纪孟汝

（中南财经政法大学，湖北 武汉 430073）

一、问题的提出

信息通信技术与数字技术的高速发展、广泛适用及不断创新，推动了数字经济的繁荣发展。据最新数据显示，2020年我国的数字经济规模已达39.2万亿元，占GDP比重的38.6%，同比提升2.4%，在疫情冲击和全球经济下行的背景下，依然保持着高位增长，成为我国经济稳定增长的关键动力。①参见中国信息通信研究院：《中国数字经济发展白皮书》，中国信息通信研究院，2021，第5—6页。虽然互联网、区块链、大数据等高新技术的运用不仅显著提升了经济效率并且优化了经济结构，但与此同时也给法律、经济等领域带来了新的风险与挑战。其中数字经济发展的引擎——算法，所引发的算法共谋问题已经引起了学界与实务界的广泛关注。

2015年4月，美国司法部指控Topkins与其同谋利用算法定价，固定了其在亚马逊网站上销售的海报价格，对其提起了刑事诉讼。同年12月，美国公民Spencer Meyer提起诉讼，指控Uber与其平台下的司机签订纵向协议，使得司机利用相同的算法定价收费，消除了价格竞争，进而形成了横向共谋。2017年2月，欧盟委员会对Asus、Denon&Marantz、Philips以及Pioneer等公司进行调查，认为这些公司利用定价软件限制了在线零售商的自主定价能力，涉嫌违反了欧盟竞争法。同年10月，欧盟委员会发布的电子商务行业的调查报告显示，已有超过三分之二的经营者使用算法来跟踪竞争对手的价格。

面对司法实践中不断涌现的案例，世界主要反垄断的辖区的立法、执法部门也已经开始关注和研究算法共谋问题。近年来，德国、美国等国家和地区的竞争执法部门发布的调研报告已经在不同程度上涉及算法共谋问题。2017年，美国司法部发布官方报告《算法与合谋》，阐述了算法与共谋的关系并表明了其立场。OECD竞争委员会于2017年6月以算法与合谋为主题组织了论坛，并发布背景报告《算法与合谋：数字时代的竞争政策》对相关研究成果进行了详细的梳理。

司法实践的发展同样推动了理论界对算法共谋问题的研究，2017年，牛津大学教授Ariel Ezrachi与田纳西大学教授Maurice·E.Stucke提出了算法共谋这一概念，并详细论述了算法共谋的危险性。以此为基础，更多学者针对算法共谋问题展开了研究。但就目前来看，对算法共谋问题的研究处于初步阶段，许多问题仍存有争议，并无定论。随着算法技术的深入发展和广泛应用，其给市场竞争秩序和消费者利益带来的影响将日益凸显。而面对算法共谋，我国现行反垄断法的制度与理论显得有些捉襟见肘。

因此，本文拟对算法共谋的反垄断规制问题进行研究，在明确算法促进共谋的机理和算法共谋的内涵及类型的基础上，分析我国算法共谋反垄断规制面临的困境，并提出相应对策。

二、算法共谋的界定

（一）算法促进共谋的机理

1.算法提高了市场环境的透明度

传统市场中，经营者间的交易信息尤其是交易价格等关键信息并不容易获得，但随着互联网技术的发展，这些交易信息转化为数据形式，企业可以轻易获取并能够利用算法基于历史数据进行预测，减少市场竞争中的不确定性，进而提高市场环境的透明度。

另一方面，当前算法已经成为企业的核心竞争力，能够为企业带来高额利润。出于逐利目的，企业有足够的动力来挖掘和开发数据。并且只要市场中有少数的竞争者凭借算法获得了竞争优势，那么其他竞争者为了防止被市场淘汰，会跟进对算法技术的投资与应用，最后会形成这样一种局面：市场中的竞争者都在跟踪、收集其他竞争者及市场变化的相关数据，创造了一个透明化的市场环境。虽然市场透明度的提高在一定程度上有利于提高经济效率，促进竞争，但是市场环境的透明度越高，竞争者间越容易达成共谋。

