协同行为视阈下默示算法共谋的挑战与优化

贺 斯 迈, 侯 利 阳

(上海交通大学 法学院,上海 200030)

数字经济是基于代码化的算法所构建的关于数据自由流动的规则体系,因而数字经济也被视为算法经济[1]。算法的广泛应用除了带来经济效率之外,客观上也会增加经营者实施合谋的概率,并降低合谋所需的门槛。算法可以在多个场景中有效解决市场内信息不对称的问题;尽管这种“效率”会抵消一部分无谓损失[2],但其增加的“效能”在合谋限制竞争的场景中远不能弥补它所带来的损害。与传统合谋难以形成互相信赖不同,算法共谋无需以特定的市场结构为前提,信息技术监测和惩戒背离行为的高效性足以消减打破均衡的动机,使合谋更加稳定[3]。因此,在算法的运用下市场透明度、信息交换频率等因素的交互会大大提升市场共谋的风险[4]。

然而在实践中,我们发现算法共谋给传统反垄断法的实施带来一系列的挑战。如在认定算法涉嫌垄断协议时,难以证明存在作为关键证据的垄断协议;在认定其涉嫌滥用市场支配地位时,参与算法合谋的经营者的集合市场份额难以计算等等。因此,虽然算法技术应用对经营者拓宽市场非常重要,但限制竞争行为的频发也要求执法机构加快对算法合谋的科学有效规制。鉴于此,本文拟对算法共谋问题进行技术与法理分析,在反垄断法的框架下明晰算法共谋的排除限制竞争效果。

一、问题的缘起

1.算法共谋的分类

“合谋”是指多个企业为避免竞争获取合作均衡利润而达成的合作形式。为达成合谋,经营者需要建立互动机制使得团体的共同决策能够有效实现,并通过惩罚偏差来监督成员遵守该决策,这一行为因为削弱竞争、损害社会福利而被反垄断法禁止[5]。顾名思义,算法合谋是指经营者通过信息技术实施合谋的行为。学界关于算法合谋存在多种分类,本文采取经济合作与发展组织(以下简称“OECD”)在2017年发布的报告《算法与合谋:数字时代的竞争政策》《Algorithms and Collusion:Competition Policy in the Digital Age》(以下简称《算法与合谋》)中的划分方式[6]。按照算法在合谋中的技术作用不同,算法可以被分为监督类算法(monitoring algorithms)、平行类算法(parallel algorithms)、信号类算法(signalling algorithms)和自我学习类算法(self-learning algorithms)。

首先,监督算法的优势体现在算法可以对收集的数据持续追踪和监督。即使市场价格公开且易于获取,数据的监测和收集仍然是合谋实施的重要环节。传统场景中利用其他合谋者的尚未察觉而获得短时利润的单方背离行为会被压制,因此,在这种算法的监督下企业更会缺乏打破均衡的动机。其次,平行算法使价格可以自动反馈供需因素之外的波动和干扰。在动态竞争的市场中,客观上要求合谋者必须随时沟通,从而极大地增加了被执法机构发现的风险。“算法自动化”使得合谋者之间不必直接沟通就能获得自动反映市场变化的均衡价格。再次,经营者通过算法设置消费者无法发觉但能被竞争对手接收的信息,从而实现合谋信号的传递或涨价意图的测试。最后,自主学习类算法通过深度学习获得类人的决策能力,最终在不需要人类干预的情况下就可以达成超越竞争均衡的合谋[7]。

在反垄断框架中,依照意思沟通形态之不同合谋可以分为“明示合谋”(explicit collusion)与“默示合谋”(tacit collusion)。明示合谋是指通过明确的协议方式达成或维持的具有显性证据的反竞争合谋行为。而默示合谋是指经营者之间不通过明确合意,仅通过相互间的依赖或默契实现合作[8]。我国反垄断称此为协同行为。默示合谋最早出现在寡头垄断市场中——美国反托拉斯法最初将寡头之间未进行明示但依赖相互信任的一致行为认定为默示合谋[9]。

