生成式人工智能领域的垄断风险及治理策略

摘要：在世界数字化转型背景下，生成式人工智能和机器学习这一生产工具为企业在数据市场竞争中提供了源源不断的信息池活水，不断促进产业结构的调整和重塑，但由此引发的数据资本垄断问题也日益成为制约市场经济健康发展的桎梏。当前生成式人工智能的发展模式本质上依赖于数据规模，具有较高的市场进入壁垒，这使得生成式人工智能行业实际为大型既有平台主导，在表征上具有准自然垄断属性，从而导致全球范围内在生成式人工智能市场的竞争规则上形成了以反垄断法规制为主和直接行业规制为主的治理路径分歧。参照“可竞争市场理论”，我国当前生成式人工智能行业仍处于初创阶段，面临较大的竞争压力，应坚持包容审慎理念下以反垄断法为基础的政策解决方案，厘清反垄断法适用于生成式人工智能行业的路径和框架，以促进相关行业的健康发展。

关键词：人工智能；机器学习；反垄断；市场力量；竞争损害

一、问题的提出

2024年2月16日，美国人工智能公司“开放人工智能研究中心”（OpenAI）发布全新的生成式人工智能模型（AI Generated Content，AIGC）Sora，成为全球关注热点。据OpenAI介绍，Sora作为首款文生视频模型可根据文本指令创建近似现实且富有想象力的场景，例如生成多种风格、不同画幅、最长为一分钟的高清视频。该模型还能够根据静态图像生成视频，或对现有视频进行扩展或填充缺失的帧。但在被问及Sora使用了哪些训练数据时，OpenAI首席技术官Mira Murati语焉不详。生成式人工智能领域因其数据需求和算法特性导致了竞争隐忧的产生，并引发各国监管部门的广泛关注，亟须制定相应规范。2月28日，白宫发布消息称美国总统拜登正式签署了一项主要针对“数据经纪商”等成批处理、出售或转让美国个人数据的公司的行政令，旨在限制向包括中国在内的“相关国家”大规模出售美国公民个人数据。同月，我国网络安全标准化技术委员会正式发布国内首个面向生成式人工智能服务安全领域的技术文件《生成式人工智能服务安全基本要求》（以下简称《安全基本要求》），为促进生成式人工智能健康发展和规范应用提供了依据。其中明确指出，“提供生成式人工智能产品或服务应当遵守法律法规的要求，尊重社会公德、公序良俗”，要“尊重知识产权、商业道德，不得利用算法、数据、平台等优势实施不公平竞争”。3月13日，欧洲议会正式投票通过并批准欧盟《人工智能法案》，这标志着欧盟扫清了立法监管人工智能的最后障碍。由此可见，探索构建生成式人工智能的规制路径，已成为一个全球化的现实问题。

与其他领域的垄断问题相比，人工智能行业的垄断行为具有新颖性、专业性、复杂性和隐蔽性特点，不易被识别。生成式人工智能领域相关主体参与竞争的要素包括获取大量优质数据、顶尖人才和专业知识、雄厚的资金、适合开发和培训的基础设施，以及在这些要素基础上训练出来的尖端模型。这些竞争要素的存在决定了该领域具有相当高的进入壁垒，相关技术和市场会高度集中于当前的科技巨头，对中小型科技创新企业参与该行业构成潜在压制。上述特征使得生成式人工智能行业在表征上具有自然垄断属性，并在市场的竞争规则上形成了反垄断法规制和特别行业规制两种治理路径。本文参考“可竞争市场理论”，提出生成式人工智能行业虽然具有自然垄断的部分静态特征，但作为初创行业，其市场结构和竞争样态并未完全确定，各类互联网平台企业均可能在既有业务之外进入生成式人工智能市场。当前阶段仍应坚持以反垄断法为基础的竞争政策解决方案，识别具有重要战略意义的行业在发展初期阶段的各种内在冲突，厘清反垄断违法和豁免的界限，保障生成式人工智能市场健康发展。

二、生成式人工智能行业的准自然垄断属性及规制困境

生成式人工智能研发中所需算力、算法、数据三大基石的高起点以及硬件配置、软件框架、平台等维度间深度耦合的特点，使得获得先手优势的大型既有平台主导软件设计、平台研发、智算应用等关键流程，能够整合引领产业整体发展，排斥、限制市场竞争进而实现垄断。这种天然的从竞争到垄断的发展趋势赋予了生成式人工智能行业“准自然垄断属性”，对具有事后启动、分散推进特征的传统监管提出了挑战，当前仍面临垄断行为识别难度高、监管力度把控难及规制体系混乱的治理困境。

