一、问题的提出
在我国数字经济飞速发展、数字产业规模不断扩大的背景下，数据基础制度的重要性不言而喻。虽然数据垄断问题的应对路径，甚至数据垄断问题本身仍存在诸多争议，但促进数据流通利用已成为共识。在互联网发展早期，数据控制方与数据需求方之间虽不至于势不两立，但也矛盾重重。随着数字经济的深入发展，数据持有的集中化和数据垄断的普遍性，以及由此带来的市场力量和控制力，已经严重影响众多中小市场主体的生产和发展。从“Epic Games v. Apple案”“HiQ v. LinkedIn案”“Facebook/WhatsApp案”到近来终审宣判的国内首例“数据抓取交易不正当竞争纠纷（微梦公司诉简亦迅公司）案”，背后体现的都是数据争夺，而数据争夺本质上是数据集中和数据权利/权力可能引发的控制力矛盾，即人类飞速发展的控制能力和落后的自我控制力之间的内在冲突。
数据的反垄断解决数据流通和利用的有序竞争和有效利用问题。具体而言，从生产要素范畴看，数据要素强大的通用属性，使资本无需垄断一般的物质生产资料或雇佣劳动，仅凭数据垄断就能获得垄断利润；从生产力范畴看，以数据的潜在生产力作为基础，在网络效应、规模效应等的作用下，平台经济中的竞争关系具有天然的垄断倾向；从数据量的垄断来看，制度上数据共享机制的缺失和加密技术的发展，使平台利用基础设施优势、技术优势、用户优势等，能够垄断一定量的数据；从基于数据的垄断来看，数据使用上的非竞争性、非排他性和正反馈效应，使数据能够成为市场进入的壁垒。当“零价格”的个人信息作为获取平台服务的对价时，其他利益保护构成数据反垄断的依据。就其他利益而言，数据的公共属性源于其公共价值，若反垄断法过于关注市场失灵和经济效率，也可能会导致数据垄断问题。
对于是否需要以及如何解决数据垄断问题，学界已有颇多有益的探索，尽管很多关键问题仍未有定论，但既有研究呈现出明显的趋势：第一，数据垄断问题的真伪争议。因数据的权利配置和私法属性未有定论，加上数据特性的激烈争辩，导致“数据垄断”的命题颇受质疑。有学者从数据权利配置的私法困局出发，分析数据特性与相关垄断的判定，得出数据垄断并非伪命题的结论。第二，数据领域的反垄断制度是守成还是变革。多数学者认为反垄断法的理念、制度、分析方法并未被彻底颠覆，反垄断法的基本框架仍然可以应对各种新问题，但需要结合问题的特殊性对反垄断规则进行必要的调整。典型的代表性学说为“数据必需设施”理论，该理论将作为核心生产要素的数据带来的持续竞争优势和市场进入壁垒形象地描述为“必需设施”，为多元价值平衡提供了有界限的分析框架。第三，数据垄断问题的解决是否需要反垄断法以外的其他法律。尽管有学者坚持垄断问题还是要在反垄断法的框架内解决，但有不少学者认为滥用数据优势地位、数据驱动型经营者集中、数据垄断协议等数据垄断，不仅造成市场竞争问题，还侵害了用户的知情权、选择权、隐私权等等，提出采用“反垄断法为主、其他法律为辅”的综合规制路径。例如，“守门人”制度中的数据共享和处理义务、数据信托等。数据产权结构化分置将改变数据利益相关者间的关系，进而影响其在数据生产流通过程中的各种收集、利用行为。现有研究多从行为救济上探讨数据垄断问题的应对，通过规范私主体的自利行为来解决确权前的数据供给难题，的确能够对数据垄断行为产生一定的抑制作用；但数据产权分置将会改变这种情况，因为“每个人从中获得的利益并不取决于他自己购买或提供了多少公共品，而是取决于每个人购买或提供了多少”。前述研究所面临的共同基础问题在于竞争评估的正当性，即基于何种理由判断数据竞争的秩序和效率以及基于何种思路促进数据竞争。数据产权分置的背景下，数据反垄断的问题是，数据界权与反垄断之间是否有联系？是何种联系？既有的数据反垄断路径是否需要调整？如何调整？概言之，不同数据权利主体在数据生产、流通不同环节的数据垄断行为，依何种法律依据、应受到何种制度约束的法律安排。
数据垄断的应对需解决两个环节的问题：一是在数据产权分置前，数据作为必需设施时初始控制权主体应作何处理；二是数据产权分置运行过程中需求者如何获取和利用数据，即以何种法律依据和制度方案规制数据持有人基于数据实施的反竞争行为。为此，本文以数据财产权益配置的生产和流通为框架，分别解决上述两个环节的数据垄断问题，提出有助于数据产权分置运行的数据垄断应对方案。
二、数据垄断的界定与数据产权分置的反垄断困境
(一)数据垄断的内涵、特征和辨析
无论是在竞争法领域，还是其它领域，“数据垄断”都逐渐成为一个常用术语。事实上，虽然数据驱动型经营者集中、数据垄断协议、滥用数据领域支配地位等数据垄断的现象频频出现，人们对数据垄断的概念仍未形成统一的认识。在有关反垄断和数字经济的研究中，国外学者往往选用“大数据”（big data）而非“数据”。由此，体量之“大”极易被视为数据垄断的唯一特征，可能产生如下问题：
第一，忽略“真问题”，导致与数据有关的反垄断研究停留在简单的争论。在这方面，格鲁内斯（Allen P. Grunes）、斯图克（Maurice E. Stucke）和塔克（Darren S. Tucker）、威尔福德（Hill B. Wellford）之间的论战颇具代表性。塔克和威尔福德认为，数据具有广泛存在、获取成本低、价值短暂等特点，因而不会产生竞争问题，虽然不能排除由于涉及数据的行为而违反反垄断法的可能性，但数据并非竞争问题的根源。可见，他们认为数据垄断仅仅是“海量数据的集合”。格鲁内斯和斯图克对前述观点作了有力的反驳，指出数据具有高速、海量、价值、多样四个典型特征，并列举反例证明获取数据并不一定轻而易举，数据也并非广泛存在，因此并不是每一位经营者都具备收集并高效处理各种各样的海量数据信息的能力。本质上，双方争论的焦点在于数据垄断究竟是“海量数据的集合”还是“处理数据的能力”。事实上，这样的争论并非孤例，国内外学术界关于数据保护是否应纳入反垄断规制范围的讨论都与之类似。
第二，导致反垄断执法机构误判相关市场。在TomTom/Tele Atlas并购案中，欧盟委员会认为，除Tele Atlas和NAVTEQ外，未来三年内几乎没有任何竞争对手可以进入该市场，因为需要特殊的车辆用于实地勘察收集路况信息。但是，仅仅在并购完成一年后，谷歌地图就进入了市场，质言之，欧盟委员会出现了误判：只是关注潜在竞争对手是否拥有同样体量庞大的数据库。可见，应从“数量”和“质量”两个属性分别分析经营者获取数据、处理数据对市场竞争的影响。
由此可见，若是仅仅从“体量大”这一单一特征来定义数据垄断，不仅会导致相关研究一直在概念辨析上打转和循环，也无法完整呈现数据垄断与市场竞争的关联性。事实上，经合组织（Organization for Economic Co-operation and Development，OECD）已经指出，仅以“体量大”来定义数据集是不准确的。许多官方组织或专业机构也在尝试从处理数据的“质量”方面对数据垄断进行界定或描述，例如德国联邦卡特尔局（Bundeskartellamt）认为，很大程度上，评估“数据优势”需要以企业从数据集中获得市场力量的能力为前提，即维持竞争对手无法匹敌的数据集的能力。OECD还进一步指出，数据的价值不在于数据本身，而在于结合数据并使用算法和其他分析方法来挖掘数据价值的洞察力，是拥有高效处理数据的能力，而不是未经加工的数据（这种数据通常很容易复制），让企业获得了竞争优势。
