定价算法共谋的反垄断法规制

张义成

(安徽大学 法学院，安徽 合肥 230601)

伴随着人工智能的蓬勃发展，我们俨然已经步入数字化经济时代。 以数据、算法以及算力为核心要素的人工智能使得我们的生活方式发生了质的变化，同时也引发了一系列前所未有的问题。 当人工智能运用于传统的商业运作时，一方面使得我们的生产、消费方式更加便捷，其中较为典型的如网络购物；另一方面也产生了许多新型的隐患，例如近几年引发热议的数据权属、公民个人信息安全以及“大数据杀熟”等问题。 人工智能对于人类社会发展的推动作用有目共睹，但我们在享受其便利的同时也应当警惕防范其可能引发的风险。 其中算法的广泛运用使得经营者之间更容易达成共谋的状态，而算法共谋中各经营者利用算法达成价格共谋则是当下最为常见的形式。 2011 年，亚马逊平台售卖的一本名为《The Making of a Fly》就曾因为亚马逊平台的定价算法在几天内价格飙升至23698655.93美元，显然已经价格失衡导致明显超出合理竞争价格；2015 年， 亚马逊平台某电商主管被指控与其他商家勾结， 采用定价算法使销售海报固定价格；同年12 月， 美国网约车平台Uber 创始人被指控与平台司机利用算法达成横向合谋，通过算法使得司机统一定价并在高峰时期统一上涨价格。 由此可见，利用算法共谋达成统一定价或者动态固定价格，从而摄取高额垄断利润并非空穴来风。 尽管目前我国在反垄断执法以及司法过程中尚未出现利用算法达成排除或者限制竞争的案件， 但可以预见的是此类定价算法引发的垄断问题并非偶然。其中，经营者发挥主观能动性辅用以算法从而达成共谋， 我国的反垄断法尚可以对其予以规制， 但当定价算法本身起主要作用且不依赖于经营者时， 适用反垄断法对其予以规制略显捉襟见肘。鉴于此，我们有必要对定价算法引发的垄断问题进行研究与探讨。

一、算法共谋的内涵及其理论分类

算法对于我们来说既熟悉又陌生， 算法至今在世界范围内也没有一个统一的定义。 简单地说算法是一种运算法则， 被广泛运用于计算机程序当中用于解决运算问题的一种指令。 2017 年，经济合作与发展组织（以下简称OECD）在其给出的一份会议报告《算法与合谋：数字时代的竞争政策》（Algorithms and Collusion: Competition Policy in the Digital Age）中对算法作如下定义：算法是一个明确、精确的简单操作列表， 机械地、 系统地应用于一组标记或对象（例如，棋子、数字、蛋糕成分等的配置）。令牌的初始状态是输入，最终状态是输出。随着计算机科学的发展， 算法已经能够自动执行复杂的计算和数据处理任务，这些任务对于人类而言则可能是极其困难的。人工智能和机器学习将算法带到了一个更高的水平，使计算机能够比人类更有效地解决复杂的问题，做出预测和决策， 经常能够实现社会期望的政策目标。[1]当然，随着人工智能的进一步发展，算法的定义也绝非一成不变，目前配合人工智能，算法已经可以实现评估、预测以及进行决策等功能。算法共谋则是人们基于算法的广泛应用， 对算法的可能达成的反竞争行为的担忧。实际上，由近些年逐渐出现的利用算法实现垄断的案件来看， 学者在理论层面的担忧正逐步转化为现实问题。

尽管各国反垄断法对于共谋的表述各有差异，但在反垄断法中共谋一般均指在特定市场中具有竞争关系的经营者或经营者团体， 为谋取超额垄断利润，采用协议、决定或者其他形式，共同对产品或服务的价格以及数量等进行限制， 从而达到排除或者限制竞争的目的。而算法究竟何以促成共谋？互联网时代使得信息交互变得更为便捷、迅速，辅之以大数据的广泛运用，提升了经营者之间达成共谋的效率。由于算法如今也有了自主决策功能， 当算法设计者或者使用者以大数据、互联网为依托，利用算法就可以在极其短暂的时间内捕捉竞争对手的销售策略，从而调整自己的经营价格以及经营策略。 若经营者之间均采用算法进行自主调整， 则不同经营者之间很容易在一定时间和范围内保持相对稳定的价格，并且此种共谋的形成比传统意义上的共谋更为隐蔽、更为迅速。算法共谋是同一市场中两个或两个以上的经营者，利用算法实施的协调价格、限制产量等排除、限制市场竞争的行为。[2]对算法共谋最早系统性地进行理论分类的是Ariel Ezrachi 和Maurice E.Stuckle，他们将利用算法导致的共谋分为四类：信使类共谋、轴幅类共谋、预测类共谋以及自主类共谋。OECD 在2017 年的报告中根据算法如何便利达成共谋的角度也对算法进行归类，总结出四类算法，即监控类算法 （monitoring algorithms）、 平行类算法（parallel algorithms）、 信 号 类 算 法（signalling algorithms） 以及 自我学习类算法 （self-learning algorithms）。 实际上，进行对比我们发现，以上四类算法以及四类算法共谋大致可以一一对应。