2.理论争议与路径选择

有学者对算法合谋可以构成反垄断法意义中的合谋表示怀疑。如欧洲委员会首席经济学家法拉第(Valletti)就曾公开表示:通过算法进行合谋的观点暂时没有说服力;但多数学者都认可算法共谋也可以产生类似于传统共谋的效果[10]。如艾斯拉齐(Ezrachi)与司杜科(Stucke)提出算法共谋的潜在威胁在于算法能快速有效地监督竞争对手的价格,并能统一调整价格。他们假设人工智能使计算机能够自主决策并通过经验进行学习,将默契合谋扩展到价格之外[11]。近年来国内学者也开始以更加中立的视角在不同场景中识别算法所带来积极与消极两重效果,提出在既有框架下识别不同的行为,并将之分别纳入垄断协议、滥用市场支配地位行为等框架下进行反垄断规制。虽然学者提出的方案都有合理之处,但总是存在着证明责任过高和制度适用低效的问题,客观上会加重执法与司法程序中的错案率。本文认为,算法共谋与传统合谋最大的区别在于:虽然算法共谋不具备垄断协议的形式要件,但却具有垄断协议的损害效果,因此主张将算法共谋推定为协同行为。

首先,通过垄断协议规制算法共谋确实存在关键证据缺失的问题。我国《反垄断法》第十三条规定的垄断协议包括协议、决定以及协同行为。其中,协议和决定属于明示合谋,而协同行为属于默示合谋。如果算法在合谋中呈现出明示的协议特征,则并未突破现有规定的解释规则,通过对算法构成“协议”形态的释明,即可处理此类行为。但问题在于,即便对“协议”作远超传统合同的广义解释,“协议”的基本属性仍然难以满足。互联网平台利用代码与公式组织起来的“协议”面临着识别和证明的双重挑战。由此,处理算法共谋的症结并非明示合谋,而是如何认定其属于默示合谋或者协同行为。

其次,通过滥用共同市场支配地位制度应对算法共谋,虽然可以绕开证明存在协议的难题,但会引出另一个疑难问题——如何在平台经济领域认定共同市场支配地位,这个问题实践中既无案例,学理上也无定论,会在原有争议的基础上增加新的挑战。互联网平台普遍具有双边市场的特征,如何准确界定相关市场尚且存在极大的困难,此时再认定共同支配地位将面临着更大的争议。另一方面,平台市场力量的判断标准也存在争议。无论是定量还是定性分析,认定平台企业的市场力量都是反垄断法在平台经济时代面临的最大挑战之一。如在“奇虎360诉腾讯QQ”一案中,我国最高人民法院认定腾讯不具有市场支配地位的结论与普通公众的直观认知截然相反。此外,共同市场支配地位的适用本身也存在障碍。滥用共同市场支配地位制度在我国的立法和实践中都处于相对空白的状态,目前立法规定仍采取以市场份额为主的推定模式。由此,适用共同市场支配地位处理算法共谋会使得反垄断分析复杂化。

而具有周延性的协同行为可以较好地解决前述两个问题。协同行为属于垄断协议的兜底概念,它指经营者之间虽然没有订立协议,但为达到限制市场竞争的目的心照不宣地实施协调一致的策略行为。协同行为既可产生于寡头市场也可产生在竞争性市场,由此与滥用共同市场支配地位制度产生一定交叉。其一,协同行为与共同市场支配地位在理论层面具有同源性,因此就具备了解决共同市场支配地位理论不周延问题的前提。协同行为与共同市场支配地位制度都诞生于寡头市场理论,可以覆盖具有显著市场优势地位的企业之间实施的“默契”行为。从反垄断法对合谋认定的核心判定来看,算法共谋的违法性体现在“合谋使用特定算法”这一共同意识上,即算法共谋的可责性发生在大家做出使用特定算法这一合意之上,而非算法的实际运行。

