和不透明性强等特点，这无疑给严重依赖于价格数据的SSNIP测试法的使用带来极大的困难。因此，更为妥适的做法是从供需替代角度分析数据之间的可替代性，例如，离线数据和在线数据是否具有可替代性的分析需要结合二者的应用场景，从下游产品或者服务的可替代性倒推出两种数据是否具有可替代性。

（二）拒绝开放共享“必需数据”的纠纷

近些年，经营者之间围绕数据资源展开激烈争夺，在数据驱动型反馈回路的作用下，海量数据主要掌握在少数互联网巨头手中，若是数据控制者径直拒绝开放共享数据，则有可能导致下游市场的封锁并损害潜在创新，如此便把问题引致《反垄断法》中极富争议的必需设施理论。

目前，国内外已发生多起涉及拒绝开放数据的反垄断纠纷，法院在个别案件裁决中明确承认必需设施理论的可适用性。这标志着发源于工业时代的必需设施理论正在经历从“必需设施”到数字经济时代的“必需数据”的转变。例如，华为和腾讯关于微信数据的纠纷。2016年，华为推出华为荣耀Magic旗舰手机，该手机的最大卖点和特色就是可以提供人工智能服务。不过，这需要通过收集用户个人资料、活动信息等数据来实现。事实上，华为收集了包括支付宝、新浪微博等多个应用软件的数据。随后，腾讯公开指责并向工业和信息化部（以下简称“工信部”）投诉华为非法获取微信数据，并侵犯了微信用户的隐私，华为则辩称，微信数据既不是腾讯专有，也不归属于华为，而是用户自己所有，更表示收集和处理微信数据已经事先征得微信用户同意。由于该争议不仅牵涉到行业巨头之间的商业利益纠葛，更关涉个人信息和用户隐私保护等敏感问题，一经爆出便引起了国内外的广泛关注和热烈讨论。工信部作为双方共同主管部门及时介入，平息了此次争议，但关于腾讯是否向华为开放微信用户数据等仍未公开。值得关注的是，华为作为硬件和底层软件系统的供应商与无直接竞争关系的手机应用软件提供商腾讯因数据收集产生纷争，这在某种程度上说明数字经济领域的竞争边界已泛化，可以预见，围绕数据资源展开的争夺将愈演愈烈，类似的纠纷或许会蜂拥而至。

（三）算法卡特尔给数字经济带来的挑战

反垄断法领域内的卡特尔的实质就是一种合谋或者说共谋，世界各国的反垄断法都将卡特尔作为重要的垄断行为进行规制。算法卡特尔本质上也是一种新的合谋形式，即利用算法来实施合谋。但由于算法本身的特征以及对合谋效果影响等因素，相比较传统的合谋，算法卡特尔的问题更加棘手。

1.算法可以增强卡特尔的合谋动机，降低成员实施欺骗行为的可能性

一方面，相对于传统定价方式，算法可以使合谋价格更为合理。特别是在产品存在差异，企业成本、效率及市场份额都不尽相同的情况下，算法可以更好地协调卡特尔成员的利润，尽可能保证卡特尔内部成员的“公平”，降低个别成员背叛的可能性。另一方面，算法能够实时监控卡特尔成员的行为。相比传统透明度较低的市场，算法更容易发现合谋者通过修改算法实施秘密降价。此外，算法还可以及时对背叛者实施报复，将价格调整至竞争水平，率先背叛卡特尔组织的成员所获得的利润将随着其他竞争者反应速度的提升而减小。因此，算法卡特尔的实施极大地削弱了背叛者可能取得的利润，降低其背叛的可能性。

2.算法可以降低卡特尔的实施成本

与单一垄断不同的是，卡特尔的维系需要进行大量工作。由于卡特尔成员首先考虑的均是自身利润最大化，其次才会考虑卡特尔整体利润最大化，这往往使得卡特尔整体利润最大化的目标与卡特尔成员利润最大化的目标不一致。为了保持卡特尔成员与卡特尔整体利益的一致性，卡特尔组织必须通过不断地进行谈判、会议等活动来维持。但随着市场透明度的提高，卡特尔组织通过算法可以更加容易地实施价格监控，减少所需的时间及资金成本，不再需要定期以会议等其他形式与组织成员进行交流，降低了卡特尔行为的实施成本。

