数据垄断的法律规制

孙丽君 尉宇航

摘 要：作为数字经济时代重要的市场资源，数据能够为经营者提供竞争优势，潜在竞争者难以承受数据运营递增的成本，这些构成了数据垄断产生的缘由。因数据权属模糊、算法应用隐蔽多样以及数据作用具有多边性，现行的相关市场界定方法与以市场份额作为主要标准的市场竞争力量评价方法已无法有效适用于数据垄断。通过对国内外数据垄断案例进行类型化分析可知，经营者利用数据优势实施垄断行为，主要表现为经营者可利用数据共享机制与算法结合来实施垄断协议的行为，利用数据优势实施歧视性交易、附加不合理交易条件等滥用市场支配地位行为，以及以数据整合为目的实施经营者集中的行为。现行反垄断法对于这些新型垄断行为并未形成有效规制，为了解决上述问题，通过设立以共同共有划定数据权属、禁止以格式条款获取用户数据、数据处理过程公开以及数据爬虫协议应以获得用户个人授权为基础等遏制数据滥用的条款，以反事实推演法认定滥用市场支配地位，增设滥用市场相对支配地位条款，在我国《反垄断法》《国务院反垄断委员会关于平台经济领域的反垄断指南》《禁止垄断协议规定》等有关经营者集中申报、审查相关规定中，增设以数据集中度作为经营者集中申报标准与以数据壁垒、限制创新等来判断经营者集中的竞争效果的相关规定，能够有效规制经营者利用数据优势实施垄断行为，维护数据要素市场竞争秩序。

关键词：数据垄断；算法共谋；反事实推演法；经营者集中申报审查

中图分类号：D912.294文献标识码：A

文章编号：1673-8268（2023）04-0076-12

数据经济时代的数据已成为新的重要生产要素。2020年3月20日，国务院在《关于构建更加完善的要素市场化配置体制机制的意见》中，将加快培育数据要素市场作为完善要素市场化配置的重要组成部分，并指出应推动数据有效流通，提升数据使用价值以及加强数据保护，建立数据管理机制。要使数据要素市场有序发展，应有效规制数据要素市场经营者们可能实施的排除限制竞争的行为，维护数据要素市场竞争秩序。域内外司法中的“HiQ诉领英案”“Facebook收购WhatsApp案”“大众点评诉爱邦网案”等案例表明，因数据处理技术的不断提升，经营者们正趋于将自身数据优势转化为竞争优势，以期在相关市场中占据支配地位。我国《国务院反垄断委员会关于平台经济领域的反垄断指南》（以下简称《指南》）《中华人民共和国反垄断法》（以下简称《反垄断法》）【我国法律的完整名称都有“中华人民共和国”作为国别限定，但为了行文简洁，对本文提到的我国法律文本，其名称均省去国别限定。】以及《禁止垄断协议规定》（以下简称《协议》）都禁止经营者利用数据实施垄断行为，但并未明确数据垄断行为具体的评价标准，且因数据垄断行为的特殊性，使得《反垄断法》及《指南》在司法规制经营者利用数据优势实施垄断行为中难以有效适用。为了解决上述问题，笔者将通过分析数据的竞争价值以及论证数据垄断法律规制的必要性，然后分析数据与算法的联合使用，归纳数据垄断在制定垄断协议、滥用市场支配地位以及经营者集中三个层面的表现形式，最终通过划定数据权属、利用数据优势滥用市场支配地位的特别认定，以及在《反垄断法》《指南》《协议》等相关规定中增设数据垄断针对性条款，使我国反垄断法体系能够有效规制经营者利用数据优势实施垄断行为，维护数据竞争秩序，进而推动数据要素市场的稳步繁荣与发展。

一、数据垄断成因及其规制必要性

在“HiQ訴领英案”中，法院指出，具有数据优势的经营者能够违反美国《谢尔曼法》的规定传导垄断力量^[1]，实施具有排除限制竞争效果的垄断行为，这类数据垄断行为可定义为：在经济活动中利用自身数据优势，实施可能构成排除限制竞争效果的行为或状态。相较于传统垄断理论中具有垄断地位并实施垄断行为的经营者，数据优势经营者获取垄断力量的源头更加稳定^[2]，其潜在竞争者更加难以进入市场，且数据垄断不受租值消散等自然竞争规则的影响，因此更应受到公权力的直接干预。

（一）数据垄断的成因

1.数据的竞争价值

技术人员通过对已收集信息的处理产生数据。我国《个人信息保护法》将用户个人信息定义为被记录的能够或已经识别自然人的各种信息，可见信息具有可被记录以及识别信息来源的特性，以其生成的数据同样具有该效用。经营者在市场竞争中不断为数据收集、整合、分析投入成本，使数据产生出收集数据、数据库、推测数据等多种衍生形式，在深度学习的自动化决策下利用数据的识别功能展开曲线拟合【曲线拟合，是一种把现有数据透过数学方法来代入一条数式的表示方式。科学和工程问题可以通过诸如采样、实验等方法获得若干离散的数据，根据这些数据，我们往往希望得到一个连续的函数（也就是曲线）或者更加密集的离散方程与已知数据相吻合，这一过程被称为拟合。】，在对消费者进行分类的基础上进一步预测其消费趋向，通过制定相应的经营策略以获取竞争优势。

经营者为了获取竞争优势，频繁地在数据收集、管理以及分析三个层面进行角逐，这已经成为互联网市场经济的常态^[3]。利用波特的“五力竞争说”^[4]，可清晰地展现经营者如何利用数据优势获取垄断地位：数据所产生的价值随时间递减，先一步完成数据处理工作的经营者能够更快地作出竞争决策以获取竞争优势，同业竞争者只能接受其绑定服务、数据共享等要求以维持运营，最终丧失竞争地位；随着消费者对更早进入市场的经营者提供服务的不断投入，其转移成本也逐渐增高，在网络外部性的作用下形成了潜在竞争者无法逾越的数据壁垒；即使具有技术创新的替代产品出现，数据优势经营者一方面可通过数据分析来革新自身的服务网络，另一方面可通过拒绝数据共享来限制创新型企业的生存发展，创新型企业在短时间占据一定市场份额后最终只能寻求数据竞争优势经营者的并购，消费者因无法选择替代商品而会丧失有关“是否提交数据、授权数据使用”的议价权；面对下游市场经营者，数据优势经营者通常选择以数据共享的差别对待来限制其议价能力，在数据共享、合作机制中占据主导地位的数据优势者能够调整下游竞争经营者进入合作与否或是接受共享数据的多少，迫使下游竞争经营者接受不平等的数据公开等协议。

