算法合謀的反壟斷規制及工具創新研究

一 問題提出

隨著數字驅動商業模式和人工智能技術的快速發展，數字商務企業日益轉向采用計算機算法處理大數據，并將其作為基礎性的商業決策機制。從技術層面來說，算法本質上是為解決特定問題的一系列計算處理邏輯規則，其主要是按一定的任務指令對輸入的數據變量執行計算、處理和自動任務分配等基本功能，并輸出一定結果。近年來，人工智能和機器學習技術的發展將算法提升到一個新的高度，它允許計算機自動地解決復雜問題、進行預測、制定決策。算法會使數字商務企業明顯提升商業決策水平，自動制定和實施利潤最大化的商業戰略。因此，算法也是一種智能化的決策制定軟件，與其他決策制定方式不同，算法決策的質量主要取決于算法本身的質量和算法運行所依據的數據質量。近年來大數據和人工智能算法的緊密結合，使數字商務企業擁有更有效的實現利潤最大化的手段。從輸入的角度來說，算法可以使數字商務企業更好地收集市場數據，包括消費者在線消費行為數據、市場變化信息數據和競爭對手信息數據，降低信息不完全性；從輸出的角度來說，數字商務企業可以采用算法來實施最優目標性廣告、個人化促銷活動、個人化價格歧視、根據市場競爭狀況來靈活制定利潤最大化價格、對商品和商家進行算法排名等經營戰略。

算法能夠明顯降低消費者的搜尋成本，享受更多個性化的高質量服務，有助于提高消費者福利。對數字商務企業來說，算法為企業提供新的商業機會和更及時有效的競爭策略，會促進市場競爭和商業創新，但算法也可能便利企業之間的價格合謀，具有較大的價格合謀風險。歐盟委員會2018年的研究報告指出“在被調查的電子商務零售商中，有53%的零售商追蹤競爭對手的定價，這些零售商中有67%的零售商采用專門為此設計的軟件來實現對競爭對手定價的自動追蹤，其中有78%的零售商基于競爭對手價格追蹤軟件來調整自己的定價。”(1)European Commission. Vertical Restraints, Digital Marketplaces, and Enforcement Tools[R]. 2018: 2.由于價格合謀一直被認為是企業濫用行為的首惡，因此，算法合謀問題成為各國反壟斷執法機關關注的新重點。與傳統企業之間價格合謀執法不同，基于算法的價格合謀通常是由算法自動執行的動態定價，特別是在基于自主學習算法合謀時，由于企業之間并不存在信息交流，價格合謀更多地是基于算法的自動協調或平行行為，不存在“價格協議”，依據現行反壟斷法，這很難構成非法合謀的前提要件，即存在價格合謀協議。同時，由于算法合謀具有高度的技術性和隱秘性，在算法合謀的反壟斷執法中，執法機關在取證以及采取有效的救濟措施等方面都存在一定的障礙。因此，需要基于算法合謀的獨特機制來創新反壟斷規制政策。

目前關于算法合謀的反壟斷理論和政策研究主要集中在探討算法合謀的機制和反壟斷政策。Ezrachi和Stucke(2017)[1]、Harrington(2018)[2]指出現行反壟斷政策無法有效應對自主學習算法，主張在創新反壟斷政策同時可采取算法審查的事前規制政策。但Calvano et al.(2018)[3]在對算法合謀不同反壟斷規制政策進行分析的基礎上明確反對采取事前規制政策。國內學者鐘原(2018)[4]、柳欣玥(2019)[5]分析了算法合謀反壟斷執法面臨的難題并指出對算法合謀應采取類型化反壟斷政策思路，周圍(2020)[6]則重點針對自主學習算法的反壟斷政策問題進行了分析。已有理論研究尚待明確的問題是：第一，算法定價促進合謀的內在機理？第二，如何創新反壟斷執法體制以有效規制自主學習算法？第三，在反壟斷事后執法無效的情況下是否需要以及如何實行事前規制？本文主要分析算法合謀的內在機理和類型化機制，并重點探討如何創新反壟斷事后執法體制與建立有效的事前規制政策。

二 算法促進合謀的機理及類型化機制

(一)算法促進合謀的機理

經濟學家Stigler(1964)[7]指出，企業合謀具有天然的不穩定性。因為在達成合謀協議后，每個企業都具有很強的背叛激勵，從而會陷入彼此都降價的“囚徒困境”狀態。因此，“卡特爾本身就帶有不穩定的種子。”現代寡頭動態博弈理論分析顯示，在無限期動態博弈過程中，寡頭企業合謀的激勵根本上來自于價格合謀的預期收益與被發現后面臨的預期懲罰損失之間的權衡。從動態博弈來說，一個寡頭企業的定價必須考慮現在定價的收益以及由此引發的競爭對手未來定價反應可能帶來的影響。通常，現在制定高價格會引發競爭對手也制定高價格，從而降低競爭對手實施低價格的可能并增加了未來的預期收益；現在制定低價格將會引發競爭對手也制定低價格，從而降低未來的預期收益。

