數據壟斷的法律規制

孫麗君 尉宇航

摘 要：作為數字經濟時代重要的市場資源，數據能夠為經營者提供競爭優勢，潛在競爭者難以承受數據運營遞增的成本，這些構成了數據壟斷產生的緣由。因數據權屬模糊、算法應用隱蔽多樣以及數據作用具有多邊性，現行的相關市場界定方法與以市場份額作為主要標準的市場競爭力量評價方法已無法有效適用于數據壟斷。通過對國內外數據壟斷案例進行類型化分析可知，經營者利用數據優勢實施壟斷行為，主要表現為經營者可利用數據共享機制與算法結合來實施壟斷協議的行為，利用數據優勢實施歧視性交易、附加不合理交易條件等濫用市場支配地位行為，以及以數據整合為目的實施經營者集中的行為。現行反壟斷法對于這些新型壟斷行為并未形成有效規制，為了解決上述問題，通過設立以共同共有劃定數據權屬、禁止以格式條款獲取用戶數據、數據處理過程公開以及數據爬蟲協議應以獲得用戶個人授權為基礎等遏制數據濫用的條款，以反事實推演法認定濫用市場支配地位，增設濫用市場相對支配地位條款，在我國《反壟斷法》《國務院反壟斷委員會關于平臺經濟領域的反壟斷指南》《禁止壟斷協議規定》等有關經營者集中申報、審查相關規定中，增設以數據集中度作為經營者集中申報標準與以數據壁壘、限制創新等來判斷經營者集中的競爭效果的相關規定，能夠有效規制經營者利用數據優勢實施壟斷行為，維護數據要素市場競爭秩序。

關鍵詞：數據壟斷；算法共謀；反事實推演法；經營者集中申報審查

中圖分類號：D912.294文獻標識碼：A

文章編號：1673-8268（2023）04-0076-12

數據經濟時代的數據已成為新的重要生產要素。2020年3月20日，國務院在《關于構建更加完善的要素市場化配置體制機制的意見》中，將加快培育數據要素市場作為完善要素市場化配置的重要組成部分，并指出應推動數據有效流通，提升數據使用價值以及加強數據保護，建立數據管理機制。要使數據要素市場有序發展，應有效規制數據要素市場經營者們可能實施的排除限制競爭的行為，維護數據要素市場競爭秩序。域內外司法中的“HiQ訴領英案”“Facebook收購WhatsApp案”“大眾點評訴愛邦網案”等案例表明，因數據處理技術的不斷提升，經營者們正趨于將自身數據優勢轉化為競爭優勢，以期在相關市場中占據支配地位。我國《國務院反壟斷委員會關于平臺經濟領域的反壟斷指南》（以下簡稱《指南》）《中華人民共和國反壟斷法》（以下簡稱《反壟斷法》）【我國法律的完整名稱都有“中華人民共和國”作為國別限定，但為了行文簡潔，對本文提到的我國法律文本，其名稱均省去國別限定。】以及《禁止壟斷協議規定》（以下簡稱《協議》）都禁止經營者利用數據實施壟斷行為，但并未明確數據壟斷行為具體的評價標準，且因數據壟斷行為的特殊性，使得《反壟斷法》及《指南》在司法規制經營者利用數據優勢實施壟斷行為中難以有效適用。為了解決上述問題，筆者將通過分析數據的競爭價值以及論證數據壟斷法律規制的必要性，然后分析數據與算法的聯合使用，歸納數據壟斷在制定壟斷協議、濫用市場支配地位以及經營者集中三個層面的表現形式，最終通過劃定數據權屬、利用數據優勢濫用市場支配地位的特別認定，以及在《反壟斷法》《指南》《協議》等相關規定中增設數據壟斷針對性條款，使我國反壟斷法體系能夠有效規制經營者利用數據優勢實施壟斷行為，維護數據競爭秩序，進而推動數據要素市場的穩步繁榮與發展。

一、數據壟斷成因及其規制必要性

在“HiQ訴領英案”中，法院指出，具有數據優勢的經營者能夠違反美國《謝爾曼法》的規定傳導壟斷力量^[1]，實施具有排除限制競爭效果的壟斷行為，這類數據壟斷行為可定義為：在經濟活動中利用自身數據優勢，實施可能構成排除限制競爭效果的行為或狀態。相較于傳統壟斷理論中具有壟斷地位并實施壟斷行為的經營者，數據優勢經營者獲取壟斷力量的源頭更加穩定^[2]，其潛在競爭者更加難以進入市場，且數據壟斷不受租值消散等自然競爭規則的影響，因此更應受到公權力的直接干預。

（一）數據壟斷的成因

1.數據的競爭價值

技術人員通過對已收集信息的處理產生數據。我國《個人信息保護法》將用戶個人信息定義為被記錄的能夠或已經識別自然人的各種信息，可見信息具有可被記錄以及識別信息來源的特性，以其生成的數據同樣具有該效用。經營者在市場競爭中不斷為數據收集、整合、分析投入成本，使數據產生出收集數據、數據庫、推測數據等多種衍生形式，在深度學習的自動化決策下利用數據的識別功能展開曲線擬合【曲線擬合，是一種把現有數據透過數學方法來代入一條數式的表示方式。科學和工程問題可以通過諸如采樣、實驗等方法獲得若干離散的數據，根據這些數據，我們往往希望得到一個連續的函數（也就是曲線）或者更加密集的離散方程與已知數據相吻合，這一過程被稱為擬合。】，在對消費者進行分類的基礎上進一步預測其消費趨向，通過制定相應的經營策略以獲取競爭優勢。

經營者為了獲取競爭優勢，頻繁地在數據收集、管理以及分析三個層面進行角逐，這已經成為互聯網市場經濟的常態^[3]。利用波特的“五力競爭說”^[4]，可清晰地展現經營者如何利用數據優勢獲取壟斷地位：數據所產生的價值隨時間遞減，先一步完成數據處理工作的經營者能夠更快地作出競爭決策以獲取競爭優勢，同業競爭者只能接受其綁定服務、數據共享等要求以維持運營，最終喪失競爭地位；隨著消費者對更早進入市場的經營者提供服務的不斷投入，其轉移成本也逐漸增高，在網絡外部性的作用下形成了潛在競爭者無法逾越的數據壁壘；即使具有技術創新的替代產品出現，數據優勢經營者一方面可通過數據分析來革新自身的服務網絡，另一方面可通過拒絕數據共享來限制創新型企業的生存發展，創新型企業在短時間占據一定市場份額后最終只能尋求數據競爭優勢經營者的并購，消費者因無法選擇替代商品而會喪失有關“是否提交數據、授權數據使用”的議價權；面對下游市場經營者，數據優勢經營者通常選擇以數據共享的差別對待來限制其議價能力，在數據共享、合作機制中占據主導地位的數據優勢者能夠調整下游競爭經營者進入合作與否或是接受共享數據的多少，迫使下游競爭經營者接受不平等的數據公開等協議。