2.潜在竞争者难以承受成本递增

垄断是市场竞争的产物，数据垄断同样产生于经营者在获取数据优势中的竞争。在传统行业中占据垄断地位的经营者通常会利用高额的生产成本来设置市场的准入门槛，如在实业生产市场中，潜在的竞争者想要进入市场就必须购买精密昂贵的生产设备，招录高水准的技术人员，这些高额的前期投入成为具有垄断地位的经营者淘汰潜在竞争对手的重要工具。但实业生产中购买的生产设备往往可以使用多年，这意味着一次性的大额投入将换来长期持续的收益。在2007年深圳市的出租车牌照首次拍卖中，仅有12年使用期限的牌照竟拍得每台50余万元的天价^[5]，由此可见，在预期利益足够可观的情形下，总有经营者愿意支付前期的生产成本，经营者的垄断地位仍然随时可能受到潜在竞争者的挑战。

但是，利用数据优势获取垄断地位的经营者却不会受到上述情形的困扰。区别于传统产业主要投入生产设备，数据经营者不仅要在数据收集过程中投入成本，在数据运营、管理以及维护各阶段同样需要高额的花费。如今，海量信息被迅速加工为数据、整合为集束并进一步分析，数据库以及推算数据的结果也将被不断覆盖，经营者想要持续获取数据优势，就必须保证该数据库持续处于高速的新老交替之中。在我国的司法实践中，如“大众点评诉爱帮网案”中，法官也指出数据运营需要经营者付出大量成本^[6]。依赖数据生存的新兴产业如人工智能、电子商务类企业，由于获取数据优势而需要源源不断地投入大量成本，因此，在其入市后，往往需要制定较高的商品价格以保证企业正常经营。而已经在市场中依靠数据优势获取有利竞争地位或体量庞大的经营者，只需要不断压低商品价格，甚至采取零价格策略，新进入市场的经营者就会因为难以承受高额的数据运营费用以及价格战导致的长期亏损而主动退市，数据垄断由此形成。

（二）数据垄断规制的必要性

1.现行反垄断法律法规难以有效规制数据垄断

2020年9月，全国人大常委会执法检查组开展的反不正当竞争法实施情况检查报告曾指出，近年来，阿里、腾讯等数字企业并购行为频发，遭受并购的创新型中小企业虽然因未达到申报标准而没有受到反垄断执法部门的监管，但已经产生了限制竞争、抑制创新的垄断效果^[7]；而且，由于数据权属模糊，对于经营者利用市场的优势地位收集数据、拒绝数据开放能否构成滥用市场支配地位尚有争议。此外，在利用“算法+数据”实施的消费者偏好分析、算法共谋等行为，由于算法处理数据的隐蔽性以及算法应用的多样性，《反垄断法》和《指南》虽然明确禁止利用数据实施垄断行为，但在现实适用中仍受到具体行为的认定尚未有明确标准的限制而难以落实。上述情形产生的原因可归结如下：

（1）传统相关市场界定方法无法适用于数据垄断

划定经营者所处的竞争市场是判断其行为是否产生反竞争效果的基础，而通常使用的假定垄断者测试法SSNIP（the hypothetical monapplist test）等在数据垄断的相关市场中无法适用。SSNIP主张以使目标商品价格上涨后经营者是否能稳定盈利作为判断垄断相关市场界定的标准，而数据垄断相关经营者的主营业务多为“免费”商品，如搜索引擎、社交平台等。显然，为免费商品制定价格不可等同于对有价商品的涨价。而另一种以质量变化取代价格变化的假定垄断者测试法SSNDQ（smell but significand non-transitory decrease in quality），因数据服务质量变动无法同价格变动一般精准测算，其同样不能有效适用于数据垄断相关市场的界定^[8]。除此之外，无论是价格分析还是质量分析，都强调划定单一市场进行信息测算，但因数据垄断多涉及多边竞争，对其相关市场必须考量数据优势经营者旗下各服务所在竞争市场之间数据传输的相互作用。虽然《指南》在界定相关市场中提出需综合考量所涉市场的相互影响，但因尚未给出多边市场相互影响的计算标准，故而现实中难以适用。

（2）数据垄断需要制定具体的评价标准

判断经营者是否实施了滥用市场支配地位或经营者集中的行为，首先，要判断目标经营者占据的市场份额或营业额。以数据垄断中較为常见的平台型企业为例，这类经营者提供的数字网络商品具有迭代快、占据市场份额动态变化频繁的特征，即使是具有市场支配地位的经营者的产品营业额也将在一定时间内受到创新型产品的冲击，因此，仅以某一时间段的静态市场份额占比的结果难以有效评价动态的市场变化。其次，数据垄断的经营者大多处于多边市场的竞争中，其核心服务商品多具有免费性，单一市场的收入甚至可能为负数。虽然《指南》第18条提出计算营业额应包括所涉相关市场的交易收入，但需满足平台在相关市场交易中具有“具体参与”与“主导作用”两个标准。无论是对不同相关市场商品、服务的数据传输、用户绑定能否被看作具体参与，还是对不同商品、服务如何在竞争中起主导作用，目前均未确定标准；而且，如何综合计算多边市场竞争中的市场份额，同样未有定论。