综上,将算法共谋完全按照明示合谋认定存在直接证据缺失的问题。而适用共同市场支配地位需要完成对“共同”支配地位的证明。算法依靠技术建立“信任”、实施“一致行为”——与寡头依赖的环境基础相异,因此客观上会把共同市场支配地位的适用性推得更远。此时协同行为的适法灵活性就突显出来,后文将主要依此路径进行分析,同时,下文中提及的算法共谋如未进行明示合谋的表述,均指默示的算法共谋。

二、算法共谋与传统合谋的竞争损害比较

古典经济学按照竞争程度递增的规则将市场结构粗略分为4类:完全垄断、寡头竞争、垄断竞争以及完全竞争市场。传统理论认为,适宜默示合谋产生的典型场景为处于相互依赖的策略环境之下的市场,即寡头竞争的市场结构。因此,分析寡头市场中默示合谋的成因与损害有助于我们厘清算法共谋与传统合谋之间的异同。我们已知的算法共谋实践几乎都出现于竞争以及垄断竞争的市场。数字经济市场的竞争程度更趋向于递增的一端,纵使其体现出弱竞争效果,但数字市场始终保持在高竞争的状态下。因此,本文将重点探讨寡头市场与竞争市场(包括垄断竞争)下的合谋行为效果。

1.传统合谋的竞争损害

古典经济学认为,市场内的经营者越多越难以达成合谋,因此,经营者共谋只有在特定条件下才可能出现。当市场上只存在少数几个经营者且每个经营者都拥有一定的市场力量时,每个经营者的决策都会受到其他竞争者反应的影响——寡头竞争和垄断的问题就会出现。在这种市场条件下,寡头可能会采取降低利润的竞争策略,甚至在伯特兰德均衡的情况下利润会趋近于零。为避免这种情形出现,寡头之间因为存在垄断利润的激励,在反复多次的博弈后最终会走向心照不宣而相互依赖的合谋。此时,市场内高集中度下的合谋产生的经济损害显现——价格配置资源的机制将会失效。通过控制产量并提高价格会使社会总福利的一部分流失,成为无谓损失;消费者剩余则集中流向少数寡头经营者。此外,寡头之间相互依赖还会进一步排挤其他中小竞争者,最终出现市场失灵的情况。由此,需要通过反垄断法干预使市场机制恢复到自由供需决定价格的竞争状态。

但是,虽然寡头可以通过相互依赖获得更高的利润,但这种基于信任达成的依赖往往是不稳定的。所有的合谋内部都面临着“囚徒困境”[12]。而算法作为一种新型工具客观上可以消除这种打破“信任”的不稳定因素。基于市场份额和竞争结构的影响,算法在此时所起的作用更像是“隐形的代理工具”。寡头市场的结构已足够单一和透明,无论利用哪一种算法技术,都无法通过提升“信息对称性”来促使合谋达成或更稳定。因此,在寡头市场条件下考虑算法共谋与协同行为的差异虽然具有一定的意义,但在反垄断执法层面的意义不大。

默示合谋与协同行为这两个概念最早也是在寡头垄断市场中被提出。典型默示合谋的研究案例是双寡头垄断的形态。古诺模型最早刻画了寡头市场中默示合谋的博弈平衡。这一模型假定两个竞争者独立行事,他们了解彼此的经营信息并相互依赖,即使双方独立做出决策最终也能实现相同的超竞争价格。从制度发展来看,协同行为被各国反垄断法逐步纳入垄断协议是对实践问题的一种回应。因此,最早对协同行为进行规制的美国反托拉斯法发展出了“一致行为+其他因素”的判定模式。

2.算法共谋的竞争损害或高于传统合谋

在竞争市场中产生的合谋损害具有明显的“局部性”,即仅在一个较小的范围内由有限数量的经营者对价格、产量或经营范围等因素达成一致。参与范围的限定性与影响力的有限性是这类合谋的典型特征。这是为了防止合谋者背离的主要原因。扩大市场范围或增加合谋者个数会使合谋破裂的外部和内部风险激增,最终危及到合谋结构的平衡。

