大数据运用视角下互联网反垄断规制的完善进路

丁国峰

(安徽大学 法学院,安徽 合肥 230601)

一、 问题的提出

伴随着互联网新技术、新业务、新模式的迅速迭代,我国互联网经营已涵盖网络游戏、电子商务、网络媒体、生活服务、云服务、金融数据服务、生产制造服务、社交网络服务、搜索服务等几乎所有与人们生活、工作、学习有关的领域,多家互联网巨头在上述领域垄断流量入口,逐步形成“两超多强”的行业格局。(1)参见中国互联网协会:《中国互联网企业综合实力发展报告(2020)》,载中国互联网协会网,https://www.isc.org.cn/editor/attached/file/20201026/20201029.pdf,最后访问日期:2023年8月1日。然而,在“大数据”“云计算”等热词铺天盖地而来的同时,互联网企业发展中的新问题也在“厚积薄发”,价格歧视[1]、固定价格、大数据使用限制、“二选一”、竞价排名等行为或现象,成为数字经济时代区别于传统限制竞争行为的反垄断难题。其中,以BAT为代表的互联网行业巨头,不断通过并购、投资、开辟新业务等方式完善上下游产业链和业务生态,(2)参见中国信息通信研究院:《中国互联网行业发展暨景气指数报告(2020)》,载中国互联网通信研究院网,http://www.caict.ac.cn/kxyj/qwfb/bps/202007/P020200731602415396355.pdf,最后访问日期:2023年8月1日。基于大数据的加持,市场地位日益巩固,支配相关市场、限制竞争的潜力日益增强。继2020年国家市场监管总局对阿里、阅文、丰巢因违反经营者集中申报程序进行反垄断行政处罚后,(3)参见赵文君:《阿里、阅文、丰巢合计被罚150万元》,载新华网,http://www.xinhuanet.com/fortune/2020-12/14/c_1126858391.html,最后访问日期:2023年8月1日。2021年,市场监管总局依法对阿里巴巴集团在中国境内网络零售平台服务市场实施“二选一”垄断行为作出182.28亿元的行政处罚,(4)参见国家市场监督管理总局:《市场监管总局依法对阿里巴巴集团控股有限公司在中国境内网络零售平台服务市场实施“二选一”垄断行为作出行政处罚》,载国家市场监督管理总局网,http://www.samr.gov.cn/xw/zj/202104/t20210410_327702.html,最后访问日期:2023年8月1日。可以说大数据影响下的反垄断2.0时代已经到来。为营造良好公平的市场竞争环境,破解垄断和资本无序扩张,我国高度重视互联网企业的反垄断监管,“十四五”规划和2035年远景目标纲要、党的二十大报告等文件均多次提及要“加大反垄断和反不正当竞争执法司法力度”,针对互联网平台企业的反垄断监管举措正在不断升级更新。从《关于平台经济领域的反垄断指南》的出台到《反垄断法》的修订,先后出台或修订的法律规则是我国当前针对互联网企业垄断问题的最新行为标准,但这些规范性文件在实践中面临着执行困境,难以有效地规制平台经济领域的垄断行为,特别是如何对更加隐蔽和复杂的互联网企业运用大数据实施的垄断行为进行规制,仍是亟待解决的重要问题。

为有效解决这一问题,相关学者从多个层面展开研究。一是对数据的法律属性研究。有学者认为,大数据因不具有特定性而不能成为法律客体存在,又因其无独立经济价值而不能成为财产[2];但有学者认为,公共数据侧重于财产属性,不具备人格属性,而私人数据则是集财产属性和人格属性于一体的综合体[3]。二是对互联网企业数据垄断的相关市场界定的探讨。有学者认为,在大数据应用场景下,互联网平台在原有双边市场、非对称性定价特征基础上还呈现了跨界经营的新特点,可尝试淡化相关市场的概念[4];有学者基于国内外司法实践中执法机关对垄断行为审查态度的变化,主张改进假定垄断者测试法,以更好满足相关市场界定的需求[5]。三是探讨大数据背景下限制竞争行为的新表现及其监管方案。首先是数据垄断性协议,即互联网企业利用算法实行共谋达成垄断协议的行为,有学者提出在认定垄断协议主体时,具体落脚在算法的设计者、改进者或使用者[6];还有学者根据算法共谋的运行机制,提出运用比例原则,在成本效益分析的基础上进行谦抑监管[7]。其次是滥用数据市场支配地位,有学者根据我国滥用市场支配地位表现类型呈现窄化的问题,认为应穿透表面类型、深入互联网企业的市场势力、行为的逻辑和类型、竞争损害效果等方面,从形式判断转向兼顾形式和实质判断[8];在认定市场支配地位上,应综合适用市场份额推定,或综合考虑大数据的竞争属性、经营者的控制能力、在关联市场的力量以及竞争效应[9]。最后是数据驱动型经营者集中与企业并购审査,最主要的问题是现有合并申报门槛不符合数据时代要求[10],有学者提出将营业额标准改为营业额和交易额相结合的标准,并将并购无营业额企业的行为纳入经营者集中规制的范畴[11];也有学者提出了多元化的申报标准,将市场份额和交易额纳入考察范围,防止扼杀市场竞争和创新[12];还有学者主张可以将数据标准纳入经营者集中审查考量因素中[13]。

