生成式人工智能領域的壟斷風險及治理策略

摘要：在世界數字化轉型背景下，生成式人工智能和機器學習這一生產工具為企業在數據市場競爭中提供了源源不斷的信息池活水，不斷促進產業結構的調整和重塑，但由此引發的數據資本壟斷問題也日益成為制約市場經濟健康發展的桎梏。當前生成式人工智能的發展模式本質上依賴于數據規模，具有較高的市場進入壁壘，這使得生成式人工智能行業實際為大型既有平臺主導，在表征上具有準自然壟斷屬性，從而導致全球范圍內在生成式人工智能市場的競爭規則上形成了以反壟斷法規制為主和直接行業規制為主的治理路徑分歧。參照“可競爭市場理論”，我國當前生成式人工智能行業仍處于初創階段，面臨較大的競爭壓力，應堅持包容審慎理念下以反壟斷法為基礎的政策解決方案，厘清反壟斷法適用于生成式人工智能行業的路徑和框架，以促進相關行業的健康發展。

關鍵詞：人工智能；機器學習；反壟斷；市場力量；競爭損害

一、問題的提出

2024年2月16日，美國人工智能公司“開放人工智能研究中心”（OpenAI）發布全新的生成式人工智能模型（AI Generated Content，AIGC）Sora，成為全球關注熱點。據OpenAI介紹，Sora作為首款文生視頻模型可根據文本指令創建近似現實且富有想象力的場景，例如生成多種風格、不同畫幅、最長為一分鐘的高清視頻。該模型還能夠根據靜態圖像生成視頻，或對現有視頻進行擴展或填充缺失的幀。但在被問及Sora使用了哪些訓練數據時，OpenAI首席技術官Mira Murati語焉不詳。生成式人工智能領域因其數據需求和算法特性導致了競爭隱憂的產生，并引發各國監管部門的廣泛關注，亟須制定相應規范。2月28日，白宮發布消息稱美國總統拜登正式簽署了一項主要針對“數據經紀商”等成批處理、出售或轉讓美國個人數據的公司的行政令，旨在限制向包括中國在內的“相關國家”大規模出售美國公民個人數據。同月，我國網絡安全標準化技術委員會正式發布國內首個面向生成式人工智能服務安全領域的技術文件《生成式人工智能服務安全基本要求》（以下簡稱《安全基本要求》），為促進生成式人工智能健康發展和規范應用提供了依據。其中明確指出，“提供生成式人工智能產品或服務應當遵守法律法規的要求，尊重社會公德、公序良俗”，要“尊重知識產權、商業道德，不得利用算法、數據、平臺等優勢實施不公平競爭”。3月13日，歐洲議會正式投票通過并批準歐盟《人工智能法案》，這標志著歐盟掃清了立法監管人工智能的最后障礙。由此可見，探索構建生成式人工智能的規制路徑，已成為一個全球化的現實問題。

與其他領域的壟斷問題相比，人工智能行業的壟斷行為具有新穎性、專業性、復雜性和隱蔽性特點，不易被識別。生成式人工智能領域相關主體參與競爭的要素包括獲取大量優質數據、頂尖人才和專業知識、雄厚的資金、適合開發和培訓的基礎設施，以及在這些要素基礎上訓練出來的尖端模型。這些競爭要素的存在決定了該領域具有相當高的進入壁壘，相關技術和市場會高度集中于當前的科技巨頭，對中小型科技創新企業參與該行業構成潛在壓制。上述特征使得生成式人工智能行業在表征上具有自然壟斷屬性，并在市場的競爭規則上形成了反壟斷法規制和特別行業規制兩種治理路徑。本文參考“可競爭市場理論”，提出生成式人工智能行業雖然具有自然壟斷的部分靜態特征，但作為初創行業，其市場結構和競爭樣態并未完全確定，各類互聯網平臺企業均可能在既有業務之外進入生成式人工智能市場。當前階段仍應堅持以反壟斷法為基礎的競爭政策解決方案，識別具有重要戰略意義的行業在發展初期階段的各種內在沖突，厘清反壟斷違法和豁免的界限，保障生成式人工智能市場健康發展。

二、生成式人工智能行業的準自然壟斷屬性及規制困境

生成式人工智能研發中所需算力、算法、數據三大基石的高起點以及硬件配置、軟件框架、平臺等維度間深度耦合的特點，使得獲得先手優勢的大型既有平臺主導軟件設計、平臺研發、智算應用等關鍵流程，能夠整合引領產業整體發展，排斥、限制市場競爭進而實現壟斷。這種天然的從競爭到壟斷的發展趨勢賦予了生成式人工智能行業“準自然壟斷屬性”，對具有事后啟動、分散推進特征的傳統監管提出了挑戰，當前仍面臨壟斷行為識別難度高、監管力度把控難及規制體系混亂的治理困境。