（一）生成式人工智能行业的准自然垄断属性

1.准自然垄断属性

界定准自然垄断属性的概念，首先要明确何为自然垄断及自然垄断行业。作为现代产业经济学理论中的重要内容，对于哪些因素能构成自然垄断或者采用何种方法来判定行业的自然垄断属性，国内外学者基本已达成共识。即认为自然垄断的根源为规模经济、范围经济及成本次可加性，具备上述相同性质的生产要素的组织结构体系即为自然垄断行业。但仅局限于用静态分析市场结构判断某行业是否属于自然垄断是片面的。随着技术基础或市场需求的不断变化，一个产业可能从传统自然垄断状态中脱离出来成为非传统自然垄断，这种变化为引入竞争创造了可能。这就意味着可以根据技术基础或市场需求来确定某一行业是否适合竞争，确定可以采取哪些有效的竞争形式，以及竞争机制需要引进到什么程度，进而对自然垄断产业重新定性。

2.生成式人工智能行业具有准自然垄断属性

生成式人工智能行业竞争的背后是生态系统的竞争。能否在市场上巩固其领先地位并不断扩大优势，取决于是否能够搭建一套完整的、排他性强、独占性强的生态系统，涵盖开发商、供应商、集成商、运营商、用户等产业链上的各个主体。对生成式人工智能进行训练所需的人力、物力、财力等天然竞争壁垒限制了中小企业进入市场竞争，由既有大型平台主导市场走向，使得市场应用价值与用户量成正相关，经济力量出现向既有大型平台集中的趋势。由于其具有高准入壁垒，目前推出该类产品或服务的均为大型科技企业。这些企业大多已在数字经济的多个领域和层次占据了一定的市场份额，而生成式人工智能的强通用特征，使得它几乎可以被运用在数字经济的各个领域，并迅速带来竞争优势。这为大型科技企业提供了更大的动力和几率，或通过兼并收购其他企业来降低边际成本，或通过横向或纵向并购的方式获取经营数据、拓宽用户群体和规模来扩大市场规模，以其数据优势、人才优势、资金优势等“绑架”竞争对手，束缚市场新进入者的创新能力，从而使自身在有外来参与者的市场上拥有更强大的竞争力。既有大型平台通过数据源的集成构建了标准化且有市场价值的工作流程，并与用户建立了粘性。一旦用户被锁定，非主导平台如初创企业甚至中小规模企业因高切换成本难以与其竞争，削弱了非主导平台挑战既有大型平台的能力，无法扭转生成式人工智能市场集中度过高的状况。

（二）生成式人工智能垄断风险规制现状

就我国现行法律基础而言，宏观层面对生成式人工智能行业准自然垄断的治理框架已基本搭建完成，微观层面也已出台较为明确的规范指引。从宏观上看，规制框架可以分为“硬法”和“软法”两种视角。

1.“硬法”的规范

“硬法”是指具有强制服从的威慑力的“他律”。目前，我国生成式人工智能治理中的“硬法”的规范，包括：《中华人民共和国反垄断法》（以下简称《反垄断法》）、《中华人民共和国数据安全法》等法律，《上海市促进人工智能产业发展条例》《深圳经济特区人工智能产业促进条例》等地方性法规，《生成式人工智能服务管理办法》（以下简称《管理办法》）、《互联网信息服务算法推荐管理规定》（以下简称《算法管理规定》）等部门规章。

2.“软法”的规范

“软法”主要是指道德，更强调通过政治组织创制的自律规范和行业创制的自我约束条例等手段产生社会实效。“软法”主要包括：依党中央、国务院部署要求颁布的《新一代人工智能发展规划》《北京市促进通用人工智能创新发展的若干措施》等产业政策，国家新一代人工智能治理专业委员会发布的《新一代人工智能伦理规范》《网络安全标准实践指南—人工智能伦理安全风险防范指引》等科技伦理方面的指引文件，江西省市场监督管理局制定的《江西省数字经济领域反垄断合规指引》等行业规范。

可见，我国目前在宏观层面注重生成式人工智能行业垄断的监管，并通过“硬法”和“软法”对生成式人工智能进行多层次的综合规制。

从微观上看，《管理办法》是我国首个针对生成式人工智能行业监管进行全面规范的指导性文件，反映了我国在决策层面治理生成式人工智能行业准自然垄断思路的进一步深化和延伸。在监管方式上，提出对生成式人工智能服务实行包容审慎和分类分级监管，要求国家有关主管部门针对生成式人工智能技术特点及其在有关行业和领域的服务应用，完善与创新发展相适应的科学监管方式，制定相应的分类分级监管规则或者指引。可见，《管理办法》结合了安全性设计、合法性设计和伦理性设计的综合治理思路对服务提供者的合规义务进行了细化，便于宏观层面规制措施的落地和执行。