国外学者也陆续关注到互联网企业反垄断的新挑战。有学者注意到对数据权利属性的研究,是明晰数据所有者、占有者、使用者权利义务边界的基础,也是奠定互联网企业收集数据、处理数据权利义务边界的重要一步[14]。基于此,有学者对大数据进行了解构分析,认为对大数据的定义应从静态特征和动态机理两方面同时加以考量[15]。与此同时,在大数据背景下,对造成垄断结果的互联网巨头的处断,有学者提出应以开放数据共享的方式取代传统拆分企业的做法[16]。面对大数据引起的互联网行业的监管问题,有学者提倡积极地实施靠前监管;也有学者认为应保持克制,因为现有法律框架能够评估大数据引起的风险,故重点在于平衡好监管的优缺点[17]。

综上所述,大数据运用背景下互联网企业的商业模式和产业生态确实为反垄断法的分析框架带来了严峻的挑战,从开始的怀疑到逐步确定,国内外学界对于反垄断法介入数字经济的正当性及合理性已无过多争议。但从既有的文献来看,学界似乎缺乏从大数据运用的视角对互联网企业的运行特征及其垄断行为进行整体的检视,特别是我国对于互联网企业数据垄断行为的规制方案仍旧存有诸多争议,而域外的研究成果又有一定的地域局限性。基于此,本文首先从垄断形成的机理出发,探讨大数据如何助力互联网企业形成并巩固垄断地位;其次从宏观的视角对互联网企业的数据垄断行为进行全面考察,揭示现有规制方式的局限性;最后有针对性地提出可行的解决方案,以期为实践困境的破解和立法制度的完善提供可能思路。

二、 大数据运用视角下互联网企业垄断形成的机理

大数据作为一种全新的生产要素,是互联网企业竞相争取的资源。大数据助力下的互联网产业也是数字经济中最具活力的领域,呈现了极端的规模经济、较强的网络效应、锁定效应、服务的多面性、纵向一体化或宿主欠缺等普遍特点。(5)参见European Commission: Proposal for a Regulation of the European Parliament and of the Council on contestable and fair markets in the digital sector (Digital Markets Act), at https://ec.europa.eu/info/strategy/priorities-2019-2024/europe-fit-digital-age/digital-markets-act-ensuring-fair-and-open-digital-markets_en(Last visited on Aug 1,2023)。由于互联网企业通过平台将商业用户和最终用户联接在一起,随着用户群的扩大、大数据的集聚,其逐步主导平台规则的制订、商业条件的确定,最终会设立有利于自身的交易条件、排除或限制竞争的行业规则。

(一) 网络效应与规模经济共振

用户数量是互联网企业创收的根本,当互联网企业平台未能集聚足够用户时,无论是付费平台还是免费平台,都无法通过大数据分析为用户提供定制化服务形成用户黏性,继而无法实现收入增长。对于付费平台,即使前期积累了部分用户,随着体验的边际服务效益的递减,用户便不再愿意消费,最终“用脚投票”退出平台;对于免费平台,用户数量是其存活和发展的根本,因为对终端用户(消费者)免费,必然需要对商业用户(经营者)收费,商业用户等平台内经营者鉴于平台内最终用户的巨大存量所带来的庞大消费者群体和巨大流量才愿意付费获得互联网企业提供的平台“中介”服务。

互联网企业运用大数据强化了平台的网络效应。当平台内的商业用户数量越多时,可提供的产品或服务也就随之增加,基于大数据的精准推送也将吸引更多的最终用户;与此同时,当平台内的终端用户不断增加后,各商业用户为了获得这部分目标客户,也会积极加入平台中[18]。当终端用户和商业用户的数量达到一定规模后,经过大数据的不断优化服务,互联网企业提供平台服务的边际成本趋于零,收入几乎可以直接转化为利润。这也是互联网平台企业区别于传统单边市场的体现,服务平台内经营者和消费者两个群体间相互关联,一边的用户数量将直接决定另一边的用户数量,双边的用户数量互相借力攀升,而互联网平台企业又借着这种网络效应实现规模经济。但是,必须防止逆网络效应的出现,即防止不利于平台信誉的用户行为,因为最终用户将因商业用户的不诚信行为而转向其他平台,商业用户也将因同行用户的不良行为转移经营阵地。若网络效应是原因、规模经济是结果,那么二者共振形成的价值链所生成的交易社区,集聚了行业内几乎所有的优质资源,也就顺其自然地完成了用户锁定,为其实现有意或无意的限制竞争行为提供了重要前提条件。

