AI安全与反垄断03 | FTC委员:基础性原则与基础模型相遇

一、引言

非常感谢各位邀请我参加此次会议。当前无疑是一个令人振奋的时代——无论是在人工智能（AI）、反垄断法、联邦主义、外交事务，还是其他各个领域，都是如此。

聆听今天这场精彩会议中的各位演讲者，使我产生了两种主要的感受。第一种，是纯粹的惊叹。每当我看到前沿人工智能模型的产品演示时，都会感到难以置信。

当我看到计算机能够根据文字提示生成逼真的视频，或者听到Meta等公司预计，到2026年其大部分代码将由人工智能编写时，我都会回想起自己第一次拥有手机——一部翻盖手机——时的情景，以及第一次发送短信时的惊喜。那时，我和丈夫刚刚结婚不久，年纪尚轻，而且经济上只能负担一部我们共同使用的手机。现在回想起来，这似乎颇为荒谬，因为他恰恰是我最需要发短信和打电话联系的人。

而那其实并没有过去多久。

第二种感受，则是谨慎的乐观。我想，在座各位中如果有人认为自己是这项技术的信仰者，我应该并不孤单。我相信，随着这项尚处于萌芽阶段的技术逐渐成熟，它能够帮助人类解决一些长期以来最棘手、最令人困扰的问题：疾病、饥饿、能源以及贫困。

这种观点可能会让一些人觉得过于乌托邦式、不切实际，但我相信，这项技术能够成为人力资本的倍增器，并为科学研究解锁新的可能性。

虽然我认为自己是这项技术的信仰者，但我并不盲目信奉人工智能能够解决我们所有的问题、治愈一切困扰我们的疾病。只有当我们——这里的“我们”确实是指整个人类文明——创造出有利于成功的条件时，这项技术才能充分释放其有益潜力。

作为联邦贸易委员会（FTC）委员，我每天都沉浸于两个既相互区别又彼此重叠的领域：竞争与消费者保护。因此，这也是我思考人工智能问题时所采用的两个主要分析框架。

就消费者保护而言，我认为人工智能作为打击困扰美国人的欺诈与诈骗行为的工具，具有巨大的潜力。但今天，我将主要从竞争法执法的角度，谈谈我如何看待人工智能。

在此之前，我希望先从历史与地理背景入手，为接下来的讨论奠定基础。

二、历史背景：差异化产品与全球市场

1882年，标准石油公司的一名律师促成了14家石油炼油企业之间的托拉斯（trust）安排。该托拉斯的形成使这些炼油企业能够规避州层面的公司监管，并直接协商其石油产量以及向客户收取的价格。

其他少数几类大宗商品行业中的企业——包括食糖、棉花、亚麻籽油、铅、制糖企业以及铁路——也纷纷效仿，通过建立自己的托拉斯采取类似做法。谢尔曼反托拉斯法（Sherman Antitrust Act）正是在这种背景下作为民粹主义者对扼杀竞争的横向安排（horizontal arrangements）所作回应而产生的。

在此后的140年间，许多事情发生了变化，但也有许多事情始终未变。垄断利润仍然一如既往地具有诱惑力，而几乎每隔几年，就会有新的卡特尔（cartel）被发现。反垄断执法机构仍然会针对反垄断法发展早期所涉及的同类大宗商品市场提起执法行动。就在几年前，美国司法部（DOJ）还曾试图阻止两家制糖企业之间的合并。

但如今的反垄断案件更多关注的是差异化产品（differentiated products），而非大宗商品。因此，当前反垄断案件中最困难的问题通常是：“相关市场是什么？谁是该市场中的竞争者？”

与此同时，在过去140年间，世界已经变得小得多。

20世纪初的通信网络原始且成本高昂。20世纪初，一封15个单词的电报经通胀调整后，其成本将超过10美元。甚至我20年前使用的那部翻盖手机，也限制了我能够发送的字符数量和短信数量。

如今，我们随身携带的设备可以即时连接到地球上几乎所有其他人和企业——以及人类历史上几乎所有已经被记录下来的信息。

随着世界变得越来越“小”，市场也日益全球化。1950年全球所有出口商品的总价值约为630亿美元；而去年，这一数字约为24万亿美元。

上述两项历史背景对于从反垄断法视角理解人工智能至关重要。

三、反垄断法与人工智能

从反垄断法的角度来看，人工智能给执法机构带来了棘手的问题。

目前，各企业之间正在展开一场规模巨大的竞争，以争夺“基础模型”（foundation model）的领先地位。OpenAI、Google、Meta、Anthropic、xAI、DeepSeek、Mistral以及其他企业，都在激烈竞逐，试图开发出最智能、最快速且成本最低的基础模型。

