算法共谋中经营者责任的认定：基于意思联络的解读与分析

算法共谋中经营者责任的认定：基于意思联络的解读与分析
剌森

(北京工商大学 法学院，北京 100048)

摘 要： 在算法共谋中，意思联络达成与维持的方式发生了较大变化，因此经营者责任的认定面临着意思联络判定的困难。基于此，从意思联络视角讨论算法共谋场景下经营者责任认定问题具有一定的必要性。研究发现，算法便利了经营者实施间接意思联络，鉴于间接意思联络的特殊性，有必要扩展意思联络这一概念，知情默许与合理预见也应构成意思联络，并适当加强竞争者的背离义务。在算法共谋的场景下，对平行行为与协同行为进行划分仍然是具有意义的，但是需要依照意思联络表现形式的变化对两者的划分标准进行调整。算法共谋中经营者责任的认定受到算法工具性与自主性影响，当前反垄断法主要将算法视为工具，但随着自我学习算法的发展，算法的自主性也应当纳入考量。可以依据经营者对意思联络知情与否以及算法自主性程度作为分类标准对经营者责任进行分类讨论。

关键词： 算法共谋； 经营者责任； 间接意思联络； 轴辐协议； 反垄断法

一、引言
数据和算法的使用便利了经营者之间达成垄断协议，由此产生算法共谋的问题。按照算法在共谋中所发挥的作用，可以将当前的算法共谋案件分为两类，一类是经营者事先已经达成共谋，算法仅构成执行一致定价的工具。典型案件诸如美国的“Topkins”案和英国在线海报案，两者均涉及在线海报销售商使用定价算法，执行一致的价格。另外一类案件包括美国的Meyer v.Uber Technologies, Inc.案与欧盟的Eturas案，两者均表现为轴辐协议的形式，即平台处于轴辐协议的轴心位置，其通过算法组织辐条位置的企业达成垄断协议。第一类算法共谋案件与传统的共谋案件并无本质区别，在认定经营者责任时基本可以适用反垄断法对垄断协议的分析路径。但是，在第二类案件中，经营者并非直接达成意思联络，而是通过算法组织、达成并且实施间接的意思联络。

目前我国规制算法共谋的制度依据主要包括《反垄断法》第13条、国家市场监管总局的《禁止垄断协议暂行规定》(以下简称《暂行规定》)第5条、第6条以及《国务院反垄断委员会关于平台经济领域的反垄断指南》(以下简称《指南》)。其中《暂行规定》第6条明确了认定协同行为所要考量的因素，包括一致行为、意思联络、经营者对一致行为的合理解释以及相关市场的情况。《指南》在“垄断协议”一章粗略列举了算法共谋的表现形式，并肯定了反垄断执法机构可以依据间接证据对算法共谋进行认定。当前对算法共谋的研究普遍认可，算法共谋中经营者之间缺乏直接的意思联络，甚或不存在传统意义上的意思联络，这种意思联络的隐蔽化或者缺位，导致由算法所实施的一致行为难以被认定为垄断协议，使协同行为与“寡头一致定价”(即平行行为)难以被区分，进而产生对现行垄断协议理论是否仍能有效调整算法共谋的质疑。此外，算法在共谋达成中具有双重属性——工具性与自主性，算法的自主性使垄断行为与责任脱节，现有研究中出现脱离行为认定责任的观点。但这一观点与垄断协议的分析方法相背离，对于产业创新也可能导致抑制效果。

因此，本文从算法共谋中的核心概念——意思联络这一视角出发，主要探讨在算法轴辐协议的场景下，经营者的责任认定问题。包括：(1)意思联络的表现形式在算法共谋的场景中发生了何种变化，当前反垄断法理论中意思联络的概念能否适用，考量到间接意思联络的存在，应当如何意思联络这一概念进行解释；(2)在算法共谋中的平行行为是否应当被认定为违法，如何在不同场景下区分平行行为与协同行为；(3)在算法工具性与自主性的影响下，如何认定经营者的责任。从理论上来说，基于算法共谋给传统的共谋理论带来的挑战，在借鉴现有判例与理论的基础上，探讨算法共谋中(尤其是轴辐协议中)的间接意思联络的认定标准，传统共谋理论中诸如意思联络的概念、经营者责任认定的分析路径是否能够适用于算法共谋的各种场景中。在此基础上分析算法平行行为与协同行为划分的标准，以及对涉及自主学习定价的经营者责任与第三方责任进行分类讨论。从现实意义角度来看，随着算法自主性的不断发展，算法共谋已经不再单纯是一个理论假想。本文在理论研究的基础上，对未来立法执法中明晰算法共谋中意思联络的认定与经营者责任的认定具有一定的参考价值。

