类型化视角下算法共谋的责任认定与分配

曾 益

（四川辉浩律师事务所民商法部门，四川泸州 646400）

引言

随着算法和大数据技术的发展，经营者在因市场透明度过高，无法从品牌认知度或忠诚度中获益时，以算法为工具实施传统商业共谋的行为屡见不鲜［1］。从2015年初的美国司法部首次针对算法共谋行为提起的刑事诉讼—— “United States of America v.David Topkins案”［2］，到2017年OECD举办针对算法和共谋的研讨会议［3］，算法共谋对市场稳定发展的破坏性、对消费者福利的减损性越来越引起人们的关注。遗憾的是，原有的反垄断法对共谋协议的规制存在法律漏洞，直到2021年2月，国务院印发《关于平台经济领域的反垄断指南》，我国才打响了规制轴辐型算法共谋的第一枪。2022年6月，人大常委会通过了关于修改《中华人民共和国反垄断法》（以下简称《反垄断法》）的决议，新增 “经营者不得组织其他经营者达成垄断协议或者为其他经营者达成垄断协议提供实质性帮助” 之规定，意味着轴辐协议将不再是一块 “法外之地” 。然而，学界对算法共谋的研究往往集中于算法本身，忽略了不同类型算法共谋的特点与规制逻辑，从而陷入了 “一刀切” 的规制泥沼。基于此，本文在类型化视角之下，深刻把握算法共谋的内涵和外延，明确规制算法共谋的分析框架和解决路径，以期对算法共谋的反垄断法规制有所裨益。

一、算法共谋的类型与反竞争效应

随着人工智能、大数据、区块链、算法与市场经济的深度结合，数字经济正蓬勃发展。原本秉持 “技术中立” 原则的算法也逐渐被应用于市场竞争，产生了包括自动定价机制在内的算法共谋现象，尤为值得关注。

（一）算法共谋的基本类型

算法共谋指的是多个经营者结成联盟，以计算机算法为工具，实施的影响市场公平竞争、损害消费者福利的行为。算法自主性程度的不同使得算法共谋具有了区别的可行性，基于扎拉奇和斯图克［4］以及经合组织（OECD）对于算法共谋的研究，信使型算法共谋、轴辐型算法共谋、预测型算法共谋以及自主型算法共谋成为当前学界普遍认可的分类，其中前两者的算法自主性相比于后两者来说稍弱。

1.信使型算法共谋

信使型算法共谋和轴辐型算法共谋都可以归类为反垄断法中的协同行为，但信使型算法共谋更多地强调其工具性特征。其一，算法可作为共谋集团之间的联络工具。传统共谋中，为了逃避反垄断机构的监管，成员之间的沟通交流方式有限，成员之间难以形成及时有效的沟通，共谋的形成和推进受到极大阻碍。而算法这一新型联络工具的出现，可以使得共谋成员之间的信息交换更加便捷、隐秘，从而为高效地结成垄断共谋组织提供便利。其二，算法也可作为保证共谋协议执行的监督工具。结成垄断共谋组织以后，各共谋成员必须按照垄断协议的约定，设定统一的销售价格,由于市场价格是公开的，成员之间可以通过对市场价格的调查，确定各方是否严格遵守协议，这在一定程度上实现了共谋成员之间的相互监督。然而在具体实施过程中，某一成员可能为了谋取巨额差价，刻意降低其产品的价格，利用价格优势增加销量。在算法出现以前，由于人工采集信息具有一定的滞后性，从共谋成员背离垄断协议，到共谋组织发现这一行为之间有一定时间差，共谋组织其实很难在第一时间发现这一叛离行为，并对其实施有效惩罚，由此引发了组织内部的信任危机，导致了共谋组织内部的不稳定性。而信使型算法共谋的出现，使得各成员之间的实时监控成为可能，此时，叛离行为被共谋组织发现的时间大大缩短，经营者再也难以通过背叛垄断协议来获得可观的利益，由此，共谋组织之间的关系将更为稳固。