（一）生成式人工智能行業的準自然壟斷屬性

1.準自然壟斷屬性

界定準自然壟斷屬性的概念，首先要明確何為自然壟斷及自然壟斷行業。作為現代產業經濟學理論中的重要內容，對于哪些因素能構成自然壟斷或者采用何種方法來判定行業的自然壟斷屬性，國內外學者基本已達成共識。即認為自然壟斷的根源為規模經濟、范圍經濟及成本次可加性，具備上述相同性質的生產要素的組織結構體系即為自然壟斷行業。但僅局限于用靜態分析市場結構判斷某行業是否屬于自然壟斷是片面的。隨著技術基礎或市場需求的不斷變化，一個產業可能從傳統自然壟斷狀態中脫離出來成為非傳統自然壟斷，這種變化為引入競爭創造了可能。這就意味著可以根據技術基礎或市場需求來確定某一行業是否適合競爭，確定可以采取哪些有效的競爭形式，以及競爭機制需要引進到什么程度，進而對自然壟斷產業重新定性。

2.生成式人工智能行業具有準自然壟斷屬性

生成式人工智能行業競爭的背后是生態系統的競爭。能否在市場上鞏固其領先地位并不斷擴大優勢，取決于是否能夠搭建一套完整的、排他性強、獨占性強的生態系統，涵蓋開發商、供應商、集成商、運營商、用戶等產業鏈上的各個主體。對生成式人工智能進行訓練所需的人力、物力、財力等天然競爭壁壘限制了中小企業進入市場競爭，由既有大型平臺主導市場走向，使得市場應用價值與用戶量成正相關，經濟力量出現向既有大型平臺集中的趨勢。由于其具有高準入壁壘，目前推出該類產品或服務的均為大型科技企業。這些企業大多已在數字經濟的多個領域和層次占據了一定的市場份額，而生成式人工智能的強通用特征，使得它幾乎可以被運用在數字經濟的各個領域，并迅速帶來競爭優勢。這為大型科技企業提供了更大的動力和幾率，或通過兼并收購其他企業來降低邊際成本，或通過橫向或縱向并購的方式獲取經營數據、拓寬用戶群體和規模來擴大市場規模，以其數據優勢、人才優勢、資金優勢等“綁架”競爭對手，束縛市場新進入者的創新能力，從而使自身在有外來參與者的市場上擁有更強大的競爭力。既有大型平臺通過數據源的集成構建了標準化且有市場價值的工作流程，并與用戶建立了粘性。一旦用戶被鎖定，非主導平臺如初創企業甚至中小規模企業因高切換成本難以與其競爭，削弱了非主導平臺挑戰既有大型平臺的能力，無法扭轉生成式人工智能市場集中度過高的狀況。

（二）生成式人工智能壟斷風險規制現狀

就我國現行法律基礎而言，宏觀層面對生成式人工智能行業準自然壟斷的治理框架已基本搭建完成，微觀層面也已出臺較為明確的規范指引。從宏觀上看，規制框架可以分為“硬法”和“軟法”兩種視角。

1.“硬法”的規范

“硬法”是指具有強制服從的威懾力的“他律”。目前，我國生成式人工智能治理中的“硬法”的規范，包括：《中華人民共和國反壟斷法》（以下簡稱《反壟斷法》）、《中華人民共和國數據安全法》等法律，《上海市促進人工智能產業發展條例》《深圳經濟特區人工智能產業促進條例》等地方性法規，《生成式人工智能服務管理辦法》（以下簡稱《管理辦法》）、《互聯網信息服務算法推薦管理規定》（以下簡稱《算法管理規定》）等部門規章。

2.“軟法”的規范

“軟法”主要是指道德，更強調通過政治組織創制的自律規范和行業創制的自我約束條例等手段產生社會實效。“軟法”主要包括：依黨中央、國務院部署要求頒布的《新一代人工智能發展規劃》《北京市促進通用人工智能創新發展的若干措施》等產業政策，國家新一代人工智能治理專業委員會發布的《新一代人工智能倫理規范》《網絡安全標準實踐指南—人工智能倫理安全風險防范指引》等科技倫理方面的指引文件，江西省市場監督管理局制定的《江西省數字經濟領域反壟斷合規指引》等行業規范。