就当代世界各国针对生成式人工智能领域反垄断执法的新动向而言，2024年3月13日欧盟《人工智能法案》正式通过，其作为全球首部人工智能领域的全面监管法案，根据生成式人工智能系统的特点对服务提供方的义务进行严格审视和重新校准。2024年1月16日，新加坡AI Verify基金会和新加坡信息通信媒体发展局共同制定了《生成式人工智能治理的模型人工智能治理框架草案》，以培育可信的生成式人工智能生态系统。2023年12月7日，加拿大隐私专员办公室发布了针对生成式人工智能技术的规制文件——《生成式人工智能技术的基本原则：负责任、可信和隐私保护》。2023年10月30日，美国总统拜登正式签署第14110号行政命令“安全、可靠和值得信赖的人工智能开发和使用”，提出联邦机构要选拔并增设本部门的首席人工智能官，该制度作为白宫有关生成式人工智能的首套监管规定，创新了政府对人工智能领域的监管形式。

简言之，聚焦生成式人工智能的准自然垄断风险问题，世界各国都开始意识到对其进行监管的必要性，并调整监管力度，力求在控制生成式人工智能风险的同时助力生成式人工智能行业健康发展。

（三）生成式人工智能行业的规制困境

生成式人工智能行业的规制是人工智能治理的重要组成部分，可以适用一般范式和治理原则，但生成式人工智能的发展规律并未完全明晰，简单套用“软硬法协同共治”的基本路径仍存在垄断行为识别难度高、监管力度把控难及规制体系混乱等多方面的规制困境。

1.垄断行为识别难

（1）技术垄断限制技术监管降低审查精准性

生成式人工智能在技术与领域的高度复合性增加了监管的困难，即技术监管限制降低了审查精准性，具体体现在：一是生成式人工智能领域的在线市场概况具有动态性，仅以某一时间段的静态市场份额占比的结果难以有效评价动态的市场变化。这种特殊的动态性、迭代速度快的特性都使得在线市场概况的反映存在困难，市场力量和市场份额的衡量标准也存在模糊地带。二是既有大型平台的核心技术在一定程度上领先于信息安全、网络安全技术的发展，其为了把握市场的先机和隔绝政府的干预，总是倾向于保持先进技术对外界的不透明状态，这种技术垄断限制了技术监管本身的发展，监管技术也因此被挤出信息网络技术的第一梯队。三是难以界定垄断行为是人工智能行为引发的巧合性后果还是使用者暗箱操作的刻意引导。生成式人工智能行业中的算法黑箱问题使得企业可能通过算法暗地达成垄断共谋，但由于算法本身不具备恶意，即算法程序的运行也不受开发者、使用者内心欲望和偏见的影响，共谋的主观意图难以被认定，从而逃脱反垄断法的制裁。

（2）经营者集中存在申报漏洞影响审查有效性

根据我国《反垄断法》第26条和《经营者集中审查规定》第5条之规定，相关市场界定和市场支配地位的认定仍是判断经营者是否滥用市场支配地位的前置必经步骤，然而在调查生成式人工智能行业的经营者集中案件时，反垄断机构对经营者集中的调查往往因为面临技术问题、取证高成本压力等困难，历时数年才得出结论。此时既有大型平台一般已经凭借稳定流量的不断引入获得用户和市场地位，为了巩固其优势地位又通过集中过度消灭竞争者、提高市场集中度、增强市场控制力，即便将其判定为非法集中，经营者可能面临的事后违法成本与合并的巨大收益相比微乎其微，造成消费者福利和社会总体福利的减损。因此，在生成式人工智能领域中仅通过市场份额推断经营者实际存在对市场的控制能力不准确。

2.监管力度把控难

一方面，过度监管可能扼杀初创企业活力。生成式人工智能的风险需根据不同应用场景采取不同风险导向的场景治理路径。若不对场景进行区分，直接强调穿透式监管或“全链条治理”，将导致某一细分领域的监管措施过于严苛。其一，过度监管抑制初创企业的创新能力。在逐渐垒高的行业壁垒面前，小型科技创新企业可能为了生存不惜打政策、法规的“擦边球”，甚至突破监管底线违规、违法操作，造成恶劣影响。其二，过度监管抑制生成式人工智能领域创新能力。WU T和THOMPSON SA通过统计相关数据发现，2000年以来，苹果、谷歌、脸书和亚马逊等少数几家平台公司总共收购了数百家公司，其中脸书和谷歌收购了350家公司。世界各国的反垄断执法机构未能阻止此类并购，其中许多并购消除了实际或潜在竞争者的竞争威胁。初创企业中的创业者认为若避免不了被科技巨头企业并购的结果，出于理性经济人利益最大化的考虑，可能更倾向于选择后者报价更高的创新方向，导致生成式人工智能领域的创新效率降低。

