简单易懂的信使场景过后，我们将把关注的焦点集中在以计算机算法充当“枢纽中心”的中心辐射式场景。即便市场中的竞争对手不再直接沟通商榷价格，整个过程所能达到的效果也与横向共谋甚是相近。
传统的中心辐射式场景
对于电商或反垄断执法机构而言，它们恐怕对这种中心辐射型垄断并不陌生。毕竟，不论是毒品生意还是价格操纵集团都可以从这种安排中获益。按照美国联邦第一巡回上诉法院的说法，当“一个团伙的主脑”或者说是“中心”得以控制若干个“分支”或者说是“二级共谋犯”时，这个垄断组织就此成形。 1 这些分支各自独立运行，但在必要时它们会在中心体系内与其他分支达成交易，而整个网络则形成一个单一的非法组织。 2 常见的案例是犯罪团伙的主脑会雇用不同的共谋犯承担组织内不同的工作职责，比如，有人设法搞到枪支，有人负责偷窃一辆逃命的轿车，另有人想法如何洗钱。
在中心辐射式场景中，共谋者无须相互沟通。即便他们彼此互不相识，也无大碍。美国最高法院曾提出，“在这类违法案件中，共谋犯也许并未采取一致行动”。 3 但是将中心辐射式共谋与一般意义的多方勾结区分开的关键是，这里一定存在一个“轮辋”，圈住了其中的参与者：“当局者对这场勾结会有一个共识，他们或心若明镜或多少能够掌握整个卡特尔组织的规模，并且有一定依据相信自己能否捞到好处还有赖于整个体系的运作”。 4 因此，在这个体系内，组成一个完整“车轮”的“辐条”必然会采取协同行为稳定市价。在一个简单案例中，共谋场景的枢纽中心不仅会对与各个分支达成的纵向价格合作协议给出承诺，还会参与到横向共谋当中。 5
长久以来，司法体系已将这种中心辐射式共谋归入法律惩戒的适用范围。通常而言，发挥沟通协调作用的枢纽中心处在一个较高层级的市场组织结构中，并会潜入较低层级与其中的市场参与者（也就是分支）达成控价协议。 6 在著名的1939年美国州际电路公司案 7 中，一家影院的经理逐一拜访各家电影发行方，并与对方分享了一个正在酝酿的电影票价共谋方案。他甚至还向对方表示，其他电影发行商已经同意入伙，并提出唯有8家电影发行方均表态认可，这个阴谋才能得逞。就这样，影院经理和电影发行商组成了一个共谋组织。在这起案件中，美国最高法院甚至认为，即使缺乏确凿的证据，也足以对共谋行为做出认定。
当“枢纽中心”选择积极地介入共谋时，情况又是如何？ 8 在一起伦敦同业拆借利率价格操纵案中，欧盟有关部门强烈谴责了这种行为。本案中，充当“枢纽中心”角色的是英国交易商ICAP——“作为花旗银行交易员与苏格兰皇家银行交易员之间沟通的桥梁，ICAP与这起不正当竞争事件脱不了干系”。 9 另外，在一起电子书提价案件中，苹果公司与另外5家图书出版商被指控有意抬高电子书售价［特别是最新出版的图书与《纽约时报》（The New York Times ）推荐书籍的价格］ 。 10 苹果公司的电子书案例强调了平台的强大力量与其可能给竞争市场带来的破坏力。苹果公司与出版商签订的代理协议与平价条款 11 也在无形中促进了出版商之间的集体行动（或直截了当地说就是“勾结行为”） 12 。
算法驱动的中心辐射式共谋
在对传统的中心辐射式场景有了一个概括性的了解后，下面的案例将介绍以计算机算法充当“枢纽中心”的共谋局面。
假设，同行业的各家企业都已敏锐地觉察到了动态定价算法的优势，但考虑到高昂的系统开发与调试成本，它们纷纷选择将这项工作外包给同一家定价算法系统服务商。虽然这些企业并未事先商量，但是由于它们使用同一个定价算法处理市场数据并对市场价格波动做出回应，结果就是，企业的市场行为将“奇迹般地”趋同，它们相当于使用相似的主脑为自己的定价策略提供依据。
算法驱动的中心辐射式场景与信使场景的区别在于：在信使场景中，计算机是人类共同意志在技术层面的延伸；但在这个新的场景中，由于同行业的竞争对手均采用同一个定价算法，市场价格虽然得以稳定，但竞争市场秩序却因此遭到破坏。
此外，不同于传统情况，这种由算法驱动的中心辐射式共谋既有可能是为了蓄意削弱竞争秩序而生，也有可能是因广泛使用同一个定价算法而酿成的无心之失。换句话说，共谋可能只是结果，而非初衷。
