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（本文）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。

IV．执法前沿：商业合作、并购

人工智能领域的并购行为毫无疑问将落入反垄断监管的重点审查范围，当然，目前更多企业采取建立合作伙伴关系或者少数股权投资的形式，在一定程度上能够避免并购反垄断审查。但是，域外主要司法辖区也正在围绕人工智能领域这种通过合作伙伴关系加强价值链的行为所存在的竞争问题，更进一步延伸到对“掐尖式并购”竞争损害的探讨。

1. 合作伙伴关系

实践中，“合作伙伴关系”在人工智能领域具有多样化的表现形式，从合作形式上，可能包括各种内容的合作、缔结战略合作协议、投资、人才挖掘等形式，示例如下：

近年来，各国竞争执法机构通过观察和研究发现，某些行业中具有显著市场力量的人工智能科技公司试图通过建立合作伙伴关系来巩固其市场地位，并进一步地通过人工智能价值链条将其在某个环节拥有的市场力量传导至其它环节，削弱甚至消除人工智能行业的竞争。

各国竞争执法机构也愈发关注这种合作伙伴关系的竞争审查，例如在2024年1月，美国联邦贸易委员会（FTC）宣布启动对人工智能公司投资和合作关系的反垄断调查。[5]又如在2023年8月，英国竞争与市场管理局宣布对微软与OpenAI之间的合作伙伴关系展开调查，调查的关注点在于这种合作伙伴关系的建立是否构成反垄断法下的需要进行申报的交易，如果是，将会对竞争造成何种影响。[6]

事实上，针对微软与OpenAI之间的合作伙伴关系，世界上多个司法辖区的竞争执法机构已经展开了不同程度的反垄断调查，如德国、英国、欧盟、美国等。

微软与Open AI建立合作伙伴关系

在2019年、2021年和2023年，微软向OpenAI投资约130亿美元。2024年1月，微软持有OpenAI的49%的股份。这一合作使微软成为OpenAI的独家云服务提供商，两家公司将同时对OpenAI所拥有的人工智能技术进行商业化活动。微软与OpenAI的上述合作关系已被世界范围内多家竞争执法机构跟踪和调查。

2023年11月，德国联邦卡特尔局（FCO）表示，由于在2019年和2021年OpenAI在德国没有开展实质性业务，FCO无权调查此合作关系的达成，但是由于2023年OpenAI在德国建立了实质性业务，任何进一步交易都可能需要进行并购反垄断审查申报。

2023年12月，英国竞争与市场管理局（CMA）对微软与OpenAI的合作关系展开调查。CMA将审查该合作是否赋予微软对OpenAI事实上的控制权或超过50%的表决权，以此来确定这种“密切、多方面的关系（close and multifaceted relationship）”是否构成可能对英国市场竞争产生影响的需要进行申报的交易。

2024年1月，欧盟委员会（EC）表示，其将审查微软对OpenAI的投资是否符合欧盟合并条例的审查标准。此外，FTC根据《联邦贸易委员会法》第6（b）条向微软和OpenAI发出命令，要求其提供有关投资和合作的信息。FTC要求提供的信息包括合作关系的实际影响、交易对竞争的影响以及相关人工智能投入品和资源的竞争情况。随后，FTC和DOJ于2024年6月宣布开启对科技巨头微软、英伟达以及OpenAI的反垄断调查。

英国CMA发布的《人工智能基础模型报告》及其补充报告可以为我们提供初步理解和分析该问题的有益参考。CMA指出，具有以下特征的合作伙伴关系更有可能会引起竞争关注：

  • 合作伙伴关系的任何一方在上游就对于下游基础模型开发的关键投入具有显著的市场力量；
  • 合作伙伴关系所涉及的基础模型部分或全部具有很强的市场优势，并且具有明显的未来发展潜力；
  • 合作伙伴关系的任何一方在模型已经发挥作用或将来可能发挥作用的下游市场已经具有市场力量；
  • 合作伙伴关系的任何一方能够对其他方在基础模型开发或模型的下游应用上施加影响力，尤其是在存在信息交换以及利益一致性的情况下。

