陈根：数据垄断红与黑，数字经济下的数字资源该如何配置？_风闻

文/陈根

各领域数字化进程的加速，使得数据量呈现爆炸式增长，海量数据蕴藏的巨大衍生价值使数据成为数字经济时代的战略性基础资源。党的十九届四中全会首次增列了“数据”作为生产要素，由此引发的“数据争夺”和数据积累差异已经逐渐导致了数据垄断现象，数据寡头持有并控制海量数据。

事实上，在数字经济时代，数据因其规模性、多样性特点**，很容易被数据寡头绝对封闭地垄断特定行业**。其垄断的形式多样，并不仅仅是垄断技术、垄断市场、垄断消费者和垄断产品，更重要的是，会形成“闭环”的数据垄断。

尽管数据问题已成为数字经济时代的讨论焦点，数据相关的问题也将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。但关于数据垄断的争议目前却尚未达成一致，如何定义和配置数据资源依旧是值得我们思考的问题。

政府和数据，市场和数据

在数据作为生产要素进入市场前，一定会面对一个不可回避的问题，这也是****在社会科学领域自古至今都非常重要的基本话题：政府和市场是什么样的关系。这个问题背后，是数据在市场上以什么方式流动，数据又有多大的流动性，而这个问题，又可以从回溯历史一见端倪。

1929年，美国发生了人类历史上最大的一次金融危机，导致整个西方国家陷入长达10年的经济萧条，并且引发了第二次世界大战。西方国家在危机中艰难度日的时候，正是苏联计划经济刚刚建立的时候。

整个世界面临着这样一个情况：一边是整个西方世界的衰退和危机，另一边是苏联经济的高速增长。在1930年代，不少人看好苏联模式。在苏联率先发射人造卫星的年代，甚至很多经济学家都误以为苏联建立的斯大林模式的国有经济制度更加优越。

1960年，时任苏联共产党领导人的赫鲁晓夫，在纽约联合国总部非常骄傲地向全世界宣布：社会主义的高速发展最终会埋葬资本主义。但是，众所周知的结果是，赫鲁晓夫的预言并没有实现。斯大林模式的经济制度为经济发展制造的不可逾越的障碍，是导致苏联最终崩溃的原因之一。

将国有制为基础的经济和市场经济两者相比较，在过去的一百多年里，我们可以相当清楚地看到两个基本事实：第一，世界上所有发达经济体都毫无例外的以私有制为基础的市场经济；第二，世界上所有的国有制经济都毫无例外地是低效率的，尤其在革命性的创新方面。这也是为什么在我国实行计划市场经济以后，经济实现了一个飞速的发展的重要原因。

当产权掌握在私人手里的时候，虽然会碰到各种各样的困难，但是最终可以通过民主制度的方式，在有正确的动力的前提下，来解决集体利益、集体行动问题。如果个人从来没有机会决定自己的资产如何处置，那么这个社会最终一定会失去动力和效率。

当我们明确了政府和市场的关系之后，我们就能够理解，数据作为一种无形资产享有有形资产同样的地位：进入市场以后必将带来的巨大影响和其有可能形成的市场垄断。

数据怎么被垄断？

垄断的本质首先就是排他性的独占。从农工文明到数字时代，关键资源的不同，反垄断的措施也有所不同。在农业时期，最重要的自然资源是土地。对应的农耕时期的反垄断，便是抑制土地兼并和集中——抑制土豪阶层和大量流离失所无地农民的出现，使耕者有其田。

**进入****工业化时期，这一时期内，最典型的垄断现象集中在市场和技术领域。**为了反对市场垄断，尤其是工业寡头的合谋操纵，各国相继推出了反托拉斯法，为了防止寡头们相互联合而造成不公平的市场竞争和对消费者的歧视。在防范技术垄断方面，也逐渐出现了专利制度。但是，工业企业即便形成了跨国公司，其市场垄断、技术垄断实质还是一种竞争垄断，这种垄断比较脆弱且不可持续。

当人类社会逐渐进入信息化和数字化时期。人类的各种活动被更为紧密地联系到一起，时间和空间被大大凝聚。2017年6月，荷兰经济事务部发布的《大数据与竞争》报告认为数据主要有六点特性：非竞争性、一定的排他性、迁移性、可替代性、互补性和非持久性。而正是基于数据特性和数据驱动型公司的商业模式特点，数据垄断也就顺其自然地产生了。

首先，数据价值密度低，其价值需要挖掘海量数据得到；其次，虽然数据不具对抗性，但收集数据仍具有一定的技术和法律门槛，导致其前期投入成本高，而后期边际成本低，极易形成规模经济。大公司通常具备较高的技术水平和投资成本，这是收集海量数据的必备前提。

再次，大公司通过业务扩张、投资、并购等方式，建立了横跨多领域的商业生态圈，掌握并打通了各数字化领域的用户数据，如社交、购物、交通、医疗等。各领域数据的融合形成了数据寡头公司的海量数据基础。研究发现，数据收集规模较大的公司通常拥有覆盖各领域的大量移动应用程序，如数据集内的腾讯公司开发了516个移动应用程序，在安全、社交、新闻、音乐、游戏等多领域的数据收集中占优势地位。

**最后，也是最根本的原因，拥有数据及相关的算力和算法的企业****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。

各领域内既有市场份额较高的公司，其用户规模巨大，所收集到的用户数据远超市场份额较小的小型公司或初创公司。基于数据的算法可提升企业提供产品和服务的质量，进而吸引更多用户。**“使用者反馈”与“获利反馈”****使得大公司数据收集能力不断自我增强，造成各数据收集者间的数据鸿沟越来越大。**截至2019年3月，数据收集规模较大的阿里巴巴公司旗下的手机淘宝软件的下载量累计达到27亿，且在约3000万的抽样人群中使用率达42%。