3.算法可以增强卡特尔组织的稳定性

由于算法卡特尔的实施没有明确的协议、会议等证据，保证了卡特尔行为的隐秘性，降低了被执法机构发现的可能性，进一步降低了卡特尔的违法成本。例如，区块链技术作为产生算法卡特尔的技术之一，为算法合谋提供了新的技术支持，大型国际企业已经倾向于采取反竞争行为来减缓竞争强度，包括谷歌和亚马逊在内的大型企业或将运用区块链技术增加市场力量与其他厂商一起实现算法合谋。Massarotto[14]认为，私有链可以为企业勾结而创造完美的条件，智能合约会自动惩罚参与者与卡特尔协议的偏差。因为参与这些网络只能通过邀请，也可能发生排他性垄断行为。

（四）滥用市场支配地位的认定困境

《反垄断法》第17条列举了6种滥用市场支配地位的行为来规制不公平的交易价格。但是，针对数字企业关于价格滥用的认定存在困境，尤其是互联网平台企业滥用市场支配地位的认定。数字经济中的反垄断规制如何识别企业价格滥用行为成为难点问题，其主要原因在于互联网平台企业的价格策略与传统企业价格策略差别较大，基于双边市场的互联网平台企业价格滥用监管困难主要表现在以下两个方面：一方面，互联网平台企业的价格歧视难以认定。传统企业的定价策略中包括差别定价策略，而互联网平台企业中的差别定价不能“一刀切”地定义为价格歧视，因为互联网平台企业为了数字产品研发投入的利润转换周期缩短，会推出差异化价格策略来满足其效率价值，从而使得互联网平台企业有足够的流动资金来满足数字产品升级与更新。数字企业在平台经营中往往努力获得更加全面的数据和用户信息来制定平台规则，一旦差别定价超过行业竞争的边界导致限制竞争的行为出现时，就会加剧数字经济中的垄断现象。另一方面，互联网平台企业的掠夺性定价难以认定。经济学中的价格歧视是指同一产品不同消费者因为购买数量或者购买顺序的不同而产生不同定价，这里的价格歧视不具有贬义，也不应成为反垄断规制的范畴。但是，在互联网平台企业针对不同用户采用不同的价格策略中有可能采取一些违规措施。例如，为了让消费者无暇比价而宣称货源紧张等虚假信息，此行为就涉及侵犯消费者知情权。通常在互联网平台企业进入市场的初期，采用免费甚至补贴消费等行为推广市场获得用户流量，在此认定价格滥用是否构成时，需要考虑市场的双边特性，避免“烧钱抢市场，垄断后提价”的价格滥用行为扰乱市场秩序。

（五）垄断协议的有效性概念模糊

《反垄断法》对于合谋的认定需要确定竞争者之间存在“协议”（Agreement）。为了保证市场竞争中“协议”具有较大的竞争范围，“协议”通常被广义地界定，这就引发了垄断协议有效性概念模糊这一问题。倘若双方的合作中没有明示合作内容与条款，在缺少有效壟断协议的情况下，《反垄断法》对于“协议”的适用性就受到了挑战。在数字经济条件下的算法合谋“协议”就面临上述认定困境。因此，Kaplow[15]认为，目前规范横向协议的方法可能太过形式主义，无法处理有违法可能的企业之间的相互依赖关系。算法技术发展推动竞争双方利用编码作为交流媒介进行隐蔽互动，迅速达成协议目标，使得数字经济中“协议”的适用边界及概念认定越来越模糊。例如，基于平行算法，企业可以实行价格追随策略，某家模拟市场头部的企业算法相当于合谋要约，而头部企业通过涨价回应此算法的行为相当于接受此要约。此外，“信号算法”可以使产品价格针对市场快速做出反应趋于合谋定价，这种定价行为本质上与实际协商价格达成价格合谋协议没有区别。因此，竞争对手回应对方以达成一致价格的行为相当于合谋协议，只不过该协议的达成渠道由复杂的算法组成。由此可见，对于“协议”概念与边界的认定更加有助于降低反垄断法执行的模糊性。企业间的算法互动是否应当类似于“合谋”那样被《反垄断法》规则下“协议”的概念所覆盖，是企业了解法律执行边界，对未来如何处理算法合谋问题的判定条件。

