李   颖 | 北京文化娱乐法学会版权工作委员会 副主任 法学博士

王圣宇 | 伦敦大学学院（University College London）法学硕士

      近年来，我国平台经济迅速发展，新业态、新模式层出不穷，对推动网络经济高质量发展发挥了重要作用。而算法作为数字经济的核心驱动力之一，已通过诸多形式被充分应用于各个场景的商业实践之中，同时引发了公众、媒体特别是监管机关的广泛关注。其中，在反垄断监管视角下，我国于2021年2月7日发布的《国务院反垄断委员会关于平台经济领域的反垄断指南》（简称《指南》），以及于2022年8月1日正式生效的《中华人民共和国反垄断法》（2022年修正），均要求经营者不得滥用数据和算法、技术、资本优势以及平台规则等排除、限制竞争。

      在此背景下，算法合规日益受到各大互联网公司的重视。而欲对竞争法视角下算法使用的合规问题进行探讨，首先应明晰各类别算法所可能引发的潜在竞争关注，并以此为依据在竞争法视角下对涉算法行为的模式及合规问题进行合理的定位与认知。在竞争法视角下，除协同行为部分外，算法因素暂未对传统反垄断分析架构提出明显挑战。就协同行为及轴辐协议而言，应重点关注相关行为内的算法因素与经营者间意思联络的客观状态、主观目的之间的互动影响。就相关行为的最终定性判断标准而言，或应侧重于对相关市场主体实施具体行为时选择特定市场策略的独立性维持与保护。

      “算法”是指对解题方案的准确而完整的描述，是一系列解决问题的清晰指令，代表着用系统的方法描述解决问题的策略机制[1]。算法能够在有限时间内，通过一定规范的指令输入、运算等，获取所要求输出问题的计算解决方案和机制。一般认为，算法是一种将输入与输出连接起来的计算机代码。根据其应用场景及目的不同，算法的具体表现形式、种类包括但不限于价格算法、搜索算法、排序算法、过滤算法、匹配算法等。

      基于对现有行业实践的观察，结合竞争法理论的基本分析框架，笔者认为，在竞争法视角下，可参考经济合作与发展组织在《算法与共谋：数字时代竞争政策》报告中对算法所作的分类，从整体上将算法分为"市场监测类算法""平行定价类算法""信号类算法”“自我学习类算法”四类。

市场监测类算法

      这类算法主要是指经营者为确保合谋类协议的实施，通过算法收集竞争对手的信息并对竞争对手的行为进行监控。[2]该类算法在市场竞争视角下的意义在于经营者通过运用特定的算法，可以更有效地收集竞争对手与商业决策有关的信息，并对数据进行筛选，从而识别竞争对手的行为变化，制定即时的应对计划，以确保企业之间达成的合谋可以顺利实施。在这种情景下，算法的快速反应能力辅助产生的快速跟进机制，会对合谋经营者的行为产生强有力的约束。[3]在激烈竞争的网络市场中，该类算法被越来越多的经营者使用，以帮助其根据竞争对手的竞争策略、市场信息的变化、快速、及时制定、调整自身的竞争策略、应对方案，以保持竞争优势、弥补竞争劣势。

平行定价类算法

      这类算法通常是指通过收集和分析大量的市场数据、并在综合考虑大量因素的情况下为产品和服务定价的算法。[4]该类算法在市场竞争视角下的意义在于，其会扩大可能产生价格合谋行为的场景范围。在传统的、高度动态化的市场环境中，竞争经营者间的沟通成本往往很高，很难达成价格垄断协议。但算法的出现使得相关经营者在动态市场中达成价格合谋具有了可能性，经营者间的合谋已可不直接针对价格本身产生，而是前置到价格的制定和决策环节[5]，通过让竞争经营者同时对市场波动作出平行、相同的价格反应，最终达到与价格合谋同样的结果。该类算法目前在电商领域也已有较大范围的使用。

信号类算法

      这类算法是指经营者通过算法释放出关于价格变动的信号、作为一个隐蔽的要约、意图邀请或直接通过默示的方式与竞争经营者达成合谋。[6]在传统竞争法分析框架下，对于如何处理“信号”行为还没有一条清晰的界限，信号行为在不同情境中可能产生或促进或阻碍竞争的效果，需要在个案中进行具体分析。[7]该类算法在竞争视角下的意义在于，经营者间可通过算法释放信号进行"沟通"，市场中的经营者彼此持续发送出信号，同时也在不断监测竞争对手发送的信号；当所有的经营者最终释放了相同的信息，经营者之间便"达成了"合意。[8]信号类算法的使用，使得网络环境下竞争者之间进行价格追随、采取相同价格策略的时间越来越短，导致越来越难以认定有明示“合意”达成的“合谋”。

