数据反垄断，难在哪里？

来源：第一智库

今天讨论与数据相关的反垄断问题，共有四个方面，第一个是数据问题正逐渐成为焦点问题，第二个是数据反垄断问题的种类、原因和表现形式，第三个是处理数据反垄断问题应考虑的几个重要因素，第四个是数据反垄断问题的几个理论难点。

数据问题正在成为焦点问题

随着技术的发展和云、网、端、IoT等基础设施和设备的发展，数据量在以指数级的速度增加,数据量越来越大。

农业经济社会重要生产要素是土地，工业经济时代是资本，数字经济时代重要生产要素是数据以及相应的算法和算力。以前我们讲产业是技术密集型或者是资本密集型的，今天可能对某个产业的判断会看它是不是数据密集型，这会直接关系到对这个产业发展和性质的判断，数据密集型产业的技术含量会越来越高。

随着数据量逐渐增多，数据问题逐渐成为焦点问题，如果从法的角度来看，数据相关的问题会涉及到绝大多数部门法，如民法对数据权益的保护、刑法对侵犯个人信息犯罪的惩罚、经济法对数据分享流转的规范等等。赫拉利说要警惕数据独裁统治的兴起，这就涉及到不仅是法律问题，还包括政治、社会等各个层面。

同样地，数据也会引起反垄断关注，因为数据和相应的算法和算力如果是一种重要生产要素的话，毫无疑问它会和资本、技术等其他的要素一样引发反垄断关注。在这方面已经有大量的著作、论文、报告，尤其是国外的讨论非常多，虽然中国在数字经济发展方面走在世界的前列，但我们的理论研究与经济实践并不成正比。

数据反垄断问题的种类、原因和表现形式

对数据很难做定义，而且现在也没有一个权威的定义。我认为数据是内容和载体的合一，数据的内容是信息，载体是计算机系统能够识别的介质，现在主要是电磁载体，未来可能会出现量子或者生物形式的载体。内容和载体统一起来才构成“数据”，两方面不可偏废。站在历史长河中来看，我认为数据是继语言和文字之后的人类第三次信息载体革命。正是因为有了数据，人类才能够海量地收集、存储、处理客观世界的信息，在此基础上重现、模仿客观世界，发展人工智能，对整个人类文明、甚至人本身都带来革命性影响。而且，数据甚至可能会对语言、文字都会产生颠覆，大家想想如果有脑机接口，还需要语言、文字吗？

因数据产生的反垄断问题主要是两大类，一大类是数据相关市场的反垄断问题，也就是说数据相关市场本身的一些垄断问题；另外一大类是其他相关市场的反垄断问题，数据是考虑其他相关市场反垄断问题的一个重要因素。

数据为什么可能产生垄断问题呢？最根本的原因是拥有数据及相关的算力和算法可能产生市场力量。如果一个企业能够拥有一定的数据及相关的算力和算法，而其他企业没有替代性的或者无法获得的，它就有可能会形成一种市场壁垒。当然在考虑这个问题的时候我们要考虑数据不容易形成市场壁垒或者市场力量的因素，后面我会重点讲这个问题。

其次数据可能会增加市场透明度。增加市场透明度其实对竞争有利有弊，市场更透明会使竞争更加激烈，比如现在购物网站价格比较，使经营者之间的价格都很透明，这造成经营者之间价格竞争越来越激烈。但是数据增加市场透明度同样也有可能会产生垄断方面的问题，它使得合谋更加容易，如合谋方的选择、监督相对来说都会更加容易一些。

另外就是数据和算法人工智能之间的关系。算法和人工智能本身引起的反垄断问题不是数据反垄断问题，但是因为算法和人工智能是与数据密切相关的，很多算法还是需要用大量的数据来喂养，所以数据可能会对算法或者人工智能产生影响。与算法和人工智能相关的反垄断问题就更复杂了，特别是人工智能，它会对整个法律体系，包括反垄断法产生颠覆性的影响。

数据反垄断问题在垄断协议、滥用市场支配地位、经营者集中三大方面都有可能出现，例如数据资产方面的并购可能会引起经营者集中审查，因数据而形成市场力量并实施的排他性行为将构成滥用市场支配地位，在垄断协议方面，如大家关注比较多的算法共谋就是垄断协议的一种表现。

处理数据反垄断问题应考虑的几个重要因素

不管是在处理与数据相关的反垄断个案时，还是在制定数据产业竞争政策时，有三个重要因素必须得到充分考虑，第一是数据本身具有不容易形成垄断的特征，第二是数据集中的必要性，第三是产业发展和国际竞争的考量。

