沈维敏｜默示算法共谋的反垄断法规制-萌番资讯网

算法促进了与共谋相关的诸多市场条件的实现，增加了共谋成功的可能性，因此逐渐成为反垄断法的焦点。与信使类、轴辐类和预测代理类共谋不同，研究证明自主学习类共谋可以在无需人为干预的情况下协调价格，并将其设定在超竞争水平，因此超出了现行反垄断法的约束框架。由于缺乏共谋的意图，将之纳入共同市场支配地位制度予以规制存在违法行为难以认定和法律救济难以实现的问题。相较于理论和实践操作上均存在争议的共同市场支配地位制度，经营者集中审查作为事前审查机制，其广泛的调查范围、基于结果而不是过程的分析路径以及在法律救济上的灵活性都增加了该制度规制算法协调的潜在有效性。

默示共谋对反垄断执法来说是一个具有挑战性的领域，因为它会在竞争对手之间没有任何非法协议的情况下导致反竞争结果。尽管不同国家和地区的反垄断法制度对协议概念的解释存在显著差异，但它们通常要求提供某种直接或间接沟通的证据，以证实经营者之间存在共谋的意图。默示共谋的实现依赖于严格的前提条件，以至于学界普遍认同这种“思想的碰撞”仅能在寡头垄断市场中实现。

随着定价算法的广泛应用，规制默示共谋的挑战进入了另一个层面。一方面，算法从根本上影响了市场状况，导致价格高度透明和高频交易，使公司能够快速、积极地做出反应。这些变化可能会使算法协调在几乎任何市场结构中保持稳定。另一方面，新一代人工智能驱动的算法能够在未知的环境中自主学习如何在无人干预的情况下达到预先指定的目标，例如利润最大化。更重要的是，此类算法可以学习如何实施基于奖励和惩罚计划的共谋策略，最终导致并维持超竞争价格。算法本身的编程既不是出于共谋的目的，也不是偏向于支持垄断协议的形成。相反，算法通过自主决策采取共谋策略。也就是说，当算法认为在没有任何预先协议的情况下协调价格可以导致企业的共同利润最大化，并且这一结果得到了奖罚机制的支持时，就会出现共谋。在这种情况下，企业之间不仅没有垄断协议，甚至没有表露出明确的“共谋意图”，仅仅是因为使用人工智能工具而实现共谋行为。而且，此类算法的运作通常极为复杂且缺乏透明度，人类难以解析其决策逻辑。这种令人不安的共识不仅基于强调定价算法及其运行生态系统特征的理论研究，而且基于越来越多的实验和实证支持。

由于自主学习类算法形成的协调行为与默示共谋的概念表现出高度契合，不少学者提议将之纳入共同市场支配地位制度予以规制。然而，该提议的难点在于如何通过间接证据证明企业采用此类定价算法导致的超竞争价格均衡并非市场结构的自然结果，而是基于主观意图，因此具有可责性。更具挑战性的是，如果共同市场支配地位是基于特定的市场结构下经营者的自主行为，法律救济将难以实现。只有当法律救济能够导致有效的市场均衡时，这种干预才是合理的，即在增加消费者福利的同时，不仅考虑静态效应，而且考虑长期动态效应。然而，如何确保禁止此类算法必然会导致社会整体利益的增加，同时，使用此类算法所带来的效率收益不会损失？这一问题在监管自主学习类算法时尤为关键，因为仅禁止有问题的代码是不现实的，这意味着可能必须完全禁止此类算法的使用。鉴于此，本文拟对算法定价进行技术与法理分析，在反垄断法的框架下明晰规制思路。

算法会促进和强化共谋的实现吗？经济模型，尤其是博弈论模型对于回答这个问题的帮助是有限的。因为这些模型主要集中于在既定市场条件下会形成何种均衡，而不涉及企业如何实现均衡。为了回答这个问题，需要考察算法如何影响形成协调的条件以及市场相关变量。如果算法的能力无法帮助克服限制协调的因素，那么答案是否定的。然而，如果算法能够克服一些限制协调的因素，那么结论则是肯定的。事实上，理论研究已经确定了算法及其运行的数字世界的许多属性，这些属性可以促进与协调相关的诸多市场条件的实现并创建更持久的超竞争价格均衡。

经济学和博弈论原理表明，在静态环境中，市场的均衡状态接近于纳什均衡。其中每一家企业在价格、产量等方面的战略选择是对竞争企业的最佳回应。在这种均衡状态下，任何一方都没有动机单方面改变自己的策略，因为这样做不会带来任何利益增加，反而可能造成损失。而共谋行为，无论是明示还是默示的，背后的想法是企业集体且协调地偏离纳什均衡能够实现更高的利润。如果这种协调是通过企业之间明确的沟通来实现的，那么企业就是卡特尔的一部分，是大多数国家和地区的反垄断法所禁止的。如果协调是在企业没有任何沟通交流或意思联络的情况下实现的，那么企业之间以一种非合作的方式形成了默示共谋。

实现并维持共谋需要满足三个条件。首先，参与企业需具备就各方有利的贸易条件达成共识的能力，这意味着必须解决彼此之间关于价格、数量或质量等条款上的分歧，并将最终决定传达给各方。其次，企业需具备监测超竞争均衡的能力，其中发现偏离的速度越慢、越不完全，参与各方进行协调的能力就越弱，因此他们越有可能作出偏离的行为。最后，共谋均衡基于威胁和奖励机制。如果一家公司实施并维持了共谋结果，它将获得奖励，因为协调行为将继续维持并为参与各方带来超竞争性利润；如果一家公司选择单方面偏离共谋，它将受到惩罚，因为其他参与者将放弃超竞争均衡的状态，而偏离者将面临报复或价格战。因此，要现实并维持共谋结果，必须存在一种可信的惩罚机制，以威胁和报复那些偏离均衡的企业，此外，惩罚机制必须足够严厉，以抵消企业从其偏离行为中可能获得的任何好处。

