算法共谋垄断及其法律规制

蔡哲亮　孙占利

摘要：Uber案引发公众对算法共谋垄断的关注，算法共谋垄断的影响及规制逐渐成为讨论热点。算法共谋垄断具有损害市场竞争价值、强化市场主体不平等地位、逃避反垄断法规制等危害，因此，有必要从算法共谋垄断的不同表现形式出发对其予以规制。在研究算法共谋垄断各类表现形式的规制理论的基础上，可从理念和模式两个层面出发完善对算法共谋垄断的法律体系规制。规制理念包括反垄断的克制适用、多元联动治理。具体模式则包括构建影响评估制度和备案审查制度的预防性模式，创新经营者、消费者、政府的协同问责模式，完善共谋协议认定和责任分配的救济模式。

关键词：算法共谋垄断；垄断协议；法律规制

中图分类号：DF59     文献标志码：A      文章编号：1672-0768（2023）02-0056-06

自2015年Uber网约车算法共谋垄断案件出世后，算法共谋垄断对市场的影响、算法共谋垄断的分类及规制逐渐成为讨论热点。其中，算法共谋垄断发展对传统反垄断法的最大挑战即造成主观要件认定的困境和归责问题，学者们提出可拓展适用市场支配地位、适当拓展意思联络要件、增强竞争者的背离义务等措施以应对算法共谋垄断带来的挑战。其次，为预防算法共谋垄断发展带来人机责任边界模糊的问题，学者们提出了赋予算法法律主体、经营者的严格责任、区分责任等解决路径。总体而言，现有研究主要从算法的分类及构成要件（尤其是主观要件）切入，针对性地解决不同算法共谋垄断类型认定的难题以完成对算法共谋的规制。遗憾的是，目前对算法共谋垄断规制的研究仍较为扁平，缺乏对算法共谋垄断的体系研究。以大数据和算法为代表的信息技术正改变着市场竞争的格局，私有经营者算法权力可能逐渐形成，算法共谋风险对市场秩序的风险将不断加大。为此，本文将在算法共谋垄断成因和表现形式的理论基础上，探讨算法共谋垄断的理论规制建议，进而构建适合中国发展的算法共谋垄断的法律规制理念和模式。

一、算法共谋垄断及其危害性

（一）Uber案与算法共谋垄断

2015年美国居民Spencer   Meyer起诉Uber案被认为是研究算法共谋垄断的第一案。该案中，Spencer   Meyer认为打车应用开发商Uber和使用Uber程序的司机，以及司机相互间构成了共谋。此外，原告指出Uber曾组织过司机聚集设置更高费率的会议，正是这些行为使得司机间避免了价格竞争，并从中获利。被告辩称Uber与司机签订的数十万的协议都是独立签订的，构成共谋是不可思议且难以实现的。

法院认为，在客观方面，基于Uber公司在移动应用生成的共享乘车服务市场中占有接近80%的市场份额，在出租车、雇车服务以及移动应用所生成的共享乘车服务构成的混合市场中，Uber也拥有50%～70%的商务乘客的市场份额等事实，能够证明Uber具有市场支配地位。此外，Uber公司通过定价算法人为地为司机合作伙伴向乘客设定了票价，损害了乘客的利益。在主观方面，使用Uber算法程序的每个司机在与Uber就车费收取达成协议时，能够清晰地认识到其他司机也达成了同样的协议和价格的情况，存在“一致的共謀动机”。因此，Uber和司机间不仅构成纵向共谋，也构成横向共谋，是典型的“轴辐型共谋”。在Uber案中，Uber的市场支配地位以及显著的品牌认可度，排除了其他不遵循Uber算法的司机的竞争且使得潜在竞争者很难进入该市场［ 1 ］。由于Uber的定价算法，每个司机都清楚地明白自己可以通过使用Uber算法而获得更高的利益，也不用担心因为其他司机的降价而抢占客源的问题，因为Uber决定了价格［ 2 ］。