透过上述定义或描述可见，它们均强调数据垄断不仅仅是简单的数据量的集中和流通性的降低，还包括经营者具有处理数据的能力。之所以如此，主要是因为数据不同于其他知识产权类的虚拟财产或土地、房屋等有体物，一方面，作为信息的载体和表现形式，其价值不仅取决于经营者的数据收集、分析能力，还与获取的数据量紧密相关，且二者相辅相成、相互联系，以致数据的价值不定；另一方面，数据的价值还体现在其可预期性，布廷（Xavier Boutin）和克莱门斯（Georg Clemens）的比喻可谓十分生动形象，“数据无法与石油相比，但与风相当。数据流在很大程度上是可以访问的，就像风一样，它需要被捕捉，才能变成有价值的东西，当在真实环境中测试时，风车和数据处理技术都得到了改善。然而，在这个背景下，宝贵的是积累的经验，而不是积累的风，也不是历史数据”。申言之，纵使经营者积累了大量的数据，若是缺乏分析、处理、挖掘数据的技术或通过第三方完成同等技术难度的能力，其拥有的海量数据可能没有丝毫价值，遑论基于此达到排除、限制竞争对手的效果或占据市场竞争优势。在反垄断法分析过程中，不能仅仅关注经营者获取大量数据这一外在表征，经营者的市场力量取决于其获取数据体量的大小和数据收集分析的能力，而后者对市场竞争的影响更值得深入研究。
概言之，数据垄断具有“海量数据的集合”和“处理数据的能力”两个方面的特征，不同于传统垄断市场，垄断者控制数据的价值不仅难以确定，还处于不断动态变化中。因此，本文认为，数据垄断指的是数字市场某一行业内少数经营者，凭借其处理数据的能力获取并控制海量数据，不断强化和利用海量数据的集合以主导市场的状态。
（二）数据产权分置的反垄断困境
数据产权分置，是将控制权、利用权、经营权等多项集合构成的“权利束”进行分解，顺序上遵循先“分”后“置”的逻辑，实质上是对数据控制者和利用者分别赋权。产权分置意在将数据要素尽量流动起来，这与打破数据垄断的目的一致，因此，数据产权分置对数据领域的反垄断具有一定的促进作用，也是破解数据垄断的有效思路。然而，在数据确权缺位的无序状态下，市场奉行的是“丛林法则”，赋予控制者权利反而可能会强化企业控制数据的市场力量，此外，反垄断法面对数据产权分置的新构想、新设计还可能会出现滞后的情况。
首先，对数据控制者赋权可能会使超大型数字平台进一步垄断数据。超大型平台之所以能够垄断数据，依赖的是其高效的数据处理能力，而非进入市场的先后顺序，在“丛林法则”下，新进者可以凭借技术创新获取数据，尽管中小平台囿于人力、物力、资金、时间等限制难以与超大型平台在技术上相匹敌，但仍然存在这种可能性。谷歌公司在数据量并不占优势的情况下，凭借高效的数据处理能力，成功进入地图导航服务市场就是典型的例子。对数据控制者赋权，意味着超大型平台控制海量数据的集合将合法化。目前超大型平台凭借自身的数据处理能力实现对海量数据集合的控制已经使市场近乎处于寡头垄断的状态，如果这种控制具有法律依据，那么，数据市场自由发展的结果极有可能是垄断态势进一步强化。对于数字企业而言，数据不仅是资产，还是重要的生产要素，因此，反垄断法上强制控制权主体开放必需数据具有必要性，这既是有利于在生产环节保障数据供给，使中小经营者能够获取作为必需生产原料的数据的有效方法，也是有助于对冲数据产权分置所可能产生的垄断负面影响的有力措施。
其次，对数据利用者简单赋权可能会导致数据流通利用难以实现。数据垄断引发的主要问题在于造成超大型平台与中小平台之间形成难以逾越的“数据鸿沟”，众多中小平台都有数据利用需求，如果仅仅赋予它们数据利用权，而没有畅通的获取数据的渠道，最终它们可能还是只能回到数据抓取、爬取等非法途径来寻求数据来源。根据后芝加哥学派的“提高对手成本”（raising rival’s cost）理论，优势企业或卡特尔通过采取向竞争对手施加更高成本的策略，可以为其创造价格保护伞。超大型平台有激励来限制现实和潜在的竞争者利用其控制的海量数据，因为相对于大家都能够利用数据，转而依靠技术创新、更多样的产品、更优质的服务来获取利润的情况，限制数据利用不仅更容易操作，还能大大提高竞争对手的成本，赚取更丰厚的利润。因此，在数据流通环节引入公司治理和国家治理，在数据管理方面提出反垄断法上的数据流通利用要求，不仅有利于保障数据利用者权利的实现，还有助于促进数据的流通和利用。
综上所述，破解数据垄断的问题应以生产和流通为框架，在数据控制权配置和数据利用权配置的基础上分别进行，以统筹数据有序流通的秩序目标和效率目标：在数据生产环节，通过分析可持续竞争优势和市场进入壁垒等，判断哪些数据不能由初始控制者继续单独控制；在数据流通环节，明确数据需求者利用数据的制度依据。
三、生产环节的规则调适：强制控制权主体开放必需数据
数据的初始归属是数据生产环节的重要问题。目前，学界的争论主要围绕数据控制权主体和数据控制权属性两个方面，前者涉及强制开放必需数据的主体，后者与本文主题关系不大。关于数据控制权主体，存在数据生产者所有说、用户所有说、用户与数据生产者（政府或平台企业）共有说、公众所有说、国家所有说等，还有论者主张在数据类型化的前提下分别讨论数据控制权主体。前述争议主要缘于配置依据的分歧，应当认为，数据控制权主体配置应以数据生产为依据，换言之，数据生产主体即数据控制权主体。需要澄清两个问题，一是个人不能以其作为数据来源者的“贡献”取得数据控制权，因为个人在同意（除非个人以参与控制权配置作为同意条件）数据生产者处理数据时，其效力射程及于数据生产者的全部处理活动，包括收集、分析、利用数据等。二是用户从事内容产出的活动，以及使用网络产品或服务的活动，都不是数据生产。前者只产生数据生产的对象，后者仅仅是一种只显示信息的消费活动，均需要经过数据生产才能获得数据。
为追求利益最大化，数据控制权主体倾向于拒绝向下游经营者提供基础性、关键性的数据，想方设法维护其对数据的排他性控制，由此，在数据要素市场适用必需设施理论成为学界和实务界热议的话题。美国、欧盟、德国、法国、荷兰、日本等司法辖区均在不同程度上适用或表示要适用必需设施理论保障数据的开放和流通。然而，国内外学界却对是否应适用反垄断法上的必需设施理论强制开放数据，形成了对立的两种观点。赞成的观点主要认为拒绝开放必需数据会损害市场竞争，由于数据多为副产品，强制开放数据不但不会减损创新和投资激励，反而有利于打破市场壁垒；反对的观点主要认为数据不像传统必需设施那样具有唯一性和稀缺性，可以同时被多个企业收集和利用，数据要素的非排他性、非竞争性决定其无法满足必需设施理论的构成要件。