虽然《协议》明确指出经营者不得利用数据和算法来实施统一价格等行为，但是，当经营者间并未签订共谋的协议甚至没有共谋的合意时，仅因适用相同的算法处理数据库而最终得出一致的决策结果的行为能否构成垄断协议，又或是经营者以强制的数据共享来实质控制其他经营者能否被认定为经营者集中等，仍然是现实难题。虽然《指南》与《经营者集中审查暂行规定》（以下简称《暂行规定》）在有关经营者集中的申报、审查、救济环节中考量了多边市场对竞争因素的影响，肯定了数据在市场竞争中的部分作用，但仍缺少有关经营者集中数据问题的针对性条款，以致在适用过程中不能在申报、审查以及救济环节有效限制利用数据优势的行为或数据整合类经营者集中行为。上述争议问题表明，对数据垄断的规制仍需进一步研究，以明确数据垄断行为具体的评价标准。

2.一般垄断理论适用数据垄断失灵

针对传统行业的垄断理论认为，在规模经济的作用下，规模较小的企业最终会因生产成本过高而被淘汰，进而形成自然垄断。但在实践中，具有自然垄断地位的经营者最终或因租值消散而主动退市，又或是在政府的适当干预下以行政垄断的方式维持垄断地位，以保证价格和生产效率的稳定^[9]。相较之下，数据垄断很难受到租值消散的影响，其维持垄断地位也不需要过于依赖行政力量，若政府不能主动干预，数据垄断的经营者将会一味地野蛮生长，严重影响多边市场的有序运行。

所谓租值消散，指原本有价值的资源在无序竞争的背景下，其价值逐渐递减至零。在完全自由竞争且可观的预期收益背景下，总会有潜在竞争者愿意支付高额生产成本的对价，以挑战垄断者的竞争地位；但在无序的竞争过程中，随着生产成本的逐渐增大以及不断压低的产品价格（竞争中的质量战与价格战），所有的市场主体最终都将因无法获利而消亡。因此，并非政府需要对市场进行主动干预，而是自由竞争产生的垄断者急需政府对其所处的市场进行适度干预以保证其生存。数据垄断的维持不受租值消散影响的主要原因如下：

（1）竞争者的数量不会影响数据的租值

数据竞争具有“先入为王”的特征，这取决于数据价值的及时性，滞后的数据能够产生的价值会因新数据的出现而逐渐降低至无，即谁能够不断地获取最新数据就能够在数据竞争中拥有绝对优势。在传统产业的竞争关系中，后进入市场的竞争者可以通过提高产品质量、降低产品价格等策略来获得消费者的青睐，但在以互联网企业竞争为代表的数据竞争中，在网络外部性的作用下，消费者几乎只能成为具有垄断地位的数据优势经营者的“忠实”用户。一方面，这些垄断主体已经拥有该竞争市场中规模最大的数据集束，他们借此决策出最贴合市场的经营策略以吸引更多用户的加入，依照规模经济理论，该垄断主体提供的产品或服务的价值也将高于市场中的任一竞争者。另一方面，消费者的选择也受到转移成本的影响。由于数据竞争具有典型的多边性^[10]，消费者通常同时使用某一经营者提供的多项服务，随着时间、金钱等成本的不断投入，消费者很难再主动更换上述服务的提供主体。因此，即使有再多的潜在竞争者进入市场，具有数据优势的垄断主体都能拥有最新、最具价值的数据来源，而不会陷入租值消散的困境当中。

（2）政府无法限制市场中数据的数量

数据权属不明导致政府无法限制市场中数据的数量，比如：政府通过税收修建道路，道路权属明确，产权人政府可以通过限制出租车牌照以维持道路产权的价值^[11]。但是，数据因其产生原因的多样性，自身又具有公权与私权的属性，其权属较为复杂。一方面，政府在政务工作中主动收集使用的数据产生于政府机关又应用于公共事业，具有显著的公权属性^[12]，其权属明确；另一方面，数据的主要来源为个人信息，而我国《民法典》明确了个人信息属于人格权益，属于该民事主体所有^[13]。但是，信息不等同于数据，数据是信息被技术加工后的产物，经营者们通过用户协议等方式驱使消费者以提供个人信息的方式来换取商品或服务，并将收集的大量信息加工为数据，再通过数据交易、数据共享的机制不断充实自身的数据集束。在此过程中，这类数据区别于政务数据，具有明确的私权属性，产生了权属应归于数据原始信息的提供者还是数据生产管理主体的争议。

市场中流通的数据大多属于后者，由于私人的合法权利神圣不可侵犯，政府很难主动限制这类数据的数量，因此，无论是我国的《个人信息保护法》还是《数据安全法》，在无法明确数据权属的背景下，只能选择在数据产生、管理、交易、公开等过程中设置底线，以确保数据使用不损害公共及私人合法权益。而且，数据的产生与管理需要经营者投入大量成本，一旦政府强制要求具有数据优势的垄断主体公开自身数据以削弱其竞争力量，从理性经济人的角度考虑，经营者若因此无法从数据中获取竞争优势（或是要将该竞争优势共享给其他竞争者），那么，将没有任何经营者愿意为数据工作投入成本，市场中不再产生数据，数字经济也将难以存续。

二、数据垄断行为的类型化分析

要在《反垄断法》《指南》《协议》等相关法律文件中针对数据垄断增设相应条款，首先需要对数据垄断的具体行为进行类型化分析。

（一）利用数据优势实施数据垄断协议

利用数据优势实施数据垄断协议，通常表现为数据共享机制与算法共谋的联合。所谓数据共享机制，是指上下游市场中任两個或两个以上竞争者同意将特定市场下的特定数据相互共享的数据互惠机制。这类数据互惠行为将为数据共享机制内成员带来显著的竞争优势，成员在使用数据共享机制时只需结合不同类型的算法共谋即可在统一价格、限制数量等方面达成垄断协议，进而实现排除或限制竞争的目的。

1.通过算法共谋实施垄断协议

算法本质上为输入至输出的机械程序，深度学习的出现赋予其自动化的特征。算法共谋指利用算法实施影响市场竞争的协同行为^[14]。利用自动决策类算法实施协同行为无需共谋者现实商讨以制定垄断协议，而是由算法自行收集数据来制定决策，参与者主观上甚至无共谋意图而更具隐蔽性与高效性。数据共享机制成员间拥有相同的数据资源，只需选择同一算法用于计算价格、数量，就会在该算法运行过程中接收到在输入任一相同条件（如与其他竞争者、消费者相关的市场因素变化）时必然会输出的一致的自动决策结果，从而完成协同行为。