数据垄断三宗罪

不管承认与否，基于数据特性和数据驱动型公司的商业模式特点而产生的数据垄断已经产生。2016年至今，Facebook、谷歌这样的互联网公司在欧盟受到的反垄断诉讼始终不断。欧盟作为一个整体或者欧洲的个别国家，如法国、英国等，都相继对这些美国互联网巨头们收集、运用或出售海量信息的行为，保留甚至采取了相应的司法行动。

而对于中国来说，尽管有些企业声称自己没有数据垄断，但中国人民银行科技司司长李伟曾表示：“一些规模较大的机构通过开展综合业务，大量汇集信息流、资金流与产品流，加之基于网络的云存储技术使金融数据高度聚集，数据寡头已经产生。”

数据垄断带来的危害主要有三：首先，是自由市场竞争将产生壁垒。一方面，排除、阻碍横向竞争，同领域内数据存量较小的小型公司或初创公司无法与数据寡头进行有利抗争。拥有更多数据资源的企业可能会利用手中的资源来采取一些“妨碍性滥用”行为。

另一方面，拥有丰富数据的企业之间可以更好地进行交流，从而进行合谋。这里面包含了两个层次：第一是数据之间的合谋，第二是通过算法的设计，企业之间达成交流，实现合谋。

**其次，数据垄断将使得对消费者的****保护变得日益艰难。**对此，人们最熟悉的是所谓的“数据杀熟”行为。平台收集消费者的身份数据、行为数据等，通过数据画像，透视消费者的消费意愿和预期价格，实施“一人一价”、差异化定价，这种价格歧视的实质正是利用算法与大数据来“杀熟”或“杀贫”。如滴滴平台通过大数据分析，在同一起点与终点的情况下，老用户打车费比新用户高，苹果手机用户打车费比安卓手机用户要贵。

除了数据杀熟，更重要的事情是，在数据垄断的情况之下，消费者保护的法律合约问题将变得极为复杂。原来消费者在线下购物消费的时候，商家就是甲方，消费者就是乙方。双方签订了一个商品或者服务的购销合同后，双方的合同都较为简单透明，消费者保护的介入难度较低。

然而，在数据寡头时期，从供货商、经销商，到物流，到平台，再到收货人是否及时收货等等这一众环节中，涉及到的合约方并不仅仅只是涉及甲乙两方，可能涉及到“ABCDE”等等多方。故而最后消费者能不能获得令他满意的产品货物，从源头到经销商再到物流等等环节中都有可能出现差池，因此消费者保护问题变得更为棘手。

最后，数据垄断可能带来更大的隐私风险**。**隐私保护作为一项非价格竞争因素，在竞争失效的市场里被重视程度降低，如2018年意大利政府判定Facebook将数据非法提供给第三方。此外，海量数据的收集、处理和存储环节存在信息安全漏洞的可能性，如2018年谷歌旗下的社交网络Google+接口泄露了约5000万用户数据。

而当今人们的金融账户基本上均采用生物特征码，再加上一些硬件与用户密码等多重加密手段所形成。那么在未来，如果这些数据寡头收集了足够多的生物特征码，同时又在硬件和密码技术方面有所突破的话，可能会给公民的财产安全带来很大的威胁。垄断本身不会促进安全防护技术的进步，相反，只有适当的数据共享，才能使得后者得到成长的必要土壤。

数据反垄断有多难？

从工业经济时代的“生产大爆炸”到数字经济时代的“交易大爆炸”的转型过程中，**海量数据蕴藏的巨大衍生价值使数据成为数字经济时代的战略性基础资源的同时，数据的垄断也对基于工业经济的反垄断法带来基础理论和规制体系的挑战。**近年来，围绕数据竞争的案例层出不穷，华为与腾讯、顺丰与菜鸟、“新浪微博诉脉脉案”，各方所争议的核心问题都是数据。

数字经济的诸多特征决定了传统反垄断分析方法具有局限性，因而亟待一个新的规制路径来治理数据垄断。**但是，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。

数据本身不容易形成垄断的特征有以下几个**：**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；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；从发展角度来看，数据具有高动态性，很难形成垄断。

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。也就是说，对于数据垄断的治理还应考虑企业应用数据来获取、巩固垄断地位的行为。

从数据集中的必要性来看，作为一种生产要素，数据具有很强的规模经济和外部经济。无论是用于预测，还是用于企业内部管理，数据的规模越大、维度越多，其用处就越大。如果数据是孤立的、零散的，那么它的作用就完全不能发挥出来。只有“大数据”的集中才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，有利于促进创新。如何在数据集中与垄断里权衡也是治理数据垄断需要考虑的要点。

基于产业发展和国际竞争的考量，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，会不会自缚手脚，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，也尚未可知。

因此，对数字经济下的数字垄断行为的分析及其竞争效果的研判，不能简单化和形式化地生搬硬套现有规范和逻辑。我们需综合数字经济发展规律，重点关注数据在有序开放、安全流通、公平利用、合作开发等环节中的各类行为的法律属性与权义定位，形成对数据垄断概念与形态的科学、全面、合理的认识。

对数据垄断的分析不能仅局限于单一视角，而应结合经济社会发展的现实状况，予以综合的整体的理解。如何重构现行的反垄断体系，将数据的价值从超级平台独享到多方平台与用户实现数据价值的共建、共谋、共享和共治，为数字经济的核心领导力的不断提升贡献力量，还需要更多的思考与讨论。