二、算法共谋的研究现状
目前，关于算法共谋的相关研究主要集中于算法定价对市场竞争的影响、算法平行行为的法律认定以及自我学习算法下经营者责任的认定。

(一)算法定价对市场竞争的影响问题
算法定价对市场竞争的积极影响主要体现在提高市场透明度上，Jeanine Miklós-Thal和Catherine Tucker(2018)[1]通过模型分析，提出算法可以更准确地预测消费者需求，从而增强企业降价的动机并提升消费者福利。Michal S Gal和Niva Elkin-Koren(2017)[2]研究了消费者在算法的协助下可以作出更高效的决策，决策速度更快，交易成本更低，并提出“算法消费者”的概念。“算法消费者”的市场力量在一定程度上构成对供应商的对抗力量。但是定价算法也可能便利企业达成共谋，从而妨碍市场竞争。依据定价算法在共谋中所发挥的作用，Ariel Ezrachi和Maurice E Stucke(2016)[3]将算法共谋划分为“信使模式”(Messenger)、“轴辐模式”(Hub-and-Spoke)、“可预测代理人模式”(Predictable Agent)以及“电子眼模式”(Digital Eye)，提出算法定价可能促进在“可预测代理人”与“电子眼模式”下市场透明度的提高，也可能导致企业操纵市场定价。Lea Bernhardt和Ralf Dewenter(2020)[4]认为在涉及共谋时，市场透明度具有双重效果。一方面，透明度提高有利于消费者决策；另一方面，算法所导致的高市场透明度更容易引发共谋问题，向企业实时提供竞争对手的数据，有利于共谋维持稳定。Paolo Siciliani(2018)[5]提出数字商业模式的高固定成本、低边际成本与对于消费者的低搜索成本特性，使企业有动机通过算法实施一致定价，以避免割喉式的价格竞争。总结上述文献，可以发现当前讨论主要集中于算法定价对市场透明度的影响，从积极效应来看，算法所提升的市场透明度可以增强买方力量，避免买方被价格歧视；从消极影响来看，市场透明度的提高有助于企业收集竞争对手信息，实现算法一致定价。

(二)算法平行行为的法律认定问题
针对涉及算法的“寡头一致定价”问题，Ariel Ezrachi和Maurice E Stucke(2020)[6]提出即使缺乏意思联络，算法共谋也可以维持稳定，并且相关研究已经证明算法平行行为是可能实现的，因此需要对此加强监管。Vaclav Smejkal(2017)[7]提出算法可能导致有意识但非协同的平行行为，欧美等国普遍对这类行为缺乏有效规制，建议针对此类行为，对设计和使用算法的主体适用一个类似于严格责任的认定标准。时建中(2020)[8]提出针对“预测”“自主”类算法共谋的场景或样态，由于经营者之间意思联络的缺乏，难以适用当前垄断协议制度进行调整，建议将共同支配地位制度进行拓展，通过企业的协调动机、反复的互相作用或高频互动以及高程度的市场透明度对算法默示共谋进行认定。上述文献基本都肯定了传统共谋理论无法用于规制算法定价这一问题，其主要原因在于“意思联络”这一概念出现适用障碍，并分别提出通过确立严格责任、拓展共同支配地位制度等方式加以解决。

(三)自我学习算法下经营者责任认定问题
针对算法是否可以通过自我学习实现共谋，目前仍缺乏实证，在理论研究中存在两种截然不同的观点，反对的观点诸如Ulrich Schwalb(2019)[9]，其认为目前不存在理论和实验证据表明，在市场条件变化的情况下，基于深度学习神经网络交互下的自我学习算法能够导致算法共谋。支持的观点包括Joseph E Harrington(2019)[10]，其研究了由定价算法和学习算法所组成的“人工代理”(artificial agent)，当两家企业使用不同的人工代理，可以通过设定其预期利润与惩罚以促进其协同定价；当两个人工代理达成一致定价，所获取的利润就达到最大值，但如果有人工代理背离一致定价，其就会受到惩罚。

针对经营者是否应对自我学习算法达成共谋承担责任的问题，Vaclav Smejkal(2017)[7]、Niccolò Colombo(2018)[11]建议在反垄断法中构建类似于侵权法中的严格责任和替代责任。Salil K Mehra(2016)[12]分析了处理由机器导致反竞争责任的三种路径：归咎于机器本身、归咎于操作机器的人以及不归咎于任何人。其中不归咎于任何人不符合效率和错误成本，而将责任归咎于机器就需要针对机器的特性，对当前垄断协议认定中的目的分析路径进行调整。Guan Zheng和Hong Wu(2019)[13]提出随着算法自主性的加强，有必要考量其在法律上的主体资格问题，认为算法的理性挑战了斯蒂格勒所定义的共谋达成的四项前提条件，同时算法的自主性和不可控性使其定价结果难以被归结于企业的理性选择。在涉及自我学习算法场景中的经营者责任认定问题，现有观点普遍提出了参考侵权法中的严格责任与替代责任，来认定算法提供者、操作者的责任，但是针对上述两项责任制度适用于垄断协议分析框架是否具有合理性，缺乏相关研究。

从研究现状可以看出，学者普遍认为，虽然定价算法可能会对市场透明度提升带来一定的积极效应，但是算法共谋问题应当受到反垄断法的重视。特别是在算法默示共谋中，会出现意思联络难以认定、平行行为与协同行为难以区分以及在自我学习算法中如何界定经营者的责任等问题。但是，当前的研究大多是集中于探讨，在技术上算法共谋是否具有现实性，在经济学视角下算法如何便利共谋、算法平行行为在认定中的困难，缺乏对现实案例的关注。在上述研究的基础上，本文从算法共谋的主要特征之一——“间接意思联络”这一概念出发，总结分析现有理论与判例，探讨以下三个问题：一是算法共谋中的间接意思联络应当如何认定，传统的意思联络概念是否仍能够解释间接意思联络这一现象；二是算法共谋中，普遍存在经营者之间缺乏意思联络，或者意思联络不明显的现象，导致协同行为与平行行为难以区别，需要重新审视两者的边界；三是在上述两个问题的研究基础上，对算法共谋场景进行分类讨论，探讨算法提供者、操作者之间的责任划分问题。

三、算法共谋中经营者责任认定的法律困境与现实挑战
(一)协同行为的认定要件问题
理论上，算法共谋可能表现为明示的协议，或者默示的协同行为。因此，在认定协同行为时，应当依据我国《反垄断法》第13条和第15条。《暂行规定》中列举了协同行为的构成要件，包括“一致行为”“意思联络或信息交流”“缺乏合理解释”以及“相关市场的情况”。其中，需要由反垄断执法机构予以证明的要件包括“一致行为”“意思联络或信息交流”以及“相关市场的情况”，而涉嫌违法的经营者负有对其一致行为存在“合理解释”进行举证。在“上海海基业高科技有限公司等与安徽省工商行政管理局等行政诉讼”案中，二审法院提出，主观上经营者之间的意思联络或者信息交流是认定协同行为的必备要件。

