数字经济已成为新时代全球科学技术与经济社会发展的重要驱动力, 也是新一轮全球产业竞争与创新的关键支撑。数字经济及其竞争样态呈现为以“人工智能、区块链、云计算、大数据”等技术和资源为手段和样态的生态产业链, 围绕其全周期展开的各种各样的市场竞争客观上已经成为全球主要国家和地区间展开市场经济竞争的主要类型, 数字经济竞争已成为当前和未来决胜国家经济综合实力的基础性和平台型竞争领域, 其中尤以人工智能技术和产业的竞争为激烈, 更有甚者则提出超越人工智能军备竞赛(beyond the AI arms race)[1]。由此衍生的各类商业模式与竞争行为在激活全球经济动能的同时, 也给我国市场经济秩序的正常运行带来诸多挑战和风险, 引发了国家治理能力和治理水平在市场监管领域更新升级的现代化改革。现行的市场监管理念、范畴、方式及评价机制亟需升级为科技与法治相融合的现代化模式, 提升监管的科学性、合规性、系统性及协同性, 以适用数字经济全周期运行对市场秩序运行提出的新挑战[2]。
正如《“十三五”市场监管规划》中所强调的“加强市场监管法治建设”“运用法治思维和法治方式加强市场监管的能力不断提升”“加强网络市场、电子商务等新领域监管”等诸多问题亟待回应。数字经济及其多种竞争业态在我国的快速发展, 在很大程度上撬动了在背景上深具计划经济体制[3]的权力型市场监管系统的现代化改革, 其中至少包括市场化与法治化两个维度的革新。鉴于此, 有必要从数字经济竞争的基本样态分析入手, 厘清数字经济发展的基础性与关键性概念, 挖掘影响当前市场监管系统运行的主要因素, 通过规范和实证研究, 探索数字经济下促进市场监管现代化改革的宏观进路和具体方案。
一、数字经济发展的基本面与关键点自2015年提出“互联网+”行动计划以来, 以“互联网+跨界”为新形式的数字经济竞争迅猛发展, 网约车、共享汽车等合作消费经济或者说分享经济取得了巨大成功, 标志着以物联网为基础的平台经济已拉开了数字经济新一轮发展序幕。数据、大数据、算法及应用服务已经成为该阶段数字经济竞争的关键。据相关数据统计, 2017年中国数字经济规模达27.2万亿元, 同比增长20.3%, 占GDP的比重达到32.9%。按照测算, 到2030年, 数字经济占GDP比重将超过50%, 全面步入数字经济时代[4]。可见数字经济已经成为我国新时代经济发展和产业转型升级的重要平台应用和支撑动能, 是参与全球经济竞争的重要场域和竞争优势。数字经济在我国的高速发展, 不仅是科技创新发展的一部分, 更为深度推进供给侧结构性改革提供了平台和通道, 使得各类社会资源得到了有效配给, 资源利用率和科技转化率得到了显著的提高。同时, 随着庞大、复杂、多变的数据的大量涌现和广泛应用, 数据及算法在法律定位和规制方法上暴露出各种问题, 给我国市场监管的运行和现代化建设带来了巨大挑战。
目前数字经济浪潮席卷全球, 诸多热点高频词汇使人目不暇接, 极易引起相关概念之内涵和外延的混淆。从法治视角定义和甄别这些术语, 是科学健康加快发展数字经济的基石和保障。只有厘清了数字经济相关概念的法治内涵, 才能更深刻地理解和把握数字经济的本质, 明确其对市场监管法治化改革带来的挑战, 有针对性地改进市场监管体制机制之于数字经济发展的着力点和突破点。为此, 需就现阶段数字经济发展中主要的相关概念(譬如, 大数据、云计算、区块链、人工智能等)作一般概述。
(1) 大数据。目前对大数据的规范性定义普遍描述为“4V”——数据体量大(volume), 数据类型多(variety), 数据处理速度快(velocity), 数据价值密度低(value)[5], 但从大数据实际运行的维度看, 可将大数据界定为以数据挖掘为基础, 以实现精准预测, 改善商品与服务质量为目的, 通过算法进行定向分析的数字信息。
(2) 云计算。云计算是一种按使用量付费的模式, 根据美国国家标准与技术研究院的定义, 这种模式构建了能够实现随时随地, 按需便捷地访问共享资源池(如计算设施、存储设备、应用程序等)的可能[6]。而云计算的底层正是数据资源, 其为大数据的精准预测性、信息流动性提供了算法动能, 为区块链和人工智能的发展奠定了技术基础。
(3) 区块链。区块链是一种按照时间顺序将数据区块以链条的方式组合成特定数据结构, 并以密码学方式保证不可篡改和不可伪造的去中心化共享总账, 能够安全存储简单的有先后关系的能在系统内验证的数据, 具有去中心化, 安全可靠, 集体维护等特点[7]。其本质为一种去中心化的分布式数据库, 能够降低交易成本, 提高工作效率, 构建新的信任体系。
(4) 人工智能技术。人工智能技术是计算机学科的一个分支, 美国麻省理工学院温斯顿(Wiston)教授认为“人工智能就是研究如何设计使计算机去做过去只有人才能做的智能工作”[8]。人工智能的形态和阶段具体表现为:弱人工智能、强人工智能、超人工智能[9]。当前正处于弱人工智能阶段, 只将其看做一种基于算法设计通过数据自主学习, 以优化数据处理的计算机制, 本质在于算法和数据, 是大数据、云计算相结合的更高层级的发展阶段。