2.轴辐型算法共谋

轴辐型共谋（hub and spoke conspiracy），也称 “轴辐型卡特尔” 。轴辐型共谋是指横向具有竞争关系的多个经营者，通过与上游的（或下游的）轴心经营者签订平行的纵向协议的方式，达成一个潜在的横向共谋。轴辐共谋的各主体之间的关系，可以被形象地比喻为一个车轮，上游（下游）经营者与下游（上游）经营者之间达成的纵向垄断协议可以被看作轴条（spoke），此为连接轴心的经营者（hub）和轮圈的经营者（rim）之间的关键零件。轴辐共谋协议中囊括了纵向协议和横向协议的特征，属于一种混合式的新型垄断协议。事实上，网约车平台便是较为典型的轴辐型算法垄断共谋，网约车平台与处于轮缘的网约车司机之间达成纵向的定价协议，同时各司机都知晓其余司机也会与平台签订相同的统一定价协议。由此，司机之间通过网约车平台，达成了实质意义上的、统一定价的横向垄断协议。这一过程中，用以定价的标准，往往是网约车平台通过算法形成的固定定价策略，平台与司机之间的信息传递、司机与司机之间的交流互通也是利用了算法这一工具。在这一套反竞争模型中，算法共谋是轴辐协议与算法科技深度结合的产物，其中，轴辐协议是共谋的具体计划和框架，算法科技是执行的工具，而达成垄断共谋则是目的。

由于学界和实务界对轴辐型算法共谋的定性尚未形成统一观点，故在此对其所具有的特点进行重点阐述。首先，经营者之间达成的纵向协议并不必然会被认定为违法，但所达成的横向协议则往往会被判定为违法。轮圈所代表的是上游或者下游的具有竞争关系的经营者之间达成的横向垄断协议，这一协议通常是隐秘的、限制竞争的，所以原则上多是被禁止的。其次，轴辐型算法共谋利用了算法的隐秘性。反垄断机构难以识别出经营者之间的共谋，进而启动反垄断调查，或者即使启动了反垄断调查，由于公权力部门相对于经营者在计算机算法领域的非专业性，也将导致调查难以推进。最后，目前尚未形成对轴辐协议的全方面法律规制。轴辐协议的经营者利用这一法律空白时机进行共谋，责任的承担主体未定、归责原则不明、共谋协议性质模糊等违法性认定的困难，可能使得违法经营者最终逃避法律的处罚。

3.预测型算法共谋

本着利益最大化的目标，经营者通过算法实时监测市场变动和竞争对手的行动，并以此为依据，利用算法计算出自己下一步可能的商业行动。因此，现代市场经济的高度透明化使得经营者之间相互预测对方的行为成为可能。各商家基于市场上公开的相同或者类似的信息，运用相同或者类似的算法程序，必定会得出相似甚至一致的算法结果，经营者依据算法结果做出的商业行为也相应地具备很高的一致性，最后为默示共谋的达成创造了良好的条件。如在同一市场背景下，不同的电商平台利用类似甚至相同的计算机深度算法，在相互没有明示的情况下，达到了 “不同平台、同一商品定价” 的结果。这类共谋披上了 “算法的外衣” ，经营者往往以 “缺乏意思联络” 为理由抗辩，主张其行为并未破坏市场公平。

4.自主型算法共谋

传统的机器学习算法机器人，只会机械地、系统地执行既定的算法轨迹，从输入到输出的整个过程都是能被人类所控制、所预见的，并不会产生出乎人类意料的自主创新型结果。而如今的深度学习算法机器人拥有了 “人的思考能力” ，这种算法不再局限于人类所给的有限的数据处理模式，它能对所提取的特征进行分离或者组合，然后进行权重学习，最后按照算法所学习的结果提取特征，因此，深度学习算法下的机器人可以输出创新性的结果。

