2023年3月5日，李克强总理在十四届全国人大一次会议所作的《政府工作报告》中指出，五年以来“新产业新业态新模式增加值占国内生产总值的比重达到17％以上”、“实物商品网上零售额占社会消费品零售总额的比重从15.8％提高到27.2％。”数字经济在我国经济活动中的地位愈发重要。同时，与之相伴而生的算法黑箱与平台垄断亦为经济的良性健康发展带来空前挑战。《政府工作报告》特别强调在大力发展数字经济的同时需要“提升常态化监管水平，支持平台经济发展。”因此，激活科技引擎，推动平台经济健康持续发展需着重关注数据治理与监管。
截至目前，已有至少三类数据治理问题引发人们的关注与讨论：第一类为个人隐私的保护与数据安全问题；第二类是企业收集消费者行为数据对消费者实施价格歧视问题；第三类是算法合谋所带来的市场效率损失问题。相较于在大数据时代伊始便颇受关注的前两类问题，算法合谋及其潜在风险直至近期才逐步进入公众视野。事实上，相较于隐私保护与价格歧视，合谋行为更是打击垄断势力、维护市场秩序的重点所在。因此很有必要对这种新型合谋行为深入了解、关注与应对，警惕算法合谋泛滥所可能带来的潜在问题。
依据定义，算法合谋是以计算机程序为主要形式的算法代替人类的决策参与市场反竞争行为的合谋行动。与其他合谋方式类似，算法合谋主要可分为明示合谋与默示合谋两大类：前者主要是指合谋者之间存在明显的主观故意，经营者通过口头、书面等途径达成垄断协议，算法则主要充当实现合谋行为的工具；后者则主要是指在经营者之间不存在书面或者口头协议的情形下，经营者放任特定算法参与市场活动而维持地位的做法。若按照实现合谋方式进一步划分，算法合谋又可分为信使类合谋、轴辐类合谋、预测代理类合谋与自主学习类合谋四种主要类型：
（1）信使类合谋：在信使类合谋情境中，计算机算法作为实现人类合谋的工具为共谋企业所用，合谋的意图来自算法的使用者（如企业）；算法的主要作用是监督合谋企业之间的行为是否出现偏离。该类算法合谋一般存有企业之间维持卡特尔的协议，与传统合谋的主要区别是监督、维持卡特尔成员行动的主体不再是自然人或法人，而是计算机程序。
（2）轴辐类合谋：轴辐类合谋通常出现在纵向联系的企业中，由一个共同上游企业为众多下游企业提供相同的定价软件或算法策略。横向下游企业之间不存在明显/直接的合谋协议，而是分别与纵向上游企业就价格、数量达成协议。这种以算法为载体的“协议”一致性使得下游企业间接实现横向合谋结果。轴辐类算法合谋存有较明显的一致性同意行为。很多国家均将此种合谋形式以“本身违法（per se）”的执法原则定义为一致行动，认定为违法合谋行为。
（3）预测代理类合谋：在预测代理类合谋情境中，企业各自独立开发计算机算法，但由于每家企业所面临的市场竞争情况相似，给定企业所预期到的其他企业开发的市场行为算法亦较为类似，因此其在算法设计中通常会包含价格跟随行为及偏离惩罚措施。此类型相似算法的大量采用将会导致使用这些算法的经营者行为之间存在高度依赖性，进而排除竞争，危害市场秩序。
（4）自主学习类合谋：自主学习类合谋情境下的主观动机隐蔽性更强，经营者在算法设计中可能会采用机器学习、自主实验等算法工具，计算机通过“试错”、“迭代”等黑箱过程实现企业利润最大化的目标，企业执行计算机所习得的最优策略而产生的合谋行为。在这种情境下，经营者之间不仅没有合谋协议，甚至没有表露出明确的“合谋意图”，仅仅是因为使用人工智能工具而产生合谋行为。
信使类合谋与轴辐类合谋行为与传统企业合谋无实质区别，监管机构仍然能够通过既有的监管与甄别方法规制经营者的反竞争行为；而在预测代理类合谋与自主学习类合谋情境中，企业均可能在缺乏明确沟通与协议的前提下，因使用相近算法而产生合谋行为及其后果，这种新型的默示合谋在案件构成上可能缺乏明确的主观故意，为数字经济时代下的合谋监管不论是从理论还是在技术上均带来了巨大的挑战。