根據寡頭動態博弈理論，寡頭企業要達成并有效維持價格合謀需要解決三個核心問題：一是企業之間容易達成價格協議或一致同意，協議達成具有較低的溝通協調成本；二是由于單個企業具有較強的背叛協議的激勵，價格合謀必須確保能夠及時發現單個企業的背叛行為；三是為制止背叛，背叛行為被發現后，背叛企業必須面臨可信的嚴厲處罰，以保證單個企業的背叛行為無利可圖或要付出較高的代價(唐要家，2011)[8]。顯然，在合謀收益給定的情況下，協議談判成本越低、背叛被發現得越迅速、背叛后的懲罰越嚴厲，則合謀越容易維持。在傳統的非數字經濟情況下，企業之間的默契合謀主要通過信息溝通機制來實現，但是在企業數量眾多、企業間差別較大、市場需求波動和快速技術變革的行業，這種信息溝通機制往往難以有效發揮作用，由此造成這些市場合謀協議的可維持性比較差。

在數字經濟算法合謀的情況下，算法實際構成了寡頭企業的“代理人”，它收集和處理大量的市場數據和競爭對手信息，可以更精確地判斷競爭對手的價格變動，并對競爭對手的定價行為做出迅速反應，從而促進了企業之間的合謀。正如Mehra(2016)[9]所指出的，對價格變化信息獲取精度的日益提高，對競爭對手定價的反應日益迅速，以及不合理價格折扣發生的可能性降低，都會使基于算法的商家成為更技能嫻熟的寡頭企業，并更便利了企業之間的合謀。算法促進合謀的機理主要體現在如下三個方面：

第一，算法降低了合謀的溝通協調成本，促進寡頭企業更容易達成合謀協議。基于算法的商業決策通常并不需要寡頭企業之間通過直接的溝通交流來達成協議，算法會自動根據競爭對手的定價來制定自己的利潤最大化價格，機器定價而非人來定價大幅降低了合謀定價的溝通協調成本，同時也模糊了顯性合謀與默契合謀之間的界限。在市場競爭中，算法能使企業自動監督競爭對手的行為，自動識別和獲取競爭對手的商業敏感信息，寡頭企業之間不需要進行復雜的人與人之間溝通和合謀協議談判，尤其是基于深度學習技術的算法能在沒有人工指令的情況下自動制定合謀價格，成為自動實現合謀的工具；同時算法能對市場條件的變化和競爭對手的定價自動做出反應，進行動態定價，更容易在市場變化中實現默契合謀。

第二，算法提高了市場交易的透明度，使寡頭企業彼此更容易低成本地進行相互監督，消除了單個企業偷偷降價來謀利的激勵，增強了寡頭企業之間信任度和對合謀協議的忠誠度。威脅合謀協議實施的最主要因素是單個企業的偷偷背叛，之所以單個企業有背叛的動機是因為其背叛行為不會被其他企業迅速發現，而這主要是由信息不透明造成的。在數字商業市場中，大數據和算法的結合明顯提高了企業間相互作用頻率和市場透明度。另外，在市場需求波動的情況下，威脅合謀協議的重要因素是市場需求波動帶來的不同企業價格不斷調整使其他企業無法準確區分價格背叛行為和正常的動態價格調整行為，從而造成合謀的瓦解。算法合謀通常是基于對大數據的采集和實時動態處理分析來運行，大數據算法使企業不僅可以實時跟蹤分析競爭對手的定價行為，還明顯提高了市場透明度，可以有效區分市場價格變化是單個企業的定價行為還是市場波動造成的，避免了不確定的價格戰，從而使寡頭企業更容易及時準確識別單個企業的背叛行為。

第三，算法提高了對單個企業背叛合謀協議的懲罰嚴厲性。由于算法定價是基于對競爭對手定價的實時跟蹤分析并自動做出的反應，因此一旦發現單個企業的背叛行為，算法定價使其他寡頭企業快速實施懲罰性低價格，算法定價自動啟動實施最具威懾力和懲罰性的“冷酷戰略”，使懲罰戰略成為一種非人格化的合謀維持博弈的可信策略。由于基于算法的價格合謀能夠自動達成合謀協議，及時發現背叛行為并迅速做出可信的嚴厲懲罰，從而使背叛合謀協議的行為變得無利可圖，降低了單個企業的降價激勵，促進了企業之間的價格合謀。正如Harrington(2017)[2]所指出的“合謀是一個企業使競爭對手也制定高于競爭水平價格的行為。換句話說，合謀就是企業采用獎勵——懲罰政策，即當一個企業堅持實施合謀高價格將得到獎勵，而背離合謀高價格則將面臨懲罰。”如果遵守合謀協議的預期收益足夠高而背叛面對的預期懲罰足夠嚴厲，則合謀就具有穩定性。

由于算法降低了企業之間的溝通協調和監督成本、增加了市場透明度、提高了對背叛行為的監督和懲罰的有效性，因此算法在很大程度上會降低傳統價格合謀理論所要求的合謀協議實施的門檻條件。在傳統市場中，當市場結構具有企業數量相對較多、市場集中度和進入門檻相對較低、信息不透明、市場供求波動性大等因素時，寡頭企業往往難以實現合謀，或者寡頭企業實現合謀需要有效的便利合謀機制來保證合謀協議的實施，因此，寡頭企業合謀面臨較多的障礙。在數字經濟中，由于算法有效降低了合謀協議的達成成本、監督背叛行為的信息成本和提高了對背叛企業懲罰的及時性，使寡頭企業在傳統不容易實現合謀的市場也能實現相對穩定的價格合謀。因此，算法不僅便利了價格合謀和提高了價格合謀出現的可能性，還擴大了合謀發生的市場范圍。Calvano et al.(2018)[10]對人工智能(Q學習)算法定價的實驗研究發現，即使沒有彼此溝通，人工智能算法定價也能一致地實現明顯高于競爭水平的定價，并且即使在動態博弈是有限期、企業之間的成本或需求存在不對稱、企業數量變化、需求不確定等情況下，合謀的結果依然是穩定的。這些在非算法定價下不利于合謀的因素此時并不會削弱合謀的穩定性。Nair et al.(2016)[11]的實驗經濟分析發現，數字商務企業結合采用價格合謀與基于大數據的價格歧視的“混合”默契合謀更有效，即寡頭企業對低價值商品實行默契合謀定價，對高價值商品實行基于大數據的行為性價格歧視，從而在差別化市場實現更穩定的價格合謀。由于算法使寡頭企業更容易達成和實施合謀協議，并具有更大的適用范圍，算法定價更可能帶來更大的合謀風險，嚴重扭曲數字市場的價格競爭，損害消費者福利，因此受到反壟斷法的重點關注。

