[摘要]：作为一种自动化决策技术，算法既具有促进市场竞争的潜力，又是经营者获得市场力量的重要来源，甚至可能被经营者滥用实施算法垄断行为。算法垄断行为类型多样，除算法共谋、算法个性化定价外，还包括算法自我优待、算法掠夺性定价、算法剥削性滥用和算法驱动型经营者集中。作为一种新型垄断行为，算法垄断行为对现行反垄断法理论和制度构成了挑战。为有效规制算法垄断行为，需要构建“市场力量—市场行为—竞争损害”的反垄断法分析框架，强化对市场力量和竞争损害的评估；区分垄断行为判断标准与反垄断法立法目标，以竞争损害作为垄断行为定性的根本标准；健全分类综合规制模式，建立以法律规制为主、技术和伦理规制为辅以及反垄断法规制为主、其他法律规制为辅的综合规制机制。
[关键词]：人工智能；算法垄断行为；市场力量；竞争损害；反垄断法
一、问题的提出
大数据、算法和算力是人工智能发展的三个要素，其中，起关键作用的是算法。算法是一种结构化的决策过程，它使计算过程自动化和智能化，从而根据数据输入生成决策结果。作为一种自动化决策，算法可被用于满足客户的个性化需求、预测价格变化、分析客户偏好、优化业务流程、改进或开发新产品等方面。毫无疑问，算法已成为智能经济时代经营者取得成功的重要工具，通常情况下会对消费者福利和社会总福利产生积极的影响。
然而，算法既可能是天使，也可能是魔鬼。正如《纽约时报》专栏作家克莱尔·凯恩·米勒（Claire Cain Miller）所言：“算法虽没有是非观，但不能就此忽视它对社会造成的影响。”作为“技术中立”的算法，一旦被算法开发者或控制者滥用，可能会产生算法歧视、“信息茧房”和“回音室”效应、算法霸权等问题。在市场竞争领域，那双曾经默默守护我们的“无形之手”逐渐被一只更加隐秘的“算法之手”所取代。反托拉斯法的典型恶人——在烟雾缭绕的房间里操纵价格的老板们——可能走到了尽头，日益强大的算法已经成为游戏规则的改变者。在复杂的计算机算法、人工智能和大数据技术的辅助下，共谋、行为歧视与竞合场景将改变市场竞争范式并有可能恶化市场竞争环境。经营者可能会滥用算法实施共谋行为，共谋场景从毫不起眼的密谈室切换到了令人叹为观止的数据中心。美国司法部诉大卫·托普金斯（David Topkins）利用算法固定经典电影海报销售价格案、斯宾塞·迈耶（Spencer Meyer）诉优步涉嫌利用算法操纵打车价格案是典型的算法合谋案。具有市场支配地位的经营者也可能滥用算法实施自我优待、价格歧视行为，谷歌比价购物服务案、亚马逊自我优待案等案例突显了算法滥用的排他性损害。此外，经营者还可能滥用算法剥削消费者、外卖员等群体，德国脸书反垄断案以及近年来被广泛热议的算法个性化定价、外卖平台对外卖员的算法剥削等事件揭示了算法滥用的剥削性损害。“凡此种种无不证明，算法具有‘颠覆性潜力’，这一点即使是对科技变革社会能力饱含质疑的人也无可否认。”鉴于算法滥用带来的竞争损害，有必要将算法滥用行为纳入反垄断法的规制范围。
2021年是我国算法滥用规制元年。2月7日，国务院反垄断委员会印发的《关于平台经济领域的反垄断指南》对于经营者利用算法达成垄断协议以及利用算法实施拒绝交易、限定交易、差别待遇等行为作出了明确规定。5月8日，国家互联网信息办公室部署2021年“清朗”系列专项行动，专门提出“算法滥用治理”。9月17日，国家互联网信息办公室、国家市场监督管理总局等九部门联合印发《关于加强互联网信息服务算法综合治理的指导意见》，将防范算法滥用风险作为促进算法生态规范发展的重要任务。12月31日，国家互联网信息办公室、国家市场监督管理总局等四部门联合发布《互联网信息服务算法推荐管理规定》，明确经营者不得利用算法实施影响网络舆论、规避监督管理以及垄断和不正当竞争行为。2022年6月24日，全国人大常委会新修订的《中华人民共和国反垄断法》（以下简称“《反垄断法》”）第9条明确禁止经营者利用算法排除、限制市场竞争；第22条第2款禁止具有市场支配地位的经营者利用算法实施滥用市场支配地位的行为。
与国外算法垄断案例日渐增多形成鲜明对照的是，当前我国尚未出现算法垄断案例。究其原因，一是算法垄断行为具有新颖性、专业性、复杂性和隐蔽性等特点，不易被识别；二是面对人工智能时代的算法滥用行为，脱胎于工业时代、成熟于信息时代的反垄断法具有明显的滞后性；三是我国理论界对算法滥用及其反垄断法规制的理论研究不够深入。当前，理论界主要讨论了算法共谋和算法个性化定价，对算法经营者市场力量的形成机理、算法垄断行为的类型、算法垄断行为的规制路径等缺乏深入分析。有鉴于此，本文拟对上述问题进行研究，以期促进我国算法市场和智能经济的健康快速发展。
二、算法经营者市场力量的形成机理
市场力量是经营者在一段时间内通过提高价格获利或限制产量和消费者选择的能力。市场力量评估是平台经济领域反垄断法适用的基础性问题之一，无论是在滥用市场支配地位规制还是在垄断协议规制和经营者集中审查中，市场力量评估都是相关行为构成的前提条件或者竞争损害的重要考量因素。“在我们这个迷恋技术的时代，算法已经承担了一个特别神秘的角色，让它穿上了神学的外衣。”不仅如此，算法还赋予了经营者一种神奇的市场力量，使得算法经营者享有在相关市场控制交易相对人和排挤竞争对手的权力。
（一）大数据和算法是经营者获得市场力量的“左膀右臂”
大数据是人工智能的原料，算法的开发和优化往往需要经过海量数据的训练。经营者控制的数据数量越多、来源越广泛、质量越高，算法也就越先进。就此而言，数据竞争是算法竞争的重要内容。大数据具有一定程度的排他性、质量和价值的差异性、高昂的收集成本、锁定效应和转换成本以及网络效应等实然属性均会提高市场进入壁垒，是大数据经营者获得市场力量的重要来源。随着经营者在大数据市场的竞争变得日趋激烈，掌握和处理相关数据的能力成为经营者在相关市场具有市场力量的重要表现。由于算法的先进程度与大数据的数量和质量呈正比，在大数据领域具有市场力量的经营者，会将其市场力量传导至邻近的算法领域，进而在算法开发和优化上享有优势，壮大经营者在算法领域的市场力量。
