美国对生成式AI相关竞争问题的分析及对我国的启示

课程报名

点击报名  上海班 | 个人信息保护合规审计

年度会员

点击报名   视频课程+何谈系列+圈子

 GDPR课

点击加入  学习数据合规必备的GDPR完整课程

美国对生成式AI相关竞争问题的分析及对我国的启示

谢南希

2023年6月29日，美国联邦贸易委员会（Federal Trade Commission，下称“FTC”）竞争局和技术办公室发布《生成式AI引发竞争关注》一文，对生成式AI市场可能存在的反竞争问题进行了梳理。FTC指出，数据、人才、算力是生成式AI研发所必需的基本要素，如果这些基本要素被少数公司所控制，可能遭到滥用，成为限制市场竞争的工具，当生成式AI成为重要工具，这些公司可能对经济活动产生巨大影响。

第一，FTC强调了数据的基础地位，因为生成式AI模型在预训练阶段离不开海量数据集。FTC注意到，由于在数据采集方面市场先入者享有先发优势，经时间积累，市场先入者能够收集到数量更多、质量更好的数据，而且可能开发专门的数据收集技术。市场先入者对数据的控制可能形成市场进入或扩张壁垒，导致无法充分公平竞争。而市场新入者需要通过抓取数据进入市场，在数据获取方面难度更高。

第二，FTC明确，生成式AI的研发依赖机器学习、自然语言处理和计算机视觉领域的专业技术人员，但科技巨头可能通过锁定人才来限制竞争，使得市场新入者难以招聘到专业人才。竞业禁止阻碍了创新人才的自由流动。

第三，FTC还指出，算力方面也存在竞争担忧。生成式AI在预训练阶段需要大量算力。对于市场新入者而言，一般依靠云服务提供商，但当前云服务提供商提供的算力价格较贵，而且云服务提供商的数量较少，这其中可能存在潜在反竞争风险。对于专注应用层研发的公司而言，其面临的选择有限，要么与掌握基础模型的公司合作，要么使用开源模型。但是，当前控制高质量基础模型的公司数量较少，而开源模型可能是认定算力是否构成市场进入壁垒的关键因素，这些选项可能都存在反竞争问题。

第四，随着开源生态在生成式AI发展的过程中扮演重要的角色，开源的AI模型可能遭到滥用，产生排除、限制竞争俄效果。例如，企业可能采取开放+关闭的策略（利用开源来吸引其他公司，随后关闭生态），以锁定客户锁定，限制竞争。

第五，控制基本要素的企业可能采取不公平的竞争方法，以取得生成式AI市场的控制权。例如，将生成式AI应用程序与现有产品搭售；开展排他性交易，引导用户使用己方的AI产品；利用其影响力，通过独家合作等方式实施歧视性待遇；优待自家业务，如制定有利于自家业务的API条款；通过并购整合市场力量，切断竞争对手对核心产品的权限；扼杀式并购等。

第六，网络和平台效应可能加重不公平竞争行为造成的损害。率先推出生成式AI产品的企业将取得显著的竞争优势，从与用户的长期互动中受益，导致后进入市场的经营者难以带来有效竞争。网络和平台效应可能加剧企业实施不公平竞争行为的动机，企业可能采取排他性措施来锁定客户。

首先，政策层面，FTC将生成式AI视为一项具有高度颠覆性的新技术，强调必须作出正确的政策选择，规制在先企业利用其对AI研发所需基本要素的控制而实施的不公平竞争行为，避免AI重蹈互联网垄断的覆辙。FTC主席Lina Khan指出，生成式AI具有高度颠覆性，属于变革性技术，将给用户带来巨大改变。她以Web2.0时代新兴互联网公司的兴起、互联网领域商业模式背后人们所付出的隐私和安全代价、以及大公司实施反竞争行为对市场造成的不利影响作为出发点，回顾了美国历史上将IBM软硬件拆分促使整个软件行业崛起、AT&T开放专利库刺激无数年轻公司扩张的成功经验，强调当前处于关键节点，应作出正确的政策选择，拒绝逐底竞争的商业模式，避免阻碍创新，保持美国作为世界领先技术发源地的地位，避免AI重蹈互联网垄断的覆辙。