2.算法降低了企业数量与共谋的相关性

企业数量也是影响共谋实施的重要因素，一般来说，企业数量越少，共谋越容易实施。如果市场中的企业数量过多，竞争者间的意思联络、谈判磋商和跟踪监控都会更加困难，而且共谋者的增多会使可获得的超竞争水平利润的比例降低，降低共谋激励。而算法的技术优势能够增加共谋达成、实施和维持的隐蔽性，并且使得对背离者的监控与报复更为有效，加之算法无情感、偏见和绝对理性的特征及其强大的数据挖掘和分析能力，使算法共谋即使在企业数量较多的市场中也能稳定实施，因而降低了企业数量与共谋的相关性。

3.算法提高了企业间的互动频率

此前，企业调整策略的成本高、时间长且易引起反垄断执法机关的察觉，而算法可以实时根据市场波动，迅速制定并调整策略，降低企业的沟通成本和暴露风险，进而实现企业间的高频互动。同时企业高频率的互动也减少了消费者对策略变化的反应时间，能够有效减少客户的流失。①参见周围：《算法共谋的反垄断规制》，《法学》2020年第1期。

4.算法影响了市场进入障碍

通常情况下，市场进入障碍越大，越有利于共谋的实施，因为市场中没有新的竞争者的进入，有利于共谋的维持。目前来看，算法给市场进入障碍这一因素带来的影响有利有弊，尚不明确。因为一方面算法可被共谋者用来维持其市场力量，对潜在竞争者实施预防性打击，增加了市场进入障碍。但另一方面，算法又可以被潜在竞争者用以获取市场信息，降低市场进入成本，从而减小市场进入障碍。

总体上来说，算法技术的应用不仅便利了共谋的实施，而且扩大了可以实施共谋的市场范围。

（二）算法共谋的内涵阐释

算法共谋，即竞争者利用算法技术实施的共谋。算法，作为数字经济发展的引擎，人工智能的核心基础技术之一，其定义目前并不统一。根据OECD报告，所谓算法是指机械应用于令牌或对象的明确操作列表，可以以语言、代码、图表甚至程序等多种方式来表示。①参见韩伟：《算法合谋反垄断初探——OECD〈算法与合谋〉报告介评（上）》，《竞争政策研究》2017年第5期。简单来说，算法就是一系列解决问题的计算机指令。另外，算法的定义随着技术的进步在不断发展变化，并非一成不变。②参见柳欣玥：《垄断协议规制中算法合谋分类研究》，《竞争政策研究》2019年第5期。随着人工智能、机器学习等技术的发展，算法已经可以比人类更快地进行分析、预测和决策，解决复杂程度更高的问题。而所谓共谋，向来是反垄断法的最大罪恶，是指竞争者间实施的以使其利润最大化但可能损害消费者利益的策略行为。③参见黄晓伟：《互联网平台垄断问题的算法共谋根源及协同治理思路》，《中国科技论坛》2019年第9期。共谋可分为明示共谋与默示共谋，前者是指通过或口头或书面的明确协议来达成或维持的共谋；而后者是指无需明确协议，通过竞争者间的依赖关系和不言而喻的心理意思推理来维持的共谋。④参见李振利、李毅：《论算法共谋的反垄断规制路径》，《法学研究》2018年第7期。基于以上分析可以发现，与传统共谋相比，算法共谋主要具有以下特征：

第一，智能化。这里的智能化主要是指算法的自主能力，可以分为两个层次，一是较低层次的智能化，这个层次上的算法可以跟踪、收集数据，制定并调整策略。这种情况下，算法仅仅是作为工具以其技术优势为共谋实施提供了便利，仍然受算法设计者、使用者的控制。二是较高层次的智能化，这个层次上的算法已经成为共谋的实际参与者，甚至是主导者。

第二，稳定性。算法的应用显著提升了市场透明度与企业互动频率，从而使得对背离行为的惩罚机制更为快速有效，大大减少了共谋者的背离动机。此外，算法作为技术所具有的理性、无情感、无偏见的特征使共谋脱离了囚徒困境的束缚，进一步增强了共谋的稳定性。

第三，隐蔽性。算法共谋凭借算法的技术优势，使得竞争者间的意思联络、谈判磋商和跟踪监督行为都更为隐蔽，增强了共谋达成、实施和维持的隐蔽性，使得反垄断执法机关难以发现。