此外，算法本身也是经营者市场力量的重要来源。无论是数据采集，还是数据挖掘，均离不开算法技术。数据采集是从在线资源中获取相关数据，经营者主要运用爬虫技术抓取数据，深度优先算法、广度优先算法以及启发式搜索算法是网络爬虫常用的算法技术。数据挖掘是通过仔细分析大量数据来揭示有意义的新关系、趋势和模式的过程，常见的数据挖掘算法包括决策树算法、贝叶斯算法、遗传算法、深度学习算法等类型。相对于人工数据采集和挖掘，算法采集和挖掘数据具有自动化、便捷性、精确性和高效率等优势。相对人类有限理性而言，算法的无情感、无偏见以及算法获取信息更加全面、客观、迅速的特点决定了算法更为理性，算法的自动化决策往往比人类决策更具优势，算法经营者更容易在“弱肉强食”的市场竞争中获胜；算法可以实现对自身及竞争对手商品或者服务数据、用户数据、市场竞争数据等数据的精准采集和高效挖掘，帮助经营者分析和预测市场竞争状况，通过率先推出颠覆性产品、实现产品的更新换代、收购潜在竞争对手等方式抢占市场先机；算法还可以对用户进行画像，进而实现精准推荐并通过会员制、积分制、优惠券以及个性化定价等差异化策略锁定用户，“懂用户”的算法甚至会让用户由被动锁定转变为主动锁定，进一步增强用户粘性。通常情况下，算法越先进，经营者采集和挖掘的数据数量和质量就越高，就越能迅速地抢占市场先机和牢牢地锁定用户，经营者更能有效建立并维持市场优势地位。故此，开发或者拥有先进算法成为经营者获得市场力量的必然选择。
由上可知，在经营者市场力量的形成上，大数据和算法犹如一对孪生兄弟，缺一不可。“没有数据的算法是空洞的，不经算法处理的数据是无意义的。”大数据的数量和质量影响算法的性能，经过海量和高质量数据投喂的算法，其性能得到了优化；同时，算法的性能会影响大数据的采集和挖掘，高性能的算法能够为经营者采集和挖掘更多高质量的数据。经营者在大数据领域的市场力量会被传导至算法领域，算法领域的市场力量也会传导至大数据领域，有学者将大数据和算法之间的相互强化效应描述为“合谋”。大数据和算法的结合，令经营者拥有了“上帝视角”，算法经营者集合了大数据和算法的双重优势，强化了其在相关市场的市场力量，“握着开启宝藏之门钥匙的守门人拥有了扭曲竞争的能力”。
（二）算法滥用是经营者不当获得市场力量的重要方式
人工智能时代是一个崇尚科技至上主义的时代，也是一个被算法支配的时代。经营者高度依赖算法，算法自动化决策在经营者决策中的比重越来越高；消费者生活在算法编织的一张张大网中，甚至被精明的算法所“算计”。随着算法使用的普及，算法的技术优势逐渐演变成一种权力，人类正在被搜索算法、推荐算法、价格算法等各类算法所支配，大部分人只能被动接受算法的安排。尽管在人类主宰的世界里，“算法中心主义”永远无法取代“人类中心主义”，但作为一种新兴的技术权力，“算法背后潜藏着控制算法设计和研发过程的资本权力”。资本权力的背后仍然是人，受算法开发者和控制者主观意志的左右，算法不可能做到客观中立，离开实际运作谈“算法技术中立”本身就是一个伪命题。在实践中，算法开发者和控制者为了实现自身经济利益的最大化，在算法技术外衣的遮掩下，实施损害消费者利益和社会公共利益的算法滥用行为，算法权力的异化“加剧了不平等性、阻碍了自由选择、增加了不安全性，引起人们对于算法权力是否可控的担忧。”是故，算法权力本质上与传统权力无异，可以在经济、社会生活甚至政治等领域彰显自身庞大的影响力和支配力。正如有学者所言：“从算法权力的本质属性来看，算法权力依然未脱离传统权力的概念，运用算法的主体可以通过算法进一步强化对其他主体的影响力和控制力。”
在市场竞争领域，从宏观层面的市场竞争策略的制定到微观层面的价格、质量等竞争手段的选择，都充斥着算法的影子。在实践中，经营者可能会滥用算法排挤竞争对手，在残酷的市场竞争中逐步扩大市场份额和营业额。例如，两个或两个以上的算法经营者可以通过信使类算法、轴辐类算法、自学习算法等算法，实施协调价格、限制产量等排除、限制市场竞争的行为，以增强参与算法合谋的经营者在共同市场的支配地位。在打压竞争对手上，算法经营者尤其是控制超级平台的算法经营者还可以通过算法实施自我优待行为以提高市场占有率，或者对交易相对人实施算法惩罚以禁止或限制交易相对人与竞争对手开展交易。例如，在阿里巴巴“二选一”垄断案中，国家市场监督管理总局指出，搜索算法的核心是提升搜索转化率，阿里巴巴对部分未执行“二选一”要求的平台内经营者，调低其搜索权重，直接导致其商品在平台上排序靠后甚至无法被搜索到。在新进入者扩大市场份额的关键时刻，算法经营者可以通过操控排序算法、推荐算法等算法暂时压制新进入者的市场曝光度，使得新进入者在吸引用户上面临重大挑战甚至失败。当然，算法经营者也可以通过价格算法实施个性化定价，或者通过推荐算法、预测算法等方式侵害用户隐私，损害消费者利益，将消费者剩余转化为生产者剩余，逐步积累雄厚的财力，进而有资本进行包括算法在内的技术开发或者实施扼杀式收购，以增强自身的市场力量。总之，算法经营者通过算法滥用服务于自身的竞争策略，从而提高竞争优势，算法滥用是经营者不当获得市场力量的重要方式。
（三）算法是经营者进入相关市场的重要壁垒
我们早已生活在一个算法社会，哪里有问题，哪里就有算法。尽管算法无处不在，但算法性能也有优劣之分，对经营者有重要价值的算法往往是高性能算法，这种算法的开发成本高昂。算法的开发成本主要包括算法本身的研发成本以及采集海量数据的成本。关于算法的研发成本，欧盟委员会在谷歌比价购物服务案中强调，建立一个成熟的通用搜索引擎需要花费大量的时间和资源投入，特别是与算法开发有关的初期费用高昂，初期费用包括研究和开发费用、购买设备的费用以及人力资源成本。数据收集成本主要包括经营者为采集用户数据，搭建一个为用户提供免费或低收费服务的平台所付出的大量前期沉没成本，以及经营者在数据收集、存储、分析、使用以及建设数据中心等方面的高额投入。在TomTom收购Tele Atlas案中，欧盟委员会认为：“虽然可以通过收集各种公共数据，可以相对迅速且以有限的费用为许多地区编制基本的数字地图数据库，但编制一个可导航的数字地图数据库的费用高昂且资源密集。”由上可知，高昂的前期沉没成本是算法开发成本结构的一个重要特点。对于许多经营者而言，开发有竞争力和高性能算法所需要的巨额投资，限制了大量的新进入者和潜在进入者，高性能算法的开发成本成为一道难以跨越的市场障碍。