(二)算法合謀的類型化實施機制

不同類型的算法合謀具有不同的合謀機制，并提出了不同的反壟斷政策問題，需要基于不同類型算法有針對性地進行反壟斷執法。為此，本文基于Ezrachi和Stucke(2017)[1]提出的四種類型算法合謀來展開分析。

1.信息傳遞者算法合謀

信息傳遞者算法合謀是人有意識地采用算法作為工具來實現合謀，此時算法成為企業實施已有合謀協議的一種新的更有效的方式，使合謀企業更好地監督彼此和實施價格合謀，是促進企業合謀的便利機制。在企業之間存在合謀協議的情況下，這一算法合謀適用本身違法原則是適當的。在2015年美國司法部查處的拓撲金斯(Topkins)案中，司法部發現以拓撲金斯所在公司為首的商家在亞馬遜銷售的海報經營中協商定價，為保證實施價格協調，它們采用專門的定價算法來收集競爭對手的價格信息并用來指導定價，即借助算法協調彼此的定價，實施已達成的合謀協議。美國司法部據此認定其構成非法的價格合謀，并處以2萬美元的罰款。在2016年英國競爭與市場局(CMA)對超德(Trod)公司和“GB眼”公司在在線海報市場(包括在英國亞馬遜)價格協調的調查中發現，兩家公司為實施價格協議，采用自主定價算法軟件來監督和調整價格，以防止任何一家企業偷偷降價。據此，英國競爭與市場局認為兩家公司的行為構成非法價格合謀，對超德公司處以16萬歐元的罰款，并根據寬大政策對主動合作的“GB眼”公司給予罰金免除。

2.軸輻協議算法合謀

軸輻協議算法合謀是指競爭企業共同采用同一個第三方提供的定價算法或者共同通過同一個采用算法定價的平臺來完成結算交易(圖1)。此時，第三方既可能是一個定價算法的軟件開發者，也可能是一個支配性平臺。軸輻協議算法合謀分為代碼層次和數據層次。代碼層次是指第三方可能開發適用于所有企業的定價算法軟件代碼，代碼層次的協調主要是實現共同的決策；數據層次是指第三方主要是起到“數據池”的作用，競爭企業基于相同的大數據來進行算法定價，數據層次的協調主要是實現信息交換和決策數據共享。在軸輻協議算法合謀情況下，合謀是相互競爭的企業通過采用共同算法來實現的，因此軸輻協議算法合謀與傳統的“基點定價”或采用共同定價公式的合謀方式本質上相同，只不過此時平臺與其商業用戶之間存在縱向協議。盡管軸輻協議算法涉及企業之間的縱向關系，但是縱向關系只是實現橫向價格合謀的手段，這不應影響對競爭企業之間實行橫向價格合謀的認定。因此，在存在明確的合謀結果和非法合謀動機證據的情況下，可以適用本身違法原則。德國聯邦卡特爾局則認為，對于代碼層次的軸輻協議算法合謀可以直接適用本身違法原則，對于數據層次的軸輻協議算法合謀則應適用與分析信息交換相同的合理推定原則。在大多數情況下，如果證據充分，軸輻協議算法合謀可以直接適用本身違法原則，但為了防止執法錯誤，在個別案件中應采用合理推定規則，允許當事企業對軸輻協議算法定價效率理由舉證說明，如果確實有證據證明其具有明顯的效率效應或其是實現效率效應所帶來的附屬性限制效果，則可以免于反壟斷處罰。

2015年美國優步(Uber)公司案和2016年歐盟埃塔瑞斯(Eturas)案是典型的軸輻協議算法合謀案例。在美國優步(Uber)公司案中，法院指控Uber公司與每個網約車司機簽訂了縱向協議并要求其采用相同的定價算法，這樣每個司機通過采用Uber平臺提供的相同算法實現了非法價格合謀。在歐盟埃塔瑞斯案中，立陶宛在線預訂系統管理者向在平臺交易的各旅行社發了一封電子通知郵件，宣布對各個旅行社給予顧客的價格折扣率實行一個技術性的上限限制，即折扣率不得超過3%，折扣率超過3%的定價將通過系統自動調整為3%。歐盟法院指出，這些旅行社知道共同通過第三方在線平臺來實行統一的折扣率會構成卡特爾協議，但并沒有明確拒絕而是同意加入，因此構成了非法的合謀。歐盟法院指出，判定其構成非法合謀可以從在線旅行預訂系統管理者發布的郵件以及各個旅行社客觀和一致認同的事實基礎上得出，即在各個旅行社意識到該行為會有反競爭合謀效果的情況下沒有明確反對的事實說明，各個旅行社之間存在一致的同意或協議。由此，根據該案的判決，判定軸輻協議算法合謀有兩個重點證據條件：一是競爭企業都明確地通過第三方算法定價或采用共同的定價算法；二是參與的企業都知曉或合理地預見到這會產生反競爭的合謀效果，但是它們并沒有拒絕。