四、数字经济中算法合谋三方共治的应对策略

（一）数字经济领域的反垄断规制

高艳东[16]表示数字经济具有高度的竞争性，且数字经济带有垄断经济的天然特征，数字经济通向的就是一条竞争性垄断之路。然而，目前数字企业在市场上占据绝对优势地位，数字驱动企业生产和运营的边际成本随着自身大数据的不断积累而降低，反垄断法规范市场的力量与范围需要禁止这些企业为了排除市场合理竞争而实施滥用市场支配地位，解决数字企业带来的风险。特别地，在互联网平台服务中，当更多的新用户加入时可以与其他用户形成多方互动，提高平台用户价值，足够多的消费者可以为平台买单并使其占据大量市场份额，此时市场竞争而并非垄断导致了市场力量集中在了少数企业，这种良性竞争导致的市场支配地位的形成对于数字经济反垄断的监管提出挑战。

1.数字经济中的反垄断规制应集中于滥用市场支配地位的行为，而非集中于良性竞争中获得市场支配地位的行为

大型数据驱动平台在数字技术发展的过程中已经改进产品和生产流程来维持自有优势和地位，数据市场中对大数据进行自动分析的结果已成为数据创新驱动的一部分，数据驱动的机器学习也成为了互联网公司依赖分析处理数据信息能力的关键，依赖处理能力的数据要素降低了技术创新在数据市场更加公平的可能性。因此，互联网平台凭借强大的数据信息处理能力以及用户大数据资源，长期在市场占有较高份额，易获得市场支配地位。随着数据相关产业的不断发展，即时通信行业因为需要较高的数据处理技术出现明显的寡头垄断，但是相对疲软的新闻和旅游门户网站却竞争激烈。竞争中处于市场支配地位的企业是良性竞争的结果，法律不能因此干预竞争而禁止企业获得支配地位。但是，对于滥用市场支配地位的企业，需要集中力量依据《反垄断法》进行管制。

2.数字经济中的反垄断规制应避免以单一因素得出结论

引发市场份额变动的因素通常有两个，即因为生产能力不足失去市场份额或者因为坚持价格而舍弃市场份额。数字产品的生产成本费用主要集中于技术创新的研发费用，传统经营中的营业成本与固定成本费用较少。例如，操作系统的研发成本多为系统升级时期所需科研经费，而批量生产中的材料、人工和生产设备运转费用占总费用的比重较低。因此，高市场份额并不是决定市场支配地位的关键因素，市场份额也已经不是评估市场支配力的唯一因素。数字经济中的技术研发以及经营者的其他行为也需要被纳入认定市场支配地位的规制中。同时，邹越[17]认为，适用市场结果的单一评价方法虽然不能正确得出市场支配地位的判断，但是可以与多因素评价相互补充和印证，同时使用结构方案、行为方案和结果方案综合判断。

（二）监管机构针对算法合谋的管制路径

韩伟[18]认为，数字经济反垄断规制最大的困难是，知识产权法、消费者权益保护法、隐私保护法等既存法律的存在使得数字经济的管制需要多部门配合，根据不同政策领域采取不同干预措施。此外，跨境数字企业也面临国家地域与管制方法的挑战。因而算法合谋的管制需要探索出一条新路径。