自我学习型算法

      严格来说，在传统竞争法分析视角下，一般自我学习型算法并不是指某一种特定的算法，而是随着人工智能技术的发展，对机器学习、深度学习技术的具体运用结果。根据相关算法理论，即便经营者未曾有意识地编制特定的算法，某些算法也可能凭借其强大的预测能力，通过对市场中经营者行为的不断学习和适应，进而在没有人为干预的情况下自动达成合谋的结果。与前三种类型的算法不同，目前，通过自我学习型算法达成合谋更多的是一种理论上的预判。[9]就人工智能所引发的竞争法担忧而言，笔者同意业内学者观点，即认为竞争视角下，我们目前主要关注的是在人工智能的更快反应速度及更强算力的加持下，相关经营者既可能更容易达成共谋，也可能在更为复杂的市场环境中达成一个"最为合适"的共谋效果。[10]随着自我学习型算法的不断发展，其可能引发的竞争法关注有待进一步观察。

       一般认为，除传统竞争法分析框架内的协同行为部分外，算法因素并未对传统反垄断分析架构产生明显挑战。在竞争法视角下，一般可将所有受竞争法规制的实践行为归类为共谋行为（Collusion Behaviour）与单边行为（Unilateral Conduct）两类。其中，共谋行为主要包括具备反竞争效果的横向协议、纵向协议及协同行为，单边行为则主要涵盖经营者的各类滥用市场支配地位行为。

       就反垄断法下对涉算法行为进行法律规制的整体思路而言，除协同行为部分外，一般认为，算法这一新的技术手段并不必然引发全新的法律问题。[11]具体来说，因传统竞争法分析思路架构于经济学分析之上，其实质是对可能产生反经济效率效果的典型市场行为的归类总结。绝大部分竞争法视角下相关行为的配套分析思路，并不会因算法因素的加入而遭到冲击或挑战。这是因为在多数情形下，算法因素的介入仅会在一定程度上改变相关行为的具体运行方式，而并不会影响到该等行为的类别性外在特征及其经济学损害基础。因此，无论是美国反托拉斯法、欧盟竞争法还是我国反垄断法，均可能直接适用于那些虽然与算法相关但可直接纳入传统竞争法分析框架的行为或商业模式，例如以算法作为辅助手段或工具的共谋行为，或以算法作为监测及执行工具的单边行为等。

      换言之，对于算法运用与反垄断法的关系，分析的底层逻辑之一应当是：如果一种行为在没有算法作为工具或辅助的情况下，基于传统竞争法分析思路的分析结果是违法的、那么该行为并不会因为使用了算法而具有合法性；反之，如相关行为本身或行为的效果并不具备反竞争影响，相关行为也不会因算法的介入而具备违法性。

      正因如此，我国《指南》仅在第五条及相关滥用条款中适当加入了算法要素。修法过程中、曾有部分学者主张将《反垄断法（修订草案）》中第十条“经营者不得滥用数据和算法、技术、资本优势以及平台规则等排除、限制竞争"的原则性表述予以删除，其理由之一是该表述虽然符合社会发展趋势，但实际并非一种新兴、特别的规定，而完全可被概括于传统框架及其他条文中，无需另行强调。该意见最终未能被立法机关接受。立法机关出于聚焦数字经济反垄断的核心矛盾，防止数字平台滥用技术资本等优势实施垄断和无序扩张进而妨碍公平竞争秩序、抑制中小企业发展、扰乱市场公平交易秩序、损害消费者合法权益等立法目的[12]，采取了单独条款宣誓性规定的方式，以凸显国家对涉算法可能引发的垄断和滥用市场支配地位行为的高度关注，在最终通过的《反垄断法》中新增了第九条“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"和第二十二条"具有市场支配地位的经营者不得利用数据和算法、技术以及平台规则等从事前款规定的滥用市场支配地位的行为"两个条款。

      如前所述，算法的使用主要对竞争法视野下的共谋行为影响较大，这具体主要体现在以下两个方面。

      一是算法的高效性。与传统的共谋行为相比，涉算法共谋行为可以显著提高竞争者达成合谋的效率、甚至提升达成合谋的概率。这是因为算法可以在很大程度上改变市场透明度和经营者间的“互动”频率和效率。一般而言，对于共谋行为，普遍的认识是竞争者的合谋行为通常容易发生在集中度高、稳定、透明度高、市场进入障碍高的市场结构中。[13]但现有实践显示，算法的反应速度更快，可在更短时间内更高效地处理更复杂的市场信息。因此，如果竞争者试图达成合谋，通过算法的辅助，经营者可以在更多的市场情形中实现这一违法目的。[14]