2.建立数据共享机制实施垄断协议

除与算法结合外，数据共享机制本身亦有利于制定联合抵制交易的垄断协议。机制内成员为维护自身的竞争优势地位，可为准入或使用共享数据设置高额费用、提出明显不合理的公开隐私数据等条件。其他竞争者可能因为接受了上述条件而丧失自身竞争力，只能依附于数据优势经营者而生存。数据共享机制的表现形态具有多样性，除成员共同设立外，也可由爬虫协议与反爬虫技术联合使用产生。爬虫协议指数据所有者制定的允许特定主体爬取特定数据的Robots协议，反爬虫技术为利用计算机技术拒绝数据爬虫的访问^[15]。数据所有者只需为合作者开放具有竞争价值的数据爬虫协议，即可建立非典型的数据共享机制，对机制外成员设置反爬虫技术，同样能够实施联合抵制交易行为。

除上述实质性数据垄断行为外，信使类算法共谋也可以确保数据垄断协议的稳定实施。信使类算法共谋指共谋成员先建立垄断协议，再通过算法监控各成员的实施情况。数据共享机制下各成员间的数据公开，使信使类算法能够更加精确、高效地掌握成员对垄断协议的服从情况，一旦有人背离协议，其他成员就可以立即制定针对性的惩罚措施^[16]。

（二）利用数据优势滥用市场支配地位

经营者的市场支配地位与数据优势具有循环互补的特性，数据优势能够增强经营者的支配地位，经营者利用市场支配地位可开展更大程度的数据整合、吸纳，进而提升自身的数据优势，这通常表现为利用数据优势来附加不合理交易条件、实施歧视性交易或拒绝交易等形式。

1.利用数据优势附加不合理交易条件

数据优势经营者附加不合理交易条件，通常表现为签订具有合作性质的开发者协议【开发者协议即经营者申请将其开发的各类应用接入另一经营者开放平台时双方所需签署的协议，包括开发者、开放平台所有者在接入开发后所需遵守的权利义务。】。在“新浪诉脉脉案”中详见北京淘友天下技术有限公司等与北京微梦创科网络技术有限公司不正当竞争纠纷案，北京知识产权法院，（2016）京73民终588号民事判决书。，根据双方签订的《开发者协议》，微梦公司称因用户使用微博所产生的数据应为己方商业秘密，微梦有权要求开发者删除不利于自身服务运营的相关数据，一旦终止合作，开发者还须删除从微博获取的一切数据。据此协议，微梦公司不但主张对于用户个人数据的完全独占，而且要求对与开发者合作后共同产生、收集、处理的数据的绝对控制权。因互联网经济多边市场的特征，即使位于不同竞争市场的经营者也可能存在跨域竞争，经营者与数据优势方签署这类开发者协议，尽管在合作过程中能够获取部分数据优势，但若与数据优势经营者旗下的服务产生竞争关系，由于数据优势者绝对掌控着合作数据，该经营者将会迅速丧失市场竞争力，最终沦为数据优势经营者的“附随”。

这类附加不合理交易条件行为同样发生在数据优势经营者与个人签订的用户使用协议中。虽然平台向用户出示该类协议时都會表明用户个人可以选择拒绝协议内容，但拒绝的结果即为用户无法使用该平台的服务，面对高额的转移成本以及市场中替代性服务大多被数据优势者兼并的现实，用户最终只能被迫以合同约定的形式同意平台的数据共享行为。据全国人大常委会执法检查组的“万人调查报告”显示^[17]，有49.6%的受访者的用户信息曾被过度收集；有61.2%的受访者遭遇具有优势地位的经营者以不接受就不允许用户使用服务为条件而强制收集、使用用户信息。数据优势经营者在“夺得”用户对数据共享的授权后，即可通过将数据输入至合作方平台或自身旗下任一服务平台的方式，滥用市场相对优势地位，提高其对核心服务所在市场的支配力。

2.利用数据优势实施歧视性交易或拒绝交易

与制定垄断协议不同，数据优势经营者滥用市场支配地位进行歧视性交易或拒绝交易的行为，不仅发生在仅具有竞争关系的其他经营者之间，同样发生在自身所建立的数据共享机制内。经营者设置爬虫协议与反爬虫技术一并表明，在相同的交易条件下，数据优势经营者可以任意选择数据共享或拒绝的对象，若位于数据驱动型企业^[18]所在的竞争市场，由于数据在该市场内为下游竞争者参与竞争所必需，数据优势经营者实施歧视性交易或拒绝交易的行为当受《反垄断法》的规制。除此之外，因数据优势经营者完全主导数据共享机制，其在建立共享规则时，只需调整不同成员能够使用共享数据的多少抑或设置不同使用门槛（如使用费用），则同样能够完成数据的歧视性交易。

与制定垄断协议相同的是，利用算法实施歧视性交易更具有隐蔽性。算法输出的结果并非绝对客观，算法编写者可以将自身“偏见”嵌入算法的运行程序当中，从而形成算法歧视。在问题建构层面^[19]，因算法本身并不懂得何为公平，数据优势经营者只需对已掌握的市场数据进行分析，对潜在竞争者进行归纳分类，即可令算法在输出“是否进行合作”的自动化决策时只选择能够为自己提供数据帮助的“优质”对象。而且，因刚刚进入市场的创新型企业并未留下过多信息，数据优势者若将数据共享决策完全交由算法自动处理，因缺乏可分析数据，算法将自行“淘汰”这部分经营者，数据优势者即可不留痕迹地限制创新型企业的发展，消除潜在的竞争隐患。