为了降低算法开发成本，经营者也可以购买第三方专业算法。由于作为经营者核心技术的算法掌握在第三方机构手中，且第三方算法往往基于第三方数据的训练，第三方数据的质量、相关性、时效性等方面不如第一方数据，第三方算法的性能可能存在先天性缺陷。加之第三方专业算法通常难以根据购买方的业务特点量身定做，因而针对性不强，削弱了算法购买方的竞争力。而且，我国第三方专业算法提供服务尚处在起步阶段，尚未形成规模，在一定程度上限制了新进入者和潜在进入者的选择。
算法保护主要有商业秘密保护和专利权保护两种模式，商业秘密保护模式既保护涉及算法的技术方案也保护算法本身，但专利权保护模式只保护涉及算法的技术方案。但无论采用哪一种保护模式，算法都有助于经营者获得和维持市场力量。究其原因，算法尤其是高性能算法具有极高的价值，算法的开发和使用有助于经营者积累更多的资金，进而吸引更多用户，在“用户反馈回路”和“货币化反馈回路”的作用下，算法经营者在用户数量、资金实力和市场势力等方面进一步拉开与新进入者的距离。虽然商业秘密的保护模式不具有排他性，新进入者可以自行开发同样的算法，但算法开发的高昂成本，以及竞争对手早已通过算法牢牢锁定了用户，新进入者若要与竞争对手相抗衡，在资金、用户等方面面临较高的市场进入障碍。如果涉及算法的技术方案采用专利权保护模式，在专利有效期内，新进入者也难以运用这种技术方案，算法成为新进入者的市场壁垒。
尽管人工智能和机器学习领域的权威学者吴恩达（Andrew Ng）认为：“人工智能的市场壁垒不是算法而是大数据。”然而，由于高昂的算法开发成本以及算法的知识产权属性决定了算法会成为市场准入的重要壁垒。算法壁垒本质上是资源壁垒而非技术壁垒，算法壁垒的形成源于开发算法所需要的巨额资金以及训练算法所需要的海量数据，这对于新进入者和潜在进入者而言，都是一道难以逾越的鸿沟。
（四）算法在网络效应和锁定效应的作用机制中扮演关键角色
数字市场竞争存在较强的网络效应和锁定效应已成为一种共识。数据驱动的网络效应有助于建立、维持或强化主导经营者的市场地位，潜在进入者和新进入者进入相关市场的难度将大大提高。并且，“超级平台越大，基于数据驱动的网络效应越大，竞争对手取代它的难度就越高”。由于网络效应是以用户之间的相互依赖为前提，人工智能时代用户的相互依赖更多地来自技术的创造，尤其是算法技术发挥着越来越重要的作用。例如，在搜索引擎市场，同一市场内的用户越多，搜索引擎搜集的数据数量和质量就越高，经由数据投喂的搜索算法性能也越优秀，进而可以为用户提供更精确的搜索结果，这是算法技术驱动的直接网络效应；因算法的精准搜索带来的用户数量越多，广告商更愿意投资购买关键词，搜索引擎平台的收入就越高，进而有更多的资金用于开发和优化搜索算法，这是算法技术驱动的间接网络效应。通常情况下，算法性能越优异，网络效应就越显著。
在数字经济和智能经济时代，用户是经营者赖以生存的根基，用户流量是经营者竞争取胜的关键，找准用户需求、尊重用户选择权、提高用户体验感才是吸引用户的最佳选择。对于经营者而言，吸引和锁定用户的最佳“武器”是算法。算法经营者采集和挖掘用户数据后，通过算法对用户进行精准画像，勾勒出消费需求、消费渠道、价格偏好、支付偏好等用户消费图谱，在“用户至上”的旗号下，利用算法制定精准营销策略，为用户量身打造APP内容，或者为用户推荐符合自身消费偏好的产品。由于用户的个性化需求得到了尊重和满足，同时为用户节省了大量搜寻成本，用户习惯了使用算法经营者提供的服务，随着使用次数的增加，最初的选择经过不断地自我强化后出现了路径依赖和锁定效应。以网络零售平台服务市场为例，当消费者初次使用某平台服务时，算法经过数据采集和挖掘判断出该消费者为“新客”时，平台会采取“新客1元购”“新客5折购”或者“新客专享红包”等营销策略吸引消费者；随着消费者使用次数的增加，针对该消费者的优惠力度逐渐减弱，当算法判断该消费者已被成功锁定成为“熟客”后，便会取消优惠，甚至会对“熟客”收取更高的价格，或者根据消费者支付意愿收取不同的价格，出现了媒体报道的“大数据杀熟”现象；当该消费者间隔较长时间再次使用平台服务时，算法会根据之前的消费习惯、间隔时长等数据，作出最佳的优惠决策，以期再次锁定消费者。网络零售平台价格算法的运行机制充分说明，算法在数字市场的锁定效应中发挥关键作用。当然，算法并不总能成功锁定用户，如果算法未能搜集到足够数量和较高质量的用户数据，或者算法性能较低下，可能会导致锁定失败。
反垄断法关注的重点是经营者是否拥有市场力量以及是否滥用市场力量造成竞争损害。“传统市场力量本质是定价自由度，展现的是价格中心范式下的卖家权力。”算法赋予经营者的市场力量，是一种聚合算法技术力量、数据资源力量以及资本力量在内的综合控制力，主要表现为算法经营者对用户的精明“算计”和对用户的精准控制。算法经营者滥用市场力量造成的竞争损害，与传统市场力量滥用的竞争损害没有本质区别，无外乎是损害了竞争对手的利益、消费者利益，扰乱了市场竞争秩序。在2015年美国司法部诉大卫·托普金斯利用算法固定经典电影海报销售价格案中，时任司法部助理司法部长比尔·贝尔（Bill Baer）在起诉书中声称：“我们不会容忍反竞争的行为，无论它发生在烟雾缭绕的密谈室，还是在互联网上通过复杂的定价算法来实现。”因此，经营者滥用算法力量排除、限制市场竞争的行为，与传统市场力量的滥用一样，均属于反垄断法的规制范围。
三、算法垄断行为的类型化
鉴于算法的运用已经非常广泛，算法在垄断协议的达成和实施、市场支配地位的取得和滥用等方面可以发挥关键作用，算法合谋、算法个性化定价等垄断现象已为人们所熟知。在经营者集中领域，算法在收购中发挥的预警作用以及涉及算法的交易都有可能排除、限制相关市场的竞争。
（一）算法共谋行为
在反垄断法中，其他协同行为是一类难以识别和认定的垄断协议类型，是经营者通过默示、默契或者心照不宣等不易为公众所察觉的方式达成协调价格、限制生产数量或销售数量等协调行为，具有较强的隐蔽性和行为认定难的特点。算法共谋是经营者利用算法在数据收集、信息传递以及自动化决策等方面的优点，以比传统协同行为更加隐蔽的方式达成并实施的垄断协议。算法共谋在垄断协议达成上弱化了人的意志，呈现出较强的技术性和智能化特点；在垄断协议的实施上，“算法的绝对理性、无情感、无偏见的特性使得算法共谋克服了传统共谋下经营者之间因相互不信任而出现的‘囚徒困境’，使得算法可以在各种复杂的环境中维持合作，从而强化了算法共谋的稳定性。”概言之，算法共谋行为具有明显的技术性、智能化、稳定性和隐蔽性特点。