基于深度学习算法机器人的自我学习能力，自主型算法共谋（又称为智能型算法共谋）应运而生。这类算法共谋区别于与其余三类算法共谋的不同之处在于，其不需要经营者的参与，从获知市场信息到分析市场信息，再到形成多种决策，最后到选出并执行最佳决策的整个过程，都可以由计算机独立完成。深度学习算法有能力应对瞬息万变的市场经济，对于市场上的新问题，能通过自我学习而瞬间形成解决问题的方案。而反观经营者，人类大脑对某个单一内容的计算速度，远不如计算机，算法通过综合分析各项数据而做出的决策极可能比人类基于有限认知而做出的决策更为迅速、客观、实用。正是由于算法决策的优越性和经营者决策的局限性和滞后性，市场经济越来越依赖于算法，自主型算法共谋所带来的 “算法黑箱” 和 “算法独裁” 问题甚嚣尘上［5］。

（二）算法共谋的反竞争效应

算法作为数字经济时代的产物，的确推进了市场经济的飞速发展，成功给社会带来了低进入门槛、高市场透明度、充分竞争和技术创新等福利。与此同时，算法经济也在反向改变着传统竞争机制，对维持市场公平竞争产生了负面作用。

1.算法共谋降低了垄断成本

算法共谋大幅降低了经营者之间的沟通成本、决策成本与监督成本，而垄断成本的降低无疑会刺激更多的经营者形成垄断共谋，从而给市场公平竞争带来严重的损害。

其一，沟通成本。无论是何种类型的共谋，最重要的是要实现各经营者之间的有效沟通联系，各成员需要花费大量人力物力在掩饰共谋行为上，如召开秘密集会、派遣机密人员与各成员进行沟通、设定触发共谋的规则等等。随着算法进入市场，各共谋成员之间通过算法进行勾结，大大降低了结成共谋所需的资金投入和精力投入，这样不仅为共谋成员降低了沟通的经济成本，同时也节约了沟通的时间成本。

其二，决策成本。以自动化为特征的自主型算法共谋能够使得经营者在投入同等的时间和资金的情况下，获得更多的交易信息，从而促成高效交易。如Q-learning是一种高级自主学习算法，它不要求程序员固定算法对消费者或竞争对手的反应，因此这类算法可以极好地应对市场的不确定性，能依靠很少的信息来工作。在囚徒困境（prisoners’dilemma）的背景下，根据参数值、利用Q-learning算法，经营者可以很轻松地实现95%的合作频率［6］。由此可见，深度算法的出现，使得经营者往往能通过较少的投入获得较大的产出，这是算法共谋如雨后春笋般不断涌现的原因之一。

其三，基础数据库成本。经营者通过算法进行共谋，而算法的输入和输出都离不开数据库的支撑，数据库成本很大程度上决定了经营者达成垄断共谋所需的投入。由于市场经济的高度透明化，大数据信息往往是具有非排他性的，任何一个经营者都可以从市场中免费提取运行算法所需的信息，即生产算法结果的原材料对所有主体免费开放。数据库成本的低廉也为垄断的形成起到了推波助澜的作用。

其四，监督成本。传统垄断合谋缺乏有效的监督手段，各成员之间信任度不高，失败成本过高成为阻碍结成稳定合谋的拦路虎。通过引入算法监督，成员间的叛离率和共谋失败成本大幅降低。同时，通过算法进行信息互换，信息的准确率也在提高。

2.算法共谋提高了市场准入标准

数字经济中，经营者利用算法监督市场新进入者以及潜在竞争对手的经营行为，如定价策略、产销量、占有率等，针对性地采取反竞争措施予以对抗，从而在无形中提高了市场进入壁垒。

其一，算法共谋提高技术壁垒。算法无处不在，但算法技术也分三六九等。算法以及产品研发需要大量资金，大公司依靠自身现有的算法和产品基础，加之投入源源不断的资金对其不断升级，其算法技术达到远远领先行业其他中小企业的水平。少数大企业本已在市场中占多数席位，如果此时各寡头形成算法垄断协议，相互之间共享或者合作开发更为先进的算法技术，将使得中小企业和行业巨无霸之间的技术差距被不断扩大。

其二，新进入者被驱逐出市场。老牌经营者之间利用算法，实时监视新进入者的动向，根据新进入者的定价，及时地、一致地调整各共谋成员的产品定价，新进入者再也难以依靠价格与老牌经营者之间形成有效竞争［7］。

