人工智能的数据垄断与反垄断法的时代使命

走过10年光辉历程的中国反垄断法，肩负着推陈出新的新使命。当下是一个“万物皆互联”的互联网时代，更是一个“未来已来”的人工智能时代。完善的互联网基础设施，推动着中国从“人口大国”走向“数据大国”；相应地，中国经济的新增长点，也将从互联网经济的“人口红利”转变为智能产业经济的“数据红利”。用户数据因其鲜活性、即时性和多样性，正成为炙手可热的大数据资源。

在人工智能时代，深度学习算法和计算能力的进步，为海量用户数据提供了完美的商业可能。可以认为，用户数据将是人工智能时代最为重要的生产要素，也将是人工智能产业主体最为关键的市场竞争要素。毫无疑问，人工智能产业主体通过数据垄断而限制、排除竞争的行为，也将成为反垄断法面临的新的时代课题。

01、数据收集与数据使用

数据收集是数据使用的前提。在人工智能时代，用户数据产生于互联网平台，应用于人工智能产业。有基于此，数据收集的垄断与互联网平台经济的网络效应、多边市场密切相关。

第一，数据聚集具有网络正效应。一方面，互联网平台自身发展具有网络效应，即平台已有的用户优势会吸引更多的潜在用户加入进来，新用户的增加又进一步对已有用户产生锁定效应，而用户的集中也意味着数据的集中；另一方面，平台的数据积累具有网络效应，即平台数据越多，则由算法定义的产品就更加智能化，从而吸引更多的用户，产生更多的数据，如此循环，将导致数据市场出现严重分化。

第二，数据收集平台拥有多边市场。互联网平台在为用户提供免费产品服务的同时收集用户数据，并将数据运用到其他市场进行盈利，从而构成所谓的多边市场，这对反垄断法提出了挑战：首先，数据收集不存在金钱交易的价格竞争，因此反垄断法的价格分析工具将无用武之地；其次，在多边市场中，单边市场的数据优势会向其他市场跨界传导，增大了反垄断执法的复杂性。

数据使用是数据收集的目的。在人工智能时代，数据的经济价值将被深度挖掘和充分释放。但是，应该看到，数据既是推动智能产业创新发展的重要资源，也可能是产业主体排斥市场竞争、谋求垄断利益的利器。

具体来说，需要关注的垄断行为主要有以下三类：

一是数据与算法叠加的AI合谋。近来，媒体报道的网络约车等平台“杀熟”事件，实质上是平台利用用户的消费数据，通过算法实行歧视性价格。以数据为基础的价格算法，也预示着采用相同定价算法的机器之间有可能达成自主合谋。

二是数据驱动型的经营者集中。以数据整合为目的的企业并购，被称为数据驱动型经营者集中。目前，国际层面已经出现了类似的并购反垄断审查案件，如“Facebook/WhatsApp”并购案、“Microsoft/LinkedIn”并购案。可以预见，在人工智能时代，数据驱动型经营者集中将成为全球并购的新趋势。

三是数据市场支配地位的滥用。人工智能产业体系中，有数据控制者与数据使用者之分。

具有数据市场支配地位的上游数据控制者，如果不合理地拒绝下游数据使用者获取数据，可能构成对数据市场支配地位的滥用。

02、理论创新与立法变革

人工智能的数据垄断为反垄断理论提出了新的实践问题，换句话说，反垄断法的理论创新是一种现实的实践需求。

具体而言，反垄断法的理论创新需求主要有以下几个方面：

第一，双边市场理论。与单边市场相对应，经济学家所提出的双边市场理论，能够为多边性数据市场的反垄断执法提供有益思路。当前的双边市场理论，一方面需要关注实践动向进一步完善理论自身，另一方面需要探索双边市场理论如何转化为可供操作适用的反垄断法律法规。

第二，相关市场理论。人工智能的数据反垄断，需要探讨单独界定“数据市场”的必要性和可行性，还需要正视传统相关市场界定工具（如SSNIP测试法）在数据市场的无能为力，进而积极探索可替代性的分析工具。

人工智能时代的数据垄断案件急需立法变革。在人工智能的数据垄断案件中，法律本身的滞后性被进一步放大，反垄断法的变革势在必行，笔者主要提出以下两点：

其一，调整经营者集中反垄断审查的申报门槛。企业的数据资产，在时间上有延迟收益的特点；在空间上有从其他市场交叉收益的特性。因此，企业并购时的账面营业额并不能真实地反映企业数据资产的真实价值。为了防止数据驱动型经营者集中从反垄断审查中“逃逸”，有必要调整单一的营业额申报门槛，考虑增加并购交易额作为申报门槛。

其二，考虑将消费者隐私保护纳入反垄断法。在商业模式多样化的今天，价格不再是市场竞争的唯一要素，反垄断法还需要关注非价格竞争因素，而隐私就是重要的非价格竞争因素。垄断行为导致的平台用户隐私保护水平的降低，应该属于反垄断法中可认知的竞争损害。用户是整个数据生态的基础，其隐私保护具有重要意义，我国反垄断法应该对用户隐私保护给予关注。