第四，多样性。算法技术的应用给共谋带来了多样性特征，首先，算法技术的类型是多样的，可以以不同途径促进共谋的达成；其次，类型多样的算法可以应用于企业经营活动的不同环节；最后，算法技术是不断发展的，技术的进步也会使得共谋的表现形式更加多样。

（三）算法共谋的类型

OECD报告中将算法分为监督算法、平行算法、信号算法与自我学习算法四类。⑤SeeOECD：Algorithmsandcollusion：competitionpolicyinthedigitalage，availableat：www.oecd.org/competition/algo⁃rithms—collusion—competition—policy—in—the—digital—age.htm（lastvisit：2021/06/27）.监督算法，即用于监督目标的算法，跟踪并收集相关数据以对目标实施监控。平行算法是可以根据市场变化，自动地实时调整策略的一类算法。信号算法是在数据收集的基础上自发地发出信号和处理信号的算法，并且其发出的信号只有相同或类似设计的算法才可接收并处理。自我学习算法，是指以人工智能和机器学习技术为基础，具备自主学习能力的算法。由于自主学习算法并不是按照预先设定的规则一直运行，而是通过自主学习不断加以优化，因此人类无法得知其自主学习、决策及达成共谋的一系列过程，因此其也被称为“黑箱算法”。根据算法在共谋中的作用不同，与前述四类算法相对应，算法共谋可以分为以下四类：

1.信使共谋

信使共谋与监督算法相对应，算法在此类共谋中发挥“信使”的作用。信使共谋是指企业以算法为工具来跟踪、收集竞争者的价格、商业决策等信息，进而筛选、过滤出背离共谋的数据，以快速启动报复机制的共谋，前述提到的Topkins案就是信使共谋的典型案例。

2.轴辐共谋

轴辐共谋以平行算法为基础，常见于互联网平台经济中，是指一个经营者与其上游或下游的多个经营者达成纵向协议，使用同一平行算法，因为平行算法可以实时根据市场条件的变化，自动制定并调整策略，这些上游或下游的多个经营者之间使用同一平行算法就会对市场变化做出类似反应，形成横向共谋。单一的纵向协议可能并不会产生反竞争效果，但是若存在许多类似的纵向协议就会构成轴辐共谋。2015年美国公民Spencer Meyer诉Uber案和2016年欧盟的Eturas案就是轴辐共谋的典例。

3.代理共谋

代理共谋依托于信号算法，信号算法在代理共谋中扮演代理人的角色，根据市场波动及时地制定、调整价格策略，并向竞争者发出信号，最终实现价格的协调，达成共谋。信号算法发出的信号只有拥有同样或类似设计的算法才可接收并理解，不会影响到市场中其他竞争者、消费者和反垄断执法机关的反应，极大地降低了信号成本，促进了共谋的实施。

2011年亚马逊网站的图书《苍蝇的成长》价格飙升事件即为代理共谋的典型例证，一本起初售价仅为35.54美元的普通图书，由于线上书商定价算法技术的漏洞，价格跟随行为机械循环发生，最后图书售价高达2396美元。

4.自主学习共谋

自主学习算法促进了自主学习共谋的产生，自主学习共谋并不需要人类的参与，人类对此类算法的系列操作过程也无从得知，甚至可能产生企业并没有共谋的意图，但基于机器学习技术的算法通过大数据和反复试错来自主学习市场中竞争者的行为，进而独立决策达成共谋的情况。

三、算法共谋引发的规制困境

数字经济时代，算法与共谋相结合呈现出一系列新特征，而我国现行的的反垄断理论与制度的构建是在工业时代的背景下展开的，因此面对数字经济时代的算法共谋问题时，显得有些力不从心。

（一）算法共谋行为识别难

一是算法共谋的高度隐蔽性，传统的商业环境中，默示共谋并不常见，但算法共谋中竞争者间的意思联络、谈判磋商和跟踪监督等行为都利用算法进行，使得共谋的达成、实施和维持非常隐蔽，更多的以默示共谋的形式出现。而默示共谋缺乏明确协议，因此相较于明示共谋，更加难以察觉和认定。①参见钟原：《大数据时代垄断协议规制的法律困境及其类型化解决思路》，《天府新论》2018年第2期。