另一方面，监管不足可能造成市场秩序的紊乱。为了巩固自身在市场上的领先优势，既有大型平台因拥有市场壁垒可能会干预行业标准的制定，通过制定利己的行业标准继而获得更广泛的市场认可和市场份额，甚至决定市场走向。例如，既有大型平台可以通过获取生成式人工智能模型的设计和开发标准、应用和部署标准、性能和社会评价标准等标准制定权，使得其他经营者的产品无法接入，从而推广自产的生成式人工智能产品和服务垄断市场，典型案例是微软公司为Office 2007产品开发的技术规范Office Open XML，现已成为国际文档格式标准。

3.规制体系混乱

生成式人工智能技术加速和深化了跨部门的数据共享、智能协同联办和流程再造。跨部门协同监管仍存在信息孤岛、职责孤岛，生成式人工智能行业准自然垄断规制仍存在困境。在政策具体实施方面，还存在市场形势判断难、干预时机决断难、责任主体划分难等难点，市场主体开展安全可信技术创新激励和容错措施尚未制度化。包容审慎监管试点较少，对拟实施或已实施的监管产生影响的分析程序重视度不够，科技伦理治理公共服务平台有待建设。

在治理主体方面，考虑到生成式人工智能行业准自然垄断的风险会涉及多个领域，在不同场景需要由不同主体进行监管。然而，多方监管容易产生监管的竞争与推诿问题。对于可能提升监管考核数量指标等表面功绩的事项，各个监管主体可能会采取积极的监管政策并主动推进执法进程。相反，对于情况复杂、涉及面广且潜在利益不足的事项，各个监管主体则可能会选择推诿扯皮，从而出现执法空档现象。无论是竞相执法还是推诿执法，都有可能导致执法效率低下、成本高昂、收益有限，造成执法资源浪费，进而影响行业竞争格局与公共利益。

三、准自然垄断属性需要行业监管和反垄断规制的平衡解决潜在垄断和路径分歧的问题

竞争政策和产业政策之间的冲突具有客观性，但不是必然有害的。反垄断法规制代之以行业监管是各国监管改革的普遍规律。当前，我国监管模式已经完成了从行业主管、独立监管到统筹监管的转变，强化事中、事后环节的严格问责。反垄断机构旨在维护竞争的市场结构、促进垄断性行业市场主体提质增效，行业监管则在市场准入、合规指导等事前“体检式”监管方面具有天然优势。由于各监管路径的专业能力和实践经验不同，分工合理的监管模式能最大程度发挥优势，因此对自然垄断或准自然垄断行业的规制存在以反垄断法规制为主和以行业监管为主的路径分歧。

（一）协同治理的实施路径

如前所述，行业监管和反垄断规制分别对应产业政策和竞争政策，这是政府经济政策在监管实施层面的微观体现。因此，行业监管与反垄断规制的分工协同问题也属于正确处理政府与市场关系的范畴。无论是反垄断规制还是行业监管，治理路径都基于适用场景变化而产生变化形态（表1），下文仅就以反垄断规制为主和以行业监管为主的两种路径做详细阐述。

1.以反垄断规制为主，行业监管为辅

以反垄断规制为主，行业监管为辅是指反垄断法一般适用对自然垄断行业规制的前提下，通过行业监管制度的补充适用，将两种制度优势最大化，以期达到最佳规制效果。这种制度范式实际上是通过两类机构适度分工、紧密合作，减少不必要的权限重叠，克服裁决冲突，形成优势互补的权限配置。

由于具体行业的竞争程度受经济技术条件和市场需求等因素的影响，反垄断规制与行业监管的关系也随之变化。准自然垄断行业垄断与竞争并存，对其规制的目标是促进有效竞争的实现，若过分依赖行业监管容易导致对垄断规制的不足。根据各国规制经验，在垄断与竞争并存阶段，反垄断法适用困境需要通过行业监管制度制度的补充适用去克服，反之行业监管制度的缺陷也需要加强反垄断法的适用去弥补。就规制市场主体滥用其支配地位而言，行业监管机构的存在能够弱化反垄断执法机构所面临的信息不对称问题。从多数国家的立法体例来看，目前选择将反垄断法置于市场经济基本地位并优先适用的情形居多，其中又以美国最为典型。