1.市场研究与市场调查

数字经济市场一旦运行不畅或者出现市场主体间的算法合谋时就需要反垄断的干预。算法合谋的干预需要找到合谋证据，执法部门为了寻找出现市场失灵的原因及解决方案，也为了证明算法合谋的存在对市场竞争和消费者造成的不良影响，通常会使用市场研究（Market Studies）或者市场调查（Market Investigations）。需要明确的是，市场研究不是司法部门的执行机制，是为了寻找算法合谋的证据所执行的研究路径。，市场调查是市场研究的延伸，但是市场研究并不是市场调查的前提，未经市场研究依旧可以开展市场调查。市场调查发现市场主体间的合谋问题则允许执法部门执行法律，避免因没有主体算法合谋的证据时发生的不正常竞争行为。基于此，有关执法部门应依据算法合谋的干预需要开展市场研究与市场调查，确保执行算法合谋反垄断干预的证据充分。一方面，形成政企后设协同规制模式[19]，政企后设协同规制模式不同于平台企业直接参与协同规制的模式，是指在政府的控制之下，互联网平台企业在自己的专业技术范围内参与协同规制的模式，一旦超出其专业技术范围将违反后设协同规制。该模式通过发挥互联网平台企业对于市场研究和市场调查的天然优势，协同政府对算法合谋风险进行分析和预测，秉持“审慎谦抑”的规制理念[20]引领企业良性发展，科学界定算法合谋的规制范围，形成数据集中共享的算法治理。另一方面，引进数字技术人才组建“算法政府”，针对基于机器学习、人工智能等竞争问题展开市场研究与市场调查，建立专家团队延伸调查市场是否存在算法合谋的经济迹象，需要对产品价格高于竞争价格、产业结构集中度高等特征提供竞争政策与决定。

2.事前合并控制

对于降低默示合谋的风险，需要竞争执法部门审查竞争对手在事前合并行为中的“协同效应”（Coordinated Effects）。在存在算法行为的市场中，事前合并的反垄断审查需要降低合并审查门槛，在评估算法合谋风险时超越双寡头垄断的传统垄断模式，预防和关注市场集中度不高但通过算法手段可能形成默示合谋的情形。Ezrachi和Stucke[21]認为，“执法部门需要确保市场上存在利润差异化以及不同产能约束的各种卖家，同时关注存在5到6个主要竞争者的市场时，算法合谋超出传统双寡头市场，基于并购交易而消除一个特定的市场主体，是否会显著提升算法默示合谋的风险”。Ezrachi和Stucke[22]还建议，“当多个市场之间的联系能够促进默示合谋时，执法部门可能还需要进一步重新考虑针对混合合并的分析方法。比如机器学习的一个特点是能够发现不同大数据集之间的关联。因此，算法在截然不同的产品市场之间也可能确定以及回应惩罚机制，而这些不同市场的产品，人类可能认为是不相关的”。

3.算法合谋的管制措施

首先，最高价格管制。虽然最高限制价格在市场竞争中被视为施加市场显著障碍，但是面对算法合谋在缺少沟通与信号等因素的条件下仍可形成的现状，政策制定者仍需考虑最高价格管制。然而，价格管制不仅会使得高质量产品更新速度放缓，同时阻碍数字企业创新，也会通过在数字市场中给合谋创造合作的基础（聚点）而导致更高的价格。因此，需要更为有效的政策替代最高价格管制。其次，影响算法合谋稳定性的管制措施。算法合谋的管制措施还可以表现为执法部门通过限制公开信息范围降低透明度，从而改变较为容易产生合谋的数字市场特征。此外，降低数字市场中企业之间的高频互动也是救济措施的内容之一，要求预达成合谋企业之间的邀约需要在最低等待期过后提出，或者通过延迟企业达成调整价格的时间来保证管制措施的执行。同时，降低数字驱动企业间的互动也降低了消费者获得信息的透明度，抑制供需价格匹配的调整速度和效率，从而影响市场应有的竞争机制。最后，算法设计方面的规制。算法合谋引发反竞争性协调价格的行为，产生企业独自对市场变量作出维持算法合谋所需要的算法设计。因此，需要从算法设计上管制企业对于算法合谋的价格回应。算法设计上的管制相比较前两种管制措施更具有灵活性，但是会使得企业创新算法的能力受到限制。例如，通过算法设计的管制限制企业对最近价格变化进行反馈和回应做出调整，但是对执法部门算法设计方面的技术要求较高，存在监督难度。