算法合谋的存在不论是在实验室还是在现实世界中均已有确凿的证据。部分学者通过使用计算机模拟商业定价行为，设定目标函数并将简单的机器强化学习算法输入后，计算机所模拟的定价策略在经过一段时间学习后便达成垄断高价，在全过程中计算机之间既没有任何信息的沟通亦没有人类合谋意志的植入。在现实生活中，2015年美国司法部诉亚马逊某商家的电子主管David Topkins案开算法合谋监管之先河，而其同年发生的Spencer Meyer诉Uber案亦是算法合谋的典型案例。鉴于数字技术革新周期短、技术迭代快，人工智能与深度学习技术的广泛采用在不久的将来很可能将算法合谋形式的隐秘性和复杂性提升到前所未有的高度。若无视算法合谋的潜在危害，忽视相应的理论研究与政策对应，有可能在未来导致算法合谋泛滥，危害市场的公平与效率，对于经济发展带来巨大的效率损失。
使用法律手段监管算法合谋风险需明确算法合谋的法律责任主体。由于算法的中立性，当前人工智能算法并不具备法律主体地位。因此，在以算法为载体的算法合谋中，如何理清企业合谋与机器合谋的边界便尤为重要。面对算法合谋所带来的风险与规制挑战，需着重对于算法合谋的取证难点进行技术与制度攻关，可考虑从以下三方面入手：
第一，注重培养建设跨学科司法监管队伍，促进法学、经济学与计算机科学等领域人才通力协作，打造跨学科的监管团队及常态化监管体系。迎合时代需求的跨学科高素质人才队伍是建立常态化监管体系的重要基石。同时，可进一步建立完善相关的社会举报人奖励制度，集合多方力量实现全方位的动态市场监督、维护市场公平。
第二，重视对现有《反垄断法》及相关司法解释的修订，及时调整出台符合数字经济发展特征的法律法规。针对以算法为载体的合谋行为，可供参考的相关法律手段主要包括研制算法禁用清单、延伸取证环节，将取证判定落实到计算机代码的解读，若代码或者其运行逻辑呈现出明显的合谋动机，则从法律上认定为算法使用者存在合谋动机，具体而言，代码层面的解析可分为静态解析审查和动态解析审查，静态解析审查是指监管机构直接检查其算法的源代码，根据事先设定的算法禁用清单进行比照判定是否存在合谋动机；动态解析审查则可通过模拟市场环境来运行企业的定价等算法、检查其是否存在反竞争市场表现判定企业合谋行为。
第三，突破常规思路，创新监管工具。随着机器学习与人工智能的发展，主动监管与执法所伴随的代码解析成本日渐攀升，因此监管部门需要拓展思路，创新低成本、高效率的监管手段，比如可从制度设计上引导企业主动向监管部门提供其合谋行为的相关证据，制定完善数字经济反垄断相关的“宽恕政策”，鼓励平台与算法设计者在启动调查前与市场管理者合作，共同打击算法合谋行为。早在2007年，我国颁布《反垄断法》时便已引入“宽恕政策”：“经营者主动向反垄断执法机构报告达成垄断协议的有关情况并提供重要证据的，反垄断执法机构可以酌情减轻或者免除对该经营者的处罚。”但是，上述条例仍需针对动机更为隐秘的默示合谋等新型合谋形式作出针对性的细化与调整。同时，监管机关应循序渐进地转换监管思路，将有限的监管资源从监督审查等环节转为改善“宽恕政策”的执法成本，创造利于“宽恕政策”引入与执行的司法环境。
随着互联网、大数据、云计算、人工智能、区块链等技术的不断革新和发展，数字经济发展为时代大势所趋。培养跨学科监管团队；推进《反垄断法》修订进程、及时调整出台符合数字经济发展特征的法律法规；突破常规思路，创新常态化监管工具，全面健全市场竞争体系，使配套上层建筑适应新形势，解决新问题，是“全面落实公平竞争审查制度”、巩固反垄断执法体制改革成果的重要举措。面对科技时代的新挑战，需努力夯实人才基础、完善激励机制设计、实现算法常态化监管，为数字经济的腾飞保驾护航。
吴泽南
北京大学经济学院经济学系长聘副教授。2022年获得国家自然科学基金优秀青年科学基金项目资助。研究领域为应用微观理论、产业组织理论与保险市场；主讲《高级微观经济学》、《经济学原理》等课程。研究成果在Theoretical Economics, Journal of Economic Theory, RAND Journal of Economics, American Economic Journal: Microeconomics, Games and Economic Behavior, Journal of Economics & Management Strategy, Journal of Mathematical Economics等国内外学术期刊上发表。
供稿：科研与博士后办公室
美编：初夏
责编：度量、雨禾、雨田