与欧盟先规范后发展的监管立场不同，美国在垄断问题的治理上主要采取相对开放的管理战略。美国联邦贸易委员会主席Lina Khan表示，将对微软、亚马逊和谷歌在人工智能初创公司OpenAI和Anthropic上的数十亿美元投资进行调查，以揭示这些主导公司的投资和合作伙伴关系是否可能扭曲创新和破坏公平竞争。此外，美国联邦贸易委员会和司法部一直在讨论由哪个机构负责审查微软和OpenAI之间的交易，双方对管辖权的争夺为正式调查设置了障碍。过去，美国联邦贸易委员会和司法部一直试图避免重复调查，2019年它们达成了一项分工协议，将科技巨头的反垄断调查拆分开来，脸书和亚马逊归FTC调查，Google和苹果归司法部调查。总体来看，美国执法机关采取了较为温和的反垄断规制手段，例如出台了一些针对生成式人工智能行业既有大型平台的反垄断法，以促进生成式人工智能产品和服务在全球的强势发展，期望实现政府的一些政治目的和维持霸权地位。

2.以行业监管为主，反垄断规制为辅

以行业监管为主，反垄断规制为辅是指在双重管辖模式下，主要适用行业规制，反垄断执法机构在国家体制中的地位位于行业监管机构之下，由行业监管机构负责执行本行业的绝大多数行业监管，反垄断规制则补充适用。行业监管往往采用“命令—控制式”的立法模式，由行业监管机构设定相应的标准，通过许可或禁止的形式强加于被规制者，具有较强的不可变通性和强制性。换言之，行业监管无须分析该行为在具体的场景中是否对竞争造成负面影响，而是一经发现即可以概括性地禁止。以停止违法行为为主要救济措施的反垄断法虽然能够较好地解决策略性的市场失灵，但不能真正处理结构性的市场失灵。与之相比，以行业监管为主，反垄断规制为辅的规制路径在面对结构性市场失灵时，可以从市场主体、交易客体、交易条件、竞争关系等多层面重新构建市场条件，能够更为便宜、常规地监督受规制主体，即便反垄断法干预失灵，其损害后果也较轻。但与此同时，预防为主的行业监管模式容易引发打击企业创新性、破坏市场正常运作的副作用，典型如欧盟出台《数字市场法》以加强事前监管的方式革新监管框架，导致部分企业合作需要重新部署或停滞。

在欧盟的竞争法实施模式中，大部分反垄断执法由欧盟委员会进行，强调制定一系列的明线规则（bright-line rules），为执法提供可靠的制度遵循，使得行政权力更为有效地实施。欧盟委员会曾采用传统的反垄断法就个别企业实施反竞争性行为进行针对性调查，以事后救济的形式弥补相关行为对同行竞争企业造成的不利影响。然而，仅靠传统竞争法的事后监管措施难以矫治因“守门人”技术依附性和强垄断性属性引发的系统问题。2020年12月，欧盟率先出台了《数字市场法》与《数字服务法》，突破了传统竞争法下的监管框架，实现了由反垄断规制事后监管到行业规制事前监管的转变，在“守门人”对市场造成不可挽回的有害影响前进行干预。但欧盟采取较为严格的监管框架与其在人工智能技术领域的落后有关，正是由于欧盟一直以来对经济垄断行为严格监管的保守态度，才使得欧盟的市场主体主要都是中小企业，中小企业在技术研发、商业模式和用户服务等各方面都缺乏竞争优势，很难成长为能够抗衡谷歌、苹果、亚马逊等互联网巨头的平台。

（二）竞争规制应以反垄断法规管为主

反垄断法规制与行业监管这两种手段的适用目标都是为了实现行业有效竞争的引入和社会整体效益最大化，加上行业的创新和发展需要更具开放性和竞争性的市场环境，虽然基于行业安全考虑可以制定并执行一定的产业政策，但仍应优先考虑和普遍适用竞争政策，坚持反垄断法的主导地位。理由如下：

1.基于维护竞争秩序的监管目标考量

行业监管重在保障行业的稳健运行和实现行业政策目标，无法完全基于竞争秩序的考量去应对行业存在的竞争问题。行业监管机构因承担行业标准制定、执法监管、信息披露等职责，为了保护服务接收方的利益和市场整体稳定性及服务质量，往往采取更为严格的监管措施。行业监管趋严的影响是多方面的：一方面，强监管举措会增加行业内服务提供者的运营成本和潜在风险。在穿透监管、实质重于形式的监管原则下，企业为了满足各项监管要求需要投入更多的资源和精力进行内部管理，特别是对于一些高风险业务的投入态度由积极转向谨慎，导致业务盈利空间收窄和业务拓展受限，以致企业缺乏主动寻求盈利和发展的内在动力，更没有动机为了追求更高的市场利润而提升企业竞争力。另一方面，强监管举措会使得市场缺乏竞争和创新，影响其长期发展。仅有市场竞争秩序，没有创新驱动发展的市场将很难在数字化经济时代背景下产生好的市场绩效。科技巨头凭借其数据优势、技术优势、资金优势和专利优势等能够轻松打开新市场，假设再伴随针对中小企业实施的不正当竞争行为，可能会破坏整个市场的创新激励机制，最终导致市场失灵。简言之，行业监管机构制定的相关政策可能因追求政策性指标而偏离维护本行业发展的目标，这意味着竞争规制仍应侧重于维护竞争秩序，以反垄断法规管手段为主。