二是算法的技术优势提高了共谋的稳定性，使反垄断执法机关根据背离行为来发现和认定共谋这一路径不再可行。根据囚徒困境理论，共谋具有天然的不稳定性，②参见施春风：《定价算法在网络交易中的反垄断法律规制》，《河北法学》2018年第11期。而算法技术的运用大大提升了共谋者间监督制约机制的有效性，导致实施共谋的风险降低，背离共谋的风险变大，使共谋摆脱了囚徒困境的束缚，具有更高的稳定性。

（二）算法共谋行为违法性认定难

根据我国现行反垄断法的规定，主要是从主体、主观意思、行为和实施效果四个方面对垄断行为进行认定。共谋与算法技术的结合冲击了垄断行为的认定边界：首先是主体要件，算法共谋的实施主体突破了对传统垄断协议“经营者”的规定，算法设计者、提供者甚至算法本身都落入到实施主体的范围内。其次是主观意思的认定，此前对主观意思的认定主要以竞争者间的意思联络为依据，但是算法共谋中凭借算法的技术优势，竞争者通常无需进行意思联络，并且代理共谋和自主学习共谋中算法的自主性增强，可能竞争者并不具有排除、限制竞争以获得超竞争水平利润的主观目的，这种情形下如何对主观意思加以认定就成为亟待解决的难题。再次是行为方面，算法不仅便利了共谋的实施，扩大了共谋可以实施的市场范围，而且使得算法共谋常常以默示共谋的形式出现。算法默示共谋不仅缺乏明确的垄断协议，而且通常从表面来看是正常的经营行为，如数据发送、定价算法系统等行为，但实际上却是限制、排除竞争的共谋行为，这导致行为认定的难度也大大增加。最后是实施效果方面，算法共谋的实施效果常常游走于正常经营活动与限制、排除竞争的垄断协议间的边界线上，因此对其实施效果的正确认定也具有较大难度。

（三）算法共谋行为追责难

首先责任主体难以确定，一方面，代理共谋和自主学习共谋中出现了算法成为共谋的实际参与者，甚至是主导者的情况，但是算法技术并不具备法律规定的责任能力，无法承担相应的法律责任；另一方面，算法共谋是一个持续性的过程，往往涉及多方主体，如算法设计者、算法使用者，这进一步增加了责任主体的认定难度。其次算法共谋中责任主体的多元性进一步导致了责任分配问题的产生，多方主体间责任该如何分配也成为亟待解决的难题。

四、算法共谋的反垄断规制对策

目前来看，算法共谋并未对现行的反垄断法理论产生颠覆性的影响，同时考虑到不同类型的共谋的运行机制不同，产生的问题也并不相同，因此对算法共谋的的反垄断规制仍应当立足于现行的反垄断制度与理论，结合算法共谋所呈现出的一系列新特征，有针对性地对其予以类型化分析，在此基础上提出相应的规制对策。

（一）算法共谋反垄断规制的类型化分析

“共谋”也就是我国反垄断法中所规定的垄断协议，我国对垄断协议采取的是“合理原则为主，本身违法原则为辅”的规制方法。③参见刘佳：《人工智能算法共谋的反垄断法规制》，《河南大学学报（社会科学版）》2020年第4期。合理原则是指在综合考察与被指控限制竞争行为相关事实的基础上判断该行为的合理性，只有当企业具有排除、限制竞争的意图并且导致了实质性限制竞争的后果时，该行为才构成违法。本身违法原则是指某些类型的行为的目的和后果就是限制、排除竞争，因此只要行为具备法律规定的构成要件，构成该特定类型的行为即可认定为违法。因此通常来说，进行反垄断规制时，首先应当根据法律规定的构成要件判定该行为是否构成垄断协议，若构成，那么需要再进一步考察企业的主观意图和行为的实施效果。以下在上述垄断协议的理论框架下对算法共谋的反垄断规制展开类型化分析。

1.信使共谋

信使共谋，顾名思义，算法仅仅是扮演了信使的角色，竞争者间已经预先达成了共谋的合意，只是利用算法来便利共谋的实施，因此对信使共谋按照规制传统垄断协议的一般思路来进行认定即可，并无特殊之处。