（三）企业在竞争性垄断市场结构下的应对策略

只有当反垄断本身的执行成本低于由于反垄断增进的社会福利时，反垄断规制才具有可行性。在这一点上，市场的自我修复往往要比反垄断机构行动迅速，例如，技术创新竞赛、软件的低边际成本、消费者的异质偏好以及市场空间的扩大等都是垄断势力的消融剂。因此，面对数字经济中的竞争性垄断市场结构的出现，企业可以通过以下三种途径应对。

1.激发企业创新

在完全信息确定性条件的博弈分析下，技术创新是数字经济下产业结构由绝对垄断向竞争性垄断发展的最根本动因。技术创新是保持企业竞争优势的前提条件，即便是已经占领现有市场份额优势的互联网企业，现有的垄断地位亦不能仅靠市场份额的暂时占有而维持下去，创新已经成为数字经济中各大企业核心竞争力的长期来源。当然，数字经济中的创新不仅仅依靠技术创新，商业模式的创新在数字经济发展中也发挥重要作用。例如，百度的竞价排名创新模式利用长尾理论从“尾部”中小企业获得收益，从而打败利用词频与链接的其他搜索引擎公司成为行业垄断者。

2.构建用户网络

傅瑜等[23]认为，在数字经济不断发展的过程中，互联网产品消费者获得的产品效用主要取决于用户数量，用户多则效用高。庞大的用户量成为互联网企业占据市场份额的必要策略，因而构建用户网络成为竞争性垄断市场结构下企业发挥市场先入者竞争优势的又一策略。消费者对于数字产品价值的评价是保证用户数量的核心要素，而数字产品的价值是随着产品技术商业模式的更新而不断升级。市场先入者利用庞大的用户群体构建网络效应奠定用户技术，市场早期用户网络的互动与开发使得市场的后发者的劣势更加明显，因而抢占市场必将会加大后发者的投资。

3.推进企业合作

数字经济中任何企业想要进入市场均需要前期巨大的资本投入，而互联网企业与传统企业不同的地方在于互联网企业固定成本较高，但边际成本会随着企业的正常运作不断降低。因此，数字企业合作共享形成了企业合作产业链甚至企业网络，其解决大规模资金投入压力的同时也获得收益。例如，阿里与饿了么、京东与腾讯进行合作，多元化的企业合作构建共生网络生态结构，不仅可以满足消费者的多方需求，更可以满足不同市场细分的大规模产品与服务供给，从而形成数字企业发展合作的复合路径。

（四）用户大数据的自愿性保护政策

近年来，利用算法合谋定价歧视的“大数据杀熟”现象引起了社会的广泛关注，购物平台、旅行平台和网约车平台等根据不同消费者的画像对同一种商品或服务进行差别定价，例如，某网约车平台出现相同公里数使用IOS手机系统的用户单价大于使用Android手机系统用户的现象。显然，在数字经济中算法合谋可以使厂商根据大数据完美刻画用户画像，通过一级价格歧视榨取所有的消费者剩余。李三希等[24]认为，同业竞争厂商定价或消费者自愿支付行为限制了厂商通过算法实行价格歧视对消费者剩余的榨取。当形成竞争性垄断市场结构时，如果市场上销售的产品不完全相同，厂商就在技术等方面有了一定的垄断能力，此时易产生“大数据杀熟”的现象。相反，若市场上销售的为同类产品时，厂商为了利益最大化吸引消费者会采取边际成本定价，即便运用算法获得用户画像和价格偏好也不会改变定价策略。因此，造成算法合谋价格歧视的原因并非个人信息保护欠缺，而是拥有市场垄断地位的商家滥用其市场支配地位。数字经济中数据成为具有天然垄断属性的生产要素，数据本身会成为企业进入市场的壁垒，也是算法合谋定价使用户权益受损的主要原因。