大多数国家的反垄断法中都有“协同行为”或类似概念，《欧盟运行条约》第101条使用的是“concerted practice”这一表述，欧盟成员国大多都采取这一表述，例如德国《反对限制竞争法》所称的“Abgestimmte Verhaltensweisen”也是同义。与此相对应的是美国与澳大利亚等国家使用“facilitating practice”“concerted actions”等术语来指代“协同行为”。在Dyestuffs案中，欧盟法院将协同行为定义为：“企业之间的一种协调形式，还未到协议达成的阶段，企业故意以行为上的合作来代替竞争的风险。”因此，在欧盟竞争法中界定协同行为，需要满足：(1)存在某种形式的协调或实践上的合作；(2)这种合作是通过直接或间接的联络达成的；(3)企业之间的联络与合作具有因果关系。在欧盟竞争法中，协议与协同行为之间并不具有一个明确的边界，两者“都是某种形式的共谋，拥有同样的性质，仅在强度和表现形式上有所区别”。与之相对应地是美国反托拉斯法传统上缺乏“协同行为”的概念，美国《谢尔曼法》第1条针对“共谋”的表述包括协议(“contract”“agreement”)、联合(“combination”)、共谋(“conspiracy”)。美国法院在早期判例中不会单独认定协同行为违法，而是将协同行为作为认定协议的“辅助因素”(“plus factor”)，允许原告或执法机构援引协同行为作为间接证据来推导协议的存在。

(二)算法共谋的损害认定问题
经济学理论普遍认为交换信息在改善市场透明度方面存在积极效果，有助于提升效率并最终使消费者受益。市场透明度的提高有助于企业了解供需情况并且制定最佳策略。同时，交换技术信息，对创新存在着显著的积极效果。市场透明度的提高可以降低搜索成本，使消费者作出更明智的选择。从消极效果来说，协同行为除了可能导致限制产出、抬高价格以外，意思联络还可能对市场中未参与交换信息的竞争者产生排挤效果，使其处于竞争劣势。因此，在分析交换信息对市场产生的效果时，应当注意交换信息是使所有市场参加者受益，还是仅限于参与交换信息的企业受益。因为后者达成共谋的风险更高，对市场透明度的提升也相对有限。

使用算法进行定价，本身具有一定的积极效果。一是算法定价极大地提高了企业的定价效率，节约定价成本。同时算法定价有助于企业及时地调整商品价格，甚至进行动态定价、个性化定价，以及时回应市场的供需变化。数据和算法的使用有助于企业为用户提供更精准的服务，激发创新。二是算法提升了定价透明度，依靠算法，消费者可以做出更加理性的决策，比价网站就是一个典型的例子。

达成共谋需要具备三项主要因素，一是共谋必须拥有提高价格的能力；二是共谋所带来的预期收益要高于预期惩罚；三是达成及执行共谋的成本低于其预期收益[14]。在静态市场中，提高市场价格的能力一定程度上取决于市场竞争特性，包括商品的需求弹性、潜在竞争者商品的替代性等。基于上述三个因素，使用算法进行定价可能会便利企业达成共谋。一方面，企业通过算法收集竞争者的定价数据更加容易，同时能够更准确地评估市场竞争状况，包括需求弹性和潜在竞争者商品的替代性；另一方面，算法提高了对顾客需求的准确预测，使不同企业之间提供的商品或服务差异化程度提高，替代性降低。当然，也有相反的观点提出，算法所带来的完全价格歧视会降低企业达成共谋的动机，因为完全价格已经可以最大程度地掠夺消费者剩余，企业无需再通过实施共谋获利[15]。此外，算法定价可以便利企业监控共谋的履行，并对协议成员的背离行为实施严格的惩罚。一方面，由算法统一执行的定价策略，具有明显的隐蔽性和低成本性，能够降低执法机构发现共谋存在的可能性，从而使企业降低对其未来可能受到惩罚的预期；另一方面，算法可以用于监控成员执行协议，防止背离或欺骗行为。

(三)算法共谋所引发的经营者责任认定问题
认定经营者的责任需要考量算法在不同共谋场景中所发挥的功能。当算法仅构成经营者达成或实施共谋的一项工具时，经营者的责任认定较为容易。在Topkins案中，算法定价软件只是执行横向固定价格协议的工具，在使用算法一致定价之前，协议成员就已经实施了私下的意思联络。在这种情况下，算法并未实质上影响经营者责任的认定。美国联邦贸易委员会委员Maureen Ohlhausen曾经将此类情况下的算法比喻成“一个叫Bob的人”，提出只要“算法”一词能够被“一个叫Bob的人”所替换，那么现行的认定方法就可以适用[16]。

但是，算法共谋可能在以下三个方面对反垄断法理论提出挑战：一是使用算法实施一致定价时，经营者可能不再需要面对面地进行意思联络。在算法一致定价中往往出现意思联络缺位的情况，因此需要检视当前反垄断法中“意思联络”这一概念是否可以适用于算法共谋的场景中。算法共谋的隐蔽性表现为经营者之间意思联络认定的困难，特别是在轴辐协议的情况下。轴辐协议是一种中心辐射型的垄断协议，由多个处于“辐条”位置的竞争者与一个处于“轴心”位置的企业或平台组成，竞争者之间可以通过位于轴心的企业实施间接的信息交换，从而达成垄断协议[17]。在德法两国发布的《算法与竞争》报告中提出了经营者通过使用算法达成轴辐协议的两种情形，一是两个或多个经营者在知情的情况下使用同一第三方提供的算法，并通过算法实施了一致行为；二是经营者在不知情的情况下使用了第三方提供的同一算法，最后出现了一致定价的情况[18]。其次，有必要重新考量算法所导致的平行行为与协同行为之间的边界。在当前反垄断法中，两者的区别在于经营者之间是否存在意思联络。但是在算法共谋中，由于意思联络的缺位，导致需要重新审视两者的划分标准。第三，考量算法的工具性和自主性对经营者责任认定的影响，尤其在不同场景下经营者、第三方与算法之间的关系。