可見，我國目前在宏觀層面注重生成式人工智能行業壟斷的監管，并通過“硬法”和“軟法”對生成式人工智能進行多層次的綜合規制。

從微觀上看，《管理辦法》是我國首個針對生成式人工智能行業監管進行全面規范的指導性文件，反映了我國在決策層面治理生成式人工智能行業準自然壟斷思路的進一步深化和延伸。在監管方式上，提出對生成式人工智能服務實行包容審慎和分類分級監管，要求國家有關主管部門針對生成式人工智能技術特點及其在有關行業和領域的服務應用，完善與創新發展相適應的科學監管方式，制定相應的分類分級監管規則或者指引。可見，《管理辦法》結合了安全性設計、合法性設計和倫理性設計的綜合治理思路對服務提供者的合規義務進行了細化，便于宏觀層面規制措施的落地和執行。

就當代世界各國針對生成式人工智能領域反壟斷執法的新動向而言，2024年3月13日歐盟《人工智能法案》正式通過，其作為全球首部人工智能領域的全面監管法案，根據生成式人工智能系統的特點對服務提供方的義務進行嚴格審視和重新校準。2024年1月16日，新加坡AI Verify基金會和新加坡信息通信媒體發展局共同制定了《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態系統。2023年12月7日，加拿大隱私專員辦公室發布了針對生成式人工智能技術的規制文件——《生成式人工智能技術的基本原則：負責任、可信和隱私保護》。2023年10月30日，美國總統拜登正式簽署第14110號行政命令“安全、可靠和值得信賴的人工智能開發和使用”，提出聯邦機構要選拔并增設本部門的首席人工智能官，該制度作為白宮有關生成式人工智能的首套監管規定，創新了政府對人工智能領域的監管形式。

簡言之，聚焦生成式人工智能的準自然壟斷風險問題，世界各國都開始意識到對其進行監管的必要性，并調整監管力度，力求在控制生成式人工智能風險的同時助力生成式人工智能行業健康發展。

（三）生成式人工智能行業的規制困境

生成式人工智能行業的規制是人工智能治理的重要組成部分，可以適用一般范式和治理原則，但生成式人工智能的發展規律并未完全明晰，簡單套用“軟硬法協同共治”的基本路徑仍存在壟斷行為識別難度高、監管力度把控難及規制體系混亂等多方面的規制困境。

1.壟斷行為識別難

（1）技術壟斷限制技術監管降低審查精準性

生成式人工智能在技術與領域的高度復合性增加了監管的困難，即技術監管限制降低了審查精準性，具體體現在：一是生成式人工智能領域的在線市場概況具有動態性，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。這種特殊的動態性、迭代速度快的特性都使得在線市場概況的反映存在困難，市場力量和市場份額的衡量標準也存在模糊地帶。二是既有大型平臺的核心技術在一定程度上領先于信息安全、網絡安全技術的發展，其為了把握市場的先機和隔絕政府的干預，總是傾向于保持先進技術對外界的不透明狀態，這種技術壟斷限制了技術監管本身的發展，監管技術也因此被擠出信息網絡技術的第一梯隊。三是難以界定壟斷行為是人工智能行為引發的巧合性后果還是使用者暗箱操作的刻意引導。生成式人工智能行業中的算法黑箱問題使得企業可能通過算法暗地達成壟斷共謀，但由于算法本身不具備惡意，即算法程序的運行也不受開發者、使用者內心欲望和偏見的影響，共謀的主觀意圖難以被認定，從而逃脫反壟斷法的制裁。

（2）經營者集中存在申報漏洞影響審查有效性

根據我國《反壟斷法》第26條和《經營者集中審查規定》第5條之規定，相關市場界定和市場支配地位的認定仍是判斷經營者是否濫用市場支配地位的前置必經步驟，然而在調查生成式人工智能行業的經營者集中案件時，反壟斷機構對經營者集中的調查往往因為面臨技術問題、取證高成本壓力等困難，歷時數年才得出結論。此時既有大型平臺一般已經憑借穩定流量的不斷引入獲得用戶和市場地位，為了鞏固其優勢地位又通過集中過度消滅競爭者、提高市場集中度、增強市場控制力，即便將其判定為非法集中，經營者可能面臨的事后違法成本與合并的巨大收益相比微乎其微，造成消費者福利和社會總體福利的減損。因此，在生成式人工智能領域中僅通過市場份額推斷經營者實際存在對市場的控制能力不準確。

2.監管力度把控難

一方面，過度監管可能扼殺初創企業活力。生成式人工智能的風險需根據不同應用場景采取不同風險導向的場景治理路徑。若不對場景進行區分，直接強調穿透式監管或“全鏈條治理”，將導致某一細分領域的監管措施過于嚴苛。其一，過度監管抑制初創企業的創新能力。在逐漸壘高的行業壁壘面前，小型科技創新企業可能為了生存不惜打政策、法規的“擦邊球”，甚至突破監管底線違規、違法操作，造成惡劣影響。其二，過度監管抑制生成式人工智能領域創新能力。WU T和THOMPSON SA通過統計相關數據發現，2000年以來，蘋果、谷歌、臉書和亞馬遜等少數幾家平臺公司總共收購了數百家公司，其中臉書和谷歌收購了350家公司。世界各國的反壟斷執法機構未能阻止此類并購，其中許多并購消除了實際或潛在競爭者的競爭威脅。初創企業中的創業者認為若避免不了被科技巨頭企業并購的結果，出于理性經濟人利益最大化的考慮，可能更傾向于選擇后者報價更高的創新方向，導致生成式人工智能領域的創新效率降低。