2.潛在競爭者難以承受成本遞增

壟斷是市場競爭的產物，數據壟斷同樣產生于經營者在獲取數據優勢中的競爭。在傳統行業中占據壟斷地位的經營者通常會利用高額的生產成本來設置市場的準入門檻，如在實業生產市場中，潛在的競爭者想要進入市場就必須購買精密昂貴的生產設備，招錄高水準的技術人員，這些高額的前期投入成為具有壟斷地位的經營者淘汰潛在競爭對手的重要工具。但實業生產中購買的生產設備往往可以使用多年，這意味著一次性的大額投入將換來長期持續的收益。在2007年深圳市的出租車牌照首次拍賣中，僅有12年使用期限的牌照竟拍得每臺50余萬元的天價^[5]，由此可見，在預期利益足夠可觀的情形下，總有經營者愿意支付前期的生產成本，經營者的壟斷地位仍然隨時可能受到潛在競爭者的挑戰。

但是，利用數據優勢獲取壟斷地位的經營者卻不會受到上述情形的困擾。區別于傳統產業主要投入生產設備，數據經營者不僅要在數據收集過程中投入成本，在數據運營、管理以及維護各階段同樣需要高額的花費。如今，海量信息被迅速加工為數據、整合為集束并進一步分析，數據庫以及推算數據的結果也將被不斷覆蓋，經營者想要持續獲取數據優勢，就必須保證該數據庫持續處于高速的新老交替之中。在我國的司法實踐中，如“大眾點評訴愛幫網案”中，法官也指出數據運營需要經營者付出大量成本^[6]。依賴數據生存的新興產業如人工智能、電子商務類企業，由于獲取數據優勢而需要源源不斷地投入大量成本，因此，在其入市后，往往需要制定較高的商品價格以保證企業正常經營。而已經在市場中依靠數據優勢獲取有利競爭地位或體量龐大的經營者，只需要不斷壓低商品價格，甚至采取零價格策略，新進入市場的經營者就會因為難以承受高額的數據運營費用以及價格戰導致的長期虧損而主動退市，數據壟斷由此形成。

（二）數據壟斷規制的必要性

1.現行反壟斷法律法規難以有效規制數據壟斷

2020年9月，全國人大常委會執法檢查組開展的反不正當競爭法實施情況檢查報告曾指出，近年來，阿里、騰訊等數字企業并購行為頻發，遭受并購的創新型中小企業雖然因未達到申報標準而沒有受到反壟斷執法部門的監管，但已經產生了限制競爭、抑制創新的壟斷效果^[7]；而且，由于數據權屬模糊，對于經營者利用市場的優勢地位收集數據、拒絕數據開放能否構成濫用市場支配地位尚有爭議。此外，在利用“算法+數據”實施的消費者偏好分析、算法共謀等行為，由于算法處理數據的隱蔽性以及算法應用的多樣性，《反壟斷法》和《指南》雖然明確禁止利用數據實施壟斷行為，但在現實適用中仍受到具體行為的認定尚未有明確標準的限制而難以落實。上述情形產生的原因可歸結如下：

（1）傳統相關市場界定方法無法適用于數據壟斷

劃定經營者所處的競爭市場是判斷其行為是否產生反競爭效果的基礎，而通常使用的假定壟斷者測試法SSNIP（the hypothetical monapplist test）等在數據壟斷的相關市場中無法適用。SSNIP主張以使目標商品價格上漲后經營者是否能穩定盈利作為判斷壟斷相關市場界定的標準，而數據壟斷相關經營者的主營業務多為“免費”商品，如搜索引擎、社交平臺等。顯然，為免費商品制定價格不可等同于對有價商品的漲價。而另一種以質量變化取代價格變化的假定壟斷者測試法SSNDQ（smell but significand non-transitory decrease in quality），因數據服務質量變動無法同價格變動一般精準測算，其同樣不能有效適用于數據壟斷相關市場的界定^[8]。除此之外，無論是價格分析還是質量分析，都強調劃定單一市場進行信息測算，但因數據壟斷多涉及多邊競爭，對其相關市場必須考量數據優勢經營者旗下各服務所在競爭市場之間數據傳輸的相互作用。雖然《指南》在界定相關市場中提出需綜合考量所涉市場的相互影響，但因尚未給出多邊市場相互影響的計算標準，故而現實中難以適用。

（2）數據壟斷需要制定具體的評價標準

判斷經營者是否實施了濫用市場支配地位或經營者集中的行為，首先，要判斷目標經營者占據的市場份額或營業額。以數據壟斷中較為常見的平臺型企業為例，這類經營者提供的數字網絡商品具有迭代快、占據市場份額動態變化頻繁的特征，即使是具有市場支配地位的經營者的產品營業額也將在一定時間內受到創新型產品的沖擊，因此，僅以某一時間段的靜態市場份額占比的結果難以有效評價動態的市場變化。其次，數據壟斷的經營者大多處于多邊市場的競爭中，其核心服務商品多具有免費性，單一市場的收入甚至可能為負數。雖然《指南》第18條提出計算營業額應包括所涉相關市場的交易收入，但需滿足平臺在相關市場交易中具有“具體參與”與“主導作用”兩個標準。無論是對不同相關市場商品、服務的數據傳輸、用戶綁定能否被看作具體參與，還是對不同商品、服務如何在競爭中起主導作用，目前均未確定標準；而且，如何綜合計算多邊市場競爭中的市場份額，同樣未有定論。