但我们已知的利用算法实施合谋的案件,几乎都发生于竞争市场。因此,算法共谋的成立主要依赖于信息技术的沟通,而非市场透明度所建立起信任机制。通过算法进行信息传递的准确性和及时性足以减少经营者背叛合谋的动机以及缺乏实质意义的突击价格战。因此,算法共谋可以使得合谋的团体更加稳定,进而会放大传统合谋中因为“局部性”所造成的危害。由此,算法共谋的场景呈现出多点、多发、弱辐射的损害特点。算法实施的共谋会出现市场内案件总体数量增加、共谋更趋稳定、举证难度更大等不利的趋势。从这种角度来说,算法共谋造成的竞争损害可能会远远大于传统共谋。

鉴于算法在合谋中主要扮演媒介和工具的角色,竞争市场中算法共谋损害效果与经营者的市场力量和合谋团体的规模呈正向关系。而规制这类算法共谋的最大挑战在于:如何打通算法共谋的违法性认定与传统的反垄断分析框架。确认构成垄断协议要求存在协议或其他达成合意的直接证据,而算法共谋往往缺乏这类认定合意的直接证据,在这一点上算法共谋与协同行为非常类似[13]。

三、协同行为中算法共谋的适法性分析

1.协同行为的总体性规制进路

寡头市场上的协同行为与竞争市场中的算法共谋都具有市场透明度高而竞争较弱的特征。协同行为的分析框架充分考量、认可并发挥了间接证据的作用。因此,通过协同行为规制算法共谋具有执法效率层面的优势。要进一步印证协同行为的适用性并对之提出优化建议,首先需要分析国际主要反垄断辖区以协同行为处理算法共谋的规制实践,总结出其相似点与适用性,进而提出针对性的优化意见。世界范围内对协同行为的规制虽然有一定的区别,但是从规制路径和认定要件来看大同小异。本文以美国、欧盟和俄罗斯的典型案例作为参考,对裁判思路进行梳理,以期得出算法共谋的协同行为规制路径。

表1 协同行为与算法共谋的市场环境与成因对比

反垄断法历史上第一起认定“协同行为”案例是美国的“州际巡回放映公司案”。该案中的经营者虽未直接进行意思交流,但美国最高院指出:虽然没有直接证据证明各分销商在州际巡回公司的组织下达成了协议,但是通过市场环境证据可以合理地认定分销商实施了“协同行为”。美国对协同行为的认定方法得到了欧盟竞争法的背书。欧盟法院(EU Courtof Justice)在“平板玻璃案”中首次为欧盟竞争法建构了协同行为的分析框架,建立了以平行行为、共谋沟通以及市场要素证据3个要件为核心的证明框架。与美国相比,欧盟更重视信息交换在限制竞争上的影响,但并不强调经营者之间存在意思联络。因此,假设协同行为的违法框架是一个公式,那么不同的反垄断执法辖区对这一公式中“其他因素证据”的参数选择和权重考量存在一定的差异。

2.算法共谋的国际司法经验

中国虽还未出现算法共谋的案件,但在欧盟与美国已有一些司法实践可供借鉴。

首先是以欧盟的“伊特拉斯案”(Etruas)案为代表的监督类算法共谋。2016年旅行社Etruas向使用其在线订票系统的30家立陶宛旅行社告知了新的折扣政策——系统将对旅行社提供给消费者的折扣自动限制为3%;若收到通知的旅行社没有表示反对该设定将自动生效。Etruas提供的主要服务是在网站上发布匹配的信息,意在撮合消费者和旅行社达成交易。Etruas在这一领域显然面临着大量的竞争性平台,如expedia、kayak、travelocity和orbitz等,其显然不具有寡头垄断的实力。若从传统合谋入手,缺乏寡头垄断的市场结构很难构成协同行为。因此,该案的争点在于这种设定是否在算法的介入下构成新型的协同行为。Etruas涉案的算法也只包括限制折扣的机制。Etruas发送了邮件以后,所有旅行社都没有就通知内容表示反对。欧盟法院据此认为:由于“不操作即生效”的算法介入,消极的不回应也会触发“一致行为”的实施,所以不对协商内容予以回应仍会被推定为执行了“一致行为”。此外,没有成功的阻止一致性折扣的生效也可以认定实施了协商的行为。Etruas案对一致行为的认定在算法领域进行了扩展,为此后在同类案件中判定行为一致性扫除了法律障碍。