(二) 锁定效应与用户选择欠缺

在平台多样化选择的情形下,鉴于各平台为吸引用户而积极采取的竞争行为,用户拥有选择更有利于自身平台规则的机会,最终基于市场经济下的供需平衡、技术改良等因素,实现各方利益的共同增长,这是自由充分竞争市场的美好期待。然而事实是,用户可以对比选择的网络服务提供商屈指可数,市场进入壁垒并非想象中的形同虚设。目前中国境内网络零售平台获客成本逐年提高,潜在进入者达到临界规模的难度不断增大,正如市场监管总局在对阿里的行政处罚中写道:进入网络零售平台服务市场不仅需要投入大量资金建设平台,建立物流体系、支付系统、数据系统等设施,还需要在品牌信用、营销推广等方面持续投入,进入相关市场成本较高,同时网络零售平台须在平台一边获得足够多的用户,才能实现有效的市场进入。(6)参见国家市场监督管理总局:《国家市场监督管理总局行政处罚决定书(国市监处〔2021〕28号)》,载国家市场监督总局官网,https://www.samr.gov.cn/jzxts/tzgg/xzcf/art/2023/art_9317466fa1634a62b06206c783d5925c.html,最后访问日期:2023年8月1日。为此,有学者认为用户选择多元(多宿主现象)使得锁定效应减弱,从而加剧企业竞争。(7)多宿主现象,是指消费者在不同的产品上使用类似的服务,使得消费者可以轻易在多个产品间选择其目标服务。从无选择,到有额外一两个选择,确实实现了进步,但这与充分的自由选择尚有较大差距,用户的选择仅局限于几个互联网头部企业,在他们的服务中来回切换。因此,不能就此得出用户选择多元使得锁定效应减弱的结论,反而有必要关注用户选择欠缺的现象。用户选择多元,会促进市场竞争,最终将有利于消费者福利增长,但这确是互联网企业不愿看到的,他们鼓励或要求用户选择单一服务[19],在单一服务中,无论是平台内经营者,还是消费者等最终用户,被限定在规则已被单方面制订的单一平台内进行交易,几乎成为“提线木偶”,而“提线人”则可以享受其所制订规则的红利。

从根本上说,用户锁定源于网络效应产生的庞大消费者群体和流量、可选择的替代平台欠缺以及转换的成本考虑等,用户只能被动继续使用该产品或服务[20]。互联网企业基于交叉网络外部效应利用大数据能够产生较大的价值,这些功能和价值很难被有效替代,在很大程度上能够阻止用户转移到其他平台上[21]。一个实例就是,当绝大部分的联系人都在使用微信时,我们很难转移到其他即时通信平台上。也就是说,互联网企业一旦形成规模经济,一方面会利用其掌握的用户数据分析用户偏好,以便有针对性地调整产品和服务;另一方面是习惯性适用意味着用户平台转换将面临很高的成本,用户的自主选择权行使实际上受到阻碍。相应地,互联网企业拥有的商业数据量大质优,又会吸引更多的经营者和消费者。若平台经营者始终以提供更加优质服务为目标,其大数据利用行为本无可厚非,但当其利用积攒的平台优势,只为自身经营利益考量时,用户便成为被动的市场参与者,因而被平台牢牢锁定。

(三) 服务多面性与经营多元化

大数据时代,互联网技术赋能传统产业已是大势所趋,这也为互联网企业拓展服务范围、实现服务全流程化提供了契机。互联网头部企业正基于大数据,以提供数字化解决方案的模式向传统产业加速渗透。阿里巴巴、京东等互联网平台企业在巩固核心业务的同时,积极整合上下游交易链,通过纵向、横向等多方并购的方式构建以平台服务为中心的产业生态,比如打造自己独有的支付手段,建立强大的物流服务支撑和数据处理能力,实现人力资源、资金、产品服务的自由掌控与流动。与此同时,积极开发平台内部的搜索引擎,阻断其他在线搜索引擎,就是认识到使用外部搜索引擎终将限制其对产品排名等方面的自行控制。除此之外,为充分利用平台优势资源,提高经营效益,互联网企业必然寻求跨界经营来构建平台生态并向消费者提供一站式消费服务,并购企业往往处于不同的产业部门、不同的市场领域,且这些产业部门的产品并没有密切的替代关系,并购企业之间也没有显著的投入产出关系。问题在于,当互联网平台企业向其他行业领域多元化发展,并在不同行业领域之间实现数据资源共享后,其很可能会利用数据资源优势地位将其在核心业务市场的垄断势力延伸到相邻市场,实行不公平竞争行为[22]。

三、 大数据运用视角下互联网企业反垄断规制的现实挑战

互联网企业之所以能享用大数据带来的巨大红利,这既是因为大数据技术背后专业的运作机理,也是由法律滞后带来的“漏洞福利”。传统垄断行为一般有外在的、易被识别的物质或行为表征,而在大数据技术被广泛融入市场行为中的数字经济时代,垄断行为开始以不易察觉、不易判定的方式存在。例如,基于大数据的算法跟进,市场竞争者可以更隐蔽地参与协同行为,轴辐协议成为监管者需要密切关注的垄断行为;大数据作为一种新的生产要素的加入,使得滥用市场支配地位行为的表现形式更加面宽、多元;经营者集中作为一种迅速进入新领域的方式,成为互联网企业强化市场支配地位的青睐手段。