（一）监控类算法与信使类共谋

监控类算法是指经营者利用算法对其竞争对手实施监控， 该报告指出经营者可以通过算法收集竞争对手相关商业决策的信息， 通过对于竞争对手大量数据的获取以及对其进行分析后， 从而调整自己的经营策略。因此，监控类算法则可以促成信使类共谋， 所谓信使类共谋是指此时的算法充当人类“信使”的角色。如果参与共谋的经营者事先达成一定的协议价格， 此时可以利用监控类算法对达成共谋达到经营者进行实时监控， 通过算法对各共谋经营者之间的市场价格以及销售策略等进行分析。 一旦有任何经营者存在偏差协议的行为， 则可以立即通过监控类算法对其他经营者发出信号， 此时其他经营者可以迅速作出调整， 或者直接通过设定相关算法对偏离者实行包括但不限于价格战的打击报复。 因而， 信使类共谋在本质上与传统意义上的共谋行为差异不大， 都依赖于经营者之间存在实现共谋的主观意图， 只是算法的开发应用使得经营者之间的共谋行为更为便捷， 并且通过实时监控与惩罚机制使得共谋状态更为稳固。

（二）平行类算法与轴幅类共谋

平行类算法是指具有竞争关系的经营者同时使用相同或者类似的算法开发定价策略。 该报告指出经营者可能存在将算法的开发外包给第三方， 此时第三方可以是IT 企业也可以是程序员等。若具有竞争关系的经营者使用同一第三方开发的算法， 或者直接使用同一定价平台完成结算， 例如国内的滴滴打车平台，此时就可能导致轴幅类共谋的发生。作为算法开发者的第三方与经营者之间、 定价平台与经营者之间并没有直接的竞争关系， 但两者之间达成的算法开发约定或者定价协议却可以视为纵向协议，尽管单一的纵向协议并不会达到排除、限制竞争的效果， 但如果具有竞争关系的经营者同时达成多个同性质的纵向协议时， 该纵向协议就会促使横向共谋的发生。 此类轴幅类共谋的发生，本质上而言，即经营者通过借助平行类算法的使用， 在本行业的一定范围内达成共谋，从而摄取超额垄断利润。

（三）信号类算法和预测类共谋

信号类算法是指经营者在市场中， 通过算法自主发射相关信号， 并利用算法密切捕捉竞争对手动态。 该报告指出， 经营者可能会因为避免明确的沟通， 使用算法发出信号， 例如一家公司希望提高价格，其理所应当地期望竞争对手也会这样做，因此无论何时，只要一家公司提高价格，表明有意合谋，如果大多数竞争对手没有收到信号， 或者有意决定不作出反应， 那么率先提高价格的公司通过对其他竞争对手做出反应的判断，再继续做出相应调整。如果竞争对手没有进行跟进， 那么率先提价的公司会在短时间内将价格回归正常水平； 如果竞争对手接收了暗示的信号并且提高了价格， 此时则共谋意图得以借助算法而达成。 利用此类信号算法达成的共谋即为预测类共谋，在整个共谋过程中，算法充当了预测代理人的角色， 使用类似算法的经营者犹如借助“算法代理人”进行谈判，整个过程并未直接体现经营者之间的沟通， 因而预测类共谋更接近传统意义上寡头市场的默示共谋，通过算法发出的共谋信号，也使得默示共谋更容易达成。