圖1 軸輻協議算法合謀

3.可預測代理人算法合謀

可預測代理人算法合謀是指行業中的每個企業都單獨地采用最大化利潤算法來提高市場透明度和增強對競爭對手競爭行為的預測，此時算法扮演監督競爭對手的價格、產量的變化和市場供求變化，并根據競爭對手的定價及時采取應對策略(包括合謀的懲罰措施等)的代理人角色(圖2)。在此情況下，任何單個企業的降價都會被競爭對手及時發現并跟進，從而使單個企業的降價行為無利可圖。如果整個行業的企業都采用這種定價算法，就會產生價格合謀的結果。在可預測市場代理人算法合謀下，每個企業使用根據利潤最大化定價原則運行的算法獨立地對競爭對手的定價做出反應，盡管企業之間并不存在明確的溝通協調行為，但寡頭企業采用算法定價往往具有合謀的動機或算法程序設計包含合謀的動機或明顯的具有導致合謀效果的可能，因此其實際上是一種有意識的平行行為。

圖2 可預測代理人算法合謀

根據各國反壟斷法的現有規定，單純的有意識平行行為是本身合法的，并不違反反壟斷法。由于在算法有意識平行行為中，企業之間缺乏一致同意的“協議”，在各國現行反壟斷政策下，反壟斷執法往往缺乏判定其構成非法的直接證據并對其加以禁止；而且由算法定價帶來的市場定價透明度的提高，既可能便利價格合謀，也可能帶來更激烈的價格競爭。因此，反壟斷執法不應采用本身違法原則，而應主要采用合理推定原則，合理區分合法的算法平行定價與非法的算法合謀定價。但是如果其存在明顯的反競爭動機，即算法程序設計本身可能就包含合謀的動機以及懲罰背叛行為的程序代碼，并且企業都知道如果行業企業都采用類似的定價算法會帶來合謀的結果，則可以認定其構成非法，適用本身違法原則。對于有意識平行行為，美國法院在類似案件中已經發展了有效的反壟斷審查證據方法和審查的“附加因素”。對于算法有意識平行行為的審查，反壟斷執法機構可以根據企業實施算法的動機和結果并考慮其他的“附加因素”來做出其是否構成非法價格合謀的裁定，重點是審查算法程序代碼、企業算法運行輸入的數據、企業算法決策過程和算法輸出結果等。

4.自主學習算法合謀

在基于人工智能自主學習算法合謀情況下，每個企業各自采取長期利潤最大化算法來定價，此時的算法主要是基于人工智能深度學習技術或Q學習技術，在沒有人類介入或明確人工指令的情況下，算法深度神經網絡模擬人腦功能，基于大數據和試錯的實驗，通過“探索-挖掘”機制來自動調整定價規則并對競爭對手的定價做出快速反應，市場透明度的大幅度提高和算法自主學習決策會使追求利潤最大化的算法根據競爭對手的定價自動實現寡頭動態博弈的合謀均衡，從而產生協同定價的合謀結果。由于算法是基于人工智能的深度學習技術，算法定價決策始終處于變化過程中并脫離了人工的實時控制或指令，自主學習算法不是按照原始設計代碼一直運行,而是基于自主學習在大數據基礎上不斷試驗來獲得經驗并不斷優化算法,以最佳的方式達成目標。因此，在模仿人的神經網絡的算法自主學習中，當事企業往往很難事先預知算法程序運行的最終結果及其影響，即使最初的程序設計沒有合謀動機，但算法的自主學習也可能“有意識地”產生合謀結果。由于這種算法完全是機器自主學習的過程，合謀是在當事企業完全不知情的情況下機器自主實現的，因此也被稱為“黑箱”算法。在自主學習算法合謀中，即使算法最初設計沒有明確的合謀動機或算法運行過程中不存在明顯的人為干預，但是算法的有意識自主學習仍然可能根據長期利潤最大化原則來實施動態穩定的寡頭價格合謀。

自主學習算法合謀本質上依然屬于一種寡頭平行定價行為，但是與上述有意識平行定價行為不同，此時的合謀完全是機器自己完成的而非人為的結果，是一種無意識的平行行為，對此反壟斷執法部門無法獲得企業采用最優算法定價來從事合謀的“協議”或“動機”證據，但是市場確實存在默契合謀的結果。與前三種通過審查算法程序代碼可以判定是否存在合謀動機不同，執法機構通過對自主學習算法程序源代碼的分析并不能完全識別企業是否存在明確的合謀動機，無法為反壟斷審查提供有力的“動機”證據。各國現有的反壟斷政策對自主學習算法價格協同行為違法性認定的審查依據和審查方法還存在空白，目前也缺乏直接的反壟斷判例。2017年英國競爭與市場局(CMA)向OECD提交的報告指出，自主學習算法對反壟斷政策提出了兩個尚未解決的重要問題：一是如何判定在何種情況下自主學習算法會帶來競爭損害；二是如何采取有效的分析方法和調查工具來準確識別非法的算法合謀(2)OECD. Algorithms and Collusion-Note from the United Kingdom, DAF/COMP/WD(2017)19,2017. Footnote 8, p.6.。