四、算法共谋中经营者责任认定：判例借鉴与理论分析
(一)间接意思联络概念适用于算法共谋的认定与证明
在协同行为的认定中，意思联络是一个核心要件。依据我国《反垄断法》对“协同行为”的定义，经营者之间的一致行为只有在存在意思联络的前提下，才可能构成协同行为。而算法共谋的特殊性在于，算法极大地便利了竞争者之间实施间接意思联络，特别是以轴辐协议的形式。由此产生关于间接意思联络应如何认定的问题。

在间接意思联络的认定上，欧盟“VM Remonts”案是一个经典案例。该案涉及参与同一招投标程序的三家企业，在收到同一顾问公司提供的相似报价后，提出了一致的投标价格，该行为是否构成反垄断法意义上的协同行为(串通投标)。其中判定三家企业承担责任的前提是，他们在顾问公司的组织下达成轴辐协议，即存在间接的意思联络。欧盟法院在初步裁决程序中提出，在这种情况下，判断企业是否应承担责任的三项标准是：首先，服务提供者(顾问公司)是否事实上受到其中一家企业的指导或控制。其次，企业是否意识到竞争者拥有反竞争目的，并且意图通过其自身行为促使该目的实现。最后，企业是否能够合理预见竞争者的反竞争行为并且准备好接受该反竞争行为所导致的风险。在欧盟法院提出的三项标准中，第一项意在判定经营者之间是否存在直接的隶属关系。如果服务提供者受控于参与投标的企业，就可以将两者视为一体，该案就符合典型的横向垄断协议结构。而第二、三项标准旨在判定经营者之间是否存在间接的意思联络，即一定程度上扩张解释了“意思联络”这一概念，将“知情默许”与“合理预见”也视为意思联络的形式。同时，第二、三项标准事实上提高了经营者的注意义务与背离义务，涉及到间接意思联络时，消极应对共谋并不能免除经营者自身责任，经营者必须采取更积极有效地手段避免违法后果的发生。

在算法轴辐协议中，间接意思联络往往表现为一种单向的信息传递，而非双向的信息共享。信息接收者对于收到的信息往往保持沉默，不做任何回应，却在之后采取了一致行为。因此，在认定单向信息传递构成共谋时，往往缺乏信息接收者对信息传递知情的直接证据。这一现象在Eturas和VM Remonts两个案件中均有所体现。在Eturas案中。这种单向信息传递表现为Eturas平台统一通过系统邮箱向平台内旅行社发送限制折扣的信息，后续通过系统定价实施了统一限制折扣的行为。其中一部分旅行社辩称他们之间并不存在意思联络，因为他们并没有收到或者注意到平台所发送的争议信息，也没有意识到系统统一对折扣进行了限制，因此其不应承担责任。VM Remonts案中三家企业同样否认通过顾问公司实施了意思联络。

因此，在认定间接意思联络时，需要考量证明责任分配的问题，不合理地设定证明责任可能导致执法出现假阴性或假阳性错误。欧盟法院在Etruas案的裁决中，对间接意思联络的证明设定了一个可反驳推定，即只要经营者对一致行为知情，就可以推定间接意思联络的存在，除非经营者能够提出相反的证据。在VM Remonts案中，法律顾问Wathelet提出了一个具倾向性的证明责任，只要信息接收者对收到的信息没有表示明确的反对，即构成一种默示的共谋。这相当于提高了经营者公开背离的义务，类似观点也存在于Eturas案中。欧盟法院确认，如果旅行社对平台限制折扣的行为知情，那么可以推定旅行社参与了协同行为，除非他们能够证明自己公开地实施了背离行为(例如事实上未实施一致行为或者曾经主动地向竞争执法机构进行举报)。在背离行为的证明上，经营者负有举证责任，其需要提出有效的证据证明其实施了背离行为。

由此可见，间接意思联络的认定与证明具有一定的复杂性和特殊性，往往缺乏直接证据证明经营者之间发生了直接的接触，因此需要合理地设定证明责任。我国《指南》中虽然允许在直接证据难以获取时，反垄断执法机构可以采用间接证据来证明协同行为的存在，但是需要注意的是，孤立的间接证据不具有证明力，间接证据需要形成证明锁链，以排除合理怀疑。考量到算法共谋的隐蔽性，适用间接证据的证明难度可能仍然是高的。而通过合理分配证明责任，适当提高涉嫌违法经营者的注意义务，可能是更加符合执法效率的一种方式，同时也符合间接意思联络这一现象的特殊性。一方面，合理分配证明责任是基于算法共谋的隐蔽性，经营者与执法机构往往存在严重的信息不对称问题。对于共谋是否发生，经营者掌握更多更准确的证据，适当设定一个基于一致行为知情与意思联络存在的可反驳推定，能够极大缓解证据上的信息不对称，同时提高执法的准确性。另一方面，适当提高涉嫌违法经营者的注意义务，是与降低执法成本、提高执法效率相一致的，要求经营者事先主动避免共谋的发生，加强合规审查，而不仅仅依赖于事后的执法。提高注意义务之后，不再允许经营者对单向信息传递采取默许态度。经营者可以通过明确拒绝参与共谋或者向执法机构举报等背离的行为，避免违法后果的发生。

