平台数据垄断的监管限度
来源 | 国家检察官学院学报
作者 | 苏宇 中国人民公安大学法学院副教授、博士生导师
编辑 | Moker
平台和数据正在塑造当今世界的社会生活。在当代，数据是举足轻重的新型生产要素，平台则是万众瞩目的经济组织形式。近年来，平台数据垄断的问题已引起社会各界的高度关注。《2020年中央经济工作会议公报》提出：“要完善平台企业垄断认定、数据收集使用管理、消费者权益保护等方面的法律规范。要加强规制，提升监管能力，坚决反对垄断和不正当竞争行为。”尽管相关文句并未明确采取“数据垄断”之表述，但已经清晰表明了监管政策的主要方向。几乎与此同时，时任中国人民银行党委书记、中国银保监会主席郭树清已在正式场合使用“数据垄断”一词，指出“大型科技公司往往利用数据垄断优势，阻碍公平竞争，获取超额收益……可能需要更多关注大公司是否妨碍新机构进入，是否以非正常的方式收集数据，是否拒绝开放应当公开的信息，是否存在误导用户和消费者的行为，等等。”2022年3月《中共中央、国务院关于加快建设全国统一大市场的意见》在“（二十二）着力强化反垄断”部分中明确要求“完善垄断行为认定法律规则，健全经营者集中分类分级反垄断审查制度。破除平台企业数据垄断等问题，防止利用数据、算法、技术手段等方式排除、限制竞争。”这就使得平台数据垄断监管问题成为当前建设全国统一大市场、完善数字经济秩序的关键。2022年6月修订的《反垄断法》第9条更是首次从法律层面明确规定：“经营者不得利用数据和算法、技术、资本优势以及平台规则等从事本法禁止的垄断行为。”由此，对平台数据垄断的监管即将在《反垄断法》修订的推动下全面展开。
尽管学界对平台数据垄断问题已有一定程度的研讨，平台数据垄断监管仍然非常需要理论支持。学界已经注意到一个重要的现象：尽管学界对平台数据垄断监管的必要性整体上采取肯定的立场，但数据垄断（包括对数据的垄断和基于数据的垄断）相关理论与立法的发展目前仍面临许多质疑和阻碍，强调数据经济是我国经济弯道超车目标实现的重要历史契机，因此应避免过多干预的声音不在少数。在一种监管活动尚未正式展开之时就担心监管过度，似乎并无必要；然而，由于平台企业已经全面深度介入社会生活，监管一旦启动，就必然产生广泛而深远的社会影响，因此作未雨绸缪式的研讨亦有不可忽视的积极意义。问题是，如何从理论上刻画监管的边界？在什么问题上的何种监管属于“过多干预”？如何协调及平衡发展数字经济与反垄断的需要？一系列深刻的理论问题亟待回答。
一、平台数据垄断监管的必要性
平台数据垄断的根源在于平台企业收集到远超普通经营者的大量数据，依这些数据开展业务并取得了市场力量上的特殊优势。不过，此种特殊优势并不必然就是“垄断”。对于“数据垄断”这一命题是否成立或“数据垄断”是否存在，学界仍有较大争议，甚至有不少学者对“数据垄断”这一概念提出明确的质疑，主要的质疑点在于数据本身具有非排他性而无法被其他主体独占、数据本身是否足以构成排斥竞争的优势市场力量、脱离平台经济架构而单独认识数据容易产生理解偏差等。理论上，数据规模并不必然导致形成市场支配力量，需要结合数据价值、种类和有效性等多个维度考察企业基于数据优势所产生的市场力量。然而，平台利用大量集中的数据获取市场优势地位又确实是可以被观察到的现象，尤其是企业通过向用户提供免费基础服务，将用户个人数据视为关键输入变量，实时追踪用户喜好和日常生活，及时调整和优化服务，为商家依据用户消费画像投放在线定向广告提供基础，实现数字产业化，这已构成诸多互联网超级平台的主要盈利模式和竞争优势。
平台数据垄断的本质在于此种特殊的市场优势地位带来了反垄断法制所关注的负面影响，即与充分竞争的理想状况假设相比，此种市场优势地位对市场及社会产生了不符合法律目标的负面影响。自既有研究观之，“数字垄断”（digital monopoly）“数据垄断”（data monopoly/data monopolization）乃至“大数据垄断”（big data monopolization）的用法兼而有之，甚至出现一篇论文中同时杂用三种概念者。无论研究者使用何种概念或命题，其背后的关注点大同小异，基本上聚焦以下三个争论不休的问题：获取和维持大规模的数据资源是否会使得某些大型企业确立更加优势的垄断地位、排斥竞争对手进入市场（市场力量/竞争限制问题）；一定范围内的数据是否构成必要设施，而需要对其他企业开放（必要设施问题）；是否会让企业没有约束地收集与使用用户数据（用户权益侵害问题）。其中，第一个问题最为直接地决定了“平台数据垄断”这一命题是否能够成立。对此，多数专家认同平台企业有机会利用数据优势排斥竞争，甚至有观点认为“超级平台数据垄断比传统垄断更为危险”，因为“超级平台滥用数据优势获取市场洞察力，维持并扩大市场力量，排除限制竞争，对公平的市场竞争环境造成了结构性破坏”，并且还遏制了市场创新的动力，更对数字经济的信任基础造成威胁。在此种意义上，平台数据垄断监管更主要地并非针对数据集中本身，而是针对所谓“基于数据的垄断”，即利用持有数据资源的优势实施破坏市场公平竞争环境等行为的现象。不少研究指出，数据的集中会引发隐私风险增加、用户丧失选择、阻碍创新、加剧歧视等问题，尽管不少论述值得商榷，但仍然反映出数据的集中并非全无风险。一系列可能存在的负面影响使市场背离正常的竞争秩序，威胁到竞争相关的消费者利益及社会公共利益，而普通市场主体面对平台乃至所谓“超级平台”这一庞然大物又无法抗衡，这意味着市场无力纠正公平竞争环境的结构性变化，因而就显然需要借助国家的反垄断监管进行合理干预。