雖然《協議》明確指出經營者不得利用數據和算法來實施統一價格等行為，但是，當經營者間并未簽訂共謀的協議甚至沒有共謀的合意時，僅因適用相同的算法處理數據庫而最終得出一致的決策結果的行為能否構成壟斷協議，又或是經營者以強制的數據共享來實質控制其他經營者能否被認定為經營者集中等，仍然是現實難題。雖然《指南》與《經營者集中審查暫行規定》（以下簡稱《暫行規定》）在有關經營者集中的申報、審查、救濟環節中考量了多邊市場對競爭因素的影響，肯定了數據在市場競爭中的部分作用，但仍缺少有關經營者集中數據問題的針對性條款，以致在適用過程中不能在申報、審查以及救濟環節有效限制利用數據優勢的行為或數據整合類經營者集中行為。上述爭議問題表明，對數據壟斷的規制仍需進一步研究，以明確數據壟斷行為具體的評價標準。

2.一般壟斷理論適用數據壟斷失靈

針對傳統行業的壟斷理論認為，在規模經濟的作用下，規模較小的企業最終會因生產成本過高而被淘汰，進而形成自然壟斷。但在實踐中，具有自然壟斷地位的經營者最終或因租值消散而主動退市，又或是在政府的適當干預下以行政壟斷的方式維持壟斷地位，以保證價格和生產效率的穩定^[9]。相較之下，數據壟斷很難受到租值消散的影響，其維持壟斷地位也不需要過于依賴行政力量，若政府不能主動干預，數據壟斷的經營者將會一味地野蠻生長，嚴重影響多邊市場的有序運行。

所謂租值消散，指原本有價值的資源在無序競爭的背景下，其價值逐漸遞減至零。在完全自由競爭且可觀的預期收益背景下，總會有潛在競爭者愿意支付高額生產成本的對價，以挑戰壟斷者的競爭地位；但在無序的競爭過程中，隨著生產成本的逐漸增大以及不斷壓低的產品價格（競爭中的質量戰與價格戰），所有的市場主體最終都將因無法獲利而消亡。因此，并非政府需要對市場進行主動干預，而是自由競爭產生的壟斷者急需政府對其所處的市場進行適度干預以保證其生存。數據壟斷的維持不受租值消散影響的主要原因如下：

（1）競爭者的數量不會影響數據的租值

數據競爭具有“先入為王”的特征，這取決于數據價值的及時性，滯后的數據能夠產生的價值會因新數據的出現而逐漸降低至無，即誰能夠不斷地獲取最新數據就能夠在數據競爭中擁有絕對優勢。在傳統產業的競爭關系中，后進入市場的競爭者可以通過提高產品質量、降低產品價格等策略來獲得消費者的青睞，但在以互聯網企業競爭為代表的數據競爭中，在網絡外部性的作用下，消費者幾乎只能成為具有壟斷地位的數據優勢經營者的“忠實”用戶。一方面，這些壟斷主體已經擁有該競爭市場中規模最大的數據集束，他們借此決策出最貼合市場的經營策略以吸引更多用戶的加入，依照規模經濟理論，該壟斷主體提供的產品或服務的價值也將高于市場中的任一競爭者。另一方面，消費者的選擇也受到轉移成本的影響。由于數據競爭具有典型的多邊性^[10]，消費者通常同時使用某一經營者提供的多項服務，隨著時間、金錢等成本的不斷投入，消費者很難再主動更換上述服務的提供主體。因此，即使有再多的潛在競爭者進入市場，具有數據優勢的壟斷主體都能擁有最新、最具價值的數據來源，而不會陷入租值消散的困境當中。

（2）政府無法限制市場中數據的數量

數據權屬不明導致政府無法限制市場中數據的數量，比如：政府通過稅收修建道路，道路權屬明確，產權人政府可以通過限制出租車牌照以維持道路產權的價值^[11]。但是，數據因其產生原因的多樣性，自身又具有公權與私權的屬性，其權屬較為復雜。一方面，政府在政務工作中主動收集使用的數據產生于政府機關又應用于公共事業，具有顯著的公權屬性^[12]，其權屬明確；另一方面，數據的主要來源為個人信息，而我國《民法典》明確了個人信息屬于人格權益，屬于該民事主體所有^[13]。但是，信息不等同于數據，數據是信息被技術加工后的產物，經營者們通過用戶協議等方式驅使消費者以提供個人信息的方式來換取商品或服務，并將收集的大量信息加工為數據，再通過數據交易、數據共享的機制不斷充實自身的數據集束。在此過程中，這類數據區別于政務數據，具有明確的私權屬性，產生了權屬應歸于數據原始信息的提供者還是數據生產管理主體的爭議。

市場中流通的數據大多屬于后者，由于私人的合法權利神圣不可侵犯，政府很難主動限制這類數據的數量，因此，無論是我國的《個人信息保護法》還是《數據安全法》，在無法明確數據權屬的背景下，只能選擇在數據產生、管理、交易、公開等過程中設置底線，以確保數據使用不損害公共及私人合法權益。而且，數據的產生與管理需要經營者投入大量成本，一旦政府強制要求具有數據優勢的壟斷主體公開自身數據以削弱其競爭力量，從理性經濟人的角度考慮，經營者若因此無法從數據中獲取競爭優勢（或是要將該競爭優勢共享給其他競爭者），那么，將沒有任何經營者愿意為數據工作投入成本，市場中不再產生數據，數字經濟也將難以存續。

二、數據壟斷行為的類型化分析

要在《反壟斷法》《指南》《協議》等相關法律文件中針對數據壟斷增設相應條款，首先需要對數據壟斷的具體行為進行類型化分析。

（一）利用數據優勢實施數據壟斷協議

利用數據優勢實施數據壟斷協議，通常表現為數據共享機制與算法共謀的聯合。所謂數據共享機制，是指上下游市場中任兩個或兩個以上競爭者同意將特定市場下的特定數據相互共享的數據互惠機制。這類數據互惠行為將為數據共享機制內成員帶來顯著的競爭優勢，成員在使用數據共享機制時只需結合不同類型的算法共謀即可在統一價格、限制數量等方面達成壟斷協議，進而實現排除或限制競爭的目的。