總體來說，對自主學習算法合謀的反壟斷審查應采取合理推定原則，需要創新違法審查的證據方法，判定其是否構成非法應綜合依據算法程序代碼審查、算法輸入數據審查、算法模擬運行結果審查等來確定合謀的動機，并依據協同定價的結果、市場結構性“附加因素”和情景證據來做出判斷。同時，案件裁決應賦予被告充分的辯護權，其可以舉證來證明算法定價具有顯著的效率理由，在沒有可信的效率理由并且不符合正常市場競爭規則下單個企業正常競爭行為情況下，自主學習算法價格協同行為就可能會被認定為非法。具體執法中，如何科學區分合法的平行行為與非法的協調行為仍是一個難題。為防止執法失誤，謹慎干預仍然是目前最好的政策選擇。

綜合上述分析，四種類型算法合謀及其面臨的反壟斷問題總結如表1所示。可以看出，對于信息傳遞者、軸輻協議的顯性算法合謀、可預測代理人有意識平行行為這三種類型，算法主要是執行壟斷企業或人類合謀意圖的工具，因此現有的反壟斷法能夠有效地加以應對，通過企業間的協議證據、信息溝通證據以及附加因素分析或算法審查，執法機關可以找到企業之間存在合謀動機和協議的證據。但是對于自主學習算法合謀，現有反壟斷執法的法律依據和有效的審查方法尚存在空白，在非法合謀的協議要件認定、主體責任確定和救濟措施設計方面有所不足，自主學習算法合謀反壟斷執法面臨較大的政策缺口，需要通過反壟斷政策創新加以解決。

表1 算法合謀的類型及反壟斷政策問題

資料來源：作者整理。

三 算法合謀的反壟斷政策

(一)擴展合謀“協議”的界定

由于自主學習算法合謀僅僅是單個企業采用的算法針對市場情況的自動反應，缺乏合謀協議的直接證據，因此無法據此判定其構成非法合謀，成為算法合謀反壟斷執法的主要障礙。根據美國、歐盟等現行反壟斷法律規定，要判定非法合謀成立，法院需要認定當事企業之間存在限制競爭的協議，并且該協議導致反競爭的合謀結果。由此，法院和執法機構要判定非法合謀，必須首先證明企業之間存在“合謀協議”的證據要件。在具體行政執法和司法實踐中，法院和執法機構重點關注“動機”并據此來判定是否存在非法的“協議”。傳統上，在具體的反壟斷案件中，這通常基于企業之間存在明確的相互溝通證據來做出判定。正如波斯納法官所指出的“《謝爾曼法》第1條僅僅禁止企業間共同同意或串通來從事的反競爭行為。”根據美國案例法，美國聯邦最高法院將協議定義為“統一的目的或共同的設計和理解、或心里預期的一致”，或者“對實現非法目標的共同設計的有計劃有意識的一致承諾”。歐盟法院將協議界定為“共同的意思”或“一致的意愿”。顯然，上述界定“協議”的方法實際是針對由人來實施的價格合謀，但依據“相同的想法”、“共同的意思”、“一致同意”等概念來認定協議的做法無法有效適用于自主學習算法合謀。中國2007年頒布的《反壟斷法》第13條對壟斷協議的界定采取了“原則規定+列舉”的方式，并未對“協議”的概念給予明確的法律界定，這給算法合謀的反壟斷執法帶來一定困擾。

美國案例法在司法實踐中發展了對合謀協議的概念界定，法院對是否存在“相同的想法”的判定主要是依據邀約(通常是指邀請參與合謀)和接受來進行。在洲際巡回影院案中，聯邦法院指出“接受競爭者的邀請參與某一計劃，并且實施該計劃的必然結果是限制競爭，這足以認定存在非法合謀行為。”在美國派拉蒙影業公司案中，聯邦法院指出“判定非法合謀并不一定要找到企業之間存在一個明確協議的證據，一個計劃的一致行動和被告都遵守這個計劃安排就足以認定存在非法合謀協議。”在歐盟拜耳公司案中，法院指出，判定是否存在協議的依據是當事人之間是否存在“一致的意愿”，這個意義上的協議與其是否是明確地表達出來無關。根據上述“協議”的界定，如果采用算法定價的企業之間都共同知曉它們的行為將會產生限制市場競爭的結果并且都采用該算法或遵守算法定價規則，則可以認定企業之間存在非法的協議，此時的“協議”與企業之間是否存在明確的溝通或書面協議并無必然聯系。因此，企業之間“同意或串通”的過程是決定非法合謀的關鍵要素，而非合謀本身。

根據現有法律規定，有意識的平行行為是合法的，因為在高集中的寡頭市場企業，寡頭相互依賴會導致依據利潤最大化目標來定價的寡頭企業最終獲得超過完全競爭市場的經濟利潤。波斯納法官指出“在企業之間不存在溝通的情況下，單個企業基于競爭對手的定價來提高價格并不違法，這是正常的寡頭競爭行為。”當然，這并不是說有意識的平行行為的結果是社會所期望的，而是因為執法機構無法科學分辨正常的寡頭競爭行為和有意識的價格合謀行為。因此，長期以來法院和執法機關關注的重點是企業之間是否存在明確的促進合謀的溝通(即協議)而非合謀本身。正如Harrington(2018)[2]所指出的“合謀結果本身并不一定違法，但是導致合謀結果的過程則一定違法。”