2.基于针对垄断行为的规制权限考量

法律是一切制度实行的强制保障，也是行业监管最有效的保障。反垄断执法机构和行业监管机构虽然是在国务院领导之下的平级机构，但由于权限和分工的不同，反垄断执法机构具备对包括行业监管机构在内的主体实施的限制竞争行为的规制与执法权限。从相关法律规范上看，虽然行业监管机构在关注到行业存在竞争乱象后已提出公平竞争与反垄断的相关要求并出台监管规范，但这种监管更多地体现为一种“合规监管”，即相关监管规则往往以行业监管机构的名义发布，规范位阶低。加上所发布的新文件通常是针对行业出现的新问题，规范方式零散，并未形成系统的行业监管规则，反而容易导致市场参与者似乎是合规经营。相比之下，反垄断法作为我国市场经济体系中的基础性法律，对市场经济下各个行业与市场的垄断行为具有统一的监管权限。根据《反垄断法》第2条规定，我国最高立法机构赋予了反垄断法对市场经济中所有行业存在的排除、限制竞争行为的统一管辖权，只要现代社会认为某个行业属于市场经济范畴，应当引入竞争机制以实现行业资源的优化配置，那么该行业就不能排除适用反垄断法。由此，在反垄断执法过程中采取以反垄断规管为主的路径能够弥补行业监管独立性的不足以及可能造成的竞争损害。

3.基于相关处罚措施的落实程度考量

自然垄断行业相对于一般竞争行业在竞争水平上的差异，决定了竞争机制在这些行业内发挥作用的局限性及政府直接干预的诉求，这进一步凸显了反垄断法旨在最大化竞争优势及行业监管制度将政府干预诉求制度化的不同特性。在安全与发展并重的共同目标下，行业监管与反垄断规制分工协同，共同治理行业发展过程中无法回避的垄断问题。在市场运行过程中，由于“有限理性”和“不完全信息”等因素的存在，监管机构、被监管企业等博弈参与方难以在初始阶段就作出完全理性选择。即面对频繁发生的交易行为，监管主体判断交易行为的合规性成本变大；而按监管博弈论的纳什均衡分析，企业采取高风险行为可能获得的额外收益远远大于可能遭受的损失，这使其在博弈初期能凭借信息优势作出有利于自身经营的策略选择，致使监管部门的判断产生偏差。现有的行业监管规范侧重对行业内风险的防范与市场秩序的维护，无法有效应对一些隐性垄断行为。如我国近年来为更好地落实监管措施，通过颁布处罚细则的方式补充完善了行业监管法律法规，但最主要的惩罚措施只是警告和罚款。警告处罚往往不会影响企业的持续经营，仅损失一些声誉对其而言并不会起到太大的震慑作用；“天价罚款”的处罚举措相对于企业获得的隐藏收益，处罚力度不值一提。因此，需要寻求反垄断法的有效治理，包括但不限于责令改正违法行为、信用惩戒和吊销营业执照等处罚方式。

四、生成式人工智能领域准自然垄断风险的规制进路

生成式人工智能行业要实现“使市场在资源配置中起决定性作用，更好发挥政府作用”的目标，就要在坚持竞争政策优先与反垄断主导地位的前提下引入竞争机制，分场景、分环节地对潜在竞争进行分析，贯彻包容审慎监管原则。既要通过完善行为规则有效防范和化解生成式人工智能领域的垄断风险，也要通过放宽市场准入、降低行业进入壁垒和赋予消费者自主选择权等结构性改革，以保护和促进竞争来控制既有大型平台的市场势力和行为，提高实际和潜在竞争对手的生存能力，继而推动我国生成式人工智能行业的健康良性发展。为此拟提出如下建议。

（一）在反垄断法框架下出台专门的行业竞争指引

“十四五规划”提出要推进监管能力现代化，对新产业新业态实施包容审慎监管，同时《法治政府建设实施纲要（2021—2025年）》明确提出“完善与创新创造相适应的包容审慎监管方式”。在生成式人工智能领域内实施包容审慎的常态化监管应尊重相关市场内经营者的自主性和创造性，在不伤害消费者利益、社会公共利益和国家总体安全的前提下，给予市场充分竞争的时间和空间以及试错机会，从而培育更多的新业态、新模式。虽然我国在绝大多数自然垄断行业引入了竞争机制，使行业在整体上处于垄断与竞争并存的阶段，推进市场化改革进程，但规制方式仍有不合理之处，对行业发展起不到有效激励的效果。