关于算法共谋的类型，经济合作与发展组织（OECD）根据算法在共谋形成机制中的作用，将算法共谋分为监控算法共谋、并行算法共谋、信号算法共谋和自学习算法共谋四种类型。监控算法共谋是经营者利用算法监控竞争对手的价格、产量等数据，实现与竞争对手在价格、产量上的协同。在这种共谋类型中，算法只是人类意志的体现。欧盟委员会2017年的一份调查报告显示，大多数在线零售商使用算法来监控竞争对手的价格，约2/3的零售商使用算法来自动调整价格。并行算法共谋是具有竞争关系的经营者通过使用相同的算法达成一致价格的共谋类型。并行算法共谋中较为典型的一种共谋是轴辐共谋，具有竞争关系的经营者使用枢纽经营者开发和运行的算法实现价格上的协同。滴滴、优步等平台使用的自动定价算法使得司机可以利用平台算法带来超竞争水平的价格，进而实现并行算法共谋。2015年，斯宾塞·迈耶诉优步涉嫌利用算法操作打车价格，原告主张优步司机利用优步的自动算法达成共谋，限制了网约车市场的价格竞争，损害了优步乘客的利益。在监控算法共谋和并行算法共谋中，算法通常只是执行经营者排除、限制竞争意图的工具，经营者的意思联络既可能表现为明示共谋，也可能表现为默示共谋。信号算法共谋是指算法在对已收集数据进行挖掘的基础上，自动向竞争对手发送价格信号，竞争对手在接收、分析信号后与信号发送方达成共谋。2016年，立陶宛旅行产品线上预定平台（E-TURAS）涉嫌利用算法向部分旅行代理商发出限定折扣优惠信号，最终被欧盟法院认定构成了信号算法共谋。自学习算法共谋是一类高度智能化的共谋类型，在不需要经营者实质参与的情况下依靠自学习算法实现共谋。从当前的技术水平来看，自学习算法主要存在于实验室环境中，“多数算法共谋仍需要设计者、使用者经由某些外显的方式进行引导”，但不排除在自学习算法技术成熟后出现大量的自学习算法共谋行为。在信号算法共谋和自学习算法共谋中，算法具有较强的自主能力，甚至能够脱离经营者的控制实施共谋行为，“极大地弱化了企业在达成和实施共谋过程中对沟通交流、意思联络的依赖”，属于典型的默示共谋。
《关于平台经济领域的反垄断指南》第5条至第8条对横向算法垄断协议、纵向算法垄断协议、轴辐算法协议作出了规定。新修订的《反垄断法》在“垄断协议”一章中虽未明确规定算法共谋行为，但“总则”第9条规定：“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。”换言之，经营者利用算法达成和实施排除、限制竞争的算法共谋行为，亦为反垄断法所禁止。从总体上看，现行反垄断法关于垄断协议的规制架构基本上可以应对算法共谋行为。但是，由于算法共谋犹如“尼斯湖水怪”，“经营者间的协商、交流和实施更加难以被察觉，一定程度上增加了执法机关发现线索、搜集证据和确认违法行为的难度”。因此，垄断协议规制的法律制度还需要在意思联络的认定、算法共谋的识别和举证以及法律责任分配等方面作出相应的调适。
（二）滥用市场支配地位行为
根据学理上的分类，滥用市场支配地位的行为包括排他性滥用行为和剥削性滥用行为。排他性滥用行为包括经营者利用算法实施的价格垄断、差别待遇、限定交易、拒绝交易等行为，差别待遇行为主要表现为算法自我优待和算法个性化定价。当前，我国主要对算法差别待遇行为作出了规定。《互联网信息服务算法推荐管理规定》规定，算法推荐服务中的差别待遇主要表现为经营者利用算法操纵榜单或者检索结果排序、控制热搜或者精选等干预信息呈现方式以及在交易价格等交易条件上实施不合理的差别待遇。剥削性滥用行为是指算法经营者对消费者、劳动者等群体实施的剥削。针对消费者的剥削性滥用包括个性化定价和非个性化定价，后者表现为个性化质量、个性化排名、个性化推荐、操纵消费者选择和算法歧视等；针对劳动者的剥削性滥用表现为利用算法压缩外卖员配送时间、对劳动者实行最严考核、针对特定地域和特定年龄段劳动者的算法歧视、利用行为感知系统监控劳动者隐私等。
1.自我优待行为
平台经营者实施的自我优待是一类较为常见的算法垄断行为。2017年6月，欧盟委员会指控谷歌利用算法打压竞争对手的比较购物网站以提升旗下比较购物网站的搜索结果排序，谷歌因自我优待被罚24.2亿欧元；2020年11月，欧盟委员会认定亚马逊涉嫌滥用垄断地位“自我优待”；2021年6月，欧盟委员会向Facebook发送调查函，拟对Facebook在分类广告领域涉嫌自我优待的行为开展调查。不仅如此，中国、欧盟、美国三大反垄断执法辖区相继强化了规制数字平台自我优待的立法行动。2021年10月29日，中国国家市场监督管理总局发布的《互联网平台落实主体责任指南（征求意见稿）》第2条明确规定超大型平台经营者在提供相关产品或服务时应当遵守公平和非歧视原则，平等对待平台自身（或关联企业）和平台内经营者，不得实施自我优待。2022年1月20日，美国参议院司法委员会审议通过了《美国在线创新与选择法案》，防止占主导地位的科技平台优待自家产品或服务。2022年7月18日，欧洲理事会通过的《数字市场法案》禁止“守门人”实施包括在排名中提高自家产品顺位、阻止用户卸载预装软件、在操作系统中默认使用特定浏览器、阻止应用开发者使用第三方支付系统进行数字服务交易等自我优待行为。
对于数字平台经营者而言，多种算法工具可以被用来实施自我优待。以谷歌搜索引擎算法为例，谷歌的搜索排名算法是先确定相关关键词、域名、外链、用户数据、内容质量、人工干预六个因素，通过赋予六个因素不同权重方式计算出相应的分数，根据分数的高低进行自然排序，进而为用户提供有价值的搜索结果。然而，为了实现自身利益的最大化，谷歌通过修改每个因素的权重以及人工干预方式对自然排序的结果进行人为调整，进而操控搜索结果的排名。当谷歌操纵自然排序结果的目的是为了提升旗下商品的搜索排序，涉嫌构成了自我优待行为。数字平台经营者实施的自我优待之所以被认定为差别待遇行为，主要原因是数字平台同时承担了“运动员”和“裁判员”的双重角色，并利用“裁判员”赋予的制定、修改算法规则的经济权力，违背公平、合理和无歧视原则，优待旗下商品或服务，侵害了平台内其他经营者参与公平竞争的权利，也损害了消费者的合法权益。
2.算法个性化定价行为