在竞争性垄断市场结构中，竞争和垄断被同时强化，市场中竞争的存在导致即便厂商利用用户信息通过算法实行定价歧视，也会使得企业整体利润降低，使消费者的整体福利增加。因此，解决算法合谋的根本方法是引入竞争机制，通过用户大数据中的自愿性保护政策披露所有厂商拥有的消费者信息来提升用户的议价能力。在竞争性垄断市场结构条件下，应充分引入市场竞争，实施个人信息自愿性保护政策的市场监管方式共享数据资源，使非敏感个人信息（不包括用户姓名、身份证号、手机号）的用户数据不再成为垄断的生产要素，。在竞争性垄断市场结构条件下，应充分引入市场竞争，实施个人信息自愿性保护政策的市场监管方式共享数据资源，使得非敏感个人信息（不包括用户姓名、身份证号、手机号）的用户数据不再成为垄断的生产要素，打破企业进入市场的大数据壁垒。

（五）数字经济反垄断治理困境的突破与展望

数字驱动企业的垄断并非垄断行为导致的，与古典经济学中垄断与垄断竞争的概念不同，数字经济中竞争性垄断市场是由于技术创新与迭代产生的，数字经济的生命力来自颠覆性创新。创新难得而易失，其有赖于动态“垄断利润”的激励。暂时的垄断并不可怕，可怕的是永久垄断。因此，反垄断反的恰恰是“市场进入的垄断”。一方面，竞争性垄断市场中没有永恒的垄断，创新成果是竞争性垄断市场中保持企业活力与竞争优势的主题。数字市场结构随着市场中潜在竞争者占领数字市场中的创新机会而发生变化，创新速度和创新成果随着潜在竞争者进入市场的数量而不断更迭，形成数字经济市场结构变化的动力。就企业垄断而言，反垄断管制不但要关注平台利用规模经济、成本和价格结构高筑商业壁壘，也要关注通过“技术专利化、专利标准化、标准垄断化”，令技术和标准成为排斥竞争、限制市场进入自由的垄断利器。就行政垄断而言，反垄断管制应尽可能取消不合理的市场准入资格，重新审视网络行业牌照管制的合法性，推动企业设立从特许制转向准则制，激活市场活力。另一方面，竞争执法部门在实施管制措施前通常采取救济措施。由于透明度、互动频率等市场特征容易被算法的运用所影响，执法部门需要通过分析以上市场特征有效阻止算法合谋，并且在实施管制前通过特定 “通知—下架”程序采取救济措施，即发现了利用算法实施反竞争行为的情形，通过通知方式立刻进行下架处理。当然，也有算法合谋监督机制来避免反竞争行为的设计算法，但是此两种救济措施具有一些不可行之处：第一，一旦利润最大化的指令代替合谋指令将无法确定合谋。第二，随着机器学习的深度发展，算法的监督与数字产业同步成为困难。第三，公开信息的获得使得算法合谋更易形成，因此，需要创新管制措施预防与监督算法合谋导致市场反竞争行为。

综上，算法合谋面临的挑战并非只是由于其本身作为责任承担主体而形成的，且其发展尚不具备成为独立法律主体的必要条件，因而目前无法将其视为独立的法律主体。随着未来机器学习的深入发展，算法技术的应用范围将会有很大突破，算法合谋的法律责任也必将进一步明确。因而对于算法合谋可能导致的风险进行研究，对算法在竞争性垄断市场结构条件下可能发挥的作用进行预测和探索，对未来算法需要承担的法律责任进行明确与规制，都是当前学术研究不可忽略且亟待发展的议题。

参考文献：

[1] 韩伟.算法合谋反垄断初探——OECD《算法与合谋》报告介评（上）[J].竞争政策研究，2017， （5）：112-121.

[2] 郑智航，徐昭曦.大数据时代算法歧视的法律规制与司法审查——以美国法律实践为例[J].比较法研究， 2019，（4）： 111-122.