具有数据优势的经营者通过数据“画像”【用户画像是对现实世界中的用户进行建模。用户画像是描述用户的数据，是符合特定业务需求的对用户的形式化描述。】，能够进行“杀熟”的歧视性交易。经营者通过对已收集的用户个人数据进行分析挖掘，将用户地域、年龄、职业等因素同服务类别、活跃频率、产品喜好、消费习惯等结合处理，对用户个人实施分类归纳，进而实行差别定价。由于数据处理因算法黑箱【算法黑箱是指由于技术本身的复杂性以及媒体机构、技术公司的排他性商业政策，算法犹如一个未知的“黑箱”——用户并不清楚算法的目标和意图，也无从获悉算法设计者、实际控制者以及机器生成内容的责任归属等信息，更谈不上对其进行评判和监督。】等问题而具有高隐蔽性以及数据“杀熟”出现在网购、外卖等多个互联网经济领域，对利用数据实施歧视性交易进行取证并有效规制，仍是现实司法的难题。

（三）以巩固数据优势为目的的经营者集中行为

除旗下各种类型化服务所处的竞争市场（如社交网络市场、在线购物市场）外，互联网经济下的经营者们正角逐在数据交易、分析、处理的竞争市场当中。在该市场中，经营者对优质数据来源的追求甚至高于稳定的用户群体，原本已占据市场支配地位的经营者们开始寻求以不断并购市场中创新型企业的方式聚合优质数据。据《2020年Q3移动互联网行业数据研究报告》提供的统计数据，“腾讯旗下应用渗透率达99.8%，阿里旗下应用渗透率达95.5%”^[20]，在核心服务所处竞争市场具有支配地位的经营者们，正在以数据整合的方式维系其在相关市场“强者恒强”的竞争状态。

以经营者集中的方式巩固自身数据优势地位，既可以通过不断整合优质数据资源以增强自身数据优势，亦可通过整合并分析竞争者相关数据来制定针对性经营策略，不断削弱其竞争力量。在“Facebook收购WhatsApp案”中，Facebook违背了WhatsApp与用户签订的数据使用协议而进行数据整合，德国联邦卡特尔局根据《德国联邦反对限制竞争法》，认定网络数据生产为市场力量相关行为，能够形成市场支配力量并损害用户个人隐私保护，随即禁止了Facebook的相关数据整合行为，并授予用户对第三方使用数据的决定权^[21]。这类经营者集中行为通常发生在新兴市场当中，在核心服务市场具有市场支配地位的经营者具有因数据优势带来的市场相对优势地位，因数据壁垒的存在，创新型企业想要生存就只得依赖其并购。数据优势经营者通过并购创新型企业以革新自身服务、进入创新型服务市场，能够进一步提升自身服务网络的价值、扩张优质数据来源并提高数据壁垒，以完成垄断力量的循环作用。

在互联网经济多边市场的作用下，不能将上述经营者集中仅看作单一的数据聚合，在“Facebook收购移动技术创业公司Onavo案”中，Onavo的核心业务为智能手机系统优化，该业务能够监测智能手机数据流量，监控用户下载某些手机应用的使用情况。《华尔街日报》指出，Facebook正在利用Onavo收集的应用使用数据分析，制定针对打击竞争对手Snapchat的经营策略，以增强旗下Instagram应用在相关市场的竞争力^[22]。多边市场下的经营者们处于动态的竞争合作关系当中，数据优势经营者对自身旗下任一服务商品所处的不同竞争市场中的竞争者实施数据并购或数据共享，不仅能提高特定服务或商品的市场竞争优势，还能以数据传输的方式利用市场相对优势地位来加固自身的核心服务或商品所处市场的支配地位。

三、数据垄断的规制路径

（一）划定数据权属以规制数据垄断协议

1.以共同共有划定数据权属

（1）非个人数据应属数据生产者

对于非个人数据，其产生源于数据生产者对客观世界描述信息的收集加工，如天气、道路情况或是由数据生产者制作的商家简介、服务说明等。这类数据的信息来源通常为可被记录的公开信息，数据生产者在处理信息的过程中支付了数据生产成本，理应获得不受他人侵犯的权益。我国在司法判例中同样肯定了这一观点，在“大众点评诉爱帮网案”中详见大众点评网诉爱帮不正当竞争案，北京市第一中级人民法院，（2011）一中民字第7512号。，一审法院认为，汉涛公司在生产数据、运营维护平台的过程中支付了大量成本，爱帮科技公司任意爬取大众点评网上的公开数据属于“搭便车”的行为，应受《反不正当竞争法》的规制，我国《民法典》第127条同样规定了数据应受法律保护。

（2）个人数据应属用户个人和数据生产者共同共有

用户个人数据由于来源于用户个人信息以及数据生产者的处理，其权属在学界常有争议。通过数据权利属性辨析来论证数据权属能否归于单一主体，数据能否被视为著作权客体，这在“大众点评诉爱帮网案”中，两审法院均肯定了数据具有著作权属性^[23]。但根据我国《著作权法》的规定，作品应具有独创性，因此，对于仅仅为现实信息的记录产生而来的这部分数据，显然不能看作独创性作品。除此之外，要以《著作权法》划定数据权属、将数据看作具有智力成果的作品，还需引入算法设计者这一主体。在个人数据产生的过程中，由用户个人提供原始信息，由算法收集者使用算法设计者设计的算法加工信息。根据《著作权法》，除特殊规定外，因完成组织工作产生的职务作品的著作权应为原作者享有。因此，若将由算法设计者作品产生的数据同样看作作品，其权属必然因其产生具有多方主体参与性而陷入争议之中。

若将用户个人数据看作商业秘密，根据我国《反不正当竞争法》，商业秘密应具有不为公众知悉的特性，而本身由公众信息产生的个人数据显然与该规定冲突，且将用户个人数据仅看作经营者的商业秘密，忽视了个人对其信息的权属，有悖于我国《个人信息保护法》有关自然人的个人信息应受法律保护的规定^[24]。将个人数据权属划归单一主体，面对用户个人及数据生产者对数据权利的合理诉求，反而会导致数据流通阻碍，数据使用争端频发。比如，在华为腾讯用户数据争端中^[25]，腾讯认为，华为在手机运行过程中违规收集微信用户数据，并且侵犯了微信用户隐私；华为却称，用户个人数据属于用户个人所有，其获得了用户授权，当然可以收集微信用户数据。