算法个性化定价得以产生的前提是交易相对人的价格偏好千差万别，经营者利用算法搜集到交易相对人关于价格敏感度、消费能力、忠诚度、时间偏好等消费特征数据，通过数据挖掘算法、用户画像和反复试验精准地推断出交易相对人愿意支付的最高价格，进而为不同的交易相对人设定不同的价格。在电子商务领域，还有一种更为隐蔽的个性化定价，即呈现给每个消费者的商品价格是一致的，但算法根据消费特征数据给每个消费者发放不同金额的优惠券或者提供不同的折扣率，导致每个消费者实际支付的商品价格不同。
从行为后果看，算法个性化定价不仅损害消费者福利，也背离了人们普遍追求的公平正义理念。为此，我国电子商务法第18条规定电子商务经营者应当向消费者提供不针对其个人特征的选项，其中包括价格选项。《关于平台经济领域的反垄断指南》第17条第1款规定，经营者基于大数据和算法，根据交易相对人的支付能力、消费偏好、使用习惯等，实行差异性交易价格或者其他交易条件，排除、限制市场竞争的，可能构成差别待遇行为。如果算法个性化定价只是损害了消费者福利，并未造成竞争损害，理论上可构成剥削性滥用行为。当前，各国反垄断执法的重点是规制排他性滥用行为，通过规范市场竞争间接保护消费者利益。但是，自从德国联邦卡特尔局针对Facebook侵犯消费者隐私的剥削性滥用行为展开调查后，有学者认为“平台经济下反垄断法对消费者的定位应从间接保护转换为直接保护”。鉴于不同法律之间存在较为清晰的边界以及不同法律发挥着不同的功能，对于算法剥削性滥用行为是否需要由反垄断法进行规制，“还应考虑到是否存在其他法律领域（如数据保护法、消费者保护法和反歧视法）尚未填补的规制缺口”。
不可否认的是，个性化定价算法还具有明显的成本和效率优势，有助于降低市场准入壁垒。国内有学者认为：“算法个性化定价优势明显、类别多样、运用场景丰富，经济效果变动不居。”英国竞争和市场管理局在一份报告中也承认，在许多情况下，个性化定价可以降低消费者的搜索成本，经营者可以设定一个更低的价格，新进入者通过个性化定价能迅速进入一个市场，因而可以增加总产量和增进消费者福利。申言之，并非所有的算法个性化定价都属于违法行为，我国电子商务法采取“一刀切”方式禁止电子商务经营者提供针对个人特征选项的规定有待商榷。《关于平台经济领域的反垄断指南》第17条第3款规定经营者在符合正当的交易习惯和行业惯例、针对新用户在合理期限内开展优惠活动以及基于公平、合理、无歧视规则实施的随机性交易等正当理由的情况下，实施算法个性化定价不会构成差别待遇行为，这种基于合理原则的规定更为科学。因此，算法个性化定价是一个中性概念，使用“算法价格歧视”或者“大数据杀熟”的表述容易引发社会公众对该行为的误读。
在网约车、机票、酒店行业和电子商务等领域，算法动态定价的使用变得日益频繁。算法动态定价是经营者利用复杂的动态定价算法，使得同一件商品或者服务的价格随着成本、供求、时间、气候等因素发生频繁变动的现象。算法动态定价可以增加销售机会、更好地满足消费者的需求，可以增进社会总福利。与算法个性化定价根据个人消费特征设定价格不同的是，算法动态定价是根据成本、供求、时间、气候等客观因素设定价格，这种价格变动符合正当的交易习惯和行业惯例，具有正当性和合法性。
3.利用算法实施的其他排他性滥用行为
在经营者制定掠夺性定价策略的过程中，算法可以发挥精准“算计”的作用。第一，算法可以快速识别竞争对手的价格，然后持续性地以低于成本的价格排挤特定竞争对手。具言之，算法可以为经营者精准选择竞争对手、制定最优价格、设置最佳的持续时间，有选择地吸引消费者，实现对特定竞争对手的精准打击，这与传统交易中经营者针对所有交易对象实施的无差别掠夺性定价存在明显区别。2008年至2010年间，亚马逊通过定价算法密切追踪竞争对手Quidisi的价格，并且在Quidisi调价之后跟进杀价，在亚马逊掠夺性定价的压力下，Quidisi最终被亚马逊收购。第二，多边平台经营者通过交叉补贴方式，对一种商品实施掠夺性定价以争夺用户和流量，对另一种商品实施垄断高价，进而实现利润最大化。相对于人类决策而言，算法自动化决策可以在产品选择、掠夺性定价和垄断高价的设定以及持续时间等方面更加理性和科学。第三，经营者可能会通过持续给予交易相对人补贴或者优惠券等较为隐蔽的方式实施掠夺性定价，算法则可以在补贴额度或优惠券力度的设定、发放对象的选择等方面实现精准“算计”。在网约车领域，滴滴曾经通过大量的补贴和持续的低价，成功打击了传统出租车和其他网约车平台。
算法的许可使用可能成为经营者实施拒绝交易或限定交易的工具。进入人工智能时代后，越来越多经营者的自动化决策高度依赖第三方算法，算法开始成为经营者的关键技术。如果经营者开发或者掌握的关键算法构成“必需设施”，经营者没有正当理由拒绝其他经营者使用该算法或者拒绝提供与算法相关的信息，则涉嫌构成拒绝交易行为。正如现任德国联邦卡特尔局局长安德里亚斯·蒙德特（Andreas Mundt）指出的，“一家公司拒绝向竞争对手提供与其算法有关的信息，可能构成排他性滥用”。如果算法经营者以只能与其开展交易或者与其指定的经营者开展交易为条件，允许其他经营者使用该算法，则可能构成限定交易行为。此外，在基于算法辅助的交易中，算法可能会在交易对象、交易时机、交易量等交易要素的选择上有所侧重，在客观上产生拒绝交易、限定交易或差别待遇的后果。
（三）算法驱动型经营者集中行为
在经营者集中领域，算法通过数据收集和数据挖掘，可以为主导经营者精准识别和实时监控潜在竞争对手。一旦一家企业可能会对主导经营者构成竞争威胁，算法可以针对不同的潜在竞争对手设定不同的威胁级别，并向主导经营者发出预警，主导经营者可以依据算法的分析结果选择向潜在竞争对手实施扼杀式收购。不仅如此，算法还可以根据潜在竞争对手的商业价值和算法经营者的商业状况，设定一个最优的收购价格。对于算法在扼杀式收购中的重要作用，OECD在一份报告中指出：“算法可以非常迅速地识别任何市场威胁，例如通过一种被称为‘实时预测’的先进手段，允许现有企业先发制人地收购任何潜在的竞争对手，或对竞争对手的市场进入作出积极的反应。”通过扼杀式收购，算法经营者消除了潜在的竞争威胁，进一步巩固和强化了市场支配力。
