論通用人工智能治理中管制與反壟斷的協同

許麗

一、問題的提出

通用人工智能具有一般人類智慧，是可以執行人類能夠執行的任何智力任務的機器智能。通用人工智能服務提供者①本文所稱通用人工智能服務提供者，是指利用通用人工智能技術提供人工智能技術支持，包括通過提供可編程接口等方式提供通用人工智能服務的組織和個人?？赏ㄟ^向商家用戶提供“通用大模型”，賦能各行各業。其強大功能改變了市場對于人工智能技術發展及其應用前景的認知，但也引發了學界對通用人工智能引致數據安全、算法歧視、網絡犯罪、知識產權、技術壟斷等風險的隱憂。在此背景下，探討對通用人工智能的治理理論與監管模式具有現實緊迫性。市場經濟發展的歷史表明，市場并不是萬能的。當下在通用人工智能作為一項新公用事業的背景下，不僅需要探討對通用人工智能服務提供者通過反壟斷執法克服市場失靈，還需加強通用人工智能服務領域行業管制對結構性失靈進行矯正與治理。僅僅依靠事后的反壟斷執法不能有效防范和化解系統性風險，必須通過事前的常態化行業管制對市場機制的缺陷進行有效彌補。通用人工智能服務領域反壟斷執法只是事后“非常手段”，更需要完善的是常態化事前、事中行業管制機制，兩者各司其職，相互補充。反壟斷執法作為事后手段，并不對通用人工智能服務提供者自主決策與行為進行干涉，而只是在出現違法情形后才對其追究責任，功能在于制裁和制止違法行為。通用人工智能服務領域的常態化行業管制在手段和措施上相對溫和，但屬于一種持續的管制。事前、事中行業管制是在通用人工智能服務提供者基礎大模型訓練階段、投入商業應用之前便對其進行及時干預或設定準入條件，預防數據泄露與不當使用、算法歧視等風險發生，彌補反壟斷執法的滯后性。同時，它也是一種更為直接的干預，可有效防止壟斷及資本無序擴張。為加強通用人工智能服務領域壟斷行業管制，我國國家互聯網信息辦公室等7 部門于2023 年發布了《生成式人工智能服務管理暫行辦法》，明確強調生成式人工智能服務提供者承擔該產品生成內容生產者的責任。這意味著在通用人工智能時代，我國從專用人工智能時代對具體平臺應用的監管向技術服務提供者監管的轉變。然而，學界關于管制的研究集中于如何放松管制、引入競爭，將反壟斷法適用于管制行業，而對于反壟斷法與管制法的互補與融合很少被論及。面對通用人工智能的迅速發展，如何平衡發展與治理的關系，確保通用人工智能安全可控發展成為當下重點關注的問題。對于《生成式人工智能服務管理暫行辦法》第4 條第3 款規定的提供生成式人工智能產品或服務“不得利用算法、數據、平臺等優勢，實施壟斷和不正當競爭行為”這一宣示性條款，除從反壟斷執法層面的制度進行完善，明確其適用規則，并出臺具體的反壟斷適用指南有效指導實踐，還需要實現反壟斷執法與行業管制的銜接。為有效應對我國通用人工智能服務領域的壟斷問題，僅依靠反壟斷執法本身顯然不足，需統籌協調好不正當競爭、用戶權益保護、行業秩序監管等多種管制工具并發揮作用，構筑權力配置格局，實現反壟斷機構和行業管制機構之間相互協調互助，同時建立協商機制，實現共定政策、信息共享以及合作執法。

二、通用人工智能領域管制的合理性考量

我國《反壟斷法》第8 條規定，國有經濟占控制地位關系到國民經濟命脈和國家安全行業以及依法實行專營專賣的行業，國家對其合法經營活動予以保護，并對其經營行為及商品和服務的價格依法實施監管和調控。這強調了在石油、電力、鐵路、通信等關系國民經濟命脈的行業，并非以管制代替競爭，排除《反壟斷法》的適用。反而應理解為管制與反壟斷共同協同促進競爭，確保競爭政策更大程度地適用于管制行業。通常認為，對于存在資源稀缺性、規模經濟效益而由一個或少數企業經營的網絡型自然壟斷行業、重要公用事業服務行業，因受到政府更多產業管制而稱之為管制行業。①參見孟雁北：《論我國反壟斷法在管制行業實施的特征》，《天津法學》2019 年第3 期。從管制行業的構成要件看，通用人工智能行業與傳統管制行業具有類同性?；谕ㄓ萌斯ぶ悄芊招袠I具有公共事業屬性、自然壟斷屬性，存在結構性失靈并具有壟斷高風險性，從而適用政府管制存在必要性。

（一）通用人工智能大模型具有公用事業屬性

通用人工智能服務提供者不僅自己利用所研發大模型直接面向海量終端用戶提供具體場景應用服務，還向各個垂直細分領域的下游企業用戶提供通用大模型服務。當面向企業用戶時，通用人工智能預訓練大模型具有基礎設施地位，與之相關的人工智能應用場景眾多，預訓練大模型是通用人工智能產業的基礎設施層，處于上游地位。①Alex Engler,“Early Thoughts on Regulating Generative AI Like ChatGPT”,Brookings,Feb.21,2023,https://www.brookings.edu/articles/earlythoughts-on-regulating-generative-ai-like-chatgpt/,accessed by Sep.13,2023.通用人工智能服務提供者向下游企業提供預訓練大模型即“基礎模型”，下游企業在此基礎上進行微調，開發出適用于不同場景的專業模型。預訓練大模型可以深度集成于各項應用程序，在體育比分、股票價格、知識問答、網絡購物、休閑玩樂、旅行出游等場景中提供高效且便捷的服務。②Stephen Wolfram,“ ChatGPT Gets Its ‘Wolfram Superpowers’!”，Stephen Wolfram Writings,March 23,2023,https://writings.stephenwolfram.com/2023/03/chatgpt-gets-its-wolfram-superpowers/,accessed by Sep.13,2023.由此，預訓練大模型不僅可以成為人工智能時代的“新基建”和強化已有人工智能應用的“加速器”，還可充當催化新業態的“孵化器”。③參見張欣：《生成式人工智能的算法治理挑戰與治理型監管》，《現代法學》2023 年第3 期。預訓練大模型與傳統適用行業管制的公用事業具有類同性，通用人工智能基礎大模型不僅本身具有通用性，且基于對下游產業的控制力而具有公共性。實際上，當市場上絕大多數下游產業依托預訓練大模型提供商品或服務時，通用人工智能服務提供者事實上承擔了部分公共職能，比如維護市場秩序、保障相關方的權益等。因此，通用人工智能與公用事業④現代意義上的公用事業多屬于國家基礎建設行業，緊密聯系并影響居民的日常生活，具有基礎性和公共性、一定的私人性、網絡外部性和規模經濟等特征。具有類同性。通用人工智能服務提供者甚至可以通過大模型算法設定下游產業運作規則，以制定規則為名排除、限制市場競爭?；谕ㄓ么竽Ｐ蜁r代政府的事后規制收效甚微，通用人工智能服務提供者逐漸承擔了部分行政機關公共管理的職能。⑤Hannah Bloch-Wehba,“Global Platform Governance: Private Power in The Shadow of The State”,72 SMU L.Rev.27 (2019).當私有資產在利用過程中表現出一定的公益效果，并在某種程度上對社會造成了一定的沖擊時，該私有資產就被賦予了公益的性質，并需要受到公眾的監管。