因此，建议在涉及算法共谋认定与证明中，对意思联络的表现形式进行扩展，将知情默许与合理预见纳入。在经营者对一致行为知情，或者可以合理预见一致行为存在的情况下，推定经营者之间存在意思联络，除非该经营者能够作出合理解释。与现行《暂行规定》中对协同行为的认定相比，以上建议缓解了执法机构证明意思联络的困难，同时加强了经营者作出合理解释的义务，从而实现对双方举证负担的平衡，提高执法效率。

(二)重新审视平行行为与协同行为的划分标准
在寡头垄断的市场中，当算法依据竞争者的定价信息，作出一致定价的决策时，就可能出现平行行为的问题。传统反垄断法理论对平行行为与协同行为的划分是基于经营者之间是否存在意思联络。一般来说，有意识的一致行为被认定为协同行为，而无意识的一致行为被认定为平行行为。在算法一致定价的场景中，协同行为与平行行为之间的边界变得模糊，其原因在于意思联络在认定共谋中的重要性被减弱，因此需要重新审视两者的边界。在算法共谋中，算法在某种程度上替代了人的角色，组织实施意思联络，或者在缺乏直接意思联络的情况下，通过不断博弈最终实现一致定价。传统意思联络的概念是基于对经营者参与垄断协议的意思表示的描述，因此“意思联络”又可以被解释为“意见一致”(meeting of minds)、“一致的意愿”(concurrence of wills)以及“有意识的承诺”(conscious commitment)等。而由算法组织实施一致行为时，经营者的意思表示被弱化，依据直接意思联络这一指标对两者进行划分就可能会导致错误。

首先，针对平行行为是否应当受到反垄断法规制的问题，理论研究中存在Posner/Kaplow与Turner之争。Posner(1969)[19]认为寡头之间因相互依赖而一致定价的行为与垄断协议并无区别，应当适用垄断协议的规则来进行调整，Kaplow(2011)[20-21]认为意思联络并非认定协同行为的核心要件，提出判断共谋的标准应当是寡头企业是否在互相依赖的情况下设定非竞争价格，意思联络仅构成实现此类非竞争协同的便利因素或机制。这一类观点的依据是在寡头垄断市场中，竞争者之间的一致涨价是博弈的必然结果，无需进行明示或默示的意思联络就能实现[22]。在这种市场结构中，虽然一方竞争者的降价行为在短期内可以获得更多的销量，但是降价行为会导致竞争者之间的相继降价，长期来说不符合企业利益。与共谋相比，这种寡头之间因相互依赖而一致涨价的平行行为，同样会对消费者福利产生损害。相反的观点诸如Turner(1962)[23]认为，平行涨价的行为是寡头企业正常的市场反应，寡头企业在定价时总是会参考其竞争对手的定价情况，因此不应适用反垄断法进行处罚。Posner和Kaplow的观点事实上扩展了反垄断法对垄断协议的定义，即无论企业之间是否进行意思联络，只要其最终制定出一致的价格，即构成违法。

针对算法共谋中出现的间接意思联络这一现象，事实上可以对上述两种观点进行折衷。以意思联络的存在与否作为划分平行行为与协同行为的标准仍然是适用的。但是在认定意思联络时，不应固守于传统的意思联络达成与维持的方式，应适当对现行意思联络的概念进行扩张解释。一方面，通过算法达成一致定价，可能源于算法所分析的数据是相同或类似的，这种情形难以用传统的“意思联络”概念进行解释；另一方面，算法共谋更容易保持稳定，使用算法进行交换信息更加隐蔽、及时，也更不容易受到诸如宽大制度、和解制度等外部因素影响。

因此，在认定时，消极的知情默许与合理预见也应构成意思联络的表现形式。这一点也应同样适用于Ariel Ezrachi和Maurice E Stucke所界定的“可预测代理人”模式。在该模式下，经营者之间并未实际实施意思联络，而是通过算法快速侦测和处罚竞争对手的削价竞争行为，或者由算法自行实施平行行为。在这种情况下，经营者虽然没有亲自实施意思联络，但是如果可以证明经营者意识到使用该算法可能导致一致定价的后果，或者能够合理预见这一后果的发生，却采取放任态度，就可以认定经营者之间存在某种程度的意思联络。此时，经营者在主观意图上类似于侵权法中的间接故意。此外，在“电子眼模式”中，即算法通过自我学习达成并维持一致定价，短期来说，经营者可能会对算法行为的不知情或难以预见。但长期来说，在寡头市场中竞争者之间对其一致定价行为不知情明显是不符合常理的。因此，在这两种模式下，都应适当提高经营者的注意义务与背离义务，积极预防算法定价可能导致的竞争损害。

其次，在实践中准确证明意思联络的存在也是一个难题，传统执法手段必须进行革新。部分研究提出一些新的调查手段，诸如Avigdor Gal(2017)[24]认为对算法监管的准确性取决于监管机构能够在多大程度上访问算法，并提出了“黑箱访问”与“白箱访问”的概念。其中黑箱访问是指监管机构能够执行算法的代码，并获得输出结果，但是无法访问代码本身，而白箱访问意味着监管机构可以访问、分析代码本身。德法两国在《算法与竞争》报告中提出了一个针对算法的分析路径，包括分析代码、比较真实过去的输入/输出、在预先定义的输入上测试算法行为、将算法与另一个可解释的算法进行比较[18]。在证明方面，执法机构可能面临两个难题，一是执法机构与经营者之间存在相当程度的信息不对称，执法机构需要具备对算法的分析、监管能力；二是从算法定价过程中所提取的信息是否准确，能否作为证据使用需要从技术上和制度上予以回应。

