生成式人工智能垄断风险问题探析.pdf

生成式人工智能垄断风险问题探析

生成式人工智能垄断风险问题探析

张 严

摘 要：随着生成式人工智能的广泛应用，将引发模型共谋、数据剥削、歧视性许可和生态封锁等多重垄断风险，同

时在“资本－技术”和“算法－数据”双循环中形成结构壁垒和生态垄断，成为人工智能时代的新型数字基础设施。

现行反垄断法无法有效应对生成式人工智能带来的新型垄断风险。针对这种新型的垄断样态，有必要在人工智能“三

要素”逻辑基础上，传统反垄断规制框架下，细化规则，完善生成式人工智能新型垄断规制路径。

关键词：生成式人工智能；生态型垄断；反垄断规制

DOI：10.3773/j.issn.1006-4885.2024.09.203

中图分类号：F038.2 文献标识码：A 文章编码：1002-9753（2024）09-0203-11

随着以ChatGPT为代表的生成式人工智能产品进入商业化应用阶段，人工智能在大众中的普及

速度已经远远超过了传统数字平台，并逐渐接入搜索引擎、办公软件、生物医药、金融和社交媒体等

垂直细分领域。相比较而言，由生成式人工智能支撑下的垂直化市场种类繁多，而基础模型却掌握在

一小部分大型的科技公司手里，以此诱发了多重垄断风险，如数据剥削、算法共谋、生态封锁等新型

垄断样态。

就像十几年前没有人愿意相信现在的平台垄断场景一样，这些垄断风险不是臆想，而是真实存在，

甚至可以预见会发生。域外反垄断执法机构已经着手立法对生成式人工智能应用进行监管和规制。英

国竞争与市场监管局（CMA）发布了《AI基础模型初步报告》，提出不允许基础模型的开发和使用

者采取反竞争行为，其中包括自我优待、搭售或捆绑（GMA，2023［1］）。美国联邦贸易委员会（FTC）

也发布了《生成式人工智能引发竞争担忧》，指出为控制关键投入的开发和使用者，可能实施排他性

交易、歧视行为等不公平竞争行为（FTC，2023［2］）。

目前，中国大型科技公司也已陆续推出自己的生成式人工智能产品，如文心一言、讯飞星火等大

型语言模型。同时，立法与理论研究也同步推进，由七部委联合发布的《生成式人工智能服务管理暂

行办法》业已实施，其主要关注知识产权与个人信息保护。有的学者研究，从正向探讨，个人信息保

护与控制（钭晓东，2023［3］）、算法歧视（张欣，2023［4］），也有反向证伪生成式人工智能存在新

型技术风险（赵精武，2023［5］），但均未涉及生成式人工智能潜在的垄断风险，并提出相应的规制

基金项目：国家社会科学基金重大项目（23ZDA124）；2024年国家社会科学基金一般项目“人工智能辅助发明的专利授权规则完善

研究”。

作者简介：张 严 (1985- )，男，辽宁丹东人，法学博士，华东政法大学知识产权学院博士后（在站），河南财经政法大学讲师，研

究方向：知识产权法、经济法。

2024.09科学决策203

生成式人工智能垄断风险问题探析

意见。本文以人工智能“三要素”为切入口，对生成式人工智能整个生态链存在的垄断风险问题进行

协同论证。

1 生成式人工智能的核心要素

作为一项尖端技术，人工智能（ArtificialIntelligence，简称AI）在各个领域都显示出了显著的潜

力和应用价值。从系统理论的角度，可以认为人工智能的三个核心要素包括数据、算法和算力：海量

数据被认为是生成式人工智能的基石，先进算法是生成式人工智能的实现途径，而充沛算力是生成式

人工智能的基础能力支撑。因此，数据、算法和算力已经是公认的人工智能“三要素”。

数据是人工智能的基石。无论是机器学习还是深度学习，都需要大量的数据作为基础来训练。在

人工智能应用中，数据的作用举足轻重。例如，在图像识别领域，通过大量图像资料的训练，机器学

习模型能够通过对不同图像特征的识别能力逐步掌握。而在自然语言处理领域，性能的提升也少不了

大规模的语料库。所以，数据是人工智能发展的基础，没有足够的数据支持，任何先进的算法和算力

都将无从谈起。

算法是人工智能的灵魂。算法是指导计算机如何处理数据，决定机器如何从数据中提取有用信息

并做出决策的规则和步骤