算法的运用与反垄断合规风险

“合谋”通常指具有竞争关系的企业之间为寻求高于正常竞争水平的利润而达成的横向利益联盟。我国现行《反垄断法》规定，禁止具有竞争关系的经营者达成排除、限制竞争的协议、决定或者其他协同行为[1]，此外，《《平台指南》第五、第六、第八条也规定禁止平台经济领域的企业通过数据、算法、平台规则等方式达成横向垄断协议或轴辐协议。2021年10月23日，《中华人民共和国反垄断法（修正草案）》（“《修正草案》”）出台，《修正草案》在总则部分进一步明确规定，经营者不得滥用数据和算法、技术、资本优势以及平台规则等排除、限制竞争。

“算法合谋”是指企业利用算法达成的共谋。通常情况下，为了确保合谋能够得以维持，合谋中的企业会通过一定的监督或者惩罚机制确保该“合谋”得以执行。就算法在合谋中的作用，整体来说，算法既可能简单作为竞争企业之间进行“沟通”的辅助工具，也可能成为监督合谋执行的有效手段，理论上，更为复杂高级的人工智能也可能在自身的运算过程中达成合谋的事实结果。

虽然算法合谋问题已经引起了诸多的关注和讨论，但实践中，由于相关案例还比较有限，对企业行为守则的指引并不直接。经济合作与发展组织（“OECD”）2017年在《算法与合谋：数字时代的竞争政策》报告中结合实践中出现过的借助技术手段的案例以及算法的特征，以不完全列举的方式归纳了四种可能的算法合谋行为，报告中对算法行为较为详细的介绍如今依旧具有参考意义，下文将对相关行为可能引发合谋的原因作详细的介绍：

1、用于监测的算法

监测型算法是算法合谋中最简单的表现方式。监测型算法是指为了确保合谋协议的实施，企业通过算法收集竞争对手的信息并对竞争对手的行为进行监控。监测型算法的运用方式还包括，企业进一步将数据收集行为和与价格相关的算法相结合，例如，企业可以通过算法编制一个触发机制，一旦有合谋企业背离了约定的价格，就会触发惩罚机制，实施惩罚行为。在这种情景下，算法的快速反应能力辅助产生的快速惩罚机制会对合谋企业的行为产生强有力的约束。[2]

监测型算法的意义在于，通过特定的算法，企业可以更有效的收集竞争对手与商业决策有关的信息，并对数据进行筛选，从而识别竞争对手的行为变化，并制定即时的报复计划，确保企业之间达成的合谋可以顺利实施。以价格固定行为为例，在传统情形下，即使企业可以通过公开渠道获取竞争对手的价格数据，但事实上，收集竞争对手的数据仍会存在一些困难，也就是说竞争对手数据的公开性并不会必然提高市场的透明度，因此，企业达成价格合谋的动机和能力也会受到限制。

相比之下，随着算法的运用，以及自动化的数据收集方式的出现，参与合谋的企业可以通过复杂的算法更容易、更有效的监控竞争对手的价格行为，进而提高企业间的合谋效率。对于该类算法行为，如果竞争者间的合谋主要是通过传统的人为方式达成的，算法在其中只是起到辅助和监督合谋实施的作用，那么只要满足构成要件，《反垄断法》当然地可以适用于该类合谋行为。

如果企业在经营策略的选择和算法的运用上已经存在上述算法行为，那么，需要对相关行为进行审查，以确保企业经营的合规性。对于监测型算法，需要注意的核心要点是企业之间不能达成《反垄断法》第十三条（《修正草案》第十六条），以及《平台指南》第五、第六条规定的垄断协议，无论是否借助算法。