因此，本书研究的重点将落脚于以单一算法作为“枢纽中心”而造成的实质上的不正当竞争后果。典型的例子就是，随着大数据的发展与动态定价对技术要求的提升，市场中的诸多企业均选择将定价工作外包给定价算法服务商，并对后者产生越来越强的依赖。
以Boomerang为代表的信息科技公司正在为企业提供定价算法服务。根据对单一产品做出上百个离散数据点（包括竞争对手的价格）分析，Boomerang掌握的算法软件可以做到对近百万种商品进行实时定价。 13 以算法软件提供的数据信息为基础，Boomerang的客户会对何时调整价格、是否要与竞争对手比拼降价做出综合考量。 14 如今，办公用品公司史泰博、西尔斯百货、团购网站高朋（Groupon Goods）等多家大型零售企业都是Boomerang的客户。 15 在Boomerang的宣传中，它还号称自己可以帮助客户规避一场因算法驱动而引发的价格战。
电商界的新星Jet正在打造一个囊括了300万种产品的线上购物商城，它还发誓要在产品价格上击败亚马逊。那么，这个消息对于“你”来讲意味着什么呢？与其竞价，不如一举转战到一个公平竞争的赛场，拥有属于你的定价工具。
不难想见，为了防止客户流失，亚马逊的定价算法一定会对Jet的激进定价策略做出回击。但是，对于普通的零售商而言，盲目的比拼降价并非正解。当前，为了竞争与效益递增，顶尖的零售商都正在使用Boomerang独到的定价工具。 16
没有人谴责Boomerang与它的客户是在进行价格垄断。但是，我们不妨考虑这样一种潜在可能。假设史泰博运用Boomerang的算法对其在线上网站售卖的办公用品进行定价，那么，如果史泰博的竞争对手也成为Boomerang的客户了呢？在这种情况下，每一个市场卖家都有充分的理由声称自己无意操纵价格。毕竟，选择将定价工作外包，既节省人力，又提高效率，何乐而不为？不仅如此，随着Boomerang争取到了更多办公用品领域的企业客户，具有自学习能力的定价算法也将因为获取更多数据而得到不断优化升级。随着事态进一步的发展，任何一家小零售商自己开发定价软件都有可能不是Boomerang的对手。因此，如果还有哪家零售商选择使用Boomerang的定价算法服务，那么这也无可厚非。
然而，当每一家大型办公用品公司都选择将自己的定价工作外包给同一家定价算法服务商，并且后者对其均承诺将为它们实现利润最大化目标时，难道它们就想不明白这个数据库里既然有自己的销售数据，也少不了竞争对手的数据吗？市场价格怎么会不受到影响？
由此，我们将不难找出躲在定价算法身后的中心辐射式共谋。当零售商都在为身为“枢纽中心”的定价算法服务商提供数据并委托后者承担定价工作时，它们很有可能清楚地知道自己的竞争对手也在做同样的事。定价算法服务商是在使用客户自己提供的数据为其提供最优定价策略指导。从事情所取得的实际成效来看，市场价格得以稳定，而各家零售商与定价算法服务商也能得到相应的回报。此外，市场中的竞争对手还有充分的商业理由为自己的这种行为提供依据。但是，他们也清楚地知道，这种一致行动有可能抬高商品市价并促成自己的利润增长。于是，当同行业的各家企业都选择将定价工作外包给同一家定价算法服务商，或者各家企业都使用相近的定价算法时，那么由算法驱动的中心辐射式共谋场景将呼之欲出。
优步的“轮辋”
除了第三方定价算法服务商之外，还有另外一种由数据驱动的中心辐射式共谋，而这关系到串联起商家与消费者的交易平台。当产品或服务的价格是由平台设计的定价算法确定，并且交易双方都对这个价格表示应允时，这种行为同样有损公平竞争秩序，令同业间的横向竞争大打折扣。
以优步为例，作为一家提供快车预订服务的科技公司，优步在全球300个城市开展业务。优步利用装载在智能手机上的优步应用程序拉近了司机与乘客之间的距离；运用独家定价算法，为每一笔打车服务开出了价码。 17
在此，我们先简要介绍一下优步已经取得的成就。2015年，优步的估值就已逼近510亿美元，而目前只有两家独角兽公司的估值突破了500亿美元：优步和脸书。引人注目的是，优步迈上这个台阶的步伐比脸书快了两年。 18