平台数据垄断监管的此种必要性可以从我国反垄断法制中获得更为坚实的法理支持。我国《反垄断法》并非单一目标立法，而是明确兼顾经济效率目标与非经济效率目标，这使得反垄断法具有更好的回应性以及更大的体系弹性，来处理经济力量集中所带来的各种复杂问题。我国《反垄断法》第1条规定了国内反垄断监管的价值目标，较为直接的目标是“为了预防和制止垄断行为”，而更具基础性的目标则包括“保护市场公平竞争”“鼓励创新”“提高经济运行效率”“维护消费者利益和社会公共利益”，在更宏观、更深远的意义上则是要“促进社会主义市场经济健康发展”。一旦平台借助与数据密切相关的市场优势地位影响到前述目标的实现，反垄断监管即具备法理上的必要性和正当性。现实中，平台通过线上线下要素和资源的汇集创建生态系统，对海量数据进行收集、整理、分析和反馈循环，对同行业与跨行业联合或集中，在横向与纵向市场实施排他性行为，并且通过移动端与网络端使用户和平台产生强连接，实现对市场的实质性控制。这一过程的关键在于信息匹配效率改变竞争结构并最终转化为竞争优势：伴随数据规模的扩大和质量的提升，平台的需求分析及随之进行的匹配精准度亦大概率提高，从而在供需两侧产生更强的粘性。此种“数据粘性”一旦形成，在资本和技术的加持下，必然对传统意义上的公平竞争产生实质性冲击，平台与消费者之间的力量对比也显然更加强弱悬殊，而市场又难以自发消解和对抗此种变化。因而，对平台数据垄断进行有力的政府监管，诚可谓理所必然。
然而，平台数据垄断的监管亦充满不同于传统反垄断监管的复杂性，需要有一定的限度或边界。就数据垄断主题所聚焦的三个共同关注问题而言，每一个问题上不同观点的对峙与争锋，以及相关制度实践推进的谨慎与凝重，都表明对数据垄断的监管尚远未形成精确的理论和制度共识，更未出现成熟的监管路径。在此种条件下，无限度地推进数据垄断监管至少是缺乏可行性的。在更深刻的层面上，有关竞争与垄断的经济学研究也表明数据垄断监管需要有一定的边界与限度。从市场结构理论发展的历史脉络可以看出，学界对竞争与垄断关系的认识在逐渐转变：由最初亚当· 斯密鼓励竞争，并将垄断与竞争完全对立，到张伯伦、琼· 罗宾逊认为垄断和竞争可以共存，再到鲍莫尔提出的寡头垄断或垄断同样可以具有高效率，在对理想市场结构认识的过程中，对竞争的推崇程度逐渐降低，对垄断的接受程度逐渐提高。此种基础理论方面的认知转变使“对互联网行业市场结构特征问题的研究上，垄断不再被视为洪水猛兽”，因为互联网经济在一定条件下的边际收益递增、快速创新基础上的激烈竞争、新技术的开发成本需求等特征都有可能减轻垄断的负面作用。数据垄断问题部分地沿袭了互联网平台垄断的特性，相关利害得失十分复杂，因此对数据垄断的监管也需要因时制宜、因事制宜。数据垄断监管的合理限度潜藏于数据垄断的特殊性之中，为进一步明确数据垄断相对于传统垄断的特殊性，有必要基于不同价值目标的维度对这一问题作深入剖析。
二、平台数据垄断监管的特殊性
尽管平台数据垄断有显著的监管必要性，对数据垄断的监管也不同于传统垄断形式的监管。我国反垄断法制所设定的价值目标，除宏观上总揽全局的“促进社会主义市场经济健康发展”外，可以归结为三种主要目标：一是经济性目标，包括“保护市场公平竞争”“鼓励创新”和“提高经济运行效率”，三者之间存在密切的内在联系，但又不完全一致；二是个体层面的非经济性目标，即维护消费者合法权益；三是集体层面的非经济性目标，即维护社会公共利益。反垄断监管的前述三种主要价值目标都存在一定的特殊性，对于反垄断监管的应然限度均有实质性的影响。对这三方面特殊性的深入剖析，实际上也是对前述三个共同关注问题的回应。
（一）经济性目标方面的特殊性：竞争、创新与效率
数据垄断在经济目标方面的特殊性主要体现在存在明显的规模效应，使竞争与效率的目标出现矛盾。通常情况下，充分竞争有助于提升经济效率，然而，在数字经济中，竞争与效率之间的关系有时是非常复杂的。一方面，竞争可能导致重复投入的合规和业务成本。如果每一个竞争者都独立完成整套数据合规的要求，重复投入的网络安全、数据安全、个人信息保护以及其他业务合规成本将相当显著地影响经济效率。以其中网络安全方面的成本为例，目前市面上提供满足网络安全等级保护要求的服务报价不菲，仅安卓应用加固方面就需要考虑DEX安全保护、资源文件加密、防调试、运行环境检测、风险感知、恶意软件对抗等服务成本，如进一步考虑个人信息保护、数据分类分级保护、数据安全风险监测处理等方面的要求，成本显然更为高昂。同时，企业还需要重复收集数据、重复开发和维护业务系统等，也会产生类似的额外成本。另一方面，数据规模增长所带来的效益极为可观。首先，“大数据是运行算法社会的燃料”，大数据对于算法的训练与调试有着不可替代的作用，“没有数据的算法是空的，没有算法的数据是盲目的”，没有足够体量的训练数据支撑机器学习过程，许多算法系统几乎完全无法发挥应有的作用。