2.轴辐共谋

虽然轴辐共谋中竞争者采用同一算法与传统共谋中竞争者采用同一定价公式并无本质区别，只不过轴辐共谋中竞争者与其上游的经营者签订了纵向协议而已。但值得注意的是，纵向协议的签订仅为达成横向共谋的手段，纵向协议的签订并不影响横向共谋的认定，对轴辐共谋进行反垄断规制的核心是横向共谋。当市场上的竞争者都明确使用同一定价算法，并且合理认识到这会产生反竞争的效果但却放任共谋的发生，当产生反竞争效果时，其应当承担相应的法律责任。而对于提供算法的上游经营者或第三方，应综合考量其主观意思、市场地位、算法的合理性等因素，若其在设计和推广时具有主观故意，则其应当承担相应的法律责任。

3.代理共谋

代理共谋中，虽然通常竞争者间并没有明确的意思联络，主要表现为算法间的互动，但由于算法使用者或设计者具有共谋的意图，因此代理共谋仍属于有意识的平行行为。单纯的有意识的平行行为可能会带来更激烈的价格竞争，①参见唐要家、尹钰锋：《算法合谋的反垄断规制及工具创新研究》，《产经评论》2020年第2期。是不为反垄断法所禁止的，因此对代理共谋进行反垄断规制时，应当对代理共谋的实施动机和效果予以重点考察，以区分单纯有意识的平行行为与代理共谋。但代理共谋与信使共谋和轴辐共谋相比，更常以默示共谋的形式出现，因而行为的认定难度更大。此外，代理共谋中算法的自主性增强，有可能脱离人类控制自发地制定并调整策略进而达成共谋，这种情况下责任主体如何认定，责任又该如何分配值得思考。

4.自主学习共谋

前述已经提到，自主学习共谋中，自主学习算法的自主化程度进一步增强，并不是按照预先设定的规则一直运行，而是基于大数据和反复试错进行自主学习，不断优化以完成目标，已经脱离了人类的控制。因此算法设计者与使用者难以预知自主学习算法的实施后果，即使原始算法设计中并无共谋意图，算法运行过程中也并没有人类的干预，自主学习算法仍有可能为完成目标，通过自主学习实施共谋。尽管目前还未出现自主学习算法共谋的实例，但是已有学者通过构建模型，进行了成功的模拟，②参见周围：《算法共谋的反垄断规制》，《法学》2020年第1期。在技术不断发展创新的当下，此种情形的出现并非没有可能。相较于前三种类型的算法共谋，毋庸置疑的是自主学习共谋行为的识别和认定更加困难，并且其同样突破了传统反垄断理论中的“人类主体”框架，使得责任归属与分配问题十分棘手。

（二）算法共谋反垄断规制对策

虽然算法技术的积极效应值得肯定，但也不能忽视其可能带来的消极影响，应当对算法技术的运用予以适当的规制，基于此并结合上述分析，可以从以下四个方面提出算法共谋反垄断规制的具体对策。

1.转变垄断协议的认定标准

“协议”即企业间达成的实施共谋的合意，根据我国反垄断法第十三条的规定，垄断协议主要有协议、决定及协同行为三种表现形式。实践中反垄断执法机关对协议进行认定时重点关注经营者的意图，而经营者的意图需要明确的企业间进行沟通的证据来加以证明。明示共谋中经营者间进行沟通联络的证据主要为协议或决定，但算法共谋多为默示共谋，默示共谋多表现为协同行为，缺乏经营者间明确的沟通证据。因此应当转变对算法共谋中垄断协议的认定标准，不能再仅仅局限于明确沟通证据的范围，应当更多关注协同行为产生的事实和行为的实施后果，加强对行为证据、经济证据等间接证据的收集，①参见吴太轩、谭娜娜：《算法默示合谋反垄断规制困境及其对策》，《竞争政策研究》2020年第6期。如对算法代码设计、数据收集及运行效果进行审查。