其次是以美国的“托普金斯案”(Topkins)为代表的平行类算法共谋。在该案中Topkins为有意愿达成一致的经营者编写了特定的计算机程序。该程序可以为收集、交换和监控特定产品价格的行为提供便利。经营者使用这一计算机程序可以不用直接交流就能实现特定商品价格的调整和稳定。加利福尼亚地方法院认为经营者有意识地利用算法这一功能的行为违反了反垄断法。Topkins一案的意义在于以判例的形式拓宽了“意思联络”的范畴。经营者之间存在意思联络是证明协同行为存在的必要条件之一。该案证明了即便经营者未进行意思联络而使用具有固定价格功能算法的行为也可以被视为存在意思联络。

再次是以美国的“优步案”(Uber)案为例的信号类算法共谋。2015年美国的优步用户梅尔(Meyer)对联合创始人卡兰尼克(Kalanick)提起反垄断民事诉讼,后续优步被纳入共同被告。在该案中,原告主张优步与每个司机签订的纵向协议本质上促使所有司机达成了横向的价格合谋;每个优步司机都使用优步提供的算法,因此也不会就价格展开竞争,从而构成美国反垄断中的合谋。优步案中所涉的算法是既有案例中设计最复杂的,其算法包括3个计算维度:(1)统一基础价格机制;(2)监督平台内经营者的价格;(3)反映市场常规波动。被告提出协议不属于横向固定价格的范畴。但美国地区法院指出,反垄断法规定的合谋不能单单从字面进行理解。优步作为平台具有去中心化的特征。优步有没有促进该算法在司机之间形成横向合谋或者促进司机与优步之间形成纵向合谋不由技术细节而是由行为事实决定。法院认为涉案协议是以优步为核心的多种纵向协议的集合,虽然不会单独构成横向合谋,但非常有可能会构成“轴幅协议”(hub-and-spoke conspiracy)。换言之,虽然涉案协议由优步与每个司机单独签订,但司机与司机之间可能会因优步算法所产生的统一性信号而形成横向默示合谋。

最后,目前尚无关于自主学习类算法共谋的实践案例,现阶段这一合谋形式只存在于实验室的假设模型中。浙江大学社会科学实验室和计算机学院的研究人员合作设计了一个准确而完整的线性勒索合谋算法,在理论上说明了在符合古诺模型的寡头市场中,算法可以促使人与机器实施合谋[14]。不过从法律角度来看,若说是算法能够通过主动协调使人类被动达成共谋,那么能否处罚 “被动”参与共谋的经营者就存在争议。

通过前述3个案件,我们可以推导出不同类型算法合谋案件在违法性认定层面的共通点:通过技术链接形成的信任会提高合谋发生的频率,使得违法成本更低、均衡被打破的程度也更低。与协同行为相比,滥用共同市场支配地位要求行为者在拥有支配力量的同时,还要有共同实施滥用行为的主观意愿——需要进一步判断经营者是共同而非独立做出决策。因此,协同行为在实践层面可以涵盖经营者之间实施的“默契一致行为”,却不必以认定经营者具有共同市场支配地位为前提,这进一步解决了动态市场中市场份额变化快、经营者组织结构不稳定的问题。

四、优化协同行为规制算法共谋的建议

通过前述分析可以得出初步结论,协同行为具有适用灵活性和规则统一性的双重制度效率。而对于算法在上述合谋案例中引起的分析要件变化,可以总结为3个要点。首先,算法作为技术主要起着默示的沟通协调作用。无论是折扣限制、价格监督还是浮动计价最终都是通过算法计算输出的。其次,将算法作为媒介的“一致性合意”在证明方面普遍存在障碍。最后,算法所带来的技术和创新效率能否作为“合理解释”得到豁免存疑。由此,可以梳理我国认定协同行为的典型案例,观察其分析框有哪些地方需要进行优化。

