作者：刘珂（暨南大学经济与社会研究院助理教授）

随着人工智能和算法的高速发展，世界各国的反垄断监管面临新的挑战。企业合谋的形式正在由传统意义上的“在烟雾缭绕的房间里”沟通和制定协议转变为通过复杂的算法对价格进行监控和调节。本文将结合国内外的学术研究和案例实践，介绍算法合谋的定义、类型、算法对合谋稳定性的影响以及应对措施。

什么是算法合谋

算法，是为了解决特定问题，按照一定顺序执行的规则的连续序列。算法在经济活动中起着越来越重要的作用，尤其在金融、航空、食品零售和电子商务等行业算法定价得到了广泛的运用。随着人工智能和机器学习的发展，算法的自主性也越来越强，某些算法甚至可以在不需要任何外界引导的情况下主动进行实验和学习过程，从而适应变化的环境。算法的普及固然降低了信息成本和交易成本，但学术界和反垄断监管部门认为算法可能通过改变某些市场条件促进企业间的合谋，从而降低市场的竞争程度，造成效率损失。例如，2015年时任美国司法部助理检察长的Bill Baer提出，“我们不会容忍反竞争的行为，不论其发生在烟雾缭绕的房间里，还是通过复杂的价格算法发生在互联网上”；2017年6月OECD竞争委员会组织了以“算法与合谋”为主题的圆桌论坛；竞争法国际协会（ASCOLA）2017 年6 月召开的第十二届年会上，人工智能算法相关的反垄断法问题也成为与会者关注的焦点。算法合谋这种新的合谋形式在责任认定、算法监控和法律执行等方面对反垄断法的实施提出了新的挑战。

要搞清楚什么是算法合谋，有必要理解什么是合谋。以价格合谋为例，从结果来看，合谋中的企业通过收取高于竞争性水平的价格，获得更高的产业利润，并降低消费者福利和市场效率。那么，从过程来看，企业如何维持合谋的稳定性？假定不同企业生产的商品是同质的，当市场上的企业都将价格固定在竞争性的水平上，任何一家企业都没有激励去收取高于竞争性水平的价格，因为这只会降低其获得的利润。然而，当每家企业都预期其他企业的定价会高于竞争性价格时，对它自己而言提高价格也可能是有利可图的。为了形成这种预期，企业需要制定一种存在“奖励”和“惩罚”机制的策略。例如，考虑以下策略：企业的初始定价高于竞争性水平，而在未来的任何时期，该企业的定价取决于市场上所有企业的历史定价。具体而言，如果市场上所有企业的历史定价都不低于该企业的初始价格，则该企业维持这一初始价格；如果在过去某一时期曾有企业的定价低于这一初始价格，则该企业将价格降低至竞争性水平。如果市场上所有企业都采用这一策略，那么结果就是所有企业的定价都将高于竞争性水平。虽然任何一家企业都有动机去私自背离合谋，即通过降价以获得暂时性的更大的市场份额和利润，维持高价却可能更符合其长期利益。这是由于，企业预期到它当前的定价会影响到未来其他企业的定价和本企业的利润，即维持高价会在未来得到“奖励”（其他企业继续维持高价），而降低价格会在未来得到“惩罚”（价格战）。

算法合谋有哪些类型

根据算法在合谋中起到的作用，可以将算法合谋分为四种模式：信使模式、轴辐模式、可预测代理人模式以及电子眼模式。在这四种模式中，算法的作用依次增强，而人类的作用依次减弱。

信使模式(Messenger)：算法只是人类实施合谋的媒介，人类才是合谋真正的设计者。算法在使合谋协议生效以及对合谋协议背离的监控和惩罚过程中只起到信使的作用。例如，2015年Topkins被指控和其他竞争者达成协议在亚马逊网上交易平台上提高并维持某些海报的定价。为了实施这一协议，合谋者同意在海报的销售过程中采用某些特定的定价算法，从而对各自价格的变化进行协调。

轴辐模式(Hub and Spoke)：企业使用单一或相同的算法来进行市场决策。合谋的结果并非是由于企业达成固定价格的协议，而是由于企业同意使用相同的算法。这种模式可以通过不同企业使用相同的第三方定价算法来实现，也可以通过大多数企业模仿某一行业领导者的定价算法来实现。例如，在Uber等网约车平台上，司机不会和乘客进行直接议价，而是使用Uber规定的定价算法达成合谋，而这种算法模拟的价格往往高于市场的真实价格。和信使模式一样，轴辐模式只是应用了新技术的传统合谋形式。

