数字化时代，算法的出现改变了数字市场的特征，推动了数字经济的迅猛发展。随着数字技术的成熟，人工智能算法逐步渗透到社会经济发展的全流程。但是数据的多元开发利用也造成了数据权属、信息安全、个人隐私等问题，当各种隐忧开始凸显，算法共谋也进入了人们视野。
算法何以促成共谋
共谋，是指有意识的平行行为，算法共谋就是以智能算法作为促进共谋的技术因素，利用算法“黑箱化”的特性通过编码和数据进行自动化决策，使企业可以在不需要沟通和互动的情况下完成共谋。基于算法的不同类别，算法共谋具有不同机制。例如信使型与轴辐型算法只是作为合谋的工具，是垄断协议技术层面的延伸，并不能摆脱人的主观意志束缚，属于明示共谋。而随着大数据对算法的“喂养”以及算法的自主优化，在预测型与自主型算法共谋中，算法基于人工智能先进的神经网络可以形成自我观念，脱离人类独立运行，并根据对市场变化的分析和学习进行自动化决策，自主达成默示合谋。因此，算法作为一项有效的数字工具本应为经济发展提供动力，经营者却在算法辅助之下，使共谋的达成与实施变得更为隐蔽也更容易实现，造成反垄断执法机关发现共谋的难度加大，损害了公平竞争的市场环境。
算法共谋的本质是数字经济背景下传统垄断共谋问题的新形式，数据驱动下的算法共谋更难被政府监管机构发现或证实，对市场公平竞争带来的危害可能更大。因此，2021年2月，国务院反垄断委员会对于算法造成的垄断问题出台了《关于平台经济领域的反垄断指南》，首先对经营者利用算法实施垄断做了明确规定，指出“利用技术手段进行意思联络”和“利用数据、算法、平台规则等实现协调一致行为”均能构成横向垄断协议。2021年12月31日，国家网信办公布的《互联网信息服务算法推荐管理规定》同样规定，算法推荐服务提供者不得利用算法实施垄断和不正当竞争行为。
算法共谋为何难监管
算法共谋弱化了垄断协议的判断标准。传统的反垄断法对于共谋的认定需要确定竞争者之间存在“协议”，即证明达成垄断协议的共谋意图以及实施的共谋行为。然而算法技术的发展使得协议的达成渠道由传统的人与人之间的交流变为复杂的算法组合。为了模糊共谋者的主观意图，共谋者使用算法软件即可对非公开的同类市场的交易数据单向度高频读取、相互转码，并通过算法自动化决策进行非竞争协商，利用编码作为交流媒介进行隐蔽互动，并迅速达成协议目标，使得价格等市场信息可通过算法自动反馈并根据市场变化进行有意识的“协同行为”，从而隐藏达成共谋所一致的行动，并削弱意思联络对经营者之间共谋的重要性。
算法共谋导致归责主体难以确定。在算法共谋中，算法可以脱离设计者与使用者独立运行，当人把决策权委托给算法，由运用算法的计算机而不是人作出共谋行为时，反垄断责任归咎会处于两难境地。由于算法具有对市场信息自主判断以及内部试错的深度学习能力，因此在决策过程中可以不依赖人的沟通与互动即可达成共谋，而且算法本身所具有的“黑箱”性质，开发者也无法对于算法决策的过程和结果进行完全解释，使算法隔绝了垄断协议主体认定的链条。
算法扩展了达成共谋的市场范围。传统市场垄断，市场集中度会影响算法共谋的实现，然而依托大数据实施的智能算法可以对市场信息实时抓取与传递，使得经营者在集中度较低的市场中也可以有效实施价格的搜索、匹配，经营者通过算法迅速交换商业策略并达成对各方有益的共谋协议，通过不断的动态定价寻求平衡，只要经营者之间使用相同或相似算法，就可对其他企业进行监督，提高其背叛协议的经济成本，从而间接扩展了市场共谋发生的场域，可以影响多个不同产品或服务的相关市场，从而将共谋行为持续很长时间。
算法共谋的监管和治理
确定算法共谋的法律责任主体。智能算法虽有自主学习能力，但其本质依然是实施合谋的工具，人才是主体，不管它如何智能的作出自主决策，使用算法的企业都应有使用算法可能带来的后果与风险的预见能力，不能以不知情或未主动实施而免责。因此，在反垄断规制中，应当以当事企业作为承担法律后果的第一责任人。此外，算法的设计者并不必然排除在责任主体之外，如若开发者在设计算法之初不能保证“技术中立”，使算法的研发过程不遵循“自身的机理”，而是在算法的源代码中嵌入合谋的“价值倾向”以及调整算法的技术偏见，使算法脱离中立的地位，则开发者仍需承担相应责任。
扩张“协议”的判断标准。传统反垄断法中对垄断协议的存在证明需要达到“行为一致+意思联络”的要求，然而高度自主化的算法合谋是企业间采用算法对市场变化作出一致决策的自动反应，从而缺乏合谋协议的直接证据。因此，反垄断法对共谋的“协议”应采取更宽泛的界定，不应局限在企业之间存在明确的相互沟通证据上，而应放宽认定“协议”的标准。首先，在审查企业采购算法过程中，将是否存在经营者在知情该算法可能带来合谋便利后仍选择该算法作为判断具有“行为一致”的标准；其次，需要识别算法间的信息交流内容，只要出现以下三种情况，即可对经营者之间存在“意思联络”进行合理怀疑。第一，在具有可替换数据作为算法来源时，依然使用相同开元数据库的信息培养算法；第二，存在更先进算法时，相关经营者依然使用旧版算法；第三，基于相同的代码制式对算法进行优化。
创新和完善反垄断执法方式。第一，执法机关创新运用监管手段。一方面，开展业务培训，培养既懂技术又熟悉法律的执法人员，消除执法机关与经营者之间的信息不对称。另一方面，执法部门自行研发监管算法，利用算法监督算法，通过技术手段快速准确收集经营者“协同一致”改变价格、经营策略等异常情况的信息，以此作为可能实施算法共谋的重点关注对象。第二，通过限制市场信息公开范围改变容易达成共谋的数字市场特征，可以降低经营者之间的互动频率，进而限制共谋的发生。第三，引入市场研究机制，市场研究可帮助反垄断执法机关“了解算法驱动型市场的最新动态以及任何竞争问题的严重程度”。同时，市场研究所形成的结果可以倡导产业界更好遵守市场竞争原则，从而形成自我监管的行为准则。第四，行政机关制定算法负面清单。筛选并制定经过实证确认具有反竞争性的算法名单，可极大地降低反垄断法的实施成本，并且给予经营者明确的算法适用指引合规预期。第五，针对算法内容进行规制。一方面，算法共谋需要依靠海量数据的计算得出预测性结果。因此，应当规范算法在关键市场中对于数据的抓取行为。另一方面，还应将算法的运行机制作为反垄断审查共谋的依据，算法的运行虽然处于“黑箱”状态，但是算法的结果依然是由数据和代码决定，特定的运行机制可以促成共谋的产生，若有证据表明算法在开发之初就有减少竞争、实施共谋的目的，则可以从源头发现共谋的违法行为。