综上, 通过对数字经济相关概念的解析, 不难发现无论大数据、区块链、云计算、人工智能等技术站在怎样的维度去发展和应用, 其本质都是以数据资源及使用为依托, 对用户及其群体进行资源整合, 通过线上用户交易习惯的数据收集和整理分析, 达到线上线下的资源的调配和定制化服务, 其形成的是一种整体的闭环且日趋完善的数据运行生态系统[10]。在这一过程中, 数字科技巨头对用户数据的寡占垄断难以避免, 故有必要对数据行为进行进一步的研究。
二、数字经济全周期下“与数据相关行为”之厘清数字经济发展所涉及的诸多环节具有高度的内在统一性, 本质是围绕“与数据相关行为”(data-related activities)而形成的一个完整的生态系统, 具有逻辑上的关联性和递进性。数字经济的发展, 亦是数据不断积累和自主学习的生长过程。在此, 以阿里大数据实践为例, 对整个系统下的数据运行模式展开透视, 希望通过对数据运行全流程的观察, 厘清数字经济发展的整体脉络, 为市场监管的法治化改革提供技术支持和知识准备。
1. 数字经济下“与数据相关行为”之梳理具体以阿里大数据实践为例, 发现其大数据系统体系构架主要分为数据采集、数据计算、数据服务及数据应用四大层次[11]。作为整个系统起点的数据采集层主要负责收集生产业务端的数据, 面对海量的数据和复杂的计算, 数据资源通过TT(time tunnel, 简称TT)传输系统进入到第二个层级, 即作为整个大数据架构核心的数据计算层。当数据被整理、分析和计算后, 还需要数据服务层供给高质量的数据以帮助各类产品和应用的开发和运行。而数据服务价值的最大化则需要作为第四层级的数据应用层通过合适的应用实现[12]。
综上, 对前述四个层级的数据行为的整体架构的描述可以概括为“以数据采集为起点, 以数据计算为核心, 以数据服务和数据应用为目标”的一个完整的生态系统。在整个架构下数据的价值被无限挖掘和放大, 相同的数据信息, 基于不同的大数据思维, 可经过反复多次的利用与不同的排列重组, 获得不同的价值和功能。在这里数据不仅作为用户信息的载体而被数据控制者所收集和整理, 更作为一种生产要素被数据控制者进一步挖掘和使用, 体现为消费产品与生产要素的高度聚合。在这一过程中, 与数据相关行为的持续性展开是实现数据价值最大化的关键。当然, 由此也引发了对各种与数据相关行为法律定位和辨识的思考。
2. 数字经济下“与数据相关行为”之法律面相通过对与数据相关行为的分析, 不难发现数据所带来的巨大价值和现实或潜在风险都与数据运行的各个层级密切相关。譬如, 在数据采集层容易出现不当采集、不正当抓取、拒绝分享等数据垄断和数据不正当竞争问题, 同时这一层级也是获得海量的多样化数据的关键入口。在数据计算层容易出现算法歧视、算法共谋等基于滥用数据优势和科技优势侵害用户利益的行为, 但同时这一层级也是提供更好数据产品和优化服务的关键。步入数据服务层和应用层如一般可能侵害用户隐私、公平交易、自由选择等具体权益, 亦可能出现滥用优势地位损害其他新进入者正当竞争利益的行为等, 当然同时也会给用户乃至整个社会带来极大的便利, 实现万物相联的物联网时代的高速发展, 将数字经济推向更高层级的人工智能经济。故此, 有必要对与数据相关行为的法律定位予以明确, 以便对位相应的法律部门或者在现有法律制度之上修订相关制度, 抑或制定新法。
进一步对数据采集、数据计算、数据服务和应用等层级与之相关行为的厘清, 从数据的来源出发, 发展至其广泛运用, 这其中诸多与数据相关之行为的发生都会在不同程度上涉及垄断、歧视、共谋、侵害消费者公平交易与自由选择等问题, 大致可对位反垄断法、反不正当竞争法、消费者权益保护法等范畴, 且通常表现为多个与数据相关行为之联合, 由此涉及多部市场规制法律的适用。譬如, 近年来出现的“3Q大战”、大众点评诉百度、新浪诉脉脉, 以及作为“头腾大战”延续的抖音和多闪共享用户信息案等, 在很大程度上都体现多种与数据相关行为在数字经济下混合使用并引起争议纠纷的情形, 其中对法律的选择适用提出了新要求。
在将与数据相关行为放置于现行市场规制法体系下予以定位的同时, 还应特别关注该类行为对现阶段我国消费者保护法实施带来的种种挑战, 其反映了我国对竞争法治与消费者法治之间的衔接出现了很大的“断带”, 而目前国际上对于竞争政策与消费者政策的衔接的重要性以及突出消费者保护法的作用得到了更为广泛的认同。为此, 强化消费者保护法的作用, 使消费者保护政策达到其所应发挥的效果, 成为现行市场监管改革的应有之义和重中之重。以共享科技发展红利为导引, 从数据相关行为出发, 着眼于现实和未来需求, 找到各部分行为的法律对应点, 逐步完善我国的市场规制法体系, 使反垄断法、反不正当竞争法、消费者权益保护法等主要市场经济基本法与数据相关行为对应, 协同共进显得尤为重要。
三、“与数据相关行为”引发的市场监管迷思数字经济的典型特征体现为一切皆可量化为“数据”, 不仅是经济活动形式和内容的数据化, 更体现为以数据为核心的经济活动的展开, 尤其是从数据到大数据的发展, 引发了竞争模式的颠覆性变革。用“跨界竞争”可高度浓缩描绘大数据技术和产业的竞争维度, 更为突出的是利用“传导效应”促使竞争优势由相关市场向不相关市场乃至未来市场的转化, 使拥有海量数据资源的经营者围绕着某一核心商品或服务所获得的市场力, 发散式地在多个领域开发新的竞争增点, 直至形成一个闭合的商业生态链[13]。继而, 经营者可利用整个闭环生态系统中消费者产生的数据, 构筑起与数据相关之市场的进入壁垒。可见, 仍有必要对数据相关行为的市场监管问题进行进一步分析。