综上，在反垄断法中，认定平行行为合法具有一定的合理性，对经营者的平行行为进行处罚可能导致法律适用上的威慑过度问题(即假阳性错误)。在算法共谋场景下，传统的意思联络仍然可以作为一个区分平行行为与协同行为的标准，但是对意思联络的表现形式应当进行适当扩展，经营者对算法一致定价的知情默许或合理预见也应构成意思联络的表现形式之一，并且应当适当提高经营者的注意义务与背离义务。此外，在具体的证明中，执法机构应当改进执法手段，引入新的执法工具，并从制度上明确相关证据的证明力，以应对意思联络的隐蔽性。

(三)需要科学划分经营者与第三方的责任
1.算法的工具性与自主性对经营者责任认定的影响

在目前大多数算法共谋的案件中，算法仅作为工具发挥了协助经营者进行意思联络或者实施、监控一致定价的功能。但是，近年来的研究也关注到自我学习算法导致共谋的问题。自我学习算法是指算法通过机器学习从而获取新的知识，并运用这些知识作出决策。因此，自我学习算法在一定程度上能够脱离算法操作者的设定，具有一定的自主性。当算法操作者完全无法预见或控制算法定价行为所带来的后果时，算法发挥了主体的作用，主导意思联络与一致行为的实施。算法的自主性导致在认定责任时有必要区分人的行为后果与算法的行为后果。在算法共谋的场景下，具体表现为对提供算法的经营者、使用算法的经营者的责任进行认定与划分。

理论研究中针对算法的自主性提出了“去人类中心化”(De-humanizing)概念，传统立法是将人作为主体，其基础是人类理性与决策能力的有限性。但是算法明显超越了人在决策中的理性，算法依靠数据分析能够快速、低成本且准确地作出决策。自我学习可以使算法一定程度偏离用户控制，自主采取行动，因此传统的“算法仅构成工具”的观点必然会受到挑战。关于算法的工具性和自主性的讨论，Samir Chopra和Laurence F White(2011)[25]在其“A Legal Theory for Autonomous Artificial Agent”(《自主人工代理的法律理论》)一书中探讨了“人工代理”是否应当被赋予法律人格，其中最主要的障碍是在法律人格中如何界定“人”这一概念。该书提出推动人工代理具有法律人格并不需要其在各方面均表现地像是一个“人”，而是它们可以在特定目的或特定交易中被视为一个“人”。Salil K Mehra(2014)[26]提出了“机器人卖家”的概念,机器人卖家缺乏可识别的共谋意图，并且传统意思联络的概念是基于合同法中对人类心理状态的认定，即双向的合意，难以适用在机器共谋的场景上。因此在责任认定时，需要对行为的意图进行深入考察，而不是简单地将机器人卖家的行为归咎于其雇主。Guan Zheng和Hong Wu(2019)[13]研究了算法的超级工具性与法律人格，超级工具意味着算法超越人类理性，即使在非寡头垄断市场中也可能出现算法共谋的情况，当共谋是源于算法的自主学习，目前法律缺乏对这一问题的规定。

仅就算法共谋来说，算法的自主性使反垄断法中对经营者责任的认定问题变得复杂。如果算法仅构成工具的话，算法共谋的责任应该归于使用算法的经营者或者提供算法的经营者。通过法律对个体责任进行准确认定是预防未来可能发生违法行为的关键，而确定经营者对违法后果的出现能够识别或预测是追责的前提条件，但是在自我学习算法共谋场景下，这一目标明显是难以实现的。对于自我学习算法，无论是提供算法的经营者，还是操作算法的经营者可能都无法完全预测算法的行为后果，这就提高了经营者责任认定的复杂性。另外，法律完全承认或者完全否定算法的自主性可能都是存在问题的。首先，完全承认算法的自主性本身存在诸多障碍。一方面，算法在现阶段无法获得一个独立的法律人格，其难以具有独立的行为能力以承担法律责任，对算法进行追责不具有任何意义，无法对未来可能发生的违法行为产生威慑效果；另一方面，算法是由人来创造和使用的，目的是为了人的生产和生活需要而提供服务，其行为最终的后果也是由人来承担的，脱离人与算法之间的关系来讨论算法责任是缺乏客观事实依据的。其次，完全否认算法的自主性，一方面不符合当前人工智能的发展趋势；另一方面由经营者承担其不可预测的损害的合理性是存在争议的，同时也会提高法律的不确定性。

2.经营者与第三方的关系分析

当涉及到算法共谋时，通常会出现经营者(算法使用者)与第三方(算法提供者)责任划分问题，按照协议成员对一致行为是否知情以及算法自主性的程度，可以将相关场景划分为三种情形。

一是在算法共谋中，虽然算法由一个看似独立的第三方提供，但该第三方与协议成员存在直接的控制与被控制的关系，即两者可以视为一个整体。此时并未形成一个真正的轴辐协议，而是一个典型的横向垄断协议，所有协议成员均需要对算法共谋承担责任，第三方与其具有隶属关系的协议成员共同承担责任，不对第三方进行单独处罚。如何判断两家企业在反垄断法上能够构成一个整体，即“同一经营者”，需要对经营者这一概念进行回顾。我国《反垄断法》相对缺乏对上述问题的明确规定与讨论。欧盟竞争法在认定“经营者”(undertaking)概念时，适用的是“单一经济实体原则”(single economic entity doctrine)。“单一经济实体原则”的实质标准是一家企业能否对另一家企业控制或施加决定性影响。在Viho Europe BV案中，欧盟法院确认了Paker公司与其分支机构构成一个单一经济实体，Paker作为母公司100%控股其分支机构，并控制销售目标、利润总额、销售成本、现金流等。欧盟法院认定分支机构没有真正的自治权，完全受母公司控制。在Akzo Nobel NV案中，欧盟法院确认，如果母公司对分支机构产生决定性影响，就可以认定两者是同一经济实体。该原则对代理关系也同样适用，如果第三方通过代理关系，协助竞争者实施垄断协议，诸如VM Remonts案的情形，判断第三方责任的标准是第三方是否是独立承担风险的，特别是独立承担财务或经济风险。