2、平行定价算法

平行算法主要用于协调竞争企业之间的行为，是指可以帮助竞争企业就价格行为进行有意识的平行变动，从而产生将价格维持在竞争水平之上的实际效果的算法。平行算法的存在会扩大可能产生价格合谋行为的场景范围。例如，在一个高度动态化的市场环境中，由于市场上的供给和需求在不断变化，企业需要不断对其价格、产量和交易条件进行调整，以便适应市场变化。在这样的市场中，由于沟通成本较高，竞争企业往往很难达成垄断协议。然而，算法的存在让企业在动态市场中达成价格合谋具有了可能性，企业间的合谋可以不直接针对价格本身产生，而是前置到价格的制定和决策环节，通过让竞争企业同时对市场波动作出价格反应，最终达到与价格合谋同样的结果。[3]

可能产生合谋的平行算法行为[4]包括，例如：

• 企业使用相同或者类似的动态定价算法；

• 不直接与竞争对手共享定价算法，但使用共同的第三方算法，例如企业将算法的编制外包给同一家计算机公司或程序员，竞争企业可能会基于相同或者类似的算法开发定价算法并据此制定定价策略；

• 市场上的领头企业使用动态的定价算法，不断在收集市场中价格信息，市场中其余的企业对标领头企业使用定价算法对其价格进行实时追踪，循环反复。

定价算法指通过收集和分析大量的市场数据，并在考虑大量因素的情况下为产品和服务定价的算法。定价算法本身并不违法，实践中，使用算法进行定价也已经成为很多行业的惯例。但是，对于广泛使用定价算法的行业，如果竞争企业之间通过算法有意识的实现了价格的联动，并在算法的相互作用中将价格维持到一个较高的水平，那么，企业会面临一定的反垄断违规风险。

3、作为信号的算法

信号算法指企业通过算法释放出关于价格变动的信号，作为一个隐蔽的要约，意图邀请或直接通过默示的方式与竞争企业达成合谋。在反垄断法下，如何处理“信号”行为还没有一条清晰的界限，信号行为在不同情境中可能产生或促进，或阻碍竞争的效果，需要在个案中进行具体的分析。但是，如果信号行为提高了市场的透明度，辅助促成了竞争企业间的价格合谋，并且仅仅对供给方有利，就可能被认为会对市场竞争产生负面影响，进而存在反垄断违规风险。[5]

具体而言 ，如果企业存在如下的算法行为[6]，有可能会违反反垄断相关法规：

• 企业通过编制的算法向市场中的竞争企业释放合谋信号。例如，企业通过隐蔽的方式，在半夜对价格进行短暂的变动，通过这种方式，企业可以在不对正常经营造成影响的情况下释放竞争对手的算法可以捕获的合谋要约。

• 企业通过算法披露大量的数据细节，数据承载的信息量足以让竞争对手作出例如涨价的协同行为。

通过算法释放信号进行“沟通”也可能会以这样的方式进行：市场中的企业彼此持续发送出信号，同时也在不断的监测竞争对手发送的信号，当所有的企业最终释放了相同的信息，企业之间便“达成了”合意。[7]

4、自我学习型算法

自我学习型算法并不是指某一种特定的算法，而是随着人工智能技术的发展，以及机器学习和深度学习的运用，即使企业没有有意识的编制特定的算法，一些算法凭借其强大的预测能力，通过对市场中企业行为的不断学习和适应，可以在没有人为干预的情况下自动达成合谋的结果。与前文提到的三种类型的算法不同，通过自我学习型算法达成合谋更多的是一种理论上的预判，AI具体如何达成共谋尚不可知，实务中，暂时也没有可以参照的有效实例。人工智能引发的担忧是因为其反应速度更快，算力更强，可能更容易达成共谋，也可能在更为复杂的市场条件中得到一个“最优”的合谋效果。[8]

1、新的技术手段并不必然引发全新的法律问题

算法是一种新的技术手段，但与算法相关的行为并不必然引发全新的法律问题。[9]《反垄断法》首先可能适用于那些虽然与算法相关，但可以直接纳入现行《反垄断法》分析框架的行为或商业模式，这主要指算法作为辅助手段或工具的合谋行为。对于算法的运用与反垄断法的关系，简单的原则是，如果一个行为在没有算法辅助的情况下是违法的，那么该行为不会因为使用了算法而具有合法性。对此，《平台指南》第六条第（二）、（三）款规定，禁止具有竞争关系的平台经济领域经营者利用技术手段进行意思联络，或利用数据、算法、平台规则等实现协调一致行为。