為了應對算法默契合謀帶來的挑戰，反壟斷法應對合謀的“協議”采取更寬泛的界定，而不是僅僅局限在企業之間存在明確的相互溝通證據上，應更多關注“一致行為”的事實和達成限制競爭的合謀結果事實，并加強附加證據因素的獲取，從而確保競爭規則的科學適用。如果對算法程序的審查證據顯示當事企業都清楚采用該算法定價會帶來價格合謀結果并且沒有拒絕而是共同采用，則可以認定當事企業之間存在反競爭的合謀協議。在美國乙酯(Ethyl)案中，法院裁決指出，如果被告在開發算法過程中具有謀求反競爭結果的動機或意識到采用算法會自然而然地帶來反競爭結果的可能，則可以認定為其構成反競爭的合謀協議。對于獲取算法合謀的證據方法，一些學者建議吸收技術專家來審查算法程序代碼，以此判斷程序設計本身是否存在明確的合謀動機，這也被稱為“讀心”政策。為此，Kroll et al.(2017)[12]提出兩種技術性算法審查方法：一是靜態的檢驗，主要是在程序不運行的情況下檢驗程序代碼；二是動態檢驗，主要是在程序運行的情況下人為設定一些輸入變量來觀察算法運行的輸出結果，以判定算法運行是否會自然產生合謀的結果。當然，如果對算法程序代碼的審查發現其具有明確的反競爭合謀動機和產生反競爭合謀效果的可能，則應對其適用本身違法原則。

(二)靈活適用競爭法的有關條款

在目前對自主學習算法直接適用非法合謀協議有關條款還存在一定障礙的情況下，反壟斷執法可以靈活適用競爭法的有關條款來應對。在美國反壟斷執法中，根據《謝爾曼法》第1條的規定，判定非法價格合謀的重要要件是企業之間存在共同意思的“協議”，由于自主學習算法合謀案件很難找到明確的“協議”證據，為此一些學者建議采用《聯邦貿易委員會法》第5條禁止“不公平競爭方法”的規定來進行執法。根據美國判例法，《聯邦貿易委員會》第5條禁止的“不公平競爭方法”不僅包括反壟斷法所禁止的非法行為，也包括不違反反壟斷法，但是與維護市場競爭目標相違背的行為。根據該條款的規定，判定“不公平交易行為”并不需要以存在“協議”為前提要件。即當有證據顯示在開發和應用算法的過程中，被告有明顯的動機來取得限制競爭的效果或明確意識到算法的應用具有自然的和較大可能產生限制競爭的結果，就構成非法。因此，《聯邦貿易委員會法》第5條是“原則基礎的”而非“規則為基礎的”，它賦予聯邦貿易委員會較大的自由裁量權，可以靈活處理各種反競爭行為，克服了《謝爾曼法》第1條適用范圍的限制，能適用于自主學習算法合謀。根據《歐盟運行條約》第101條的規定，歐盟競爭法禁止的合謀主要是針對“協議”和“一致的行動”。如果有明確的證據顯示企業之間具有共同的動機或“協議”來協調市場定價，則其將違反《歐盟運行條約》第101條關于禁止卡特爾的規定。如果沒有確鑿的證據顯示企業之間具有共同實現合謀的動機，則這些企業仍可能違反《歐盟運行條約》第102條所禁止的集體濫用市場支配地位行為，即如果這些企業集體設定不公平的高價格將構成非法濫用。《歐盟運行條約》第102條在一定程度上彌補了第101條適用于算法合謀可能面臨的限制，增強了對算法合謀行為的法律適用性。中國《反壟斷法》的制定很大程度上借鑒了歐盟的立法和執法經驗，具有與歐盟類似的自主學習算法合謀執法依據難題，為此中國反壟斷執法機關可以擴展解釋《反壟斷法》第19條關于集體市場支配地位的法律界定，激活“集體濫用支配地位”條款來應對自主學習算法合謀。

(三)明確當事企業的法律責任主體

顯然，在上述四類算法合謀中，信息傳遞者和軸輻算法兩種合謀是明顯的人為實施的結果，算法僅僅是一種實現合謀的工具或手段，因此承擔法律責任的主體當然應該是采用算法實施合謀并從中受益的企業。但是在可預測代理人和自主學習兩種算法合謀下，價格合謀是算法自動實現的，當事企業并沒有主動干預或主動協調，其可能據此來主張自己應該免責。如在2015年美國優步(Uber)公司案中，Uber公司就主張“不是我們設定價格而是市場設定價格，我們只不過是采用算法來確定現實的市場狀態而已。”目前，對于自主學習算法法律責任主體的確定問題，即是應該由算法、算法程序開發者還是算法程序使用者(當事企業)來承擔法律責任問題還存在較大的爭議。對于算法合謀，反壟斷法律責任主體應該是使用算法程序的當事企業。首先，在合謀事實成立的情況下，當事企業不能以自己不知情或未主動參與來免責，因為算法始終是工具，人才是主體。當事企業在采用算法時有責任確保算法的應用不會帶來限制競爭的結果，這是其應盡的基本義務。即對于算法的使用，當事企業負有合理地注意和預測其可能產生反競爭非法效果的義務。算法始終是執行人的指令或任務、體現人意志的工具，本質上它是人實行合謀的一種便利機制。不管算法的人工智能水平有多高，如何獨立地做出價格決策，采用該算法來作為決策工具的當事企業都應更清楚其可能帶來的后果或競爭損害風險，如同采用其他任何的工具一樣，都應對其產生的后果負責。因此，那種主張“算法帶來的合謀，其與我無關”的觀點不能作為一個合理有效的辯護理由。其次，歐盟委員會對數字經濟自主決策的法律責任的研究報告指出，嚴格的反壟斷法律責任配置應該依據風險原則，即責任主體應配置給最可能產生風險并能最有效管控風險的主體(3)European Commission. Commission Staff Working Document on the Free Flow of Data and Emerging Issues of the European Data Economy Brussels. 10.1.2017 SWD(2017) 2 Final, at 43.。顯然，在算法合謀情況下，算法程序使用者承擔主要法律責任是實現有效規制的最佳配置。綜上，不管何種形式的算法合謀，反壟斷責任主體都應該是當事企業和企業的直接責任人。正如歐盟競爭政策專員維斯塔格指出，“企業不能把自己隱藏在計算機程序的后面來逃避法律責任。當決定采用自主決策算法程序時，企業應該認識到其將對算法應用帶來的后果承擔責任。”(4)Vestager. Algorithms and Competition, Speech at the Bundeskartellamt 18th Conference on Competition, Berlin, 2017.