二是算法由一个独立的第三方提供，即构成轴辐协议的结构，此时需要考量处于辐条位置的经营者是否对一致行为知情。如果经营者对一致行为知情，即可推定其参与了由第三方组织的算法共谋。这里基于第三方是否营利，可以将第三方责任类比于组织协议的经营者或行业协会。反之，处于轴心位置的第三方在未通知经营者的情况下实施了一致行为，经营者之间不存在意思联络，也并未意识到一致行为的发生，或者在意识到的情况下，经营者采取积极措施公开背离该一致行为，上述情况可能出现在平台经营者与平台内经营者之间，如Eturas案。在《反垄断法》的现行框架下，缺乏意思联络的一致行为不能被认定为垄断协议，只能通过禁止滥用市场支配地位进行规制。

三是涉及自我学习算法的情形，竞争者使用了不同的算法，算法最终通过自我学习实现一致定价。自我学习算法具有较强的自主性，当算法自主实施了共谋，这一行为是否构成反垄断法中的垄断协议，以及如何认定算法提供者与算法操作者的责任都是理论难点。目前关于自我学习算法共谋还仅存在于假想和实验阶段，尚不存在真实案例，但是从现存研究来看并不能完全排除这种场景的发生。这种场景下，初期经营者可能对一致定价行为完全不知情，此时就构成一种纯粹的平行行为，从目前反垄断法的定义来看，这种纯粹的平行行为应当是合法的。

从侵权的视角来说，针对算法行为的不可控性也存在不同的观点，诸如Andreas Matthias(2004)[27]针对机器行为与机器制造者、操作者责任之间的错位，提出“责任鸿沟”(The responsibility gap)的概念。机器通过与操作环境的互动进行决策，而非依据固定的程序，并且机器相比人具有信息优势，因此要求制造者、操作者完全预见机器的行为是不合理的。张凌寒(2021)[28]建议对算法操作者适用过错责任。相反的观点诸如Paulius Cerka等(2015)[29]基于“深口袋理论”，考量到机器行为的最终受益者所获利益可以被用于赔偿对社会造成的损害，建议参照高度危险作业，对制造者、操作者适用替代责任和无过错责任。出于对垄断协议所造成的社会损害进行补偿的角度，要求算法的提供者、操作者对因算法自主行为而造成的损害承担一定责任，是具有一定合理性的。这种合理性可能表现为，一方面对获益方与受损方之间进行利益平衡，使获益方在制造、使用算法时采取更审慎的态度，积极避免算法可能导致的违法行为。但是，这种脱离行为主体来认定责任的方式，可能会对市场创新带来不利影响。人工智能领域的开发者、使用者可能会因此面临过度的法律风险。因此，即使采取这种补偿性赔偿，其法律依据也并非是反垄断违法，而是基于对“收益—补偿”进行平衡的目的。另一方面，适用替代责任意味着，将人工智能与其制造者、操作者的关系类比于工作人员与用人单位之间的关系。工作人员因职务行为造成他人损害的，用人单位应当承担责任。虽然这一点在反垄断法中也是同样适用的，但是一旦该行为被反垄断法认定为合法，那么就不存在可处罚或可赔偿的依据，因此替代责任仅能在一项协议被认定为违法的垄断协议时才可适用。

五、结论与政策建议
本文分析了算法共谋可能导致传统反垄断法理论面临的三个挑战，一是算法共谋往往表现为一种间接的意思联络，尤其表现在涉及算法的轴辐协议中,即一种单向的信息传递。因此需要扩展意思联络的表现形式，将“知情默许”与“合理预见”纳入。同时建议在算法共谋的认定中，设置一个合理的可反驳推定，当经营者对一致行为知情，即推定其实施了意思联络，除非其提出合理解释。一方面，缓解了执法机构证明意思联络的困难；另一方面，加强了经营者的注意义务与背离义务，实现双方举证责任上的平衡。

二是算法共谋场景中，平行行为与协同行为之间的边界变得模糊，传统理论认为两者之间的区别在于是否存在意思联络，这一标准在算法共谋的各类场景中仍可适用。但是，在具体区分时，需要考量到算法共谋中意思联络的特殊表现形式，以经营者是否对一致行为“知情默许”或“合理预见”作为判断标准，并同时考量到短期与长期经营者“知情”与“预见”的可能性。

三是在涉及第三方的算法共谋中，需要依据协议成员对一致行为是否知情以及算法自主性程度，对经营者责任认定进行分类讨论。当第三方与协议成员能够构成一个实体，两者需共同承担责任，不将第三方作为一个单独个体进行处罚。当第三方与协议成员构成不同实体，可以依据协议成员是否知情、第三方是否营利进行分类讨论。当涉及自我学习算法时，一旦行为构成纯粹的平行行为，在反垄断法上没有可归责性，缺乏适用行政处罚的依据。即使采取类似无过错责任的方式进行认定，也仅能依据对算法提供者、使用者收益与社会损害之间进行平衡的目的，进行适当的补偿性赔偿，通过类似公益诉讼的方式加以解决。

参考文献

[1]MIKLwidth=11,height=11,dpi=110S-THAL J,TUCKER C.Collusion by algorithm: does better demand prediction facilitate coordination between sellers?[J].Management Science,2019,65(4):1-10.

[2]GAL M S,ELKIN-KOREN N.Algorithmic consumers[J].Harvard Journal of Law & Technology(Harvard JOLT),2017,30(2): 309-354.

[3]EZRACHI A,STUCKE M E.Virtual competition:the promise and perils of the algorithm-driven economy[M].Cambridge,Massachusetts:Harvard University Press,2016.

[4]BERNHARDT L,DEWENTER R.Collusion by code or algorithmic collusion? When pricing algorithms take over[J].European Competition Journal,2020,16(2-3):312-342.