鉴于大数据与算法会产生相互强化的效应，应警惕数据驱动型企业与算法驱动型企业的合并对市场竞争的损害。数据驱动型企业拥有海量数据，算法驱动型企业拥有性能先进的算法，两者的结合使得合并后企业可以使用数据驱动型企业的数据资源训练算法，进一步提高算法性能，同时算法也有助于合并后企业获得更多、更高质量的数据。数据驱动型企业与算法驱动型企业的合并使得合并后企业进一步强化了对相关市场的控制力。另外，算法驱动型企业的合并也将进一步增强合并后企业的算法性能，提高其对相关市场的支配力。无论是哪一种形式的经营者集中，合并后企业对大数据和算法这两类核心资产的控制力以及向其他市场渗透的能力是审查经营者集中对市场竞争影响的关键因素，这两种能力虽不必然会对市场准入造成实质影响，但会影响新进入者在相关市场生存和发展的能力，导致新进入者迟迟无法扩大市场份额，难以对合并后企业形成有效的竞争约束。
四、算法垄断行为反垄断法规制的基本路径
相对于传统的违法垄断行为，经营者实施的算法垄断行为对现行反垄断法理论和制度带来了一定的挑战。传统的“市场结构—市场行为—市场绩效”的反垄断法分析框架不能适应算法垄断行为的规制需要，消费者福利标准和社会总福利标准也存在明显的局限性，算法垄断行为的专业性和复杂性使得单一的反垄断规制工具难以实现有效规制。故此，选择科学合理的规制路径是因应算法垄断行为竞争隐忧的必由之路。
（一）构建“市场力量—市场行为—竞争损害”的反垄断法分析框架
20世纪30年代，哈佛学派以新古典学派的价格理论为基础，创立了“市场结构—市场行为—市场绩效”的产业组织分析框架（以下简称“SCP分析框架”）。SCP分析框架的核心观点是，市场绩效变动的根本原因来自市场结构的变化，以集中度来衡量的市场结构影响了市场行为，再通过市场行为影响市场绩效。自提出以来，SCP分析框架一直是反垄断法的主流分析框架。在SCP分析框架中，反垄断法关注的重点不是垄断行为，而在于市场份额、市场集中度等结构性因素。在识别垄断行为时，首先需要界定相关市场，因为相关市场界定是确定市场份额、市场集中度、市场进入壁垒等市场结构的前提，高度集中的市场或者具有市场支配地位的经营者实施的垄断行为容易对市场绩效造成较大损害。市场绩效反映了特定的市场结构和市场行为条件下市场运行的效果，具体表现为市场行为对价格、产量、利润、效率以及技术进步等方面的影响。在反垄断法分析中，衡量市场绩效的主要指标是消费者福利或者社会总福利。
由于哈佛学派关于SCP分析框架的单向逻辑决定关系存在缺陷，芝加哥学派提出“市场结构—市场行为—市场绩效”存在双向互动关系，市场行为和市场绩效也能决定市场结构，因而更加重视对市场行为和市场绩效的分析。尽管芝加哥学派以及后续的新产业组织学派进一步完善了SCP分析框架，但仍然强调市场结构在反垄断法分析中的基础地位。“结构不再是单向地对绩效发生作用，而是作为限制竞争效果的先决条件。”因而，市场份额、市场集中度依然是界定相关市场和评估市场绩效的重要因素，价格是反垄断法的核心分析工具。
坚持SCP分析框架、重视市场结构在反垄断法分析中的基础地位，与数字经济和智能经济的市场竞争特点存在较大偏差。第一，市场结构在市场竞争影响评估中的作用已经明显弱化。尽管在多数情况下，市场结构依然是我们理解市场竞争状况的重要指标，但在其他一些情况下并不具有传统SCP分析框架下的决定性作用。现任美国联邦贸易委员会主席琳娜·可汗（Lina M. Khan）指出：“在主张关注市场结构时，我并不是说要完全回归到传统的结构—行为—绩效框架，而是说如果在评估竞争时缺乏对结构的理解，结果将是误导性的。”在数字经济和智能经济时代，“高市场份额、高边际利润、高市场集中度这些因素均为行业本身的特征而非估计市场力量的唯一标准。”经营者占有较大的市场份额，并不意味着拥有市场力量，“在一段重要时期内持有大量市场份额并不是市场力量的表征——这是一个难以反驳的事实”；与此相反，经营者拥有的市场份额虽然不高，但是通过对数据、算法等关键资源的控制，亦能在相关市场拥有市场力量。第二，以市场绩效来评估市场行为削弱了反垄断执法的效力。哈佛学派和芝加哥学派主张的市场绩效主要表现为价格、产量等短期消费者福利，忽视了消费者隐私权、选择权以及消费者对于创新性产品或服务的需求等权益。当前，“零价格竞争”已成为数字平台竞争的重要特征，短期消费者福利未受损并不意味着市场竞争是充分和有效的。“着眼于价格与产出的方式在很大程度上忽视了是否存在市场力量以及市场力量如何获得，这一方式将干预延迟到市场力量得到积极行使之后，从而削弱了反垄断执法的效力。”正因为执着于短期价格效应，反垄断执法机构低估了经营者的市场力量，导致我国针对数字平台的反垄断执法在较长一段时间内陷入了停滞状态。
由上可知，SCP分析框架并未突显经营者市场力量的作用，即使在滥用市场支配地位上，也是通过相关市场、市场份额、市场进入壁垒等结构性因素来间接评估经营者的市场力量，“证明市场力量的主要依据（方式）也是以相关市场中的市场份额进行推定或认定的”。换言之，市场力量是作为相关市场、市场份额等结构性要素的附属而存在的，在反垄断法分析中通常不具有独立的地位。随着反垄断实践的深入，“用这种间接的或结构性的方法来证明市场力量的做法受到了批评，被认为误导了实践并且在理论上不合逻辑”。在数字经济和智能经济时代，经营者市场力量的来源更为广泛，除了市场结构因素外，数字平台的“看门人”或“流量通道”角色、利用平台规则制定权和管理权形成的“裁判员”地位、对关键数据的控制能力、高性能算法的开发能力、关键技术的储备以及网络效应、锁定效应、传导效应等非结构化因素无一不彰显了数字平台的市场力量。也就是说，即使经营者不具有较高的市场份额和市场支配地位，依然在相关市场可能拥有市场力量。如果拘泥于市场份额、市场集中度、市场进入壁垒等结构性因素，经营者的市场力量以及竞争损害会被低估。
有鉴于此，应当弱化市场结构在反垄断法分析的基础地位，突显市场力量的作用，并以市场力量评估作为反垄断法分析的起点和核心，进而构建“市场力量（Power）—市场行为（Conduct）—竞争损害（Damage）”的反垄断法分析框架（以下简称“PCD分析框架”）。对于经营者市场力量的评估，不再局限于“将价格提高至超竞争水平的能力”，需要结合经营者的市场地位、对关键资源控制、市场竞争特点等指标进行综合认定。在规制算法垄断行为时，应着重分析算法经营者的市场力量，运用PCD分析框架分析算法垄断行为造成的竞争损害。相关市场界定服务于市场力量的评估，如果算法经营者拥有的市场力量非常显著，亦可淡化相关市场的界定。《关于平台经济领域的反垄断指南》提出不同类型垄断案件对于相关市场界定的实际需求不同，这为算法垄断行为个案规制中淡化相关市场界定提供了依据。