在该案中，问题的核心在于Uber公司与司机是否达成共谋，难点则在于算法程序的应用带来了共谋协议认定的困境。传统的反垄断法若要规制共谋垄断，应证明存在共谋垄断协议，需要证明有共谋意图，并实施了共谋行为。算法定价程序的应用简化了Uber公司与司机间的意思联络形式，甚至完全掩盖了司机间的意思联络痕迹，对共谋协议存在的主观要件认定提出了挑战。在Uber案中，原告提交了被告组织线下聚会讨论提高费率的证据直接证明了双方主观意思联络的存在。然而相较于Uber案中仍有协议形式的共谋，算法的发展正朝向更加隐秘化和自主化的方向前进，这种进步则可能对现有的反垄断法提出挑战。

（二）算法共谋垄断的危害

算法共谋垄断的危害主要体现在对市场秩序价值的破坏，具体包括损害市场竞争、强化市场主体间的不平等地位、逃避反垄断法的规制等。

算法实质性地推动了更高的市场透明度和更高的经营者间的互动频率，被认为在更低信号代价、更高监督水平、更高背离成本等层面促成算法共谋垄断的完成，直接冲击了市场公平竞争的核心价值［ 3 ］。在传统反垄断场景下，共谋者往往需要在某个特定的场合或借助特定的工具进行共谋，其主观恶性较为明显、共谋证据也较为充足，使得传统场景下共谋成本较高、失败风险较大。算法的运用提高了共谋所需的市场透明度和交流频率，极大程度上解决了共谋难题。由于算法强大的收集和分析信息的能力，算法具有对市场无与伦比的掌控力和反应力。通过运用算法程序，算法能够对价格进行实时监测和汇报，有助于共谋者传递共谋信号，算法程序捕捉动态价格和响应价格变化的速度也决定了共谋企业可以对背离者的行为做出快速反应和报复，实质性剥夺潜在背离者的背离企图。

其次，算法发展加剧了经营者与消费者间的数据鸿沟。市场透明度增加并没有使消费者显著受益，算法权力的形成反而限缩信息资源向消费者流通，造成大数据杀熟、价格歧视、搜索降序等垄断问题。与此同时，在实践中，经营者在互联网生态中位于事实上组织者的角色，利用算法设置价格、交易和竞争机制并进行干预，能够更便利地实现以自身为轴心的算法共谋垄断。

最后，即使被立案调查，执法机构调查取证及认定其违法的难度较大。算法共谋以信号传输和网络通讯等方式帮助经营者迅速、高频地交换市场相关信息，并对共谋者的行为和履约情况进行监督。与传统会面、电话、传真等传统沟通方式相比，合谋成本低，不易为监管机构发现，即使被立案调查，执法机构调查取证及认定其违法的难度较大。因此，算法共谋垄断危害的广泛性、便捷性和隐蔽性等特征，会加剧市场的不平衡，损害秩序价值，并阻却司法救济，较之传统共谋垄断具有更大的危害性。

二、算法共谋垄断的表现形式与规制理论

（一）算法共谋垄断的表现形式

算法共谋垄断分为三个阶段：一是利用算法执行明示共谋协议；二是同时使用第三方提供的算法程序形成的共谋垄断；三是单方使用自主学习型算法导致的有意识的平行行为或串通［ 4 ］。具体而言，算法共谋可分为四种类型：信使型共谋、轴辐型共谋、预测代理型共谋和数字眼型共谋［ 5 ］。其中，预测代理型共谋和数字眼型共谋属于自主学习型共谋。

根据共谋形态，算法共谋垄断还分为明示共谋垄断和默示共谋垄断，明示共谋垄断是指通过协议、口头协议或协同一致的行动来达成的共谋垄断［ 6 ］。默示共谋垄断是指每个竞争对手单方面采取行动以回应竞争对手，从而将价格提高至超竞争水平的算法垄断行为（也被称为有意识的平行行为）。在默示共谋垄断情形下，算法将使得共谋垄断更容易达成和更容易维持，可能使得完全无共同目的的共谋垄断实现，造成司法判断主观意图困难或不能，排斥竞争的行为可能无法被追诉［ 7 ］。一般认为，信使型和轴辐型算法的共谋仍属于明示共谋，预测代理型和数字眼型共谋则属于默示共谋。