在傳統社會公權力與私權利兩級下的穩定結構中，逐步增加了具有壟斷技術能力的科技企業這一新的權力集合，這種數字權力既不同于國家公權力機關，也不同于私人的權利自治⑥Divya Siddarth,“Reimagining Democracy’s Defense”,34 J.Democr.173 (2023).，可表達為“私權力”。通用人工智能服務提供者圍繞使用其通用大模型的下游企業構建一套私有的治理規范，即便為私權主體，它既能制定、執行規則，也能處理糾紛、處罰違規者，同時能有效彌補公共監管部門的監管乏力與監管漏洞，對公共監管部門難以全面、深入地監管造成的監管乏力與監管漏洞施以有力補充。此時的通用人工智能服務提供者扮演了共同使用同一大模型這一“商業生態系統”公共場域內組織治理者的角色，作為“類政府”組織，具有公共物品屬性⑦Joseph Farrell &Michael L.Katz,“Innovation,Rent Extraction,and Integration in Systems Markets”,48 J.Ind.Econ.413 (2000).，須為維護好基于商業生態系統的公共市場內各類市場主體的良好交易秩序而實施監管。例如我國《個人信息保護法》第58 條規定，以平臺企業為代表的個人信息處理主體，應對平臺內嚴重違法違規的經營商家停止為其提供服務，并對其相關義務、法律責任和罰責作出明確規定。當數字平臺企業為很大一部分公眾提供服務的方式受到公眾關注，并關系到公眾的福利和利益時，該企業的服務便具有公共事業或者公共承運人的地位?；谶@種地位，數字平臺企業通過用戶合約條款與技術控制，擁有控制接入的權利、數據使用的特權和控制數據流動的能力。與平臺通過提供通用介質、應用程序搭載于平臺直接向用戶提供服務相同的是，通用人工智能服務提供者基于為下游企業提供通用大模型這一特權，在“國家-通用人工智能服務提供者-下游企業”之間形成“公權力-私權力-私權利”三元構架。①參見馬平川：《平臺反壟斷的監管變革及其應對》，《法學評論》2022 年第4 期。通用人工智能服務提供者所扮演的角色是輔助執法機構保護公共利益，以通用人工智能服務提供者取代部分公共規制，促進公共利益的實現。

（二）通用人工智能大模型具有自然壟斷屬性

自然壟斷具有明顯的規模經濟與范圍經濟效應，即具有成本劣加性、生產與投資顯著的沉沒性、產品或服務壟斷經營性等特征。其中，成本劣加性是定義自然壟斷的關鍵特征，隨著產品或服務數量的增加，其平均成本和邊際成本將大幅度降低，以至于一家或幾家經營者就能提供和滿足既定的市場需求。②參見曾晶：《論管制行業的反壟斷法規制》，《政治與法律》2015 年第6 期。當前通用人工智能服務行業具有較高的市場集中度，甚至呈現寡頭壟斷狀態,其前期沉沒成本非常高，且隨著通用人工智能企業用戶的逐漸增加，邊際成本甚至降低至零。盡管存儲和處理數據需要的信息技術成本極高，但該系統開始運行之后，增量數據能以較低成本分析和改進算法③Organization for Economic Co-operation and Development,“Big Data: Bringing Competition Policy to The Digital Era”,Paris: OECD,November 2016,https://www.oecd.org/competition/big-data-bringing-competition-policy-to-the-digital-era.htm,accessed by Sep.10,2023.，從而降低通用人工智能服務邊際成本。因此，在通用人工智能服務領域，反而多個通用人工智能服務提供者不及單一供給者提供相同產量更便宜，市場上僅需一個通用人工智能服務提供者成本是最低的。根據傳統自然壟斷理論，治理自然壟斷產業通過建立國有企業，實現國有化或者由私人企業運營自然壟斷設施，同時政府對其進行管制。④參見姜春海：《自然壟斷理論述評》，《經濟評論》2004 年第2 期。由于通用人工智能業務的高度技術性，實行國有化不及由私營科技巨頭經營更有效率。當前，國內科技巨頭百度研發推出“文心一言”大模型，阿里推出“通義千問”大模型，訊飛推出“星火認知”大模型?；诎嘿F的開發成本，通用人工智能大模型在全球范圍內都僅能由少數科技巨頭企業提供，且數據、算法催生的通用人工智能服務接近于零的邊際成本、產品的全球性與全時段提供等因素共同推動相關市場發展成為一個由單一或極少數通用人工智能服務提供者壟斷的市場。

因此，通用大模型服務不僅作為一項新公用事業存在于通用人工智能時代，也因其規模經濟與范圍經濟效應具有自然壟斷屬性，并成為“關鍵信息基礎設施”。⑤參見徐偉：《論生成式人工智能服務提供者的法律地位及其責任——以ChatGPT 為例》，《法律科學》2023 年第4 期。通用人工智能服務呈現寡頭壟斷的結構特征，在世界范圍內僅存在少量具有競爭關系的通用性基礎大模型以及若干在特定行業高價值專業化的基礎模型。超千億參數的大模型研發，囊括了底層龐大算力、網絡、大數據、機器學習等諸多領域的復雜系統性工程，需要有超大規模人工智能基礎設施的支撐。⑥參見張凌寒：《生成式人工智能的法律定位與分層治理》，《現代法學》2023 年第4 期。正是因為通用人工智能大模型基于海量數據的大模型訓練、算法算力技術門檻等高研發成本的存在，存在高且持續的數據壁壘、資金壁壘、技術壁壘和監管壁壘，潛在競爭者難以與現時人工智能服務提供者進行競爭，從而存在結構性市場失靈，需引入事前行業管制機制。為構建事實上可競爭的市場，應降低現有通用人工智能服務提供者先發優勢或沉沒成本的影響⑦Jordi Gual &Sandra Jodar-Rosell,“European Telecoms Regulation: Past Performance and Prospects”,in Xavier Vives ed.,Competition Policy in the EU: Fifty Years on from the Treaty of Rome,Oxford: University Press,2009,p.238.，通過事前行業管制的方式針對通用人工智能服務行業設定行為和結構性管制措施以預防競爭損害。

三、通用人工智能服務管制要素的轉變

基于通用人工智能是在海量數據與強大算力支撐下讓通用人工智能得以記住訓練期間獲得的大量事實并生成新的內容，通用人工智能服務提供者對通用大模型的生產素材、訓練過程具有最強的控制力。他們不僅是通用人工智能大模型預訓練數據來源的篩選主體，也是通用人工智能算法設計的主體。在通用人工智能治理中，“數據”“算法”仍然是最關鍵要素，應充分考量數據、算法、技術等各項要素。在通用人工智能模型訓練階段，應重點防范數據安全風險，加強通用人工智能研發者對數據收集、加工、處理等合法性審查。在通用人工智能模型研發與運行階段，應重點防范算法黑箱、算法歧視等算法安全風險，健全算法備案審查制度。一方面，數據作為通用人工智能時代新型生產要素，數據越多越能實現通用大模型服務對用戶的精準畫像并提供個性化服務；另一方面，由于算法的訓練以大規模數據為基礎，通用人工智能服務提供者的數據優勢進一步轉化成算法優勢，促進人工智能服務更加智能化，且進一步幫助通用大模型獲取更多數據。正是數據與算法循環驅動，增強了通用人工智能服務提供者的競爭優勢。