另一方面，監管不足可能造成市場秩序的紊亂。為了鞏固自身在市場上的領先優勢，既有大型平臺因擁有市場壁壘可能會干預行業標準的制定，通過制定利己的行業標準繼而獲得更廣泛的市場認可和市場份額，甚至決定市場走向。例如，既有大型平臺可以通過獲取生成式人工智能模型的設計和開發標準、應用和部署標準、性能和社會評價標準等標準制定權，使得其他經營者的產品無法接入，從而推廣自產的生成式人工智能產品和服務壟斷市場，典型案例是微軟公司為Office 2007產品開發的技術規范Office Open XML，現已成為國際文檔格式標準。

3.規制體系混亂

生成式人工智能技術加速和深化了跨部門的數據共享、智能協同聯辦和流程再造。跨部門協同監管仍存在信息孤島、職責孤島，生成式人工智能行業準自然壟斷規制仍存在困境。在政策具體實施方面，還存在市場形勢判斷難、干預時機決斷難、責任主體劃分難等難點，市場主體開展安全可信技術創新激勵和容錯措施尚未制度化。包容審慎監管試點較少，對擬實施或已實施的監管產生影響的分析程序重視度不夠，科技倫理治理公共服務平臺有待建設。

在治理主體方面，考慮到生成式人工智能行業準自然壟斷的風險會涉及多個領域，在不同場景需要由不同主體進行監管。然而，多方監管容易產生監管的競爭與推諉問題。對于可能提升監管考核數量指標等表面功績的事項，各個監管主體可能會采取積極的監管政策并主動推進執法進程。相反，對于情況復雜、涉及面廣且潛在利益不足的事項，各個監管主體則可能會選擇推諉扯皮，從而出現執法空檔現象。無論是競相執法還是推諉執法，都有可能導致執法效率低下、成本高昂、收益有限，造成執法資源浪費，進而影響行業競爭格局與公共利益。

三、準自然壟斷屬性需要行業監管和反壟斷規制的平衡解決潛在壟斷和路徑分歧的問題

競爭政策和產業政策之間的沖突具有客觀性，但不是必然有害的。反壟斷法規制代之以行業監管是各國監管改革的普遍規律。當前，我國監管模式已經完成了從行業主管、獨立監管到統籌監管的轉變，強化事中、事后環節的嚴格問責。反壟斷機構旨在維護競爭的市場結構、促進壟斷性行業市場主體提質增效，行業監管則在市場準入、合規指導等事前“體檢式”監管方面具有天然優勢。由于各監管路徑的專業能力和實踐經驗不同，分工合理的監管模式能最大程度發揮優勢，因此對自然壟斷或準自然壟斷行業的規制存在以反壟斷法規制為主和以行業監管為主的路徑分歧。

（一）協同治理的實施路徑

如前所述，行業監管和反壟斷規制分別對應產業政策和競爭政策，這是政府經濟政策在監管實施層面的微觀體現。因此，行業監管與反壟斷規制的分工協同問題也屬于正確處理政府與市場關系的范疇。無論是反壟斷規制還是行業監管，治理路徑都基于適用場景變化而產生變化形態（表1），下文僅就以反壟斷規制為主和以行業監管為主的兩種路徑做詳細闡述。

1.以反壟斷規制為主，行業監管為輔

以反壟斷規制為主，行業監管為輔是指反壟斷法一般適用對自然壟斷行業規制的前提下，通過行業監管制度的補充適用，將兩種制度優勢最大化，以期達到最佳規制效果。這種制度范式實際上是通過兩類機構適度分工、緊密合作，減少不必要的權限重疊，克服裁決沖突，形成優勢互補的權限配置。

由于具體行業的競爭程度受經濟技術條件和市場需求等因素的影響，反壟斷規制與行業監管的關系也隨之變化。準自然壟斷行業壟斷與競爭并存，對其規制的目標是促進有效競爭的實現，若過分依賴行業監管容易導致對壟斷規制的不足。根據各國規制經驗，在壟斷與競爭并存階段，反壟斷法適用困境需要通過行業監管制度制度的補充適用去克服，反之行業監管制度的缺陷也需要加強反壟斷法的適用去彌補。就規制市場主體濫用其支配地位而言，行業監管機構的存在能夠弱化反壟斷執法機構所面臨的信息不對稱問題。從多數國家的立法體例來看，目前選擇將反壟斷法置于市場經濟基本地位并優先適用的情形居多，其中又以美國最為典型。