在实践中已有的关于算法合谋的案例中，算法主要是作为合谋的手段行为存在的：

2、挑战：共谋与平行行为的边界？

与传统的合谋行为相比，算法合谋的特征之一是可以提高竞争者达成合谋的效率，甚至达成合谋的概率。算法可以很大程度上改变市场透明度和企业间的“互动”频率。[13]一般而言，对于合谋行为，普遍的认识是竞争者的合谋行为通常容易发生在集中度高、稳定、透明度高、市场进入障碍高的市场结构中。但正如上文关于四种算法合谋行为的介绍中所提及的，算法反应速度更快，可以处理更复杂的市场信息，因此，如果竞争者试图达成合谋，通过算法的辅助，企业可以在更多的市场情形中实现这一违法目的。

算法合谋的另一个特征是算法具有隐蔽性。算法的隐蔽性一方面增加了发现违法行为和违法事实的难度。主管机关或受损害方不仅很难发现合谋行为是否发生了，也很难证明市场价格因为合谋上涨了。[14] 但同时，隐蔽性也增加了法律适用上认定共谋的难度，因为个案中可能没有直接证据可以证明竞争者之间达成了共谋，需要辅助间接证据证明彼此之间存在有意识的协同行为。前文提及的“优步固定价格案”引发的争议就是一个例子。

诚然，算法可能产生合谋，但不可否认的是，算法也正在成为越来越多企业进行商业行为和商业决策的重要依据。通过对竞争对手和消费者数据的广泛收集，以及通过算法对收据的信息进行有效处理，企业确实有可能具有更强的竞争优势，在市场竞争中脱颖而出。而一旦有企业通过算法获得了竞争优势，市场中其余的竞争者也会有强烈的动机进行效仿。[15]此外，对标市场中的领先企业进行发展，也是企业管理中一种常见的经营策略。

在数字经济的背景下，可能的结果是，市场中大部分竞争者都在通过算法收集彼此的信息，并不断做出行为调整。如果算法与合谋，竞争行为与违法行为之间边界过于模糊，会给企业的正常经营活动带来很大的不确定性。独立，但会与竞争对手产生一定相互作用的算法与违法的平行算法行为之间可能只有一步之遥，就此，对于行为的把握和对证据的认定就显得尤为的重要。此外，对算法合谋行为的认定，是更多关注是否存在合谋行为，还是更多关注市场结果等因素也会对反垄断法的适用边界产生不同的影响。

关于这一点，《平台指南》第五条规定，平台经济领域垄断协议是指经营者排除、限制竞争的协议、决定或者其他协同行为。协议、决定可以是书面、口头等形式。其他协同行为是指经营者虽未明确订立协议或者决定，但通过数据、算法、平台规则或者其他方式实质上存在协调一致的行为，有关经营者基于独立意思表示所作出的价格跟随等平行行为除外。域外司法辖区的监管机构也持有类似的态度，对于定价算法，如果企业间的算法彼此独立，只要不存在固定价格的共谋，就不应产生违法责任。[16]

3、反垄断执法的“待办事项”存在扩大的可能性

对于部分算法合谋行为，尤其是通过算法达成的“默示合谋”，即在竞争者没有进行明确的沟通和意思联络的情况下达成的事实上的合谋结果，反垄断法的适用具有一定的不确定性。认定竞争者的合谋行为通常要求企业之间存在合谋的合意，如果企业之间缺乏明确的合意，反垄断法是否可以适用该种行为目前是具有争议的。[17] 上文提到的因运用机器学习和深度学习的算法可能引发的违法风险是最为极致的典型的例子。

但是，不能忽视的是，在针对互联网企业监管趋严的政策环境下，全球各反垄断司法辖区的下一步行动计划有进一步扩大的可能性。大数据可能引发的各类问题也已经引起了广泛的关注，各反垄断司法辖区也通过研究报告、立法修订和执法行动等多种方式对数字经济下产生的新问题予以回应。