1. 从数据到大数据对市场竞争的颠覆性影响对数据的竞争意义的讨论, 一些学者提出了不同意见, 认为数据具有“非竞争性”特征。具体表现为以下四个方面。①数据收集具有普遍性。数据收集无处不在, 以实时或接近实时的方式进行, 且收集成本以及购买成本很低。②数据的解析能力不断提升, 有免费开源的软件进行数据分析。③数据的应用价值是短暂的, 具有时效性与折旧性。随着时间的推移大部分数据会丧失其所拥有的基本价值, 成为无效的数字信息。④市场新进入者并不必须拥有与在市场具有支配力量的企业相同数量或类型的数据才能进入并有效竞争, 完全可以通过差异化创新的形式达到足够数量的市场份额。鉴于此, 该部分学者推定大数据市场的进入壁垒很低, 收集和控制特定的数据并不妨碍其他经营者通过类似或其他方式收集相同的数据。
然而, 此类主张只是从数据收集和控制的角度出发, 解释了数据的“非竞争性”特征, 并未全面准确地反映数据运行的本质特征。首先, 数据的收集并不如前述那么普遍和可获得。当前, 拥有市场优势力量的经营者, 譬如阿里、腾讯、百度、京东等所依赖的用户基础以及通过其平台优势, 将数据收集并扩展到广泛的第三方的传导力与精准度, 是普通创新型企业即便通过差异化创新也难以与之抗衡的。即便出现新的创新型竞争增点, 当拥有庞大用户基础的占市场支配地位的经营者以相当的形式去投资运营时, 其“用户黏度”就决定了该经营者的用户会天然地选择他们心中具有影响力的经营者。最终的结果就是市场依然由这些支配型经营者继续雄踞, 亦或是创新型经营者倒向另一具有同样或相似市场力的经营者的怀抱, 这些具有市场支配力的经营者的市场地位不断得到循环增强[14]。
其次, 以数据和大数据为基础的算法分析能力远不止简单的Hadoop架构所能提供, 需要大量的资金投入, 其科技研发成本极高, 这种能力的获取不可能实现普遍性。从国内的腾讯、阿里到国外的微软、谷歌、脸书、亚马逊经历了多年的开发优化和数据沉淀才成就了今天的算法优势, 其中技术能力才是这些企业获得市场优势地位的关键, 譬如谷歌(Google)为了实现Google+的计划, 每年需投入5.85亿美元[15]。创新企业不会具有如此的科技研发能力, 且在这个大数据思维以及数据产权意识普及甚至是泛滥的时代, 创新企业更难以出现如当年苹果(Apple)、脸书等横空出世般的创新思维。
再次, 虽然数据具有时效性和折旧性, 但是从数据到大数据的演化, 使大数据区别于普通数据的关键在于数据的流动与分析。日渐成熟的算法能力不仅能发现数据所具备的直接价值, 还包括其深藏的潜在价值, 分析事物发展的趋势, 实现更加精准的预测[16]。算法设定的合理阈值, 分层定向分析, 自动筛选, 使数据挖掘的能力走向智慧化, 对实现深度自主学习提供原料和基础。这些都表明数据已经成为一个经营者获得核心竞争力的基础, 数据挖掘能力是其维持市场地位的关键。
综上可见, 从数据到大数据之于市场竞争的意义是显著的。从数据到大数据所引发的跨界竞争, 所展现的是与以往不同质的竞争效果。传统的数据跨界收购, 譬如, 导航设备制造商巨头TomTom对数字地图制造商Tele Atlas的收购, 曾几何时引发了巨大的轰动。然而, 当谷歌以安卓(Android)系统为依托, 进入导航终端开发时, 整个导航产业发生了巨变。相比之下, TomTom虽然也对于数据进行收购, 但是作为上游市场其不具备数据资源的整合能力、挖掘能力及反馈能力, 导致所收购的数据因数据的时效性与折旧性, 在短时间内丧失大部分价值, 无法与拥有强大数据解析与优化能力的谷歌相提并论。当谷歌开发出谷歌地图并迅速占据导航市场后, 使得TomTom市值暴跌, 谷歌的跨界竞争最终导致了传统巨头的衰败。
可见, 从数据到大数据的发展对市场竞争的影响是颠覆性或者说革命性的, 其不仅体现在数据资源的直接争夺上, 更体现在运用数据挖掘技术对底层数据的解析能力的角力上, 数据资源和数据技术构成了数字经济时代的核心竞争力。这使得现有数字经济市场上的支配地位经营者, 在相关市场和不相关市场两个市场间的竞争力得到循环交叉强化, 其所具备的排他性的实力, 极易形成寡头数据控制者, 很容易拉升数字市场的进入壁垒, 这对现行反垄断法理念和实践产生巨大的冲击。
2. 数据采集行为引发的不正当竞争问题近年来, 虽然有关数据反垄断的案件在理论上存在一定争议, 但是关于数据资源争夺的不正当竞争案件在我国频发已经引起了广泛的关注。譬如, 2015年新浪诉脉脉非法抓取微博用户数据案、2016年大众点评诉百度地图抓取用户点评信息案、2017年顺丰与菜鸟有关物流数据接口的争议等, 均与数据资源的争夺有着密切联系[17]。正如受案法院在“大众点评诉百度地图抓取用户点评信息案”判决书中指出, “大众点评网的点评信息是汉涛公司的核心竞争资源之一, 百度地图大量使用大众点评网的点评信息, 替代大众点评网向网络用户提供信息, 会导致大众点评网的流量减少。虽然, 百度公司的搜索引擎抓取涉案信息并不违反Robots协议, 但是, 这并不意味着百度公司可以任意使用上述信息, 其完全可以凭借技术优势和市场地位, 以极低的成本攫取其他网站的成果, 达到排挤竞争对手的目的”。