(一) 定价算法共谋:加剧垄断协议隐蔽程度

随着智能算法的广泛应用,经营者更倾向于借助算法黑箱的内部代码和沟通过程的隐蔽性达成垄断协议,导致反垄断法规制无从下手[23]。从2017年世界经济合作与发展组织(OECD)就数字经济时代算法共谋问题专门组织专家学者研讨,算法引发的垄断问题便一直备受关注。2019年国家市场监管总局发布的《禁止垄断协议暂行规定》中,已经对约定采用据以计算价格的标准公式行为作出构成垄断协议的认定。新公布施行的《关于平台经济领域的反垄断指南》中,“算法”一词出现10次,说明算法已然成为我国反垄断关注的重点。算法共谋实现的资源要素是大数据,实现的技术要素是算法、算力,实施的逻辑基础是信息偏在。如果将算法视为自然人,大数据就是其间接的知识供给,通过大数据的不断“喂养”,算法得以被训练、“成长”,直至能够实施自主决策行为,互联网平台企业以其相较于散点化用户的技术上的专长,掌握着更加翔实丰富的交易“底牌”,能够作出更利于自身的经营决策。

根据OECD的分类,算法可以分为监督算法、平行算法、信号算法和自主学习算法。(8)参见OECD,Algorithms and Collusion: Competition Policy in the Digital Age, at www.oecd.org/competition/algorithms-collusion-competitipn-policy-in-the-digital-age.html(Last visited on February 1, 2021)。可是算法何以促成共谋,进而造成反垄断的规制难题?从类型化的视角来看,首先,监督算法促使信使类共谋形成,监督算法可以实时掌握相关市场价格数据,继而提示潜在的垄断协议者达成关于产品价格的一致协议,但是该算法尚不能自主设置一致价格,仍需借助人为沟通来达成垄断协议,因此监督算法仅是经营者实施共谋的“工具”。其次,平行算法在监督算法上实现了升级,原本易被发现的垄断协议者之间的沟通协议,被算法取代,各算法使用者默契地采用了使其利益最大化的自动化决策算法,省去了现实中协议者们沟通的步骤,由此垄断经营者们难以解决的“囚徒困境”,也不再是问题。多个经营者利用算法形成价格共识,达成纵向共谋,然后根据平行式算法的反馈和决策自动化机制,对协议价格作出市场反应,自动决策多个有竞争关系的经营者之间的定价策略,从而达成横向共谋,实际上是一种轴辐协议[24]。再次,数字经济时代市场高度透明的特点,源于用户可以实时查询到产品的不同价格,事实上,正是这种透明使占据大数据技术优势的互联网企业,更加方便地实现要约(信号)的传递,进而使得潜在垄断者实现更高水平的默契。在这一过程中,信号算法发挥着重要作用,信号算法通常被头部企业使用,因其行业领先地位对其他企业有重要影响,一旦其他企业对此种要约作出回应,信号式算法便促使代理类共谋达成,非领先企业则难以主动从信号算法中汲取利益,因为发布的信号价格一旦得不到其他企业特别是头部企业的回应,就会要么因价格过高导致销量减少,要么因价格过低引起行业惩治其背离行为。最后,最复杂且尚待研究的是自主学习算法,因其能够在大数据环境下,完成比人类更加迅速的自主学习,从而以“理性”方式参与市场竞争,自主学习算法既可能通过试错逐渐实现市场均衡,也可能基于利益最大化考量攫取垄断利润,促使自主类共谋的产生,最终严重侵害消费者权利,削减消费者福利。

(二) 数据优势滥用:竞争与隐私的双重损害

数据作为市场竞争的资源要素,其保有量是衡量市场支配地位高低的新维度。《德国反限制竞争法》第18条将是否“拥有与竞争相关的数据”作为认定市场支配地位的重要因素[9]。2019年我国国家市场监督总局发布的《禁止滥用市场支配地位行为暂行规定》第11条将“掌握和处理相关数据的能力”作为认定互联网等新经济业态经营者具有市场支配地位的重要考虑因素,《关于平台经济领域的反垄断指南》和新修订的《反垄断法》延续了这一点。大数据就如同石油一样,经过人工提取、淬炼过后,价值不菲。对互联网企业来说,数据保有量的多寡,潜在影响着竞争优势的强弱。率先进入市场的互联网企业可以在短时间内集聚大量用户数据,后进入的经营者即使投入多倍的成本,也很难获得同容量的数据[25]。同时,随着数据保护立法的出台,数据收集、处理的成本越发高昂。现实案例中,欧盟认定亚马逊操纵产品排名案、LinkedIn与HiQ数据爬取纠纷案、Facebook强迫收集用户信息条款案、阿里巴巴“二选一”滥用市场支配地位案、美团限制支付渠道案等,让我们思考:互联网企业何以有如此勇气采取此类涉嫌垄断行为?此种勇气来自两个方面:自信与忧患。对用户数据的全面掌控,给予了它们信心;对保持自身行业领先地位的私心,让其产生了忧患。