1.通過算法共謀實施壟斷協議

算法本質上為輸入至輸出的機械程序，深度學習的出現賦予其自動化的特征。算法共謀指利用算法實施影響市場競爭的協同行為^[14]。利用自動決策類算法實施協同行為無需共謀者現實商討以制定壟斷協議，而是由算法自行收集數據來制定決策，參與者主觀上甚至無共謀意圖而更具隱蔽性與高效性。數據共享機制成員間擁有相同的數據資源，只需選擇同一算法用于計算價格、數量，就會在該算法運行過程中接收到在輸入任一相同條件（如與其他競爭者、消費者相關的市場因素變化）時必然會輸出的一致的自動決策結果，從而完成協同行為。

2.建立數據共享機制實施壟斷協議

除與算法結合外，數據共享機制本身亦有利于制定聯合抵制交易的壟斷協議。機制內成員為維護自身的競爭優勢地位，可為準入或使用共享數據設置高額費用、提出明顯不合理的公開隱私數據等條件。其他競爭者可能因為接受了上述條件而喪失自身競爭力，只能依附于數據優勢經營者而生存。數據共享機制的表現形態具有多樣性，除成員共同設立外，也可由爬蟲協議與反爬蟲技術聯合使用產生。爬蟲協議指數據所有者制定的允許特定主體爬取特定數據的Robots協議，反爬蟲技術為利用計算機技術拒絕數據爬蟲的訪問^[15]。數據所有者只需為合作者開放具有競爭價值的數據爬蟲協議，即可建立非典型的數據共享機制，對機制外成員設置反爬蟲技術，同樣能夠實施聯合抵制交易行為。

除上述實質性數據壟斷行為外，信使類算法共謀也可以確保數據壟斷協議的穩定實施。信使類算法共謀指共謀成員先建立壟斷協議，再通過算法監控各成員的實施情況。數據共享機制下各成員間的數據公開，使信使類算法能夠更加精確、高效地掌握成員對壟斷協議的服從情況，一旦有人背離協議，其他成員就可以立即制定針對性的懲罰措施^[16]。

（二）利用數據優勢濫用市場支配地位

經營者的市場支配地位與數據優勢具有循環互補的特性，數據優勢能夠增強經營者的支配地位，經營者利用市場支配地位可開展更大程度的數據整合、吸納，進而提升自身的數據優勢，這通常表現為利用數據優勢來附加不合理交易條件、實施歧視性交易或拒絕交易等形式。

1.利用數據優勢附加不合理交易條件

數據優勢經營者附加不合理交易條件，通常表現為簽訂具有合作性質的開發者協議【開發者協議即經營者申請將其開發的各類應用接入另一經營者開放平臺時雙方所需簽署的協議，包括開發者、開放平臺所有者在接入開發后所需遵守的權利義務。】。在“新浪訴脈脈案”中詳見北京淘友天下技術有限公司等與北京微夢創科網絡技術有限公司不正當競爭糾紛案，北京知識產權法院，（2016）京73民終588號民事判決書。，根據雙方簽訂的《開發者協議》，微夢公司稱因用戶使用微博所產生的數據應為己方商業秘密，微夢有權要求開發者刪除不利于自身服務運營的相關數據，一旦終止合作，開發者還須刪除從微博獲取的一切數據。據此協議，微夢公司不但主張對于用戶個人數據的完全獨占，而且要求對與開發者合作后共同產生、收集、處理的數據的絕對控制權。因互聯網經濟多邊市場的特征，即使位于不同競爭市場的經營者也可能存在跨域競爭，經營者與數據優勢方簽署這類開發者協議，盡管在合作過程中能夠獲取部分數據優勢，但若與數據優勢經營者旗下的服務產生競爭關系，由于數據優勢者絕對掌控著合作數據，該經營者將會迅速喪失市場競爭力，最終淪為數據優勢經營者的“附隨”。

這類附加不合理交易條件行為同樣發生在數據優勢經營者與個人簽訂的用戶使用協議中。雖然平臺向用戶出示該類協議時都會表明用戶個人可以選擇拒絕協議內容，但拒絕的結果即為用戶無法使用該平臺的服務，面對高額的轉移成本以及市場中替代性服務大多被數據優勢者兼并的現實，用戶最終只能被迫以合同約定的形式同意平臺的數據共享行為。據全國人大常委會執法檢查組的“萬人調查報告”顯示^[17]，有49.6%的受訪者的用戶信息曾被過度收集；有61.2%的受訪者遭遇具有優勢地位的經營者以不接受就不允許用戶使用服務為條件而強制收集、使用用戶信息。數據優勢經營者在“奪得”用戶對數據共享的授權后，即可通過將數據輸入至合作方平臺或自身旗下任一服務平臺的方式，濫用市場相對優勢地位，提高其對核心服務所在市場的支配力。

2.利用數據優勢實施歧視性交易或拒絕交易

與制定壟斷協議不同，數據優勢經營者濫用市場支配地位進行歧視性交易或拒絕交易的行為，不僅發生在僅具有競爭關系的其他經營者之間，同樣發生在自身所建立的數據共享機制內。經營者設置爬蟲協議與反爬蟲技術一并表明，在相同的交易條件下，數據優勢經營者可以任意選擇數據共享或拒絕的對象，若位于數據驅動型企業^[18]所在的競爭市場，由于數據在該市場內為下游競爭者參與競爭所必需，數據優勢經營者實施歧視性交易或拒絕交易的行為當受《反壟斷法》的規制。除此之外，因數據優勢經營者完全主導數據共享機制，其在建立共享規則時，只需調整不同成員能夠使用共享數據的多少抑或設置不同使用門檻（如使用費用），則同樣能夠完成數據的歧視性交易。

與制定壟斷協議相同的是，利用算法實施歧視性交易更具有隱蔽性。算法輸出的結果并非絕對客觀，算法編寫者可以將自身“偏見”嵌入算法的運行程序當中，從而形成算法歧視。在問題建構層面^[19]，因算法本身并不懂得何為公平，數據優勢經營者只需對已掌握的市場數據進行分析，對潛在競爭者進行歸納分類，即可令算法在輸出“是否進行合作”的自動化決策時只選擇能夠為自己提供數據幫助的“優質”對象。而且，因剛剛進入市場的創新型企業并未留下過多信息，數據優勢者若將數據共享決策完全交由算法自動處理，因缺乏可分析數據，算法將自行“淘汰”這部分經營者，數據優勢者即可不留痕跡地限制創新型企業的發展，消除潛在的競爭隱患。