本文赞成强制数据控制权主体开放必需数据，除前述提及的持赞成适用必需设施理论来保障数据开放和流通的理由外，补充如下理由：隐私保护是强制开放必需数据极有可能面临的抗辩理由，个人在同意（除非个人以参与控制权配置作为同意条件）数据生产者处理数据时，已经让渡了数据的利用价值，因此，该理由不能成立。实践中，最核心的问题是如何制定竞争损害的判断标准和正当理由抗辩规则。
（一）拒绝开放必需数据的竞争损害评估标准
我国《反垄断法》第22条未规定拒绝交易的竞争损害要求，第7条规定“排除、限制竞争”中的竞争应理解为滥用市场支配地位的效果要件，且相关司法解释并未将此作为构成要件。如何进行竞争损害判断，主要由裁判者基于个案具体裁量。数字市场的发展存在不确定性，一些平台企业可能对创新有偏执，出于对防御性杠杆和未来的进攻性杠杆的担忧，数据控制者可能拒绝向还不是竞争对手的平台开放数据。因而，拒绝开放必需数据的竞争损害判断标准，应突破传统的竞争损害理论。
1.横向封锁：构筑生态系统之围墙花园
随着平台和资本的扩张，围墙花园战略成为头部企业对抗竞争压力的普遍选择。围墙花园会保留所有的数据和技术在一个封闭的生态系统内。在Epic Games v. Apple案中，苹果公司多年来构筑的围墙花园，不仅限制了竞争对手，还把绝大多数应用软件开发者和消费者锁定在IOS系统内，以致软件开发者需向应用商店缴纳30%的佣金。长期来看，市场竞争性必然会因为拒绝开放必需数据构筑围墙花园的行为而受到损害。竞争市场理论认为，哪怕市场上存在唯一盈利者（亦是垄断者），仍会像处于（完全）竞争中。更准确地说，该理论认为，如果垄断者要行使其市场力量，新进者可以通过提供略低的价格来挖走垄断者的所有客户。因此，对新进者的恐惧约束了在位的垄断者，市场竞争自动恢复，也就无需监管的介入。然而，竞争市场力量需要建立在一系列的假设条件之上，这些假设条件在实践中却难以实现。狭义经济学上的这些假设条件在数据要素市场也不存在，因为网络服务市场具有数据驱动的网络效应，这会构成重要的市场壁垒。此外，数据在生态系统各分支的反馈循环一砖一瓦构筑起的围墙花园，对消费者和经营者具有极强的锁定效应，市场已经接近寡头垄断的状态，拒绝开放必需数据不仅会破坏相关市场的可竞争性，还会间接造成消费者福利损害。拒绝开放必需数据横向封锁效应的判断应着重考虑三点：①必需数据驱动的网络效应；②必需数据同时关联的市场情况；③数据要素市场或网络服务市场的竞争活力。
2.纵向封锁：将市场力量传导到相关市场
数据驱动的网络效应使掌握海量数据的控制主体更容易进入其他相关市场，因为数据控制者掌握了数据这一核心要素，其分析和处理数据的设备和技术甚至可以直接应用于关联市场，只需要稍微熟悉业务的低难度会吸引数据控制者冒险进入。传统杠杆理论关注的就是垄断者将市场力量传导到关联市场的效应，在HiQ v. LinkedIn案中，地区法院认为，领英之所以以排他性、掠夺性、反竞争的方式拒绝向HiQ提供用户的相关数据，是因为其自己计划进入职业数据分析服务市场，试图把竞争对手排除在外。但是，上诉法院认为，杠杆作用必须伴随反竞争行为，杠杆理论只是一种衍生理论，必须附着于竞争损害理论之上，因此，上诉法院推翻了地区法院的前述认定。
对于拒绝开放必需数据的竞争损害评估，杠杆理论可以作为评估的理论依据，理由如下：首先，数据控制者有拒绝开放必需数据的动机。数字市场的不确定性和动态竞争的状态，让数据控制者无法预估数据的价值，考虑到不确定的收益和已经投入的成本，垄断者更愿意对付潜在的下游竞争对手，排除竞争对手相当于为自己保留了一个零成本进入该市场的机会。数据价值的不确定性，也会导致数据控制者改变做法，从一开始的允许访问转变成拒绝访问，HiQ v. LinkedIn案中，领英拒绝HiQ抓取数据的行为就不是自始发生的。其次，杠杆理论能够分析数据控制者的市场战略。数据控制者的拒绝行为并不仅仅是为了获益，更是为了构筑生态系统的围墙花园，拒绝行为是一种防御型杠杆，这就是单一垄断利润无法解释杠杆行为的原因。再次，拒绝开放必需数据具有低成本、高效率的吸引力。在网络效应、范围经济、规模经济和数据驱动型反馈回路的叠加作用下，数据控制者的杠杆行为呈现出显著的累积效应。
如果数据控制者拒绝开放必需数据是为了潜在的竞争对手，杠杆的作用主要是防御性的；如果数据控制者拒绝开放必需数据是为了自己将来进入相关市场，杠杆的作用则是进攻性的。有论者将数字市场的杠杆效应称为“双轮垄断”，认为超大型平台企业通过规模经济效应、范围经济效应、网络效应等将其市场力量延伸辐射到其他领域，从而垄断多个相关市场。通常而言，杠杆效应受到三个因素的影响：①必需数据是市场准入不可或缺的；②所涉市场充分相关；③必需数据控制者拥有绝对的市场优势，以致请求访问者无法越过它向上游或下游竞争者提出需求，甚至建立新的数据源来实施反击。
3.创新阻塞：损害基于数据的创新和研发
数据控制者拒绝开放必需数据的行为可能在两个方面造成创新损害：其一，拒绝开放的行为将抑制各种基于必需数据的创新和研发。尤其是叠加式的创新，即B公司开发的数据产品或服务基于A公司开发的数据产品或服务的基础之上，这种情况在网络服务市场很常见。其二，将一切可能对垄断者造成竞争威胁的新产品、新服务、新技术扼杀在摇篮里。当“赢者通吃”的现象出现时，胜出者将有动机扼制潜在竞争者的创新行为。而且，数据控制者还拥有微软、IBM等早期垄断企业所没有的扼制创新的武器，相对而言，过去的垄断者不太了解自己的消费者或竞争对手正在做什么（或打算做什么），但超大型平台在获取和分析数据以识别竞争威胁方面比过去的垄断者甚至是政府更有优势，使数据控制者通过拒绝开放必需数据来抑制各种创新和研发成为可能。此外，一旦创新利润被数据控制者极度压榨，风险投资机构向初创者投资的可能性也会降低。
（二）拒绝开放必需数据的正当理由抗辩规则
根据我国《反垄断法》第22条第3项，拒绝交易行为的构成要件包括“没有正当理由”，此外，国务院反垄断委员会《关于平台经济领域的反垄断指南》第14条列举了四种平台经济领域经营者拒绝交易可能的正当理由，并用“其他理由”作了兜底性规定，但仍存在模糊性问题。从以往的实践来看，必需数据控制者可能提出的抗辩理由有二：
1.作为竞争维度的个人信息及隐私保护抗辩
如前所述，个人同意的效力射程及于数据生产者的全部处理活动，但若能够证明拒绝开放必需数据是为了促进隐私保护维度的竞争除外。在Epic Games v. Apple案中，苹果公司辩称，限制消费者的付款方式改善了应用程序商店的最终用户的安全和数据隐私保护，且反向促进了其与其它移动设备操作系统间的竞争，这样的抗辩理由得到了地区法院的认可。地区法院的判决是值得肯定的，其为隐私保护作为正当理由的抗辩提供了范例，但若隐私保护与竞争无关，则不属于反垄断法范畴内的问题。在具体案件中，判断前述正当理由抗辩需要注意两点：一是数据控制者须证明限制数据共享的意图。此举可能不是为了促进个人信息与隐私保护竞争，而是为了进入相关市场。实践中，要结合具体的个案情况判断数据控制者的真实意图，HiQ v. LinkedIn案就是典型的例子。二是数据控制者还须证明拒绝开放必需数据对竞争的积极影响大于此举产生的危害，隐私竞争的好处很容易被所质疑的反竞争效果抵消。