2. 掐尖式并购

另一个引起竞争主管部门关注的话题是在人工智能领域的直接收购行为，通过收购较小规模的创新型公司以消除潜在竞争，也即“掐尖式并购”（killer acquisition）。狭义的“掐尖式并购”指的是收购方以终止目标公司业务/创新项目、抢占未来竞争优势为目的而并购初创或潜在竞争对手的行为。而广义上的“掐尖式并购”也包括收购方以将目标公司业务/创新项目纳入自身经营范围的并购行为。[7]面对人工智能领域众多初创公司的创新威胁，一方面为了确保市场地位不被撼动，另一方面为了实现业务拓展，一些大型科技平台也在考虑采用并购战略，通过并购甚至是多次并购快速实现技术力量的发展和整合。

回归到数字经济领域，根据不完全统计，在过去的10年里，亚马逊、苹果、Facebook、谷歌和微软这几家科技巨头在全球范围内进行了400次并购[8]，但是，在这些交易中仅有少数受到了部分司法辖区（如英国、欧盟）的并购反垄断审查，一个主要原因在于各国并购反垄断审查申报门槛普遍以交易方的营业额为标准。在此背景下，由于“掐尖式并购”情境中的目标初创公司大多正处于业务起步阶段，即便拥有一流的技术能力或人才能力，但可能还在努力实现扩大经营、产品变现，因此这些初创公司的营业额可能难以使交易触发并购反垄断审查申报程序。

实践中，基于对于“掐尖式并购”已有的一些执法经验（如美国FTC就Facebook收购Instagram和WhatsApp发起反垄断调查并提起诉讼，以及英国CMA就Facebook收购Giphy进行反垄断调查等），可以总结出竞争执法机构对于“掐尖式并购”的竞争关注点主要包括：

  • 并购是否会形成或强化收购方的市场垄断地位；
  • 并购是否会阻碍创新；
  • 并购是否会强化收购方对于数据的控制能力。

目前，欧委会已经开始关注到人工智能领域的“掐尖式并购”问题，并希望通过更积极的并购反垄断审查来加强对于这类交易的监管[9]。类似地，据报道，美国FTC也同样开始对人工智能领域的“掐尖式并购”问题提出关注，并针对微软于2024年3月收购一家人工智能初创企业的交易展开调查[10]。在我国，此前热议的基于被收购目标的“市值/估值”申报标准并未出现在年初的《国务院关于经营者集中申报标准的规定》中，这一标准也被视为对“掐尖式并购”的专项规制条款。但是，新的《反垄断法》与《经营者集中审查规定》都赋予市场监管总局对于未达申报门槛的交易主动介入调查的权力，未来也将成为我国监管“掐尖式并购”的主要法律依据。

V．执法前沿：潜在反竞争行为

相比于数字经济，人工智能的技术驱动性更强，监管机构也会更关注算法的透明度、公平性以及对创新的影响。与之对应，监管机构所面临的挑战也将更多来自算法的可解释性、数据隐私保护、算法歧视等。算法垄断的相关问题可能在人工智能领域需要有更深入的研究和新的监管框架。

1. 算法共谋

人工智能产品或服务运行的基础在于其底层算法，相较于数字经济，人工智能算法可以更大规模的调动数据进行模态分析，人工智能算法强大的自我学习能力以及其在公司人工智能系统中的深度部署将使得对于共谋行为的识别难度更大，这些问题引起了欧盟、英国、美国等司法辖区竞争主管部门的高度关注[11]。