第一,数据资本时代,互联网企业可以通过使用数据来提高产品质量,提供高效服务,但大数据占有绝对优势者也会通过禁止互操作、产品服务捆绑搭售、其他克减数据使用者权利等方式妨碍自由竞争。一方面,互联网企业通过大数据的优势地位,实施迫使相关利益方提供数据或以独占数据的方式阻碍其他经营者获取数据、拒绝其他经营者合法使用其提供的平台,以限制互联互通、建立行业进入壁垒等不公平规则或行为等,这既是单独的限制竞争行为,也可以被看作为实现传统滥用市场支配地位行为的预备行为,这种滥用大数据占有优势地位可认为其属于排他性滥用[26];另一方面,互联网企业基于大数据优势,享有数据控制权[27],对市场中的其他经营者采取过度定价、施加歧视性条件等不公平交易价格或条件的剥削性滥用行为。比如,“大数据杀熟”本质上就是商家为攫取超额市场利润,凭借算法技术和数据资源剥削消费者知情权的行为,但现行立法并没有对此类剥削性滥用行为予以明文制止,实践中要么基于“法无规定”而逃避法律监管[28],要么符合价格歧视或价格垄断的特征向排他性滥用靠拢[29]。

第二,大型互联网企业可能会滥用其支配地位或优势地位,侵犯消费者的个人隐私或信息数据等合法权益[30]。从平台竞争的角度来看,互联网企业向消费者提供免费服务而支付成本代价的主要收益实际上是消费者在平台上为企业免费提供了具有经济价值的数据资源。互联网企业通过收集、分析和预测用户的行为数据,为用户定制个性化服务,从而形成用户黏性,此时的互联网企业可以通过增加义务、分享利润等形式向另一群体(商业用户)收费,这是互联网企业营利的本质。随着互联网企业收集用户数据的增加,就越来越能够提供更优的个性化的服务,对其平台上个人或企业经营者的支配能力就越强,基于此,互联网企业又能收集更多的数据,进一步提升自身的市场力量与对用户的支配能力,用户就个人隐私的控制能力时渐微弱,由此造成恶性循环[31]。

(三) 数据驱动型经营者集中:潜在限制竞争行为

就互联网企业跨平台和跨领域的经营者集中,即使已经达到申报标准,其也宁可违法实施集中,而不事先向反垄断执法机构申报,原因不是其不知晓申报义务和规则需求,而是其在做一次当前反垄断治理基调下十拿九稳的“赌博”。在腾讯收购易车股权未依法申报违法实施经营者集中案中,腾讯2019年营收3772.89亿元,易车2019年营收107.53亿元,国内营收也远超4亿元,已经达到经营者集中申报的标准,但违反申报程序的后果至多是50万元罚款,而其因数据资源整合获得的竞争优势,却无法估算。近几年,尽管我国反垄断执法强度加大,但经营者集中案件一般均是以违反集中程序施加处罚,很少出现被认定为排除、限制竞争的集中,这主要是顾虑对互联网行业反垄断执法强度的加大可能会抑制互联网行业的创新发展,因此总体上秉持谦抑的监管基调,但这并不代表着完全否认互联网企业跨平台、跨领域实施集中所可能引起的排除、限制竞争行为的后果。在对数据驱动型经营者集中进行反垄断审查时,坚持以传统的市场份额作为市场力量和竞争情况的评估指标会削弱数据资源的作用,具有很大的局限性,那些未达到申报标准的经营者集中仍有可能产生排除、限制竞争的效果。美国1982年《合并指南》就以竞争约束已被市场中的经营者感知将潜在竞争区分为“可感知潜在竞争”(Perceived Potential Competition)和“实质潜在竞争”(Actual Potential Competition)。数字市场中,在位企业市场力量受到网络效应等市场特征的影响、巩固和维系,使得潜在竞争对在位企业施加的竞争约束成为确保市场有效竞争的关键性力量[32],看似相关性不大的经营者之间的集中,因为用户数据的共享,开辟新市场、锁定新用户、提供新产品的能力得以进一步提升,谷歌努力收购Fitbit以实现跨界整合也体现出此种趋势。(9)参见新浪财经:《欧盟批准谷歌21亿美元收购Fitbit交易》,载新浪财经网,https://finance.sina.com.cn/tech/2020-12-17/doc-iiznezxs7494290.shtml,最后访问日期:2021年1月3日。大数据运用下以营业额标准作为经营者集中申报标准的方案,已不足以应对数字经济发展的潮流。欲施行经营者集中的互联网企业即便是入不敷出,也不代表其不具有排除、限制竞争行为的能力。正如某些互联网企业起初为了集聚用户量,采取“烧钱”模式吸引大量用户,前期账面入不敷出,但后期现金流指数化增长,占据业内主要市场,成为行业领头羊。