與歐盟先規范后發展的監管立場不同，美國在壟斷問題的治理上主要采取相對開放的管理戰略。美國聯邦貿易委員會主席Lina Khan表示，將對微軟、亞馬遜和谷歌在人工智能初創公司OpenAI和Anthropic上的數十億美元投資進行調查，以揭示這些主導公司的投資和合作伙伴關系是否可能扭曲創新和破壞公平競爭。此外，美國聯邦貿易委員會和司法部一直在討論由哪個機構負責審查微軟和OpenAI之間的交易，雙方對管轄權的爭奪為正式調查設置了障礙。過去，美國聯邦貿易委員會和司法部一直試圖避免重復調查，2019年它們達成了一項分工協議，將科技巨頭的反壟斷調查拆分開來，臉書和亞馬遜歸FTC調查，Google和蘋果歸司法部調查。總體來看，美國執法機關采取了較為溫和的反壟斷規制手段，例如出臺了一些針對生成式人工智能行業既有大型平臺的反壟斷法，以促進生成式人工智能產品和服務在全球的強勢發展，期望實現政府的一些政治目的和維持霸權地位。

2.以行業監管為主，反壟斷規制為輔

以行業監管為主，反壟斷規制為輔是指在雙重管轄模式下，主要適用行業規制，反壟斷執法機構在國家體制中的地位位于行業監管機構之下，由行業監管機構負責執行本行業的絕大多數行業監管，反壟斷規制則補充適用。行業監管往往采用“命令—控制式”的立法模式，由行業監管機構設定相應的標準，通過許可或禁止的形式強加于被規制者，具有較強的不可變通性和強制性。換言之，行業監管無須分析該行為在具體的場景中是否對競爭造成負面影響，而是一經發現即可以概括性地禁止。以停止違法行為為主要救濟措施的反壟斷法雖然能夠較好地解決策略性的市場失靈，但不能真正處理結構性的市場失靈。與之相比，以行業監管為主，反壟斷規制為輔的規制路徑在面對結構性市場失靈時，可以從市場主體、交易客體、交易條件、競爭關系等多層面重新構建市場條件，能夠更為便宜、常規地監督受規制主體，即便反壟斷法干預失靈，其損害后果也較輕。但與此同時，預防為主的行業監管模式容易引發打擊企業創新性、破壞市場正常運作的副作用，典型如歐盟出臺《數字市場法》以加強事前監管的方式革新監管框架，導致部分企業合作需要重新部署或停滯。

在歐盟的競爭法實施模式中，大部分反壟斷執法由歐盟委員會進行，強調制定一系列的明線規則（bright-line rules），為執法提供可靠的制度遵循，使得行政權力更為有效地實施。歐盟委員會曾采用傳統的反壟斷法就個別企業實施反競爭性行為進行針對性調查，以事后救濟的形式彌補相關行為對同行競爭企業造成的不利影響。然而，僅靠傳統競爭法的事后監管措施難以矯治因“守門人”技術依附性和強壟斷性屬性引發的系統問題。2020年12月，歐盟率先出臺了《數字市場法》與《數字服務法》，突破了傳統競爭法下的監管框架，實現了由反壟斷規制事后監管到行業規制事前監管的轉變，在“守門人”對市場造成不可挽回的有害影響前進行干預。但歐盟采取較為嚴格的監管框架與其在人工智能技術領域的落后有關，正是由于歐盟一直以來對經濟壟斷行為嚴格監管的保守態度，才使得歐盟的市場主體主要都是中小企業，中小企業在技術研發、商業模式和用戶服務等各方面都缺乏競爭優勢，很難成長為能夠抗衡谷歌、蘋果、亞馬遜等互聯網巨頭的平臺。

（二）競爭規制應以反壟斷法規管為主

反壟斷法規制與行業監管這兩種手段的適用目標都是為了實現行業有效競爭的引入和社會整體效益最大化，加上行業的創新和發展需要更具開放性和競爭性的市場環境，雖然基于行業安全考慮可以制定并執行一定的產業政策，但仍應優先考慮和普遍適用競爭政策，堅持反壟斷法的主導地位。理由如下：