为了避免上述争端的出现，在我国《个人信息保护法》中应明确由个人信息所生数据的权属，即以用户个人同数据生产者共同共有来划定数据权属，以合同约定来分配利益。因无法同有形物一般主张共有份额，由数据产生的利益分配应由合同约定，结合现实数据使用情况，可约定由平台享有数据收益，用户享有由数据处理所带来的服务。在共有数据处分上，应由全体共有人协商一致处分，任何一方在未获得另一方授权时均不能私自将共有数据传输、出售给第三方。现实中，数据使用方多为承担数据生产的经营者，应在共有合同中明确规定：数据生产者收集或使用用户个人数据应获用户个人授权，经营者负有向用户定期公示数据使用明细的义务，用户个人享有监督经营者对个人数据使用的权利。由数据组成的共有物具有天然不可分割的属性，与有形物的直接分割和使用不同，数据的高复制性意味着对数据即使短暂获取也将永久占有，因此无法对数据实施有效分割。即使能够将个人信息从数据中剥离出来，但因用户个人不具备数据生产能力，亦无法获得分割后的合理分配的利益。

2.增设数据滥用规制条款以有效遏制数据垄断协议

要使数据共同共有在遏制数据滥用、规制利用数据优势实施垄断协议中发挥作用，还需在数据使用过程中增设针对性條款。

首先，在我国《网络安全法》第41条、第42条中，分别增设“网络运营者不得以格式条款获取个人信息或对其进行使用、收集、转移给第三人（包含由个人信息产生的数据）”。经营者通常选择以格式条款即用户服务协议来获取用户对于信息数据的授权^[26]，如要求用户授权其关联公司、控制公司对用户数据同样具有使用、修改、复制等权利。依据个人数据共同共有的特征，结合对格式条款授权数据传输的禁止性规定，要求经营者在数据输入前必须获得个人的重新授权，这样能够有效遏制经营者通过随意输入数据的方式提升自身市场的相对优势力。通过赋予用户个人对数据传输的决定权利，结合《民法典》第497条，以格式条款剥夺用户对数据传输的决定权当然无效。

其次，在《个人信息保护法》有关个人信息处理规则中，增设“利用个人信息进行自动化决策应向个人提供自动化决策明细”，即算法公开。虽然算法黑箱会因大众不具有算法认知能力而客观存在，但不能否认算法同样具有可解释性。通过自然语言、流程图、代码等方式对算法进行全局或局部解释，都可成为判断经营者主观过错、进行责任认定的关键环节^[27]。而且，明示处理数据的过程，能够为算法合谋、联合抵制交易等案件的存证、固证提供便利，进而有效规制利用算法实施垄断协议、歧视性交易等行为。此外，数据处理过程的明示，可使信使类算法同样作用于数据共享机制的监管。司法工作者在认定经营者是否通过数据共享机制实施垄断协议时，可将数据共享机制内成员是否利用共享数据以固定价格、数量等因素作为算法的输入条件，再对该共享机制过去一段时间内的数据处理过程进行测算，一旦任意经营者实施了上述输入条件，信使类算法就将自动输出“警示”。

最后，在《数据安全法》中明确：数据爬虫协议的签订需由用户个人、控制数据的经营者、申请者三方共同签订。第三方申请者请求获取用户个人数据时，必须同时获得用户个人、控制数据的经营者授权；第三方使用申请的用户个人数据需向双方一同公示数据使用明细，以此确保用户共有权利的行使，并可以此作为判断经营者是否建立有关联合抵制交易垄断协议的依据。

（二）完善利用数据优势滥用市场支配地位的认定标准

1.以反事实度量法认定市场支配地位

因传统相关市场界定方法在数据垄断领域难以适用，故选择反事实度量法而跳过相关市场界定，然后直接认定经营者是否滥用市场支配地位。所谓反事实度量法【反事实的含义为：其一，某一事件或事物在历史上存在过，但假定其不存在，而是根据这种假定估算经济运行中可能由此引起的结果；其二，某一事件或事物在历史上不曾存在，但假定存在过，然后根据这一假定估算经济生活中可能由此引起的后果。这种方法的计算结果缺乏信度。】，即认定某一经营者实施了滥用市场支配地位，假定其在市场中消失或没有实施垄断行为，以此推演市场中其他经营者的状态。以反事实度量法界定数据垄断相关市场，其核心在于如何分辨利用数据实施滥用市场支配地位的损害结果，大致可分为数据滥用、设置数据壁垒、不合理数据收集三类。数据滥用即通过数据分析实施歧视交易、拒绝交易等，设置数据壁垒即阻碍潜在竞争者进入市场、减缓数据流通等，不合理数据收集即强迫收集用户个人与其他经营者的数据。结合我国新修正的《反垄断法》第22条有关认定经营者具有市场支配地位的相关规定，可以为反事实度量法界定数据垄断相关市场制定如下标准：“当市场（此处无需界定相关市场，所指即广义的竞争市场）中出现明显的严重差别定价、数据流通明显受阻碍、众多依赖数据生存的创新型企业被并购或退出市场以及多人反映自身数据被强迫收集等情形，通过用户数量、用户使用频率等因素找出这类情形所涉主体中的数据优势经营者，并假定该经营者退出市场的情形，以此推演市场中差别定价的情形是否消除、数据流通是否顺畅、创新型企业数量是否稳定增长以及用户是否大多反映个人数据受到合理保护，若在推演中出现上述负面情形，即可认定该具有数据优势的经营者实施了利用数据优势滥用市场支配地位的情形。”