随后，经济学文献还确定了五类变量，这些变量影响上述三个共谋要件的有效性，包括市场结构变量（如市场透明度、进入壁垒、市场集中度）、产品特征（如产品同质性、成本对称性、需求弹性、产品耐用性）、销售特征（如销售层次、销售的保密性）、需求变量（如需求的增长、稳定性或波动性），以及在市场上运营的企业的特征（如特立独行的倾向）。

其中，促进共谋的主要因素有市场透明度、市场集中度、需求波动及进入壁垒。当市场透明度较高时，协调市场定价、发现偏离以及确定对偏离者应实施的制裁程度更容易。相反，当信息越嘈杂或越不完整，协调就越困难。在需求波动较大的市场中，供应商往往难以分辨需求的波动是自然变化还是拥有更大市场份额的竞争对手因偏离超竞争均衡而导致的欺骗行为，从而增加了价格战的可能性。此外，实现超竞争价格均衡的市场往往进入壁垒较高，因为如果进入壁垒较低，高额利润会吸引新的竞争者进入市场，从而降低原参与者设定超竞争性价格的激励。最后，高市场集中度，即少数竞争者受到高进入壁垒的保护，对于促进和维持协调至关重要。较高的市场集中度意味着达成限制竞争的共识更容易、成本更低，也会减少监测偏离均衡行为的难度。相比之下，市场上的竞争者众多不仅使定价协调变得困难，而且还减少了企业实施协调的动机，因为即使实现了均衡，每个参与方也只能获得较低的超竞争收益。

相较于存在明确协议的共谋，默示共谋的实现依赖于严格的前提条件，以至于学者们普遍认为默示共谋只能在寡头垄断市场中才可能实现。在寡头垄断市场中，由于参与者数量有限，单个企业的市场力量举足轻重，其单方行为对整个市场及其他竞争者都会产生显著影响，因此寡头企业在制定商业决策时，会考虑到其他竞争者对其决策的可能反应，并据此做出策略调整。经过多次博弈，这些寡头企业在可能了解对方意图的情况下采取一致的竞争策略，以维护各自的利益。此时，企业之间的行为可能是有意识的协调，尽管没有明确的协议。古诺模型作为最早研究寡头市场竞争问题的模型，展示了寡头默示共谋的过程和结果：在寡头博弈均衡下，企业的产量和价格低于垄断水平，但高于完全竞争水平，即是介于市场均衡和垄断均衡之间的一种令人难以满意的福利状况。

此外，一些经济学家对这种非合作的共谋均衡保持怀疑。他们的实验结果证实，即使在控制众多变量的实验室环境中，没有沟通的协调也远非显而易见。他们指出，市场环境是复杂多变的，如果在启动阶段没有直接沟通，企业不太可能就共谋策略达成共识。正是根据这一观点，以美国为代表的部分国家主要通过事先预防，即经营者集中审查，考察寡头企业可能带来的协调问题。尽管欧盟竞争法率先对共同市场支配地位进行了规定，但在很长时间里难以确定该制度的认定标准，仅通过模糊的“经济联系”予以回应。虽然近年来欧盟在实践过程中逐渐形成了“经济联系”与“对市场的经济分析”并重的规制路径，但仍然面临理论和实践上的挑战。《反垄断法》第19条关于推定多个经营者具有市场支配地位的规定隐含着共同市场支配地位的概念，但未规定共同市场支配地位的含义、判断标准与适用规则，导致实践中难以适用或错误适用。究其原因，主要在于共同市场支配地位所依赖的寡头默示共谋理论有较为严格的前提条件，实际案件中要满足这些条件非常困难。

首先，算法提升了企业就各方有利的贸易条件达成共识的能力。随着越来越多行业向在线商务转型，加之数据收集与分析技术的进步，获取关于竞争对手定价及其他贸易条件的信息变得比以往任何时候都容易。这一方面降低了企业确定协调价格的难度，另一方面，企业在集中度较低的市场中也可以实现对价格的协调、监督和对偏离者的惩罚。也就是说，算法弱化了市场集中度与达成共谋之间的相关性，从而扩大了企业可以实施并维持共谋的市场范围。例如，在一些标准化产品市场，其产品可以完全替代竞争对手的产品，并且交易规模小而频繁，这类市场往往由许多小型供应商组成，市场条件比通常认为协调所需的条件更加复杂。然而，当这些市场中的供应商开始运用算法监控和调整价格偏离时，他们也可能现实协调。此外，算法分析的复杂性使企业在解决由协调引发的多维问题上变得更加容易，例如算法能够辅助企业在差异化产品市场中确定协调价格；在更少的重复博弈中达成共识；在市场需求减少时，供应商能够更准确地识别导致降价的原因，从而避免不必要的报复或价格战。

