算法的陷阱：超级平台、算法垄断与场景欺骗

后再融入电子眼场景的市场特性，并对这种变化加以说明。

假设市场中有两家企业——USA公司与CAN公司，各家公司只在本国市场（美国与加拿大）展开经营活动。如果USA公司选择跨出国界，将经营触角伸及对手的领地，那么CAN公司肯定会采取反击，在前者的领地内倾销自己的产品。这样一来，事情往往会陷入一种僵持的状态每个企业都选择“按兵不动，并期待对手也如此”。 ⁶ 这种剑拔弩张的态势最终会令企业懂得，任何市场扩张行为所带来的回报都会被竞争对手的反击所吞没。

这种明争暗斗的关系难免会给彼此带来错误的认知，因为“任何‘误解’都有可能引发一轮轮针锋相对的市场竞争”。 ⁷ 假设这样一种情况，如果市场中有个爱耍无赖的经销商将USA公司的产品运往加拿大销售，而USA公司却对此一无所知。愤怒之余的CAN公司不甘示弱地侵入美国市场，而此举同样也引发了USA公司的回击。面对此景，消费者无疑是最大的受益者。事实上，即便USA公司一早就发现了经销商的小伎俩，可是出于彼此的不信任情绪，它也无法及时将这个消息告知CAN公司。

于是，正如两位博弈论专家所言，“当市场竞争对手之间普遍存在着误解和不信任情绪时，从长远来看，他们一半时间是在合作，另一半时间则是在背叛承诺”。⁸ 对于消费者而言，我们则会在企业的争斗期内获益。

现在，让我们将电子眼的运用融入其中。在最初，考虑到企业之间误解的客观存在，软件开发工程师可能会遵循针锋相对的策略编写算法程序。但在模型搭建的过程中，工程师仍可以对算法赋予不同等级的容忍度阈值（比如，如果每个月内竞争对手的100辆运货卡车中有5辆卡车跨过了国界，则认定为对手已发起竞争）。而当算法摆脱了“冤冤相报”的定价策略的束缚时，具备自学习能力的算法会在不断演进的竞争策略中实现利润最大化的目的。

有了“上帝视角”，CAN公司的计算机可以实时侦察到经销商暗地里开展的跨国销售行为。对于此举，CAN公司的算法模型兴许还会发现这样一种规律：每当发现搭载着自己产品的经销商货车跨过了国境，USA公司就会立即切断对该经销商的货物供给。以此为警告，其他经销商也不敢再跨国销售USA公司的产品。于是，美、加两国的垄断价格得以稳定。面对USA公司的及时回应，CAN公司的自学习算法可能会选择放弃开展报复性举措。这样一来，双方有效地规避了一场害人害己的价格战。

博弈论中有一条通则：“当一方越了解对手，或者说可以更好地掌握对方的战略性行为 ⁹ 时，他才可能找到展开合作的最优解。” ¹⁰ 在电子眼场景中，企业可以在持续监测竞争对手市场行为的过程中，谋求开展合作的契机。举例来看，算法可以通过实质上的客户资源分割达到稳定市场份额的作用。自学习算法可以通过数据甄别出竞争对手的核心客户，并有效限制自己对这类客户群体发出促销信息。这种“竞争的自我克制”可以在无形中有效化解价格战的危机。

人工智能对阵人类智能

从实践来看，电子眼场景不仅可以辅助并稳固企业之间有意识的平行行为，还可以拓宽后者的应用领域——在有更多市场竞争对手参与的情境下，默许共谋仍能够成立。

人类在进行价格操纵时，彼此需要积累相当程度的互信。¹¹ 当市场中存在同业协会或者领军企业时，卡特尔组织往往可以网罗更多的企业参与。¹² 但是如果没有领军企业，不论是默许共谋还是明示共谋，参与其中的企业数量都将大为减少。那么，原因何在？在传统的共谋场景中，默许共谋的成立需要一个高度集中的市场环境（如同质产品市

更多电子书请搜索「慧眼看」www.huiyankan.com 微信：huiyankan

场）。美国反垄断监管当局曾表态，“企业是否选择参与市场协作还有赖于自身对外界价格变化或其他竞争性举措的预测能力与自身实力”。¹³ 监督两家竞争对手企业的战略性行为总比监督20家企业要轻松得多。同理，同等力度的惩罚措施带给3家企业的杀伤力也远大于20家企业各自分担5%的罚金。

那么换成是计算机在操纵价格呢？当然计算机之间可不存在互信之说。即便如此，有了自学习算法与“上帝视角”，它也能为默许共谋开疆辟土。开发人员会在编程过程中有意弱化人类惯有的偏见思维，比如损失厌恶、沉没成本谬误与框架效应。摆脱了这些不稳定的因素，计算机算法巩固了默许共谋成立的基石。依靠审慎分析而非直觉，算法可以在谋求利润最大化的过程中找到最优解题。¹⁴