（二）确立算法垄断行为反垄断规制的标准
以效率为核心的古典经济学理论对反垄断法理论和制度的演化产生了重要影响，尤其是芝加哥学派占据主导地位后，经济效率成为各个国家和地区反垄断法的主要目标。在经济效率目标的指引下，分配效率的减损往往是判断行为违反反垄断法的依据，而反垄断法对于分配效率的衡量主要通过福利标准来进行。在福利经济学中，福利可以分为个体福利和社会总福利。反垄断法中的个体福利主要表现为消费者福利而非生产者福利，社会总福利是消费者福利和生产者福利的总和。由于福利标准为竞争效果评估提供了量化分析的工具，反垄断法分析不再依赖较为主观的经验判断，因而消费者福利标准和社会总福利标准成为反垄断法中判断行为违法与否的主要标准。然而，两个标准在实践中存在较大的冲突。根据消费者福利标准，如果垄断行为减损了消费者福利，即使社会总福利增加，也会被认定违反了反垄断法；根据社会总福利标准，即使垄断行为减损了消费者福利，但增加了社会总福利，则不会被认定违反反垄断法。例如，算法个性化定价将消费者福利转移给生产者福利，依据消费者福利标准，算法个性化定价属于违法垄断行为；但算法个性化定价增进社会总福利是大概率事件，依据社会总福利标准，则属于合法行为。尽管美国反托拉斯法一度以社会总福利作为唯一标准，但消费者福利标准的重要性日渐上升，开始成为美国优先采用的标准；欧盟竞争法采取的也是消费者福利标准。在我国，现行反垄断法及其配套规定、司法解释均未明确规定福利标准，反垄断执法机构对福利标准存在适用混乱甚至冲突的情形。从研究文献看，多数学者主张采用消费者福利标准。
随着社会发展的多元化以及反垄断法理论研究的深入，“在竞争与反垄断上都不支持基于福利的观点，因此现行的正统理论应该被扬弃”。第一，反垄断不是一个纯粹的经济问题，效率也不是反垄断法的唯一目标。尽管垄断行为是经营者滥用市场力量实施的，对市场竞争的影响主要表现为经济效率的损失，但也会“影响到经济效率之外的社会收入公平、言论自由、劳动保障等方面”。“竞争法的一个关键因素是，它不仅审查结果（消费者福利或总福利的变化），而且还审查产生结果的过程（行为的性质）。”在现行的反垄断分析框架中，福利标准处于至高无上的地位，由此导致“反垄断法将责任承担与福利效应而非竞争过程挂钩，……，在反垄断法立法史上是一个错误”。注重福利效应的量化分析意味着各国反垄断执法通常只关注竞争结果而忽视竞争过程，即使执法机构和法院声称会分析竞争过程，也倾向于将竞争过程作为评估消费者福利的一个指标。这种“结果至上主义”尤其是“效率至上主义”理念，从经由价格工具量化分析的结果倒推垄断行为是否正当和合法，将行为结果分析等同于行为性质的判断，导致竞争执法忽视了竞争过程中的公平正义、隐私保护、创新以及市场竞争等难以在竞争结果中体现出来的因素。近年来，“福利经济学的发展方向是构建起同时容纳效率、公平和自由的逻辑体系”，而不是仅仅是追求经济效率。因此，片面追求经济效率以及在经济效率目标指引下的福利标准导致执法机构忽视了竞争过程中其他重要指标，进而削弱了竞争执法的强度。
第二，反垄断法追求的目标与判断垄断行为违法性的标准不能等同。我国关于反垄断法目标的表达中，“保护市场公平竞争属于功能性目标”，“提高经济运行效率、维护消费者利益与社会公共利益属于结果目标”。功能性目标是直接目标和基础目标，关乎反垄断法的基本定位，是反垄断法区别其他法律最重要的标志；结果目标是间接目标和终极目标，具有一定的通用性，至少不只有反垄断法才能提高经济运行效率、维护消费者利益和社会公共利益。主流的关于垄断行为违法性的判断范式以经济效率目标囊括消费者利益和社会公共利益，不仅颠倒了经济效率与消费者利益、社会公共利益之间的逻辑关系，而且三者之间并不必然具有内在的一致性。尽管反垄断法追求的目标与垄断行为的判断标准存在密切联系，但属于两个问题，后者聚焦竞争损害，主要关注垄断行为对竞争对手（含潜在竞争者）、竞争秩序和竞争机制的损害。造成竞争损害的垄断行为并不当然违背经济效率目标，不会必然损害消费者利益和社会公共利益，不能将消费者福利、社会总福利等反垄断法的结果目标等同于违法垄断行为的判断标准，即使福利标准具有可量化的优点。
第三，福利标准在算法垄断行为的规制中具有明显的局限性。虽然算法具有明显的效率优势，但算法垄断行为也可能会损害消费者福利或社会总福利，因而算法垄断行为的“整体效果模糊不清”。由于福利分析范式要求进行定量分析，算法垄断行为结果的模糊性和不确定性导致定量分析陷入了困境，这也是当前理论界和实务界对算法个性化定价等算法垄断行为争论不休的重要原因。如果采用消费者福利标准，反垄断法的保护范围显得过于狭窄。以外卖平台为例，根据我国消费者权益保护法关于消费者的界定，点单用户才属于消费者，外卖员和外卖商家的权益难以得到保障。如果采用社会福利标准，鉴于社会福利标准没有考虑分配公平问题，背离了近年来竞争法领域所倡导的公平价值。因此，无论是消费者福利标准，还是社会总福利标准，因过于追求单一的效率目标而存在明显的局限性。
虽然反垄断法的立法目标早已多元化，但反垄断法本质上是行为法和竞争秩序维护法。“应当明确的是，维护竞争秩序是反垄断法的基本价值取向，这一点不容动摇。”反垄断法不是消费者权益保护法，维护消费者利益只是其间接目的。“不能也不应当规制所有可能损害消费者福利的行为，除非这些行为反竞争并造成了竞争损害。”反垄断法关注的是垄断行为是否损害市场竞争秩序，市场竞争秩序背后的权益保护是间接目的。即使近年来欧盟的反垄断执法开始重视剥削性滥用行为，将行为对消费者福利的损害作为判断行为正当与合法的关键因素，但各国反垄断执法的重点依然是排他性滥用，侧重于行为是否损害市场公平竞争，而“公平竞争的判断不需要消费者福利”。因此，垄断行为需要采取“行为正当主义而非法益保护主义”的基本判断模式，“尤其不能落入具体权益保护式的一般侵权行为判断模式”。对于剥削性滥用行为，依然需要考察行为的竞争损害，对消费者福利的损害评估是竞争损害评估的一个指标，而不是恰恰相反。