该案所揭示的相关数据资源的稀缺性及其竞争价值, 在很大程度上锁定了该案的审判走向, 同时也为数据采集行为的正当性和合法性判断提供了一个视角。大众点评所属的汉涛公司为数据收集付出了巨大成本, 虽然搜索引擎抓取行为所依据的Robots协议已成为互联网行业普遍遵守的行业规则, 但是, 应合理地规制所抓取的信息的使用范围及方式, 不能以遵守Robots协议为由, 攫取竞争对手的数据利益, 否则, 这对数据的原始获取者以及行业竞争秩序将是重大打击。这更加从侧面反映出, 鉴于从数据到大数据形成的动态性和技术性特征, 市场监管者不仅需重视已经取得市场优势地位的经营者利用数据与算法优势, 进行限制、排除竞争的滥用行为, 同时还需警惕数据技术驱动型经营者对数据资源的不正当攫取。与之相似的数据资源争夺的案件在国外亦有出现。譬如, 在HiQ与LinkedIn数据争议案中, 法官针对LinkedIn禁止HiQ获取并使用其数据的行为颁布了临时禁令, 虽然这只是一个临时性的救济措施, 但不可否认当前数据作为一种稀缺资源在这个万物互联的场景下所发挥的基础性作用是不容忽视, 尤其是在数据的采集阶段, 拒绝分享和设置过高壁垒都会对数字经济的正常竞争秩序产生实质影响。
进一步论, 当数据市场的竞争逐步由相关市场上数据资源的争夺向不相关市场乃至未来市场上的数据争夺或者说数据封锁过渡, 竞争形式将由依靠单纯的技术爬取进行不正当竞争向依托数据资源提高进入壁垒, 消灭潜在竞争威胁转型。从数据到大数据的升级, 就如同设置了“雷达”, 对隐形竞争者实行定向拦截打击, 竞争行为所发生的领域已不限于现在所看得见的相关市场以及所辐射的关联市场, 更主要的是利用传导效应所波及的未来市场, 为跨界竞争设置了很高的隐形门槛, 使数据有效采集的成本越来越高, 甚至变为不可能。
3. 数据计算和服务行为引发的“算法黑箱”相关问题互联网交易平台数年来一直使用自动定价算法, 允许入驻商家通过动态定价来区分市场, 在旅游业、酒店预订、零售等行业广泛运用[18]。价格算法根据可用库存和预期需求来优化价格, 譬如在航空和零售领域, 机票的价格随着时间点与需求的变化而实时调整, 整个价格机制展现的是对市场需求调节的灵敏度与响应度, 然而, 这种机制极易引起的是一种“多米诺骨牌效应”, 一家公司的算法动态调整了价格, 整个行业相应地根据其发出的“信号”, 开启接力赛跑的涨价游戏, 最终经营者之间形成的是一种联合涨价的横向协议, 其欺诈的是善意的消费者。由此可见, 算法在带来市场配给优化的同时, 也可能带来一系列限制、排除竞争的危害, 复杂的算法如同“黑箱”, 其可能被用于优化行为广告、个性化促销或是有针对性地差别定价——算法歧视, 甚或算法共谋。由于无法知晓算法运用于决策的相关细节, 往往会导致算法歧视和算法共谋等问题的发生[19]。
数字经济场景下有针对性地差别定价, 作为一种典型的算法歧视与传统的价格歧视——通过评估交易数量给予不同折扣条件, 以此提升客户忠诚度, 直至实现市场封锁的竞争模式——不同。经营者通过数据采集和计算作出用户支付意愿的预判, 划分消费者类型, 根据不同用户的不同需求采取个性化定价。这种情形在数字经济下极为常见, 合理与违法之间的边界逐渐模糊, 竞争法是否需介入, 如何介入具有极大的不确定性。虽然, 我国《反垄断法》第十七条第六款明确规定了价格歧视的违法性, 但是在算法歧视的认定上仍有难度, 特别是近来有关“大数据杀熟”的事件, 各方态度并不一致。有网友发现大量互联网平台经营者利用现有的数据资源, 设计算法对老用户的价格实行差别对待, 以此获得更多的生产者剩余, 压榨消费者剩余, 所涉及领域包括旅游业、酒店预订、零售、体育及娱乐业等。然而, 对不同用户采取不同的价格方案究竟是正常的市场调节行为, 还是竞争法所禁止的不正当攫取消费者利益的违法行为, 算法所设置的合法与违法的界限应该怎么识别, 仍需进一步考察。但是, 此类算法黑箱游戏确实给市场交易带来了极大的不确定性, 它显著地提高了交易价格、增强了不合理交易条件的隐蔽性, 对整个市场竞争结构和竞争过程带来潜在的巨大风险。尤其是在算法共谋问题上, 算法黑箱游戏的危害逐渐显现。共谋是竞争法适用领域的典型问题。共谋从行为模式上分为横向和非横向, 也称为横向限制竞争协议和纵向限制竞争协议。共谋从意思表示的角度分为明示与默示, 明示共谋通常以文字、口头等积极的形式达成排除、限制竞争的一致意思, 而默示共谋通常以行为或以博弈论“聚点”的方式维持共谋的意思基础。算法则为经营者共谋提供了新的形式, 它既可以通过改变市场要素来促成共谋的达成, 也可以作为一种共谋的工具来成就相关协议的实施, 使得共谋趋于默示化和扁平化形态。总体看来, 算法共谋产生的问题大致分为两类, 其一, 算法只是作为相同问题的不同表达形式, 传统的理念和方法仍可无缝衔接; 其二, 算法通过机器深度学习的形式完全颠覆了现今的法律框架与逻辑基础, 对法律和伦理产生强烈的冲击[20]。