2.作为动态效率来源的创新和投资激励抗辩
必需数据强制开放可能会损害需求者的投资积极性，一旦获得免费“搭便车”的机会，必需数据的需求者自然不愿意花费成本去开发或寻找可替代的数据源。因此，判定必须数据控制者提出的创新和投资激励抗辩是否成立，需要作相关的成本收益分析。具体来说，成本包括必需数据控制者和反垄断执法者所支付的运营成本，以及必需数据控制者和需求者潜在的投资激励降低，收益则是需求者获得必需数据后可能给下游市场带来更多的消费选择、创新、竞争。成本收益分析主要受到三个方面因素的影响：一是数据来源，对于特许经营或自然垄断获得的数据，以及数据作为副产品时，投资或创新的激励成本可以忽略不计。二是必需数据控制者和需求者之间的竞争关系。若二者在上游市场不存在竞争关系，投资或创新的激励成本较小，反之则反。霍温坎普认为拒绝交易可以分为一级和二级，交易责任泛化的风险在于投资激励减损，但这种担忧仅仅存在于一级拒绝交易，二级拒绝交易不会危及创新和投资激励。相比较而言，在一级拒绝交易强制开放必需数据可能给创新和投资激励带来更大的威胁。三是必需数据的交易记录情况。对于突然断供的必需数据，控制者往往认为共享数据可能会给自己带来经济利益，至少不会对其造成难以弥补的损失，其中包括创新和投资两个因素的考量，以此作为抗辩理由很难成立。此外，除了考虑前述三方面因素以外，必需数据控制者还应证明拒绝交易是产生创新和投资激励不可或缺的行为，充分说明实际影响。
（三）必需数据的定价规则
不少学者虽然在理论和逻辑上认可强制开放必需数据的必要性，但认为操作上面临较大的困难。由于数据资源的非标准化，数据定价面临很大的现实困难。本文认为，强制开放必需数据的条件无疑是明确的，实际操作问题的关键在于必需数据的定价。
1.数据控制者与需求者合意定价优先
尽管反垄断法上的必需设施原则可能成为强制数据控制者与需求者交易数据的依据，但必需设施的适用条件并不容易达到，强制开放必需数据并不意味着把数据变成公共品。市场失灵的表现在于交易行为而非价格，“有形的手”干预交易行为仍应尊重双方的定价合意。必需数据的流通本质上就是交易，首先应发挥市场的作用，双方协商定价。可能有人会担忧，垄断者会事先设定价格，考虑与下游市场创新相关的潜在成本，但这样做非常困难，特别是在一系列下游市场中。协商定价的问题在于是否应限制价格的上限。答案是否定的，因为即使垄断者以垄断价格作为被迫交易的价格，市场准入也是增加的，即“非歧视准入”（non discrimination access），根据标准价格理论预测，在这种情况下，产出和消费者福利都是净增的。强制开放必需数据访问，无论垄断者向数据需求者收取何种价格，都可能增加下游市场的产量，如果下游市场存在更创新、更高效的竞争对手，这种增量还会更大。
2.以数据控制者的直接成本和机会成本定价
如果数据控制者与需求者无法协商确定必需数据的交易价格，则交由反垄断执法机构或法院来裁决。从经济分析的角度来看，必需设施的定价主要以垄断者投入的直接成本加上可预测的机会成本之和为依据。
大多情况下，数据都以“零价格”的形式出现，尤其是个人数据，数字平台往往在用户使用其产品或服务前就以同意数据收集为条件要求签订相关隐私条款，实质上个人数据就是用户获得的产品或服务的“对价”。但这种“对价”无法确定，因为无论是平台还是用户都无法确定用户进入平台以后实际消费哪些产品或服务，若将此等“对价”视为平台内全部产品或服务的“预收价格”，其大概率远远超过单个用户个人数据的价值，因此不宜以“对价”来衡量平台投入的产品或服务的价值，更不能以此作为平台为换取数据而投入的直接成本。实际上，超大型平台收集海量数据确实需要耗费资金、技术、时间、人力、物力等，以其收集数据投入的直接成本作为必需数据的定价不仅具有合理性，还具有可行性。值得一提的是，超级平台为收集数据直接使用的技术，例如算法，既需要研发成本又需要技术更新升级投入，不应把某一算法的所有成本列入收集某一部分数据的直接成本。从经济效率的角度来看，算法具有非消耗性，将来收集的数据量无法预测，因此既不应当也无法把算法的所有成本平均分摊到每一单位数据。数据控制者收集必需数据的直接成本应作狭义解释，特别是为收集特定数据直接投入的技术成本，例如特地研发或购买的算法，或单独升级产生的直接费用。
经济学家阿尔奇安曾经给出机会成本的经典定义，认为“在经济学中，机会成本是必须放弃的价值最高的机会”，即企业在交易中放弃的所有机会的最高净收益。精通经济学的法学家波斯纳也认可该机会成本的定义。计算机会成本的常用方法是市场决定有效成分定价规则（market-determined efficient-component pricing rule，M-ECPR），该规则主要用于解决受监管的企业应如何为其出售给竞争对手的投入来定价的问题。在美国“微软案”中，学界曾对强制微软授权竞争对手接入Windows操作系统产生的定价问题作出探讨，M-ECPR规则成为颇受学者青睐的计算方法。有学者通过比较重置成本法、收益现值法、市场法、综合法等传统估值方法，主张用市场法，参照同类交易服务费定价。需要注意的是，机会成本具有前瞻性，当某项投入存在市场替代品（包括实际的和潜在的）时，替代品的价格决定该投入的机会成本，适用市场法定价要考虑数据替代品的价格会随着时间而变化的情况。不同于传统财产，数据的利用价值体现于其可预期性，在评估超大型平台控制必需数据的机会成本时，应避免将过于长远的预测价值纳入机会成本范畴。
实践中，确定合理的数据定价标准，还需区分数据类型，综合考虑各种影响数据定价的因素，制定多维数据价值评估标准。尽管目前尚有争议，但数据定价是能够通过市场和司法实践予以逐渐明确的，正如确定标准必要专利的许可费一般，定价问题不应成为否定必需数据开放的理由。
四、流通环节的制度构建：基于利用权配置构建数据法人制度
目前，反垄断法针对数据垄断的介入结果大多是个别利害相关企业共同使用数据，这并非根本、长远的解决之道，究其原因是没有基于数据相关者的数据权益配置来考察数据的流通和利用问题。控制权配置只是数据流通的起点，就数据产权分置的政策目的和数据价值释放的全过程而言，解决数据垄断问题不应停留在数据生产环节的控制权配置层面，还要关注数据流通环节的数据利用权配置层面。