其次，当今算法的分析复杂性提升了企业从大数据中提取信息的能力，使它们能够更好地预测市场需求以及竞争对手对市场条件变化的可能反应。这种预测性有利于企业在动态环境中确定超竞争价格均衡。与此相关的是，算法是一种预设的决策机制。由于算法和数据的结合决定了商业决策的最终结果，算法的运用使得其他市场参与者能够理解其“思维过程”。当算法决策过程透明时，竞争对手可以更好地预测其决策，包括对自身决策和市场条件变化的反应，从而更容易计算共同盈利的价格、识别偏离以及制定惩罚背叛者的策略。算法还可以向其他市场参与者发送明确且强烈的信号，表明哪些参数会影响它将要设定的贸易条件。其决策过程变化的透明和决策所依据的数据的透明可以进一步降低定价和协调决策的不确定性，并提高协调确实会发生而无需重复博弈的可信度。更重要的是，不直接提供算法或数据库同样可以达到释放定价和协调信号的效果，只要一家企业拥有竞争对手的算法在不断变化的市场条件下做出的决策的足够数据，它就可以利用其他算法来确定其竞争对手算法的决策过程。这种决策透明度，结合数字生态系统中市场条件透明度的提升，有助于降低实现协调的主要障碍，即竞争者对彼此行为反应的不完全信息。这不仅意味着协调可能在单次博弈中实现，也表明算法可以减少竞争对手之间直接沟通的需要。正如经合组织观察到的：“市场透明度的提高不仅是可用数据增多的结果，也是算法做出预测和减少战略不确定性的能力的结果。”

最后，算法增强了企业对偏离行为进行威胁和报复的能力。算法环境的独特之处在于报复的速度。计算机能够迅速识别偏离行为，计算多种策略及其对利润的影响，并立刻对偏离行为作出反应。在这样的环境中，算法的响应速度有效地剥夺了竞争对手通过降价或折扣赢得可观收益的可能性。竞争企业因此极有可能从一开始就消除了采取此类策略的动机。速度还意味着消费者可能甚至无法察觉到短暂的价格差异。由此，共谋者可能认识到通过偏离均衡的方式赢得合同的成本非常高，那么一开始就会降低他们采取此类行动的可能性。也因此，当算法能够更快速且更可靠地识别偏离并创造新的均衡时，其本身成为一种威慑机制，从而有效增强了共谋行为的稳定性。

当然，算法的使用并不意味着共谋均衡将基于完美计算的共同盈利价格。为达成此目标，企业需获取有关竞争对手的实际生产成本和生产能力等信息。然而，这并不意味着缺少这些信息，企业就无法达到提高消费者价格的均衡。其中一些信息可以间接观察或计算，即使是不完美的；在重复博弈中直到达到均衡，企业可以向彼此发出与这些信息相关的信号；均衡可能基于之前使用的基准，或者是最大价格的足够好的近似值。换言之，鉴于此类信息的明确沟通通常是非法的，企业可能会采纳基于合法沟通的非完美价格，但这仍可带来利润提升。

此外，算法无法促进所有行业的协调。如果一个行业的进入壁垒较低或无法有效满足上述一项或多项条件，那么协调行为可能不会发生。例如，在需求波动很大且难以明确识别偏离行为的市场中，算法对协调的促进作用不大。然而，在进入壁垒较高且算法能够轻易满足协调条件的市场中，超竞争贸易均衡的情况及其稳定性可能会增加。更为重要的是，只要市场中的部分参与者因算法带来的竞争优势而获益，其他同行业的竞争者就会有强烈的参与动机，以免被挤出市场。结果是，所有市场参与者将不断收集并实时监控对手的行为、消费者选择及市场环境变化，从而促成一个易于发生共谋的市场环境。

目前已确定算法可用于定价决策的四种场景：信使类共谋、轴辐类共谋、预测代理类共谋与自主学习类共谋。

信使类共谋涉及使用算法来实施、监控、监管或增强供应商之间已事先达成的明确协议。在这种情况下，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。此时，算法仅充当企业限制竞争意图的工具。例如，在亚马逊海报案例中，Trod Ltd（Trod）与GB Eye Ltd（GBE）之间达成了一个明确的协议，即不得降低双方在亚马逊在线零售平台上销售的海报和相框的价格。双方利用自动重定价软件来进行价格监控和快速调整。其中GBE的软件被设置成在亚马逊上没有更低价的第三方卖家时，能够匹配Trod的价格。Trod的软件则具有“忽略功能”，即在对抗其竞争对手的定价策略时自动排除了GBE。两家公司还定期进行沟通，以确保协议的持续性和解决与定价软件相关的技术问题。可见在此案例中，算法被设计以一种可预测的方式作出响应，以执行由人类制定的卡特尔协议。

第二种情况涉及轴辐类共谋。在这种情况下，多个竞争企业依赖同一个定价算法的服务提供商来做出定价决策。竞争企业之间没有明确的垄断协议，而是分别与处于纵向关系的上游供应商就价格和数量达成协议。这种以算法为载体的“协议”一致性使得下游竞争企业间接地实现了横向共谋的结果。例如，在Ageras案中，丹麦竞争委员会发现，当专业服务数字平台的算法系统向其合作伙伴建议对平台上的客户收取最低价格时，该平台成为中心枢纽，与多个辐射出去的服务提供商达成了协议，且服务提供商之间没有直接沟通，而是通过Ageras平台达成了共识，从而限制了服务提供商间的价格竞争。