其次，由于平台业务需要一定的数据和商家规模以支撑多元化需求的精准匹配，如果市场充分竞争但竞争者的数据规模均相当有限，就难以达成大型平台可以完成的优化水准和需求匹配精确度，从而降低经济和社会效益。再次，数据规模的扩大可以带来“滚雪球”效应：获取更多数据可能会支持更好的服务，从而吸引更多的客户以及更多的数据，从而使企业的发展和产品与服务的供给获得更多的正向支持。此外，大型平台之所以能够扩张至传统常规企业难以企及的规模，还有平台经营成本可以相对少受规模扩张的原因在起作用。平台经营成本主要由建设、技术维护和宣传推广成本构成，三个方面的边际成本在后期都可以降到非常低的水平，使互联网平台在扩大市场规模时无需担心传统企业出现的反向规模效应。大数据较强的正向规模效应和较弱的反向规模效应不仅共同导致了高额的垄断收益，也使得互联网平台一定条件下可以在垄断状态中获得较之传统垄断状态更高的效率。
即便反垄断法制在竞争与效率的这种反常矛盾之间更加倾向保护竞争，数据垄断也更容易通过公平竞争审查，因为缺乏新的分析工具判断数据集中所带来的反竞争效应。此前脸书（Facebook）斥巨资收购瓦次普（WhatsApp）一案之所以顺利通过欧盟审查，其中一个重要原因是在收集和使用数据时，脸书（Facebook）这一平台并没有做任何为传统分析定性为“反竞争”之事；因其主要遭受质疑的业务是免费提供给用户的，并且收集的数据也不对外出售，反竞争分析中的市场力量和价值认定即难以适用。类似地，脸书（Facebook）收购照片墙（Instagram）在美国通过审查，也是因为传统反垄断法制中的实证分析工具无法有效衡量用户数据和网络的跨业务合并将对竞争格局产生什么样的影响。尽管这些收购的顺利通过在当时和日后遭遇各种质疑，其后脸书（Facebook）最终也还是被美国监管机构就此两起收购提起反垄断诉讼，折射出数据垄断在妨碍竞争方面比传统垄断更为复杂和特殊，甚至尚未形成非常精准和成熟的反竞争分析方案，尤其是目前国外反垄断分析中的量化指标并不适宜于评估长期的非价格效应。
数据垄断在经济目标方面的特殊性，还体现在一定条件下反而可能会产生鼓励创新的效果。数据种类的增加和数据规模的扩大使平台有机会开发更丰富的产品和服务，实际上也产生了大量新产品、新服务、新业态，甚至可以说平台大数据恰恰是当代数字经济的重要创新来源。首先，在激烈的竞争中，收集数据及研发数据相关产品和服务的高昂成本催生了较大的企业规模，但同时也使企业能够承担更多的风险性研发开支，从而产生激励创新和促进经济增长的效应。其次，基于日益发达的数据分析技术，汇集了较大规模数据的平台企业能够机敏地发现和捕捉新的商机，从而创造前所未有的业务形态，如网络约车、共享单车、点评优惠、开源深度学习、灵活付费直播等，近年来平台数字经济方面的创新可谓目不暇接。再次，平台数据垄断往往不是处于完全垄断状态，而是处于垄断竞争状态，“垄断竞争”不等于“不完全竞争”，因为“每个垄断者都面对着替代品的竞争”，甚至可能是非常激烈的竞争，这就使得平台仍然有创新的动力。因此，至少在平台数据垄断到达完全垄断状态之前，垄断者如能受到有效的制度约束，还有可能反过来产生鼓励创新的效果。
不过，数据垄断在提高效率方面的特殊优势也可能反过来对市场竞争造成进一步的阻碍，进而影响反垄断监管“红线”的设置。数字经济领域屡现“超级平台”，重要原因之一就是更高的垄断收益可以吸引更大规模的前期投资，在某一新兴业务上迅速形成大资金、强团队之间的对抗，从一开始就将中小规模的潜在竞争者排除在外。当然，平台数据垄断也存在有利于竞争的特殊因素，如平台企业尽管可以在较短时间内积聚大量数据，但其竞争对手同样可以实现此种操作，因此平台也可能在短时间内被其他企业所超越，人人网和我的空间（MySpace）等曾经盛极一时的社交平台就是典型例子。用户数据可以被竞争对手重复收集利用，竞争对手也可以从其他来源获得类似范围和数量的类似数据，这一理由早在2007年就被美国监管机构用于论证谷歌（Google）收购双击公司（DoubleClick）并不损害竞争。然而，整体上，平台企业之间的争锋与兴替早已远远超出了普通中小型企业所能进行的常规竞争，普通中小型企业在传统竞争中所赖以存身的地域特性及个人信赖等因素完全无法对抗平台企业。数字经济的“滚雪球”效应使得大数据驱动的竞争必然走向大体量的对抗，这是不可回避的经济规律。因此，平台数据垄断监管需要更多地考虑保护公平竞争的因素，但出发点不一定是竞争会导致更高的整体效率，而是公平竞争本身就是现代市场经济所追求的一种基础性价值；立足点也不一定要使平台竞争回归中小企业之间的传统竞争模式，而是要建立有利于平台正常优胜劣汰的竞争环境。
（二）非经济性目标的特殊性之一：维护消费者利益方面的特殊性
数据垄断在消费者利益方面的特殊性包括两个子方面：一是能被消费者剩余理论所刻画的特殊性；二是不能被消费者剩余理论所刻画的特殊性。二者需要分别讨论。