目前，算法共谋垄断主要是通过定价算法来实现的，通过使用同一算法定价程序以达成和维持共谋。由于目前的算法程序仍处于学习规律的“监督学习”阶段，同一算法对同一样本仅会输出一个稳定的符合预期的结果，经营者间便可以通过使用同一算法程序完成共谋。如Uber案即是如此，共谋者间通过设定好的算法，基于算法软件来协调并统一定价。自主型算法技术的发展会带来更为隐蔽的算法共谋形式，机器学习系统能够通过启发式推断结构和重组输出非特定的结果。这将改变共谋行为的性质，使得明示共谋向默示共谋转变。概括而言，自主学习算法形成的共谋垄断可能仅需经营者的一个指示，甚至無需指示，仅凭其趋利避害的算法智慧自动完成对外的共谋，使得算法共谋垄断可能无法被简单认定。

（二）算法共谋垄断的规制理论

信使型共谋垄断是指共谋者利用算法程序来寻求串通信号，执行限制竞争协议的情形。在此情形下，共谋者需要通过算法达成明确的共谋协议，并使用算法实施或协助实施、监测和维持共谋。轴辐型共谋垄断同时涉及横向共谋和纵向共谋，是指众多竞争者同时使用同一算法而将价格提高至反竞争水平的情形。在此情形下，多个竞争者会与算法设计者签订同一的纵向协议（往往表现为在使用程序时同意该算法程序对价格做出的修改）。纵向协议本身不一定产生反竞争效应，也不一定反映扭曲市场价格的企图，然而，开发商与这一行业的众多竞争对手达成的一系列的纵向协议可能实质上起到了协调整个行业串通的效果，由开发商算法确定的超竞争价格实质上帮助众多签署了该协议的主体获得了更多的机会和超额利润。上述两种算法共谋垄断属于较为简单的算法垄断类型，现行的反垄断法完全能够予以适用。我国《反垄断法》第13条即禁止具有竞争关系的经营者达成垄断协议，其中也包含排除、限制竞争的协议协同行为，因此，通过直接证明经营者间存在利用算法进行算法共谋垄断的主客观要件就可以适用反垄断法对其予以规制。

预测代理型共谋垄断是各竞争者利用算法实施平行行为或由算法自行实施平行行为而形成的共谋垄断。在此情形中，依托于算法对市场动态的捕捉和快速反应，一方竞争者价格的行为能够被其他竞争者的算法程序响应。这种对市场变化和竞争者价格变化的价格调整是依靠算法技术不约而同默契勾结的情况，因而难以直接证明反竞争的垄断协议的存在。对预测代理型算法共谋垄断的规制而言，难点有二：一是算法已经改变了共谋协议的沟通形式，模糊了协同一致的行为和平行行为间的边界，削弱了意思联络对认定共谋的重要性［ 8 ］；二是基于算法信息分配不对称和算法黑箱等情景，证明难度的提高可能造成反垄断法执法的失灵。针对预测代理型共谋垄断的挑战，可采取如下措施：一方面，预测代理型共谋垄断中仍然存在人为因素，可通过适当拓宽意思联络的主观要件实现规制，如将经营者对共谋垄断行为知情并默认、明知共谋垄断已经形成却不采取补救措施、维持共谋的惩戒机制等情形视为共谋，若经营者不能提高反驳证据，则视为具有共谋意图；另一方面，可通过加强算法经营者的注意义务和证明责任，实现举证负担平衡，并倒逼算法经营者从共谋垄断的主导者向共谋垄断治理的参与者转变。

由于算法已经独立于经营者而自行实施共谋垄断行为，规制数字眼型共谋垄断的最大难题即在于该类共谋垄断的责任承担问题。对此，需要从人工智能算法的伦理层面进行回应。现有理论下对赋予人工智能算法法律主体地位的争论，反对者指出赋予人工智能算法主体地位存在诸多障碍，让机器人承担法律责任是荒谬和无意义的。但应当看到，人工智能的发展已经超乎人类的想象，算法完全超越人类并非无稽之谈，可加强分阶段赋予人工智能法律主体地位的考量。此外，对该类算法共谋垄断应着重事先的预防和矫正，可考虑从设计、开发和部署阶段入手限制算法技术权力的扩张，建立预警和纠错机制，也可通过加强算法透明和算法问责等方式加强监管。

