数字经济时代平台经济领域算法合谋的反垄断法规制困境与理论重构——以算法协同行为的认定标准为中心

在数字经济快速发展如今这个阶段，平台经济在拉动经济增长里的重要性越发凸显。此时，算法作为关键推动因素正极大改变着市场结构与竞争格局。不过算法技术广泛应用带来了新类型的垄断现象，特别是算法合谋这种情况，因为其具有隐蔽和复杂的特性，给传统反垄断法规制体系增添了很大压力。算法合谋就是企业利用算法技术去实施价格协同、市场分割等垄断行为，本质上是用自动化决策系统代替传统的人工沟通来躲开法律审查。这种现象在电商、网约车等平台经济领域表现得十分明显，它既对消费者权益造成损害，又对公平竞争的市场环境产生破坏。

传统反垄断法在认定合谋行为时，主要依靠企业间意思联络的证据和协同行为的外在表现，但算法合谋比较特殊，使得这些标准不太能适用。就像有些算法可以自主学习然后达成默契协同，不需要企业之间签订明确协议或者进行直接沟通，这就使得监管部门很难收集到有效的证据。而且算法具有“黑箱”特征，让认定工作变得更加困难，原因是它的决策逻辑通常不容易被外部人员了解清楚。面对这些难题，现有的反垄断法需要在理论层面重新进行构建，这样才能够满足数字经济时代提出的新要求。

要解决这个问题，关键在于明确算法协同行为的认定标准。核心问题是要确定算法合谋的法律界限，也就是要弄清楚怎样区分正常的算法竞争和违法的垄断行为。在具体开展操作的时候，要把算法所具有的技术特点和反垄断法的立法目标相互结合起来，建立起一个以行为效果和市场影响作为核心的认定框架。例如要分析算法的价格输出方式、市场动态变化的具体情况以及企业间算法的交互模式，通过这些来判断是否存在排除或限制竞争的效果。与此同时还要引入技术评估手段，对算法的设计逻辑和运行机制展开深入的审查。

重新构建算法合谋的反垄断法规制体系在实际操作过程中具有重要意义。一方面它能够有效遏制平台经济领域出现的新型垄断行为，从而维护市场的公平竞争环境；另一方面它能够为企业合规使用算法技术提供清晰明确的指导，推动技术创新和市场活力实现平衡发展。所以，以算法协同行为认定标准作为核心的理论重构，不但是反垄断法应对数字经济挑战必须采取的措施，也是推动经济高质量发展的制度保障。

在传统反垄断法体系当中，判断协同行为是否能够成立，在很大程度上是要考察经营者主观意图的。其核心判断标准主要聚焦于“意思联络”或者“合意”，也就是要查看经营者之间有没有通过明里或者暗里的方式达成一致行动的主观共识，有没有根据这个共识采取协调统一的市场动作，最终有没有造成排除以及限制竞争的结果。这种认定方式需要执法部门穿透表面行为去证明经营者存在共同决策意愿，从本质上来说这是从法律角度对人类主观合谋决策过程进行的一种拟制。

然而随着数字经济和平台算法深度融合在一起，这套经典理论的适用正面临着以前从来没有过的挑战。算法技术的特性从根本上改变了传统合谋的判断逻辑。在由算法主导的平台经济环境当中，决策主体渐渐从人类转变为机器。先进的定价算法以及调度算法具备自主学习和实时响应的能力，能够持续对市场数据进行监测分析，并且动态地调整策略以此来实现利润最大化。当多个平台采用了相同或者类似的算法模型之后，就算经营者之间没有进行直接沟通或者达成意思联络，算法也有可能在反复博弈和学习的过程中自己形成高度一致的稳定状态，也就是所谓的“算法默契”。这种协同行为并不是因为人类主观达成了合意，而是算法独立运算得出的结果，呈现出“无心合意”的特点。就比如说有几个电商平台采用了类似的人工智能定价模型，市场价格就可能变得趋向相同并且稳定，这就是非常典型的算法定价协同现象。可是如果执法部门按照传统标准来进行认定，会很难证明“合意”存在，毕竟在决策过程当中并没有人类直接参与。

这种困难在网约车平台的算法调度协同案例当中表现得更加明显。不同平台的算法为了应对供需变化、避免出现恶性价格战，可能在各自进行计算之后形成相似的动态调价策略或者区域运力分配方案。这类行为实际上对价格竞争起到了限制作用，但它的形成并不是因为平台之间存在秘密协议，而是算法在复杂的市场当中趋利避害做出的理性选择。传统反垄断法对于这类“无心之过”缺乏有效的监管手段，它过于强调主观要件，这就使得这种新型协同行为很难被纳入审查范围。所以说，算法协同行为认定困难的关键之处在于，传统合谋理论以人类主观意图作为核心的判断框架，和算法决策去中心化、自主化、非人格化的特性之间存在着根本矛盾，这就导致法律在面对算法这个新型“行为人”的时候，出现了规制失效的问题。

平台经济的市场结构与传统单边市场存在明显不同，这些不同给现有的反垄断分析框架带来了系统性挑战。这种挑战的核心在于多边市场属性，即平台会同时为两个或多个独立的用户群体提供服务，通过推动这些群体之间的互动来创造价值。例如电商平台连接着商家和消费者，社交平台连接着用户和广告商，这样的结构产生了跨边网络效应，也就是当一边的用户数量增加时，另一边用户能获得的效用会明显提升，进而形成一种自我强化的正向循环。并且，平台经济还存在显著的规模效应和范围经济，平台的规模越大，边际成本就越低，能提供的服务种类也就越多，这进一步巩固了平台在市场中的优势。这种情况导致平台经济领域通常会出现高度集中的态势，而且由于数据、算法和用户基础形成的刚性特征，市场壁垒很难被突破。此外用户多归属和平台锁定效应同时存在，用户可能会在不同平台之间进行切换，但是较高的转换成本和对数据的依赖，又有可能让用户长期留在某个特定的生态里。