四、 大数据善治运用下互联网企业反垄断规制的改进举措

大数据作为互联网企业发展的“石油”,已成为数字经济的命脉。(10)European Commission, Towards a Thriving Data Driven Economy, at https://www.eesc.europa.eu/en/our-work/opinions-information-reports/opinions/towards-thriving-data-driven-economy(Last visited on Jan 4, 2021)。而如何将“石油”合理利用,是互联网企业反垄断规制的根本出发点。在大数据流动过程中,大数据的产生主体(用户),大数据的载体、储存者,大数据的处理程序(算法)、处理者等每一环节的每一主体或客体以及因果循环,都应在互联网企业反垄断执法中统筹考虑。

(一) 算法共谋的谦抑认定:扩大垄断协议范畴

数字经济时代,利用先进的算法技术随时随地感知、捕获、传递和处理信息成为互联网企业共谋达成的新样态。由于缺乏明确或者法律意义上的协议形式,算法合谋是否应当被纳入垄断协议的规制范围,历来有颇多争议[33]。但技术中立从来不是责任豁免的理由,算法也并非垄断协议逃避法律监管的借口,为了处理算法共谋,应该拓宽反垄断法中垄断协议的定义,将算法合谋扩大解释为达成垄断协议的一种法定典型手段。

1.责任主体:算法的使用者。互联网技术发展使垄断协议的达成以及其他协同行为的实行变得越发容易,这也让积极主张对算法进行规制的学者有了更多的理由。在此情况下,有必要明确反垄断法规制的客体。显然,人工智能不具有自然人的个体差异性,也没有自然人所具有的道德、良心,不具备独立承担民事责任的前提条件[34]。同时,智能系统是否具有意识也是承认其权利能力或法人资格的基础[35],在强人工智能尚不存在的当下,算法只具有工具属性[36],没有自主意识,自然无法成为承担法律后果的主体,也不是反垄断法规制的对象。因此,当前的反垄断执法应聚焦于算法应用场景中所涉及的人这一要素。为此,发生在寡头市场并在不同功能算法助力下实施的明示共谋和默示共谋,分别适用垄断协议制度和滥用共同市场支配地位制度,由此滥用共同市场支配地位制度从市场支配地位制度的运行和拓展中应运而生[37]。

在监督算法中,认定垄断协议的存在,还需要明确潜在的垄断协议实行人在现实生活中为达成垄断所进行的沟通协商行为,这种行为的认定与传统垄断协议达成的行为并没有实质上的翻新,因而单从监督算法角度而言,反垄断执法机构无须针对互联网企业,额外安排特殊的执法措施。在平行算法中,算法使用者使用算法的目的就是要实现平行定价,但实现平行定价并不等同于实行垄断行为,需要区别对待行业领导者和跟随者。在信号算法中,快速感知的高级算法虽然节约了价格谈判的成本,但信号算法的价格自动跟随行为会因此获得超额竞争利润,最终损害消费者的福利,实践中发出“共谋要约”的行为人会根据其他竞争者的反应进一步利用信号算法调整价格,如果其他竞争者继续回应涨价,则可认定默示共谋达成。受制于人工智能技术的瓶颈,实践中未出现自主学习共谋的实例,即使算法在人类不可知的状态下发生共谋,但无论是人工智能算法本身还是算法的设计者都是为了企业的利益在从事相关营利行为,因此责任主体毫无疑问的是使用算法的人[24]。

2.监管重点:平台的经营者。互联网技术给经营者带来的便利之一就是一个简单的算法便可以实现与市场同类产品或服务相当的定价。因此,市场跟随者只想作出符合市场行情的定价,并无实际参与限制竞争行为的能力和目的。区别于行业跟随者,行业领导者的定价行为需要承担更多义务,因其定价会被跟随和模仿。这好比相较于普通公民,公众人物参与社会活动时,需要承担更多的责任。同样的定价行为,行业领导者的行为可能会被认为是限制竞争,而跟随者的行为却只是正常的市场参与行为。当然,从一开始就希望通过平行算法实现价格固定的跟随者,仍需承担限制竞争行为的责任。在轴辐协议中,也存在类似的情况。例如,同众多优步司机一样的平台内的经营者,他们并没有实施垄断行为的故意,而是在使用由平台经营者统一提供的算法时,被动地成为垄断行为人的帮助者,对其予以惩治并无必要性。最应受反垄断法惩治的是平台经营者或核心平台服务提供者。与此情形类似,在信号算法中,如前文所述,只有行业领先者的价格要约,才会引起其他追随者的跟进,继而影响竞争价格,而此种跟进行为完全是出于普通经营者参与市场竞争的经营理性,并非出于攫取垄断利益的目的。因此,有垄断故意又实施了有效的垄断行为的主体,通常是平台经营者或核心平台服务提供者,其他竞争者只是被利用的对象。综上,在监督算法场景下,传统的反垄断法足以应对;在平行算法和信号算法应用场景下,应受反垄断法规制的是平台经营者或核心平台服务提供者,即大数据应用背景下,对互联网企业的反垄断规制,不必将焦点集中在算法导致垄断协议达成或协同行为实现上,而应在谦抑的监管框架下,将中心集中在平台经营者或核心平台服务提供者的合规经营上,规范好“守门人”的市场行为,这也是欧盟DMA制定的基本逻辑。