（四）自我学习类算法和自主类共谋

自我学习类算法相比于前三种算法显得更为高级， 前几年进行的人机围棋大战， 阿尔法狗（AlphaGo） 已经向我们展示了人工智能强大的运算与学习能力。该报告指出，自我学习类算法是算法可能达成共谋的最高级形式，也是最为复杂的形式，即便在没有竞争对手的情况下， 自我学习类算法也可能给出一个垄断高价。 自我学习类算法通过自身强大的学习能力， 通过对经营者行为的学习以及对竞争市场中对手行为的分析， 以利润最大化为目标其可以在短时间内进行海量的实验， 最终给出一个均衡的、垄断高价。自我学习类算法如果在市场中得到广泛的应用，其可能无需经营者给定一个既定规则，尽管经营者可能主观上也没有实施垄断的意图也可能发生垄断的结果。自主类共谋中人的意志弱化，完全体现出算法对竞争的影响， 可谓完全意义上的算法共谋，不论在立法还是执法层面，都会对现行规则带来极大挑战。

二、算法共谋对传统反垄断理论的突破

（一）削弱共谋所需市场条件

在传统的反垄断理论当中， 市场集中度的高低是影响达成共谋的重要因素。 市场集中度的高低由经营者数量以及经营者所占市场份额决定， 经营者数量越多，该市场竞争越充分，各经营者市场力量越接近，各经营者所占市场份额也就越小，此时市场集中度就越低。通常来说，在市场集中度低的市场环境下共谋是难以发生的。 即使单个经营者采取降价等销售方式谋取竞争优势，由于其所占市场份额过低，很难对其他同行业经营者造成实质影响。同时，市场集中度低一般意味着竞争充分， 此时经营者的利润空间本就不大， 继续采取降价的策略则可能导致其最终丧失竞争力而被市场淘汰。此外，经营者数量越多达成共谋的合意则越困难， 即便大多数经营者有达成共谋的意愿，当合谋者数量过多时，有限的合谋利益使每个合谋者只能获得较低的收益份额。 考虑到合谋可得利益和合谋成本之间的对比， 若可得利益明显低于合谋成本， 竞争者达成合谋的动机将被减弱。[3]算法的应用削弱了市场集中度对于共谋产生的影响，即使在市场集中度较低的情况下，也增加了经营者共谋发生的可能性。例如在同一电商平台或者不同电商平台之间，往往存在着大量的销售同一产品或服务的经营者，其市场集中度相对处于降低水平。但各电商平台的价格排序功能使得经营者降价带来的价格优势突出，由于电商平台市场透明度极高，此时即使单个经营者所占市场份额低，也很容易对同行业经营者造成影响。若定价算法趋向于采用同价销售以抹平竞争对手竞争优势，此时单个经营者的降价信息被定价算法捕捉后，其他经营者迅速跟进，则使得率先降价无法取得竞争优势。 在这种情况下，当同一市场中的所有经营者都使用定价算法进行产品定价时， 市场环境就越发透明，率先降价失去了相对优势， 而涨价同谋却很容易形成。[4]此外，定价算法的使用也无需经营者之间充分进行协商、协调，使得即使经营者数量众多也很容易达成合意。

（二）降低共谋沟通协调成本

经营者达成共谋通常需要通过电话、邮件、交谈等进行协调，最终促成一个共谋的合意，但这种直接接触的做法容易被执法部门掌握证据， 增大了共谋的违法成本。 经营者也可能在没有口头沟通或者书面协议的情形下，试图达成默示共谋，默示共谋通常在寡头市场更易发生。 但经营者对于默示共谋的追求也会面临协调成本问题， 率先做出经营策略调整的一方需要冗长的时间来观察竞争对手的反应、市场的变化、客户流失等问题，在默示共谋无法形成的情况下又需迅速进行调整， 一系列的调整也极容易引起反垄断执法部门的关注。 但利用算法达成共谋则可以有效降低共谋沟通协调成本， 更易促成共谋的形成。算法甚至可以做到无需经营者参与，自动趋于协同， 并且理论上可以在极短的时间内实现经营者之间的信息交互， 大大缩短了原本持续观察竞争对手的时间。 这种高频次的交互不仅可显著降低经营者之间的沟通成本， 而且能有效避免给予消费者充足的时间对价格变化做出反应。[5]正是由于算法应对竞争对手动态变化时的调整之快， 而算法又具有隐蔽性、技术性等特点，这一系列因素的结合加大了反垄断执法机构的执法难度， 也会刺激经营者利用算法达成共谋的动机。