从最基本的层面来看，这项技术背后的概念其实相对容易理解：基础模型是利用海量信息进行训练、从而预测数据中模式的软件程序。训练完成后，该模型可以被用于各种应用，例如根据提示生成文本、生成图像或视频、分析金融数据或天气模式，或者根据氨基酸序列预测蛋白质结构。

而这恰恰构成了反垄断法面临的部分挑战。

这些基础模型以及由其支持的人工智能工具，是否与Google这样的搜索引擎构成竞争？是否与Adobe Photoshop这样的照片编辑及图像生成工具构成竞争？是否与Tableau或Power BI这样的数据分析软件构成竞争？

人工智能工具是否与提供谈话治疗的精神科医生构成竞争？是否与负责疾病诊断的初级保健医生构成竞争？是否与教师构成竞争？是否与律师构成竞争？是否与武器系统设计师构成竞争？

换言之：人工智能参与竞争的相关市场是什么？谁是（或者将会成为）该市场中的竞争者？

反垄断执法机构对于分析横向限制竞争行为已经拥有丰富经验。在这种情况下，两家企业可能进行合并，或者达成减少产出的协议。

我们同样拥有分析纵向排除的经验，即一家企业限制其他企业获得关键投入，或者限制其他企业接触客户。

但是，对于一种既可能成为几乎所有经济主体的关键投入，又可能与经济中的几乎所有企业直接构成竞争的技术，执法机构尚缺乏足够的实践经验。

如果商业史能够告诉我们什么，那就是：市场通常不会支持大量大型品牌同时竞争，以提供相同类型的服务。

基础模型成本高昂，并且需要大量能源、高性能芯片以及极具才能的人力资本——而这三者在当前经济中均属于稀缺资源。

此外，基础模型与可能呈现间接网络效应的多边平台具有相似之处。随着基础模型通过获得越来越大规模的数据集而不断改进，并持续吸引开发者进行集成，它们对于企业用户、消费者以及潜在广告商而言，也会越来越具有吸引力。

在产业组织经济学中，当一个市场具有较高固定成本、进入壁垒、规模报酬递增以及网络效应时，该市场很可能逐渐集中于少数几家相互竞争的企业。

目前，投资者正以前所未有的速度向这些企业投入资金，希望其投资的模型能够取得成功，并为自己带来巨额收益。但基础模型成本高昂，据我所知，目前尚无企业能够仅依靠基础模型本身实现盈利。

最终，投资者将不再愿意每年向无法产生利润的产品投入数百亿美元。

一旦这种情况发生，市场将面临越来越大的整合压力。

此外，需要特别强调的是，人工智能从根本上而言是一个全球性市场。

在反垄断法诞生之初，市场受到语言障碍、国家边界以及长距离运输商品所面临的困难等因素限制；而人工智能不存在这些障碍。

基础模型利用来自世界各地的海量数据进行训练：以中文写成的小说、欧洲Copernicus数据集中的气候数据、世界各地报纸上的文章、上传至StackOverflow的计算机代码、日本经济新闻（Nikkei）的金融数据，以及Wikipedia等包含海量信息的信息汇编。

更令人惊叹的是，由于模型是在多语言数据集上训练的，因此它们能够“学习”人类语言。

因此，一个由法国工程师在法国开发、工程师们吃着马卡龙、喝着葡萄酒训练出来的基础模型，能够对一名只会阿拉伯语的使用者输入的阿拉伯语提示作出回应。

难以置信！

四、应对潜在风险

那么，所有这些意味着什么？

目前，人工智能竞争领域可谓阳光普照。大量企业正在人工智能领域筹集和投入巨额资金，以开发创新性、突破性的产品。似乎每周都会有新的模型发布，而且相比此前的基准模型，它可能更快、更便宜或者更智能。