三、算法共谋垄断的法律规制理念和模式

（一）算法共谋垄断的法律规制理念

1.算法共谋垄断规制中应谨慎适用反垄断法

反垄断法介入的目的本是维护市场竞争，扭转和恢复市场生态格局。应充分尊重市场的调节作用，谨慎地适用反垄断法。

算法在市场中的运用有其自身规律，应充分尊重市场自身的调节作用。以供需因素对算法共谋的影响为例，在市场经济中，供给和需求的变化对算法共谋的发生具有一定影响。OCED报告提及，在既定行业中，需求降低以及商业周期导致的市场不景气，可能阻止共谋的发生。这是因为共谋者在高需求时背离会获得巨大的利润，且商业周期由高到低的变化会降低来自其他共谋者的报复，即降低共谋者的背离成本，这对于共谋的发生与维持具有不确定性。相较于需求因素对共谋的影响，供给因素对共谋协议的可持续性方面产生着更为重要的影响，其中，创新因素可以直接降低共谋存在的价值，以及创新能力较弱企业的报复能力［ 9 ］。

此外，在處理算法共谋垄断的实践中，执法可能不自觉地走向保护某一方权益的误区。算法共谋垄断的发展使得共谋行为和经营者的正常市场反应难以区分，若过度关注对受损方权益的救济，会导致大量正常的市场行为被无辜地套上共谋的嫌疑，市场与技术的关系将失衡，并增加大量不必要的执法成本。因此，在算法共谋情形尚没有对竞争构成破坏时，就不应用反垄断法来规制。

2.算法共谋垄断规制中应强调多元联动治理

算法共谋垄断的危害性、发展规律和技术特征决定了多元主体联动治理是必要的。随着明示算法共谋垄断向默示算法共谋垄断发展，算法共谋垄断将更难以被察觉和追责，仅凭执法机构的监督和救济将于事无补。为应对算法共谋垄断的普遍危害性，应扩大算法共谋垄断的治理主体范围，并将规制过程贯彻算法共谋垄断发生的全阶段。

算法共谋垄断的多元治理理念是应对算法共谋威胁而团结各方也是对受算法共谋垄断影响的各方利益的共同关切，算法共谋垄断的多元联动治理需要关注影响算法共谋的因素，以及普遍受其影响的市场主体。在设计算法共谋垄断的多元联动治理时，至少应考虑行业自律、政府管控和公众参与等三方面的主体。

大型算法部署者和经营者是推动算法发展的中坚力量，也是滋生算法共谋垄断风险的主体。因此，提高部署者和经营者内部部门的责任感和专业性，通过内部规章规范算法应用流程，加强算法共谋风险监控，完善算法共谋造成损害的救济渠道具有优先性和紧迫性。但也应看到，算法共谋垄断在目前往往内生自经营企业，往往是企业为了达成垄断有意识地使用算法完成共谋，因此，需要外部政府和公众参与监督和治理。政府参与算法的联动治理主要应通过对算法定价工具进行审查，对相关算法经营者进行指引、管控和问责。面对算法共谋垄断，加强公众参与应着重强调公众对技术层面的理解和参与，除了传统上赋予消费者反馈、举报、诉讼等方式以应对垄断行为外，还需提高公众对算法的认知和对共谋风险意识，创新公众参与企业部署算法流程的途径。

（二）算法共谋垄断法律规制的模式

1.构建算法共谋垄断法律规制的预防性模式

算法共谋垄断的预防性制度是对算法共谋垄断的事先调控和纠偏，减少算法共谋垄断发生的可能性。在算法共谋垄断的预防性制度中主要包括算法影响评估制度和备案审查制度。

算法影响评估制度指“在算法设计、部署与运用期间，算法治理的相关利益主体如政府、平台、社会公众与第三方力量，对算法可能造成的风险及其对社会的影响进行充分的评估”的制度［ 10 ］。简单来说，影响评估可定义为识别当前或拟议行动未来后果的过程。算法设计者和经营者在对拟使用或使用中的算法进行评估后，应及时向相关部门予以备案和审查，这对预防、管控算法共谋垄断及对其问责都具有重要意义。

算法共谋垄断影响评估和备案审查的关键作用是能够影响经营者的内部组织行为，通过外部施压要求其进行内部检查，打消其实施算法共谋的意图，或敦促运用该算法的经营者进行更深入的分析，研究发生共谋垄断的可能性，并实施必要的步骤来纠正这些影响。另一方面，影响评估制度和备案审查制度具有灵活性，能够起到将受监管实体的重点从单纯的合规向解决问题和改进转变［ 11 ］。