国际市场监督管理总局发布的《禁止垄断协议暂行规定》(以下简称《规定》)第六条明确了协同行为的4个认定要素:(1)经营者的市场行为是否具有一致性;(2)经营者之间是否进行过意思联络或者信息交流;(3)经营者能否对行为的一致性作出合理解释;(4)相关市场的市场结构、竞争状况、市场变化等情况。

在这4个认定因素中,前3项是对协同行为是否具有“协议”效果的直接规定,第4项则旨在评估相关市场内的竞争状况。从这些要素可以看出,我国对协同行为的规制也遵循了主要辖区“一致行为+其他因素证据”的认定模式。此外,根据我国《反垄断法》第十五条的规定,垄断协议在具备合理性时可被豁免。因此,我国反垄断法体系的协同行为共具有3个法律要件,即 “一致行为+意思联络+无合理解释”。下文对这3个要件进行逐一研究。

1.充分考虑算法动态性与要素加权的复杂性

明确存在一致行为是反垄断法进行干预的前提。传统协同行为下的“一致行为”往往体现为合谋对某一价格达成的一致,但是在算法型合谋中,“一致行为”还包括了一致的计价公式(如Topkins案),一致的折扣限制(如Etruas案),多场景的浮动计价模型(如Uber案)。传统市场上对“一致行为”的认识将被算法通过多次迭代的信息博弈所取代。Etruas和Topkins案对于一致行为的实施和认定做了必要而显著的扩展——要求参与者必须对算法产生的决定进行明确的反对才构成对一致行为的否定性评价。另外,Uber案中浮动定价的商业场景应用非常广泛。互联网平台可以设定参与公司以及代理商的价格,如果生产者从串通的价格歧视中获得的收益足够大,则可能会促使价格歧视向共谋转变。从具体的治理难点来看,在黑箱算法尚未成为真正的威胁之前,监督类、平行类和信号类算法将成为执法和企业合规建设的重点监督对象。识别行为的违法性与合规义务的监督仍然需要具有技术与法律素养的专业人员执行。

2.竞争性市场中的算法意思联络

证明行为人之间具有“意思联络”是适用协同行为规制的核心。美国的“州际巡回放映公司案”表明,即使没有明确证据证明经营者之间存在协议也可能认定构成共谋。即经营者之间知悉某一经营策略(如设置价格)可以获取垄断利润,并基于对彼此的信任依赖最终都采取了这一策略,就可以构成“市场环境证据”证明合谋行为的存在。而欧盟也认为平行行为本身不能证明协同行为的存在,除非协同行为是对平行行为的“唯一可靠解释”。我们已知的协同行为分析框架之所以具有这种“唯一合理解释不成立则推定行为违法”的强逻辑联系,原因在于高集中度的市场排除了其他可能的存在。

我国的执法实践也验证了此观点。“艾司唑仑药品案”是我国认定协同行为的第一案。执法机构在案件查处过程中综合考量了市场竞争环境、经营者沟通方式以及间接经济证据。在该案中,执法机构首先分析了司唑仑原料药市场是一个典型的寡头垄断市场。其次,因为缺乏直接交流的证据,当事人主张其提价策略属于合法的跟随性“平行行为”。但执法机构指出:虽然没有明确证据表明当事人接受了涨价的提议,但是当事人在知悉信息后并未明示反对,后又实施了拒绝供货和涨价的行为。因此认为当事人与其他两家企业的一致行为是建立在知悉且推定彼此都会采取相同策略的基础上实施的。

而算法共谋对传统分析框架产生的最大挑战就在于经营者实施默示合谋可以不再依赖特定的寡头市场结构,通过算法也能对彼此的策略做出准确的预期。因而与传统合谋最大的不同在于算法共谋可以广泛地存在于竞争性市场之中。但是,不依赖市场结构提供的透明度,经营者要成功实施合谋,“意思联络”必然会更“显性化”。因此,对技术的识别又给执法机构(原告)举证带来了新的难题,它要求执法机构具备对技术证据准确的识别和应用,即从隐性的行为证明难度转向了显性的技术证明难度。