2.禁止数据优势经营者滥用市场相对优势地位

除认定方法的选择外，还应在利用数据优势滥用市场支配地位的认定或推定标准中，综合考量滥用市场相对优势地位的情形。滥用相对市场优势地位强调，应着眼于不同市场中经营者的依赖程度^[28]。我国《反垄断法》主张以市场份额作为推定市场支配地位的标准，但具有数据优势的经营者实施歧视性交易、附加不合理条件等行为，并不一定具有市场支配地位。比如，以社交平台为核心服务的经营者未必在网络购物市场中拥有市场支配地位，但因网络购物平台市场的经营者们对其社交平台所掌握的数据具有高度依赖性，该经营者仍可利用其在社交平台的市场支配地位，通过数据交易的差别对待、附加不合理条件等方式，在相关市场实施限制、排除竞争等行为。在利用数据优势实施滥用市场相对优势地位的适用中，还应考量市场竞争优势相互传导的情形，数据优势经营者可以通过数据流通的方式传导市场竞争优势。该类经营者首先通过其核心服务向旗下其他处于不同竞争市场的服务输送数据，以提升旗下其他服务或商品在自身竞争市场的优势地位，再将通过该优势地位收集的相关市场优质数据整合至核心服务，通过数据相互传输的方式来巩固自身核心服务的市场支配地位。因此，当具有数据优势的经营者有实施上述滥用市场相对优势地位的情形时，同样应受我国反垄断相关法律的规制。

（三）增设经营者集中数据垄断条款

1.以数据集中度作为经营者集中申报标准

因营业额已无法单独体现经营者的市场竞争力，在数据相关的竞争市场中不应将营业额等同于市场竞争力，不应将其作为经营者集中申报的主要标准。如在滴滴优步收购案中，早在2016年就拥有1 500万名司机和3亿注册用户的滴滴收购Uber（中国），使Uber（全球）作为滴滴最大股东的一系列合并行为，因未达到相关市场营业额标准，滴滴并未向我国商务部主动申报其与Uber（中国）的合并^[29]。然而，仅在国内就拥有庞大用户体量的滴滴与全球科技行业巨头Uber的合并行为，必然因数据整合而为双方在各自竞争市场中带来难以估量的数据优势，极易产生建立数据壁垒、滥用数据优势等具有排除限制竞争效果的行为，在数据相关竞争市场中的营业额已无法等同于市场竞争力。因此，在我国《反垄断法》《指南》等规定中制定经营者集中的申报标准时，除营业额外，还应将经营者集中双方的数据集中度作为申报标准，再根据此经营者集中带来的数据整合能否导致数据壁垒、数据流通阻碍以及限制创新型企业的发展等，然后制定判断数据集中具体标准的依據。

2.以数据壁垒、限制创新等判断经营者集中的竞争效果

经营者集中的审查环节应将数据壁垒、限制创新等作为经营者集中竞争效果的判断标准。根据《指南》与《暂行规定》，经营者集中虽未达申报标准，但有证据表明其具有排除限制竞争效果时，市场监管总局应主动调查。虽然《指南》将经营者处理或控制数据的能力、用户数量、用户转移成本、不当使用消费者数据等因素作为经营者集中竞争效果的判断标准，但忽视了经营者集中的数据整合可能带来的数据壁垒、数据高度集中以及限制创新等负面竞争影响。相关市场的集中度不仅体现在市场份额与竞争者数量上，而且市场中的数据集中同样重要。经营者们能够将其数据优势转为市场竞争优势，利用其优势地位进行数据传输、数据整合以进一步提升市场中数据的集中度，数据的高度集中易导致数据无法自由流通，数据壁垒亦由此而来。此外，以数据整合为目的的预防性并购【预防性并购即通过对最具竞争威胁或潜质的竞争对手进行针对性收购來实现市场的有效扩张。】同样能以限制创新型企业生存发展来达到排除或限制竞争的效果。创新型企业的服务、商品能够在一定阶段对具有市场竞争优势地位的经营者营业额造成影响，具有优势地位的经营者能够以建立数据壁垒等方式来限制创新型企业的生存发展，进而迫使其接受并购。

因此，应将相关市场中数据流通情况、创新型企业的生存发展状况等，增设为市场监管局进行评估经营者集中所带来的竞争影响的标准，若经营者集中发生后相关市场数据流通明显受阻碍，以数据为生存必要条件的创新型企业难以生存发展，市监局应当对该经营者集中进行审查。我国新修正的《反垄断法》开篇就将鼓励创新作为立法目的之一，经营者集中的申报条件同样应考量集中一方是否为创新型企业的情形。通过对经营者集中申报、审查制度中数据相关问题增设针对性条款，配合《指南》第21条采取剥离数字资产、开放数据共享等救济措施，能够有效规制以数据整合为目的或利用数据优势实施的可以引起排除限制竞争效果的经营者集中。除此之外，应将数据控制、数据整合等情形增设为经营者集中的新形式。除合并、购买股权资产以及签订合同外，数据整合同样能使经营者对另一经营者实现实质性控制，当被整合一方经营者的大部分数据都被集中收购时，收购方经营者将能够随意调整被收购方拥有的数据，进而控制被收购经营者基于数据分析作出的未来决策，操纵其市场行为。

四、结 语

数据所带来的巨大竞争价值驱使经营者们争先实施数据的独占性收集，建立数据壁垒等利用数据优势实施的一系列垄断行为，这不仅会有损市场中其他经营者与消费者的合法权益，更将有损我国数据要素市场的有序运行。笔者致力于数据垄断相关问题研究，以期通过数据权属辨析、数据垄断要素认定以及增设数据垄断相关规定三个层面来遏制数据垄断行为，维护数据要素市场秩序，助力我国数字经济的发展。期望在未来研究中，能够进一步论证：如何平衡数据市场发展、经营者生产数据激励以及个人数据权利保护问题。

参考文献：

[1]张江莉.反垄断法在互联网领域的实施[M].北京：中国法制出版社，2020：368.

[2]侯薇薇，荆文君，顾昭明.平台企业规模、数据优势与价格歧视[J].管理评论，2023（1）：66-74.

[3]傅晓.警惕数据垄断：数据驱动型经营者集中研究[J].中国软科学，2021（1）：56-67.

[4]林欧汶，鲁朝云.新零售背景下山姆会员店的竞争力提升研究——基于波特五力模型[J].中国商论，2023（8）：9-12.