模型的能力正在以惊人的速度增加——文本、图像、视频生成，甚至能够执行旅行计划的智能体人工智能（agentic AI）！

就目前而言，这个领域堪称竞争爱好者的天堂。

但是，如果仔细观察，就可能会看到地平线上正在形成的乌云。

我们拥有一种技术，它有望在几乎每一个经济部门中发挥结构性关键作用——既可能作为投入品，也可能作为直接竞争者，或者二者兼具。

与此同时，无论从经济理论还是产业组织经济学的悠久历史来看，都存在有力迹象表明，当一个市场存在显著的规模报酬递增时，市场可能迅速向少数参与者集中。

而由于该技术跨越了国家边界与语言障碍，全球市场可能最终集中于极少数企业。

在这一领域，排除性行为可能抑制创新，或者在全球范围内损害消费者利益。

在我看来，上述因素意味着，反垄断执法机构需要保持警惕，并对这些市场进行仔细监测。

我认为，我们尤其需要关注的一种行为模式，是经济学家所称的“早期开放、后期关闭”。

其运行机制如下：

在人工智能这样的网络化产业中，一家企业可能通过采取“开放”政策获得支配性地位。

例如，一家企业可以通过以低价或者零价格向开发者提供其模型或海量数据的访问权限，吸引开发者加入其平台。

这些“开放”政策可以成为一种诱因，使第三方依赖该基础模型，并将其作为自身应用程序或服务的基础设施。

在获得支配地位之后——这一地位部分源于其通过“开放”政策吸引了开发者——基础模型运营者便会产生关闭相关政策的激励，具体方式可能包括限制访问，或者提高使用该模型所需支付的费用。

目前，我们显然正处于市场发展的“开放”阶段。

基础模型提供商正在提供慷慨的模型访问权限，大力投资开发软件开发工具包（SDKs）以实现便捷集成，推出用于共享经过微调模型和插件的开发者平台，制作大量教程和文档以支持开发者，并为开发者提供云端集成服务。

所有这些功能都具有成本。

如果基础模型层面的市场最终集中于少数几家提供商，那么这些企业支持第三方的意愿可能会降低。

五、竞争之外的因素

尽管企业之间的竞争以及不同国家所采取的反垄断执法路径，将对人工智能的发展产生至关重要的影响，但我们不应自我欺骗，认为这些就是决定人工智能能否发挥其造福人类潜力的全部因素。

换言之，一家潜在的支配性企业实施排除性行为，并不是天空中唯一可能出现的乌云。

竞争政策只是政府、企业、消费者以及第三方之间广泛互动网络的一部分，这些互动共同塑造着消费者最终获得的结果。

正如我此前所指出的，人工智能的发展也将影响消费者保护：一方面，人工智能将赋予执法机构新的工具，用于追踪违法者；另一方面，它也可能增强诈骗者欺骗消费者的能力。

鉴于人工智能具有重大的地缘政治意义，随着该技术的发展，我们还可能看到竞争问题与国家安全问题之间日益增加的互动。

众所周知，目前各国政府正在投入数十亿美元的纳税人资金用于开发人工智能基础设施，并对提供人工智能服务的企业进行补贴。

设想一家受到外国对手国家补贴的人工智能企业，在未来推出一种人工智能产品，并以远低于成本的价格提供该产品。

从竞争角度看，这可能是有益的——消费者能够从低价格中获益。

但从国家安全角度来看，这可能引发重大担忧。

外国企业可能利用低价格吸引美国消费者，并获取其个人数据以及其他潜在具有敏感性或者可用于采取行动的信息。

这种结果将足以促使联邦政府各部门对此进行审慎审查。

六、未来路径

地平线上的乌云并不意味着暴风雨一定会来临，但它确实提示我们：应该带上一把雨伞。

作为美国的反垄断执法机构，这意味着即使市场目前仍具有竞争性，我们也必须始终警惕市场力量的积累及其滥用。

重要的是，在美国，FTC和DOJ是反垄断执法机构，而不是监管机构。

我们不愿意创设事前规则，规定企业应当如何在市场中竞争，或者市场应当采取何种结构。

如果一家企业通过创新、效率或者产业竞争——换言之，如果一家企业在竞争中胜过其竞争对手——取得市场领先地位，那当然很好！

我们希望通过提供最优质的产品和最低的成本，激励企业通过竞争赢得市场。

如果我们试图强行按照我们认为人工智能市场“应当”呈现的样貌塑造市场——规定市场中应当存在多少竞争者、企业应当对产品收取多少价格，或者产品应当具有哪些功能——那么，与其说我们能够实现预期的市场结果，不如说我们更可能抑制创新，并使外国企业获得赢得市场的机会。

在这一领域，政府无法保护美国企业，使其免受国际竞争所带来的耀眼而又不留情面的审视。

我们需要相信这样一项核心原则：竞争将为消费者带来最优质的产品、最低的成本以及最多的创新。

竞争执法机构的职责，是确保竞争足够激烈，并确保任何一家企业都不能排除竞争、剥夺消费者从竞争中获得的利益。

考虑到这一产业的规模与范围，我希望向各位保证：FTC始终保持警惕，并且已经做好应对这一任务的准备。