对于算法垄断行为，“令人感兴趣的不是算法技术的精确操作，而是对相关市场竞争的实际或预期影响”。竞争损害标准是判断算法垄断行为违法与否的根本标准，竞争损害在微观层面表现为对竞争对手（含潜在竞争者）的损害，宏观层面表现为对市场准入、竞争秩序和竞争机制等竞争环境的破坏。传统观念中关于“反垄断法的目标是保护竞争而不是保护竞争对手”观点在实践中被用来贬损执法行动和为不作为辩护。正确的理解是，“竞争包括了竞争对手之间的竞争”，“对竞争的损害必然意味着至少对某些竞争对手的损害”，反垄断法的目标确实是保护竞争，但也不排斥对竞争对手的保护。在宏观层面，算法经营者通过建立市场准入壁垒，排除了潜在竞争者进入相关市场，通过打压、排挤竞争对手，导致相关市场活力不足和市场竞争不充分；算法垄断行为扭曲了市场供求决定价格的价格形成机制，使得市场价格信号失真，无法发挥出价格机制的应用功能；算法垄断行为还破坏了市场竞争机制，由于缺乏有效的竞争约束，经营者不再依赖创新、质量、价格等因素吸引用户和流量，而是通过算法合谋、自我优待等违法行为获取垄断利润，扰乱了市场竞争秩序。此外，鉴于市场竞争的动态性，竞争损害的评估应着眼于动态竞争损害，既要分析当前的竞争损害，也要关注未来的竞争损害，尤其是在涉及算法的经营者集中案件中应当如此。由于福利评估是竞争损害评估的一个指标，如果反竞争的行为能够显著提高消费者福利和社会总福利，且利大于弊，意味着市场竞争失灵问题并不严重，此时不需要反垄断法规制。
（三）健全算法垄断行为的分类综合规制模式
关于算法滥用行为的法律规制，美国通过《算法正义和互联网平台透明度法案》《2022年算法责任法案（草案）》建立了以算法审计为核心的责任承担模式，欧盟通过《通用数据保护条例》建立了以算法解释为核心的权利保护模式。在实际操作中，算法审计对算法审查主体提出了较高的技术要求，对于深度学习算法等较为复杂的算法，算法审查主体往往无能为力。至于算法解释，虽然白箱算法通过解释可以清晰地识别使用该算法的策略和行为，但黑箱算法难以以社会公众容易理解的方式进行解释。还有学者提出了“算法消费者”理念，以抗衡经营者的算法滥用。申言之，如果不对算法垄断行为进行类型化划分，对所有算法垄断行为笼统地采取算法审计或者算法解释等规制措施，并不能解决所有算法垄断问题。因此，对于算法垄断行为，应当采取分类规制模式，坚持合理原则和个案分析的立场，不能基于对“算法黑箱”的恐惧，妖魔化算法垄断行为，错误地采取“一刀切”的规制措施，“因为过度的监管干预可能会导致新的进入壁垒，并降低公司投资专有算法的积极性”。
算法垄断行为的法律规制，既是法律问题，也是技术和伦理问题，需要构建以法律规制为主、技术规制和伦理规制为辅的综合规制模式。作为一个法律问题，只要算法垄断行为造成了竞争损害，就不应游离于反垄断法的规制范围之外。但是，对于算法剥削性滥用行为，是否需要由反垄断法进行规制，还存在较大争议。有学者主张反垄断法应当直接规制隐私侵害行为，也有学者持反对或质疑态度。由于垄断行为的定性应当坚持竞争损害的判断标准，如果只是单纯的侵害用户隐私而不损害市场竞争，反垄断法不应越过其边界发挥个人信息保护法、消费者权益保护法等法律的功能。即使算法垄断行为在侵害用户隐私的同时损害了市场竞争，个人信息保护法、消费者权益保护法等法律也可以为反垄断法“确定数据保护最佳水平的框架以及提供竞争法在非价格竞争参数方面所缺乏的规范化指导”。当然，在隐私保护水平已成为市场竞争重要手段的背景下，反垄断法理应给予更多关注。例如，在施加反垄断罚款责任时，“用户隐私受侵害的程度可以作为确定行政处罚罚款幅度的重要依据”。概言之，规制算法垄断行为，离不开个人信息保护法、数据安全法、消费者权益保护法等法律的辅助和配合。
算法垄断行为具有较强的技术性，“算法黑箱”导致算法垄断行为的识别和证据搜集变得异常困难，技术规制措施有助于反垄断执法机构展开调查。在实践中，除了算法审计、算法解释等手段外，“算法监管沙盒”的测试方法有助于监管机构科学甄别算法代码，并在算法技术创新和算法垄断行为规制之间取得平衡；反垄断执法机构还可以构建自动化执法系统，实时监测、识别算法滥用行为，及时收集算法垄断行为的证据，实现以技术规制技术的目的。作为一项自动化决策技术，算法并非完全价值中立，“在一系列的数据代码背后是算法主体的行为目标和价值选择”。因而有必要为算法开发制定伦理准则，从源头上引导算法开发活动，降低算法垄断行为的发生几率。除了从算法维度规制算法垄断行为外，还可以从数据维度展开规制。以算法个性化定价为例，经营者得以实施“千人千价”的前提是搜集了消费者的消费特征数据，因而需要网信、商务、金融等行业监管部门对经营者收集数据的范围以及数据使用、数据交易等行为进行规范。因此，反垄断执法机构需要与算法、数据等行业监管机构就算法伦理准则的制定、算法规制技术的开发以及数据收集、分析、使用、交易等行为的规制进行协同，针对算法垄断行为构建多部门协同监管机制。
五、结 语
在与市场竞争的关系上，算法具有两面性。一方面，算法在促进市场竞争方面有很大的潜力，可以帮助经营者改进和开发产品、设定最优价格、降低经营成本和市场准入壁垒，促进新进入者与主导经营者开展竞争；另一方面，算法赋予了经营者强大的市场力量，成为经营者实施排除、限制市场竞争行为最为隐秘的手段。对于算法垄断行为，不能因其具有促进市场竞争的潜在优势而放任不管，也不能因其可能排除、限制市场竞争而妖魔化算法垄断行为，应当秉持合理原则和个案分析立场，在反垄断法规制与算法创新之间取得科学平衡。
作为人工智能时代的新型垄断行为，算法垄断行为对产生于工业时代、成熟于信息时代的反垄断法理论和制度构成了挑战。为此，反垄断法的理论和制度需要作出以下调整：一是构建PCD分析框架，以此取代SCP分析框架，强化对市场力量的评估，在个案中可淡化相关市场的界定；二是严格区分违法垄断行为的判断标准与反垄断法追求的目标，以竞争损害标准代替消费者福利标准作为判断算法垄断行为违法性的根本标准；三是健全算法垄断行为的分类综合规制模式，以法律规制为主、技术规制和伦理规制为辅，法律规制又以反垄断法规制为主、其他法律规制为辅。通过反垄断法理论和制度的革新，实现对算法垄断行为的有效规制，为我国数字经济和智能经济的健康发展提供良好的法治保障。