具有數據優勢的經營者通過數據“畫像”【用戶畫像是對現實世界中的用戶進行建模。用戶畫像是描述用戶的數據，是符合特定業務需求的對用戶的形式化描述。】，能夠進行“殺熟”的歧視性交易。經營者通過對已收集的用戶個人數據進行分析挖掘，將用戶地域、年齡、職業等因素同服務類別、活躍頻率、產品喜好、消費習慣等結合處理，對用戶個人實施分類歸納，進而實行差別定價。由于數據處理因算法黑箱【算法黑箱是指由于技術本身的復雜性以及媒體機構、技術公司的排他性商業政策，算法猶如一個未知的“黑箱”——用戶并不清楚算法的目標和意圖，也無從獲悉算法設計者、實際控制者以及機器生成內容的責任歸屬等信息，更談不上對其進行評判和監督。】等問題而具有高隱蔽性以及數據“殺熟”出現在網購、外賣等多個互聯網經濟領域，對利用數據實施歧視性交易進行取證并有效規制，仍是現實司法的難題。

（三）以鞏固數據優勢為目的的經營者集中行為

除旗下各種類型化服務所處的競爭市場（如社交網絡市場、在線購物市場）外，互聯網經濟下的經營者們正角逐在數據交易、分析、處理的競爭市場當中。在該市場中，經營者對優質數據來源的追求甚至高于穩定的用戶群體，原本已占據市場支配地位的經營者們開始尋求以不斷并購市場中創新型企業的方式聚合優質數據。據《2020年Q3移動互聯網行業數據研究報告》提供的統計數據，“騰訊旗下應用滲透率達99.8%，阿里旗下應用滲透率達95.5%”^[20]，在核心服務所處競爭市場具有支配地位的經營者們，正在以數據整合的方式維系其在相關市場“強者恒強”的競爭狀態。

以經營者集中的方式鞏固自身數據優勢地位，既可以通過不斷整合優質數據資源以增強自身數據優勢，亦可通過整合并分析競爭者相關數據來制定針對性經營策略，不斷削弱其競爭力量。在“Facebook收購WhatsApp案”中，Facebook違背了WhatsApp與用戶簽訂的數據使用協議而進行數據整合，德國聯邦卡特爾局根據《德國聯邦反對限制競爭法》，認定網絡數據生產為市場力量相關行為，能夠形成市場支配力量并損害用戶個人隱私保護，隨即禁止了Facebook的相關數據整合行為，并授予用戶對第三方使用數據的決定權^[21]。這類經營者集中行為通常發生在新興市場當中，在核心服務市場具有市場支配地位的經營者具有因數據優勢帶來的市場相對優勢地位，因數據壁壘的存在，創新型企業想要生存就只得依賴其并購。數據優勢經營者通過并購創新型企業以革新自身服務、進入創新型服務市場，能夠進一步提升自身服務網絡的價值、擴張優質數據來源并提高數據壁壘，以完成壟斷力量的循環作用。

在互聯網經濟多邊市場的作用下，不能將上述經營者集中僅看作單一的數據聚合，在“Facebook收購移動技術創業公司Onavo案”中，Onavo的核心業務為智能手機系統優化，該業務能夠監測智能手機數據流量，監控用戶下載某些手機應用的使用情況。《華爾街日報》指出，Facebook正在利用Onavo收集的應用使用數據分析，制定針對打擊競爭對手Snapchat的經營策略，以增強旗下Instagram應用在相關市場的競爭力^[22]。多邊市場下的經營者們處于動態的競爭合作關系當中，數據優勢經營者對自身旗下任一服務商品所處的不同競爭市場中的競爭者實施數據并購或數據共享，不僅能提高特定服務或商品的市場競爭優勢，還能以數據傳輸的方式利用市場相對優勢地位來加固自身的核心服務或商品所處市場的支配地位。

三、數據壟斷的規制路徑

（一）劃定數據權屬以規制數據壟斷協議

1.以共同共有劃定數據權屬

（1）非個人數據應屬數據生產者

對于非個人數據，其產生源于數據生產者對客觀世界描述信息的收集加工，如天氣、道路情況或是由數據生產者制作的商家簡介、服務說明等。這類數據的信息來源通常為可被記錄的公開信息，數據生產者在處理信息的過程中支付了數據生產成本，理應獲得不受他人侵犯的權益。我國在司法判例中同樣肯定了這一觀點，在“大眾點評訴愛幫網案”中詳見大眾點評網訴愛幫不正當競爭案，北京市第一中級人民法院，（2011）一中民字第7512號。，一審法院認為，漢濤公司在生產數據、運營維護平臺的過程中支付了大量成本，愛幫科技公司任意爬取大眾點評網上的公開數據屬于“搭便車”的行為，應受《反不正當競爭法》的規制，我國《民法典》第127條同樣規定了數據應受法律保護。

（2）個人數據應屬用戶個人和數據生產者共同共有

用戶個人數據由于來源于用戶個人信息以及數據生產者的處理，其權屬在學界常有爭議。通過數據權利屬性辨析來論證數據權屬能否歸于單一主體，數據能否被視為著作權客體，這在“大眾點評訴愛幫網案”中，兩審法院均肯定了數據具有著作權屬性^[23]。但根據我國《著作權法》的規定，作品應具有獨創性，因此，對于僅僅為現實信息的記錄產生而來的這部分數據，顯然不能看作獨創性作品。除此之外，要以《著作權法》劃定數據權屬、將數據看作具有智力成果的作品，還需引入算法設計者這一主體。在個人數據產生的過程中，由用戶個人提供原始信息，由算法收集者使用算法設計者設計的算法加工信息。根據《著作權法》，除特殊規定外，因完成組織工作產生的職務作品的著作權應為原作者享有。因此，若將由算法設計者作品產生的數據同樣看作作品，其權屬必然因其產生具有多方主體參與性而陷入爭議之中。

若將用戶個人數據看作商業秘密，根據我國《反不正當競爭法》，商業秘密應具有不為公眾知悉的特性，而本身由公眾信息產生的個人數據顯然與該規定沖突，且將用戶個人數據僅看作經營者的商業秘密，忽視了個人對其信息的權屬，有悖于我國《個人信息保護法》有關自然人的個人信息應受法律保護的規定^[24]。將個人數據權屬劃歸單一主體，面對用戶個人及數據生產者對數據權利的合理訴求，反而會導致數據流通阻礙，數據使用爭端頻發。比如，在華為騰訊用戶數據爭端中^[25]，騰訊認為，華為在手機運行過程中違規收集微信用戶數據，并且侵犯了微信用戶隱私；華為卻稱，用戶個人數據屬于用戶個人所有，其獲得了用戶授權，當然可以收集微信用戶數據。