发达国家对自然垄断行业规制改革的经验证明：规制治理是竞争法规制的方向，规制的核心是产生立法规制。立法是规范市场秩序的治本之策，为市场主体活动提供了有效规范，如果没有相关法律法规对市场行为进行约束，整个市场就可能出现无序状态。例如，生成式人工智能领域内企业的竞争归根结底是对用户注意力资源的争夺，故在相关市场界定中需强调考虑动态竞争情况和可能的竞争来源。在生成式人工智能领域中清晰地界定相关市场十分困难，可以从实施行为的经营者主营业务可能的辐射范围出发，结合相关市场的潜在竞争状况展开。英国竞争与市场管理局对脸书并购Giphy一案表示：“无需清晰界定相关市场，相关市场评估是一种分析工具，其更重视竞争来源与约束评估而非仅仅静态的明确经营者竞争的市场范围。”英国信息专员办公室就监管生成式人工智能市场的垄断问题发布了《针对开发或使用生成式人工智能的指南》，从数据控制者与数据处理者的地位、风险影响评估、最小必要原则等方面提供了明确的监管适用方法。

我国目前在法律层面对生成式人工智能的回应还在探索阶段，已经初步形成了以《管理办法》为枢纽，统合《反垄断法》《数据安全法》《深度合成规定》《算法管理规定》等规范的治理框架，但在竞争规制层面，对该行业的规制仍应以反垄断法为核心。虽然反垄断法明确规定经营者不得利用数据和算法、技术、资本优势以及平台规则等从事本法禁止的垄断行为，但上述规则和传统的反垄断法分析框架对生成式人工智能领域的适用门槛和认定标准的理解还存在较大差异，如相关市场的界定、相关市场的准入条件以及市场支配地位的程度。建议反垄断执法部门在既有反垄断法的框架下结合企业侧的客观事实，围绕上述垄断具体认定标准判断企业是否具备所处相关市场至关重要的竞争资源，是否会阻碍其他企业进入目标市场，并出台细化指引。

（二）开展市场调查，梳理相关垄断风险

生成式人工智能行业涉及的产业链复杂程度高，且上下游产业之间紧密关联，在秉持包容审慎原则为其营造适宜发展、有效竞争的市场环境的同时，也应当开展市场调查，梳理相关垄断风险并及时对其进行规制。

参考美国的报告，生成式人工智能领域最明显的垄断风险包括如下四种形态：

1.在先企业可能实施搭售行为，将生成式人工智能应用程序与现有核心产品联系在一起，以降低竞争对手独立生成式人工智能产品的价值，进而扭曲竞争。如微软曾将ChatGPT捆绑至微软公用云端服务平台（Azure），这可以视为一种搭售行为。

2.在先企业也有可能利用其市场支配地位实施排他性交易，竭力将用户引导至自家的生成式人工智能产品，如英伟达拒绝向某些生成式人工智能开发者或服务提供者销售用于人工智能训练的显示芯片A800。

3.在先企业利用其在计算机领域的影响力，通过独家云合作伙伴等方式对自己及合作伙伴给予区别于市场新进入者的歧视性待遇。云服务提供商可能对第三方大模型提供更高市场报价、更低质量的云服务，却优待其自有的大模型用于数据训练或算力提供，如在搜索引擎领域，谷歌将聊天机器人（Bard）接入其搜索服务。

4.扼杀式并购的风险。在先企业出于避免竞争以推出更好的产品或服务的目的，对中小初创企业实施“掐尖型并购”。如2022年2月，英伟达终止了收购安谋国际科技股份有限公司（ARM）的交易，美国联邦贸易委员会称，该收购将扼杀多个处理器市场的竞争，包括云服务提供商的芯片。

为了解我国相关行业垄断风险的形式和程度，建议我国执法机构借鉴英国竞争与市场管理局的行业调查，启动对生成式人工智能行业竞争态势、竞争特点、竞争效果和垄断风险的摸排，形成行业竞争评估报告为后续规管参考。