根据国内外理论与实务的研究和探讨，算法共谋主要可能表现于以下三种形式[12]：

  • 算法巩固明示共谋：利用定价算法收集竞争对手的价格信息并及时调整定价，企业间可以达成及实施更加稳定且有利可图的价格共谋行为。
  • 轴幅共谋：多个企业使用同一个第三方企业提供的价格算法帮助其进行定价决策，这种“轴幅式”结构有助于企业实现竞争性敏感信息的交换。
  • 算法自主实现默示共谋：具有自主学习能力的算法可以通过深度学习自主实现默示共谋，无需企业之间进行信息交换或形成明确的共谋意图。

实践中，各国竞争执法机构针对利用算法实施明示价格共谋的行为已经采取一定执法，如美国Topkins案[13]、欧盟Eturas案[14]等。针对利用算法实施默示共谋的行为，由于算法本身具有的高度隐蔽性，各国竞争执法机构目前仍然难以认定算法默示共谋行为在反垄断法下的违法性。

拉斯维加斯大道酒店房间的反垄断集团诉讼[15]

2023年1月25日，以Richard Gibson和Heriberto Valiente为代表的消费者原告在美国内华达州地方法院提起了一项集团诉讼，指控在拉斯维加斯大道上的酒店经营者涉嫌利用算法实施“轴幅共谋”，这些经营者包括凯撒娱乐（Caesars Entertainment, Inc.）、金银岛（Treasure Island, LLC）、永利度假村（Wynn Resorts Holdings, LLC）和米高梅国际酒店集团（MGM Resorts International）。

被告使用了来自第三方供应商Rainmaker集团的三种算法：（1）GuestRev；（2）RevCaster；以及（3）GroupRev。GuestRev算法是一种专门为赌场酒店市场量身定制的算法，用于推荐单个酒店房间的价格。RevCaster算法通过收集来自竞争对手的市场价格数据使客户能够监控并回应竞争对手的定价。GroupRev算法是一种预测团体预订需求的算法。

基于此，原告指控被告使用第三方定价软件收集竞争对手的定价信息并接受定价软件提供的建议价格。事实上，几个被告的确使用了一套共享的定价算法来帮助其进行酒店房间的定价，这一套共享算法能够使几个被告获得超过正常竞争水平的收益。虽然这几个被告没有直接分享定价信息，但实际上这些信息通过共享算法实现了交换并最终帮助被告最大程度地提高酒店房间的价格。截至目前，本案仍在审理过程中。

2. 歧视性行为

域外主要反垄断监管部门也意识到，大型科技平台利用在数据、算力以及纵向一体化等方面的优势，可能利用人工智能技术实施歧视性行为：

  • 价格歧视：科技平台利用专有数据和人工智能技术进行个性化定价（即“大数据杀熟”），根据消费者特征和偏好提供不同的服务条件或价格。虽然这种用户画像分类和精准营销在商业上具有合理性，但也可能构成滥用市场支配地位的歧视性行为，侵犯消费者利益，存在反垄断法风险。在人工智能算法的加持下，人工智能甚至可以实现一级价格歧视（完全价格歧视），为每个消费者量身定制价格，完全基于个人的支付意愿来最大化从每个消费者那里捕获的剩余价值。此外，人工智能还能实现“动态定价”模型，根据实时供需变化调整价格，确保市场均衡并最大化企业收益，并监控竞争对手的价格策略，并迅速做出反应，保持竞争优势。
  • 自我优待：当科技平台与使用该平台的其他主体提供的产品或服务相竞争时，为了最大化自身利益，可能利用数据驱动的算法偏袒、推荐或优先展示自家产品或服务，引导用户使用其自身的人工智能产品而非竞争对手的产品，从而阻止竞争对手挑战其市场地位。例如，对于同时提供人工智能产品所需的关键投入（例如云计算服务）和人工智能产品的大型平台企业，可能会利用其在相关关键投入领域的优势（例如独家云计算合作关系，通过对新进入者给予歧视性待遇来阻碍人工智能领域的竞争。