实践中，数据流通环节的反垄断主要集中在并购审查方面。欧盟反垄断机构认为可能产生数据垄断的情形有两种：一种是合并消除了数据竞争，另一种是并购的企业数据会强化市场进入障碍，或增强企业的市场力量。另外，消费者隐私问题也被考虑在内，如欧盟审查微软收购领英，美国审查谷歌收购Doubleclick。然而，这样的审查可能形式意义更大，平台企业可以针对并购审查进行规避，如通过控股关系实现数据共享，或分开几次完成并购，况且即便被审查也依然不能解决问题，欧盟审查“Facebook/WhatsApp案”就是典型案例。除并购审查外，反垄断机构针对平台依靠数据垄断所实施的资本无序扩张加大了反垄断处罚力度，但这多属事后救济，很难从根本上解决数据垄断问题。不解决确权问题，超级平台总可以利用数据为其利益服务，故数据确权是解决问题的前提。尽管有学者提出引入英美的数据信托理论（也称“信义义务理论”），以绕开数据赋权的难题，但这根本上是无法绕开的，是否以及如何规制数据处理者的特定行为，归根结底取决于数据主体对数据是否享有、享有何种值得法律保护的权益。该理论的确有一定的启发和借鉴意义，但也存在主体宽泛、客体不符合信托财产要求、忠实义务无法适用于免费的双边市场等未解决的理论障碍；即便这些障碍都被解决，也很难征求利益相关者的同意，因为数据信托构想付诸实施之际的问题在于难以界定数据权属关系。将数据信托类比传统信托可能是当前研究存在的认识误区，特别是公共数据信托，英国试点的基础在于拥有更成熟的信托法律机制和作为运行机构的开放数据研究所（The Open Data Institute，ODI），我国若引入该模式首先要面临的问题就是应为公共部门设定何种权益与责任。公共数据开放需要的是可信赖的秩序环境，而信托制度并不能涵盖开放环节中各方主体间的信任框架。针对数据垄断问题，还有一些较新的应对策略，如欧盟的消费者数据可携带权，对数据的生产、流通、使用全生命周期监管，这些都能在一定程度上起到抑制数据垄断的作用，但都成本高昂且实际应用并不成熟，数据可携带权的实现还会面临集体行动困境的问题。
数据垄断不仅造成市场竞争问题，还带来数据安全和隐私保护等其他社会问题，因此，不能仅靠反垄断法来解决，而应超越数据垄断对市场的影响，综合看待问题，并探索应对的制度路径。解决数据流通环节的垄断问题最为有效的方法是针对加工使用权、经营权、管理权等数据利用权分置进行制度设计，同时引入公司治理和国家治理机制。若非立足于数据利用权分置的确权思维，数据流通环节垄断问题的应对之策都是无根之木和无源之水。本文认为，可以通过构建数据法人制度，诠释数据利用权分置，促进数据流通和开放共享。
（一）数据法人制度的两个前提
1.法律属性：“资源—集合—产品”
首先，数据不仅是资产，还是资源。数据在生产最终产品或服务的过程中，扮演生产要素投入的中间品角色，并为企业创造价值。就这个意义而言，数据已成为核心的经济资产。从核心竞争力理论的视角来看，算法和数据的商业决策决定了数字企业的竞争优势，即数据和信息赋能数字企业竞争优势的核心在于挖掘处理大数据及将其运用于商业竞争的能力。拥有数据本身并不一定会赋予企业竞争优势，只有当企业拥有的数据具有无法替代、无法复制、稀缺、有价值等特点时，企业才会因数据而具有独特的竞争优势。
其次，“海量数据集合”和“数据收集分析技术”是经营者获得市场力量的重要来源，也是判断其竞争优势的重要维度。单一的海量原始数据对数字企业的价值不大，能够创造价值的数据信息既需要多维度的海量原始数据，又需要及时快速的数据分析挖掘。数据的数量和质量会引致规模经济和网络效应，当增量成本随着生产规模的增加而下降时，规模经济即产生；当消费者从某种产品或服务的消费中获得的效用随着购买人数的增加而增加时，网络效应即出现。规模经济和网络效应使得潜在进入者为了能够与在位企业平等竞争而收集必要的数据需要付出极大的努力，这就构成了强大的竞争优势和进入壁垒。
最后，反垄断法视域下的数据垄断问题在于数据收集、存储、分析、利用过程中所实施的各种基于数据竞争优势的滥用行为，而非占有大量原始数据。只有将企业投入精力、时间、技术等成本处理而得到的数据定位为“产品”，才符合其生产要素的属性。通常情况下，数据收集只是整个项目的一个阶段，收集数据的来源、类型、范围等参数均会被预先设定，大多数据收集都以需求为导向，目的并非仅仅为了建立数据信息组合，而是为了设立数据基线。在以社群为基础的项目中，数据来源于社群成员的个人信息直接生成，或其行为数据间接生成，实际上，他们控制着数据的解释和使用。然而，当数据被移除进行分析时，这种亲密关系随即消失，经过分析的数据将转化成“产品”并被处理。
数据承载着不同主体的不同权益，“资源—集合—产品”的立体化定位不仅符合数据主体权益的层级性，还符合数字市场竞争的动态性。数据不会静态停留在一个阶段，生态系统内部的数据流向也不会沿着一个方向，而是交叉循环流动，在三个状态之间动态切换。
2.权衡：数据自由流通与排他性控制
在数据资源阶段，数据是最初的、尚未开发的原生数据，包括消费者自愿提交经营者只需记录就能获得的记录数据和经营者通过观测获得的痕迹数据，后者如观测消费者的搜索、评论记录而获得的数据。数据集和数据产品阶段的数据则是原始数据被收集、存储后，经过算法的聚合、加工、处理而成的可读的、系统的、有价值的衍生数据。有价值的衍生数据集不仅需要原生数据作为生产资料，还需要超大型平台开发的算法进行复杂的加工使用才能在经营活动中货币化。超大型平台存在一种微妙的数据收集方式，即为了获取更多的用户数据以扩大网络效应，其往往会选择第三方提供的辅助服务，让第三方充当数据交换的管道，而不会自己冒险进入相关市场。例如，“微信”和“支付宝”提供的支付服务，以及授权使用“微信”“QQ”“支付宝”账号登录。从数据收集的角度来看，第三方可以快速获取用户的个人信息，如姓名、地址、电话、电子邮箱等，同时，第三方可能会泄露用户的痕迹数据，如购买和支付记录。对于掌握海量数据的超大型平台而言，其获得的用户数据价值远远高于失去的数据排他性控制。有学者结合竞争损害理论，对这种收集数据的量大于接受服务方的第三方服务进行了分析，认为第三方辅助服务不仅对网络效应产生刺激，还在某种程度上提高了市场进入壁垒。然而，由于许多平台都选择相同的第三方服务，导致没有任何一个平台能获得竞争优势。相反，第三方服务使大量平台的数据永久转移到第三方服务提供者，导致用户数据的排他性降低，且削弱在更广泛的市场上对用户注意力的竞争。短期来看，第三方服务有利于提高消费者福利和总福利，但长期来看，第三方服务将会削弱使用者的市场力量。因此，从动态竞争的角度来看，第三方服务提供者的市场地位将随着其收集数据的量的增长而不断提高。
中共中央、国务院2022年12月公布的《关于构建数据基础制度更好发挥数据要素作用的意见》提出要“更好发挥政府作用”“完善数据要素收益的再分配调节机制”“统筹构建规范高效的数据交易场所”，应由政府机构设立多层级的数据交易场所，充当数据管理人，行使数据使用许可权利，这也有利于加大政府引导调节力度。超大型平台应将自己收集的“资源”状态数据交由数据交易场所管理，定期分类申报数据收集情况。
（二）数据法人化
1.赋予数据集人格
数据集法人化既能确保其不受侵害，又能将其价值最大化，即把数据集自身视为具有独立人格的法人，称为数据法人。数据法人化具有现实可操作性：一是有独立的财产作为物质前提。数据既是资产，又是资源，且正在成为数字市场竞争者争相追逐的市场力量的重要来源，这样的属性本身就给了数据集合坚实的物质基础。二是有独立承担责任的权能作为人格标志。无论是数据控制主体还是数据利用主体，都没有数据的所有权，如此，通过防御型的资产分割，数据集拥有了独立承担责任的权能。三是有数据要素流通和交易服务基础。数字市场发展迅速，在未来相当长的一段时间内，数据都会扮演市场竞争优势重要来源的角色，集约高效的数据流通是数字市场发展的必然趋势。