(二) 数据优势滥用的化解:数据利益合理分配

数据从来都不是谁占有、谁就享有绝对权利。在数据作为资源存在的竞争市场中,对数据权益的合理分配,是完善竞争秩序、促进自由竞争的重要内容。如果将数据按照所反映的内容划分为个体活动数据和自然数据,那么未有智力劳动加入的自然数据属于无主数据,其权属应从加入智力劳动时开始分配,贡献智力劳动者有权对其主张权益。而个体活动数据因其一开始就涉及人格身份这些法律基本元素,天然与自然数据不同。从个体数据,到企业数据,再到公共数据的过程中,随着智力劳动的不断加入,对其主张权益的主体也随之增加,参与市场活动的自然人对那些未经脱敏处理的数据始终具有权利,这一点在各国“撤回同意”“要求删除”等法律机制的设置上可见一斑。那么,对经过脱敏处理、加入了组织智力劳动的公共数据、企业数据和个人数据,组织就天然享有绝对权吗?答案是否定的,大数据的集成不能忽略元数据的供给,即使去除了个体数据的标签,也泯灭不了其在构建数据池中的价值,让组织暂时行使对数据的权利,是出于发挥数据资源价值的需要,而非原本就应该如此。从公平竞争和平等使用的角度来看,确保数据互联互通,向数据价值的创造者转移红利,防止数据优势滥用,是维护公平市场秩序的根本之道。

1.市场竞争秩序恢复:滥用市场支配地位立法类型重构。大数据对市场竞争的影响让部分互联网企业跃升为同类中的佼佼者,利用大数据提升产品质量和服务水平,提高生产率也成为单个企业竞争和增长的基础。与此同时,基于数据形成垄断地位的互联网企业通常也会滥用其支配地位,针对用户黏性和消费能力较强的消费者施以更高价格或更严限制条件,最大限度地攫取用户剩余价值[38]。尽管剥削性滥用并非是直接损害竞争的行为,但能大幅度提高互联网企业收益,长此以往也会形成竞争优势,间接地破坏竞争生态。我国《反垄断法》并未对剥削性滥用与排他性滥用进行区分,因而在实践中,剥削性滥用由于具备排他性滥用的部分特征常常被划归为排他性滥用,但传统的反垄断立法对大数据滥用行为的规制不力已经表明完善滥用市场支配地位行为的立法紧迫性,而且大数据在运用过程中对传统市场竞争的颠覆式冲击使得滥用行为的表现已全然不同于传统市场,有必要将新型剥削性滥用行为纳入反垄断规制范畴。

数据滥用行为的反垄断规制,滥用行为的认定也是重中之重。当前市场支配地位滥用行为的分析模式有形式主义和效果主义之分,前者是指只要该滥用行为符合法律规定即可推定其具有竞争损害,后者则需要综合考察案件全部事实才能判断是否存在竞争损害。从数字经济市场的特性出发,形式主义简化了数据滥用的分析程序,只要互联网企业运用大数据的行为符合滥用的形式定义,就会被反垄断法禁止,这对大数据的市场运用过于严苛;效果主义则过度关注静态场域,对于架构在大数据之上的动态竞争关注不足,难以及时保障科技创新型小企业公平竞争的市场环境。可见这两种分析模式的适用都存在弊端,此时可以考虑结合两种分析模式的优势,创造出结构型效果主义分析模式。具体而言:结构型效果主义分析模式对竞争损害进行违法性推定,无须严格证明市场力量与滥用行为之间的因果关系,只要互联网企业数据运用行为符合法定类型,就可推定其损害竞争,但应当允许互联网企业提出正当理由进行辩驳,除传统抗辩理由外,还应包括为实现研发而产生的竞争不匹配等动态效率抗辩[29]。