当前, 有关算法共谋的案例较少, 具有代表性案件是美国的Uber案, 属轴幅型算法共谋, 即算法提供了一个实现共谋的平台, 作为贯穿横向关系与纵向关系的连接点, 能动地协调处于各层级的竞争者, 促使相关共谋形成。单就该案看, 在共谋的动机与形式、相关市场界定等要件的认定上, 法院通过援引United States v. Apple, Inc案较多地支持了原告的主张, 承认横向共谋和纵向共谋的双重存在。然而, 后来该案转向仲裁, 关于具体事实的法律认定尚未得出明确结论。但是, 这至少表明了算法使得共谋的方式往隐蔽化、多样化、多层级的方向演变, 它超越了传统的以相关市场的横向和纵向关系划分的单一形式, 充分地调动了市场上各层级的竞争者, 使得共谋在原有的基础上不仅表现出新的特点, 同时被赋予了更深层次的内涵。
4. 数据应用行为引发的用户数据保护问题在数字经济的高速发展过程中, 用户作为各大平台保障流量与扩展竞争的基础, 对整个数字经济的发展起到至关重要的作用。依据我国《消费者权益保护法》第二十九条和《网络安全法》第四十、四十一、四十二条的规定收集用户信息必须征得用户同意, 然而, 现阶段每款APP和网站基于此条款, 都倾向用“选择—退出”的格式条款的形式, 为自家的平台构建起“天然的屏障”。换言之, 用户希望获得服务, 必须付出个人隐私数据的对价, 导致从数据采集阶段产生的问题, 延展到数据服务与数据应用阶段, 乏力的知情同意机制所带来的风险在数据逐渐转换成生产要素的过程中集中爆发。与此同时, 在数字经济下, 个人信息权利意识的觉醒使得用户对数据的安全性有了更高的期待。相关调查显示, 对经营者应用个人数据推出产品和服务, 66. 1%的受访者表示很介意, 15. 7%的受访者表示介意。同时很多消费者都希望有救济措施, 他们渴望知晓全部的数据应用过程, 然而, 面对强势的数据控制者, 大多数只能选择默默忍受[21]。脸书近期爆发的种种问题, 更加折射出数字经济下个人数据隐私的痛点。
经营者不仅在用户使用其相关产品或(和)服务过程中, 收集用户数据, 更体现为通过open API以及数据库交易共享的方式实现数据的扩张。数据所覆盖的广度和挖掘的深度在多种数据的交流与共享中不断增加。那么何为《消费者权益保护法》第二十九条规定的合理必要收集、使用用户信息的边界?换言之, 如何在保障用户获得更优的定制化服务的基础上, 确保对用户信息数据获取和使用的克制, 达到保护用户的数据隐私的目的, 这是数据驱动经营者不得不回应的问题。从2013年“3Q大战”(奇虎诉腾讯)起, 探索构建多元的消费者利益保护进路[22], 到2014年“3B大战”(百度诉奇虎)确立的“非公益必要不干预原则”, 至2016年欧盟出台被称做“数据保护宪章”的《通用数据保护条例》(General Data Protection Regulation, 简称GDPR), 于2018年5月25日在欧盟内正式实施, 无不凸显出消费者利益保护这一永恒话题在数字经济时代的重要性。对消费者权益保护的及时高效的回应是衡量现代化市场经济体系法治建设的一个基础指标。
综上, 随着用户数据的采集与使用在数据控制者和开发者间作为竞争要素之重要性的凸显, 作为消费者的用户利益的保护与市场激励创新和自由竞争之间的关系越来越复杂, 数据保护与数据共享交织在一起, 为当下市场监管的目标设定和方式选择提出了挑战。在实践中, 关于消费者隐私保护是否需要或者有效纳入竞争法制的保护之中, 理论上存在过多争议[23]。然而, 2019年2月6日, 德国联邦卡特尔局对脸书滥用市场力过度采集用户信息的行为作出了处罚, 并且首次由竞争执法机构与隐私保护机关共同展开调查, 可谓在实践中开启了适用竞争法对消费者隐私予以保护的先例[24]。面对目前存在的诸多问题, 如何在新时代我国综合性和全面性市场监管背景下, 科学实现竞争法与消费者法深层次的协同共进, 切实构建利于保障消费者公平交易权、自由选择权以及消费者隐私利益等的具体制度和实践方式, 赋予消费者除传统民事侵权救济外的其他法律途径是当前市场监管改革的新要求和新目标。
四、对与数据相关行为进行市场监管的基本思路现阶段, 我国对数字经济的市场监管, 总体上采取包容审慎的态度, 这也是我国以百度、阿里、腾讯、京东等为首的数字巨头和迅速成长的头条、美团、滴滴等数字独角兽, 以及整个数字经济市场得以高速增长的重要原因。各级市场监管部门尤其是中央监管机构采取了“简政放权+负面清单”的监管模式为新经济业态及从业者的发展构筑了宽松的法治环境[25]。简言之, 强调了“法无禁止皆可为”的市场监管理念和模式, 这在很大程度上激励了与数据相关行为的发生和创新。然而, 在历经了数字经济野蛮增长的上半场后, 社会各界都意识到对其进行及时必要和科学有效的法治化市场监管已迫在眉睫[26]。故此, 有必要结合数字经济发展的基本特征, 以及与数据相关行为可能引发的市场监管相关问题出发, 从理念革新到模式变革以及具体着力点设计等方面系统回应。
