由人工智能引领的第四次工业革命浪潮波澜壮阔。人工智能不仅正在成为推动新质生产力发展的重要引擎，也在深度重塑社会、经济、文化的每一个角落。在商业和生产领域，人类借助多模态大模型，使决策分析更加精准、决策过程更加智能、生产流程更加自动，生成式人工智能的出现与广泛应用则使人机交互水平达到前所未有的程度，成为当下人类个体延展价值的最佳载体。

但是，诚如历史上每次工业革命一样，技术革新必然伴随着挑战——人工智能与算法的集中化趋势、数据的滥用问题、算法的不透明性在反垄断领域接踵而至，已经引起各国监管机构的关注与积极行动，“科技如何向善”这个老生常谈的问题在人工智能时代变得日益具体又亟待解决，人工智能领域的反垄断执法似乎已在“风暴前夜”。

“域外反垄断风向标”是我们推出的反垄断前沿观察系列，通过追踪域外反垄断实践的新趋势和新动态，预判反垄断执法趋势，关注商业活动中的潜在风险，助力中国企业出海。本期，我们将关注人工智能的发展可能引发的反垄断问题以及域外各司法辖区的监管动态。

本期“域外反垄断风向标”分为上下两篇，上篇（本文）总结各国人工智能领域反垄断监管的现状，并对人工智能及人工智能可能涉及的理论竞争问题进行探讨，下篇则从商业合作与并购、反竞争行为两个执法方向梳理人工智能的潜在竞争问题，并展望该领域未来可能的监管方向。

I．引言：人工智能时代的竞争监管

2022年，聊天机器人模型ChatGPT应运而生，使人工智能的发展犹如离弦之箭，在短短两年的时间内就重塑了社会、经济、文化的每一个角落。各行各业的生产方式和工作生态发生了巨大变化，甚至出现了断裂式发展，已故经济学大师熊彼特的“创造性破坏（creative destruction）”从理论映入现实。

与此同时，人工智能的风险与安全问题日益成为当今全球治理的重要议题，“科技如何向善”这个老生常谈的问题在人工智能时代变得具体又亟待解决。全球各大主要司法辖区基于自身发展以及争夺国际治理话语权等考量，不断加码对人工智能监管的制度建设。我国立法机构同样对人工智能领域密切关注，于2023年推出《生成式人工智能服务管理暂行办法》，并在2024年再次将“人工智能法草案”列入《国务院立法计划》中预备提请全国人大常委会审议。除我国外，欧洲议会也于2024年3月通过了《人工智能法案》并于5月21日经过欧盟理事会正式批准。该法案旨在为人工智能引入一个共同的监管和法律框架，法案范围涵盖所有除军事用途外的人工智能类型。

人工智能在反垄断领域所引发的法律问题已经开始受到域外主要竞争监管机构的关注。特别是，人工智能所代表的先进技术工具和掌握的庞大用户数据可以加剧头部科技企业垄断力量，使其更有可能在人工智能时代实施垄断行为。主要司法辖区围绕人工智能的竞争问题已经开展了一系列积极的立法和政策推进以及执法行动。

 

II．人工智能为何引起竞争关注？——从产业价值链谈起

根据亚太经合组织（OECD）2024年5月发布的《人工智能、数据与竞争白皮书》[14]，人工智能产品的生命周期从构建到投入应用大致经历以下三个主要阶段：

  • 基础模型（Foundation Models）的构建；
  • 为特定使用目的（如语言型、图片型或图文兼具型等）所进行的调整和优化；及
  • 优化后模型的实际应用。

需要注意的是，上述阶段并不是线性发展，也不会遵循严格先后顺序，而是在动态循环中迭代更新，可能在迭代后再次实现跨越式发展。例如，人工智能产品/服务投入到下游具体应用后，依然可以依赖大量数据与信息的投入，以及训练、调整和优化来实现升级。由此，一条围绕人工智能的价值链变得相对清晰：

与数字经济相类似，在人工智能领域，大型科技平台同样可以利用庞大的资本、数据、算力优势在价值链的全链条布局，而中小型企业则更多利用技术和创新在某一环节实现突出发展。相较于数字经济，人工智能领域更加鲜明的特征是因为基础模型需要动态更新，价值链的上中下游呈现出更加紧密的深度连接。特别是处于中下游的中小型企业，其自身规模存在局限性，对上游核心投入品也高度依赖。在目前的实践发展中，围绕人工智能价值链上中下游不同主体之间的关系主要包括以下三种类型[15]，不同的关系类型也自然产生了各有差异的竞争问题：