预测代理类共谋通常出现在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算法亦较为相似，因此其在算法设计中包含了价格跟随行为及对偏离行为的惩罚措施，以监测并响应竞争对手的定价和其他关键销售条款。这类算法的学习和自主行动能力有限，因为它们的响应通常基于硬编码规则，如“胜续负反”（win-continue，lose-reverse）或“低价匹配/报复性定价”（match low price/titfortat）策略。但此类相似算法的广泛使用会导致使用这些算法的用户之间形成相互依赖的行为模式，进而在没有沟通的情况下限制竞争。欧盟委员会在2018年的纵向价格垄断案件中观察到了这一动态，其中多个零售商，包括一些主要的在线零售商，都使用了定价算法，导致制造商对个别低价在线零售商施加的价格限制，通过其他零售商的定价算法匹配和跟随，对整体产品的在线价格产生了更广泛影响。

上述三类情况中，协调通过使用能够产生可预测结果的算法来实现，且至少需要一些人为参与以确定竞争对手之间的反应，因此与传统共谋无实质区别，监管机构仍可通过既有的监管与甄别方法来规制由这些算法造成的反竞争行为。

然而，引发争论的是最后一种情况，即自主学习类共谋。这种情况下企业可能采用机器学习、自动实验等高级算法工具进行算法设计，使计算机通过“试错”“迭代”等不透明过程来实现企业利益的最大化或最小化，其中包括由计算机学习到的最优策略所导致的共谋行为。也就是说，当算法认为通过价格协调可以在无预先协议的情况下实现企业利润最大化，并且这一结果得到可信奖罚机制的支持时，就可能出现共谋。此时，企业之间既无明确的垄断协议，也未明显表现出共谋意图，仅因采用人工智能工具而形成共谋行为。而且，更重要的是，此类算法操作通常复杂且不透明，使得人类难以理解其背后的逻辑推理。

Calvano等人的研究表明，在简单的寡头垄断环境中可以出现自主学习类共谋。他们将基于强化学习的Q-learning算法在伯川德寡头垄断环境中反复交互。其中每家公司将其定价决策委托给算法进行竞争，目标是在不确定的时间范围内最大化公司的利润。算法会根据市场参与者在前一时期的有效价格作出反应，并观察该时期实现的利润。实验的目的在于通过观察这些由人工智能驱动的定价算法在模拟市场中的交互，研究它们随时间演化的行为模式。如果超竞争价格是通过优化程序设定的，则表明算法可以系统学习复杂的共谋策略。尽管在涉及两个以上参与者的情况下缺乏收敛的理论证据，但实验结果显示在99.9%的场合下算法实现了收敛。这些算法收取超竞争的价格，从而产生超竞争的利润。价格虽然没有上涨至垄断价格，但高于完全竞争价格。此外，实验中通过人工降价以模拟作弊行为，有趣的是，算法实施了惩罚机制，类似于传统卡特尔协议，即算法惩罚背叛者。所施加的惩罚与偏离程度成正比，并持续一段有限的时间，之后回归接近偏离前的价格水平。后续研究中，calvano等人发现，即使在信息和监控不完全的市场环境下，算法协调同样会自发出现，且这些算法的策略不依赖于竞争对手维持超竞争均衡的承诺，也无直接沟通。某些局限性包括算法需要较长时间来学习共谋，但上述工作提供了强化学习算法可以学习协调这一主张的概念证明。

有关自主学习类共谋的经验证据也开始积累。Assad等人研究了定价算法对德国零售汽油市场的影响。他们观察到，当双寡头市场中只有一家公司采用定价算法时，与未采用定价算法的市场相比，平均利润并未出现显著变化；然而，当该市场中两家公司均采用定价算法时，平均利润提高了每升2.2美分，约增加了28%。这表明在整个市场范围内采用定价算法后，利润和价格均有所增加，即算法降低了市场的竞争水平。此外，他们还通过询问算法是否无法学习如何有效竞争，或者它们是否主动学习如何不竞争（即默示共谋），探讨了定价算法与竞争之间关系的潜在机制。如果属于前种情形，理论上应立即见到利润率的增加；若属于后种情形，则根据Calvano等人的研究结果，算法可能需要更长时间来训练并收敛到默示共谋策略。他们最后发现，在市场广泛采用定价算法大约一年后，利润率开始显著上升，这一发现证明市场中的算法正在自主学习默示的共谋策略。

总之，算法从根本上影响市场了状况，导致价格高度透明和高频交易，使企业能够快速、积极地做出反应。基于现有理论、实验及实证研究，可以得出结论，在特定市场环境下，定价算法可以在无需人为干预或预先达成协议的情况下实现超竞争价格的协调。因此，对寡头市场中的算法默示共谋进行规范的必要性怎么强调都不为过。

近年来，国内也有学者开始关注默示算法共谋在商品和服务定价中的运用及其所引发的挑战，并提出将之纳入共同市场支配地位制度予以规制。虽然学者提出的观点有合理之处，但存在违法行为难以认定和法律救济难以实现的问题。

反垄断法的理念是反对滥用支配地位的行为，并不反对市场支配地位本身。因此，共同市场支配地位的认定以发现某种具体行为为出发点。当寡头垄断市场上出现反常的一致行为，例如在一个相对集中的时间段内企业集体涨价或拒绝交易，那么实际上可能出现三种情况：一是相关企业在进行无意识的平行行为；二是存在未被发现的卡特尔协议；三是相关企业在进行默示协调。由于这些行为表面上的一致性，区别这三种情况非常困难，但仅最后一种情况可能构成共同市场支配地位。

在缺乏共谋证据的情况下，反垄断执法机构需要通过间接证据证明相关企业的一致行为不是由客观的市场结构所导致，而是基于主观意图，因此具有可责性。以美国为例，美国反垄断法通过卡特尔制度（即垄断协议）来规制寡头市场上的竞争问题。在《谢尔曼法》第1条及《联邦贸易委员会法》第5条的框架下，美国法院通过案例判决形成了“平行行为加附加因素原则”。该原则指出，基于平行行为之上如果存在其他可推断共谋的间接证据，则可以构成《谢尔曼法》第1条所禁止的共谋。