估值的迅速增长与庞大的用户基础呼应了优步创造的可观效益。免去了当街拦车的麻烦，优步的用户可以在手机客户端上满足自己的出行需要。此外，他们还可以根据优步提供的信息，随时掌握接单车主的位置、服务评分以及整趟行程的大致费用（这往往要低于打正规出租车的资费）。可以说，搜寻成本的降低以及乘客对优步司机基本情况的掌握托起了优步的光明前景。不但如此，庞大的乘客群体与合作车主——部分全职、部分兼职——也大大提高了资源的使用效率。
成功的故事也并非全然欣喜。在优步与合作车主之间关系的本质、其商业模式所应承担的社会责任、交易的公平性等问题上，质疑与批评的声音同样不绝于耳。 19 批评者认为，优步逃避了传统出租车公司所面对的监管压力和后者需要负担的安全成本，因而享有不公正的竞争优势。 20 但在这里，我们要从另一个角度切入这个议题——优步的动态定价算法。
当然，我们会谨慎地讨论这个议题。因为在多次使用优步与同类软件Lyft之后，我们珍视它们的服务。毕竟，每个工作日的繁忙清晨，这类打车软件为通勤者提供了一种划算的出行方式。考虑到这种种好处之后，我们来分析，在特定的条件下，中心辐射式共谋是如何创造出了一个截然不同的市场动态。
目前，优步的定价算法已被称作“算法的垄断”，原因在于它只是真实市场价格的一个假象。 21 在使用中，优步的合作车主并不和乘客议价。取而代之的是在“没现金、无小费、省麻烦”政策的安排下，由定价算法确定的乘车资费将自动从乘客的信用卡中被自动划款。 22 对于这笔收入，优步公司抽取其中的20% ~ 25%，余下的则是合作车主的劳动报酬。 23 首先，优步的动态定价算法会为乘客提供一个基准车费价格；其次，根据实时的用车需求与可接单车辆的供给变化，再做出相应的溢价调整。 24 比如，在暴风雪天里，纽约市的优步价格要比往日高出8.25倍。 25 虽然调价是根据打车市场的实时供需变化做出的安排，但在一些特殊情况下，优步这种定价方式也不免为自己和使用它的乘客带来了麻烦。例如，在澳大利亚悉尼市市中心的一起人质劫持事件中，由于市中心一度陷入混乱，优步也趁机搞起了价格狂飙。事后，优步向社会做出了郑重致歉，并返还了相关费用。 26
可以说，对于基准车费、何时上调价格、在哪一区域、什么时间段上调价格与调整幅度是多少等问题，优步的定价算法统统替本是竞争关系的司机朋友做了主。因此，乘客可以很方便地对优步的价格与其他出行选项（常规的出租车、其他打车软件等）做出比价。但是，当越来越多的乘客与车主开始依赖优步平台时，定价算法在打车市场中的运用又会给市场价格带来什么影响呢？
为了说明这个问题，假设优步是美国田纳西州纳什维尔市最大的叫车服务平台，且当地正规出租车的势力相对薄弱。那么，在定价算法决定打车费用的情况下，再假设优步的合作车主不需要靠提高服务质量的方式来赢得乘客青睐，那么竞争机制是否还可以正常运转？一项针对优步与Lyft合作车主的研究表明，通过在网络地图上确认对方的地理位置，他们在有意疏远彼此。因为这样一来，当乘客的叫车信号发出时，他们就不需要辛苦地去抢生意；而当车主想在小憩的同时又不错过车费溢价的机会时，他们又会把车停在其他合作车主的周边，从而免于被订单信息不断叨扰。 27 可以想见，当越来越多的人在纳什维尔市选择使用优步时，就有越来越多的车主向优步的平台靠拢，而乘客等待时间的缩短也增强了优步对乘客的吸引力。在这种情况下，除非优步的全部客户都转到另一家打车软件平台，否则它的动态定价算法将在打车市场拥有更大的市场价格主导权。对此，合作车主也会毫无怨言。毕竟，75% ~ 80%的车费落进了他们的口袋。
执法挑战
上面的案例已经说明，在众多市场竞争者都依靠一个定价算法的情况下，市场竞争机制的发挥恐怕将面临阻碍——这种做法可能导致产品或服务的市场价格被抬高。但是，一个孤立的纵向协议本身并不必然构成不正当竞争，它同样也无法昭示参与者操纵价格的企图。不过，当同一市场中的纵向协议出现群聚效应并且因此造就了一个典型的中心辐射式共谋时，这才会引起反垄断执法机构的担忧。互为竞争对手的市场卖家开始共用一个定价算法（即“枢纽中心”），竞争秩序就此遭到破坏，市场价格也非往昔可比。