消费者剩余方面的特殊性主要体现在消费者剩余的假定有可能发生根本性变化。经济学很少使用“消费者利益”的概念，而是使用“消费者福利”（consumer welfare）一词。在福利经济学中，消费者福利的量化则体现为“消费者剩余”（consumer surplus），后者成为反垄断法分析中的重要问题，也是判断垄断行为是否需要被禁止的客观标准。“消费者剩余”取决于消费者消费一定数量的某种商品愿意支付的最高价格与这些商品的实际市场价格之间的差额。处于垄断地位的企业作为谋求垄断利润的组织倾向于保持较低产量和较高价格，使消费者剩余减少并造成社会性损失，这种福利损失也称“无谓损失”（其中也包括部分生产者剩余的损失）；垄断在造成无谓损失之余，还会使消费者剩余向生产者剩余转移，同时对效率和公平价值造成冲击。在经济学针对消费者剩余问题的瓦尔拉斯分析中，无谓损失呈现为直角坐标系中的一个特定区域，其关键顶点由需求曲线D（即充分竞争状态下的平均收益曲线AR）、平均（总）成本曲线AC、边际收益曲线MR、边际成本曲线MC等确定。无谓损失区域存在的其中一个典型假定前提MC和AC都是U型曲线，理论上MC的二阶导数为正且大于AC的二阶导数，即增加一种产品或服务供给的边际成本和平均成本都先随供给数量的增加而减速下降，随后再加速上升，但边际成本的变化快于平均成本，形成MC和AC两条不同的成本曲线。在增供的边际成本已超过边际收益、但平均收益尚能覆盖平均成本时，充分竞争中的企业仍然会为保住总体盈利的结果而增加供给，从而创造出消费者剩余。在垄断条件下，需求曲线D与边际收益曲线MR重合，只要提供产品的边际成本小于边际收益，供给方就可以停止供给，保护已取得的超额利润，同时造成消费者剩余和生产者剩余的损失。在简化的模型中，只用线段形态的需求曲线、边际成本曲线与边际收益也可以刻画消费者剩余，而其基本原理可谓异曲同工。
然而，在平台数据垄断状态下，各种曲线的位置都可能被改变，从而导致某些条件下出现新的最优解。如前所述，数据相关产品或服务增供的边际成本可以被降到非常低的水平，并且由于规模效应的存在，增供的边际收益可以在非常广的区间内覆盖边际成本，甚至使曲线向L型转变，这就使得垄断状态下的市场出清点远离充分竞争状态的市场出清点，其供给规模也可以远超充分竞争状态下的供给规模。这就发生了一种奇妙的变化：尽管垄断者在一定条件下可以降低长期边际成本、提升对社会的总供给水平（实际上也是提升了消费者的总体福利），但却同时也使消费者剩余区域整体向右下扩展。不宁唯是，基于数据分析的精准需求匹配可以衍生出一系列个性化服务，产生预测和刺激消费意愿的效果，也有可能使需求曲线整体右移，从而进一步扩大消费者剩余区域。这一结果有可能同时意味着社会总产出的增加和社会分配上的无效率，因而有观点主张，可以通过承认一定期间内垄断性收益的方式激励有意义的创新，而基于消费者福利的反垄断法制适用之必要性有增无减，因为消费者剩余增大的同时，消费者一方的无谓损失也在增加，这意味着生产者从整体的效率增长中获得了更多的收益；只要反垄断法制仍然以保护消费者剩余为目标，就仍然需要对此种状况作出实质性回应。易言之，社会总产出的提高不会减损消费者福利的保护需求，因为后者事关分配正义，但是可以参考专利制度的方案，给有效降低供给成本、扩展供给规模和提升服务质量的垄断者以一定的收益“窗口期”。在这一窗口期内，平台可以通过不断降低成本、增加商品和服务的供给以及提升消费者的总体福利而持续获得生产者剩余，直至将生产者剩余适度转变为消费者剩余成为长期内维护消费者利益的最优解为止，如此可以平衡兼顾社会经济发展与消费者利益保护的需要。
不能被消费者剩余所刻画的特殊性主要是隐私保护问题，即数据的集中可能使得数据中隐含的某些关键属性暴露，威胁消费者的隐私。数据聚合与分析能拼合有关个体的数据，形成更丰富的个体画像，即便没有直接破解隐私信息，也会增加相关信息被推断的概率。然而，此种隐私泄露风险实际上在数据汇集的情况下更容易得到治理，因为只有具备足够专业水准的团队、技术水平及资金支持的平台企业才能建立完整的数据合规体系，有效综合运用各种反制违规数据推理的措施，例如保存审计轨迹、阻塞推理通道、审查分析计划、扫描分析结果以及应用安全分析工具等以确保数据推理方面的安全。此方面的数据安全理论研究、工具开发与合规体系均已有相当丰厚的基础，近30年来，数据推理安全研究已经从统计数据库推理控制扩展到数据仓库推理控制，细化了推理控制的粒度，强化了推理控制的动态性。随着数据开发利用的规模越来越庞大，只有在强有力的管理制度和技术措施支持下，才可能有效地防范基于数据推理破解私密信息的风险，否则可能连基础性的防护（例如网络安全等级保护）都处于缺失状态。然而，数据治理的成本相当高昂，中小企业在数据合规体系方面的缺失很可能导致更高的隐私泄露风险。对此，必须明确一个重要前提：数据的集中可能需要多方面的法律规制，但不一定需要运用反垄断的监管手段；易言之，反垄断法制不一定适宜于解决此类消费者利益保护问题。对于商业行为导致的数据集中，应当综合运用多方面的法律机制，强化数据安全监管，同时应用诸如数据流测绘（data flow maps）等技术手段跟踪数据全生命周期及监测不同阶段的数据安全风险，而不必借助反垄断的手段切割数据、破坏大数据价值。