为加强算法共谋规制的针对性，减少执法成本，可通过对经营者的商业算法进行评估和等级划分并备案。根据备案对使用不同风险级别算法的经营者区别监督。鉴于算法共谋多发生于高度集中的市场，可进一步将监管范围缩小，主要监管大型经营者使用算法的情形。

2.建立算法共谋垄断法律规制的问责模式

建立算法共谋垄断的问责制度是在算法逐渐主导市场的背景下，为加强公众对使用算法的经营者行为的可理解性，要求算法经营者向公众解释其行为并为此负责的相关制度。通过建立算法共谋垄断的问责制度，能够避免算法运行危害的外化和弥散，降低算法共谋垄断风险。基于算法共谋垄断多元治理的规制理念，可将算法共谋垄断的问责主体扩大至经营者、消费者和政府，实现算法共谋垄断的协作治理。

行业自律与共识标准是阻拦算法共谋垄断发生的一道关卡，相关经营者在自我约束时应考虑如下几点，一是在算法应用设计、开发、部署和操作全流程中的安全问题，实验并评估算法投入市场时的完整性、可用性和稳定性；二是在算法的商业运用中，要强调在真实的场景中测试算法共谋垄断发生的风险；三是在开发与使用具有自主型算法时，要特别注意嵌入纠错机制与人工强制中止程序，防范此类算法共谋垄断超脱于现有的法律框架。

消费者是算法共谋垄断的受害者，也是对市场变化最敏感的群体，通过加强公众在算法共谋垄断治理全流程中的参与，能够提高提高执法效率，降低执法成本。具体而言，可考虑举行听证会、吸纳公众参与算法开发、通过计算机提供专门的检查程序或系统以实现公众对算法的监督等。

政府在算法共谋垄断的反竞争监管意义重大。一是可以建立备案审查制，要求经营者必须报告某些算法的使用，这将对算法的商业运用起到一定程度的规制作用，有利于政府把握经营者运用算法的活动轨迹，及时对实施算法共谋垄断的经营者出手。二是政府可以考虑使用定价算法来确定具有竞争力的价格，即面对强大算法共谋垄断带来的规制资源匮乏的窘境，将算法作为规制工具，以确定相关共谋垄断违法。

3.完善算法共谋垄断法律规制的救济模式

随着算法共谋垄断表现形式向自主型发展，证明意思联络的存在变得困难，违法责任的归属也将走向不明，这使得因遭受算法共谋垄断的损害将无法被救济。因此，应当就目前反垄断法的不足进行完善，以适应算法技术发展对反垄断救济的挑战。

目前，我国反垄断法在认定垄断存在时要求证明“共谋协议存在”，这也就意味着面对算法共谋垄断的发展，执法机构可能无法做到“一致行动的客观行动+意思联络的主观要件”的证明要求。对此，在现有反垄断法相关规定的归责基础上，应加强共谋协议认定方面的补充。具体而言，一方面，可加强经营者的注意义务，使经营者放任算法共谋垄断形成的行为具有可责性。另一方面，应适当拓宽意思联络的证明标准，将未切实履行注意的行为视同存在意思联络，当间接意思联络能够构成证据链并符合相应的证明标准时，即视共谋协议存在。

算法共谋垄断的不同类型对现行的权责分配制度提出了巨大的挑战，由谁担责是急需解决的问题。在面对信使类和轴辐类算法共谋垄断时，由于其完全受控于经营者，因此，这类算法共谋垄断造成的损害应直接归责于经营者。对于预测代理型算法共谋和数字眼型算法共谋的责任分配问题，上文在理论规制的层面已有相关阐述。从实然层面出发，若能够证明人为因素存在，即让背后的经营者担责。若无法证明垄断协议的存在，考虑到算法的巨大风险、现行相关的算法治理理念、算法法律主体地位可能不被接受等因素，通过公平公正原则和细分原则让相关经营者共同分配此类算法共谋导致的损害可能是符合我国国情的选择。欧盟于2020年通过的《人工智能民事责任制度》附件中提到：由人工智能系统驱动的所有物理或虚拟活动、设备或进程在技术层面可能是造成损害或损害的直接或间接原因，但这些损害的原因几乎都涉及到人为部署或干扰系统；尽管人工智能系统的不透明度、连通性和自主性实际上可能很难甚至不可能追溯到人工智能系统的具体有害行为，但人们能够通过使整个价值链中创建、维持或控制与人工智能系统相关的风险的不同人员承担责任来规避这一障碍。