（三）加强共谋稳定性

共谋的稳定性是影响共谋能否形成和维持的重要因素，稳定性越高则经营者更有动机达成共谋，也更有利于后续共谋状态的维持。 受“囚徒困境”理论的影响，传统共谋通常难以维持。对于已经达成共谋的经营者整体来说， 共谋状态的维持一定是有利可图的，但对于单个的经营者而言，在假定所有经营者都不背离协议的情况下， 若其违反协议实施背离行为如降价销售等等，就有可能抢占市场份额，从而获得比共谋状态下更高的利润。 经营者具有天然逐利的特性，因此每个经营者都有背离共谋的动机。算法强大的监测能力和迅速的反应能力则可以突破“囚徒困境”，使共谋更加稳定。 算法可以收集市场内其他经营者的信息并对其进行实时监控， 一旦有任何经营者发生偏离行为会被迅速捕捉到， 能在第一时间内对偏离的经营者实施打击报复。 没有信息时滞的惩罚机制使背离行为不仅无法取得利润， 还可能会因此而遭受利益损失， 算法强有力的监督约束机制削弱共谋经营者的背离动机， 从而加强了共谋的稳定性。

三、算法共谋的反垄断法规制路径

由于法律具有滞后性和不周延性的局限性，新兴事物的发展总会对现行法律制度造成一定的冲击。算法作为科学技术革新的产物，利用算法达成的共谋也对反垄断法的适用带来困惑。 大多数学者主张利用垄断协议制度应对算法引发的共谋， 然而垄断协议中经营者之间的意思联络要件在现行的反垄断理论中必不可少。 在预测类共谋以及自主类共谋中，并未体现出经营者之间的意思联络，此时只有放弃或者降低对于意思联络的认定标准才可将其纳入垄断协议制度的框架内。 笔者认为应当对不同类型的算法共谋进行分类并按照其特点进而分而治之，并非一定将其笼统利用单一制度对其予以规制。 在信使类共谋和轴幅类共谋中， 算法更多充当的是经营者达成共谋的工具， 其中经营者达成共谋的意思联络尚有迹可循，属于明示共谋，可以利用垄断协议制度进行规制。在预测类共谋和自主类共谋中，更多体现出算法自身的意志， 此时很难认定经营者之间存在意思联络，属于默示共谋，可以考虑适用共同市场支配地位制度对其予以规制。

（一）算法明示共谋的反垄断法规制

正如上文所言， 在信使类共谋以及轴幅类共谋中，经营者具有达成共谋的意图，此时算法只是起到了促进经营者实施共谋的工具。 用传统的反垄断法中垄断协议的分析思路即可解决该类共谋。 由于算法共谋有别于传统达成共谋的形式， 经营者的主观意图以及意思联络变得更为隐蔽。

1.主观意图的认定

在信使类共谋中， 由于监控类算法的主要作用在于协助经营者对其他经营者的经营策略进行监督， 以便于能在竞争对手进行调整的第一时间内得到信息。 此类算法起作用的前提在于经营者已就相关经营价格、策略达成一致，因此，信使类共谋中经营者期望达成共谋的主观意图与传统共谋中主观意图基本一致， 反垄断执法机关依旧可以根据惯例认定主观意图。

在轴幅类共谋中， 当多个存在竞争关系的经营者使用同一算法并产生限制、排除竞争效果时，我们需要对算法的设计者以及使用者的主观意图分别进行讨论。作为算法的设计者，对于该算法的功能以及使用该算法可能产生的效果应当洞若观火。 若该算法促成了经营者之间的共谋， 则设计者对于这种后果应当是可以预见的， 因此算法设计者的主观意图并不难推测。作为算法的使用者即经营者，对于使用同一或者类似算法的经营者而言， 或许并没有积极追求横向价格共谋的故意。 但如果使用该算法在结果上会发生较为稳固的价格同盟， 则经营者的主观意图可以由此倒推得出。 例如使用该算法已成行业惯例时， 则可以推定经营者对于价格共谋的追求至少出于默许的态度， 甚至基于逐利的动机不排除对共谋积极追求的主观意图。

2.意思联络的认定

在信使类共谋中，正如前文所述，监控类算法仅仅起到辅助作用。 此时无论是经营者试图共谋的主观意图亦或是经营者之间的意思联络， 都与算法并无太大关联，算法的使用仅仅使得共谋更为稳固。对于经营者之间的意思联络， 反垄断执法机关仍可用传统反垄断分析思路加以甄别。