在Triangle Conduit案中，联邦贸易委员会认为，尽管缺乏《谢尔曼法》规定的直接共谋证据，但整个刚性钢管行业的制造商统一使用相同的公式来计算运费，并且制造商彼此间对于共同采用同一价格系统也有共识，由此形成的一致价格行为值得怀疑，属于有意识的平行行为，应根据《联邦贸易委员会法》第5条规定的“不公平竞争方法”进行规制。涉案公司对该判决表示不满，并向法院提起上诉，主张采用相同的价格体系是市场竞争的自然结果。然而，在随后的上诉审理中，第七巡回法庭支持了联邦贸易委员会的处罚决定，认为行为上的价格一致性，再加上对采用相同价格体系的主观意识，已构成了有意识的平行行为。

该案大幅减轻了联邦贸易委员会在认定有意识的平行行为时的举证责任。面对争议，美国联邦贸易委员会调整了其对于寡头市场中的反垄断法的适用范围，认为仅仅是有意识的平行行为并不违反反垄断法，还需要其他考量因素。因此，形成了“有意识的平行行为＋附加因素”的分析路径。依此路径，仅存在有意识的平行行为在缺乏横向共谋证据的情况下不足以认定违法，还需要与有意识的平行行为相关联的附加证据。这些因素超越了单纯的行为一致性，需要提供足够的背景证据来支持存在反竞争协议或共谋的推断。显然，附加因素并没有一个确定的分类或量化标准，而是依据具体案件的事实背景、行业特性和市场结构而变化。这些因素也被称为“促成机制”，即市场参与者采取的积极的、可避免的行动，通过克服协调的障碍，使其能够更容易、更有效地实现协调或满足实现协调的相关条件。

可见，在美国法下，对寡头垄断行为的规制思路始终沿着识别共谋行为的路径发展。从有意识的平行行为到附加因素，其区别在于增加了对寡头企业主观意图的权重，以此来认定其可责性。也就是说，寡头之间“有意识”的主观因素是寡头企业形成共同市场支配地位的关键要素。而寡头企业基于市场状况进行理性判断从而作出的利己决策是一种平行行为，不应受到反垄断法的约束。这种以主观意图为核心的判定思路意味着，没有人为干预或明确协议的算法协调不足以引起反垄断法干预，尽管如前所述，此类算法协调可能会变得越来越普遍。

不同于美国，我国和欧盟选择了共同市场支配地位路径来解决寡头市场的垄断问题。《欧洲联盟运行条约》第102条明确禁止在内部市场或其显著部分具有支配地位的一家或多家企业滥用这一地位，以成文法的形式肯定了滥用共同市场支配地位的规制路径。我国《反垄断法》借鉴了这一制度，其第19条关于推定多个经营者具有市场支配地位的规定，隐含着共同市场支配地位的概念和制度。

实践中，欧盟以判例法的形式确立了共同市场支配地位的两条分析路径，一种是经济联系，一种是寡头依赖。意大利平板玻璃案是第一个被法院确认共同市场支配地位成立的案件。在该案中，欧共体委员会认定三家意大利平板玻璃生产商实施了卡特尔行为，但法院推翻了委员会的意见，并认为：“原则上，没有什么可以阻止两个或多个独立的经济实体在特定市场上通过经济联系联合起来，由于这一事实，相对于同一市场上的其他经营者而言他们共同占据主导地位。”自此，“经济联系”的概念正式确立，即多个经营者通过紧密的结构性联系在相关市场上表现出一致的市场行为，如同单个实体一般实施市场行为；但这种联系并不足以排除这些经营者的独立性。

随后的案件中，经济联系的概念不断扩展，涵盖了更多的联系因素，包括结构联系和市场结构产生的联系。例如，在Compagnie Maritime Belge Transports案的上诉裁决中，欧盟法院指出，“协议或其他法律联系的存在并不是认定集体支配地位所必需的；这一结论可能以其他相关因素为基础，并取决于经济评估，特别是对有关市场结构的评估”。有学者认为，这种以判例法逐渐形成的“经济联系”与“对市场的经济分析”并重的规制路径导致难以区分协议行为与单方行为。然而，欧盟从未在《欧洲联盟运行条约》第102条的框架中通过寡头依赖，即有意识的平行行为，认定过共同市场支配地位。以寡头依赖认定共同市场支配地位的案件只出现在经营者集中的案件中，如犌犲狀犮狅狉案、犐犿狆犪犾犪案。可见，美国的“有意识的平行行为并附加因素”理论以及欧盟的滥用共同市场支配地位规则，都旨在确认寡头之间对共同行为及其后果的主观认识，并在此基础上立论其可责性。

在《反垄断法》的体系框架下，垄断协议与共同支配地位难以区分的问题也有明显体现。例如，虽然《反垄断法》仅对共同市场支配地位的推定进行了规定，但在2019年颁布的《禁止滥用市场支配地位行为暂行规定》第13条中强调，在认定共同市场支配地位时，“还应当考虑市场结构、相关市场透明度、相关商品同质化程度、经营者行为一致性等因素”。而这些因素与2019年颁布的《禁止垄断协议暂行规定》第6条的规定高度相似，两者的主要区别在于，认定协同行为时，还应当考虑经营者之间是否存在“意思联络或信息交流”。这意味着，在其他相同市场条件下，若存在沟通的证据，则构成垄断协议；若无法发现沟通的证据，则可能构成共同市场支配地位。