此外，不能被消费者剩余所刻画的特殊性还体现在平台与消费者的特殊关系中。平台用户不仅是被动的消费者，还是主动的信息和数据生产者。消费者的行为轨迹数据和意见反馈数据等“用户生成内容”（UGC）或“用户生成数据”（UGD）是数字经济发展的重要推动力。在知乎、哔哩哔哩等一些内容类平台可以更明显地发现，许多消费者也是高价值平台数据的积极生产者，并且数据生产的体量和激励在一定范围内依赖于平台规模所带来的用户活跃度与影响力；而在天猫、京东、美团等平台，用户所生产的评论、问答等也使其他用户受益，这是传统垄断形态所不存在的消费者利益。平台数据的反垄断监管也需要考虑消费者与平台的此种特殊关系，尽可能避免单纯认定数据垄断对消费者利益的负面影响。当然，平台数据生产者的利益也需要获得反垄断法制的保护，但垄断状态究竟对平台数据生产造成何种影响尚未有定论，这是一个更为深远和复杂的未竟议题。
（三）非经济性目标的特殊性之二：维护社会公共利益方面的特殊性
数据垄断在维护社会公共利益方面的特殊性主要体现在数据的公共意义及其利用方式。如果平台所占有的数据联结着特殊的公共利益，如可以作为刑事诉讼证据、提供国家安全信息、助力疫情防控等，有关部门严格依照法律规定的职权和程序调取即可，维护这方面的社会公共利益并不涉及反垄断制度。涉及反垄断制度的主要问题是平台掌握的数据资源能不能被其他市场主体或社会主体有效利用的问题。作为生产要素和基础性资源，数据以其可复用性能够被各种不同的主体反复利用，从而蕴含着可观的公共利益。数据价值的发掘有赖于数量上的规模（volume）、类型上的多样（variety）和流通上的高速（velocity）等因素，数据碎片化分布在信息空间、物理世界和人类社会三元结构中，需要充分发掘和利用海量、异构、多维数据之间的关联，并在此基础上实现数据的交织性（hybrid）和超维性（hyper），才能充分实现数据的社会经济效益。因此，数据只有按照一定的结构大量汇集才能发挥其巨大价值，而汇集后的数据往往可以发挥多种功能，例如路况数据既可以为驾驶员选择路线和估计时间提供便利，也可以为公共部门加强市政道路规划提供指引。平台数据中汇聚了规模庞大的与公民权利、国家安全、社会发展密切相关的基础性数据，涉及广泛的公共利益，具有公共物品的属性。因此，数据如果长期被单一控制者固定占有和利用，甚至从公共资源转变为“私人控制的围墙花园”，将不利于充分发挥数据的社会经济价值。
对此，呼吁开放或分享平台数据的主张不时可见，其中一种呼声较高的主张是对平台数据适用必要设施原则（或称“必需设施原则”）。如果不适用必要设施原则以促使平台开放基础性数据，将会产生严重抑制创新的后果，因为数据占有者可能缺乏动机、视野和技能去以新的方式开发利用数据，有抱负和能力的改进者又无法从平台获得这些数据。鉴于“目前垄断企业对大数据的排他性控制已导致数据瓶颈现象的出现”，“应将必要设施原则适用于对大数据享有控制权的企业”。更有观点主张，“必要设施原则开放生产要素的本质与数据共享机理高度一致”，“随着数据生产要素的重要性日益凸显，必要设施原则将重新登上历史舞台”。我国2010年《工商行政管理机关禁止滥用市场支配地位行为的规定》和2015年《关于禁止滥用知识产权排除、限制竞争行为的规定》确认了必需设施制度，但这一制度尚未进入《反垄断法》，也还没有针对平台数据运用。在欧洲，法国已通过《数字共和国法》明确平台作为基础设施的法律地位，要求平台承担中立性责任，此种制度立场已引起各方高度关注。平台中立具体体现为收集、处理和检索信息的透明性和公平性、表达形式和共享内容的非歧视性、信息生产手段的非垄断性、获取平台的社会经济信息方面的非歧视性等等，因为平台往往控制着互联网的核心要素（如流量），为防止互联网走向封闭，法律可以要求平台承担类似公共承运人的责任。在全球范围内，平台中立原则尚有一定争议，如果将平台所掌握的数据也单独拆分出来作为必要设施，此方面的反垄断监管将对整个数字经济生态产生根本性的深远影响。
无疑，平台数据在信息社会中发挥着重要的基础性作用，然而，平台数据的复用价值和公共利益属性毕竟不同于政务数据或公共数据，不能直接将平台数据等同于典型的公共物品。平台经营者投入相当成本收集和处理数据，也理当获得与投入成本相称的主要收益。如果以完整的、最佳状态的数据资源提供外界复用，就会形成类似于“智猪博弈”的局面，将很可能触发“搭便车”式的不正当竞争，继而影响到数字经济的可持续发展。数据要素具有“高沉没成本投入、低边际成本消耗”的特点，如果过度要求具备平台企业公开数据要素，可能导致企业缺乏动力经营数据初级市场、投入高昂的成本搭建数据采集处理平台，严重影响企业创新发展的积极性，甚至可能激励恶意竞争。平台中立义务也不能直接推导出数据中立义务。本质上，平台中立义务可被视作网络中立义务在平台经济领域的延伸，由于互联网时代的大型网络平台具备了与网络服务提供商相仿的公共承运人地位，因此需要恪守中立性原则。然而，真正具备基础设施价值的原生数据天然地对所有市场主体开放，竞争对手同样可以自行收集和处理，并不像网络或平台那样构成初始利用渠道上的垄断；平台所掌握的数据大部分是用户在平台内的身份数据、行为数据及其衍生加工数据，许多数据只服务于非常有限的业务类型和应用场景，此种数据的拥有者与公共承运人的角色相去甚远。因此，对平台数据“一刀切”式地适用必要设施原则并不合适，可以基于平台数据社会价值评估等机制有选择地将部分基础性数据纳入必要设施范围，但其余平台数据仍应由平台自行处置。