（一）数据本身具有不容易形成垄断的特征。

数据本身不容易形成垄断的特征有以下几个。第一，从收集方面来看，数据不具有排他性，这使得数据很难形成垄断。跟有形物不一样，数据可同时被不同主体收集、拥有，不具有排他性，通过不同途径可获得相同或类似的数据。互联网平台具有网络效应、用户多归属等特点，不同企业凭借有特色的服务可以很迅速形成规模，从而很迅速的收集大量数据。收集数据渠道变得越来越多，也使得数据很难形成垄断。特别是IoT越来越发展之后，收集数据的渠道会越来越多，正在兴起的产业互联网也会增加数据收集渠道。另外第三方交易获得数据会变得越来越重要，这也是获得数据的一个重要渠道和途径。

第二，从使用角度来看，数据具有很强的可替代性，这也使数据很难形成垄断。不同类型的数据可以实现相互替代，很多情况可以实现相同的目标。因为数据的可替代性，即使在位企业拥有一定量的数据，新进入企业也不必获得相同数量或者相同类型的数据，就可与之进行有效竞争。比如消费倾向方面的数据，这对电商平台或者商家非常重要。对消费倾向的判断，可以通过购物历史数据来获得，也可通过收集其他特定的数据来获得。比如位置信息，你经常去体育用品商店，凭借这样的数据就容易推断出消费倾向和消费偏好；甚至是社交的数据，通过点赞数据，或经常跟朋友讨论交流某项运动，也能够推断出来消费倾向。另外，数据技术和算法使数据越来越容易被替代，而且技术的发展将使企业对数据依赖性不断减弱。

第三，从发展角度来看，数据具有高动态性，很难形成垄断。因为数据是活的，呈爆炸性地速度增加，即“数据核爆”，这从数据的计量单位就可以看出来，以前使用较多单位是M，现在是G、T，而且P、E、Z已经开始使用了。数据量的增长速度是惊人的，特别是收集数据的设备也在呈加速度增长。数据的这种高动态性，会使得目前看来拥有的“大数据”，但经过很短一段时间之后就变成“小数据”，不再具有竞争优势。而且数据的高动态性也会使很多历史数据失去价值，即使拥有海量的历史数据也不可能构成竞争优势。

第四，从价值角度来看，数据具有很强的依赖性，从这个角度说数据也很难形成垄断。数据本身并不一定具有非常大的价值，数据需要通过算法和算力来进行加工才能够获得有价值的商业结论或者对客观世界有价值的洞见，离开算法和算力数据本身是并不能带来任何竞争优势。但是，如果数据通过算法、算力加工之后得出的有价值的结论，它本身还是原来数据吗？因为经过企业的加工，有价值的结论可能可能进入商业秘密的领域，企业应该对通过算法、算力加工之后形成的结论会拥有一定的权利，如商业秘密，而这又可能不是反垄断法所应当规制的了。

（二）数据集中的必要性。

另外，数据集中也具有很大的必要性。单条数据价值一般是比较低的，只有“大数据”才会有价值。数据的集中有利于智能经济和智能社会的发展，有利于增进消费者福利，也有利于促进创新。限于时间的关系，就对这个问题不进行深入展开了。

（三）产业发展和国际竞争的考量。

产业发展和国际竞争的考量也是我们在处理反垄断个案或制定数据产业竞争政策时应该认真加以考虑的。我国的数据产业刚刚起步，过于强调“数据垄断”，过早将“数据垄断”入法，会自缚手脚，限制数据产业发展，阻碍数字经济成长，错失换道超车的难得历史机遇。由于时间关系，对此也点到为止。

处理数据反垄断问题的一些理论难点

在处理与数据相关的反垄断问题时，有三个比较重要的理论难点。一个是促进竞争与保护权利之间的平衡，一个是相关市场界定，一个是关键设施问题。

如前所述，数据之所以可能产生垄断问题，主要是可能会因数据而形成市场壁垒。要解决市场壁垒问题，就涉及到数据分享。而数据分享将会产生众多权利保护问题，如个人隐私保护、企业的商业秘密保护等。如何平衡促进竞争与保护权利的关系，是非常值得重视的问题。如果为了促进竞争要求企业去分享数据，但获得数据分享的企业在保护个人隐私方面达不到相应的水平，如何平衡两者之间的关系，将会是一个理论难点。

另外理论难点是是数据相关市场界定。因为数据技术发展、数据种类众多、数据迭代迅速等原因，将使得界定数据相关市场成为非常困难的一件事。当然有时界定相关市场并不是反垄断分析所必须的，但大多数时候还应该界定相关市场，数据相关市场的界定将会是一个难点。

数据会不会成为关键设施，这个问题也是值得认真讨论的。如前面所阐述的数据很难形成垄断的一些原因，这使得企业数据也很难成为关键设施。当然，某些政府相关机构掌握的公共数据库，应该具有普遍开放的义务。

（本文根据作者在上海金融与法律研究院主办的“平台经济的挑战“专题研讨会上的发言整理。