在实际案例中，如异烟肼原料药垄断案，国家发展和改革委员会指出涉案药企新赛科和汉德威在异烟肼原料药市场的市场份额合计均在三分之二以上，且新赛科公司在相关市场的份额近年来从未低于十分之一，符合《反垄断法》第19条的规定。同时，两家公司有能力控制相关市场，且该市场准入门槛极高，进一步证明了两家涉案企业在异烟肼原料药市场上具有市场支配地位。然而，该案的处罚决定书却提到：“为提高异烟肼原料药销售价格，新赛科公司与潍坊隆舜和医药有限公司（以下简称隆舜和公司）签订独家包销协议，仅向隆舜和公司及其指定的制剂企业、商业公司出售异烟肼原料药，没有正当理由拒绝向其他制剂企业出售异烟肼原料药。”这表明新赛科与汉德威之间可能存在合作关系，否则难以解释为何两家在上游市场具有显著地位的企业会与同一下游销售企业签订独家协议。可见，两家公司之间是基于市场条件的相互依赖进行协调，还是存在未被发现的明确协议，需要进一步分析。

那么，强调市场结构、弱化主观意图的共同市场支配地位规制路径可以解决由算法引发的协调问题吗？

这两种不同的认定思路实际上反映了反垄断法如何规制寡头垄断市场长期存在观点上的分歧。以波斯纳等学者为代表的观点认为，如果某个特定行业表现出鼓励有意识并行行为的特征，并且经济分析显示市场价格显著高于竞争水平，则参与者的一致行动应当受到反垄断法的制约，即便没有传统意义上限制贸易的共谋证据存在。这种观点突出了寡头垄断行为与共谋行为之间的相似性，并认为寡头企业在其他企业做出反应之前的时间窗口内通过正常的价格竞争获利的机会存在。因此，维持垄断高价不应仅被视为寡头依赖的唯一理性选择，它也可能是寡头共谋的结果。以特纳等学者为代表的观点认为，虽然在没有实质协议达成的情况下，有意识的并行决策可能表明市场具有反竞争特征，但这种状态反映的是寡头企业的理性行为。禁止寡头考虑到竞争对手可能的反应和决策相当于要求他们以一种经济上非理性的方式行事。根据这种观点，当寡头垄断者的定价行为本质上与竞争性市场中的卖方相同时，将其定性为非法行为似乎是有问题的。

更为关键的是，如果共同市场支配地位的认定是基于特定市场结构下经营者的自主行为，法律上的救济就很难实现。正如布雷耶大法官指出，无意识的平行行为（寡头垄断协调）不构成违法：“不是因为这种定价是可取的，而是因为几乎不可能为‘相互依赖’的定价设计出司法上可执行的补救措施。如何在不考虑竞争对手可能反应的情况下命令一家公司设定价格？”

实际上，将默示算法共谋纳入共同市场支配地位制度予以规制，揭示了类似的法律救济难题。如何确保禁止算法代码中导致协调的部分的使用必然会导致社会整体利益的增加，同时，不损害由这类算法带来的效率收益？这一问题在监管自主学习类算法时尤为关键，因为如前所述，仅禁止有问题的代码是不现实的，这意味着可能必须完全禁止此类算法的使用。

只有当法律救济能够导致有效的市场均衡时，这种干预才显得合理，即在增加消费者福利的同时，不仅考虑静态效应，而且考虑长期动态效应。也就是说，为了禁止此类协调，监管机构需确定企业在其定价决策中应被允许考虑的不同因素（如竞争对手设定的价格）的权重，以确立对消费者长期福利最为有利的价格水平。然而，经济学理论对于应如何权衡竞争对手的价格或定价行为以促进这种利益增加尚无明确解答。现有理论通常假设企业将对其竞争对手的价格作出响应，若我们限制算法对竞争对手价格反应的能力，原有假设即失效。因此，这种干预对生产效率和长期动态效率的影响还有待研究。

此外，禁止定价算法对竞争对手的价格赋予任何权重，并不意味着限制算法对市场条件变化做出反应的能力，从而间接对价格做出反应。假设市场定价中存在相互依赖的情况：每家公司都意识到，由于竞争对手会响应降价，它们无法通过单方面降价来吸引更多消费者，因此配合降价可能比允许竞争对手单独降价更为盈利。在这种情况下，每家公司一开始就不会降价。即使没有秘密协议或额外通信，市场博弈的逻辑结果就是合作定价。现在假设为了阻止此类协调，我们不允许定价算法给竞争对手的价格以任何权重，或限制公司发送价格信号的能力，从而阻碍这些公司相互依赖的定价策略。然而，如果此时算法采取试错策略，即在不同定价决策下测试利润而不直接观察价格，那么仍有可能形成协调的替代方案。此外，对竞争对手设定的价格做出反应的能力既会产生积极的激励（进入、投资），也会产生消极的影响（协调），而这两者很难分开。算法应给予市场对其价格的反应多少权重，以在寡头垄断市场中创造有效的长期进入和投资激励？同样，经济理论尚未产生明确的模型来确定对其他公司价格做出反应的能力在此类市场的进入和投资决策中发挥什么样的作用。