站在反垄断执法者的角度来讲，他们有必要充分地评估“中心—分支”模式中垂直关系的本质与由此带来的问题。通常来讲，这种纵向协议的行为主体往往具有明显的互补性，双方之间并不存在竞争，市场化定价算法服务商Boomerang就不会与它的零售商客户抢生意，优步自然也不会与合作车主有直接的竞争。为了成就一场共谋，“中心”只发挥信息传递功能是远远不够的，共谋的参与者需要充分认识到信息传递可能带来的后果。作为信息接收者的“分支”在使用“中心”进行信息沟通时的意图是什么，在特定情境下对后果的认知又是什么，这才是判断“分支”是否参与限制竞争等违法行为的关键。 28
在一起反不正当竞争案件中，欧盟法院就认为一家在线票务服务网站Eturas and Others存在协助共谋的行为。 29 事情源于这家票务网站的管理者在其首页上贴出的一则公告。公告宣称，该网站新近的系统升级为票价折扣率设置了上限。 30 法院方面认为，除非使用该网站的旅行社票务代理将这则公告的内容反映给相关执法机构，或者已明确表态自己给出的折扣价格不受这个公告约束，否则就可以推定他参与了这场共谋。由此可见，审理这类反不正当竞争案件的关键在于，找到该旅行社票务代理知悉这则公告却不采取回应的证据。 31
同样，在美国，执法机构也会使用对犯罪意图的认定推断这类纵向协议的本质（是纯粹的纵向协议，还是在实质上构成市场竞争对手之间的横向共谋），对竞争秩序造成的影响，是否要将这种行为视为犯罪，是走民事诉讼程序还是刑事诉讼程序？ 32
如果将判例制度运用在这种由算法驱动的共谋案件中，在确认违法事实与相关责任人时，欧美法院都会对企业使用定价算法的意图做出考量：他们的关注焦点在于后者是有意触犯法律，达成默契进行价格操纵，还是对由此可能酿成的违法后果充分知情。 33
如果开发定价算法的目的明确——用来辅助共谋，那么这可以被看作一个典型的中心辐射式共谋。 34 这种动机既说明企业有违法意图又充分知情，这何尝不是为法院做出公正裁决提供了确凿的犯罪证据。
值得注意的是，“枢纽中心”的凝聚力与计算机系统的广泛应用，使“中心—分支”模式的共谋场景对卡特尔组织结构的稳定性发挥了一定作用。当处在“枢纽中心”的算法承担起了设定价格、收集市场信息（包括各个分支的市场活动信息）的责任时，共谋各方得以信守承诺，彼此的怀疑情绪也得以消弭。在中心辐射式场景中，个体“分支”终究难以拿捏何时开始打折、对哪一类商品进行促销、折扣的幅度是多少，这也说明他们违背成本高昂的承诺。
接着，让我们考虑另外一种情况。如果开发定价算法的目的不是辅助共谋，却起到了影响市场价格走势的作用，那么可以将这种情况列入不正当竞争行为的范畴吗？
继续以优步为例。如果出租车司机自发达成一个定价协议，对外采取一致定价（或说是溢价），那么这无疑是不正当竞争行为。但在优步的模式里，纵向协议是由优步（即“中心”）和合作车主（即“分支”）达成。在优步初涉纳什维尔市时，起先加盟优步的几位合作车主虽然也同意使用优步提供的定价算法，但这并不代表他们默许了价格操纵的行为。接下来，当优步成功主导本地市场时，对那些后续加盟的合作车主而言，假设他们清楚地知道通过使用优步的平台，可以赚取相同的费率与同等的垄断利润，那么他们会不会就是中心辐射式共谋的参与者呢？
对于上面这个问题，尚且没有一个明确的答案。随着线上平台的交易规模与对市场价格的主导能力日益放大，反垄断执法机构的执法挑战不容小觑，如何对操纵市场价格的定价算法进行取证？又如何对合作车主和平台涉嫌参与不正当竞争的事实进行认定？事实上，尽管这种交易模式带给市场的影响是横向共谋，但是将其确切地认定为中心辐射式共谋还需要一些条件。诚然，大规模地使用同一个定价算法会引起执法人员的注意，但未必会被看成是辅助违法的证据。 35 2016年，一家美国联邦地方法院拒绝驳回一起反垄断私人诉讼，本案中的原告指控优步的前任首席执行官特拉维斯·卡兰尼克（Travis Kalanick）和合作车主利用优步研发的定价算法赚取了垄断利润。 36 拉科夫法官对此给出了一个恰当的评述：“反垄断执法应当密切关注共谋犯罪在技术层面的不断发展。” 37 虽说法院对共谋犯罪的重视已令这类指控跨越了第一道司法屏障，但是它尚且难以挺过即决判决 38 的程序。