1.基于維護競爭秩序的監管目標考量

行業監管重在保障行業的穩健運行和實現行業政策目標，無法完全基于競爭秩序的考量去應對行業存在的競爭問題。行業監管機構因承擔行業標準制定、執法監管、信息披露等職責，為了保護服務接收方的利益和市場整體穩定性及服務質量，往往采取更為嚴格的監管措施。行業監管趨嚴的影響是多方面的：一方面，強監管舉措會增加行業內服務提供者的運營成本和潛在風險。在穿透監管、實質重于形式的監管原則下，企業為了滿足各項監管要求需要投入更多的資源和精力進行內部管理，特別是對于一些高風險業務的投入態度由積極轉向謹慎，導致業務盈利空間收窄和業務拓展受限，以致企業缺乏主動尋求盈利和發展的內在動力，更沒有動機為了追求更高的市場利潤而提升企業競爭力。另一方面，強監管舉措會使得市場缺乏競爭和創新，影響其長期發展。僅有市場競爭秩序，沒有創新驅動發展的市場將很難在數字化經濟時代背景下產生好的市場績效。科技巨頭憑借其數據優勢、技術優勢、資金優勢和專利優勢等能夠輕松打開新市場，假設再伴隨針對中小企業實施的不正當競爭行為，可能會破壞整個市場的創新激勵機制，最終導致市場失靈。簡言之，行業監管機構制定的相關政策可能因追求政策性指標而偏離維護本行業發展的目標，這意味著競爭規制仍應側重于維護競爭秩序，以反壟斷法規管手段為主。

2.基于針對壟斷行為的規制權限考量

法律是一切制度實行的強制保障，也是行業監管最有效的保障。反壟斷執法機構和行業監管機構雖然是在國務院領導之下的平級機構，但由于權限和分工的不同，反壟斷執法機構具備對包括行業監管機構在內的主體實施的限制競爭行為的規制與執法權限。從相關法律規范上看，雖然行業監管機構在關注到行業存在競爭亂象后已提出公平競爭與反壟斷的相關要求并出臺監管規范，但這種監管更多地體現為一種“合規監管”，即相關監管規則往往以行業監管機構的名義發布，規范位階低。加上所發布的新文件通常是針對行業出現的新問題，規范方式零散，并未形成系統的行業監管規則，反而容易導致市場參與者似乎是合規經營。相比之下，反壟斷法作為我國市場經濟體系中的基礎性法律，對市場經濟下各個行業與市場的壟斷行為具有統一的監管權限。根據《反壟斷法》第2條規定，我國最高立法機構賦予了反壟斷法對市場經濟中所有行業存在的排除、限制競爭行為的統一管轄權，只要現代社會認為某個行業屬于市場經濟范疇，應當引入競爭機制以實現行業資源的優化配置，那么該行業就不能排除適用反壟斷法。由此，在反壟斷執法過程中采取以反壟斷規管為主的路徑能夠彌補行業監管獨立性的不足以及可能造成的競爭損害。

3.基于相關處罰措施的落實程度考量

自然壟斷行業相對于一般競爭行業在競爭水平上的差異，決定了競爭機制在這些行業內發揮作用的局限性及政府直接干預的訴求，這進一步凸顯了反壟斷法旨在最大化競爭優勢及行業監管制度將政府干預訴求制度化的不同特性。在安全與發展并重的共同目標下，行業監管與反壟斷規制分工協同，共同治理行業發展過程中無法回避的壟斷問題。在市場運行過程中，由于“有限理性”和“不完全信息”等因素的存在，監管機構、被監管企業等博弈參與方難以在初始階段就作出完全理性選擇。即面對頻繁發生的交易行為，監管主體判斷交易行為的合規性成本變大；而按監管博弈論的納什均衡分析，企業采取高風險行為可能獲得的額外收益遠遠大于可能遭受的損失，這使其在博弈初期能憑借信息優勢作出有利于自身經營的策略選擇，致使監管部門的判斷產生偏差。現有的行業監管規范側重對行業內風險的防范與市場秩序的維護，無法有效應對一些隱性壟斷行為。如我國近年來為更好地落實監管措施，通過頒布處罰細則的方式補充完善了行業監管法律法規，但最主要的懲罰措施只是警告和罰款。警告處罰往往不會影響企業的持續經營，僅損失一些聲譽對其而言并不會起到太大的震懾作用；“天價罰款”的處罰舉措相對于企業獲得的隱藏收益，處罰力度不值一提。因此，需要尋求反壟斷法的有效治理，包括但不限于責令改正違法行為、信用懲戒和吊銷營業執照等處罰方式。

四、生成式人工智能領域準自然壟斷風險的規制進路

生成式人工智能行業要實現“使市場在資源配置中起決定性作用，更好發揮政府作用”的目標，就要在堅持競爭政策優先與反壟斷主導地位的前提下引入競爭機制，分場景、分環節地對潛在競爭進行分析，貫徹包容審慎監管原則。既要通過完善行為規則有效防范和化解生成式人工智能領域的壟斷風險，也要通過放寬市場準入、降低行業進入壁壘和賦予消費者自主選擇權等結構性改革，以保護和促進競爭來控制既有大型平臺的市場勢力和行為，提高實際和潛在競爭對手的生存能力，繼而推動我國生成式人工智能行業的健康良性發展。為此擬提出如下建議。