2.数据法人的运行
超大型平台应将“资源”状态的数据交由政府机构管理，由于这样的数据带有消费者的个人敏感信息，政府机构应对其作脱敏处理，数据需求者可向政府机构申请使用数据。相对于强制数据控制者开放的必需数据而言，“资源”状态的数据范围更大，由政府机构来权衡数据的自由流通和排他性控制，既能促进数据流通和共享，还不会造成创新激励减损。
数据法人的权利主体为数据集，权利客体为数据。数据法人的权利可交由数据商或第三方服务机构来行使，故应培育行业性、产业化的数据商，以及数据经纪、数据托管等第三方服务机构，促进数据开放和共享。数据法人对其下的数据享有持有权，由数据商或第三方服务机构行使，数据利用权主体则享有加工使用权。
数据法人的优势在于：第一，让政府机构介入“资源”状态的数据，赋予数据法人一定的权利，能够产生反垄断法的替代效应，从根本上抑制数据垄断行为。第二，有助于培育数据要素流通和交易服务生态，在更大程度上实现数据的开放和共享。第三，数据法人既符合结构性数据产权分置机制，又不会造成权能过度分离。第四，数据法人的制度设计，可以让数字市场的参与企业低成本、高效率获取数据，维护和促进市场竞争，进而提高消费者福利。
数据法人应定性为非营利性法人，其不是追求利润的、参与市场经济活动的主体，如此，可以避免数据法人成为新的数据垄断者。需要注意的是，为保障数据提供者的利益，确保其收集和处理数据的主动性不会丧失，可以在利益上适当平衡：一方面，对于进场交易的数据，数据交易所应给予数据提供者适当的补偿，以补偿其收集数据所投入的成本；另一方面，数据提供者依然可以在该部分数据的基础上开发出新的数据和算法等，如此，赋权数据提供者使用其已传输至数据法人的数据，还有利于提高企业的创新积极性。此外，数据法人授权数据需求者使用数据而获得的费用，可用于维护、优化数据集，也可以交给代数据法人行使权利的数据商或第三方服务机构，费用应用于数据法人自己从事数据的创新和研发。
（三）数据法人化的成本问题
1.如何降低数据法人的组织成本
对一般公司法人而言，成员在投入资本时法人财产独立性存疑，那么同时审查法人和其他成员的财务状况产生的高额审查费将会大大降低出资人的出资意愿。遑论对于数据法人而言，超级平台并非通过出资的方式取得股权，而是通过强制的方式传输数据，一个数据法人可能对应多个超级平台，各超级平台之间强制形成法律联结，可能会因对财务危机的担忧而丧失支持数据法人的动力。故采取数据法人资产与数据提供者资产相分离的规整模式，可以“切断”数据提供者数据资产之间的联结，降低组织成本。因数据法人获得超级平台传输的数据之目的在于公益而非营利，强制性的传输数据要求并不考虑超级平台的意愿，作为数据提供者的超级平台，仅需以传输至数据法人的那部分数据为限对法人债务承担责任。
当然，若因丰富的数据资产盈余使超级平台获得的补偿较高，其确有可能具备加入组织体的积极性。但是，因数据提供者身份取得的被动性，它们之间的偏好、运营管理理念可能完全不同。在一个数据法人对应多个超级平台的情况下，除了它们相互之间缺乏信赖，在决策过程中还会产生较高的意思征集成本，而且决策也不一定正确、合理。因此，无论数据资产多寡还是价值高低，因数据传输的强制性，缺乏追责与信赖机制都会带来较高的组织成本，故应为数据法人配置权责一致的权利代行机制，将超级平台从决策管理中“抽离”。
2.如何降低代理成本
数据法人与代其行使权利的机构之间实质上是一种“委托—代理”关系，第三方机构代行法人对数据提供者传输数据审查的准行政权可能会产生高额的代理成本，数据产权结构性分置以及数据法人作为准行政组织的权威，使得数据法人运行面临难以避免的问题——权力寻租。第三方机构所获的报酬和数据法人的收益并不挂钩，因而无充分的动力管理数据资产。在赋予数据集人格后，即可采取措施减少代理成本：数据提供者有权选任或罢免数据法人理事，使理事可依据善良理性人标准尽到应尽的信义义务，法人可对违反信义义务的理事主张损害赔偿。需要特别注意的是，理事会成员应具有一定的特殊性，即数据提供者的内部人员应回避，因为不以营利为目的之法人，互助共益性和强制性要求传输数据亦高度以此为依托，各超级平台内部人员若担任理事极易导致数据被少数人控制，故由执行理事负责监督第三方机构代数据法人行使权利，即可最大程度地减少代理成本。
五、余论：基于数据产权分置的反垄断制度
本文提出的数据垄断应对方案，不仅有助于从源头到末端解决数据生产环节和数据流通环节的垄断问题，而且可作引玉之砖，为进一步的数据产权结构性分置下的数字经济反垄断提供制度基础。在以往的数据反垄断探索中，反垄断法的适用多依托于行为规制模式，以诉争行为是否满足滥用市场支配地位等具体垄断行为的构成要件为前提，很大程度上依赖于利益衡量，竞争规制具有不周延性和不确定性。而在本文提出的应对方案中，数据反垄断可形成行为规制模式和权利规制模式有序并行的规制体系。数据生产环节，应强制数据控制者向下游竞争对手开放生产经营活动不可或缺的必需数据，数据控制者有权提出抗辩，抗辩理由的正当性有待结合具体个案情况综合判断；数据流通环节，以“资源—集合—产品”的立体化思维，超大型平台应将“资源”状态的数据交由政府机构设立的数据交易场所管理，构建数据法人制度，赋予数据集人格，促进数据开放和共享，最终促进数字市场竞争，提高消费者福利。当然，本文提出的应对方案尚不能完全满足数据驱动竞争时代的反垄断需要，但其价值不仅仅在于防止生产环节的数据原材料垄断、促进流通环节的数据利用，更大的价值是让众多互联网企业掌握数据生产要素的控制权和利用权，凭借不断进步的技术而非数据的有无向消费者提供更优质、更多样的数字产品和服务，从而在保障公平竞争秩序的基础上自主构建其数字化经营生态，此为更深远的意义。
（责任编辑：杨明）
【注释】
[1]根据来源和特征，数据可分为公共数据、企业数据、个人数据，如无特殊说明，本文所称的数据仅指企业数据，即经由数据企业收集和处理而形成的数据，特别是网络平台掌握的无独创性的数据。
[2]参见杨慧玲、张力：“数字经济变革及其矛盾运动”，《当代经济研究》2020年第1期，第31页。
[3]参见谢富胜、吴越、王生升：“平台经济全球化的政治经济学分析”，《中国社会科学》2019年第12期，第69页。
[4]参见付新华：“论超级平台数据垄断的法律规制”，《学习与探索》2022年第2期，第66页。
[5]参见梅夏英、王剑：“‘数据垄断’命题真伪争议的理论回应”，《法学论坛》2021年第5期，第94—103页。
[6]See Nathan Newman, “Search, Antitrust, and the Economics of the Control of User Data, ” Yale Journal on Regulation, Vol.31, No.2, 2014, p.425；王先林、方翔：“平台经济领域反垄断的趋势、挑战与应对”，《山东大学学报（哲学社会科学版）》2021年第2期，第87页。