更重要的是，价格除了促进协调之外承担着多重功能。即使在完全竞争的市场中，价格也是定价决策的基本要素，因为它们反映了应对成本和需求条件变化的能力，并影响了进入和投资寡头市场的激励机制。以供应差异化产品的市场为例：每家公司的整体市场力量有限并将其定价略高于竞争水平，其中定价决策取决于竞争对手设定的价格以及消费者对不同产品的需求差异。在这种情况下，价格机制在激励公司提供消费者所偏好的产品、投资并进入新市场方面发挥着关键作用。又例如，一家公司正在考虑是否应该对新的或改进的产品进行大规模的投资，若该投资成功，公司会期望通过设定略高于竞争对手的价格来回收成本。在这种情况下，强制企业忽略竞争对手的定价将增加其投资盈利的不确定性。

因此，此类救济可能会剥夺市场价格的基本功能，迫使企业在缺乏完整信息的状况下运作。同时，为确保消费者福利不受损害，执法机构必须监控产品的质量、数量、服务水平等，而非仅仅关注价格，这将需要大量的资源并可能带来执法能力上的挑战。

寡头垄断的市场结构是经营者滥用共同市场支配地位的前提，即必要不充分条件，在此基础上仍需要通过多个要素进一步分析这些经营者之间是否存在实质竞争。所以，相对于市场支配地位，共同市场支配地位的认定至少应涵盖三个要素：首先是经营者行为的一致性，例如不合理地统一涨价、捆绑销售等行为；其次，这种行为一致性是否源于共同意志，即发生共同行为的动因，应以是否存在内部的实质竞争为准则；最后是考察经营者作为一个整体是否能够独立于其竞争者、客户及消费者行事，即是否具有市场支配地位。

《反垄断法》对于市场支配地位的规定集中于第17、18和19条。根据这些规定，法律对“市场支配地位”进行了定义，但并未明确界定“共同市场支配地位”的概念，而是直接以市场份额推定的方式予以认定。这种以市场份额推定的方式认定共同市场支配地位的认定思路忽视了对共同性的评估，导致实践中对共同市场支配地位的理解背离了应有含义。

例如，在“顾某诉中国南方航空股份有限公司拒绝交易案”和“王某宇诉中国电信股份有限公司徐州分公司垄断纠纷案”中，原告未能充分证明被告具有市场支配地位，转而依据第19条以推定的方式认定包括被告在内的三个经营者具有共同市场支配地位，进而得出被告具有市场支配地位的结果。另一个案例“咸阳华秦出租汽车服务有限公司诉咸阳秦都出租汽车客运服务部等限定交易案”中，法院认可原告的主张，即被告在相关市场的份额合计达到四分之三，且市场份额均超出了十分之一，符合《反垄断法》第19条的规定，但是法院进一步指出三家被告在出租汽车服务市场内不具有控制出租汽车的服务费用、出租汽车数量的能力，也不具有阻碍、影响其他经营者进入出租汽车服务市场的能力，因此满足第19条规定的除外条款“被推定具有市场支配地位的经营者，有证据证明不具有市场支配地位的，不应当认定其具有市场支配地位”。尽管法院意识到推定标准应服从于实质标准，但关键在于案件涉及的是滥用共同市场支配地位行为。因此，在原告举证被告存在如统一办理运营证、统一收费等一致性行为后，法院应针对共同性进行抗辩，即经营者之间是否存在实质性竞争，但对此法院并未给出相应回应。

此外，以市场份额推定的方式认定共同市场支配地位降低了原告的举证责任，导致举证责任分配上出现严重不平衡。如前所述，由于垄断协议、无意识的平行行为、默示共谋的外在表现具有一致性，区别这三种情况极为困难，而难点在于反垄断执法机构往往难以判断经营者之间的行为是否存在沟通。而根据现行规定，反垄断执法机构和原告仅需要确定涉案经营者的相关产品市场和地理市场、计算市场份额，若达到共同市场份额的门槛要求，即可视为完成了初步举证责任。也就是说，以市场份额推定的方式认定共同市场支配地位实际上将是否存在沟通的举证责任转移给了被告经营者。然而，缺乏沟通证据不代表没有沟通，也有可能是因为信息被精心隐藏而难以被发现。特别是考虑到在寡头市场中，签订垄断协议往往更为容易，这种情况下，举证责任的转移会使得区分协议行为与单方行为变得更加困难。因此，此种的制度安排可能导致执法机构在未进行全面深入调查的情况下便直接适用法律推定，从而降低了执法的效率和公正性。

经营者集中审查可以在规制算法协调方面发挥重要作用。其广泛的调查范围、基于结果而不是基于过程的分析路径以及救济方案的灵活性都增加了该制度规制默示算法共谋的潜在有效性。我国经营者集中审查拓展适用于算法默示共谋可以做出以下改进。

为了适应算法定价时代的协调，可以运用经营者集中审查限制算法协调的负面福利影响。这需要重新考虑经营者集中的申报标准。目前，只有达到预设财务营业额的集中才需要向市场监管总局进行申报。然而，在算法协调的市场中，更好的算法或用于训练算法的更好的数据集可以更好地促进算法协调，因此现行的申报标准可能会导致一些增强算法协调的集中未受到关注。例如，被收购公司的财务周转率可能有限，但该公司未被商业化的算法或数据集却是其主要的竞争资产。针对此类情况，德国对于“杀手级收购”的处理方法—基于交易价值的申报标准—同样适用。例如，当paypal计划收购Honey时，收购价高达36亿欧元，远超交易价值的申报门槛，因此适用了这一门槛，但两家公司均未达到营业额的申报标准。