為了避免上述爭端的出現，在我國《個人信息保護法》中應明確由個人信息所生數據的權屬，即以用戶個人同數據生產者共同共有來劃定數據權屬，以合同約定來分配利益。因無法同有形物一般主張共有份額，由數據產生的利益分配應由合同約定，結合現實數據使用情況，可約定由平臺享有數據收益，用戶享有由數據處理所帶來的服務。在共有數據處分上，應由全體共有人協商一致處分，任何一方在未獲得另一方授權時均不能私自將共有數據傳輸、出售給第三方。現實中，數據使用方多為承擔數據生產的經營者，應在共有合同中明確規定：數據生產者收集或使用用戶個人數據應獲用戶個人授權，經營者負有向用戶定期公示數據使用明細的義務，用戶個人享有監督經營者對個人數據使用的權利。由數據組成的共有物具有天然不可分割的屬性，與有形物的直接分割和使用不同，數據的高復制性意味著對數據即使短暫獲取也將永久占有，因此無法對數據實施有效分割。即使能夠將個人信息從數據中剝離出來，但因用戶個人不具備數據生產能力，亦無法獲得分割后的合理分配的利益。

2.增設數據濫用規制條款以有效遏制數據壟斷協議

要使數據共同共有在遏制數據濫用、規制利用數據優勢實施壟斷協議中發揮作用，還需在數據使用過程中增設針對性條款。

首先，在我國《網絡安全法》第41條、第42條中，分別增設“網絡運營者不得以格式條款獲取個人信息或對其進行使用、收集、轉移給第三人（包含由個人信息產生的數據）”。經營者通常選擇以格式條款即用戶服務協議來獲取用戶對于信息數據的授權^[26]，如要求用戶授權其關聯公司、控制公司對用戶數據同樣具有使用、修改、復制等權利。依據個人數據共同共有的特征，結合對格式條款授權數據傳輸的禁止性規定，要求經營者在數據輸入前必須獲得個人的重新授權，這樣能夠有效遏制經營者通過隨意輸入數據的方式提升自身市場的相對優勢力。通過賦予用戶個人對數據傳輸的決定權利，結合《民法典》第497條，以格式條款剝奪用戶對數據傳輸的決定權當然無效。

其次，在《個人信息保護法》有關個人信息處理規則中，增設“利用個人信息進行自動化決策應向個人提供自動化決策明細”，即算法公開。雖然算法黑箱會因大眾不具有算法認知能力而客觀存在，但不能否認算法同樣具有可解釋性。通過自然語言、流程圖、代碼等方式對算法進行全局或局部解釋，都可成為判斷經營者主觀過錯、進行責任認定的關鍵環節^[27]。而且，明示處理數據的過程，能夠為算法合謀、聯合抵制交易等案件的存證、固證提供便利，進而有效規制利用算法實施壟斷協議、歧視性交易等行為。此外，數據處理過程的明示，可使信使類算法同樣作用于數據共享機制的監管。司法工作者在認定經營者是否通過數據共享機制實施壟斷協議時，可將數據共享機制內成員是否利用共享數據以固定價格、數量等因素作為算法的輸入條件，再對該共享機制過去一段時間內的數據處理過程進行測算，一旦任意經營者實施了上述輸入條件，信使類算法就將自動輸出“警示”。

最后，在《數據安全法》中明確：數據爬蟲協議的簽訂需由用戶個人、控制數據的經營者、申請者三方共同簽訂。第三方申請者請求獲取用戶個人數據時，必須同時獲得用戶個人、控制數據的經營者授權；第三方使用申請的用戶個人數據需向雙方一同公示數據使用明細，以此確保用戶共有權利的行使，并可以此作為判斷經營者是否建立有關聯合抵制交易壟斷協議的依據。

（二）完善利用數據優勢濫用市場支配地位的認定標準

1.以反事實度量法認定市場支配地位

因傳統相關市場界定方法在數據壟斷領域難以適用，故選擇反事實度量法而跳過相關市場界定，然后直接認定經營者是否濫用市場支配地位。所謂反事實度量法【反事實的含義為：其一，某一事件或事物在歷史上存在過，但假定其不存在，而是根據這種假定估算經濟運行中可能由此引起的結果；其二，某一事件或事物在歷史上不曾存在，但假定存在過，然后根據這一假定估算經濟生活中可能由此引起的后果。這種方法的計算結果缺乏信度。】，即認定某一經營者實施了濫用市場支配地位，假定其在市場中消失或沒有實施壟斷行為，以此推演市場中其他經營者的狀態。以反事實度量法界定數據壟斷相關市場，其核心在于如何分辨利用數據實施濫用市場支配地位的損害結果，大致可分為數據濫用、設置數據壁壘、不合理數據收集三類。數據濫用即通過數據分析實施歧視交易、拒絕交易等，設置數據壁壘即阻礙潛在競爭者進入市場、減緩數據流通等，不合理數據收集即強迫收集用戶個人與其他經營者的數據。結合我國新修正的《反壟斷法》第22條有關認定經營者具有市場支配地位的相關規定，可以為反事實度量法界定數據壟斷相關市場制定如下標準：“當市場（此處無需界定相關市場，所指即廣義的競爭市場）中出現明顯的嚴重差別定價、數據流通明顯受阻礙、眾多依賴數據生存的創新型企業被并購或退出市場以及多人反映自身數據被強迫收集等情形，通過用戶數量、用戶使用頻率等因素找出這類情形所涉主體中的數據優勢經營者，并假定該經營者退出市場的情形，以此推演市場中差別定價的情形是否消除、數據流通是否順暢、創新型企業數量是否穩定增長以及用戶是否大多反映個人數據受到合理保護，若在推演中出現上述負面情形，即可認定該具有數據優勢的經營者實施了利用數據優勢濫用市場支配地位的情形。”