（一）通用人工智能服務提供者數據開放義務

通用人工智能的運行離不開通過海量的數據提煉信息、預測趨勢、訓練模型，需加強人工智能服務提供者的數據治理責任，以防范數據泄露、違規利用風險。作為通用人工智能產品的預訓練數據、優化訓練數據來源篩選和控制的主體，通用人工智能服務提供者應當對通用人工智能大模型預訓練數據、優化訓練數據來源真實性負責，確保數據收集與使用的合法性。通用人工智能領域的行業管制重點在于，實現對其訓練大模型數據的合理分享機制，以消除數據市場進入壁壘。在數據產權不明晰的當下，通用人工智能服務提供者往往將收集到的個人數據作為企業私產，甚至通過設置數據不兼容等方式阻止數據互聯互通，以致其他競爭性企業難以撼動其數據壟斷地位。數據產權不清被認為是數據壟斷的根源，不僅在于企業對大量數據本身的控制地位，形成收集和存儲的規模經濟和范圍經濟①Bruno C.Smichowski,“Data as A Common in the Sharing Economy: A General Policy Proposal”,CEPN Working Papers 2016-10,https://hal.science/hal-01386644,accessed by Sep.12,2023.，加劇了通用人工智能服務提供者在數據量上的壟斷，還在于數據產權不清導致債權路徑及反不正當競爭規制的局限性所引發的數據壟斷。在實踐中，各大數據交易中心（機構）均采取債權路徑，通過契約意思自治實現大數據確權。然而，通過市場機制進行大數據交易加劇了當前數據壟斷的法律風險。由于未制定數據產權制度，且市場競爭極具開放性、激烈性，反不正當競爭法無法窮盡各種行為方式并進行具體化和預見性規定。為此，司法實踐中只能適用《中華人民共和國反不正當競爭法》第2 條一般條款來保護數據資源，但該方式過度依賴法官自由裁量權，在穩定性、可預測性方面存在缺陷。通用人工智能服務提供者就其數據是否會受到排他性保護很難進行準確預測，這為通用人工智能服務提供者將數據置于秘密狀態下或應用技術措施實施數據壟斷提供了空間，使數據的公開與共享受到嚴重阻礙，也因此導致了數據壟斷的發生。

然而，只有提高數據的開放性和共享性，通用人工智能服務行業才能不斷發展，“數據孤島”“數據分割”才能被真正打破，數據要素才能真正驅動經濟的增長和技術的創新。通用大模型時代通用人工智能服務提供者具有市場參與者與市場監管者的雙重角色及雙重職能。一方面，作為擁有海量數據的特殊運營者，以追求利潤最大化為目標，由于其龐大的經濟規模和長期穩固的市場支配地位，數據是其戰略資產，所以通用人工智能服務提供者有較強的動力實施數據封鎖，使得數據可移植性和互操作性難以實現，而數據所蘊含的巨大價值決定了數據的公共價值屬性，從而需要政府監管明確通用人工智能服務提供者數據開放義務；另一方面，通用人工智能服務提供者的業務都以數據應用創新為主，若對數據共享過度限制容易造成通用人工智能服務領域競爭與創新動力不足，不僅導致數據資源的浪費，也讓中國在全球通用人工智能服務發展浪潮中喪失競爭優勢。

此外，在強調通用人工智能服務提供者主動開放與共享數據的同時，通用人工智能服務提供者不得阻礙用戶可攜權的行使，以確保數據可遷移性。個人數據可攜權可追溯至1983 年德國進行人口普查時，曾有公民針對其擁有的個人信息自決權提起憲法訴愿。德國憲法法院支持了該訴求，即認定個人擁有決定自己信息歸屬的權利。2018 年5 月，歐盟《通用數據保護條例》明確規定數據主體享有數據可攜權，用戶據此有權從數據控制者手中獲取其曾經提供的數據。我國《個人信息保護法》明確規定，個人信息可攜帶權具體包括數據主體獲取個人信息副本權、請求數據控制者直接將與數據主體有關的個人信息傳輸給另一數據控制者的權利。設置數據可攜權有利于破除數據封鎖效應，促進數據流動、共享與使用，降低通用人工智能服務提供者對數字市場的壟斷力，促進市場競爭。與此同時，數據可攜義務不僅要求通用人工智能服務提供者與其他競爭性企業之間實現數據的互聯互通，無須用戶自行遷移，還要求數據控制者須以“結構化、通用、機器可讀”格式實現數據移轉①Ruth Janal,“Data Portability-A Tale of Two Concepts.Journal of Intellectual Property”,8 J.Intellect.Prop.Inf.59 (2017).，確保其他通用人工智能服務企業獲取數據不存在技術壁壘。數據可攜帶權作為一種促進市場競爭的重要方式，大大降低了終端消費者個人數據的跨平臺轉換成本。在數據確權法律體系不完善的當下，促進消費者的多歸屬及數據要素的安全高效流轉，打破了通用人工智能服務提供者基于大數據的市場支配力量，維護了通用人工智能服務提供者之間的公平競爭秩序。

（二）通用人工智能服務提供者算法備案審查

在由分析式人工智能向通用人工智能發展的過程中，算法模型發揮了重要的作用，改變了數據的產生方式、組織形式及流轉方式。在通用人工智能服務中，算法的本質是將任務需要的系列化步驟完成，對步驟作精確描述，讓步驟可在計算機上運行。②參見 [美]托馬斯·H.科爾曼：《算法基礎——打開算法之門》，王宏志譯，機械工業出版社2018 年版，第1 頁。計算機有能力對大數據進行實時處理，算法有自主學習、自主決策的能力，這使得通用人工智能服務提供者在所掌握信息的基礎上，具備了從“上帝視角”處置相關事宜的能力，從而能夠利用數據與算法，通過預訓練、優化訓練大規模的數據集，學習抽象出數據的本質規律和概率分布，并利用通用大模型生成新的數據，形成最終產品。③參見蒲清平、向往：《生成式人工智能——Chat GPT 的變革影響、風險挑戰及應對策略》，《重慶大學學報（社會科學版）》2023 年第2 期。由于算法“模型設計+數學規則”的高度技術性和復雜性，導致非算法專業人士尤其是普通公眾無法掌握算法的運行和決策原理。①參見鐘曉雯：《算法推薦網絡服務提供者的權力異化及法律規制》，《中國海商法研究》2022 年第4 期。而通用人工智能依托的深度學習模型在前饋神經網絡中引入自注意力機制，是經典的黑箱算法。②哈爾濱工業大學自然語言處理研究所：《Chat GPT 調研報告》，2023 年版，第24 頁。在算法設計、訓練模式選擇、模型生成與優化、提供服務過程中均可能出現算法透明性與可解釋性風險、算法歧視與偏見風險，因此強化通用人工智能服務提供者算法事前備案義務尤為重要。