因此，尽管一定范围内要求或鼓励平台分享数据可能符合社会公共利益，反垄断法制也需要通过一定的限制策略使平台分享数据不至于损害原生数据开发利用的可持续进行。由于数据质量对自动化系统尤其是人工智能算法模型有非常大的影响，关键数据的缺失或错误将可能导致严重后果，数据复用不能使用掺假、伪造或缺漏的数据，只能降低数据的实时性或控制分享范围以避免影响到数据处理的公平竞争环境和平台经济的发展动力，这就需要在维护社会公共利益和保护平台数据处理活动的合理收益之间进行精巧的平衡。其中，控制数据分享的时间差是一个能够非常灵活而精细地平衡两方面利益的思路，因为数据虽可复用，但其价值却随时间流逝而递减：实时数据比两三日前的数据有用，两三日前的数据又远比两三年前的数据有用。允许平台暂时独占数据，但根据不同场景下的数据价值变化曲线，要求、引导或鼓励平台在一段时间后分享或开放对社会有公共物品意义的部分数据资源，应当成为维护数据相关公共利益的主要思路。
综上所述，平台数据垄断在竞争与效率、消费者利益、社会公共利益三方面均存在不同于传统垄断的特殊性，这些特殊性可以表述为平台数据垄断监管的三种特殊限制因素，构成此方面反垄断监管的应然限度：第一种因素涉及数据的集中度及数据体量，在不损害其他重要法益的前提下，应当容许平台基于公平竞争汇聚一定体量的数据以提供更好的服务、获得更高的效率，甚至更好地鼓励创新，可以被称为“数据规模利益”；第二种因素涉及发展与分配之间的关系、涉及分配正义的实现策略，应当允许平台在一定时间内获取合理的生产者剩余以换取更大的社会总产出，优化消费者可以获得的供给规模、价格及质量，可以被称为“供给优化窗口”；第三种因素涉及数据复用的多元效益和公共利益，应当有限制地推动数据的分享和复用，通过对平台独占数据时限及范围的动态调节，寻求平台分享数据的最优空间，合理平衡平台数据处理者的合理回报及正当竞争利益与数据复用的社会经济效益及公共利益，可以被称为“合理分享空间”。基于上述三种特殊限制因素，平台数据垄断监管在反垄断监管的基本边界之外应当存在一定的特殊限度。这些限度的存在并不意味着不需要加强此领域的反垄断监管，而是呼吁平台数据垄断监管尽可能尊重数字经济的发展规律，推动平台数据垄断监管更好地促进社会主义市场经济健康发展。
三、平台数据垄断监管三种特殊限度的制度化展开
现代法治社会的任何行政活动都必然有一定的限度，反垄断监管亦不例外。平台数据垄断监管的限度主要来自于反垄断监管本身的法律和政策边界。反垄断法制中所规定的职权职责范围、调查措施类型、法律责任种类与幅度等构成了反垄断监管的基本限度，监管政策的具体要求则对反垄断监管的具体限度进行动态调整，平台数据垄断监管在这些方面与其他领域的反垄断监管并无二致，无须赘述。在此基础上，前述三种特殊限制因素理论上决定着平台数据垄断监管的特殊限度，需要及时深化理论认识、明确监管界限，力求将未来数字经济领域的反垄断监管控制在合理边界之内。
（一）数据规模利益
数据规模利益针对的是数据集中的状态，要求反垄断法制对数据集中的监管保持合理限度。平台积累数据的途径主要是自行收集，辅之以数据交易、合作协议、企业并购等方式完成数据汇集。前者的情形较为简单，平台自行收集数据本身并不违反《反垄断法》的要求，只要平台不限制用户向其竞争者提供数据即可。后者则可能触发垄断协议或经营者集中，尤其是通过并购形成企业集群并在集群内部跨企业调用数据的情况，从而在一定条件下需要接受反垄断监管。
单纯的数据汇集本身不受当前反垄断法制的限制，数据规模利益也为此方面的宽容提供了进一步的基础。对于与垄断行为相伴随的数据汇集而言，无论是垄断协议还是经营者集中，《反垄断法》都设置了一定的例外情形和裁量余地，并不要求绝对化、无限度的监管，这为数据规模利益的考量提供了重要的规范依据。在垄断协议方面，《反垄断法》第17、18条规定的垄断协议一般情况下不会覆盖常规的数据交易，即便是合作协议中包含了垄断协议性质的条款，也可以仅针对其中的垄断协议条款作处理。至于带有较强数据集中后果的数据交易是否可能触发第18条中“（三）国务院反垄断执法机构认定的其他垄断协议”的情形，目前尚无此种情况，即便未来有，由于数据规模利益的客观存在，此方面的监管天然地有一定限度，一般也可以根据具体原因通过第20条对垄断协议规定的例外情形中的（一）（二）（三）项分别适用例外条款。在经营者集中方面，现有的限制性规定并不直接针对数据的集中，即便在相关企业并购活动中审查者可能考虑数据汇集“对消费者和其他有关经营者的影响”“对市场进入的影响”“对国民经济发展的影响”等因素，基于数据规模利益，如果经营者能够分享数据或利用汇集的数据产生正的外部性，经营者也可以利用第34条证明汇集数据利大于弊，从而避免数据汇集增强监管机构限制经营者集中的倾向性。