（一）在反壟斷法框架下出臺專門的行業競爭指引

“十四五規劃”提出要推進監管能力現代化，對新產業新業態實施包容審慎監管，同時《法治政府建設實施綱要（2021—2025年）》明確提出“完善與創新創造相適應的包容審慎監管方式”。在生成式人工智能領域內實施包容審慎的常態化監管應尊重相關市場內經營者的自主性和創造性，在不傷害消費者利益、社會公共利益和國家總體安全的前提下，給予市場充分競爭的時間和空間以及試錯機會，從而培育更多的新業態、新模式。雖然我國在絕大多數自然壟斷行業引入了競爭機制，使行業在整體上處于壟斷與競爭并存的階段，推進市場化改革進程，但規制方式仍有不合理之處，對行業發展起不到有效激勵的效果。

發達國家對自然壟斷行業規制改革的經驗證明：規制治理是競爭法規制的方向，規制的核心是產生立法規制。立法是規范市場秩序的治本之策，為市場主體活動提供了有效規范，如果沒有相關法律法規對市場行為進行約束，整個市場就可能出現無序狀態。例如，生成式人工智能領域內企業的競爭歸根結底是對用戶注意力資源的爭奪，故在相關市場界定中需強調考慮動態競爭情況和可能的競爭來源。在生成式人工智能領域中清晰地界定相關市場十分困難，可以從實施行為的經營者主營業務可能的輻射范圍出發，結合相關市場的潛在競爭狀況展開。英國競爭與市場管理局對臉書并購Giphy一案表示：“無需清晰界定相關市場，相關市場評估是一種分析工具，其更重視競爭來源與約束評估而非僅僅靜態的明確經營者競爭的市場范圍。”英國信息專員辦公室就監管生成式人工智能市場的壟斷問題發布了《針對開發或使用生成式人工智能的指南》，從數據控制者與數據處理者的地位、風險影響評估、最小必要原則等方面提供了明確的監管適用方法。

我國目前在法律層面對生成式人工智能的回應還在探索階段，已經初步形成了以《管理辦法》為樞紐，統合《反壟斷法》《數據安全法》《深度合成規定》《算法管理規定》等規范的治理框架，但在競爭規制層面，對該行業的規制仍應以反壟斷法為核心。雖然反壟斷法明確規定經營者不得利用數據和算法、技術、資本優勢以及平臺規則等從事本法禁止的壟斷行為，但上述規則和傳統的反壟斷法分析框架對生成式人工智能領域的適用門檻和認定標準的理解還存在較大差異，如相關市場的界定、相關市場的準入條件以及市場支配地位的程度。建議反壟斷執法部門在既有反壟斷法的框架下結合企業側的客觀事實，圍繞上述壟斷具體認定標準判斷企業是否具備所處相關市場至關重要的競爭資源，是否會阻礙其他企業進入目標市場，并出臺細化指引。

（二）開展市場調查，梳理相關壟斷風險

生成式人工智能行業涉及的產業鏈復雜程度高，且上下游產業之間緊密關聯，在秉持包容審慎原則為其營造適宜發展、有效競爭的市場環境的同時，也應當開展市場調查，梳理相關壟斷風險并及時對其進行規制。

參考美國的報告，生成式人工智能領域最明顯的壟斷風險包括如下四種形態：

1.在先企業可能實施搭售行為，將生成式人工智能應用程序與現有核心產品聯系在一起，以降低競爭對手獨立生成式人工智能產品的價值，進而扭曲競爭。如微軟曾將ChatGPT捆綁至微軟公用云端服務平臺（Azure），這可以視為一種搭售行為。

2.在先企業也有可能利用其市場支配地位實施排他性交易，竭力將用戶引導至自家的生成式人工智能產品，如英偉達拒絕向某些生成式人工智能開發者或服務提供者銷售用于人工智能訓練的顯示芯片A800。

3.在先企業利用其在計算機領域的影響力，通過獨家云合作伙伴等方式對自己及合作伙伴給予區別于市場新進入者的歧視性待遇。云服務提供商可能對第三方大模型提供更高市場報價、更低質量的云服務，卻優待其自有的大模型用于數據訓練或算力提供，如在搜索引擎領域，谷歌將聊天機器人（Bard）接入其搜索服務。