[3] 李怀，高良谋.新经济的冲击与竞争性垄断市场结构的出现——观察微软案例的一个理论框架[J].经济研究，2001， （10）：29-37.

[4] 尹莉.竞争性垄断市场研究[D].济南：山东大学博士学位论文，2005.45-46.

[5] Blake， D. Space Shuttle Fast Facts [EB/OL]. https：//www.al.com/space-news/2011/07/space_shuttle_fast_facts_xbox.html，2010-05-07.

[6] Mehra， S.K. Antitrust and the Robo-Seller： Competition in the Time of Algorithms[J]. Minnesota Law Review，2016，100 （2）：1323-1374.

[7] 理查德·A·波斯纳.反托拉斯法[M].孙秋宁译，北京： 中国政法大学出版社，2003.289-304.

[8] 国务院反垄断委员会关于平台经济领域的反垄断指南[Z]. 国反垄发[2021]1号.

[9] 袁波.大数据领域的反垄断问题研究[D].上海：上海交通大学博士学位论文，2019.89-99.

[10] 关于禁止滥用知识产权排除限制竞争行为的规定[Z].国家工商管理总局令[2015]第74号.

[11] Pamela， J.H.， Tara， I.K. Section 2 In A Web 2.0 World： An Expanded Vision of Relevant Product Markets[J]. Antitrust Law Journal，2009， 76（3）：769-797.

[12] 国务院反垄断委员会关于相关市场界定的指南[Z]. 国反垄发[2009]3号.

[13] 李虹.相关市场理论与实践反垄断中相关市场界定的经济学分析[M]. 北京：商务印书馆， 2011. 86-87.

[14] Massarotto， G. From Digital to Blockchain Markets： What Role for Antitrust and Regulation[J]. Tippie College of Business， 2019，10（1）：1-22.

[15] Kaplow， L. On the Meaning of Horizontal Agreements in Competition Law[J]. California Law Review， 2011， 99（3）：683-818.

[16] 高艳东.互联网时代的竞争与垄断[N].学习时报，2019-03-01.

[17] 邹越.竞争性垄断视野下互联网企业市场支配地位的认定[J].税务与经济，2018，（4）：1-6.

[18] 韩伟.算法合谋反垄断初探——OECD《算法与合谋》报告介评（下）[J].竞争政策研究，2017， （5）：68-77.

[19] Philip， J.W.The Future of Internet Regulation[J].UC Davis Law Review， 2009， 43 （2）： 529-590.

[20] 吴太轩，谭娜娜.算法默示合谋反垄断规制困境及其对策[J].竞争政策研究，2020，（6）：63-74.

[21] Ezrachi， A.， Stucke， M. E. Two Artificial Neural Networks Meet in an Online Hub and Change the Future （of Competition， Market Dynamics and Society） [R]. SSRN Paper， 2017-04-10.

[22] Ezrachi， A.， Stucke， M. E. Virtual Competition： The Promise and Perils of the Algorithm-Driven Economy[J]. Osgoode Hall Law Journal，2018， 55（2）：614-619.

[23] 傅瑜，隋廣军，赵子乐.单寡头竞争性垄断：新型市场结构理论构建——基于互联网平台企业的考察[J].中国工业经济， 2014， （1）： 140-152.

[24] 李三希，武玙璠，鲍仁杰.大数据、个人信息保护和价格歧视——基于垂直差异化双寡头模型的分析[J].经济研究，2021， （1）：43-57.

收稿日期：2021-08-22

基金项目：国家自然科学基金面上项目“生产网络视角下服务业技术进步影响因素、机制及路径优化研究”（72073139）

作者简介：苏 敏（1993-），女，河南新乡人，博士研究生，主要从事旅游管理与产业发展方面的研究。E-mail：mavis_su91697@163.com

夏杰长（1964-），男，湖南新宁人，研究员，博士，博士生导师，主要从事服务经济理论与政策方面的研究。E-mail：xiajiechang@126.com