       二是算法的隐蔽性。算法的运作过程是非透明的、隐蔽的，难以被实时追踪和发现。算法的不透明性，一方面源于数据安全性考虑和技术的专业性，另一方面源于智能技术应用基础上的“自我学习”。算法作为一种具有高度复杂性和专业性的前沿技术、只有极少数专业人士能理解，绝大多数人无法理解。而且，算法往往涉及海量且杂乱无章的训练数据，深度学习能力可以实现自动修改、扩展和完善模型、进而实现短时间内快速的版本迭代；同时，特定软件的算法多是以多种算法交织而成的算法系统的形式存在，而这些算法系统又是由众多程序员在不同时间制作、维护和修改的，由此导致了"算法黑箱"现象的出现。"算法黑箱"的存在，一方面增加了发现违法行为和违法事实的难度，使得主管机关或受损害方不仅很难发现合谋行为的发生，更难以证明市场价格是因为合谋而上涨；另一方面，算法的隐蔽性也增加了法院和监管机关在法律适用上认定共谋的难度，因为个案中可能很难有直接证据能够证明竞争者之间达成了共谋，需要更多辅助、间接证据来证明其彼此之间存在有意识的协同行为。

      笔者认为，上述影响具象化后，将主要落于竞争法分析架构中的协同行为与轴辐协议两部分，并由此对传统分析思路产生一定影响，下面分别论述。

关于算法协同

      传统竞争法理论及国际竞争法实践认为，竞争法应对目的或效果具备阻碍、排除竞争影响的共谋行为进行规制。对于该等共谋行为的表现形式，应扩张解释为包括协议（agreement）及协同行为（concerted practice）在内的合意行为。就此，我国现行《反垄断法》的相关规定与其保持一致。如我国最新生效的《反垄断法》第三条规定"本法规定的垄断行为包括：（一）经营者达成垄断协议"，同时第十六条规定"本法所称垄断协议，是指排除、限制竞争的协议、决定或者其他协同行为"。

       在传统竞争法分析思路中，执法及司法机关对协同行为的认定思路一般包括：（1）认为协同行为是指经营者间为取代竞争风险而产生的，尚未达到协议约定层面的一种有意识的实践合作行为；[15]（2）若想达成可取代竞争风险的协同行为，则必须要求经营者间具备合意，该等合意无需以语言形式体现，而可通过经营者间的直接或间接接触予以达成；[16]（3）具备竞争关系的经营者间所交换的敏感信息，如可能导致"市场策略不确定性的降低"，则该等信息交换将构成协同行为；[17]（4）即便缺乏明确的固定价格协议，仅出席的相关经营者向其竞争者披露其保密价格制定方案的会议，也可能构成协同行为并为欧盟竞争法所规制。[18]

可以看出，因协同行为通常属于实质性横向垄断协议行为，且通常将导致市场经济效率的降低，故该等行为一直被作为国际竞争法的重点规制行为而被严格监管。在传统竞争法观念下，该等协议或被列入反垄断法的核心限制条款，或被判定为本身违法而被统一禁止。就此，我国虽然现阶段在立法层面未就协同行为的构成要件与判定规则进行具体解释，但从执法机构发布的相关地方性指南来看，其执法思路与国际竞争法实践是相符的。

      具体来说，根据相关指南及指引，实践中一般认为协同行为的构成要件包括：（1）经营者之间存在意思联络；（2）经营者在市场中实际存在一致行为；（3）经营者无法就该等一致行为做出合理解释。[19]笔者认为，就该等分析思路框架，鉴于算法的便宜性及隐蔽性，算法协同对上述分析思路的影响，主要体现在对共谋及平行行为的判定界限，以及对所谓“默示共谋”的违法性判定方面。

      其一，就共谋及平行行为的判定界限而言，在数字经济的背景下，市场中大部分竞争者都在通过算法收集彼此的信息，并不断据此做出行为调整。如果算法与合谋、竞争行为与违法行为之间边界过于模糊，将给企业的正常经营活动带来很大的不确定性。独立但会与竞争对手产生一定相互作用的算法，与违法的平行算法行为之间，可能只有一步之遥。因此，对于算法共谋行为的把握以及对证据的审查认定就显得尤为重要。此外，对算法合谋行为的认定，是更多关注是否存在合谋行为，还是更多关注市场结果等因素，也会对反垄断法的适用边界产生不同的影响。[20]对此，我国《指南》第5条规定：“其他协同行为是指经营者虽未明确订立协议或者决定，但通过数据、算法、平台规则或者其他方式实质上存在协调一致的行为，有关经营者基于独立意思表示所作出的价格跟随等平行行为除外。"该规定与目前国际竞争法实践相契合，域外司法辖区的监管机构也持有类似的态度，即对于定价算法，如果经营者间的算法彼此独立，则只要不存在固定价格的实质共谋或合意，就不应产生违法责任。[21]