质言之，除非企业在数据汇集方面的优势地位包含行政权力滥用的因素，否则并不构成需要监管的垄断行为，这是因为数据收集与数据交易一般是面向某一领域的经营者同等开放的，如果仅基于自行收集数据及合法的数据交易就取得了明显的市场优势地位，这既是公平竞争的结果亦无损于后续的优胜劣汰进程。因此，对数据集中的反垄断监管应当限于是否滥用行政权力或滥用某些企业已有的市场支配地位达成数据集中的结果。当然，对于借助汇集后的数据实施的垄断行为，应当正常开展监管。例如，为了防止超级平台利用数据优势进行歧视性行为或妨碍公平竞争，要求超级平台承担禁止“歧视性行为”和“自我优待”的义务几乎成为世界各国或地区共同的选择，数据规模效益不应成为损害公平竞争和破坏正常市场秩序的理由，因此不需要在此方面对反垄断监管额外设限。
（二）供给优化窗口
供给优化窗口针对的是平台从数据中获取的、本可以属于消费者剩余的超额利润，关键问题是反垄断监管是否需要为控制此种超额利润设置某种特殊限度。平台汇集和利用数据发展各项业务的最终目标是为了获取超额利润，在此过程中，滥用市场支配地位是平台最容易触及的“数据垄断”问题。只要平台没有利用数据实施《反垄断法》第22条中明确规定的滥用市场支配地位的行为，即便利用汇集的数据获得了可观的利润，也不应当触发反垄断监管。平台利用数据从事滥用市场支配地位的行为可能涉及《反垄断法》第22条所规定的7种情形，除去兜底性的“国务院反垄断执法机构认定的其他滥用市场支配地位的行为”外，其余六种情形都以一个不确定法律概念为前提判断，防止无限度、无条件的反垄断监管。是否“不公平”是第一种情形的前提判断，而是否存在“正当理由”是其余五种情形的前提判断。对相关垄断行为的监管限度实际上就隐藏在作为不确定法律概念的“公平”和“正当理由”之中。这两个概念背后所隐藏的变化都较为复杂，需要分别阐释。
“不公平的高价”和“不公平的低价”均使用“公平”之概念，但“公平”的内涵却有截然不同的基础。“不公平的低价”一般发生在平台尚未确立自身（以及共谋方）的市场支配地位之前，根据2021年《国务院反垄断委员会关于平台经济领域的反垄断指南》（下称《反垄断指南》）第12条，低价方面的“不公平”主要指的是明显低于“在相同或者相似市场条件下同种商品或者可比较商品的价格”。出现此种低价的情况下，平台的供给曲线并非边际成本曲线而是趋向于平均（总）成本曲线，甚至从右侧越过平均（总）成本曲线，如此一来无谓损失区域就在这一阶段消失了，此时只需要考虑影响公平竞争的因素，无法提前计算和确定未来的消费者损失以作为反垄断执法的证据。“不公平的高价”则一般发生在平台已确立难以动摇的市场支配地位之后，与“不公平的低价”类似，衡量是否公平的参照系是公平竞争状态下的正常价格水平。因为高价并不直接侵害公平竞争的法益（出现不公平高价的原因往往是其他因素已侵害公平竞争法益所致），出现此种高价时，主要需要保护的法益是消费者剩余。供给优化窗口这一限制因素针对的是消费者利益保护，因此平台不能以此针对不公平低价乃至掠夺性定价辩护，除非确实能证明其有效降低了供给成本且价格已落在成本线之上的合理区间。供给优化窗口也不能用来为“不公平的高价”辩护。因为出现此种高价时，供给曲线的位置整体向上移动，消费者没有其他利益填补价格上升的损失，亦即已经没有合适的理由为剥夺消费者剩余辩护。不过，考虑高价是否公平时，应当考虑平均成本而不是边际成本，为生产商品和提供服务所作的前期相关投入也应被考虑在内，单纯基于边际成本定价控制的方式会影响企业的市场进入动机并产生效率方面的不良影响；但如果制度上考虑的是价格相对于成本的变化，则以边际成本为宜，因为平均成本已被接受为变化前的正常价格了。《反垄断指南》中判断是否构成不公平高价的标准之一“销售商品提价幅度是否明显高于成本增长幅度”，即是从提价相对于边际成本增长的角度出发，此种限度的设定就是适宜的。
“正当理由”主要包括提高效率、增进公平和促进竞争上的正当性三个方面的理由，这也可以被称为效率抗辩、公平抗辩及竞争抗辩。效率抗辩包括新产品和新服务的促销、市场萧条时期的促销、推动技术革新、反制掠夺性定价、依法降价处理特定商品等，公平抗辩包括稳定产供销渠道、减少“搭便车”行为、保障消费者福利等，竞争抗辩则主要是宣称相关行为是出于正常竞争的需要。在上述三种抗辩范围内，供给优化窗口这一因素显然主要指向效率抗辩，而且主要指向的是垄断状态和充分竞争状态下市场均衡点之间的供给数量差值。消费者福利损失的本质，就是从充分竞争状态转向垄断状态后，供给者在边际成本等于边际收益的点上即停止供给。这个数量差的形成，既可以体现为明确的拒绝交易行为，也可以体现为收缩供给产品线或服务线、限制供给数量的行为，后者尽管未为《反垄断法》明文规定，但却明确见诸《反垄断指南》。《反垄断指南》第14条第1款对“拒绝交易”的解释包括了“实质性削减与交易相对人的现有交易数量”“在平台规则、算法、技术、流量分配等方面设置不合理的限制和障碍，使交易相对人难以开展交易”等复杂情形。由于明确的拒绝交易行为很可能涉及歧视等负面社会因素，容易引发社会矛盾，借助供给优化窗口为由进行抗辩是不适宜的。然而，对于收缩供给产品线或服务线、限制供给数量等不直接针对特定消费者或消费者群体的行为，只要平台没有采取妨碍公平竞争的行为，尤其是阻止竞争者进入相关市场，所提供的又非普惠性质或生活必需的公共服务，在平台尚能不断改进服务、提升社会供给效率之前，应当给予一定的缓冲空间。对此，《反垄断指南》第14条第3款中有若干对“正当理由”的解释，其中“（三）与交易相对人交易将使平台经济领域经营者利益发生不当减损”及“（五）能够证明行为具有正当性的其他理由”均可用于支持继续优化供给的需要，即允许平台暂时不在边际成本超过边际收益的范围内提供产品或服务以保证其继续投入资源，优化供给产品或服务的数量、质量和成本。在平台的供给数量、质量和价格水平已经基本定型后，应根据新的经营状况调整对“正当理由”的解释，否定拒绝交易的合理性，未来甚至还可以进一步要求产品和服务必须覆盖一定范围、确保产品和服务供给的稳定性和连续性等，从而维护消费者利益、填补消费者剩余。