2.个人信息保护互补:大数据共享下消费者福利的提升。《反垄断法》和《个人信息保护法》在法律制定上有着不同的目标。《反垄断法》旨在保护市场公平竞争,提高经济运行效率,确保持续创新,并最大限度地提高消费者福利;而《个人信息保护法》旨在保护个人信息权益,使数据免受商业企业和政府组织的无端剥削。但在数字经济时代,数据也是连接反垄断和个人信息保护的纽带。一方面,更充分的竞争有助于个人信息的保护,在完全竞争的市场中,个人信息保护的质量将成为用户是否继续使用服务的关键,这将倒逼互联网企业不断提高用户信息保护水平;另一方面,个人信息保护水平的提高将促进竞争水平的提升。当保护达到较高水平时,用户不再担心个人信息被滥用,继而将允许个人信息的平台间传递,大大降低数据的交易成本,减少新兴互联网企业的进入壁垒。欧洲议会表决通过的《数字服务法案》加强了对消费者权利的保护,提高了平台对内容控制和信息透明度的责任标准,从而在尊重基本权利的同时,以应对技术迅速发展带来的新挑战[39]。因此,大数据应用背景下互联网企业的反垄断效能提升,离不开个人信息保护的发力。首先,在微观层面分析数据权利属性,不仅要从呈现状态上认识数据,而且应追根溯源,基于数据的形成过程,探究不同类别数据的特点,继而确定其权利归属。以个人数据向企业数据转变过程为例,个人消费轨迹等信息的承载者无疑是个人数据,在此阶段的数据权主体是个人;当个人数据附条件地被收集、储存、处理,形成企业数据或公共数据时,根据此时数据是否具有标签性、可回溯性,可将其分为具有人身权益的数据和不具有人身权益的数据。其次,明确数据在其产生、储存、处理、利用整个流程中各主体的权利义务,在个人信息保护的加持下,尽可能降低数据利用壁垒,以实现大数据的共生共享、市场竞争的充分化,最终实现消费者福利的提升。

(三) 经营者集中申报标准:营业额标准的改进

大数据占有优势是衡量互联网企业竞争优势的重要维度。对互联网头部企业来说,大数据占有呈现边际成本递减趋势,即通过早期投入建立基本数据池后,每再增加一个单位的用户数据,其所要支付的成本是递减的,甚至在零成本下也可获得额外数据。而对新成立的互联网企业来说,大数据占有呈现边际成本递增,原因在于已经实现大数据积累的头部企业不愿共享数据,或者即使共享也基于较高的交易成本。加之,数据保护有关法律陆续出台,新创立的互联网企业难以像行业巨头那样享受制度阙如下的数据收集“红利”。头部企业排挤、政策逐步收紧,导致该类经营者即使能够进入相关市场,但因进入成本过高,也无法与现有经营者进行有效的竞争。因此,头部互联网企业能够利用大数据的预测功能洞悉市场的发展趋势,获知潜藏的竞争威胁,同时为扼杀潜在的竞争者,锁定具有潜力的初创企业进行并购。根据《国务院关于经营者集中申报标准的规定》,我国对经营者集中的审查以企业营业额为主要依据,同时辅之以反垄断执法机构裁量控制的标准,但通过对初创企业持股和控股的方式实现的数据驱动型并购,极易免予申报义务。为此,要想将数据集聚的经营者集中纳入反垄断审查范围,在保留现有营业额申报标准的前提下,大体上还有以下几种路径。一是引入交易额标准。由于交易额能够在一定程度上反映被并购主体的真实价值,美国反托拉斯法规定了交易规模标准,如果所涉并购交易标的额超过2亿美元,则需要进行企业并购申报,结合我国数据驱动产业已经形成了头部互联网企业资源集中的现状,并购初创企业成为头部企业的经营策略,为防止其利用现有申报标准规避经营者集中审查,可以考虑引入交易额标准[40]。二是采用市场份额标准。考虑到互联网行业涉及数据聚集的经营者集中频发,按照数据聚集的经营者集中所涉标的在相关市场的市场份额情况确定是否需要进行申报,这不失为一种良策,主要原因在于互联网企业具有跨界竞争特点以及普遍采用VIE结构,准确的营业额信息难以获取,而市场份额相对来说更为公开,且很难造假[41],而且市场份额越大,其竞争优势就越大,市场力量就越强,谋求超高垄断利润的动机就越强[42]。

五、 结 语

作为全球第二大的数字经济大国,我国数字经济发展为自身经济高质量发展和全球竞争力跃升奠定了坚实的基础。伴随着数字经济时代的大发展,大数据已成为市场竞争中不可或缺的生产要素。但是,因为对这一新的生产要素认识尚未深入,而且当要素之间的关系发生变化或建立新的联系时,就会发生技术变革,所以面临着在何种限度内任其发展的问题,不加规制、任其发展,或者严格监管、紧盯风险,这些显然都是不合理的。上述主题探讨的就是在数字经济迅速发展的背景下,尝试分析大数据运用给互联网企业反垄断带来的挑战。无论是通过算法共谋达成垄断协议或实施协同行为,还是大数据占有优势地位的滥用,抑或是基于大数据利益考量的经营者集中,均需在基本理论方面深入研究,综上寥寥数语只作了宽泛的探讨。然而,无论今后对以大数据为重要生产要素的互联网企业如何进行反垄断监管,一条重要的原则应是:促进大数据共享。正如,知识只有经过共享,才能创造更高价值。至于共享的成本,还需要在学者们对数据的权利属性进行深入研究的基础上,再行确定。