分散式 纵向一体化 合作伙伴关系
示例

人工智能目前仍然处在高速发展当中，未来可能会出现更多、更复杂的主体交互形式。与数字经济相似甚至更甚，人工智能涉及庞大体量的数据和计算资源、高精尖的软硬件与人才投入，而这些资源往往聚集在少数市场参与者的手中，导致该领域天然具有朝向集中甚至垄断发展的可能。

III．人工智能领域可能存在哪些反垄断风险？

面对人工智能这一可能对生产生活带来跨越式提升的新兴领域，反垄断监管应当采取怎样的思路和对策？一方面，人工智能技术复杂，涉及到机器学习、数据挖掘、人工神经网络等多个创新领域，监管机构需要深入了解这些技术才能有效监管，而人工智能算法的“黑箱”特性又使其决策和运行过程难以捉摸。监管机构在现阶段过度干预可能挫伤市场参与者的创新积极性，因此需要在技术创新与市场竞争保护中寻求平衡。另一方面，域外主要竞争监管机构也在试图从数字经济竞争监管中获得经验和教训，尝试在行业更早期进行监管疏导，避免像数字经济领域一样形成难以撼动的几家科技巨头独大的行业结构。

保护市场竞争、消费者福利和创新是主要司法辖区具有共识性的反垄断监管目标。围绕这一目标，各大主要司法辖区在其对人工智能的深入研究中认为该领域可能具有以下结构性反垄断风险[16]：

1. 人工智能市场可能呈现“赢者通吃”的特性

规模经济、网络效应等是科技平台拥有先发优势的重要因素，但同样也是科技领域容易出现倾斜（tipping）的原因。考虑到人工智能日新月异的发展速度，监管机构更需要能够对市场倾斜现象具有快速反应的能力或者设置事先预防机制，例如DMA中的“守门人”义务。而市场倾斜进一步引发的问题是“赢者通吃”：

  • 网络效应：随着数据的积累和显著的网络效应，拥有更多数据的企业能够训练出更加精确的模型、提供更优质的服务，也推动用户倾向于选择用户基数大的产品和服务；
  • 规模效应：开发和部署先进的人工智能也需要昂贵的硬件资源和顶尖的技术人才，这些高昂的前期投入仅有少数资本雄厚的大企业可以承担，也只有拥有一定规模的企业才能有效分摊成本，这一系列因素都可能推动市场的集中化，导致市场向着少数几家企业倾斜，可能会阻止提供更优秀技术或更具吸引力的公司进入或扩展市场。

当然，市场集中程度并非在人工智能的每个层面都呈现相似性，例如上游涉及关键投入的环节集中度可能会更高，而下游部署与开发环节则可能相对分散。

2. 大型科技平台可能通过数据和技术进一步推高进入壁垒

如上文讨论，上游的关键投入是人工智能赖以生存和发展的根本。如企业足以掌控开发人工智能所需的各项关键投入，例如数据和算力，则有能力限制下游开发者对其访问和使用，甚至可以阻止潜在进入者因为无法获得足够的关键投入而无法开发出具有竞争力的人工智能模型，导致难以进入市场。尤其是在纵向一体化和合作伙伴形式之外，分散的下游中小企业能否公平获得足以发展其基础模型的资源是竞争执法机构的关注点之一。具体来说：

  • 技术壁垒：专利和知识产权的保护使得拥有原始技术的公司能够确保长期的市场优势。这些公司通过持续的专利申请，不仅保护自己的创新，还可能阻碍其他竞争者的技术进步，加深市场的不公平竞争。主要司法辖区监管机构已经认识到，人工智能技术的复杂性以及相关专利的积累，为大型公司构建了技术壁垒。这些壁垒有可能阻碍小企业和初创企业的发展，从而限制市场的创新动力；
  • 算法操纵：在数字经济的早期发展成一定规模并积累先发优势的科技平台在人工智能时代具有天然的市场优势。人工智能时代的数据滥用风险与数字经济下的风险一脉相承，与数据的收集、处理、分析和应用密切相关，例如算法共谋、算法歧视、算法黑箱等，在人工智能复杂的技术加成之下可能更加凸显。