如果优步与合作车主参与了中心辐射式共谋，那么不论这个卡特尔组织的实质成效如何，他们都需要承担法律责任。即便定价算法推演出的车费价格合理（甚至低于寻常的出租车费用），他们也难逃法律制裁。
但是，当优步提供的车费价格比其他竞争对手的价格低时，这就难以对反垄断执法机构采取的外部干预做出合理解释。换句话说，当线上交易平台切实起到了改进服务与降低价格的作用，司法系统是否还能够判处其违法？
同样地，当交易平台的势力日益壮大，所谓的基准定价也许已不能代表竞争性市场价格。什么算是在合法范围内使用定价算法？什么又被归入了共谋的范畴？其中的分水岭又在哪里？这些都是摆在反垄断执法者面前的难题。归根结底，第一个使用Boomerang定价算法服务的零售商或者第一位注册成为优步合作车主的司机都不能被认定为参与不正当竞争。同理来看，也不能说第二位、第三位加盟优步的合作车主介入了共谋。那么，到何种程度，定价算法才摇身一变成为中心辐射式共谋的“枢纽中心”了呢？
另一个挑战在于对特定算法属性的界定。执法机构在处理此类案件的过程中，往往会觉得难以（有时甚至是不可能）对算法的内核进行深入研究，以便找到确凿证据证明算法的设计初衷就是共谋或者说有可能被滥用。机器学习是一个持续的过程，企业当前正在使用的定价算法很有可能就与以前的算法有很大不同。如果反垄断执法机构与法院可以找到明确的证据证明算法中存在出于限制竞争的目的而做出的设计，那么垄断行为违法与否的判断标准将遵从“本身违法原则”（per se illegal）；不然，则需要基于“合理原则” 39 （Rule of Reason）。在“合理原则”的要求下，举证人必须找到这种纵向协议对竞争机制造成实质性负面影响的证据。但是，经过综合考量，如果这类限制竞争行为带给国家经济和社会的益处大于弊端，那么可以将其视为合理的限制竞争行为并且得到法律许可。这样一来，举证的过程往往耗时耗力，还难以取得实效，有时甚至可能得出不利于原告立场的结论。所以，通过“合理原则”确认违法事实的通道也就变得越发狭窄。 40
本章回顾
当同行业中的竞争对手都使用同样的定价算法时，这种安排的合法或违法边界往往变得越来越模糊。如果有确凿的证据能够证明相关企业的限制竞争行为的意图，那么法院或者反垄断执法机构就可以顺理成章地依据法律条文对它们做出惩处。但当这些证据缺位时，这种行为的一致性将给反垄断执法工作带来不小的挑战。
首先，如上所述，合法使用定价算法与非法使用定价算法构成限制竞争行为的分水岭难以界定。
其次，这种纵向协议的稳定性与市场准入的“敏感性”恐怕还难以确定。从优步的例子来看。一方面，使用统一的定价算法与中央支付系统为这种“中心—分支”模式营造了一个稳定的内部环境，合作车主可能因此缺乏激励与能力去比拼低价，展开竞争；另一方面，如果优步的竞争对手有效地限制了优步市场份额的扩张或者抬价行为，那么竞争机制仍在正常运行。
这种矛盾将我们引向了第三个执法挑战：如何判断线上交易平台是在何时取得市场支配力量，并且开始运用定价算法抬高产品或服务售价？在研究所谓的“市场主导力量”时，我们需要结合社会偏见、用户（面对复杂信息 41 ）的无能为力、有限的选择空间、应用程序的使用等诸多问题进行分析。
虽然我们无法准确评估某些市场的动态竞争环境或者领先的线上交易平台所面对的竞争压力，但有一点不容忽视——市场中的新进者有时会给中心辐射式共谋带来不小冲击（这个议题已在不少学术研讨会上激起了学者的热烈讨论）。另外，比价网站的普及同样也会阻碍互联网平台的势力扩张。 42 与此同时，我们还将看到，网络效应的发挥将令那些本已拥有广阔用户基础的互联网巨头继续收获几何级数的规模扩张。当这一切真的发生时，定价算法所设定的产品价格将一跃成为市场中的公允价格，但这也意味着更高的市场价格。