對通用人工智能算法設計的事前監管主要通過建立事前算法備案制度，預防事后通用人工智能服務提供者隱瞞與錯誤披露導致的算法問責風險。算法備案是行政機關作出的對通用人工智能服務提供者算法存檔備查行為，目的是獲取具有潛在風險的算法相關信息，為今后反壟斷監管中算法問責提供依據。其內容主要包括算法設計的目的、算法自評估報告、算法可能產生的風險、通用人工智能服務提供者處理可能發生風險的預案措施等。反壟斷執法部門需要評估備案的算法，基于相關標準確定算法的具體風險等級，按照風險等級實施標準不同的監管。③參見張凌寒：《網絡平臺監管的算法問責制構建》，《東方法學》2021 年第3 期。美國《算法問責法案》以用戶數量為標準，明確平臺的用戶數量超過一百萬，就應接受算法審查。④See H.R.2231-Algorithmic Accountability Act of 2019.《算法正義和在線平臺透明度法案》提出在線平臺對算法使用和處理記錄的保留義務，要求在線平臺對四類算法記錄保留5 年備查。我國《互聯網信息服務算法推薦管理規定》要求平臺對算法進行事前的備案登記，填報服務提供者所使用的算法原理、基本類型、目的意圖、算法自評估報告等，增強算法透明度，打開“算法黑箱”。

反壟斷監管機構需要對通用人工智能服務提供者的備案算法進行合理性及正當性審查，審查內容包括開發設計算法技術、數據輸入、算法部署和自動決策、所作決策的輸出等環節中可能產生的風險。這有利于反壟斷執法機構在實施事后懲罰時，對平臺企業可能提出的技術中立、算法黑箱等抗辯理由施以有效的反駁。實際上，由國家互聯網信息辦公室主導的九部委聯合發布的《關于加強互聯網信息服務算法綜合治理的指導意見》，就強化治理互聯網信息服務算法提供了算法備案、安全評估、風險監測、監督檢查四種治理舉措。反壟斷監管機構要明確記錄模型、算法、數據、決策的過程、決策的結果，并以有效方法檢驗模型、測試算法。確有必要時，還可引入第三方審計，讓事后問責能夠真正發揮效用。然而，鑒于對算法合理性審查需要極高的技術水平和專業知識，為監管技術市場中的競爭，美國聯邦貿易委員會成立了包括執法人員、員工律師、技術研究員的專門工作組，從而在在線廣告、社交網絡、移動操作系統、應用程序市場以及平臺業務等復雜產品和生態系統化的服務方面均具備較強專業知識。英國競爭市場管理局專門設立“數字市場部”負責對市場上處于戰略地位的科技巨頭企業實施監管，該“數字市場部”招聘的員工包括數學博士、心理學博士、物理學博士等具備相應專業知識水平的人員。然而，我國市場監督管理總局反壟斷局執法人員編制不到50 人，一些省市的反壟斷執法人員甚至為個位數，執法人員嚴重不足。我國應擴充人員編制，吸納各領域的專家，增強執法能力，更好地應對數字化、智能化的市場壟斷行為。

四、通用人工智能服務提供者壟斷行為的認定

當前，學界有觀點認為，基于通用人工智能時代反壟斷執法具有明顯的滯后性，應探索制定人工智能領域壟斷行為認定的通用反壟斷政策。然而對于此種加速立法進程、構建配套制度的專門立法，將會使得每一項技術的出現都由全新的政策法律予以解決，從而導致重復立法、超前立法的立法資源浪費。在過去大數據、云計算、區塊鏈等信息技術治理過程中基于個人信息保護、數據安全等相關法律法規尚未制定，彼時的專門條款和單行立法是為填補立法空白。而今個人數據挖掘、深度合成、個性化推薦等涉及人工智能技術的行政法規、部門規章較為成熟，無論是《反壟斷法》，還是相關行政法規、部門規章，針對通用人工智能的治理仍然適用。與之不同的在于，在對通用人工智能服務壟斷行為認定時，需對原有的合理原則與本身違法規則調整適用，在具體執法過程中深入貫徹非強制性柔性執法方式，探索創建高效運行的數字反壟斷監管系統，實現針對通用人工智能服務行業的敏捷治理。

（一）通用人工智能反壟斷中重塑行為違法規則

在通用人工智能時代對通用大模型服務壟斷行為的認定堅持合理原則具有必要性?，F代被廣泛接受的合理原則分析框架主要分為四個階段：第一，由原告舉證反競爭效果；第二，由被告提供促進競爭的正當理由；第三，由原告舉證提供一種限制性更小的替代方式；第四，當前三步仍然不能處理案件時，最后由原告證明反競爭效果大于促進競爭的效果。①參見[美]赫伯特·霍溫坎普、蘭磊：《論反壟斷法上的合理原則（上）》，《競爭政策研究》2018 年第6 期。合理原則作為壟斷行為違法性判斷的主流規則，在很多案件中被新古典經濟學理論界定為特定行為促進競爭作為適用合理原則的直接證據。②Edward D.Cavanagh,“Antitrust Law and Economic Theory: Finding a Balance”,45 Loy.U.Chi.L.J.123(2013).如在美國“李金創意皮革公司案”③Leegin Creative Leather Prods.,Inc. v. PSKS,Inc.,551 U.S.877(2007).中，法院并未就個案進行評估，而是在查閱相關經濟學文獻后發現，有理論認為轉售價格維持行為存在促進競爭效果的可能性，為此決定采用合理原則。④Abraham L.Wickelgren,“Determining the Optimal Antitrust Standard: How to Think About Per Se Versus Rule of Reason”,85 South.Calif.L.Rev.52 (2012).有些法官甚至不閱讀相關理論文獻，直接根據經驗法則進行決策。而具有采用合理原則判決經驗的法官畢竟是少數，從而難以避免法官在選擇何種原則上完全依賴于其價值判斷。針對通用人工智能服務提供者壟斷行為，仍堅持合理原則是反壟斷法的基礎原則，根植于合理原則是由競爭、公平、秩序、正義、消費者利益、競爭效率、經濟效益等諸多價值綜合的統一體，合理原則的適用有利于法院和反壟斷執法中綜合兼顧各方面的價值均衡。但是，對于通用人工智能服務提供者反競爭行為的合理性分析，應刪繁就簡并形成迅速有效的合理原則適用方法。合理原則的快速適用，主要有兩種模式：一是“快速瀏覽的合理原則”。該模式預設某些行為帶來較大競爭損害，盡管違法但未達到本身違法程度，此時應給予經營者一定抗辯權，對抗辯理由進行合理性分析，如果抗辯不成立，再認定違法。①Herbert Hovenkamp,Federal Antitrust Policy: The Law of Competition and Its Practice,St.Paul: West Academic,2005.另一種是“較小限制性替代措施測試”。它是在適用合理原則中被告提出抗辯時，原告指出一個對于競爭限制更小的行為，但能實現同樣的商業目的，此時即可認定被告行為違法。②參見孟雁北、趙澤宇：《反壟斷法下超級平臺自我優待行為的合理規制》，《中南大學學報（社會科學版）》2022 年第1 期。這種快速有效的合理原則適用，能夠提高通用人工智能服務反壟斷執法效率，節約執法成本。