其次，法律层面，FTC明确AI受到现行法的规制，如竞争法、反歧视法和数据保护法、侵权和产品责任法以及民事法律的规制。FTC委员Alvaro Bedoya指出，《联邦贸易委员会法》第5条适用于制造、销售或使用AI的公司。区别于《谢尔曼法案》第1条，“不公平的竞争方法”条款的门槛更低，适用范围更广，属于兜底条款，旨在规制那些尚未落入《谢尔曼法案》第1条适用范围的反竞争行为。立法文献显示，国会在制定这一条款时使用了宽泛的措辞，没有定义具体的行为类型，其主要目的是为了作为《谢尔曼法案》等法案的补充，尽可能广地覆盖那些无法预见到的商业实践，以确保FTC能在快速变化的市场环境下灵活地进行个案分析。换句话说，这一条款是应对新业态新技术的“万能条款”。

FTC主席Lina Khan和FTC委员Alvaro M. Bedoya还明确，一方面，禁止歧视、禁止剥削性收集或使用个人数据的现行法律也适用于AI，因为AI训练使用的数据没有经过检查，可能产生错误和偏见信息，引发自动化歧视风险；训练数据还可能私人电子邮件、聊天和敏感数据，导致输出结果暴露个人信息，侵犯隐私。另一方面，侵权和产品责任法也适用于AI，因为美国侵权和产品责任法没有针对AI场景制定免责例外，也没有将AI排除在普通法项下的案由之外；公司的AI产品可能导致消费者受损。如果AI用于贷款、招聘等场景，那么可能受到美国《平等信用机会法案》和《公平住房法案》等民事权利相关法律法规的规制。

再次，抗辩方面，公司提出的技术局限、产品不可解释性、安全等方面的理由均不成立。就公司和专家提出的一系列抗辩理由，FTC委员Alvaro M. Bedoya认为均不成立：

生成式AI技术在国家层面具有战略价值，关系到一国是否具备最先进的生产力优势。结合我国人工智能技术和产业发展情况，提出以下建议：

第一，建议我国在国家战略层面加强重视人工智能产业的发展，聚焦国内人工智能企业的实际需求，出台针对性政策，为企业技术研发和创新高质量发展创造有利条件和环境，大力促进产业发展。建议我国出台面向人工智能企业的针对性政策，解决国内人工智能企业在人才引进、融资等方面面临的困难。例如，给予财税优惠和补贴、成立专项基金、推动产学研合作、优待技术人才、提供便利措施等；对于人工智能企业所处的产业和市场，实施适度宽松的产业政策；建立定期调研机制，及时识别企业需求，采取措施。

第二，建议完善版权和数据领域法律法规，为人工智能研发主体获取和使用技术研发所需的大规模数据提供依据。如FTC所说，AI模型训练离不开海量数据，市场先入者对数据的控制可能构成市场进入壁垒。当前，国内人工智能企业在数据获取和使用方面也面临类似问题。建议在法律层面为国内企业获取使用公开数据作为训练语料提供依据。例如，《著作权法》及配套法规明确将“文本和数据挖掘”列为合理使用的情形，为人工智能企业开展数据训练提供法律保障，或制定公开数据流通使用的法律规定，促进公开数据的流通利用。

第三，生成式AI市场存在的竞争问题在很大程度上是互联网领域的竞争问题在AI场景下的延伸，建议延伸适用现行法，规制AI市场中的不公平竞争行为，而非AI技术本身。FTC强调现行法的延伸适用，明确《联邦贸易委员会法》第5条“不公平的竞争方法”本身所蕴含的灵活性足以覆盖AI这一新技术，而且采取了市场新入者的视角，在数据、人才、算力等基本要素层面，识别出AI产业链不同环节可能出现的反竞争行为。这也启发了我国AI领域的竞争监管，建议我国监管在当前背景下从促进人工智能创新发展的角度出发，更多了解人工智能行业的市场竞争结构，调研数据、算力、人才等基本要素的分布情况、可获得性、获得成本及条件，识别创新企业面临的进入或扩张壁垒，从源头识别和处理反竞争行为，促进人工智能产业长久健康发展。

（作者系中国政法大学竞争法研究中心研究员）