(四)采取以“軟執法”為主的反壟斷執法

數字經濟發展帶來很多新的競爭關注，但是大多數算法合謀基本上屬于反壟斷法能夠有效應對的老問題。對于自主學習算法合謀等新的合謀形式，反壟斷政策不應急于草率立法加以直接禁止或采用直接查處相關企業的“硬執法”方式，以防止在快速技術創新的市場出現執法失誤，阻礙人工智能技術的商業化應用和數據驅動的創新。對于還處于發展當中、競爭影響還不清楚、競爭損害還不明確、相關案例還比較缺乏的人工智能自主學習算法定價合謀問題，反壟斷執法應更多地突出“軟執法”體制的獨特優勢，采用市場研究、專家意見報告、公眾咨詢、競爭倡導和企業人員培訓等“軟執法”方式。Ezrachi和Stucke(2017)[13]就強烈建議對算法合謀采用市場研究等“軟執法”方法，并指出“這些方法在反壟斷執法機構了解算法驅動市場的運行及其引發的競爭問題中將提供有用的幫助。”對于中國反壟斷執法來說，由于目前算法合謀問題僅限于學術討論，自主學習算法合謀尚缺乏具體的案例或頻發的態勢，同時國際上尚未有自主學習算法合謀的借鑒判例，算法合謀的很多細節問題還有待澄清，現階段應將市場研究作為優先的反壟斷應對政策，通過市場研究深化對算法合謀機制的認識。另外，為了應對算法合謀執法面臨的信息不對稱問題，執法機關也要同時開發更有效地基于人工智能的合謀甄別機制，以算法執法來應對算法合謀，實現反壟斷執法的智能化。

四 算法合謀的事前規制政策

對于算法合謀的問題，一些學者認為市場化解決機制和技術手段可以有效應對算法合謀，沒有必要對算法采取規制措施。但是現有的經驗證據和理論研究都無法充分證明市場化機制和技術性手段能夠消除算法合謀，其作用僅僅是一種可能，具體效果具有較大的不確定性。因此，有效的反壟斷執法仍然是應對算法合謀的最主要途徑。在數字經濟算法定價日益普遍和算法合謀的可能性與危害性都較高的情況下，反壟斷執法機關不應是被動的事后查處違法行為，應該將事后查處違法行為來威懾犯罪與事前規制以確保守法結合起來。Calvano et al.(2018)[3]指出，應對算法合謀的政策選擇主要有三種：一是適用現行合謀執法的反壟斷規則，二是建立新的算法合謀反壟斷規制，三是采用事前算法規制政策。由于算法定價具有較高的合謀風險，同時消費者和反壟斷執法機構面臨嚴重的信息不對稱問題，以及反壟斷執法在規制自主學習算法合謀面臨的“政策工具缺口”問題，因此一定的事前規制政策非常必要。算法合謀的反壟斷規制應由單一的事后反壟斷案件查處為主，轉變為在堅持事后查處為主的同時輔之以一定的事前規制政策，建立“事前+事后”的反壟斷政策組合，從而更有效地規制非法算法價格合謀行為。

(一)創新算法合謀事前規制行政制度和政策工具

對于數字經濟的算法合謀問題，反壟斷政策關注的重點應是如何創新算法合謀的規制體制和政策工具以取得最佳的政策效果。首先，算法合謀事前規制應采取審慎干預原則。只有在特定企業算法定價行為具有充分理論依據和明確證據顯示存在非法合謀效應時，執法機關才采取有針對性的執法行動。算法合謀反壟斷政策應遵循競爭優先、慎用管制的原則(韓偉，2017)[14]。其次，鑒于事前規制可能存在執法失誤的風險，特別是對中國這樣行政主導的反壟斷實施體制，完善算法合謀事前規制的行政制度尤其重要。Saurwein et al.(2015)[15]分析了應對算法合謀各種政策選項及其優缺點和適用條件，強調謹慎干預，并主張將市場化治理和政府規制有機結合起來。OECD(2009)指出，政府需要評估規制政策可能存在的競爭影響，強調競爭影響評估應成為政府規制政策的重要組成部分(5)OECD. Recommendation of the OECD Council on Competition Assessment, C/M(2009) 21/PROV, 2009.。因此，競爭中立應成為政府規制政策遵守的基本原則，并將競爭影響評估納入規制政策制定程序中，防止出現規制嚴重增加企業合規成本、扭曲競爭和阻礙創新的問題。再次，執法機關應盡量避免采取具有較大可能扭曲的結構性干預措施，特別是不要對企業采集、利用和共享大數據的行為進行限制，如要求企業不得采集某些市場價格數據、不得公開某些價格信息、要求企業降低價格調整頻率、要求企業公開算法程序代碼、禁止企業組建數據池等政策。由于大數據的采集和使用是數字商務創新的重要基礎，這樣的數據規制政策會嚴重阻礙數據驅動的創新，同時大數據的采集和利用并不必然導致壟斷，禁止大數據采集和共享使用會產生“將洗澡水與孩子一同倒掉”的執法失誤。算法合謀的事前規制政策應該優先采用諸如制定算法編程規則、提高算法代碼透明度、建立事前算法審查機制、禁止寡頭競爭企業共享價格數據等“競爭敏感數據”政策，以及建立算法“黑名單”制度，對個別具有明確反競爭效果的算法類型直接加以禁止或者禁止寡頭競爭企業購買和使用相同的算法定價軟件。