二、算法共谋的反垄断责任规制困境

囿于多重主体的复杂性以及算法技术的隐蔽性，反垄断执法机构的规制思路遭遇了诸多现实挑战，尤其表现在算法共谋垄断责任的认定方面。

（一）算法共谋的反垄断责任认定困难

1.算法共谋模糊了垄断协议二分法的边界

发轫于美国司法实践的横纵协议二分法，是我国《反垄断法》对垄断协议进行类型化分析的基础。然而，算法共谋，尤其是轴辐型算法共谋的法律属性遭遇了认定危机，即轴辐型算法共谋究竟属于横向、纵向垄断协议，还是新型垄断协议，学界尚无定论。

以轴辐型算法共谋为代表的多种类型化算法共谋的出现为传统的垄断协议二分法的运用提出了挑战，而垄断协议的类型又往往决定了案件所应当适用的违法认定规则、举证规则的类型。轴辐型算法共谋成功体现了商人的 “智慧” ，因为其横向协议和纵向协议的元素兼而有之，如果将其一边倒为纵向或者横向协议，则是在无视其所具备的其他特质，因而司法部门在处理类似案件时往往比较保守，这给了经营者免于处罚的机会。此前，多数学者主张轴辐协议本质是横向协议，而部分学者主张轴辐协议属于第三类新型协议，单纯认定为横向或者纵向协议都不能对其形成完整的评价。因此，在修法前，对轴辐协议性质认定的学理论争颇为激烈。而《反垄断法》的修改，似乎又引起了新一轮的观点争论。《反垄断法》第19条规定， “经营者不得组织其他经营者达成垄断协议或者为其他经营者达成垄断协议提供实质性帮助” ，有学者称其为 “组织帮助型垄断协议” 条款［8］。尽管此次修法回应了算法共谋所带来的部分问题，但是潜在问题的威胁也使得我们深入思考现行垄断协议规制的不足。此次修法仅第19条涉及轴辐协议，只是使得法官在审理轴辐共谋案件时有法可依，并没有对轴辐协议为何种类型的协议作出解答。同时，《关于平台经济领域的反垄断指南》中 “分析该协议是否属于《反垄断法》第17条、第18条规制的垄断协议” 的表述，对协议归类的回复也相对模糊。于是目前出现了两种解释：1.修法意味着我国已经摒弃了传统二分法规制体系，形成了横向协议、纵向协议、轴辐协议的三足鼎立。2.我国仍是坚持二分法体系，轴辐协议与行业协会垄断协议的性质相同，同为反垄断责任承担主体的延伸，并非新类型的垄断协议。

轴辐算法共谋出现的同时，也暗示了其他全新的、复杂的共谋形式存在的可能。未来极有可能出现一种新型垄断协议，无法适用于二分法甚至是三分法，《反垄断法》中又没有一个兜底的概括性规定来对其进行拾漏补缺，使其无法被归类于任何一种法定反垄断协议类型。

2.算法共谋的违法性认定困难

在对垄断协议进行违法性判断时，我国反垄断执法机构认为，《反垄断法》对横向和纵向垄断协议采取了同样的 “禁止＋豁免” 方式，对法律明确列举的垄断协议坚持 “原则禁止” 的态度，而经营者只能根据《反垄断法》第20条的规定进行 “例外豁免” 的抗辩［9］。《反垄断法》增加了纵向协议的反竞争效果抗辩条款和 “安全港” 条款，所以综上，我国目前的反垄断违法认定标准可以归纳为如下：一方面，属于反垄断法明确规定的具体的五种横向、两种纵向垄断协议，原则上禁止，但是可以通过第20条得到豁免，区分该协议为横向协议或者纵向协议并不是必须。同时，两类具体的纵向协议可以通过反竞争效果条款以及 “安全港” 条款进行抗辩。另一方面，兜底条款中的横向、纵向协议需首先对其进行实质调查分析，判断其是否具有反竞争效果，横向、纵向协议经营者均可以用第20条进行抗辩，纵向经营者还可以用 “安全港” 条款进行抗辩［10］。按照对《反垄断法》的体系解释，第20条的豁免条文适用于横向协议、纵向协议以及组织帮助型垄断协议。但是轴辐协议的违法性认定，是适用具体横向协议还是纵向协议的规定，抑或是适用兜底条款的规定？这是本次修法所没有回答的问题，组织者、帮助者的违法性认定标准仍不明朗。