随着算法的不断发展，算法共谋垄断的形式会更隐蔽，损害的结果也会更大，从价值链的源头出发进行规制具有可行性、合理性。通过个案认定的方式明确不同算法主体在算法共谋垄断中的地位，再分配不同的责任，既能起到司法救济的作用，符合司法保障公平公正的目标，也最容易被立法和司法所接受。

四、结语

基于我国数字经济发展的现状和算法的发展态势，算法共谋垄断可能发生，应未雨绸缪，构建具有中国特色的算法共谋垄断的法律规制体系。算法共谋垄断严重损害市场秩序，并向反垄断法提出了挑战，应从算法共谋垄断的不同发展形态出发，针对性地予以规制。构建具有中国特色的算法共谋垄断的法律规制理念和模式应从治理理念和具体模式两方面出发。在运用反垄断法规制垄断的基础上，应综合考量算法共谋和市场的关系，强调反垄断法的谨慎适用、以保护竞争为核心、多元联动治理的治理理念。也应注重规制算法共谋垄断的整体性，通过构建影响评估制度和备案审查制度的预防性模式，创新经营者、消费者、政府的协同问责模式，完善共谋协议认定和责任分配的救济模式实现对算法共谋垄断归责的全覆盖。

参考文献：

［1］韩伟，胡铁. 美国Uber反垄断案争点：算法共谋［EB/OL］.（2018-01-25）［2022-03-03］. http：//longduan.blogchina.com/927028794.html.

［2］MAURICE    STUCKE.  Pricing    Algorithms   &   Collusion［J］.  The Tennessee  Journal  of   Business   Law，2019（20）：1118.

［3］OECD. Algorithms And Collusion Competition Policy in the Digital  Age［EB/OL］.（2017-09-14）［2022-03-04］ http：//www.oecd.org/daf/competition/Algorithms-and-colllusion-competition-policy-in-the-digital-age.pdf.

［4］SHENG LI， CLAIRE CHUNYING XIE. Automated Pricing Algorithms And Collusion： A Brave New World Or Old Wine In New Bottles［J/OL］. （2018-12）［2022-04-04］.https：//www.nera.com/content/dam/nera/publications/2019/Algorithmic%20Collusion%20-%20Li%20and%20Xie.pdf.

［5］ARIEL EZRACHI，MAURICE E. STUCKE. Artificial Intelligence Collusion： When  Computers  Inhibit  Competition［J］.University  Of   Illinois  Law  Review，2017（2017）：1807.

［6］GONZALEZ VERDUGO，C.. Horizontal Restraint Regulations in the EU and the US in the Era of Algorithmic Tacit Collusion［J］.Journal  of   Law  and   Jurisprudence，2018（1）：116.

［7］周圍.算法共谋的反垄断法规制［J］.法学，2020（1）： 45.

［8］剌森.算法共谋中经营者责任的认定：基于意思联络的解读与分析［J］. 现代财经，2022（3）：107.

［9］韩伟.算法共谋反垄断初探—OECD〈算法与共谋〉报告介评（上）［J］. 竞争政策研究，2017（5）：116.

［10］张凌寒.算法评估制度如何在平台问责中发挥作用［J］.上海政法学院学报，2021（3）：48.

［11］YIFAT NAHMIAS. The Oversight of Content Moderation by AI： Impact   Assessments   and    Their    Limitations［J］.  Harvard Journal   on   Legislation，2021（1）：175.

［责任编辑：马好义］

收稿日期：2022-04-12

基金项目：2020年国家社科基金一般项目“人工智能算法的法律规制”（20BFX017）

作者简介：蔡哲亮（1998－），男，湖南岳阳人，广东财经大学法学院硕士研究生，主要从事国际法、电子商务法研究。

孙占利（1970－），男，宁夏固原人，广东财经大学法学院教授，法学博士，主要从事国际法、电子商务法研究。