其次，引入本身違法原則具有合理性。本身違法原則最直接的適用是通過“直接證據法”，只要證明某一行為存在，即構成壟斷。最早運用“直接證據法”的是美國的“印第安納牙醫案”③FTC v. Ind. Fed’n of Dentists,476 U.S.447(1986).，該案中法院認為，盡管相關市場界定以及市場力量分析為常用的判定行為會不會對自由競爭產生危害的手段，但是當不法行為造成銷量大幅下降時，即無須再分析市場力量。在美國“Todd v.Exoon 案”④Todd v. Exoon Corp.,275F.3d 191,206(2d Cir.2001).中，美國法院跳過了相關市場界定及市場支配地位認定的環節，根據競爭損害直接認定競爭壟斷行為違法。當能夠獲取反競爭效果的直接證據時，執法部門也更倚重直接證據而非相關市場界定。⑤Dennis W.Carlton,“Revising the Horizontal Merger Guidelines”,6 J.Compet.Law Econ.619 (2010).我國最高人民法院在“3Q 案”⑥參見最高人民法院（2013）民三終字第4 號民事判決書。中也認可了即便不對相關市場進行界定，若有直接證據證實經營者基于所處的市場支配地位作出的壟斷舉措有礙、排除了競爭，給市場競爭造成了損害，也可依此評估損害后果。這為“直接證據法”在我國反壟斷法實踐中的運用提供了可能。歐盟《數字市場法》明確列舉了數字平臺企業的限制、排除競爭行為，并以本身違法原則直接認定“守門人”濫用市場支配地位。德國《反對限制競爭法》第10 次修訂新增的第19a 條規定，通過混合結構的優勢和與競爭相關的關鍵職位的占領而產生的對不同領域市場競爭具有重要意義的數字平臺，由于擁有多種競爭優勢從而對市場競爭產生不利影響，因而不應將市場支配地位作為對其進行干預的門檻。對于具有規模經濟與范圍經濟效應的通用人工智能服務提供者，若按合理原則，個案化判定其究竟有無跨市場的競爭性影響、究竟處不處于優勢地位，既降低了執法效率，又可能造成自由裁量權不受限制，有礙司法公正。在直接證據法模式下，數學建模、理論論證、后果分析等各種煩瑣步驟都得以省卻，取證程序明顯縮減，執法成本大幅降低，執法效率大幅提升，司法的時效性、公正性將得到更好地保證。反壟斷執法機構得以盡早發現通用人工智能服務提供者的違法行為，并提前給予處置，這將助力通用人工智能服務領域的撥亂反正，為通用大模型提供者劃定明確的行為邊界，讓反壟斷立法的應有作用得到充分的發揮。

（二）通用人工智能反壟斷中貫徹柔性執法理念

人工智能技術的發展速度突破了人們的認知，很多階段性問題在還沒被清楚認識時，就在技術的更新迭代中消失了。從理論到實踐都難以系統化地解決、回答相關問題。⑦參見孔祥?。骸墩摶ヂ摼W平臺反壟斷的宏觀定位——基于政治、政策和法律的分析》，《比較法研究》2021 年第2 期。在很長一段時期，互聯網領域的反壟斷都需適可而止，因為特定時期創新和發展才是真正的第一要務。⑧參見[德]阿希姆·瓦姆巴赫、漢斯·克里斯蒂安·穆勒：《不安的變革:數字時代的市場競爭與大眾福利》，鐘佳睿等譯，社會科學文獻出版社2020 年版，第6 頁。行為違法性認定對企業損害競爭的行為具有一定的事后制裁性，如國務院反壟斷執法機構將阿里、美團所采取的“二選一”行為認定為違反《反壟斷法》的限定交易，并基于此對兩平臺企業實施高額的罰款。但若僅以單一的威懾性舉措對其施以行政處罰，可能造成危害競爭的行為逃脫了規制。值得注意的是，國務院反壟斷執法機構在處罰阿里、美團的同時，將處罰與教育相結合，用行政指導敦促企業在內部構建長效的公平競爭機制，鼓勵企業全面規范自身競爭行為，保護各方主體合法權益，完善企業內部監督管理制度，切實維護相關市場良好競爭生態。①參見《國家市場監督管理總局行政指導書》（國市監行指反壟〔2021〕1 號）和《國家市場監督管理總局行政指導書》（國市監行指〔2021〕2 號）。有效的反壟斷監管不應僅依賴行政處罰，而需要將教育、制裁、引導等多種舉措糅合在一起，激勵、約束市場主體積極主動、自覺守法。

與硬法相比，反壟斷中的柔性執法包含事前的合規經營教育、行政指導、約談等，軟法程序更靈活、適應性更強，可以服務于多種治理目標，已成為人工智能治理的最常見形式。②Carlos Gutierrez &Gary Marchant,“How Soft Law Is Used in AI Governance”,Brookings Institution,May 27,2021,https://policycommons.net/artifacts/4144194/how-soft-law-is-used-in-ai-governance/4952788/,accessed by Sep.17 2023.為配合柔性執法方式的有效實施，我國國務院反壟斷委員會出臺了《壟斷案件經營者承諾指南》（以下簡稱“《承諾指南》”），鼓勵經營者在盡可能早的階段作出承諾，《承諾指南》從適用范圍、適用流程、執法機制三個方面對承諾制度作出了完善規定。③2021 年4 月，國家市場監督管理總局一連點名34 家互聯網平臺企業開展座談，找他們開會、座談、并形成了34 份《依法合規經營承諾》。若經營者積極配合調查，積極落實整改措施，消除和挽回其行為造成的影響，達到《反壟斷法》制止壟斷行為、保護公平競爭、維護消費者合法權益等執法目標，則可以對企業“中止”或“終止”調查，通用人工智能服務提供企業的這種承諾可以被視為與反壟斷執法部門的行政和解協議。對建立合規計劃的經營主體可適用反壟斷和解協議，將合規條款加設到和解協議里，督促通用人工智能服務提供者以合規計劃作為補救舉措，在合規計劃的建立過程中充分調動通用人工智能服務提供者的積極性，讓其積極主動地配合監管機構開展相關整改工作，填補體系漏洞，預防再次違法違規行為的發生。在平等參與的基礎上，利用承諾、反壟斷和解協議，有效建立合規機制，從而取代對通用人工智能服務提供者施以單一的經濟懲罰。

（三）通用人工智能反壟斷中引入敏捷治理方式

在通用大模型服務市場環境下，反壟斷監管能力須跟上時代的步伐，監管部門應更加注重依托大數據、算法和區塊鏈等新技術，提高事前預防、事中控制、事后監督全程反壟斷監管的自動化執法水平。運用區塊鏈技術達到采取“以鏈治鏈”的監督和管制理念，反壟斷執法機構將反壟斷目的轉化為合約機制，內嵌于通用大模型算法之中，從根源處規范算法歧視、算法共謀等壟斷行為，使得“Code is Law”的“法鏈”（Reg Chain）監管理念切實可行。④參見楊東、侯晨亮：《論平臺“封禁”的反壟斷規制——以社交平臺為研究對象》，《浙江大學學報（人文社會科學版）》2022 年第4 期。借助區塊鏈技術實現競爭執法及反壟斷監管，推行法律與技術共同治理模式。⑤參見楊東：《監管科技:金融科技的監管挑戰與維度建構》，《中國社會科學》2018 年第5 期。反壟斷監管機構要了解通用人工智能服務提供者的算法規則和指令，掌握處理銷售量、價格和成本等市場數據的方法，通過參與式反壟斷執法，監測和評估通用人工智能服務提供者異常定價、實施壟斷行為的技術能力。⑥See Jean Tirole,Economics for The Common Good,Princeton: Princeton University Press,2017,pp.378-379.可通過對通用人工智能服務的歷史數據進行分析，并根據分析結果對企業未來一段時間的競爭行為進行預測，從而實現對其精準監管的目標。