2.禁止數據優勢經營者濫用市場相對優勢地位

除認定方法的選擇外，還應在利用數據優勢濫用市場支配地位的認定或推定標準中，綜合考量濫用市場相對優勢地位的情形。濫用相對市場優勢地位強調，應著眼于不同市場中經營者的依賴程度^[28]。我國《反壟斷法》主張以市場份額作為推定市場支配地位的標準，但具有數據優勢的經營者實施歧視性交易、附加不合理條件等行為，并不一定具有市場支配地位。比如，以社交平臺為核心服務的經營者未必在網絡購物市場中擁有市場支配地位，但因網絡購物平臺市場的經營者們對其社交平臺所掌握的數據具有高度依賴性，該經營者仍可利用其在社交平臺的市場支配地位，通過數據交易的差別對待、附加不合理條件等方式，在相關市場實施限制、排除競爭等行為。在利用數據優勢實施濫用市場相對優勢地位的適用中，還應考量市場競爭優勢相互傳導的情形，數據優勢經營者可以通過數據流通的方式傳導市場競爭優勢。該類經營者首先通過其核心服務向旗下其他處于不同競爭市場的服務輸送數據，以提升旗下其他服務或商品在自身競爭市場的優勢地位，再將通過該優勢地位收集的相關市場優質數據整合至核心服務，通過數據相互傳輸的方式來鞏固自身核心服務的市場支配地位。因此，當具有數據優勢的經營者有實施上述濫用市場相對優勢地位的情形時，同樣應受我國反壟斷相關法律的規制。

（三）增設經營者集中數據壟斷條款

1.以數據集中度作為經營者集中申報標準

因營業額已無法單獨體現經營者的市場競爭力，在數據相關的競爭市場中不應將營業額等同于市場競爭力，不應將其作為經營者集中申報的主要標準。如在滴滴優步收購案中，早在2016年就擁有1 500萬名司機和3億注冊用戶的滴滴收購Uber（中國），使Uber（全球）作為滴滴最大股東的一系列合并行為，因未達到相關市場營業額標準，滴滴并未向我國商務部主動申報其與Uber（中國）的合并^[29]。然而，僅在國內就擁有龐大用戶體量的滴滴與全球科技行業巨頭Uber的合并行為，必然因數據整合而為雙方在各自競爭市場中帶來難以估量的數據優勢，極易產生建立數據壁壘、濫用數據優勢等具有排除限制競爭效果的行為，在數據相關競爭市場中的營業額已無法等同于市場競爭力。因此，在我國《反壟斷法》《指南》等規定中制定經營者集中的申報標準時，除營業額外，還應將經營者集中雙方的數據集中度作為申報標準，再根據此經營者集中帶來的數據整合能否導致數據壁壘、數據流通阻礙以及限制創新型企業的發展等，然后制定判斷數據集中具體標準的依據。

2.以數據壁壘、限制創新等判斷經營者集中的競爭效果

經營者集中的審查環節應將數據壁壘、限制創新等作為經營者集中競爭效果的判斷標準。根據《指南》與《暫行規定》，經營者集中雖未達申報標準，但有證據表明其具有排除限制競爭效果時，市場監管總局應主動調查。雖然《指南》將經營者處理或控制數據的能力、用戶數量、用戶轉移成本、不當使用消費者數據等因素作為經營者集中競爭效果的判斷標準，但忽視了經營者集中的數據整合可能帶來的數據壁壘、數據高度集中以及限制創新等負面競爭影響。相關市場的集中度不僅體現在市場份額與競爭者數量上，而且市場中的數據集中同樣重要。經營者們能夠將其數據優勢轉為市場競爭優勢，利用其優勢地位進行數據傳輸、數據整合以進一步提升市場中數據的集中度，數據的高度集中易導致數據無法自由流通，數據壁壘亦由此而來。此外，以數據整合為目的的預防性并購【預防性并購即通過對最具競爭威脅或潛質的競爭對手進行針對性收購來實現市場的有效擴張。】同樣能以限制創新型企業生存發展來達到排除或限制競爭的效果。創新型企業的服務、商品能夠在一定階段對具有市場競爭優勢地位的經營者營業額造成影響，具有優勢地位的經營者能夠以建立數據壁壘等方式來限制創新型企業的生存發展，進而迫使其接受并購。

因此，應將相關市場中數據流通情況、創新型企業的生存發展狀況等，增設為市場監管局進行評估經營者集中所帶來的競爭影響的標準，若經營者集中發生后相關市場數據流通明顯受阻礙，以數據為生存必要條件的創新型企業難以生存發展，市監局應當對該經營者集中進行審查。我國新修正的《反壟斷法》開篇就將鼓勵創新作為立法目的之一，經營者集中的申報條件同樣應考量集中一方是否為創新型企業的情形。通過對經營者集中申報、審查制度中數據相關問題增設針對性條款，配合《指南》第21條采取剝離數字資產、開放數據共享等救濟措施，能夠有效規制以數據整合為目的或利用數據優勢實施的可以引起排除限制競爭效果的經營者集中。除此之外，應將數據控制、數據整合等情形增設為經營者集中的新形式。除合并、購買股權資產以及簽訂合同外，數據整合同樣能使經營者對另一經營者實現實質性控制，當被整合一方經營者的大部分數據都被集中收購時，收購方經營者將能夠隨意調整被收購方擁有的數據，進而控制被收購經營者基于數據分析作出的未來決策，操縱其市場行為。

四、結 語

數據所帶來的巨大競爭價值驅使經營者們爭先實施數據的獨占性收集，建立數據壁壘等利用數據優勢實施的一系列壟斷行為，這不僅會有損市場中其他經營者與消費者的合法權益，更將有損我國數據要素市場的有序運行。筆者致力于數據壟斷相關問題研究，以期通過數據權屬辨析、數據壟斷要素認定以及增設數據壟斷相關規定三個層面來遏制數據壟斷行為，維護數據要素市場秩序，助力我國數字經濟的發展。期望在未來研究中，能夠進一步論證：如何平衡數據市場發展、經營者生產數據激勵以及個人數據權利保護問題。

參考文獻：

[1]張江莉.反壟斷法在互聯網領域的實施[M].北京：中國法制出版社，2020：368.

[2]侯薇薇，荊文君，顧昭明.平臺企業規模、數據優勢與價格歧視[J].管理評論，2023（1）：66-74.

[3]傅曉.警惕數據壟斷：數據驅動型經營者集中研究[J].中國軟科學，2021（1）：56-67.