（三）明确豁免范围，为创新提供空间

由于数据的易复制性和生成式人工智能的用户多栖性等特性，数据交互传输常常会成为设计和开发新产品、新服务的必备基础。科技企业与科技企业之间、科技企业与传统企业之间、利用数字技术进行全链条改造中的传统企业之间，都可能出现基于数据开放与共享的广泛合作。这种为了共同的研发目标而投入各自优势资源形成的合作可以提升生成式人工智能领域创新的整体价值，但在反垄断法语境下，具有横向竞争关系的经营者之间达成联合很可能会被视为具有排除、限制竞争的效果。就生成式人工智能领域而言，具有竞争关系的经营者之间直接或间接地交换涉及彼此生产经营行为的“敏感信息”，反垄断执法机关可能将其认定为实施隐蔽共谋行为前的准备措施，继而影响经营者独立决策并最终在事实上引发垄断。因此，在判断合营企业交换敏感信息是否属于垄断协议中的豁免情形时，应加入对于商业模式特殊性质和管理模式创新的考量，将相关数据的交换控制在必要限度内。

在统一式的监管措施面前，虽然合规要求并无差距，但初创企业往往面临着难以承担的巨大合规成本。如果不采取适当的措施对其进行保障，既有大型平台可以凭借自己的资源优势在实现技术创新的同时完成合规要求，而中小企业则只能在创新与合规中艰难抉择，这种情况将导致头部企业垄断市场的程度不断加剧。对此，我国可借鉴《数字市场法》，设立分级的正负义务清单群对既有大型平台进行预防性规制。负面清单明确绝对禁止生成式人工智能领域既有大型平台实施具有危害性的、反复性的不法实践，如算法合谋、自我偏袒、捆绑销售等；明确企业严格禁止的事项，杜绝其不法行为，遏制资本的无序扩张。正面清单的制定则要考虑到生成式人工智能市场动态性的特点，以保护消费者和商业用户的权益作为依据，前瞻性地列出企业应为的事项。这些事项可能在我国还缺乏足够的经验，故较于负面清单的确定性，正面清单的义务规定应主要为概括性事项，如数据可携带性、互操作性，以及要求既有大型平台在与用户的合同中纳入FRAND条款以防止超级平台滥用其强双边连接性的市场地位来不公平的对待商业用户及消费者。正面清单具有较强的变通性，给予执法机构一定的自由裁量权来应对数字市场的变化，这也表明对生成式人工智能行业经营者的执法坚持了包容审慎原则。

对于监管机构而言，由于反垄断豁免制度将部分“利大于弊”的垄断行为排除适用在规制范围之外，此举更有利于在执法资源有限的情况下以风险为导向，加大对既有大型平台企业数据、算法活动等高风险领域的检查力度，适当减少对初创企业签订垄断协议等风险相对较低领域的资源投入，动态配置监管资源以缓解监管时滞，提升监管效率。

基于上述考量，建议尽快明确反垄断法“安全港”条款规制的适用标准，同时研究集体豁免适用的可行性，尽快与欧盟等反垄断司法辖区的做法接轨。

五、结语

生成式人工智能领域存在复杂竞争关系，其准自然垄断属性又是众多垄断问题滋生的关键所在，亟须治理。同时，生成式人工智能行业的发展以科技企业创新为动力，其特有的破坏性创新属性也倒逼反垄断监管模式更新。虽然我国目前针对生成式人工智能行业准自然垄断风险的规制已经初步具有了规范框架，主要由国家网信办等行业监管机构进行监管，但囿于行业监管存在竞争监管规则不足、规制权限低以及监管措施落实不力等问题，无法有效规制垄断行为，应当遵循竞争政策优先原则，采取以反垄断法为主，行业监管对反垄断法一般适用进行适度补充的治理路径。本文尝试参照“可竞争市场理论”，从市场竞争过程视角出发，提出生成式人工智能领域准自然垄断风险的规制进路，为生成式人工智能行业的健康发展和有效监管提供一定参考。

Monopolistic Tendencies and Solutions of the Generative AI Industry

Abstract： In the context of digital transformation， Generative AI （GenAI） and Machine Learning （ML） have become significant information-seeking approaches for business entities， thus promoting the readjustment and upgrading of the industrial structure. However， the problems induced by the monopoly of digital capital in the GenAI Industry increasingly impede the development of the segment and， even worse， the industry. Currently， the development of GenAI primarily depends on the database， which poses barriers to market entry for other entities. The GenAI Industry is hence dominated by the large business entities， exhibiting quasi-monopolistic tendencies. The industrial situation triggered a divergence in solutions to the monopolistic tendencies： to primarily rely on the Anti-monopoly Law or the industrial regulations as the main approaches in terms of market competition rules in the GenAI industry. The GenAI Industry of China is in its early stages with business entities faced with increasing competitive pressure. Referring to the Contestable Market Theory， this dissertation proposes that policy solutions based on the Anti-monopoly Law with inclusiveness and prudence should be adopted， with the purpose of advancing the studies and application of the Anti-monopoly Law and promoting further progresses in GenAI Industry.

Keywords： Artificial Intelligence; Machine Learning; Anti-Monopoly; Market Power; Damage of Competition