实践中，已经出现多起针对自我优待行为的执法案例，如韩国Kakao案[16]、欧盟Google Shopping案[17]等。然而，针对互联网和人工智能领域的价格歧视行为的执法案例目前仍然很少。认定价格歧视行为违法性的一个主要挑战来源于竞争执法机构需要提供精密且周延的论证，这对于执法机构来说无疑是一项沉重的举证负担。例如，在Serviços de Comunicações e Multimédia SA案[18]中，欧盟法院指出为认定价格歧视行为违反了《欧盟运行条约》第102条规定，竞争执法机构需要证明：（1）差别定价行为具有重复性；（2）这种歧视行为是系统性的基于不同消费群体的算法歧视行为；（3）不存在客观的正当理由；以及（4）运用反事实假设来说明差别定价行为对消费者福利造成的影响。

3. 技术捆绑与预安装

人工智能在商业应用的主要场景是作为助手帮助人们提高生活质量和提升工作效率。特别是，生成式人工智能可以与数字产业已有产品或平台相结合，从而改进产品或平台的运营模式。主要竞争执法部门关注到，未来掌握生成式人工智能技术的头部企业将很可能试图通过捆绑搭售来排除和限制竞争，包括将其生成式人工智能应用程序与其提供的核心产品捆绑提供，或以购买其他产品为条件提供生成式人工智能应用程序，从而阻碍市场竞争。例如，科技企业可能将其办公软件系统与人工智能技术相结合，进行捆绑销售；再如，将某些人工智能软件预装到自家硬件和操作系统中。在自由竞争的市场格局下，这些行为本身无可非议，但是竞争主管部门也产生担忧，这种行为可能使企业的竞争优势从一个市场延伸至另一个市场，导致市场的进入难度进一步加大。对消费者而言，消费者可能被迫购买不需要的产品或服务，减少了他们的选择自由。此外，捆绑和搭售可能导致价格不透明，消费者难以评估单个产品的真实价值。

此外，另外一个利用人工智能/算法实施捆绑搭售行为的可能场景是：企业利用算法识别边际效应较小的消费者群体（inframarginal customers）并向它们提供捆绑搭售的产品。这种消费群体对于价格变化不敏感，因此他们的消费需求往往缺少弹性，所以即便在企业实施捆绑搭售（一定程度上等同于变相抬高价格）的情况下，他们仍然会选择购买产品。然而，在另一方面，企业通过向这些消费群体销售捆绑搭售产品而获得的利润可以用于补贴向边际效应较高的消费者群体所进行的销售行为，比如向他们提供有折扣的捆绑搭售产品，以此来确保客户不会流失。换言之，人工智能/算法的发展提高了企业实现有利可图的反竞争捆绑搭售行为的可能性。[19]

VI．启示与思考

我国2022年修订的《反垄断法》新增第9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”，为我国人工智能领域的反垄断监管奠定基调。当然，现在断言人工智能领域的竞争状况将会如何发展还为时尚早。欧盟、美国的相关反垄断法规和政策能否足以应对人工智能发展带来的挑战，以及我国未来将如何在这一领域进一步给出法律或政策上的回应，我们将拭目以待。