[7]参见丁晓东：“论数据垄断：大数据视野下反垄断的法理思考”，《东方法学》2021年第3期，第115—118页；袁波：“必需数据反垄断法强制开放的理据与进路”，《东方法学》2023年第3期，第149—152页。
[8]参见殷继国：“大数据市场反垄断规制的理论逻辑与基本路径”，《政治与法律》2019年第10期，第147页；王先林：“平台经济领域强化反垄断的正当性与合理限度”，《苏州大学学报（哲学社会科学版）》2024年第2期，第82页。
[9]（英）罗伯特·萨格登：《权利、合作与福利的经济学》，方钦译，上海财经大学出版社2008年版，第6页。
[10]See Darren S. Tucker and Hill Wellford, “Big Mistakes Regarding Big Data, ” https://ssrn.com/abstract=2549044, last visited on 16 October 2024.
[11]See Allen P. Grunes and Maurice E. Stucke, “No Mistake About It: The Important Role of Antitrust in the Era of Big Data, ”https://ssrn.com/abstract=2600051, last visitedon16 October2024.
[12]参见张占江：“个人信息保护的反垄断法视角”，《中外法学》2022年第3期，第683—704页； Christopher L. Peterson and Marshall Steinbaum, “Coercive Rideshare Practices: at the Intersection of Antitrust and Consumer Protection Law in the Gig Economy, ” University of Chicago Law Review, Vol.90, No.2, 2023, pp.623-658.
[13]彼时只有Tele Atlas和NAVTEQ可以提供涵盖北美和欧洲的导航电子地图。
[14]See Case Comp/M.4854-Tom Tom/Tele Atlas, Commission Decision of May 14, 2008.
[15]See Organisation for Economic Co-operation and Development, “Data-driven Innovation: Big Data for Growth and Well-Being, ” p.449, http://dx.doi.org/10.1787/9789264229358-en, last visitedon16 October2024.
[16]See Bundeskartellamt, “Competition Lawand Data, ”p.53, https://www.bundeskartellamt.de/Shared Docs/Publikation/DE/Berichte/Big%20Data%20Papier.pdf?__blob=publication File&v=4, last visitedon16 October2024.
[17]See Organisation for Economic Co-operation and Development, “Consumer Data and Competition: a New Balancing Act for Online Market?” p.9, https://doi.org/10.1787/ec5958b3-en, last visitedon16October2024.
[18]知识产权类的虚拟财产已由相关的权利要求书对技术特征和保护范围加以固定，而清晰可见的价值通常被认为是有体物的特征之一。
[19]参见王利明：“论数据权益：以‘权利束’为视角”，《政治与法律》2022年第7期，第111页。
[20]Xavier Boutin and Georg Clemens, “Defining ‘Big Data’ in Antitrust, ” Competition Policy International: Antitrust Chronicle, Vol.1, No.2, 2017, pp.3-6.
[21]参见孙清白：“论大型平台企业数据交易强制缔约义务”，《中外法学》2024年第1期，第243页。
[22]See Thomas G. Krattenmaker and Steven C. Salop, “Anticompetitive Exclusion: Raising Rivals’ Coststo Achieve Power Over Price, ” The Yale Law Journal, Vol.96, No.2, 1986, p.292.
[23]参见高富平：“数据生产理论——数据资源权利配置的基础理论”，《交大法学》2019年第4期，第18页。
[24]参见申卫星：“论数据用益权”，《中国社会科学》2020年第11期，第118页。
[25]参见彭辉：“数据权属的逻辑结构与赋权边界——基于‘公地悲剧’和‘反公地悲剧’的视角”，《比较法研究》2022年第1期，第112页。
[26]参见黄细江：“企业数据经营权的多层用益权构造方案”，《法学》2022年第10期，第106页。
[27]参见张玉洁：“国家所有：数据资源权属的中国方案与制度展开”，《政治与法律》2020年第8期，第18—26页。
[28]参见龙卫球：“数据新型财产权构建及其体系研究”，《政法论坛》2017年第4期，第74页。
[29]必需设施理论指的是拥有反垄断法意义上必需设施的经营者，负有向其他经营者以合理条件开放该设施的义务。作为反垄断法中拒绝交易制度的一项基本原则，必需设施理论过去主要用于解决电力设施、桥梁、铁路、港口等领域的互联互通问题，近年来也用于标准必要专利、操作系统接口技术、著作权等无形财产的开放共享问题。该理论是对传统产权规则的突破，若对适用必需设施理论不加限制，可能会产生创新损害和消费者福利损害。实践中，各司法辖区对适用必需设施理论普遍持审慎原则，其正当性也一直饱受质疑。
[30]根据联邦贸易委员会法第5条，美国法院在Hi Qv. Linked In一案中，责令领英向Hi Q开放系争数据。欧盟、德国、法国、荷兰、日本等司法辖区均发布政策文件或研究报告，明确表示适用必需设施理论保障数据的开放共享。其中，德国在2020年修订的反限制竞争法中，规定拒绝提供相关数据的行为属于滥用市场支配地位的情形之一。
[31]See Zachary Abrahamson, “Essential Data, ” The Yale Law Journal, Vol.124, No.3, 2014, p.870.