4.扼殺式并購的風險。在先企業出于避免競爭以推出更好的產品或服務的目的，對中小初創企業實施“掐尖型并購”。如2022年2月，英偉達終止了收購安謀國際科技股份有限公司（ARM）的交易，美國聯邦貿易委員會稱，該收購將扼殺多個處理器市場的競爭，包括云服務提供商的芯片。

為了解我國相關行業壟斷風險的形式和程度，建議我國執法機構借鑒英國競爭與市場管理局的行業調查，啟動對生成式人工智能行業競爭態勢、競爭特點、競爭效果和壟斷風險的摸排，形成行業競爭評估報告為后續規管參考。

（三）明確豁免范圍，為創新提供空間

由于數據的易復制性和生成式人工智能的用戶多棲性等特性，數據交互傳輸常常會成為設計和開發新產品、新服務的必備基礎。科技企業與科技企業之間、科技企業與傳統企業之間、利用數字技術進行全鏈條改造中的傳統企業之間，都可能出現基于數據開放與共享的廣泛合作。這種為了共同的研發目標而投入各自優勢資源形成的合作可以提升生成式人工智能領域創新的整體價值，但在反壟斷法語境下，具有橫向競爭關系的經營者之間達成聯合很可能會被視為具有排除、限制競爭的效果。就生成式人工智能領域而言，具有競爭關系的經營者之間直接或間接地交換涉及彼此生產經營行為的“敏感信息”，反壟斷執法機關可能將其認定為實施隱蔽共謀行為前的準備措施，繼而影響經營者獨立決策并最終在事實上引發壟斷。因此，在判斷合營企業交換敏感信息是否屬于壟斷協議中的豁免情形時，應加入對于商業模式特殊性質和管理模式創新的考量，將相關數據的交換控制在必要限度內。

在統一式的監管措施面前，雖然合規要求并無差距，但初創企業往往面臨著難以承擔的巨大合規成本。如果不采取適當的措施對其進行保障，既有大型平臺可以憑借自己的資源優勢在實現技術創新的同時完成合規要求，而中小企業則只能在創新與合規中艱難抉擇，這種情況將導致頭部企業壟斷市場的程度不斷加劇。對此，我國可借鑒《數字市場法》，設立分級的正負義務清單群對既有大型平臺進行預防性規制。負面清單明確絕對禁止生成式人工智能領域既有大型平臺實施具有危害性的、反復性的不法實踐，如算法合謀、自我偏袒、捆綁銷售等；明確企業嚴格禁止的事項，杜絕其不法行為，遏制資本的無序擴張。正面清單的制定則要考慮到生成式人工智能市場動態性的特點，以保護消費者和商業用戶的權益作為依據，前瞻性地列出企業應為的事項。這些事項可能在我國還缺乏足夠的經驗，故較于負面清單的確定性，正面清單的義務規定應主要為概括性事項，如數據可攜帶性、互操作性，以及要求既有大型平臺在與用戶的合同中納入FRAND條款以防止超級平臺濫用其強雙邊連接性的市場地位來不公平的對待商業用戶及消費者。正面清單具有較強的變通性，給予執法機構一定的自由裁量權來應對數字市場的變化，這也表明對生成式人工智能行業經營者的執法堅持了包容審慎原則。

對于監管機構而言，由于反壟斷豁免制度將部分“利大于弊”的壟斷行為排除適用在規制范圍之外，此舉更有利于在執法資源有限的情況下以風險為導向，加大對既有大型平臺企業數據、算法活動等高風險領域的檢查力度，適當減少對初創企業簽訂壟斷協議等風險相對較低領域的資源投入，動態配置監管資源以緩解監管時滯，提升監管效率。

基于上述考量，建議盡快明確反壟斷法“安全港”條款規制的適用標準，同時研究集體豁免適用的可行性，盡快與歐盟等反壟斷司法轄區的做法接軌。

五、結語

生成式人工智能領域存在復雜競爭關系，其準自然壟斷屬性又是眾多壟斷問題滋生的關鍵所在，亟須治理。同時，生成式人工智能行業的發展以科技企業創新為動力，其特有的破壞性創新屬性也倒逼反壟斷監管模式更新。雖然我國目前針對生成式人工智能行業準自然壟斷風險的規制已經初步具有了規范框架，主要由國家網信辦等行業監管機構進行監管，但囿于行業監管存在競爭監管規則不足、規制權限低以及監管措施落實不力等問題，無法有效規制壟斷行為，應當遵循競爭政策優先原則，采取以反壟斷法為主，行業監管對反壟斷法一般適用進行適度補充的治理路徑。本文嘗試參照“可競爭市場理論”，從市場競爭過程視角出發，提出生成式人工智能領域準自然壟斷風險的規制進路，為生成式人工智能行業的健康發展和有效監管提供一定參考。

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