与人类不同，计算机在默许共谋开展的过程中既无惧经济处罚或牢狱之灾，也不会在冲动与愤怒中胡乱行事。它会妥善地估量合作带来的回报，也会对竞争对手的背叛网开一面。特别是在估算回报时，计算机的效率与准确性令人刮目相看。

在电子眼场景中，计算机可以追踪到无数竞争对手的市场行为，并及时发现价格背叛者。如果计算机通过自学习后都不约而同地围绕一个主导战略，那么每家小型企业都可以做到监测并领会竞争对手正在使用的算法。这样一来，市场中的算法将一同对价格背叛者施加惩处，这完全可以被看成是垄断企业对其他弱势企业的强势打压。总的来看，当算法的普及已拓展至全行业时，我们将会见证容纳了更多市场参与者的暗地串通行为。但在之前，这些市场也许远非默许共谋的沃土。

空空如也的执法工具箱

电子眼场景不仅给市场竞争秩序带来了更大的破坏力，同时也给执法机构出了一道难题。此时，市场环境已与前两类垄断场景——信使场景与中心辐射式共谋场景——有了本质不同。电子眼场景甚至远远超越了预测型代理人场景的层面。虽然这其中不存在明示共谋，人们却明确知道一点：如果市场经营者各自采用追逐利润最大化的定价算法，那么默许共谋的确立将是这种策略很有可能导致的后果。所幸，即便预测型代理人场景已为执法者制造了不小的挑战，反垄断诉讼的原告仍可以在掌握被告确凿的犯罪意图证据后，有望赢得官司。然而在电子眼场景中，事态又一次发生了转变。面对算法的默许共谋策略，人类再度拉远了与其的距离。他们甚至不知道算法会在何时发起默许共谋，而这又将持续多久。没有任何证据可以显示人类存在价格操纵的意图，我们也无法假定是人类有意培植了默许共谋的市场环境。

区别于前三类共谋场景，电子眼场景中实现的共谋（无论明示或者默许）并非人类的初衷。回到计算机算法被编写出来的科研工作室，软件开发工程师并没有下达明确的指令用于激发共谋。但在拥有“上帝视角”的市场环境中，当市场参与者都抱有利润最大化的目标时，具备自学习能力的算法在工作中学会了共谋。当移动通信、物联网与线上市场交易的数据源源不断地向算法输送能量时，与其说默许共谋是人类的想法，倒不如说是自学习算法搭建起了默许共谋的施展平台。基于从市场中持续得到的反馈，计算机算法可以做到独立确定优化利润的方式。对于计算机算法而言，这种方式指的就是不断强化市场透明度，进而维系市场参与者的有意识平行行为。

现在，让我们来考虑一下电子眼场景中的法律责任问题。如果没有证据证明企业之间签订了垄断协议或者存在反竞争意图，那么在司法层面，企业会为自学习算法酿成的共谋“背锅”吗？诚然，是人类创造了算法，他们依赖算法为自己提供经营决策、做大利润，他们也知道默许共谋是算法可能带来的众多后果之一。但即便如此，人类依旧无法预测定价算法在市场中的普及在何时将引发默许共谋与产品溢价，而这又会持续多久，造成多大影响。

更多电子书请搜索「慧眼看」www.huiyankan.com 微信：huiyankan

没有了市场竞争对手之间的垄断协议与协作行动是计算机算法的“功劳”，令企业的战略不确定性下降，并逐步形成了一套公认的销售预测策略。但是对于反垄断诉讼的原告而言，可不是一件好事。垄断协议与反竞争意图的缺失给原告的举证带来了极大的困难——电子眼场景中的默许共谋不过是计算机算法在面对市场动态变化时自发做出的理性反应。此前，在预测型代理人场景中，我们在检视市场参与者是否有意打造了这种相互依存的市场环境。如果参照《联邦贸易委员会法》的第5条条款，在缺乏共谋协议证据的情况下，直接损害消费者利益的“不正当行为”即可被视为违法。

但在电子眼场景中，执法者无法再依赖对犯罪意图的认定来惩处违法者。事实上，他们的执法工具箱里已经没有了弹药。更加矛盾的是，相比动荡的市场环境（价格忽涨忽跌），有些市场监管者也许还会对这种由算法普及带来的稳定市场环境表示欢迎。

有趣的是，如果算法的开发人员能够预示到这种市场境况，他们可能还会倾向于打造相似的算法。这种看似无害的决定实则给市场带来了重大影响。因为相似的算法可以更好地“理解”对方，并会共同努力稳固合谋的结果。