       其二，就“默示共谋”的违法性判定而言，竞争法规则的适用尚存争议。具体来说，"默示共谋"是指在竞争者没有进行明确沟通和意思联络的情况下，达成的事实上的合谋结果。[22]在传统市场中，该等共谋行为因缺乏对信息及工具的掌控和使用而极少出现，但"算法"这一要素的出现和发展，却在理论上为“默示共谋”提供了一定的环境与土壤。理论界目前已注意到，因运用机器学习和深度学习的算法可能引发的违法风险，是最为典型的默示共谋示例。在国际以及国内针对互联网企业的监管都在趋严的政策环境下，不排除各国下一步有进一步扩大“默示共谋”的适用范围的可能。[23]

关于轴辐协议

      传统竞争法及国际竞争法实践认为，协同行为还存在另一种表现形式、即所谓“轴辐协议”（Hub andSpoke Conspiracy）。因行业实践中发生的相关案例较少，轴辐协议近几年才进入我国监管机关的视野。

      我国《指南》第8条规定：“具有竞争关系的平台内经营者可能借助与平台经营者之间的纵向关系，或者由平台经营者组织、协调，达成具有横向垄断协议效果的轴辐协议。分析该协议是否属于《反垄断法》第十三条、第十四条规制的垄断协议，可以考虑具有竞争关系的平台内经营者之间是否利用技术手段、平台规则、数据和算法等方式，达成、实施垄断协议，排除、限制相关市场竞争。”

      我国相关规定虽将轴辐协议纳入监管范围中，但尚未明确其具体构成要件及分析框架。预计未来在执法及司法层面，我国的相关分析框架将遵从国际竞争法的实践。而根据为欧盟竞争法实践所认可的、欧盟前成员国英国的相关案例中的分析思路，该等行为的构成要件应包括：（1）信息传递者明知或应知相关信息可能被中间人传递给信息接收者，仍实际向中间人传递了相关敏感信息（甚至在传递时，其便期待该等信息被传递至信息接收者处）；（2）信息接收者明知或应知中间人的信息可能来自信息传递者，仍接收了该等敏感信息（甚至在接收时，信息接收人即期待该信息源自信息传递者）；（3）信息传递者与信息接收者存在竞争关系，且在实践中实施了一致的市场行为。[24]

      对此，部分学者认为，在数字经济背景下，算法将可能承担起轴辐协议中“信息轴经营者”的角色，进而使得具备竞争关系的经营者得以在以算法为轴的结构下，实施上文提及的“默示共谋”行为。对此，在我国现有司法实践及执法规则尚不明确的背景下，在企业合规层面，笔者认为，应对相关规则进行整体性把握，即对于该等行为，无论算法是否被摄入其中，应秉持的一个原则性判断是：市场中的任一经济实体均必须独立选择其市场策略，该等独立选择的要求并不剥夺竞争者选择一种明智的方式来参与现有或潜在竞争的权利，但该等独立要求应当严格排除竞争者间的任何直接或间接的特定意思联络。而被排除的意思联络应特指通过披露自身已采取或拟采取策略至潜在或现有竞争者处，进而影响其相关有效竞争行为的目的或效果的意思联络行为。

       综上所述，笔者认为，如欲对竞争法视角下算法使用的合规问题进行探讨，应首先明晰各类别算法所可能引发的潜在竞争关注。而通过上文对各类别算法的潜在竞争关注的分析可以看出，除传统竞争法分析框架内的协同行为部分外，算法因素暂未对传统反垄断分析架构提出明显挑战。因此，在传统竞争法的分析构架下，对于算法这一因素的法律定位和责任分析路径，应遵从不改变相关行为的本质定性、不改变相关行为的经济学损害分析原理、不改变相关行为的传统要件分析框架的基本逻辑。而就协同行为及轴辐协议的分析定性而言，无论从执法、司法亦或合规角度，均应化繁为简地对相关国内外规则进行整体把握，即重点关注相关行为内的算法因素与经营者间意思联络的客观状态、主观目的之间的互动影响。最终的定性判断标准，或应侧重于对相关市场主体实施具体市场经济行为时选择特定市场策略的独立性维持与保护。

<