[5]SICILIANI P.Tackling algorithmic-facilitated tacit collusion in a proportionate way[J].Journal of European Competition Law & Practice,2018,10(1):1-5.

[6]EZRACHI A,STUCKE M E.Sustainable and unchallenged algorithmic tacit collusion[J].Northwestern Journal of Technology and Intellectual Property,2020,17(2):217-260.

[7]SMEJKAL V.Cartels by robots-current antitrust law in search of an answer[J].InterEULawEast: Journal for International and European Law,Economics and Market Integrations,2017,4(2):1-18.

[8]时建中.共同市场支配地位制度扩展适用于算法默示共谋研究[J].中国法学，2020(2):89-107.

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

[10]HARRINGTON J E.Developing competition law for collusion by autonomous artificial agent[J].Journal of Competition Law & Economics,2019,14(3):1-23.

[11]COLOMBO N.Virtual competition: human liability vis-à-vis artificial intelligence’s anticompetitive behaviours[J].European Competition and Regulatory Law Review,2018,2(1):11-23.

[12]MEHRA S K.Antitrust and the robo-seller:competition in the time of algorithms[J].Minnesota Law Review,2016(100):1323-1375.

[13]ZHENG G,WU H.Collusive algorithms as mere tools,super-tools or legal persons[J].Journal of Competition Law & Economics,2019,15(2):1-36.

[14]丹尼斯·W·卡尔顿,杰弗里·M·佩洛夫.现代产业组织[M].胡汉辉,顾成彦,沈华译，北京：中国人民大学出版社,2009:120-140.

[15]GAUTER A,ITTOO A，VAN CLEYNENBREUGEL P.AI algorithms,price discrimination and collusion:a technological,economic and legal perspective[J].European Journal of Law and Economics,2020,50(45):405-435.

[16]OHLHAUSEN M K.Should we fear the thing that go beep in the night? Some initial thoughts on the intersection of antitrust law and algorithmic pricing[Z/OL],(2017-05-23)[2021-3-15].https://www.ftc.gov/public-state ... ughts-intersection.

[17]Organisation for Economic Co-operation and Development.Roundtable on hub-and-spoke arrangements—background note by the secretariat[R/OL].(2019-11-25)[2021-03-15].https://one.oecd.org/document/DAF/COMP(2019)14/en/pdf.

[18]Bundeskartellamt,Autorité de la concurrence.Algorithms and competition law[R/OL].(2019-11-6)[2021-03-15].https://www.bundeskartellamt.de/ ... cationFile&v=5.

[19]POSNER R A.Oligopoly and the antitrust laws:a suggested approach[J].Stanford Law Review,1968-1969(21):1576-1578.

[20]KAPLOW L.Direct versus communications-based prohibitions on price fixing[J].Journal of Legal Analysis,2011,3(2):449-538.

[21]KAPLOW L.An economic approach to price fixing[J].Antitrust Law Journal,2011,77(2):343-449.

[22]ROSENFIELD A M,CARLTON D W,GERTNER R H.Communication among competitors: game theory and antitrust application of game theory to antitrust[J].George Mason Law Review,1997,5(3):423-440.

[23]TURNER D F.The definition of agreement under the sherman act:conscious parallelism and refusals to deal[J].Harvard Law Review,1962,75(4):655-706.

[24]GAL A.It’s a feature,not a bug:on learning algorithms and what they teach us[R/OL].(2017-6-7)[2021-03-15].https://one.oecd.org/document/DAF/COMP/WD%282017%2950/en/pdf.

[25]CHOPRA S,WHITE L F.A legal theory for autonomous artificial agent[M].United States of America:The University of Michigan Press,2011.

[26]MEHRA S K.De-humanizing antitrust:the rise of the machines and the regulation of competition[R/OL].(2014-06-11)[2021-03-15].https://papers.ssrn.com/sol3/Del ... 490651&mirid=1.

[27]MATTHIAS A.The responsibility gap: ascribing responsibility for the action of learning automata[J].Ethics and Information Technology,2004(6):175-183.

[28]张凌寒.网络平台监管的算法问责制构建[J].东方法学，2021(3):22-40.

[29]width=26,height=17,dpi=110KA P,GRIGIENE J,SIRBIKYTE G.Liability for damages caused by artificial intelligence[J].Computer Law & Security Review,2015,31(3):376-389.

Determination of Undertakings’ Responsibilities in Algorithmic Collusion: Interpretation and Analysis Based on Communication
LA Sen

(Law School, Beijing Technology and Business University, Beijing 100048, China)

Abstract：In algorithmic collusion, the way to achieve and maintain the communication between the undertakings has changed largely.So it is difficult to prove the communication when determining the responsibilities of the undertakings.Based on this, it is necessary to identify the undertakings’ responsibilities in the algorithm-collusion scenario from the perspective of communication.The results show that, first, the algorithm facilitates the undertakings’ implementation of indirect communication.Considering the particularity of indirect communication, it is necessary to expand the concept of communication.Informed acquiescence and reasonable foresight should also constitute communication, and the duty of public distancing of competitors should be appropriately strengthened.Second, in the algorithmic collusion scenario, it is still meaningful to classify the parallel behaviour and the concerted practice, but the classification criteria of the two should be adjusted according to the change of the forms of communication.Finally, the determination of undertakings’ responsibilities in algorithm-based collusion is affected by the instrumentality and autonomy of algorithms.At present, the Anti-Monopoly Law mainly regards algorithms as tools, but with the development of self-learning algorithms, the autonomy of algorithms should also be taken into consideration.The responsibilities of undertakings can be classified and discussed according to whether undertakings know about the communication and the degree of algorithm autonomy.

Key words：algorithmic collusion, undertakings’ responsibility, indirect communication, hub-and-spoke agreement; anti-monopoly law