总而言之，当前反垄断法制的规定在此方面已经基本体现了合理的监管限度，但相关规则仍须进一步建立和细化。未来最主要需要引入的特殊监管规则应当是限制或禁止平台企业放弃“长尾市场”和“长尾用户”，必须保障产品和服务供给的覆盖范围及连续性，保障的程度以有效弥补消费者剩余的损失为限。然而，基于保留供给优化窗口的考虑，制度上还应当对此种监管设置干预时机限制，避免在平台汇集和利用数据开发及优化业务的初期即进行干预，尽可能取得社会总产出和消费者利益保护之间的最优平衡。
（三）合理分享空间
合理分享空间针对的是平台数据背后潜藏的社会经济价值和公共利益，关键是平台所汇集的数据以何种方式向社会提供乃至开放利用，充分发掘大数据的价值。针对平台数据是否需要确立和适用必要设施原则，以及此方面的反垄断干预应当设置何种限度，将是未来数字经济领域反垄断监管的重要问题。这一问题极具前瞻性，当前反垄断法制尚未对此作出规定，但不代表未来不需要应对这一挑战。
如果将平台数据作为必要设施，不仅需要在反垄断执法中慎用必要设施原则，更需要在制度上对这一原则在反垄断监管中的运用设置严格的限度。鉴于数据是否能被作为必要设施看待尚存不小争议，证明数据符合必要设施标准的难度很大（尤其是满足其中的“不可复制性”要求），而且平台数据的构成和围绕数据的利益关系非常复杂，短时间内针对平台数据适用必要设施原则尚难言可行性，未来适用这一原则也需要把握一定限度：一方面，要充分发挥数据的社会经济价值，就应当尽可能允许和支持多元数据处理者共用、复用数据，针对数据的收集和利用建立确保公平竞争的机制，避免单一平台长期排他性地掌控大量价值丰厚的数据资源；另一方面，又需要注意控制数据复用的安全性和时效性，在反垄断监管中划出合理、精准的动态独占范围，避免社会和市场主体在充分挖掘数据价值的过程中过度损害数据处理者的正当竞争利益和合理收益。即便不在《反垄断法》中确立必要设施原则或不将数据认定为必要设施，也可以在不影响数据安全及个人信息保护的前提下，通过其他方式鼓励和引导平台企业向社会开放一定范围内的非实时数据，或促使企业以合理的价格开展数据交易，尽可能使其他市场主体和社会主体有机会利用平台数据的潜在价值。需要注意的是，一旦平台企业基于必要设施原则承担了分享基础性数据的义务，反垄断法制就应当尽可能保证此种数据分享的连续性与稳定性，避免平台企业在其精心选择的节点利用拒绝交易策略打击合理“搭便车”的其他企业。
无论采取何种方案，平台数据分享与开放方面的反垄断监管应当是有明确限度的。例如，假定法律要求平台开放作为必要设施的数据，理论上，如果数据交易市场中相关数据存在比较明确的参考价格，则开放数据的时间限制可以借助市场价格随时间下降的比例确定，要求平台分享数据的时间点应该设置在相关数据的价格下降一定比例（例如收集和处理数据的成本与交易价格之比）以后，使通过“空手套白狼”获取平台数据而赢得对平台竞争的博弈策略不存在，从而确保平台数据的分享不损害竞争上的公平性和企业经营数据资源的动力。
总之，在反垄断监管一般限度的基础上，数据规模利益、供给优化窗口和合理分享空间决定了平台数据垄断监管的特殊限度。平台数据垄断监管不宜单纯针对数据的集中进行，也不应直接要求平台企业对其他市场主体及社会主体无偿分享实时数据。在既有反垄断法制的基础上，未来反垄断法制可以要求平台确保供给的稳定性、连续性和覆盖范围，也可以要求平台分享作为必要设施的数据，但都需要明确的边界，关键是需要精准把握平台优化供给的时间窗口和消费者剩余的体量，以及数据价值递减效应对公平竞争的影响。
结 语
平台数据垄断是当前数字经济领域日益无可回避的问题，平台数据垄断监管既属势在必行，又须慎之又慎。与传统垄断形态相比，平台数据垄断伴随着显著的数据规模效益、供给效率增长及一定程度的产品、服务与业态创新动能，因而对监管限度提出了新的要求。数据资源的持续汇集与聚合是数字时代不可避免的趋势。我们所追求的并非防范数据集中本身，而是防范平台利用数据集中之力量对竞争秩序、消费者利益和社会公共利益造成各种未被其正面效益所覆盖的不利影响。这一目标本质上决定了平台数据垄断的监督限度。
无论采取何种监管路径，平台数据垄断监管都需要注意到数据规模在算法社会中有着不可替代的重要性。大数据带来了难以估量的社会经济价值，不仅包含了社会生产效率的提升，也不仅仅是带来了精准匹配需求的消费者福利，更在深远的意义上变革了市场活动乃至社会生活的形态。任何法律机制恐怕都难以一蹴而就地精准把握数据集中的种种积极作用与负面效果之间的复杂平衡，只能在合理的监管限度内不断尝试，逐步修正理论假定和认知框架，致力于逐步达成最优制度方案。
（封面来源 | 知产力）