(二)事前規制政策應該突出“基于設計來遵守法律”的原則

“基于設計來遵守法律”的原則要求算法程序在設計階段就要遵守和體現競爭原則。它是從規范事前算法設計入手來消除算法合謀的風險，即從源頭來消除算法合謀問題的產生。“基于設計來遵守法律”的理念是由Lessig提出的，他指出數字經濟的代碼會削弱法律規制的有效性，并傷害網絡空間的社會價值，政府通過對網絡架構設計的規制實際就是確定了網絡行為規則，政府通過對代碼的規制能夠有效地提高規制能力并保護社會價值(Lessig，2006)[16]。“基于設計來遵守法律”規則要求算法開發者和算法使用者必須通過算法設計來確保遵守競爭法，即算法設計應該確保其不會帶來反競爭的合謀效應。這主要包括兩個方面的設計：一是技術設計。技術設計是指規制機關可以在事前的算法設計階段就介入，尤其是對算法程序設計提出一定的不能違反的紅線或原則，如對算法設計提出明確的“競爭中立”或“競爭友好”要求，要求算法開發者和算法應用企業要確保算法的設計和應用不會帶來限制競爭的效果，從而突出技術設計的基礎性和預防性作用。二是組織設計。組織設計要求當事企業要建立有效的內部治理制度，對算法運行可能產生的反競爭效應進行有效監督，通過制度保障來確保算法運行遵守競爭法。“基于設計來遵守法律”原則實際強調算法設計者和使用者的主體責任，突出算法使用者私人規制的主體地位，這是一種低強度和低成本的規制方式。

(三)事前規制政策應重點強調算法透明度和可問責性

事前算法程序審查是規避算法合謀風險的有效規制手段，其主要是采用技術性方法對算法程序設計及其運行是否存在嚴重限制競爭的合謀效應進行判斷，重點是算法程序代碼審查、輸入數據審查和模擬運行結果審查。算法合謀風險的事前規制政策應將提高算法透明度和可問責性作為重點。2017年美國計算機協會(USACM)下屬的公共政策委員會發布的聲明也將算法透明度和可問責性作為基本的原則，建議算法合謀的相關方應關注算法可能存在的合謀風險及其危害，規制者應該鼓勵受算法影響的相關方能接入算法設計，為確保可問責性，有關組織應對算法運算可能產生的結果給出充分解釋，執法機關保留對算法的審查權(6)USACM. Statement on Algorithmic Transparency and Accountability, Association for Computing Machinery, US Public Policy Council, Washington, DC, 2017.。算法透明度一般要求算法應用企業對以下內容保持透明性：使用算法的動機、算法使用的數據、算法對數據的基本處理過程(不是源代碼)、算法運行的輸出結果。執法機關在審查算法程序過程中，如果發現算法可能會導致嚴重的限制競爭結果，如存在較大的增加價格透明度、增加懲罰的可信性、降低背叛激勵等的可能性時，則可以要求當事企業對算法進行修改或重新設計，或者對某個對維持價格合謀具有決定性影響的變量的發布或分享加以適當限制。

(四)事前規制政策實施應強化執法機構能力建設

為了推進算法合謀的事前規制，應該注重反壟斷執法機關的能力建設。美國、英國、澳大利亞等國家都在反壟斷機構內設立專門的部門或專家組來負責算法競爭政策的技術和經濟分析，尤其是對算法可能產生的合謀效應進行程序代碼審查和運行模擬分析，在為具體反壟斷案件審查提供證據支持的同時，還就市場研究和案件審查中發現的問題提出相應的技術性干預手段以及如何設計更科學有效的規制政策來提供建議。如美國聯邦貿易委員會(FTC)下屬的消費者保護局設立了專門的機構——“技術研究與調查辦公室”，其職責是對包括算法透明度等問題進行獨立的調研并向聯邦貿易委員會提供政策建議。英國競爭與市場監管局(CMA)成立了由數據科學家、計算機專家和經濟學家組成的團隊，對算法、人工智能和大數據的競爭問題展開市場研究并提供競爭政策建議。借鑒國際經驗，中國國家市場監管總局應該考慮在適當時候設立專家組，逐步引進數字技術專業背景的人才優化人員結構。為了保證事前規制政策的實施，在法定的程序和保密規則下，反壟斷機構應有權接入被調查企業的算法程序和數據庫；同時采用人工智能技術來建立“算法規制”的智能反壟斷體制。