此时，消费者受到的利益侵害是不言而喻的，而我们也将见证一个全新的现实：一个无人可察、无人可怨的反竞争结果。说到底，任何利益的侵害都只是机器崛起后的副作用。

干预的尺度何在

来看另一种情况，如果在算法模型被搭建之初就将遵循反垄断法的任务植入其中，是否就可以避免电子眼场景下的默许共谋了呢？从技术的角度来看，这并不容易。对于算法来讲，禁止价格操纵的指令或许易于操作，但在算法的强化学习过程中，它可能会从无数个协调互动的方法中，找到一条法律认可范围内的共谋路径。¹⁵ 或者说，法律可以要求算法编写人员对算法下达指示，命令其不要对市场变化做出回应吗？如果是这样，那这不反倒成了一个降低市场效率的方法了吗？

如果说有意识的平行行为尚属合法，那么问题的关键将落脚于—在这种可预测的数字化市场环境中，智能机器执行的这些市场活动是否合法？作为社会中的一员，当由技术进步带来的市场变化促使财富从消费者向商家发生转移时，但凡市场效率有所提升、社会总体福利有所增长，我们是否就可默许这种财富转移？

这些问题直触反垄断法的核心与监管目标，而不同的司法管辖区对这些问题又有自己的判断准绳。技术进步之于市场竞争，是鼓励还是限制？这其中的分水岭又在何处？各方说法不一，这也取决于不同司法管辖区对于反垄断目标的不同排序。¹⁶

与之相关的另一个议题是：构成实质性禁令的依据何在——是行政监管还是司法监管？在一些地方的司法管辖区内，宽泛的反不正当竞争限令将易于界定企业商业活动的合法性。此外，对于犯罪意图的认定，不同司法管辖区也有各自的标准，这也直接影响了监管机构在电子眼场景中将如何作为。

本章回顾

对于一部分读者来讲，电子眼场景下的共谋也许显得有些无法自圆其说。毕竟，所有我们在前文中提到的风险因素都有可能起到鼓励竞争的作用：市场透明度的提升可以降低消费者的搜寻成本；调价频率的加快意味着市场价格可以快速走低（在供给匮乏时也可能迅速抬高，从而促进资源的有效分配）；利用计算机算法优化利润的方式也为经营者揭示了一些后者未曾预见到的利润增长途径。

更多电子书请搜索「慧眼看」www.huiyankan.com 微信：huiyankan

当然，我们从未对这些改进竞争秩序的可能视而不见。在一些市场中，新的市场参与者的出现、消费者购物习惯的转变、破坏性技术的横空出世、默许共谋中的反叛分子都有可能干扰到共谋场景的稳定性。另外，我们也无意给算法盖棺论定，为它安上一个骂名，指责其就是企业开展有意识平行行为的元凶。

相反，我们意在说明，前沿科技、新的市场动态与定价算法并不必然昭示着共谋的终结，它们还有可能带来一个崭新且更具生命力的共谋形式。场景分析表明，在特定的市场条件下，企业的定价算法会自发形成一个利润最大化（以更高的定价攫取消费者的财富）的策略，从而实现有意识的平行行为。对于执法者而言，他们有必要充分意识到这些情境的潜在危害。

也许，我们在万千卖家与产品条目中的确看到了激烈的市场竞争，但默许共谋却隐藏在了人们无法察觉的角落。的确，企业会在一段时期开展竞争，并因此而引发你来我往的报复性降价销售。但在这背后，竞争秩序却已被密集的市场数据收集与监测行为所削弱。精妙的计算机算法甚至可以做到令同一市场中的数家企业和平共处，免于竞争。从表面上看，稳定的市场均衡状态确是一种市场充分竞争的表现，但实则是一种隐性的客户资源分配——每个算法都已锁定了特定的客户群体。

面对前文所述的这些法律挑战与道德谜团，有人可能会站出来强烈反对针对算法的行政干预。但如果不对这些新生的市场业态加以干涉，自由市场的可靠屏障可能就会显现裂痕。但是可以预期，算法一定蓬勃发展，由算法萌发的默许共谋也将得到强化。以追逐利润最大化为原动力（说得直白些就是贪婪），企业利用算法成功实现了财富由消费者到商家的转移。更进一步说，这也拉大了巨富阶层与中低收入者的贫富差距。在我们走向财阀统治之前，请容我们在本书的第五部分里重新审视社会对这种市场动态的容忍。

第三部分行为歧视

在第二部分中，我们已经介绍了定价算法培植明示或默许共谋的四种场景。在本部分的章节中，我们将讲述另一个有关“损害”的理论—单个企业通过使用数据驱动的算法，从而更好地实现锁定客户、开展个性化营销与定价的目的。