可预测代理人模式(Predictable Agent)：每家企业独立开发和使用算法以提高市场透明度和预测行为，在某些市场条件下，不同企业的算法可以达成默契合谋。和之前两种模式不同，在这种模式下，企业并未达成任何协议，也没有明显的将价格固定在某一水平的意愿。每家企业只是出于自身利益开发和依赖于算法，而这会改变某些市场特征，使得企业之间的默契合谋变得更为容易。由于默契合谋不需要企业之间的沟通，各国的反垄断法往往并不认为此类行为是违法的，尽管默契合谋和明示合谋一样会造成不合人意的市场结果。

电子眼模式（Digital Eye）：算法的开发者可能没有达成默契合谋的意愿，也无法预测算法是否会导致合谋，而是完全依赖于人工智能。在这一模式中，算法可能只是被设定为以利润最大化为目标，它们通过自主学习和实验来寻求最优的市场策略，从而达成这一目标。和可预测代理人模式一样，电子眼模式不需要企业达成任何协议，且人的主观作用接近于零。

算法会促进合谋吗

人们往往可以接受人类以算法为媒介达成合谋协议或者通过采用相同算法达成轴辐合谋的可能性，但对于不以合谋为明确目标而设计的算法能通过自主学习来最终实现合谋的结果，许多人认为是天方夜谭。然而，近期的研究表明，这种可能性是真实存在的。例如，Salcedo（2018）认为，如果企业能对彼此使用的算法进行解码，且改变算法需要一定的时间，那么合谋将是必然的市场结果。实验研究方面，Calvano et al.(2018)和Klein (2018)的研究表明，简单的算法也可以通过自主学习达成合谋，即收取高于竞争性水平的价格。

那么，算法是否会促进合谋？学术界的主流观点认为答案是肯定的，理由如下：

第一，算法可以提高市场透明度和企业的互动频率。根据经济学理论，合谋的稳定性取决于企业是否有激励通过降价和扩大产量等方式背离合谋协议。更为透明的市场，可以使企业更容易监督彼此是否背离合谋协议，而高互动频率可以使企业更迅速的报复和惩罚这种背离行为。

第二，算法可以降低企业内部的代理成本。通常来说，合谋的形成需要解决企业内部的代理人问题。例如，企业的拥有者无法确定管理者是否站在企业的立场上考虑问题，企业的不同管理层之间存在信息不对称，等等。人工智能通过降低企业内部员工对合谋的参与程度，使合谋被告发的可能性大大降低。

第三，算法可以避免人类的非理性行为。尽管人类的非理性可能体现在算法的开发阶段，但在算法的执行阶段，企业不必担心算法由于担心合谋行为被发现而被监管当局惩罚所带来的恐惧，也不必担心算法在进行价格协调时由于愤怒所导致的过度反应。同时，算法可以避免人类对未来利润的过度折旧，从而提高合谋的稳定性。

第四，算法降低了需求的不确定性，使企业能有效监督彼此是否有背离合谋协议的行为。以价格合谋为例，假定每家企业无法观察到其他企业的历史定价，而只能从销量来推断其他企业是否有背离合谋协议。然而，低销量的原因既有可能是其他企业私自降价，也有可能是行业总需求的下降。如果企业能完美的确定需求，就能完美的从销量推断其他企业的历史定价，从而避免不必要的惩罚。

但也有一些学者认为，算法和人工智能的发展会在一定程度上阻碍合谋。他们的主要观点如下：

第一，算法可以降低进入和退出壁垒。一方面，人工智能可以帮助潜在的市场进入者更容易观察到市场价格和获得超额利润的潜力，从而找到有利的投资机会。另一方面，企业可以更为迅速和低成本的进入市场，并在需要大幅降价的时期（如价格战或需求不景气）离开市场。进入壁垒降低使得市场上企业的数量增加，退出壁垒降低使得对背离合谋协议的企业的惩罚力度降低，这两者都会降低合谋的稳定性。