[5]

深圳14年首次出租车牌照拍卖：每个54.25万[EB/OL].[2022-09-10].https：//news.sohu.com/20071031/n252972962.shtml.

[6]王迁.“垂直搜索”的著作权侵权问题研究——兼评“大众点评网诉爱帮网案”及“携程网诉趣拿网案”[J].电子知识产权，2009（11）：50-55.

[7]遏制平台垄断乱象，立法将如何破局[EB/OL].[2023-01-05].http：//www.npc.gov.cn/npc/c30834/202104/f785c2689d784e14890961b5f6a1c60b.shtml.

[8]邹开亮，刘佳明.大数据产业相关市场界定的困境与出路[J].重庆邮电大学学报（社会科学版），2018（5）：34-39.

[9]张超，李超.垄断的成因、效率与规制——兼评梯若尔规制理论[J].东岳论丛，2016（1）：53-59.

[10]姜昊晨.既得利益拗不过市场——我国出租车行业的管制博弈[J].中国法律评论，2017（3）：194-206.

[11]仲春.数字经济平台相关市场界定研究[J].法治研究，2023（2）：45-59.

[12]唐建国.新数据观下的数据权属制度实践与思考[J].法学杂志，2022（5）：49-63.

[13]刘佳.人工智能算法共谋的反垄断法规制[J].河南大学学报（社会科学版），2020（4）：80-87.

[14]丁晓东.数据到底属于谁？——从网络爬虫看平台数据权属与数据保护[J].华东政法大学学报，2019（5）：69-83.

[15]宋才发.个人信息保护的法律规制与法治路径[J].重庆邮电大学学报（社会科学版），2022（5）：48-56.

[16]时建中，王煜婷.“数据池”共享行为的竞争风险及反垄断法分析[J].江淮论坛，2021（2）：123-130.

[17]关于检查《中华人民共和国网络安全法》《全国人民代表大会常务委员会关于加强网络信息保护的决定》实施情况的报告[R/OL].[2022-12-17].http：//www.npc.gov.cn/zgrdw/npc/zfjc/zfjcelys/2017-12/24/content_2036037.htm.

[18]吴家骅.数据驱动型企业经营者集中实质性审查标准研究[J].经济研究导刊，2019（16）：186-187.

[19]李成.人工智能歧视的法律治理[J].中国法学，2021（2）：127-147.

[20]2020年Q3移动互联网行业数据研究报告[R/OL].[2023-02-20].https：//new.qq.com/omn/20201105/20201105A02MVO00.html.

[21]张韬略，熊艺琳.违反个人数据保护即构成对市场支配地位的滥用？——也谈德国脸书案及“双重程序”规则[J].竞争政策研究，2023（2）：5-21.

[22]收购WhatsApp打压Snap Facebook用信息安全App做到[EB/OL].[2023-01-15].https：//www.sohu.com/a/164481966_354875.

[23]诉爱帮侵犯著作权案大众点评一审胜诉[EB/OL].[2023-03-25].http：//bjgy.chinacourt.gov.cn/article/detail/2011/01/id/880115.shtml.

[24]任浏玉.公开商业数据爬取行为的规制路径[J].知识产权，2022（7）：110-126.

[25]腾讯华为“数据之争”授权是尚方剑？[EB/OL].[2023-03-25].http：//www.xinhuanet.com/tech/2017-08/11/c_1121465577.htm.

[26]胡丽，何金海.互联网用户协议中用户数据授权模式实证研究——以40个互联网平台用户协议为样本[J].河北法学，2022（10）：160-180.

[27]张凌寒.网络平台监管的算法问责制构建[J].东方法学，2021（3）：22-40.

[28]丁晓东.论数据垄断：大数据视野下反垄断的法理思考[J].东方法学，2021（3）：108-123.

[29]郜庆，苏厚阳.滴滴合并优步案的反垄断分析[J].华北电力大学学报（社会科学版），2019（6）：78-84.

Legal regulation of data monopoly

SUN Lijun¹， WEI Yuhang²

（1. Law school， Lanzhou University， Lanzhou 730000， China;

2. College of Humanities and International Education， Xian Peihua University， Xian 710000， China）

Abstract：As an important market resource in the digital economy era， data can provide operators with competitive advantages， and potential competitors are unable to bear the increasing cost of data operation， which constitutes the reason for the emergence of data monopoly. The current definition method of relevant market and the evaluation method of market competitive power with market share as the main standard cannot be effectively applied to data monopoly because of the fuzzy ownership of data， the hidden and diverse application of algorithms， and the multilateral role of data. Based on the typological analysis of data monopoly cases at home and abroad， it can be concluded that the monopolistic behavior of operators using data advantages is mainly manifested in that operators can use data sharing mechanisms and algorithms to implement monopoly agreements， use data advantages to implement discriminatory transactions， attach unreasonable trading conditions and other acts of abusing market dominance， and implement concentration of operators for the purpose of data integration. The current antitrust law has not effectively regulated this new type of monopolistic behavior. In order to address the above issues， data abuse clauses such as defining data ownership through common ownership， adding prohibitions on obtaining user data through format clauses， making data processing processes public， and data crawler agreements based on obtaining user personal authorization are used to curb data abuse. The counterfactual deduction method is used to determine the abuse of market dominance. The provisions on abuse of relative dominant position in the market and the provisions on declaration and review of concentration of undertakings in Chinas Anti-monopoly Law， Anti-monopoly Guidelines of the Anti-monopoly Committee of the State Council in the Field of Platform Economy， Provisions on the Monopoly Prohibition Agreement and other relevant provisions on declaration and review of concentration of undertakings are added with data concentration as the declaration standard of concentration of undertakings and with data barriers， restrictions on innovation and other relevant provisions on judging the competitive effect of concentration of undertakings. It can effectively regulate operators to use data advantages to implement monopoly behavior and maintain the competitive order of data factor market.

Keywords：data monopoly; algorithm collusion; counterfactual deduction; operator concentration declaration review

（編辑：刁胜先）