区别于此前的共谋场景，市场环境再次发生了变化。在共谋场景中，定价算法提高了企业经营者在销量数据上的透明性，这也促使各家企业开展协作化的定价行为。但在下面的章节中，我们将看到，针对个性化的产品和服务，企业正在有意限制价格的透明度。在此，我们不能再看到一个统一的市场溢价。相反，为了实现利润最大化，每家企业会针对不同的客户设定不同的报价。你所看到的价目表，反映出了企业对你愿意为这件商品支付多少金钱做出的估算。

近年来，线上环境正在向个性化发展。你在网页上看到的广告可能会与你的伴侣、孩子、父母或者邻居看到的有所不同。事实上，我们恐怕无法估量，这些广告（或者说内容）在多大程度上反映出了我们的搜索记录、购买历史或是近来收发的邮件和信息。《华尔街日报》（WallStreet Journal ）曾报道，“独立、公正的互联网环境正在让位于一个越发定制化的线上世界。不少网站的运营者正在使用这样一种信息收集技术，它可以做到实时监测访客访问该网站时的情况，并以此为依据向后者推送不同版本的网页页面。普通的互联网用户无法察觉到网站在产品定价、种类与广告文案上的区别”。¹

更多电子书请搜索「慧眼看」www.huiyankan.com 微信：huiyankan

这种个性化的趋势是我们正在探讨的问题的核心。企业正在追踪并收集有关“你”的个人信息数据，它们打造出了一个资料库，里面装满了有关消费者的个人档案。根据这些信息，它们将在网页中为你呈现契合你个人喜好的广告，以此来诱导你消费。

那么下一个问题就是，这种个性化、差异化的线上环境是如何影响了市场竞争与民众日常生活。行为定向广告、个性化产品推送以及差别化定价的确有效降低了搜寻成本，并且节省了我们的采购时间与精力。定向广告与促销令我们可以迅速捕捉到市场中的机会，并且极大地促进了社会消费总量的增长。然而，这种歧视性行为也会降低消费者的福利。所谓的个性化服务并不止步于为我们提供促销信息，它还会影响到企业的定价决策，这也就是我们常说的“定价优化”或“动态化差别定价”。于是，易于冲动消费的人们会为自己更加频繁的消费支付更高的价格。

在第9章中，我们将对歧视性定价行为做出简要概述。接下来，第10章将探讨大数据与机器学习是如何促使企业实现更准确的价格歧视，同时介绍当前正阻挠算法达成完全价格歧视任务的几大挑战。虽然完全价格歧视无法在短期内实现，但在第11章我们会看到，由数据驱动的算法正在学习将消费者归入不同分组，并对我们“分而治之”。随着人们对线上平台的依赖与日俱增，市场竞争动态也正在发生深刻的转变。此后，第12章将探索行为歧视在数字化环境中的社会效应问题。最后，第13章将再次介绍比价网站、搜索引擎与线上平台的发展现状，以及它们是如何承接了歧视性定价的责任，成功地令消费者误以为自己正处于一个竞争市场里。

|第9章|对价格歧视的简要说明

歧视性定价行为指的是商家在向不同的消费者提供相同等级、相同质量的商品或服务时，基于后者的购买意愿与支付能力，实行不同的收费标准或价格政策。价格歧视存在的条件之一是商家可以根据顾客针对一系列产品或服务做出的消费决策而对后者做出区分。 ¹ 虽然货架上的产品大同小异，但总有一些品牌在市场营销上下了更大力气。 ² 或者，也总有一些商品更加契合特定消费者的喜好。

一个简单的例子是，如果本地的零售商知道每一位消费者分别愿意为一罐可乐付出多少钱，那么他很可能会向一个重度可乐依赖者收取3美元，而向一个不太情愿喝可乐的家伙要价40美分。就连执法者也承认，商家的歧视性定价行为若想成功需要满足两个条件：其一，差别化的定价能力；其二，有限的套利空间。 3

差别化定价

差别化定价反映出了卖家按照消费者的购买意愿与支付能力将他们区分开来并且对每一位消费者或每一类消费者群体的需求弹性做出合理判断的能力。假设一家画廊在售卖美国摄影师沃克·埃文斯（WalkerEvans）的黑白摄影作品时并没有标明作品的具体售价。倘若，你恰好喜欢他的作品。在你的脑海中，恐怕会对这幅作品有个大致的心理价位。为了实现价格歧视，画廊经理的任务就是弄明白你愿意为这幅作品支付的最高价格，经济学家则将其称为消费者的“保留价

更多电子书请搜索「慧眼看」www.huiyankan.com 微信：huiyankan