第二，算法增加了企业合谋需要协调的维度或变量。例如，网络交易平台上一个重要的变量是消费者的反馈和评分，而企业可以通过提交虚假的反馈来操纵自己和其他企业的消费者评分。在这种框架下，企业的合谋不仅要考虑固定价格或产量，也要考虑每家企业如何选择对自己或其他企业提交虚假的反馈（例如，增加积极的反馈和减少消极的反馈以增加行业总需求）。然而，由于反馈是匿名的，即使企业知道某一条反馈是虚假的，也很难知道这条反馈是由哪一家企业提交的。这使得企业有另外一种更为安全的方法背离合谋协议，从而降低了合谋的稳定性。另一方面，人工智能使企业有可能通过获得消费者的信息从而对不同消费者实行个人化定价，从而最大化的剥削消费者剩余，但同时企业在合谋中需要协调的变量几乎是无限的，这大大增加了合谋策略的复杂性。

第三，算法降低了需求的不确定性，使企业有能力挑选背离合谋协议的最佳时机。假定企业能完美的预测需求的波动，则每家企业在需求较为景气的时期有更大的激励去背离合谋协议。这是由于，企业在当期能够获得的利润相对于损失的未来时期的平均利润更高。

算法合谋的应对

第一，加强反垄断法对默契合谋的重视。现有的反垄断法只认定存在相关合谋协议或沟通的明示合谋是违法，但对于默契合谋的监管存在空白。然而，可预测代理人模式和电子眼模式的算法合谋都是默契合谋，需要有法律依据对其进行责任认定。一种解决方案是判定企业是否有一些可能有利于合谋稳定但可避免的行为出现，而这些行为可以作为合谋的依据。

第二，通过事前审核，禁止企业使用那些可能造成合谋结果的算法。和人类间的合谋不同，算法合谋所使用的策略往往可以通过算法的程序代码观察到。因此，可以直接通过检查算法的程序代码来确定其是否应该被禁止使用。同时，可以通过输入数据到算法中并监控算法导致的市场结果来决定该算法是否有反竞争的性质。理想的情况是，所有促进合谋的算法都得到禁止，而所有提高市场效率的算法都能够使用。

第三，使用自动化和辅助消费决策的消费算法，实现“用算法击败算法”。这种消费算法可以自动识别需求，搜寻最优的交易机会，并代替消费者执行交易。由于消费算法集中了大量消费者的决策，市场上的交易频率降低，形成一定的买方势力，从而使企业有更大的激励背离合谋协议。同时，当消费算法假定企业有合谋的嫌疑时，可以拒绝消费或改变购买策略。

第四，在保持企业和消费者之间的市场透明度的前提下，降低企业间的市场透明度和企业调节价格的速度。一个可能的解决方案是鼓励企业和消费者进行秘密的交流。政府可以禁止企业在短时间内迅速提升价格，但允许企业在短时间内迅速降价。

参考文献：

[1] 韩伟. (2017). 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, (5), 112-121.

[2] 韩伟. (2017). 算法合谋反垄断初探——OECD《算法与合谋》报告介评 (下). 竞争政策研究, (6), 68-77.

[3]财新网，算法合谋：一个老问题的新形式，2018-01-22，http://opinion.caixin.com/2018-01-22/101201027.html

[4] Calvano, E., Calzolari, G., Denicolò, V., & Pastorello, S. (2018). Artificial intelligence, algorithmic pricing and collusion. 

[5] Ezrachi, A., & Stucke, M. E. (2017). Artificial intelligence & collusion: When computers inhibit competition. U. Ill. L. Rev., 1775. 

[6] Harrington, J. E. (2018). Developing Competition Law for Collusion by Autonomous Artificial Agents. Journal of Competition Law & Economics, 14(3), 331-363. 

[7] Johnson, J. P., & Sokol, D. D. (2019). Understanding AI Collusion and Compliance. Cambridge Handbook of Compliance, Forthcoming. 

[8] Klein, T. (2018). Assessing Autonomous Algorithmic Collusion: Q-Learning Under Short-Run Price Commitments. Tinbergen Institute Discussion Paper.

[9] Mehra, S. K. (2015). Antitrust and the robo-seller: Competition in the time of algorithms. Minn. L. rev., 100, 1323.

[10] Salcedo, B. (2015). Pricing algorithms and tacit collusion. Manuscript, Pennsylvania State University.

[11] Schwalbe, U. (2019). Algorithms, machine learning, and collusion. Journal of Competition Law & Economics, 14(4), 568-607.