对于自主型算法共谋，由于 “算法黑箱” 的存在，算法运行是否包含了经营者的意志，以及用何种方式达成算法共谋都是尚需解决的疑问。在预测型算法共谋案件处理的过程中，公权力机关还需要找到行之有效的手段，打破由于垄断经营者提出 “缺乏意思联络” 这一抗辩所造成的审判僵局。信使型算法共谋与传统共谋相比，更为隐秘和稳固，亟需在现有对传统共谋违法认定的方法的基础上，针对算法的工具型特征，形成新的违法性认定策略。毋庸置疑，未来社会必然会出现各种新型算法共谋，这些垄断协议的分类、违法认定标准的适用都是当前和未来反垄断工作面临的难题。

（二）算法共谋的反垄断责任分配模糊

1.责任主体认定模糊

算法共谋在违法性认定方面遭遇了适用挑战，事实上，囿于类型多元、结构复杂、行为隐蔽等特征，算法共谋在责任分配方面同样模糊。对于轴辐协议而言，上游和下游经营者都发挥了不可或缺的作用，缺少任何一个角色都不能达成共谋，此时需要判断上下游主体是否都应该对垄断后果负责。但是共谋的发起者和推动者可能仅是一方经营者，另一方经营者可能是受胁迫，或者在共谋实施中并未起到实质作用，此时，另一方经营者是否可以免于处罚也尚待回答。信使型算法由于仅仅是经营者传递信息和监督成员的工具，其可以被看作是垄断实施者手臂的延长，故而可以按照规制传统共谋的思路处理，当然，这为监管人员通过算法按图索骥去定位幕后黑手提出了更高的要求。而如果经营者实施了预测型算法共谋，想要证明该经营者为责任承担的主体，就必须证实成员之间有共谋的故意，但如何区分成员间的商业行为是意在形成垄断协议，还是出于理性思考和基于对市场经济的客观分析所得出的商业判断，这是摆在反垄断机构面前的一大难题。这一问题上，最为棘手的当属自主型算法共谋。因为违法行为实施的全过程都是由算法来完成，其中并未体现人类的意志，人类甚至对算法的行动都是后知后觉的，这时对经营者进行处罚似乎没有法律根据，而算法并不属于自然人，也不属于法律拟制的人，将算法作为规则对象更是荒谬。

2.责任分配份额有待厘清

即便明确了责任的承担主体，各方应该承担的责任的大小也难以划分。如在轴辐算法共谋中，不同环节的经营者的责任份额分配的客观判断标准是什么？显然，组织者和帮助者在共谋中的地位和作用是不同的，相应地，各主体之间的责任分配份额也会有差异。对预测型算法共谋和自主型算法共谋，反竞争后果中可归责于算法的部分与可归责于经营者的部分，两者之间也并非泾渭分明。算法和市场的繁杂决定了在认定过程中需要考虑的参数较多，往往是牵一发而动全身，责任各方的行为会给市场公平竞争带来的损害大小，以及给消费者造成的损失严重程度，都是难以在短时间内给出具体数值的。目前尚未针对这些不足形成统一立法，司法实践中也没有形成惯例，执法者的主观性较大，很可能出现同案不同判、罪责刑不相适应的情形。

3.举证责任凸显不足

举证责任同样是算法共谋需要着重关注的一点。如前文所述，具体的五种横向协议和两种纵向协议属于法定禁止协议，此时推定经营者具有违法行为，举证责任倒置一定程度上减轻了执法机构的压力，但对于兜底条款中的协议类型，证明经营者存在违法行为是原告的责任。