在轴幅类共谋中， 由于轴幅共谋自身与传统共谋最大的区别在于打破了传统纵向协议与横向协议的二分法。 在算法轴幅类共谋需要通过纵向协议去推定横向协议的存在。 横向垄断协议的存在也是确认是否构成轴幅共谋的关键， 因为横向垄断协议不仅仅是经营者主观意图的外化， 也可以直接证明经营者之间存在意思联络。 这也正是算法轴幅共谋认定的难点所在，使用同一定价平台的经营者，其纵向协议一般都有直接证据。 例如Uber 网约车平台，其与网约车司机之间签订的协议本身就是一种直接证据，难点在于网约车司机之间意思联络的证明。实际上，类似于这种网约车平台，司机对于同属一家网约车旗下的统一定价是知晓的， 价格并不再由司机个人决定， 网约车司机之间的价格竞争已经被完全排除。在已经知晓排除市场竞争的情况下，仍然统一采用该算法或者选择遵循该算法的定价规则，此时已无需进行明确沟通就足以产生同样的效果。加之与平台签订的纵向协议已经约定定价规则，该纵向协议的存在可以作为间接证据推导出经营者之间“横向协议”的存在，该情形下的经营者意思联络也可证成。

（二）算法默示共谋的反垄断法规制

算法默示共谋与前述明示共谋最大的区别在于难以探寻经营者主观意图， 也无法确定是否存在沟通交流、意思联络。 基于此，执法机关适用垄断协议制度时必然面临举证上不可逾越的难题， 在不拓展协议内涵、降低意思联络认定要求的情况下，垄断协议制度很难适用于算法默示共谋。 根据我国反垄断法及相关暂行规定， 市场支配地位制度则没有意思联络上的要求。从本质上而言，算法引起的默示共谋与寡头市场中的默示共谋并无太大差异， 而规制寡头垄断的传统路径之一则是共同市场支配地位制度， 欧盟早在上个世纪就引入共同市场支配地位制度规制寡头垄断问题。实际上，垄断协议制度与滥用市场支配地位制度本就不属于对立、排斥关系，二者应当共同致力于反垄断法的更好落实。

我国《反垄断法》第19 条对共同市场支配地位作出了规定， 引入该条制度的目的在于规范寡头市场中寡头垄断者的提价行为。 而该行为又常常与垄断协议制度中的协同行为以及经营者集中制度中的协同效应存在联系， 加之遗憾的是该条仅对于市场份额作出规定， 未能明确解释何为共同市场支配地位， 这一系列因素导致了该制度在司法实践中未能发挥出重要的作用。 共同市场支配地位制度的周延对于我国反垄断理论的完善大有裨益。 不仅可以有机地嵌入作为事后制止措施的滥用市场支配地位制度， 而且与作为事前预防措施的经营者集中控制制度有效互补。[6]考虑适用共同市场支配地位制度规制算法默示共谋， 理论根源在于算法默示共谋与寡头共谋存在极大的相似性。 共同市场支配地位制度相较于其他制度， 除具有证明要求难度降低的制度优势以外，“共同市场支配地位”也是一个中性概念，是一种市场状态，不具有违法性，从支配力性质上讲与单独市场支配地位并无区别。[7]不论是单独市场支配地位亦或是共同市场支配地位， 只有在经营者滥用其支配地位时，才会被反垄断法所禁止，从这一点上来说契合我国对于互联网经济“包容审慎监管”的原则，也有利于新兴行业的发展。 需要指出的是，如前所述，算法在一定程度上改变了共谋达成的条件，使得经营者在市场集中度不高的情况下依旧可以引发类似寡头共谋。 此时共同市场支配地位制度的适用则需要考虑对于《反垄断法》第19 条第2 款的市场份额最低标准进行修改，以助于该制度的有效实施。

四、结语

人工智能时代是人类社会发展的方向， 算法共谋带来的法律问题只是冰山一角。我国对新产业、新业态、新模式实行包容审慎监管方式，但绝不是放任其“野蛮生长”。 算法共谋引发的垄断问题已有实例进行佐证， 对算法共谋进行反垄断法层面的规制也绝不是为遏制算法经济的发展， 反而是为促进算法经济更加健康的发展。对于国内外而言，算法共谋的规制路径都是一个新问题， 需要在立法以及司法层面予以关注。 我们应当在保护竞争、 维护消费者利益、增大社会福祉的基础上，妥善应对应对算法共谋类新问题。