[4]林歐汶，魯朝云.新零售背景下山姆會員店的競爭力提升研究——基于波特五力模型[J].中國商論，2023（8）：9-12.

[5]

深圳14年首次出租車牌照拍賣：每個54.25萬[EB/OL].[2022-09-10].https：//news.sohu.com/20071031/n252972962.shtml.

[6]王遷.“垂直搜索”的著作權侵權問題研究——兼評“大眾點評網訴愛幫網案”及“攜程網訴趣拿網案”[J].電子知識產權，2009（11）：50-55.

[7]遏制平臺壟斷亂象，立法將如何破局[EB/OL].[2023-01-05].http：//www.npc.gov.cn/npc/c30834/202104/f785c2689d784e14890961b5f6a1c60b.shtml.

[8]鄒開亮，劉佳明.大數據產業相關市場界定的困境與出路[J].重慶郵電大學學報（社會科學版），2018（5）：34-39.

[9]張超，李超.壟斷的成因、效率與規制——兼評梯若爾規制理論[J].東岳論叢，2016（1）：53-59.

[10]姜昊晨.既得利益拗不過市場——我國出租車行業的管制博弈[J].中國法律評論，2017（3）：194-206.

[11]仲春.數字經濟平臺相關市場界定研究[J].法治研究，2023（2）：45-59.

[12]唐建國.新數據觀下的數據權屬制度實踐與思考[J].法學雜志，2022（5）：49-63.

[13]劉佳.人工智能算法共謀的反壟斷法規制[J].河南大學學報（社會科學版），2020（4）：80-87.

[14]丁曉東.數據到底屬于誰？——從網絡爬蟲看平臺數據權屬與數據保護[J].華東政法大學學報，2019（5）：69-83.

[15]宋才發.個人信息保護的法律規制與法治路徑[J].重慶郵電大學學報（社會科學版），2022（5）：48-56.

[16]時建中，王煜婷.“數據池”共享行為的競爭風險及反壟斷法分析[J].江淮論壇，2021（2）：123-130.

[17]關于檢查《中華人民共和國網絡安全法》《全國人民代表大會常務委員會關于加強網絡信息保護的決定》實施情況的報告[R/OL].[2022-12-17].http：//www.npc.gov.cn/zgrdw/npc/zfjc/zfjcelys/2017-12/24/content_2036037.htm.

[18]吳家驊.數據驅動型企業經營者集中實質性審查標準研究[J].經濟研究導刊，2019（16）：186-187.

[19]李成.人工智能歧視的法律治理[J].中國法學，2021（2）：127-147.

[20]2020年Q3移動互聯網行業數據研究報告[R/OL].[2023-02-20].https：//new.qq.com/omn/20201105/20201105A02MVO00.html.

[21]張韜略，熊藝琳.違反個人數據保護即構成對市場支配地位的濫用？——也談德國臉書案及“雙重程序”規則[J].競爭政策研究，2023（2）：5-21.

[22]收購WhatsApp打壓Snap Facebook用信息安全App做到[EB/OL].[2023-01-15].https：//www.sohu.com/a/164481966_354875.

[23]訴愛幫侵犯著作權案大眾點評一審勝訴[EB/OL].[2023-03-25].http：//bjgy.chinacourt.gov.cn/article/detail/2011/01/id/880115.shtml.

[24]任瀏玉.公開商業數據爬取行為的規制路徑[J].知識產權，2022（7）：110-126.

[25]騰訊華為“數據之爭”授權是尚方劍？[EB/OL].[2023-03-25].http：//www.xinhuanet.com/tech/2017-08/11/c_1121465577.htm.

[26]胡麗，何金海.互聯網用戶協議中用戶數據授權模式實證研究——以40個互聯網平臺用戶協議為樣本[J].河北法學，2022（10）：160-180.

[27]張凌寒.網絡平臺監管的算法問責制構建[J].東方法學，2021（3）：22-40.

[28]丁曉東.論數據壟斷：大數據視野下反壟斷的法理思考[J].東方法學，2021（3）：108-123.

[29]郜慶，蘇厚陽.滴滴合并優步案的反壟斷分析[J].華北電力大學學報（社會科學版），2019（6）：78-84.

Legal regulation of data monopoly

SUN Lijun¹， WEI Yuhang²

（1. Law school， Lanzhou University， Lanzhou 730000， China;

2. College of Humanities and International Education， Xian Peihua University， Xian 710000， China）

Abstract：As an important market resource in the digital economy era， data can provide operators with competitive advantages， and potential competitors are unable to bear the increasing cost of data operation， which constitutes the reason for the emergence of data monopoly. The current definition method of relevant market and the evaluation method of market competitive power with market share as the main standard cannot be effectively applied to data monopoly because of the fuzzy ownership of data， the hidden and diverse application of algorithms， and the multilateral role of data. Based on the typological analysis of data monopoly cases at home and abroad， it can be concluded that the monopolistic behavior of operators using data advantages is mainly manifested in that operators can use data sharing mechanisms and algorithms to implement monopoly agreements， use data advantages to implement discriminatory transactions， attach unreasonable trading conditions and other acts of abusing market dominance， and implement concentration of operators for the purpose of data integration. The current antitrust law has not effectively regulated this new type of monopolistic behavior. In order to address the above issues， data abuse clauses such as defining data ownership through common ownership， adding prohibitions on obtaining user data through format clauses， making data processing processes public， and data crawler agreements based on obtaining user personal authorization are used to curb data abuse. The counterfactual deduction method is used to determine the abuse of market dominance. The provisions on abuse of relative dominant position in the market and the provisions on declaration and review of concentration of undertakings in Chinas Anti-monopoly Law， Anti-monopoly Guidelines of the Anti-monopoly Committee of the State Council in the Field of Platform Economy， Provisions on the Monopoly Prohibition Agreement and other relevant provisions on declaration and review of concentration of undertakings are added with data concentration as the declaration standard of concentration of undertakings and with data barriers， restrictions on innovation and other relevant provisions on judging the competitive effect of concentration of undertakings. It can effectively regulate operators to use data advantages to implement monopoly behavior and maintain the competitive order of data factor market.

Keywords：data monopoly; algorithm collusion; counterfactual deduction; operator concentration declaration review

（編輯：刁勝先）