随着算法的发展，经营者极可能实现 “垄断于无形” 。经营者将简洁、稳定的销售平台提供给消费者，消费者可以大致了解销售平台的规则，但是无法理解规则背后 “天书” 般的算法，算法黑箱将现实世界和数字世界隔绝开来，这给经营者利用算法进行 “暗箱操作” 提供了绝佳条件。按照传统证据规则，在无特殊例外的情况下， “谁主张，谁举证” 决定了原告将承担大部分的举证责任，然而算法共谋的隐蔽性与日俱增，算法的 “高技术壁垒” 使得公权力部门缺乏对其合法性进行审查的相应技术，同时，被告还往往以 “商业秘密” 为由，拒绝提供相关证据。

三、类型化视角下算法共谋的责任机制

解决算法共谋的反垄断责任规制困境，在理论层面和实践层面都具有较高的价值，笔者将以类型化各类算法共谋为逻辑起点，从违法责任的认定、责任的分配以及完善监管措施三个角度来分析算法共谋的规制路径，从而为在理论和实践中解决此类问题提出一些参考。

（一）通过间接证据完善责任认定标准

波斯纳主张用经济学的方法分析经营者的行为，判断其是否为有意识的平行行为，但这种方法由于成本过高，对法官而言往往是不切实际的。其实，利用直接证据和间接证据综合证明共谋行为的存在，才是成功实现责任认定的良策。然而，在算法的帮持之下，经营者采用非常规手段达成共谋，执法者或者原告难以获得证明经营者之间存在共谋的直接证据。因此，在直接证据难以发挥有力作用时，利用间接证据并辅以相应的证据规则才是分离出算法共谋这一有意识的平行行为的正解。

由于间接证据不能直接证明算法共谋的存在，每一个或者一组间接证据通常仅能证明一方面的事实，所以必须使得各间接证据之间形成完整、严密的证据链条才能认定有意识的平行行为。加之为了防止 “寒蝉效应” 打压市场活力，对共谋的认定必须予以严肃对待［11］。鉴于此，我们需要对间接证据予以明确。

用以认定算法共谋的主要间接证据包括以下三种：第一，数据及其使用情况的证据。算法的输入和输出都离不开大数据的帮持，数据才是一切行为的起点。经营者们如果有意识地使用相同或者类似的数据进行决策，很可能会形成轴辐型算法共谋和预测型算法共谋。对此，反垄断规制时应该着重判断以下两点：1.数据的提供商是否为同一人。2.经营者是否故意将其数据共享、开放［12］。第二，行为证据。行为证据包括证明经营者之间是否有进行过会面、是否有过邮件往来、是否和与双方都有关联的另一经营者进行联系等等，这些都属于判断经营者之间有无沟通的证据。行为证据也包括共同调整价格、共同拒绝交易、使用相同或类似的算法等等具体实施共谋的证据。另外，对于自主型算法共谋，行为证据还应当包括证明经营者是否对自己使用的算法尽了合理审查义务的证据。第三，市场证据。如商品的销售情况、市场分配额、政府的政策等等证明市场现状和前景的证据。也许此类证据不能正向用于证明存在合谋，但是可以用于反向推导。如A企业和B企业同时拒绝与C企业合作，依市场证据综合证明，当时C企业正处于负债阶段，与其合作的市场风险很大，此时就应当直接排除被告A、B两企业合谋的可能。

需要注意的是，并非所有的涉案算法都会被直接归为间接证据。在剧场诉派拉蒙分销案中［13］，陪审团认为现有证据不能证明被告存在共谋行为，因此对此案做出了一般性判决。在本案中，美国最高法院的判决中传达了这样一种认识：存在相同行为或者相似行为并不是认定经营者存在共谋的充分条件。数字经济时代最大的特点之一就是 “共享” ，数据之间的互联互通决定了在无通谋的情形下，仍然会做出相似甚至相同行为的可能。因此，经营者的一致和相似行为并不一定就是意味着垄断，如果行为的做出是基于理性的市场行为，那么这类行为，哪怕设定了完全一致的算法规则，也不应该作为认定其存在共谋的证据。只有当相同或类似行为与证明共谋的主观意图的证据相结合，即只有当算法使用的目的是为了促成共谋时，这一算法才能成为间接证据使用。尽管找到当事人具有共谋的主观意图的证据并不容易，但这种证据是必需的［14］。