智能監管系統為市場監管現代化提供強有力的科技支撐，各國執法機構也開始創新執法工具，如英國競爭與市場管理局（CMA）通過在其新設數字市場部的反壟斷監管中引入“監管沙盒”工具，廣泛學習借鑒了金融行為監管局（FCA）的成功經驗，將進行備案的算法在可觀察、可控制和相對封閉的環境中試運行，測試新的算法行為對市場競爭產生的影響。①Competition and Markets Authority,“Algorithms: How They Can Reduce Competition and Harm Consumers”,London: CMA,Jan.19,2021,https://www.gov.uk/government/publications/algorithms-how-they-can-reduce-competition-and-harm-consumers/algorithms-how-they-can-reducecompetition-and-harm-consumers,accessed by Sep.17,2023.我國國家新一代人工智能治理專業委員會發布《新一代人工智能倫理規范》提出“推動敏捷治理”，表明我國人工智能監管由單一的“規范—技術”監管向“規范—技術”與“技術—技術”監管模式并行的轉變，推進采取以技術治理技術、以算法監管算法的監管手段。實際上，在我國地方金融監管領域廣泛運用的“冒煙指數”②冒煙指數由綜合合法性、非法集資特征詞、收益率偏高、負面反饋指數、傳播力這五個維度構建，通過機器學習對每個維度進行自我賦權。冒煙指數越高，說明越接近非法集資的特征，監管部門就可以及早監測預警，做到“打早打小”。，將新技術用于輔助市場監管機構預判式監管，分析和固定通用人工智能服務企業違法性壟斷行為的證據，對可能導致排除、限制競爭的行為進行風險警示。浙江省創造性地運用大數據、云計算、人工智能等數字化技術，建立了“浙江公平在線”系統，針對有重點風險的企業開展全天候監測，如發現問題及時預警③參見王世琪：《全國首個經濟平臺數字化監管系統——“浙江公平在線”昨上線》，《浙江日報》2021 年2 月27 日。，推動市場監管效率和監管實效的提升。廣東發布并施行《廣東省進一步推動競爭政策在粵港澳大灣區先行落地的實施方案》，強調做好線下競爭執法工作，同時還運用互聯網智能監測手段開展線上執法工作。青島則依托山東省網監平臺了解全市平臺市場主體底數，建立全市平臺主體數據庫，并在此基礎上建立網絡交易平臺監測室，實現主動監管，讓監管更具主動性與及時性。國家反壟斷執法機構應強化反壟斷執法過程中對區塊鏈、大數據、算法技術以及人工智能的利用，以國家“互聯網+監管”系統為基礎，對通用人工智能服務提供者的數據進行深入挖掘，充分發揮區塊鏈技術在在線識別、在線證據保全、源頭追溯等方面的技術優勢，從而有助于不斷提升識別通用人工智能服務提供者經濟風險和違法違規線索的能力，讓“以網管網”真正獲得體現。此外，還可以鼓勵市場主體研發反制技術，如“消費者算法”可以幫助消費者識別價格、識別合謀，一定程度上降低壟斷行為的發生概率，幫助消費者識別壟斷行為的發生，固定有效證據，降低舉證難度。

五、通用人工智能治理中反壟斷執法與行業管制相銜接

針對通用人工智能服務提供者利用數據、算法工具和技術條件實施壟斷行為，反壟斷執法主要通過事后制止違法行為，矯正市場失靈。但并不能有效處理市場上是否存在“一家獨大”的通用大模型產品提供者、現存市場是否存在有效的市場競爭、潛在競爭者是否存在市場進入障礙等結構性失靈問題。因此，反壟斷執法不足以單獨完成通用人工智能服務提供者壟斷行為治理的重任，必須有行業管制作為補充。④Organization for Economic Co-operation and Development,“Ex Ante Regulation and Competition in Digital Markets”,Paris: OECD,December 2021,https://www.oecd.org/daf/competition/ex-ante-regulation-and-competition-in-digital-markets.htm,accessed by Sep.17,2023.前者是通過執法行為事后對行為的結果進行糾正，側重事后對市場秩序的矯正；后者側重維護事前和事中的市場秩序。兩者分別解決通用人工智能時代通用大模型服務的市場失靈與結構性失靈。僅通過反壟斷執法，不足以矯正結構性失靈，須加強對通用人工智能服務企業的行業管制。

（一）反壟斷執法僅對市場失靈進行矯正

當前反壟斷執法以芝加哥學派效率分析為正統理論，以保護有效率的競爭過程為唯一目標。然而，在面臨通用大模型時代《反壟斷法》實現對隱私數據保護、消費者保護、下游平臺企業“顛覆性創新”的保護等任務時，《反壟斷法》的單一經濟效率目標無法滿足通用大模型時代競爭訴求。在下游通用大模型使用平臺與消費者用戶、通用人工智能服務提供者與下游通用大模型使用平臺、通用人工智能服務提供者與其他競爭性人工智能服務提供者三重利益關系中，這些利益關系同時關涉到數據安全與保護、消費者權益保護、人工智能領域相關部門與行業的交叉監管和信息共享共治。以消費者個人數據被廣泛濫用為例，由于通用人工智能服務體現為網絡化、開放性和交互性等特點，通用人工智能服務提供者的數據濫用和數據隱私涉及多個主體權責的相互交織問題，以“保護有效競爭”為單一目標的反壟斷執法難以依據多部法律進行系統監管，針對不同利益關系的問題缺乏監管目標和重點，無法實現數據收集、使用和管理過程中多元利益的動態平衡。