由于算法扩大了能够有效进行协调的公司范围，因此采用市场份额、赫芬达尔赫希曼指数（HHI指数）等结构性的指标来判断市场支配地位的传统反垄断分析方法，在算法协调时代就基本失去了意义。相反，在容易发生算法协调的市场中，这类指标在确定执法机关的干预门槛时应该被赋予较小的权重。与此相关的是，执法机关干预集中的门槛可能需要降低，至少超越传统的双头垄断。门槛应该设置多低，以及在什么市场条件下，应该基于仔细的经济分析来确定。经济合作与发展组织（OEcD）建议将此门槛降低至四至五个主要市场参与者。有学者认为，在某些市场条件下，算法甚至可以在更多市场参与者的情况下实现协调。因此，执法机关在确定干预门槛时可能需要对行业中的特定条件更加敏感，并可能需要采取动态方案进行调整。当然，这会导致更多的监管工作和资源需求。因此，这类假设的调整应用于那些算法协调成熟且广泛应用的市场。

法律措施应更加重视算法协调的可能性。应对算法协调的潜力，可能需要禁止原本允许的集中。此类判断可从以下几个方面展开：

第一，收购将缩短达成协调所需要的时间。实验结论表明，即使在实验室环境中，学习算法也需要很长时间来实现协调。然而，如果通过收购将一种学习算法从市场中剔除，那么协调就更容易实现。例如，若市场有五个参与者，其中三个采用跟随领导者定价策略，两个使用旨在利润最大化的学习算法，那么后两者的合并应受到监管机构的特别关注。

第二，收购一家公司的数据集可能改变市场动态。在这种情况下，数据可以比作生产设施所需的资源、材料和信息。经济学文献中早就认识到，协调的主要障碍之一是市场参与者无法轻易区分由外部因素引起的市场条件变化和由于试图偏离协调均衡而导致的市场条件变化。如果数据集创造了更完整的信息，可以更容易地区分这些情况，那么协调可能会更容易发生。此外，导致输入数据更加同质化和准确的合并可能会增强市场上其他公司使用跟随领导者定价策略的动力，同样应受到执法部门的重视。

第三，收购一家公司的算法。如果算法在合并前不太透明，那么收购行为可以减少竞争对手在定价时的不确定性或者缩短达成协调所需的时间。此外，有效的算法可以减少对数据的需求，因此可能提高企业在市场条件复杂情况下的协调能力。事实上，英国的竞争和市场管理局在考量是否应该批准亚马逊对DeLiveroo的少数股权收购时已经认识到了这种影响。作为提交材料的一部分，合并方必须证明他们的算法具有不同的结构和优化。

第四，混合并购通常涉及位于不同产业部门或市场的合并及被合并企业，这些产业部门间通常没有特别的生产技术联系，因此这种并购一般不会影响市场集中度，对市场竞争没有直接的负面影响，很少受到执法部门的限制。然而，定价算法的复杂性可能改变这一局面。因为即使在不同的产品行业，定价算法也可以实现对价格的协调、监督和对偏离者的惩罚。因此反垄断机构应更仔细地审查这类并购，特别是涉及在不同地理市场提供相似产品的公司之间的合并。

第五，算法协调也会影响与效率相关的假设。如果企业可以通过算法协调获得高额利润，在某些情况下，他们可能倾向于这一途径而非进合并，以避免监管审查。在这种状况下，假设其他条件不变，企业合并更可能基于提高效率等其他理由。也就是说，如果合并与协调策略均能够提升价格，则在两种情形下，所有权控制的差异可能会导致经营者选择合并，因为这一途径更有利于实现规模经济和范围经济。例如，在一个行业中，最低有效规模可以支持三个参与者，但算法协调将其维持到六个参与者。从效率的角度考虑，由三个参与者构成的市场更容易实现高效运作并减少低效生产，因此更为理想。因此，不旨在提升市场价格的合并也应该受到监管机构的关注。

第六，算法协调会降低某些审查工具的效率。经营者集中审查的主要工具之一是保持市场参与者之间的不对称性和异质性。这样做可以使企业更难协调，从而保护竞争。然而，如果算法至少可以部分克服因对称性和异质性导致的障碍，那么保持此类市场状态将不再对维护竞争产生重大影响。例如，算法协调可能会减弱结构性救济的效力。在传统市场中，市场不对称性变化（由于合并或剥离导致）会导致单边效应与协调效应间的显著权衡：不对称性的增加会降低协调效应的可能性，但会增加单边效应的可能性，反之亦然。然而，在定价算法普遍的市场中，结构性救济带来的剥离造成适得其反的可能性会增加。也就是说，为了解决单边效应潜在的负面影响而增加市场参与者的对称性，即带有剥离的结构性救济，实际上可能比允许合并更大程度上减少消费者福利。

由人工智能驱动的定价算法可以改变市场动态并导致超竞争的价格均衡。在这种情况下，协调可以被视为无意识的平行行为，而合同协议被技术和自动程序取代。由于这类定价算法带来的效率收益尚不明确，且对这一领域的研究还在起步阶段，任何高度干预性的解决方案都应该认识到人工智能驱动的定价算法有可能为消费者提供好处，而不只是导致价格的协调。因此，在共同市场支配地位制度的认定路径下，简单地禁止使用这些算法可能会减少消费者福利并且几乎无法执行。相比之下，经营者集中审查不涉及禁止或宣布使用此类算法（或其部分）为非法。随着定价算法在在线和传统实体市场的传播应用，涉及算法和/或从中学习数据的合并应受到更严格的审查，并应在一个考虑其对将来市场行为可能影响的框架内进行。