（二）基于类型化视角的责任分配机制

不同类型的算法共谋有着其自身独有的特征，因此，应对四类算法共谋不能幻想一种规制方法 “包治百病” ，而是需要对每一类型进行独立的分析，对症下药，根据其中涉及的主体、主体之间的关系、主体的行为以及行为的后果等多方因素，型塑类型化视角下的责任分配机制。

1.信使型主体责任

算法在信使型共谋中扮演的角色往往是 “助手” （沟通交流）和 “管家” （监督叛离者），其实质上是人类意志的体现、经营者手臂的延长，被追责主体应该是参与共谋的各经营者。故而，信使类算法共谋的规制原理和传统垄断行为相差无几，但由于算法的高技术性、隐秘性使得规制这一共谋行为比以往更困难。因此，认定经营者主体责任，需从以下两个方面重点把握：第一，在旧有的认定垄断行为的方法的基础上，注重直接证据和间接证据的结合。经营者将沟通交流的阵地转移到算法平台之后，获取判定经营者共谋的直接证据的难度陡然上升，如果仍然按照认定传统垄断行为的方式和标准，可能无法达到充分的证明效果。反垄断机构只有通过直接和间接证据的搭配组合，才能实现 “以事实为依据” 。第二，判断协议对市场和消费者利益是否有负面作用［15］。在我们的传统认知中，消费者福利主要表现在价格和质量上，即物美价廉。但是，数字时代下的消费者福利，也体现在影响消费者福利的一些非价格因素上，特别是消费者选择权、隐私保护、交易透明等。因此，在判断对消费者的负面影响时，要将非价格因素考虑进去。

2.轴辐型主体责任

明确协议的类型，是认定轴辐型算法共谋行为主体责任的首要前提。学界通说认为，垄断协议仍然有横向纵向之分，因此有部分学者提出，可以尝试体系化地重构垄断协议二分法，以此来规制轴辐型算法共谋。然而重构垄断协议二分法，显然不切实际，严重的甚至会造成制度转型的成本浪费。可行的路径应当是，依据垄断的目的，将轴辐协议认定为横向垄断协议，纵向垄断仅为手段［16］，对主体进行归责时，适用有关横向协议的违法性认定标准。

一方面，纵向关系中，轴心经营者是否应当被视为 “共同犯罪人” 而适用本身违法原则认定责任？首先，需要明确轴心经营者在违法组织中发挥的作用。《反垄断法》第19条规定 “经营者不得组织其他经营者达成垄断协议或者为其他经营者达成垄断协议提供实质性帮助。” 表明轴心经营者的组织行为，甚至帮助行为都是违法。另一方面，横向具有竞争关系的经营者之间达成的共谋协议，根据其协议的种类，属于具体横向协议还是兜底条款中的协议的不同，相应地适用不同的归责规则。在分配责任时，横向各主体之间应当根据自身在共谋之中发挥作用的大小，承担对应的责任。

3.预测型主体责任

预测型主体责任承担与轴辐型主体责任承担类似，可以参考上述的处理规则。但因为经营者之间通过相似的算法、利用非排他的大数据资源库，输出了相同或者类似的商业决策，从而精准预测了对方的行动，并以此指导和推进默示合谋。所以在预测型主体责任认定中，反垄断法执法机构不仅要考察使用相同算法的经营者，也要关注使用类似算法的经营者，两个主体都有进行合谋的条件和可能，所需要审查的主体范围大幅扩大。同时，反垄断机构不仅要审查做出相同决策的经营者的主观意识，也要考察做出相似或有关联的决策的经营者的主观意识，判断是否为有意识地合谋成为对其归责的关键一步。