因为平台经济市场结构有这些特殊之处，所以传统反垄断分析框架在平台环境中遇到了严重的适用问题。在界定相关市场的时候，传统方法主要是看价格弹性和产品替代性，然而平台的多边属性要求在分析时必须同时考虑跨边网络效应。就像在界定网约车平台市场时，如果只看司机端或者乘客端，就无法准确评估平台的整体市场力量，因为一边市场的小变化会通过网络效应传递到另一边，从而使得相关市场的边界变得十分模糊。在认定市场支配地位方面，传统指标比如市场份额的作用减弱了，而用户基数、数据积累和技术能力等新要素的重要性则变得更加突出。在网络效应下的市场力量传导机制作用下，平台在某个细分市场的主导地位很容易扩展到其他关联市场，进而增强其整体的控制力。在评估协同行为的反竞争效果时，传统框架主要关注企业之间明确或者隐含的协议，但是在算法合谋的情况下，平台可能成为算法的设计者和控制者，平台的算法决策不仅会对平台内经营者的竞争关系产生影响，还会直接影响到用户的行为和市场的选择。这就意味着评估协同行为时，不能仅仅审查协议，还需要深入研究算法逻辑、平台治理模式以及它们对市场结构产生的深层影响，然而现有的分析工具在这方面的能力是不够的。

想要理解数字经济时代反垄断执法面临的困难，重点是把握算法技术“黑箱”这个核心概念。算法技术“黑箱”的内涵主要体现在三个层面。

第一，算法决策逻辑难以解释。就拿深度学习这类复杂算法来说，其会借助多层神经网络自动提取特征并生成决策，但因为内部权重和参数关系复杂，导致输出结果和输入数据之间没有直观的因果联系。就算是算法的技术开发者，也不容易说清具体的决策推理过程。

第二，训练数据具有隐蔽性。算法的性能和策略在很大程度上依赖于训练数据集的规模、质量和构成。而这些数据通常属于平台的核心商业资源，保密程度非常高。外部观察者既看不到数据的具体内容，也不清楚数据的标注方式，所以自然没办法判断算法是否在特定数据的引导下形成了协同行为。

第三，算法迭代更新具有动态性。平台算法并非固定不变，而是会在持续的数据流反馈中自我优化、不断迭代，其决策逻辑和行为模式可能随时发生变化。这种动态演化的特征使得外部更难以捕捉和固定算法的合谋意图。

算法技术黑箱直接让反垄断法实践当中的证据获取变得极其困难。在行政执法和司法审查环节，监管机构往往难以突破技术壁垒去获取证据。当监管机构要求平台提供算法训练过程、核心参数以及源代码的时候，平台通常会以保护商业秘密为理由拒绝。这样一来，执法机关就无法掌握能够证明合谋意图的直接证据。更让人头疼的是，合谋行为有可能并非来自预设的合谋规则，而是算法在自主学习过程中，为了适应市场环境的变化而演化出的默契协同策略。对于这类不是明确表示、自下而上形成的合谋意图，目前以主观意图为核心的法律证明框架显得力不从心。就算执法机关获取到了平台间的定价数据、用户调度数据等关联性证据，也会面临双重挑战。一方面，收集和处理海量数据对监管机构的技术能力提出了很高的要求；另一方面，要从看上去相互独立的商业决策数据里提炼出具备法律意义的协同行为证据，并且证明其中存在因果联系而不是市场自然竞争的结果，在证据合法性和关联性的认定上难度极大。以欧盟调查亚马逊算法定价这件事为例，监管机构怀疑亚马逊利用算法和第三方卖家达成了隐性协同，可是始终无法获取能够构建完整证据链的算法内部运作信息，最终因为无法满足证明标准而陷入了僵局。这种由于技术黑箱所导致的证据链断裂问题，已经成为当前反垄断法规制算法合谋最为现实的阻碍。

这项研究聚焦数字经济时代平台经济领域里算法合谋的反垄断法规制难题。围绕算法协同行为认定标准这一核心问题，对理论重构和实际应用路径展开系统讨论。

算法合谋是经营者借助算法技术达成或实施垄断协议的行为，其核心原理是依靠数据驱动的自动化决策机制来达成价格协同、市场分割这类反竞争效果。在平台经济环境下，算法合谋具有隐蔽性高、动态演变、证据固定困难等特点，这给传统反垄断法的意思联络认定标准造成很大挑战。

要实现有效监管，需构建以行为效果为导向的认定框架，并且结合数据痕迹分析、算法透明度审查、市场竞争影响评估等多维度方法，以此突破传统依赖主观意图的证明难点。在实际应用的时候，这种理论重构能够提高反垄断执法的精准度，还能够为平台企业明确算法使用的合规界限，进而推动数字市场公平竞争和创新发展。

研究同时指出，认定算法协同行为要坚持技术中立与风险预防结合的原则，也就是要在保护算法技术创新的同时防止其被滥用而排除、限制竞争。在不久之后的未来，随着人工智能技术持续升级，反垄断法需要建立动态调整机制，通过开展跨学科合作以及进行制度创新，形成既符合技术特点又能够兼顾市场效率的监管体系，从而为数字经济健康可持续发展提供有力的法治保障。