2.明确算法共谋垄断的责任规则

明确责任规则，首先应当确定责任主体。算法共谋中主要涉及三方主体，算法本身、算法设计者以及算法使用者。前述四种类型的算法共谋中，信使共谋与轴辐共谋仍是由人类主导，算法只是作为实施工具而已；而代理共谋与自主学习共谋中，算法的自主性增强，会出现算法实际参与，甚至主导共谋的情况。在这里应当明确的是无论是从伦理、法律还是技术方面来看，人才是主体、目的，算法只能作为客体、手段，表面来看算法已经成为共谋的参与者或主导者，但实际上算法背后的设计者、使用者才是实质上的责任主体，应当在坚持这个原则的基础上来讨论责任的分配问题。对于算法共谋中多方主体间的责任分配，有学者提出可以采用获益原则和有效控制原则来解决，这种解决方式就具有一定的合理性。所谓获益原则是指由执法或司法机关来评估并且确定算法共谋中的利益结构，再根据各方主体的获益大小来进行责任分配；有效控制原则是根据算法共谋中的各方参与主体对算法的管控程度划分责任份额。②参见殷继国、沈鸿艺、岳子祺：《人工智能时代算法共谋的规制困境及其破解路径》，《华南理工大学学报》2020年第4期。按照算法共谋中各方主体的获益大小和控制程度来划分责任份额，若获益份额和控制程度难以确定，则由各方主体承担连带责任。

3.合理适用承诺制度

我国《反垄断法》第四十五条规定，涉嫌垄断行为的经营者在反垄断执法机关认可的期限内采取措施消除后果的，反垄断执法机关可以中止调查。③反垄断法第45条第1款规定：“对反垄断执法机构调查的涉嫌垄断行为，被调查的经营者承诺在反垄断执法机构认可的期限内采取具体措施消除该行为后果的，反垄断执法机构可以决定中止调查。中止调查的决定应当载明被调查的经营者承诺的具体内容。”我国《禁止垄断协议暂行规定》第二十二条进一步规定，反垄断执法机关应当在考虑行为的性质、时间、后果和影响等情况的基础上作出是否中止调查的决定。④《禁止垄断协议暂行规定》第22条规定：“反垄断执法机构根据被调查经营者的中止调查申请，在考虑行为的性质、持续时间、后果、社会影响、经营者承诺的措施及其预期效果等具体情况后，决定是否中止调查。”

信使共谋和轴辐共谋中，算法仅仅是人类意志的延伸，因此对其适用承诺制度时，没有特殊之处。而代理共谋和自主学习共谋中，人为因素减少，算法的自主性增强，算法的设计者、使用者可能并没有限制排除竞争的意图，而是由算法自主实施了共谋。这种情况下行为的认定难度增大，相应的执法成本也更高，同时考虑到算法设计者、使用者的监管能力和职责范围，可以适度降低承诺制度的适用标准。当然，适度降低适用标准应当在法律允许的范围内，在代理共谋和自主学习共谋构成垄断协议的情况下，不能适用合理承诺制度，以防以中止调查代替了行政处罚，降低了违法成本，为反垄断执法权力寻租提供了空间，最终损害法律权威。

4.构建算法共谋的多元规制体系

（1）反垄断执法机关的审慎规制体系

算法技术仍处于初步发展阶段，许多问题仍存有争议，因此反垄断执法机关应当秉持审慎执法的理念，对算法共谋的反垄断规制应当控制在合理范围内，以免产生矫枉过正的后果，导致国家的过度干预破坏市场的自主运行，影响市场的正常发展。具体操作层面，反垄断执法机关可以从以下四个方面对算法共谋展开规制。

首先是数据的收集和利用，数据是数字经济时代的石油资源，同时也是算法运行的基础。反垄断执法机关规制算法共谋时，一方面不仅应当注意防止企业借助复杂算法技术过度收集消费者数据，侵害消费者权利，而且应当重点审查企业间高频的数据抓取和信息交换行为、企业间就市场竞争的敏感信息进行限定传递或交换的行为以及以数据垄断为目的的并购行为。但另一方面，执法机关不应直接限制企业收集利用的数据范围、企业数据的公开范围及企业间的信息交换频率等，以防阻碍技术创新与经济发展。对此，应当建立完善的数据共享制度对数据的收集和利用进行有效规制。此外，还要注重推进公共数据的共享互通，减少数据孤岛与数据壁垒。①参见黄晓伟：《互联网平台垄断问题的算法共谋根源及协同治理思路》，《中国科技论坛》2019年第9期。