1. 革新现有市场监管理念和模式在数据采集层面, 新型的数据垄断问题给我国现行反垄断法体系提出了新挑战。数据采集行为从多个维度对理论和实务产生了深远影响, 传统的事中、事后监管很大程度上已不能有效适应当前数字经济发展的时代需求。如何审慎地引入事前监管, 平衡信息技术(IT)到数据技术(DT)发展中创新激励、自由公平竞争以及消费者权益维护三者间的关系, 成为当前和未来我国市场监管现代化改革亟待回应的问题。概言之, 我国市场监管现代化改革的关键在于数据安全合法的流通与分享, 打破数据垄断, 提升数据挖掘能力和创新效率。从欧盟、美国的经验看, 虽然已确立了相关立法, 譬如, 在美国由政府牵头, 建立数据一站式共享, 在欧盟正式实施了GDPR采取对个人数据的严格保护, 确立了被遗忘权、数据迁移权、数据安全权等, 但是在某些案件中数据保护法往往与竞争法存在很大程度的竞合, 如何在两者间选择适用, 是面对的一大难题。
处在数字经济高速发展的场景下, 市场监管者应减少不必要的干预, 提倡科技自治, 引入比例原则, 协调好科技监管与监管科技之间的关系。譬如, 区块链技术其中的数字货币形式的应用虽然出现了较多争议, 但是技术本身的出现顺应了打破数据垄断的时代期待, 以去中心化的数据架构, 实现数据的高速流转, 提高交易效率与透明度, 这无疑是值得肯定的。可以预见, 在区块链技术逐渐走向成熟的过程中, 其完全可以作为从数据底层解决垄断问题的一剂良药。再如, 在数据垄断领域, 部分学者打算引入欧盟和美国的必需设施理论引起了广泛争议。支持者认为这有助于打破数据垄断, 实现数据共享流通, 而反对者认为这将挫伤企业投资与创新的热情, 对该必需设施理论的适用——实现数据可迁移及数据共享之类的事前规制手段, 还应采取谨慎的态度, 在现实竞争与未来发展之间找到一个动态平衡点。由此, 引出了对激励经营者创新发展与合理规制之间的论证。概言之, 鼓励经营者有序发展, 在其发展的各阶段实行不同层次的有效监管, 建立一种智慧型市场监管系统, 最终在法治框架下, 建成一套与时代同步, 与改革同频, 与发展同调的现代化市场监管理念与模式。
2. 推动市场监管改革中法治监管与科技监管的融合随着数字经济的深度发展, 与数据相关行为所引起的市场监管问题, 不仅出现在数据采集阶段, 也在数据计算和服务层面引发了所谓的算法黑箱问题。市场监管者对算法黑箱这类基于数字技术特别是大数据技术的运用导致的监管难题, 一时间尚未找到行之有效的方法。然而, 从目前来看, 国际上关于对算法黑箱采取监管的方式与监管数据问题大体类似。其一, 监管算法的透明度, 施行强制公开算法与问责办法并重; 其二, 从算法本身设计着手, 切断算法之间的互动联系, 通过市场调研加强事前控制, 施行“早发现, 早解决”; 其三, 从事中事后监管的角度, 对共谋行为一旦发现施行严格管制, 对市场整体环境予以综合规管, 实行防治一体化系统工程[20]。
值得注意的是, 对算法黑箱采取事前监管的方式有过于偏激之虞, 监管者的权力之手延伸至市场制度运行各环节, 不利于构建和发展自由公平与激励创新的市场竞争生态系统。客观而言, 简单粗暴的市场监管方式已完全无法满足数字经济的多元化和多样化发展态势, 必须采取一种包容审慎的监管态度逐步渗入科技监管领域, 在法治框架下尽快建立科学监管、精准监管及长效监管机制, 在警惕监管者在风险面前不作为的同时, 杜绝其乱作为而滞碍数字经济作为一种新经济业态发展的良好局面。首先, 科技是作为解决此类问题的关键。数字经济下科技与法治的融合是解决此类市场监管问题的两个维度, 在高度重视法治监管的同时, 亦需要鼓励科技创新和科技监管, 以科技之手防治科技之滥用。其次, 从算法自身设计入手, 算法与内容完全可以实现统一, 实现经营者经济价值与社会价值的统一, 从优化目标函数上, 加入协同过滤算法, 利用大数据和人工智能的监督算法定向排除不正当竞争的目的算法[27]。再次, 算法的发展经历了一个反馈过程, 行业间形成了基本的算法准则, 对于合法的算法, 须建立起配套的保护措施, 以防止被不正当的算法所窃取, 对具有排除、限制竞争目的的算法形式要建立有效的问责机制。最后, 运用大数据和人工智能的技术探索建立算法公开的合理阈值, 对算法分层分类, 使监管体系逐步走向层次化、系统化及智能化。同时转变市场监管的整体思路和方式, 提升监管队伍的科技含量和法治水平, 更好地助力数字经济的健康发展。
3. 市场监管改革以消费者保护为着力点从2013年的“3Q大战”, 到近三年的“新浪诉脉脉”“大众点评诉百度”“顺丰与菜鸟纠纷”等争议的爆发, 更加凸显了数字经济时代市场监管的困惑甚至是无力, 尤其是在数据的共享与消费者数据隐私保护间存在的两难, 更显现了对消费者数据权益保护的缺位。故此, 新一轮市场监管改革应积极回应数据开放与消费者保护之间的关系, 从理论上协同好数据的竞争价值的实现与消费者权益的优先价值之间的关系, 从实践上建议以消费者保护为着力点, 构建和实施市场监管的法治化和科技化改革机制, 以包容审慎的监管态度对待数字经济的长期健康发展。