4.自主型主体责任

在 “人类中心主义” 的指导下，反垄断法的目的在于规范和惩治人的行为。现在做出决策的不仅只是人类，还有可能是算法，而将算法纳入反垄断法惩治的责任对象是否合理尚待讨论。尽管算法不是法律上能独立承担法律责任的主体，甚至不能称之为 “主体” ，算法并没有生命特征，也没有被法律赋予生命，但是，算法共谋对消费者利益的损害和市场公平的破坏是空前的，对此予以严格限制并非不符情理。因此不论经营者、算法开发者、受益者是否有共谋的故意，只要出现共谋，就将经营者、算法开发者、受益者列为责任主体是可行的。 “算法雇员理论” 也能对此种观点形成支撑［17］。算法可以视作是经营者雇佣的员工，经营者需要对其所雇佣员工的行为对外承担责任。在具体分配责任份额时，可以综合考虑各主体的受益多少、对算法的控制能力大小来明确可归责性［18］。

（三）完善算法共谋监管配套措施

1.建立算法审查委员会

算法共谋的复杂性和强破坏性表明在反垄断机构下设一个专门组织对算法问题进行专门规制的必要。考虑到算法对市场经济的卓越贡献，盲目限缩算法的使用和创新是万不可取的，笔者认为，与其耗费巨额成本整顿全链条、全过程，不如将关注重点放在审查上。经营者可以自由发展算法技术，算法审查委员会可以仅做出少数的禁止性规定，但是经营者应该履行算法报批义务和接受算法审查委员会审查的义务。

算法审查委员会的工作包括但不限于：其一，制定算法开发的行业规范，如要求经营者记录自己所使用的模型、数据等等反垄断调查将会用到的证据，并审查和监督算法开发者的遵守情况。其二，反垄断执法机构可以酌情要求经营者披露算法源代码，进行反向监测并制定算法 “黑名单”［19］。在涉及披露的案件中，算法审查机构应当保持中立，以理性客观者的角度分析，避免因频繁披露算法而对市场和消费者带来消极影响。其三，鼓励市场发挥自我调节机制和内部监督机制。市场这只 “看不见的手” 往往能发挥意想不到的反垄断效果。其四，对民众进行普法教育，提高民众的垄断识别能力，在发现经营者存在统一定价、限制产品质量、划分市场等行为时及时向有关机构举报。

2.利用监管科技赋能算法共谋规制

自金融危机以来，监管科技不断得到国际社会的重视，结合我国自身情况，顺应国际潮流、发展监管科技成为必须［20］。监管科技是指利用科技实现监督市场经济合法合规运行的新技术，如利用算法科技破译 “算法黑箱” 。在监管科技的辅助下，反垄断机构不仅能在垄断后果产生后，掌握足够的证据指控经营者的算法共谋，甚至还能在共谋尚处萌芽阶段时，采取事前措施应对算法时代对金融监管所提出的新要求，如通过建立金融风险检测防控平台预测经营者的行动，从而提前阻止其对市场的破坏［21］。监管科技是科技领域的监督专家，致力于发展 “监管” 这一项功能，故而其任务完成度很高，能及时有效地监视市场动态，形成监管资源的最佳组合排列，指数级提高监管部门的垄断调查能力和效率。

四、结语

算法和垄断协议的结合催生了各种新类型的算法共谋协议，对其规制思路也应贯彻类型化思维。轴辐共谋协议中囊括了纵向协议和横向协议的特征，属于一种混合式的新型垄断协议。自主型算法共谋强调计算的自动性、独立性，决策的作出并没有经过经营者这一环节。信使型算法共谋更多地强调其工具性特征，其实质是经营者手臂的延长。预测型算法共谋通过算法实时监测市场变动和竞争对手的行动，使得经营者所作的商业决策趋于一致。我们需要辩证看待算法技术，一方面， “好算法” 的确方便了人民的生活、提升了经济效率。另一方面， “坏算法” 损害了人民福利、破坏了市场的公平。算法共谋可能涉及双层经营者、双重垄断协议，其复杂性导致了反垄断责任规制困境。为突破困境，需要通过间接证据完善责任认定标准、在类型化视角下完善责任分配机制，最后，从建立算法审查委员会以及发挥监管科技的作用着手，完善算法共谋监管配套措施。