其次是防患于未然，注意对算法的事前规制。其一，可以制定算法编程行业准则，通过行业规范引导算法设计者遵守竞争规则；其二，可制定算法黑名单，将经审查具有反竞争效果的算法设计直接纳入黑名单予以禁止；其三，事前对算法程序设计予以审查、备案，要求企业在算法设计阶段就要遵守竞争规则。事前利用技术手段对算法程序设计及运行予以审查，提高算法的透明度与可问责性。②参见唐要家、尹钰锋：《算法合谋的反垄断规制及工具创新研究》，《产经评论》2020年第2期。若该算法设计产生反竞争效果的风险较高，可要求企业进行修改或适当的施加限制，从源头消除发生算法共谋的风险。

再次是执法机关对算法共谋的规制要注重比例原则的应用，③参见丁国峰：《大数据时代下算法共谋行为的法律规制》，《社会科学辑刊》2021年第3期。综合考量社会公共利益、企业利益和消费者利益，做到反垄断执法行为必要性、适当性和均衡性的统一，实现社会效益的最大化。

最后是执法机关监管能力的强化。为确保算法共谋的合理规制，应当注重强化反垄断执法机关在新市场环境中的执法能力，一方面，要注重人才培养和引进，不仅需要开展业务培训提高执法人员的知识素养以实现准确执法，而且可以设置专家组，引进具有相关专业背景的技术人才以优化人员结构。另一方面，要学会以技术规制技术，充分运用监管技术并构建算法监管系统，实现智能化执法，这样一来，不仅能够提高算法共谋反垄断规制的有效性，而且能够大大提高执法效率。

（2）企业自身的积极自治体系

企业不能躲在算法技术的背后来逃避责任，当其决定运用算法技术时，就应当认识到它应该对算法技术的应用后果承担责任。企业对算法的运用应当负有预测和防止反竞争后果的义务，因为算法始终是在执行人类的意志。一方面考虑到当前阶段，算法技术的复杂性给反垄断执法机关的执法带来了极大的难度，因此可以要求企业提高其算法的透明度；同时另一方面又考虑到算法凝聚了开发者和相关企业的大量投入，若无限度的要求企业公开其算法，恐会挫伤相关行业的创新积极性，阻碍技术进步与经济发展。基于以上两个方面的考量，可以要求企业在不损害自身知识产权的前提下有限度地公开算法，其一可以要求企业对执法机关公开算法，降低执法机关的执法难度，其二可以要求企业向消费者有限度的公开算法以保障消费者的知情权。

（3）社会合作规制体系，积极推动行业自律与公众参与

不仅要鼓励各行业协会制定自治规范，积极自律，而且要注意与社会公众的合作，设置公众参与机制，增强公众的话语权。同时大力倡导公众提升数字素养，树立问题意识，积极参与算法共谋的反垄断规制。此外，算法同样可以为消费者所用以帮助其作出理性的购买决策，目前常见的此类算法有推荐算法和比价算法，其可以帮助消费者应对经营者高频的策略调整，与经营者抗衡。因此应积极鼓励相关行业对此类算法的开发，并倡导消费者对此类算法的使用，来限制算法共谋的产生，减少算法的负面影响，提升社会的整体效益。

五、结语

信息通信技术、数字技术的发展、应用和不断创新，促进了平台经济、共享经济等数字经济的新业态蓬勃发展，我国正在由数字经济大国向数字经济强国转变。毋庸置疑，数字经济将会引领未来经济发展，成为经济发展的新方向，但新技术、新业态在促进经济发展的同时也给现行反垄断制度与理论带来新的风险与挑战，算法技术所引发的算法共谋问题就是其中之一。

共谋与算法技术相结合呈现出的智能化、隐蔽性等一系列新特征给反垄断执法机关带来了行为识别难、认定边界模糊、追责困难等诸多挑战，在现行反垄断法的理论框架下沿袭类型化思路对算法共谋的反垄断规制问题展开分析，可以得出应当转变垄断协议的认定标准、明确算法共谋垄断的责任规则、合理适用承诺制度并构建多元规制体系等对策来加以应对。

但就目前来看，算法共谋问题仍处于初步探讨阶段，如何在保证算法积极效应的同时减少其消极效应仍需理论界与实务界进一步的合作与探索。