通用人工智能服務提供者關涉的三重利益關系暴露了反壟斷執法單一目標的弊端：在下游通用大模型使用平臺與消費者用戶的關系中，通用大模型使用平臺對消費者擁有不對等的數據優勢和信息資源，而反壟斷執法部門卻無法在消費者個人隱私保護和重點查處平臺過度收集、不當使用用戶個人數據等方面發揮足夠的作用，從而無法真正觸及通用人工智能服務提供者在訓練大模型過程中數據不當收集與使用情況。在通用人工智能服務提供者與通用大模型使用平臺的關系中，通用人工智能服務提供者一方面基于自身提供競爭性服務，另一方面向下游平臺提供通用大模型的“雙重角色”，導致其與下游平臺經營者的地位不平等。反壟斷執法機構僅關注競爭效率，并不重點審查通用人工智能服務提供者是否對下游平臺經營者實施排他性交易、自我優待行為。在通用人工智能服務提供者與其他競爭性人工智能服務提供者的關系中，通用人工智能服務提供者基于自身的數據優勢實施封禁行為，從而限制數據的轉移與共享利用，排除限制競爭對手的競爭。反壟斷執法雖關注限制競爭效果，但難以合理兼顧所有參與者的利益、糾正通用人工智能服務提供者憑借壟斷地位捕獲價值過多等問題。反壟斷監管機構在平衡各方利益時應特別關注通用人工智能服務提供者捕獲的利益，保護消費者用戶和下游通用大模型使用平臺的利益免受損害，如只關注個別參與者的利益，可能得出當前市場結構現狀沒有問題的結論。①Michael G.Jacobides &Ioannis Lianos,“Regulating Platforms and Ecosystems: An Introduction”,30 Ind.Corp.Chang.1131 (2021).由此，僅僅依靠反壟斷執法這一種工具，難以實現對通用人工智能服務提供者的有效約束。

（二）行業管制對結構性失靈的矯正

長期以來，受新自由主義和芝加哥學派的影響，美國對科技巨頭企業的反壟斷監管采取較寬容的政策，強調市場主導作用，減少政府干預。然而，在經歷了長達40 多年的寬松監管之后，資本出現過度擴張，使得數字巨頭壟斷現象越發嚴重，導致美國經濟活力下降。谷歌、亞馬遜、臉書、蘋果（GAFA）四大科技巨頭市場估值超過五萬億美元。它們壟斷市場、打壓競爭對手、妨礙市場競爭，在此背景下推動了主張強化政府監管力量的新布蘭代斯學派的興起。新布蘭代斯學派對市場力量持批評態度，主張不應當僅僅關注消費者福利，還應關注經濟過程和市場結構。②Lina Khan,“The New Brandeis Movement: America’s Antimonopoly Debate”,9 J.Eur.Compet.Law Pract.131,131-132 (2018).在對通用人工智能服務提供者的定位及規制上，國外監管當局認為，其為下游平臺企業提供通用大模型，占據戰略市場地位，掌控著瓶頸權力，具有顯著市場權力或重要中介權力。①英國競爭與市場監管局所提出的“戰略市場地位”判定說，主張基于企業規模、企業控制市場的能力、接入系統用戶在交易中的地位等多方因素，對企業是否處于戰略市場地位做出判斷；美國斯蒂格勒研究中心提出“瓶頸權力”判定論，主張基于企業控制市場的能力、對其他競爭者施以阻礙的能力來判定企業是否在市場上掌控著“瓶頸權力”；澳大利亞競爭與消費者委員會提出“顯著市場權力”說，主張基于企業對競爭活力的影響、對市場準入所具備的阻礙能力來判定企業在市場上是否掌握著“顯著權力”；歐洲電信監管機構提出 “重要中介權力”論，此理論認為應當結合市場控制力、財力、滲透數字服務能力等因素判定企業在市場上是否掌握著至關重要的“中介權力”。新進入者難以跨越由規模經濟所筑起的壁壘，或迅速被淘汰，或成為新的壟斷主體。在沒有能夠打破這種市場結構的新技術出現的情況下，通用大模型服務提供者基于上述要素所形成的市場力量難以被超越，通用大模型服務提供者持續性的壟斷力量造成了數字市場的結構性失靈。②Stigler Center for the Study of the Economy and the State,“Stigler Committee on Digital Platforms”,Chicago: Stigler Center,May 15,2019,https://www.chicagobooth.edu/research/stigler/events/antitrust-competition-conference/digital-platforms-committee,accessed by Sep.19,2023.

當前，競爭管理機構的監管措施旨在事后消除或制裁具有強大市場力量的通用人工智能服務提供者正在實施或已經實施的壟斷行為。然而，通用人工智能的巨大經濟活力和通用大模型的迅速發展倒逼監管機構進行更快、更有效地干預?！肮雀璋浮睔v時7 年廣遭詬病的原因在于，事后反壟斷執法無法及時有效糾正具有高度技術性和隱蔽性的違法壟斷行為，調查審理歷時較長，在此過程中市場競爭狀況可能早已經發生變化，出現嚴重的競爭損害后果，事后處罰為時已晚，也毫無意義。③Geoffrey Parker et al.,“Digital Platforms and Antitrust”,in Eric Brousseau et al.(eds),The Oxford Handbook Institutions of International Economic Governance and Market Regulation (online edn,Oxford Academic,Mar.14 2019),https://doi.org/10.1093/oxfordhb/9780190900571.013.34,accessed by Sep.18,2024.通用人工智能時代反壟斷應以預防思維矯正市場結構性失靈。對通用大模型服務提供者及早干預，一方面是由于網絡效應、數據優勢的作用，數字經濟市場表現出快速的市場集中趨勢；另一方面基于作為市場中心戰略地位的通用大模型提供者，極易基于其他下游市場參與者對其形成的依賴而扭曲市場正當競爭狀況。④參見陳兵：《生成式人工智能可信發展的法治基礎》，《上海政法學院學報》（法治論叢）2023 年第4 期。若不對大型通用人工智能產品提供者加以限制，長此以往必將嚴重擠壓下游人工智能服務平臺的生存及發展空間。與反壟斷執法采取個案執法方式相比，行業管制并不將違法行為作為介入的先決條件，而是將消除壟斷影響作為目標，通過對通用人工智能服務提供者設置超越正常市場條件的規制義務，促使其改變市場行為，從而進入反壟斷執法適用不能的領域。⑤參見侯利陽：《平臺反壟斷的中國抉擇：強化反壟斷法抑或引入行業規制？》，《比較法研究》2023 年第1 期。由此，在反壟斷執法過程中，如果不能通過事后的救濟來糾正壟斷行為所帶來的損害，就需要在此基礎上結合其他的監管手段，通過制定合理的、謹慎的規則，來強化對通用人工智能服務提供者的事前、事中監管。⑥Philip Marsden &Rupprecht Podszun,Restoring Balance to Digital Competition-Sensible Rules,Effective Enforcement,Berlin: Konrad-Adenauer-Stiftung,2020.

（三）反壟斷執法與行業管制的銜接與互動

通用人工智能服務壟斷存在數據隱私保護、數據資產保護、消費者權益保護、維護市場競爭及維護公共利益等多重目標，與傳統分析式人工智能靜態性與單維性的應用場景和具體情境不同，通用人工智能應用具有動態性，是對人工智能價值產業鏈的整體性重構。因此競爭執法機構也應采取多部門合作的方式監管市場競爭行為，形成以反壟斷執法與行業管制良性互動的協同治理機制。

