一、问题的提出 如今平台经济发展中呈现出的突出问题包括：首先，平台经济的市场高度集中，抑制中小企业创新，由于平台具有规模经济、网络效应和范围经济的发展特征，平台掌握大量用户数据后，可以实现正反馈效应，数据优势、用户优势和产品优势进一步增强，形成“赢者通吃”的格局。现有大平台借助这种优势，通过并购将优势渗透到其他细分领域，形成“大而不倒”的局面。[1]据美国众议院2020年公布的报告，自2010年始，脸书(Facebook)、谷歌(Google)、亚马逊(Amazon)、苹果(Apple)四大平台(下文简称“GAFA”)共收购了560多家企业，其中大部分企业属于创新型初创企业①。这些并购交易挤压了中小企业的发展空间，强化了“一家独大”的局面。其次，新型垄断行为频发，阻碍数字技术创新和扩散。数据是一种宝贵的资源，平台过度收集和使用用户数据的行为屡禁不止。平台独占数据后，强化数据壁垒，妨碍数据流动，比如平台滥用杠杆优势阻碍竞争对手获得数据[2]。平台还可能利用算法的隐秘性实施共谋，监管机构对此难以发现。最后，平台的无序扩张和滥用数据破坏了行业竞争秩序，损害消费者福利。因此，加强对平台经济的反垄断监管势在必行。但是传统上反垄断监管侧重事后处罚，以强有力的威慑制止违法行为。其执法过程长，监管成本高，救济不及时，而且执法效果不佳。以平台“二选一”为例，在监管机构的多次约谈和行政指导下，平台的行为越来越隐蔽，监管机构很难找到违法证据。 因此，我国平台经济反垄断监管模式转型具有很强的政策需求、现实需求和理论需求。首先，加强平台经济反垄断监管是国家层面的重点工作，2020年12月召开的中共中央政治局会议和中央经济工作会议，两次提到要强化反垄断和防止资本无序扩张。平台经济反垄断执法工作正有条不紊地展开，研究反垄断监管模式的转型问题满足了国家政策需要。特别是在构建国内国际双循环的新发展格局战略下，加强反垄断能优化资源配置，促进平台经济创新发展，为应对日趋复杂的国际竞争环境助力。其次，平台企业无序竞争的情况加剧，反垄断监管工作形势严峻。平台大规模开展并购交易，形成大而全的“生态系统”，触及人们生活的各个方面，频繁出现的“二选一”、自我优待、“猎杀式并购”(Killer Acquisition)、不合理屏蔽等行为破坏了市场竞争秩序，损害了消费者利益。在这种情况下，优化反垄断监管模式和提高监管效率是一个急迫的任务。最后，平台经济反垄断的损害理论和分析工具都存在明显不足，亟需吸收新的经济学理论和设计出新的分析工具。比如平台竞争不再局限于价格竞争，突出表现为质量竞争，但传统的竞争损害理论和测试工具都是基于价格而创设的，无法直接适用，监管机构亟需一套新的科学理论和工具。 引入新的监管理念，转变传统的反垄断监管思路是一个重要的思考方向。国内有学者提出竞争治理的概念，认为仅仅依靠反垄断法这一单向线性规制工具无法有效解决我国经济发展中的垄断问题，提出从战略、规划和政策三个逻辑层面构建竞争治理体系[3]。这表明学界已经开始反思竞争规制的有效性问题，并且尝试在竞争政策领域引入治理的理念。本文从平台经济反垄断监管的困境入手，结合回应性规制理论，分析和反思我国平台经济反垄断监管思路和模式的特点和问题，并总结全球主要司法辖区的应对策略，提出平台经济反垄断监管模式转型的方向与路径。 二、平台经济反垄断监管面临的挑战 (一)竞争损害理论支撑不足，分析工具失灵 传统反垄断监管的对象是工业经济，其理论基础是自然垄断等因素带来的市场失灵[4]。平台时代的反垄断监管目标不再局限于保护竞争和消除负外部性，更在于鼓励创新和促进数据流动，保证消费者享受到由数字经济带来的最大效能。在平台时代，传统反垄断监管所适用的一些分析工具不再奏效，以界定相关市场的工具——假定以垄断者测试法(下文简称“SSNIP”)为例，如果界定的产品的价格为零，SSNIP测试无法进行，因为基准价格为零时，涨价5%～10%的结果始终是零[5]，而且提升哪一边的价格也不确定。平台通常是双边市场，不同于单边的市场结构，这决定了传统的相关市场界定方法无法直接适用于平台[6]。此外，平台经济具有动态竞争、颠覆性创新等行业特性，市场支配地位认定更加困难，反竞争效果评估具有更大的模糊性[7]。随着人工智能和大数据的发展，平台实施的垄断行为越来越隐蔽。由于机器自主学习和算法“黑箱”的问题，平台以算法达成共谋谋取垄断利益，监管机构面临发现难、认定难和处罚难的挑战，若平台以算法自动设置价格和其他商业决策，很难通过传统反垄断工具阻止这一共谋结果的发生[8]。目前的执法案件对创新和效率的考虑也存在明显不足，以阿里巴巴“二选一”案件为例，监管机构对“二选一”竞争损害原理的分析不足，没有对“二选一”可能产生的市场封锁效果进行评估，而且现有的竞争分析缺乏市场调研和经济分析证据作为支撑②。 (二)监管能力缺失，救济效果不佳 虽然反垄断法具有强大的威慑力，但是行政调查或司法诉讼的周期长，而且主要依靠事后救济，容易导致市场失去恢复竞争的机会。特别是对平台的反垄断调查需要分析海量的数据或者审计机器学习算法，由于算法具有“黑箱”和不可解释性的特征，要了解算法的工作原理并分析其竞争效果是一个重大挑战，这需要充足且专业的监管资源予以支撑。在欧盟调查谷歌案中，因谷歌涉嫌利用搜索算法实现自我优待，监管机构需要分析超过17亿条的搜索数据[9]。谷歌的算法极为复杂，自我优待行为具有高度的技术性和隐蔽性，这些新特点和新要求给监管机构带来重大挑战。