首先, 对消费者公平交易权和自由选择权的内涵进行符合数字经济时代的诠释。究其原因, 主要有以下几点。①数字经济下的消费需求已从传统的大众化向定制化发展, 消费者作为市场经济链条的末端前移至前端, 从被动消费走向主动消费, 从生产到消费的单向度, 发展为生产与消费的双向互动。在这种模式下, 经营者基于数据的采集、计算及应用所做的“消费者画像”与精准推送是消费者选择商品的基础。如何在推送过程中, 保障整个过程的公平性与消费者的自由选择度, 而不是以诱导广告的形式刺激消费者在某个特定品牌的产品进行消费, 并对其他品牌产生排他性的效应, 则是市场监管者亟需重点关注的问题, 这不仅仅是对消费者公平交易和自由选择的维护, 亦是对其他经营者正当利益的保障, 更是对整个市场秩序的匡正和维持。②经营者获取数据是建立在消费者授权的基础上, 然而在目前经营者只需获得消费者一次同意, 即可永久使用其数据隐私的环境下, 显然不能满足消费者对加强数据隐私保护的合理诉愿。数据的价值及其使用过程中存在的风险决定了经营者必须给予消费者数据隐私以全周期的保护, 否则重复、叠加、过度的数据利用将损害消费者权益, 对消费者福利造成实质损害。③由于数字锁定效应的存在, 消费者高昂的转换成本和忽略不计的转换收益, 抑制了消费者转向其他即使拥有更具创新内容和更优服务的选择可能。鉴于此, 为了克服数字经济发展中不可避免出现的上述问题, 必须尽快重定数字经济下消费者权的基本内涵和外延, 及时回应数字经济市场竞争对市场监管带来的挑战。
其次, 在数字经济纵深发展的过程中应对消费者安全权的内容作出扩张解释。我国《消费者权益保护法》第二章“消费者的权利”第七条所规定的第一项权利即为“消费者安全权”。对所有消费者而言, 在购买和使用商品或(和)接受服务并提供对价后, 经营者就被赋予了保护消费者人身、财产安全的义务。在数字经济时代, 非价格维度作为互联网双边市场乃至多边市场上的主要竞争面, 在消费者给付个人隐私数据的对价后, 理应获得人身、财产安全不受损害的保障。虽然, 现阶段对数据人格权、财产权的理论探讨和制度构建在不同国家和地区呈现出不同的情况, 基于数据的消费者基本权利的研究有待进一步深入和完善[28], 但是至少表明, 消费者隐私数据随着数字经济的发展其权利属性的凸显和强化将会是时代发展的趋势。换言之, 无论从以上哪种权利维度去构建数字经济下的消费者新型权益内涵, 对消费者隐私安全的保护都应作出符合数字时代特征的扩张解释。以此为着力点探索市场监管体制和方法的改革, 以强化对数字时代消费者权的保护为牵引, 规范数字经济市场竞争行为, 平衡创新激励与自由公平竞争之间的关系。
五、结语信息技术和数字技术的融合发展, 为数字经济的高速增长提供了技术保障和无限动能。我国已高速迈入了数字经济时代的大门, 正成为全球主要的数字经济发展区域, 具有了很强的国际竞争力。当前数字经济已成为全球经济发展的新动能, 其不仅给数据资源的高效整合和大数据算法人工智能的飞速发展带来了无限可能, 更对未来市场竞争的格局带来一系列强烈冲击, 譬如, 以中美为主要竞争对手的全球5G争夺战, 即是全球数字经济发展进程中的关键一战。与此同时, 数字经济的高速发展会对现有的传统市场经营行为、商业模式及竞争秩序带来颠覆性的影响, 会引发人类社会步入一个新的奇点时代[29]。
透过对数字经济时代市场竞争的闭环式生态系统下与数据相关行为的整体性和系统性的解读, 发现从数据到大数据对市场竞争产生了颠覆性影响, 与之同行的是各类与数据相关行为的发生和发展对市场监管提出了新挑战, 核心在于基于数据的多维属性和多层级运行而发生的数据的竞争性和商业性, 数据的开放性与共享性, 以及作为消费者的用户的数据隐私权益等三者之间的平衡与选择难题。故此, 从市场监管法治化的维度, 从与数据相关行为的不同内容和形式出发, 聚焦数字经济发展对当前市场监管改革的挑战, 认为科技本身理应作为解决此类问题的第一要义, 从监管科技到科技监管, 推动法治监管与科技监管的融合, 逐步由事中事后监管延伸至审慎的科技型事前预防, 使市场监管体系朝着法治化和科技化融合的方向改革, 探索多主体、多维度、多方式相结合的合作监管模式, 突出消费者保护在数字经济时代市场监管改革中的基础价值, 提倡创新发展、有序竞争、消费者保护三者间的动态平衡。
[1] | 赵纪萍. 人工智能时代的新世界[N]. 社会科学报, 2019-01-03(7). |
[2] | 陈兵. 大数据的竞争法属性及规制意义[J]. 法学, 2018(8): 107–123. |
[3] | 宋林霖, 许飞. 论大市场监管体制改革的纵深路径——基于纵向政府职责系统嵌套理论分析框架[J]. 南开学报(哲学社会科学版), 2018(6): 11–21. |
[4] | 胡虎. 数字经济改变中国[EB/OL]. [2019-01-15]. https://www.sohu.com/a/214600288_589051. |
[5] | 赵蓉英, 魏绪秋. 聚识成智:大数据环境下的知识管理框架模型[J]. 情报理论与实践, 2017(9): 20–23. |
[6] | 罗军舟, 金嘉晖, 宋爱波, 等. 云计算:体系架构与关键技术[J]. 通信学报, 2011(7): 3–21. DOI: 10.3969/j.issn.1000-436X.2011.07.002 |