1.理論設想：新布蘭代斯理論的興起與多元共治

新布蘭代斯理論認為，《反壟斷法》只是眾多治理工具之一，除了司法部和聯邦貿易委員會，美聯儲、農業農村部、國防部、證券交易委員會等部門在各自領域都具有市場監管的權力。①Lina Khan,“The New Brandeis Movement: America’s Antimonopoly Debate”,9 J.Eur.Compet.Law Pract.131,131-132 (2018).基于通用人工智能服務領域反壟斷涉及多元交叉領域，涉及多重利益關系，更需要不同監管部門的多元共治?！渡墒饺斯ぶ悄芊展芾頃盒修k法》第16 條規定，網信、發展改革、教育、科技、工業和信息化、公安、廣播電視、新聞出版等部門，依據各自職責依法加強對生成式人工智能服務的管理。值得注意的是，基于通用人工智能服務反壟斷案件具有涉及多元利益關系的復雜性，通用人工智能時代的協同監管不僅表現為不同監管機構之間的協同，也表現為行業管制部門與管制對象之間的協同合作。②參見[英]羅伯特·鮑德溫等編：《牛津規制手冊》，宋華琳等譯，上海三聯書店2017 年版，第606 頁。在合作管制中，行業自律在約束通用人工智能服務提供者壟斷行為等方面發揮著重要作用，是政府監管的有力補充，相比之下采取自律規范立法及執法需要的成本較低。通用人工智能服務行業的反壟斷自律規則應由熟悉本行業業務的行業協會來制定，其制定的行業自律規則針對性、可操作性較強，能對維持通用人工智能服務市場的競爭秩序發揮積極作用。如行業協會可以制定通用人工智能服務行業規范，對通用人工智能服務提供者要求算法投入應用前的安全測試，以及投入應用后的實時算法監測，從而進行算法程序矯正。實際上，反壟斷執法機構的外部監管與行業自律相輔相成，外部監管效率如何，受通用人工智能服務體系內在自律程度的影響。通用人工智能服務體系自律程度越高，其內部控制有效性就越強，壟斷行為越少，外部監管越高效。反之，外部監管則越低效?？傊?，合作管制的落腳點在于解決問題而非強化管制行為本身，最大限度地拓展協商、對話的時空維度，塑造與共治格局相匹配的管制形態。因此，發揮通用人工智能服務行業協會參與和自律監管，是維護通用大模型服務市場競爭秩序的有效手段。行業自律具有自身優勢③參見張忠軍：《金融立法的趨勢與前瞻》，《法學》2006 年第10 期。，從而形成通用人工智能服務提供者反壟斷監管由政府主導走向“行業管制—反壟斷執法—通用人工智能服務提供者自治”多元主體協同治理。

2.實踐檢驗：以算法設計中的差別待遇為例

管制行業法與反壟斷法均以提高經濟運行效率、實現社會整體效益最大化為目標，兩者在通用人工智能治理上相互協調適用具有必要性。例如：英國競爭與市場監督管理局和數據保護機構共同強調尋求合作，克服不同目標之間的沖突④參見Competition and Markets Authority and Information Commissioner’s Office,“CMA-ICO Joint Statement on Competition and Data Protection Law”,London: CMA-ICO,May 19,2021。；意大利數據保護機構、競爭管理局和電信監管機構針對大數據問題聯合倡導11 個建議，提出要建立永久協作機制。⑤Organization for Economic Co-operation and Development,“Consumer Data Rights and Competition -Note by Italy”,Paris: OECD,May 25,2020.在我國“滴滴出行案”中，國安部、網信辦等七部門聯合對滴滴進行網絡安全審查，這充分體現協同監管的重要性及必要性，有助于減少國家數據安全風險，切實有效維護國家安全，促使公共利益獲得有效保護，為實現反壟斷監管目標提供有力保障。

具體而言，行業管制于事前、事中實施常態化監管，直至反壟斷執法、司法機構作出決定或判決，管制才停止。兩者的銜接互動可以在案件發生前、案件調查中以及案件辦結后的全過程。案件發生前與案件辦理過程中，管制部門與執法機構可以通過聯席會議等形式交流監管心得、執法經驗。⑥參見王磊：《走出平臺治理迷思：管制與反壟斷的良性互動》，《探索與爭鳴》2022 年第3 期。實際上，聯席會議的成效性在平臺治理的實踐中已經得到了檢驗，近5 年以來，國家市場監督管理總局每年聯合十四部門聯合開展“網劍行動”交流網絡市場監管的經驗，其中“加強平臺治理落實主體責任”是網劍行動的重點任務之一。案件辦結后，執法決定、司法判決作為網信辦、工信部等管制部門強化自身管制工作的重要參考。假定某通用人工智能服務提供者在算法設計、訓練數據選擇過程中使用了歧視性數據導致通用人工智能服務存在針對不同消費者的不合理差別待遇，可先由管制部門采取約談的方式，要求通用人工智能服務提供者對差別定價行為作合理說明，積極履行算法解釋義務，并承諾后續服務不存在不合理差別待遇。若管制不能達到理想的效果，而差別定價行為給市場造成了實質性競爭損害且嚴重侵犯了消費者權益，管制部門應聯合反壟斷執法部門開展聯席會議。而后由反壟斷執法部門對通用人工智能服務提供者差別待遇行為進行“定性與定量分析”界定相關市場，對通用人工智能服務提供者在該相關市場上進行以“數據、技術、用戶黏性、潛在競爭威脅”為考量因素的市場支配地位認定。判定該行為是否構成《反壟斷法》上的“差別待遇”行為，最后對該差別待遇行為對相關市場的競爭損害進行分析。必要時適用本身違法原則，根據分析結果由反壟斷執法機構對其實施責令停止違法行為、沒收違法所得、罰款等事后懲治，管制部門也通過執法決定與裁判經驗，進一步完善以后的常態化管制工作。至此，從案件發生到案件辦結，反壟斷執法機構與管制部門之間形成良性互動，構成對通用人工智能服務提供者實施差別待遇行為治理的“事前-事中-事后”閉環。針對通用人工智能服務提供者的反壟斷執法關注違法行為發生后的事后矯治，并不是一個邏輯自洽的封閉系統，需要通過事前、事中的管制進行補充。①[美]赫伯特·霍溫坎普：《聯邦反托拉斯政策：競爭法律及其實踐》，許光耀等譯，法律出版社2009 年版，第782 頁。相反，事前、事中的管制無法有效處理已經發生的違法行為，需要兩者銜接互動，形成 “事前預防—事中干預—事后監管”的全流程閉環治理模式（見圖1），強化對通用人工智能服務提供者壟斷行為的監管。

圖1 反壟斷執法與行業管制的銜接與互動

六、結語

單一的事后反壟斷執法方式不僅調查耗時長、成本高，也因其滯后性導致執法彈性較為缺乏，無法適應通用人工智能服務提供者基于商業模式創新的各種新型壟斷行為，尤其是對特定行為嚴厲的事后禁止，會導致已有商業模式的巨大調整，使得創新發展的不確定性越發明顯，這對通用人工智能實現創新發展極為不利。鑒于事后反壟斷執法方式無法及時有效地實現維護自由公平競爭和促進技術創新的動態平衡，行業管制機構有必要在事前對通用大模型提供者進行適度干預，對通用人工智能服務市場及其細分領域頻繁開展調研與競爭評估，對通用人工智能服務提供者數據處理及其算法技術的更新應用進行動態監測，在事前、事中對其壟斷行為進行從嚴精準監管，便于掌握通用人工智能服務提供者涉嫌壟斷的違法事實和更好地進行后續監管活動。采取這種動態調整的、具有階段性的監管目標和原則，平衡保護市場競爭秩序、消費者福利與通用人工智能服務提供者創新發展動力和社會發展活力之間的關系。