3. 垄断问题可能进一步发展成生态垄断，限制消费者的选择权，削弱市场竞争

大型科技平台通过纵向一体化及积极建立合作伙伴等手段，可以不断拓展其“护城河”的深度和广度。例如，Google已将其Gemini模型整合到Google的多个服务中，微软将Copilot模型部署在其Bing浏览器和Office 365软件中，Meta将基础模型整合到Ray-Ban智能眼镜中实现人工智能图像生成，苹果最新一代的iOS系统也将引入OpenAI。硬件、软件、操作系统、平台服务等方方面面的交互与融合，也使得监管对生态垄断所带来的竞争问题的忧虑加剧：

  • 消费者选择权受限：越来越多的大型科技平台正在迅速将人工智能基础模型集成到其产品或者服务生态系统中，这种集成固然可能可以为客户带效率等益处，但也可能限制企业和消费者选择替代品的能力。这种生态垄断的形式与数字经济相似，包括大型科技平台可能将自研的人工智能模型预安装到生态内的硬件和操作系统中，或者采取技术捆绑的形式使得自研的人工智能模型只能在生态内软件加以使用。如本文下篇执法部分详细论述，这些问题已为主要司法辖区竞争监管机构所关注。
  • 传导效应：如果企业通过合作伙伴关系在其产品和服务中部署人工智能模型时可以获得特定、领先的独家或有利条件，这可能会巩固其市场力量并阻碍竞争对手的挑战，同时也能使其将市场力量扩展到新的领域。例如，如果一家公司通过独家访问人工智能模型来加强其在生成丰富数据集的数字领域中的优势地位，这可能会使其获得更多用于构建或改进模型的数据。如本文执法部分详细论述，监管机构目前正在分析这种合作伙伴关系是否能够落入并购反垄断审查的监管审查范畴。

事实上，域外主要监管机构对于人工智能领域反垄断风险的讨论不仅停留在理论层面，也在进行一系列执法实践尝试，我们将在明天发布的下篇为您展开。

  1. 参见：https://www.pymnts.com/cpi-posts/dojs-kanter-sets-his-eyes-on-ai/ ↑
  2. 参见：https://news.bloomberglaw.com/antitrust/ai-antitrust-probes-are-underway-doj-says-without-specifying ↑
  3. 参见：https://www.reuters.com/technology/us-regulators-open-antitrust-inquiries-microsoft-openai-nvidia-nyt-reports-2024-06-06/ ↑
  4. 参见：https://www.ftc.gov/policy/advocacy-research/tech-at-ftc/2023/06/generative-ai-raises-competition-concerns ↑
  5. 参见：https://www.ftc.gov/system/files/ftc_gov/pdf/p241200_ftc_comment_to_copyright_office.pdf ↑
  6. 参见：https://asia.nikkei.com/Editor-s-Picks/Interview/EU-eyes-new-rules-for-generative-ai-this-year-Vestager ↑
  7. 参见：https://ec.europa.eu/commission/presscorner/detail/en/IP_24_85 ↑
  8. 参见：https://www.gov.uk/government/news/cma-launches-initial-review-of-artificial-intelligence-models?utm_campaign=govuk-notifications-topic&utm_content=immediately&utm_medium=email&utm_source=585fdc23-6391-4209-b547-9d888deb6ebd ↑
  9. 参见：https://www.gov.uk/government/news/proposed-principles-to-guide-competitive-ai-markets-and-protect-consumers ↑
  10. 参见：https://www.gov.uk/government/publications/ai-foundation-models-update-paper ↑
  11. 参见：Competition Bureau seeks feedback on artificial intelligence and competition – Canada.ca ↑
  12. 参见：https://www.jftc.go.jp/en/pressreleases/yearly-2021/March/210331.html ↑
  13. 参见：https://www.jftc.go.jp/en/pressreleases/yearly-2021/March/210331004.pdf ↑
  14. 参见：https://www.oecd-ilibrary.org/docserver/e7e88884-en.pdf?expires=1717034536&id=id&accname=guest&checksum=E1050BA599AE58EBA7D7D02090FA2E10 ↑
  15. 参见：https://assets.publishing.service.gov.uk/media/661e5a4c7469198185bd3d62/ai_Foundation_Models_technical_update_report.pdf ↑
  16. 参见：https://assets.publishing.service.gov.uk/media/661e5a4c7469198185bd3d62/ai_Foundation_Models_technical_update_report.pdf ；https://www.oecd-ilibrary.org/docserver/e7e88884-en.pdf?expires=1717034536&id=id&accname=guest&checksum=E1050BA599AE58EBA7D7D02090FA2E10 ↑
作者
梁笑冬 | 刘静涵
莫炫对本文亦有贡献