[32]See Abrahamson, supra note [31], p.880；孙晋、钟原：“大数据时代下数据构成必要设施的反垄断法分析”，《电子知识产权》2018年第5期，第38页；Vikas Kathuria, “Greed for Data and Exclusionary Conduct in Data-driven Markets, ” Computer Law & Security Review, Vol.35, No.1, 2019, pp.89-102；殷继国：“互联网平台封禁行为的反垄断法规制”，《现代法学》2021年第4期，第153页；梅夏英等，见前注[5]，第101—103页；袁波，见前注[7]，第149—155页。
[33]参见曲创：“数据垄断的伪命题和真问题”，载《科技日报》2019年8月21日，第8版；王晓晔：“中国数字经济领域反垄断监管的理论与实践”，《中国社会科学院大学学报》2022年第5期，第44—46页。
[34]最高人民法院2012年颁布的司法解释《关于审理因垄断行为引发的民事纠纷案件应用法律若干问题的规定》第8条规定的滥用市场支配地位构成要件不包括排除、限制效果。
[35]参见钟祥铭、方兴东：“‘围墙花园’破拆：互联网平台治理的一个关键问题”，《现代出版》2021年第5期，第64页。
[36]See Epic Games, Inc. v. Apple Inc., Case No.4:20-cv-05640-YGR.
[37]See William J. Baumol, “Contestable Markets: An Uprising in the Theory of Industry Structure, ” Journal of Reprints for Antitrust Lawand Economics, Vol.14, No.1, 1984, p.462.
[38]See Jan Kr?mer and Daniel Schnurr, “Big Data and Digital Markets Contestability: Theory of Harm and Data Access Remedies, ” Journal of Competition Lawand Economics, Vol.18, No.2, 2022, p.271.
[39]Ibid., p.261.
[40]See Hi Qvs. Linked In, Case No.17-cv-03301-EMC.
[41]See Hi Q Labs, Inc. v. Linkedin Corp., 485F. Supp.3d1137(N. D. Cal.2020).
[42]See Abrahamson, supra note [31], p.873.
[43]参见李勇坚、夏杰长：“数字经济背景下超级平台双轮垄断的潜在风险与防范策略”，《改革》2020年第8期，第59页；翟巍：“超大型数字平台企业双轮垄断的规制范式”，《财经法学》2021年第1期，第19—20页。
[44]See Maurice E. Stucke, “Should We Be Concerned About Data-opolies?” Georgetown Law Technology Review, Vol.2, No.2, 2018, p.305.
[45]See Epic Games, Inc. v. Apple Inc., supra note [36].
[46]See Erika Douglas, “Data Privacy as a Procompetitive Justification: Antitrust Lawand Economic Analysis, ” Notre Dame Law Review Reflection, Vol.97, No.5, 2022, p.463.
[47]See Garima Gupta, “Antitrust Concerns in the Age of Data-Driven Economies: The Need to Revive the ‘Essential Facilities Doctrine’, ” Liverpool Law Review, Vol.45, No.2, 2024, p.228.
[48]See Erik Hovenkamp, “The Antitrust Duty to Deal in the Age of Big Tech, ” The Yale Law Journal, Vol.131, No.5, 2022, pp.1526-1529.
[49]See Brett Frischmann and Spencer Weber Waller, “Revitalizing Essential Facilities, ” Antitrust Law Journal, Vol.75, No.1, 2008, pp.29-31.
[50]See Abbott B. Lipsky Jr. and J. Gregory Sidak, “Essential Facilities, ” Stanford Law Review, Vol.51, No.5, 1999, p.1225.
[51]See Armen A. Alchian, Economic Forces at Work, Indianapolis: Liberty Press, 1977, p.301.
[52]See Richard A. Posner, Economic Analysis of Law, Gaithersburg: Aspen Publishers, 1992, p.6.
[53]See United States v. Microsoft Corp., No.98-1232(D. D. C. filed May 18, 1998).
[54]See Lipsky and Sidak, supra note [50], pp.1235-1237.
[55]参见包晓丽、齐延平：“论数据权益定价规则”，《华东政法大学学报》2022年第3期，第70—73页。
[56]See European Commission, Case M.8124-Microsoft/Linked In, para.179.
[57]参见冯果、薛亦飒：“从‘权利规范模式’走向‘行为控制模式’的数据信托——数据主体权利保护机制构建的另一种思路”，《法学评论》2020年第3期，第70—73页；翟志勇：“论数据信托：一种数据治理的新方案”，《东方法学》2021年第4期，第61—62页。
[58]参见王锡锌、彭錞：“个人信息保护法律体系的宪法基础”，《清华法学》2021年第3期，第7页。
[59]参见邢会强：“数据控制者的信义义务理论质疑”，《法制与社会发展》2021年第4期，第143页。
[60]参见徐珉川：“论公共数据开放的可信治理”，《比较法研究》2021年第6期，第154页。
[61]反垄断法上，常用“经营者”或“市场主体”来指称规制对象，指独立参与市场经济活动的各类主体，从主体性质上看包括自然人、法人和其他组织。本文采用“数据法人”而非“数据经营者”或“数据市场主体”的概念，原因在于本文试图采用领域法学而非传统部门法学的研究思维解决数据垄断问题（参见彭诚信：“领域法学视野下的数字法问题”，《政法论丛》2024年第1期，第6页），以流通环节的数据垄断问题为导向，从民法的权利分置角度出发，探讨建立一种集数据管理、运行为一体的新制度，并非仅讨论市场经济活动。所以未采用“数据经营者”“数据市场主体”的概念，特此予以说明。还需要说明的是，数据法人制度与企业反垄断合规治理有相似之处，但又突破内部自我监管，将数据交由政府设立的数据交易场所管理，与“合规治理”不完全相同。
[62]See Inge Graef, “Market Definition and Market Power in Data: The Case of Online Platforms, ” World Competition, Vol.38, No.4, 2015, p.484.
[63]See Jan Kr?mer, Daniel Schnurr and Michael Wohlfarth, “Winners, Losers, and Facebook: The role of Social Logins in the Online Advertising Ecosystem, ” Management Science, Vol.65, No.4, 2019, pp.1678-1699.
[64]See Kr?mer and Schnurr, supra note [38], p.264.
[65]有学者主张借鉴英美法系的信托和大陆法系的财团，重构数据集的法律性质，围绕原生数据成立数据法人，并将数据法人的权利委托给政府来行使。认为信托财产是独立的，不属于委托人、受托人、受益人，信托财产系属于信托财产。财团对于其下的财产享有独立的所有权，不属于设立人、受益人。参见王延川：“数据法人：超级平台数据垄断的治理路径”，《国家检察官学院学报》2022年第6期，第157页。
[66]数据法人制度约束对象是垄断者，只有造成数据垄断的超大型平台应受此约束，而非所有的平台企业。
[67]参见许德风：《破产法论：解释与功能比较的视角》，北京大学出版社2015年版，第27页。
王文君，上海交通大学凯原法学院博士后