[7] | 袁勇, 王飞跃. 区块链技术发展现状与展望[J]. 自动化学报, 2016(4): 481–494. |
[8] | 胡勤. 人工智能概述[J]. 电脑知识与技术, 2010(13): 3507–3509. DOI: 10.3969/j.issn.1009-3044.2010.13.086 |
[9] | 党家玉. 人工智能的伦理与法律风险问题研究[J]. 信息安全研究, 2017(12): 1080–1090. DOI: 10.3969/j.issn.2096-1057.2017.12.005 |
[10] | 李安. 人工智能时代数据竞争行为的法律边界[J]. 科技与法律, 2019(1): 61–70. |
[11] | 阿里巴巴数据技术及产品部. 大数据之路——阿里巴巴大数据实践[M]. 北京: 电子工业出版社, 2017: 116-118. |
[12] | 周林彬, 马恩斯. 大数据确权的法律经济学分析[J]. 东北师大学报(哲学社会科学版), 2018(2): 30–37. |
[13] | 孔维卓. 德国向Facebook叫板: 滥用市场主导地位获取用户数据[EB/OL]. [2018-02-08]. http://finance.ifeng.com/a/20171220/15879269_0.shtml. |
[14] | 沈彬. 阿里收购饿了么: 新零售这次真的来了[EB/OL]. [2018-04-07]. http://www.thepaper.cn/newsDetail_forward_2055875. |
[15] | Boutin X, Clemens G. Defining "Big Data" in Antitrust[J]. Competition Policy International: Antitrust Chronicle, 2017, 1(2): 22–28. |
[16] | 维克托·迈尔-舍恩伯格, 肯尼思. 库克耶. 大数据时代: 生活、工作与思维的大变革[M]. 周涛, 译. 杭州: 浙江人民出版社, 2013. |
[17] | 田小军. AI时代的数据之争与公共领域界定[EB/OL]. [2018-03-20]. http://www.ftchinese.com/story/001075507?full=y&from=timeline&isappinstalled=0&archive=. |
[18] | Stucke M E, Ezrachi A. Artificial Intelligence & Collusion: When Computers Inhibit Competition[J]. University of Illinois Law Review, 2017(5): 1775–1810. |
[19] | 韩伟. 算法合谋反垄断初探——OECD《算法与合谋》报告介评(上)[J]. 竞争政策研究, 2017(5): 112–121. |
[20] | 韩伟. 算法合谋反垄断初探——OECD《算法与合谋》报告介评(下)[J]. 竞争政策研究, 2017(6): 68–77. |
[21] | 王忠, 赵惠. 大数据时代个人数据的隐私顾虑研究——基于调研数据的分析[J]. 情报理论与实践, 2014(11): 26–29. |
[22] | 陈兵. 反垄断法实施与消费者保护的协同发展[J]. 法学, 2013(9): 82–91. |
[23] | 韩伟, 李正. 反垄断法框架下的数据隐私保护[J]. 中国物价, 2017(7): 34–37. |
[24] | Stauber P. Facebook's Abuse Investigation in Germany and Some Thoughts on Cooperation Between Antitrust and Data Protection Authorities[J]. Competition Policy International Antitrust Chronicle, 2019, 2(2): 2–9. |
[25] | 陈兵. 简政放权下政府管制改革的法治进路——以实行负面清单模式为突破口[J]. 法学, 2016(2): 28–41. DOI: 10.3969/j.issn.1672-1195.2016.02.006 |
[26] | 陈兵. 助力共享经济发展的法治之维[J]. 学术论坛, 2017(5): 9–13. DOI: 10.3969/j.issn.1004-4434.2017.05.002 |
[27] | 丁晓蔚, 王雪莹, 胡菡菡. 论"信息茧房"矫治——兼及大数据人工智能2.0和"探索-开发"模式[J]. 中国地质大学学报(社会科学版), 2018, 18(1): 164–171. |
[28] | 龙卫球. 数据新型财产权构建及其体系研究[J]. 政法论坛, 2017(4): 63–77. DOI: 10.3969/j.issn.1000-0208.2017.04.006 |
[29] | 杨虎涛. 人工智能、奇点时代与中国机遇[J]. 财经问题研究, 2018(12): 12–20. |