随着人工智能的发展以及全球的竞争监管机构不断深入研究市场上与人工智能相关的商业行为，企业有必要提高对与人工智能相关的反垄断合规问题的重视：

  • 人工智能的开发与部署：一方面，企业需要高度关注和评估上文提到的主要司法辖区所关注的利用算法和数据优势进行人工智能领域的算法共谋、排他性合作、价格歧视、搭售等行为，即便可能因为市场力量尚不构成垄断而不会落入《反垄断法》规制，也可能落入对不正当竞争行为的规制，市场监管总局近日出台的《网络反不正当竞争暂行规定》加大了对网络不正当竞争行为的规制；另一方面，算法的不透明性是反垄断监管关注的重点，因此企业在开发人工智能工具时，应尽可能提高算法的透明度，确保算法的公平性和可解释性。
  • 人工智能的采购与使用：人工智能工具在使用过程中往往需要大量的数据支持，企业在使用这些工具时，应确保数据的安全和隐私保护合规。在使用人工智能工具时，应建立严格的数据合规管理和隐私保护机制，避免因滥用或不合理使用消费者数据引发的反垄断风险。
  • 就人工智能展开合作或投资：企业在与其他企业合作或投资人工智能项目时，应特别注意避免形成排他性合作关系。例如，某些合作协议可能包含排他性条款，限制合作伙伴与其他企业进行类似合作。这种做法可能会导致市场进入壁垒的增加，并减少市场上的竞争者。此外，在与其他企业合作开发或使用人工智能工具时，也应避免进行任何形式的合谋行为或者敏感商业信息的交换。
  1. 参见：https://www.anthropic.com/news/anthropic-partners-with-google-cloud ↑
  2. 参见：https://blog.google/inside-google/company-announcements/expanded-reddit-partnership/ ↑
  3. 参见：https://nvidianews.nvidia.com/news/nvidia-collaborates-with-microsoft-to-accelerate-enterprise-ready-generative-ai ↑
  4. 参见：https://runwayml.com/blog/runway-raises-141-million-to-continue-building-the-future-of-creativity/ ↑
  5. 参见：https://www.ftc.gov/news-events/news/press-releases/2024/01/ftc-launches-inquiry-generative-ai-investments-partnerships ↑
  6. 参见：https://www.gov.uk/government/news/cma-seeks-views-on-microsofts-partnership-with-openai ↑
  7. 参见：Cunningham, C., Ma, S. and F. Ederer (2018). “Killer Acquisitions”, https://www.journals.uchicago.edu/doi/10.1086/712506 ↑
  8. 参见：Furman, J., D. Coyle, A. Fletcher, D. McAuley and P. Marsden (2019). Unlocking digital competition. Report of the Digital Competition Expert Panel. ↑
  9. 参见：https://competition-policy.ec.europa.eu/document/download/1955433a-bf54-47d4-b65f-ed6a42a7d44d_en?filename=20231108_VI-Lisbon-Conference_Olivier-Guersent_speech.pdf ↑
  10. 参见：https://edition.cnn.com/2024/06/06/tech/ftc-microsofts-ai-investigation/index.html ↑
  11. 参见：https://competition-policy.ec.europa.eu/document/download/1955433a-bf54-47d4-b65f-ed6a42a7d44d_en?filename=20231108_VI-Lisbon-Conference_Olivier-Guersent_speech.pdf ↑
  12. 参见：https://www.gov.uk/government/publications/algorithms-how-they-can-reduce-competition-and-harm-consumers/algorithms-how-they-can-reduce-competition-and-harm-consumers#executive-summary ↑
  13. 参见：https://www.justice.gov/opa/pr/former-e-commerce-executive-charged-price-fixing-antitrust-divisions-first-online-marketplace ↑
  14. 参见：https://curia.europa.eu/juris/liste.jsf?&num=C-74/14 ↑
  15. 参见Richard Gibson and Heriberto Valiente v. MGM Resorts International et al, U.S. District Court, District of Nevada, No. 2:23-cv-00140 ↑
  16. 参见：http://www.ftc.go.kr/www/selectReportUserView.do?key=10&rpttype=1&report_data_no=9946 ↑
  17. 参见：https://curia.europa.eu/juris/liste.jsf?num=T-612/17 ↑
  18. 参见：https://curia.europa.eu/juris/liste.jsf?language=en&num=C-525/16 ↑
  19. 参见：Cheng, T. and J. Nowag (2022), “Algorithmic Predation and Exclusion”, LundLawCompWP 1, https://hub.hku.hk/bitstream/10722/311575/1/content.pdf?accept=1. ↑
作者
梁笑冬 | 刘静涵
莫炫对本文亦有贡献