3.算法创新的合理性豁免

《禁止垄断协议行为的规定》第三条第二款对于协同行为的“合理解释”要件做了列举规定。当相关市场的结构情况、竞争状况、市场变化和行业情况符合特定条件时,就属于具有“合理解释”而不构成协同行为的情形。这些规定的关键在于分析行为后果是否符合理性经济人假设,而处理协同行为的既有实践显示,判断协同行为是否具有合理性的经济学方法有3个。第一,通过成本的合理性来辅助分析。如果商品定价不能满足经营者成本所能实现的最低竞争利益时,涉案行为应当被推定为不具有合理性。第二,通过产能是否过剩来判断经营者的提价或减产行为是否具有合理性。如果市场中没有出现产能过剩的情况,此时的经营者实施一致性提价或减产的策略也会被视为不合理。第三,借助需求弹性来分析该策略是否违背经营者的利益[15]。由此,对算法技术的合理性解释也可以延续这种思路,即判断行为是否符合上述理性经济人假设。比如,确立算法的解释制度,判断经营者是否有效履行了算法可解释义务来化解算法黑箱的不确定性、算法收集信息的内容范围是否高度重叠、算法的计算公式是否一致来考察经营者的行为是否存在“合理理由”。此外,如果经营者已经预设了禁止价格协同的程序机制(如避开价格一致的命令以代码的形式嵌入在算法中)也可以成功抗辩。

我们前述观点已经否认了算法作为技术媒介使行为人免责的可能,那么商业模式创新以及社会闲置资源的利用率提升等是否属于“合理理由”而得到豁免呢?本文的观点是,这种抗辩在某些情形下是成立的。以Uber案所涉算法为例,欧盟、美国已陆续提出了各自的能源革命目标,我国在“十四五”规划纲要中也提出将在2030年达到碳排放拐点。由此,绿色智能交通将成为重要的建设部分。Uber、滴滴等共享平台是最适合发展车联网并成为汽车资源调度平台。这类平台业已积累了海量的出行数据和行车记录,拥有显著的资金和技术优势。如果以uber和滴滴这类共享平台为资源调度平台,从数据整合的角度可以最大化提升能源和交通资源的利用率。

五、结 语

利用算法实施的明示合谋不存在制度适用上的挑战,本质只是传统合谋在信息技术年代的变种。除了自主学习类算法共谋外,其他技术类型的算法共谋不属于“新型合谋”,算法的介入也不是行为可以免责的理由。司法实践和理论分析均表明协同行为是规制算法共谋的最优选择。从理论分析来看,作为垄断协议托底条款的协同行为与滥用市场支配地位存在理论来源的相似性——都源于寡头市场理论。但是既有实践显示,算法共谋可以广泛地存在于竞争市场,经营者之间利用算法达成合意而非通过寡头形成信任依赖。此外,协同行为的适用范围大于滥用共同市场支配地位制度。因此,协同行为具有一种高度的盖然性——可以应对竞争市场中自然形成的局部失衡,也可以应对寡头市场中经营者心照不宣的利用算法实施默示共谋。相较滥用共同市场支配制度,协同行为的分析范式从立法和实践两个维度都相对成熟。因此,适度拓展和变通协同行为法律要件就可实现优化算法规制的效果。

对于协同行为的优化,可以就“一致行为”、“意思联络”与“合理解释”等3个要件进行适当的理论扩展与价值延伸。具体而言,我们应当在实践应用中提高技术证据和环境证据的证明力度,如确立计算透明程序、算法可问责制和算法解释义务等。增加技术要件的评估权重可使协同行为在现有反垄断法的框架下优化出更大的制度弹性和制约张力。在有效化解合谋损害的同时,协同行为的灵活性也能对一些兼具损害和促进竞争效果的商业模式提供豁免包容的可能。优化协同行为的分析框架可以包容算法带来的效率价值,同时也对这种效率所带来的竞争损害以适当规制。这是在技术应用日益复杂的背景下提出的必要反思,确保在鼓励创新、发展的同时使技术带来的负面影响保持在可控的范围内。