数据要素是继资本、劳动、土地和技术之外的第五大生产要素[1]，指经过采集、加工、处理后，能够为生产、经营、管理等活动提供价值的各类数据资源，其核心在于“可利用性”与“价值性”。

与传统生产要素相比，数据要素具有显著的独特性：一是非竞争性。物质资本和劳动力资本具有“先到先得”的特性，即一方的使用会减少另一方的使用，是一种具有排他性的资本要素。而数据要素在被一个主体使用的同时，不会减少其对其他主体的可用性，即数据的使用具有边际成本为零的特点；二是网络效应，数据要素的价值随使用人数的增加而提升，用户规模越大，数据的价值密度越高，可以说正是网络的快速发展，推动了数据要素快速扩张；三是虚拟性和非消耗性。区别于资本、劳动、土地等传统要素，数据在形态上呈现虚拟性，且不具有损耗性，数据不像传统资本，如机器、建筑物或自然资源，会自然地衰减或耗尽[1]；四是隐蔽性与流动性，数据要素的传输与利用具有极强的隐蔽性，且可跨地域、跨领域快速流动。数据要素的流通时间通常以“秒”作为计算单位，而劳动力资本的流通时间则是它的数百上千倍。

数字经济反垄断是指针对数字经济领域的垄断行为，通过立法、执法等方式，维护市场竞争秩序、保护消费者合法权益、促进数字经济创新发展的一系列制度安排与执法活动。其核心范畴包括三个层面：一是相关市场界定，即明确垄断行为所涉及的市场范围，这是反垄断规制的前提；二是市场支配地位认定，即判断数字平台是否具有控制市场价格、数量或其他交易条件的能力；三是滥用市场支配地位行为规制，即对数字平台利用其市场支配地位实施的垄断行为进行监管与处罚。与传统经济反垄断相比，数字经济反垄断具有规制对象特殊、垄断行为新型、规制难度较大等特点。

对于相关市场界定层面，虽然在部分反垄断规制领域欧美有了绕开此分析环节的倾向，但在其它领域的具体实践中我们仍可以看到数据要素本身对相关市场的界定分析产生了极大的影响，数据要素市场的具体业务形态也成为了界定分析所参考的重要因素。[2]

3.1.1. 数据要素的多维度属性导致市场边界模糊

相关市场界定为识别经营者市场势力、判定经营者行为的市场损害效果提供了场域，在各类反垄断案件中均具有至关重要的作用[3]。数据要素具有多用途、多类型的特点，同一组数据可应用于不同领域，如用户消费数据既可为电商平台提供精准营销服务，也可为金融机构提供信贷评估依据。这种多维度属性使得数字经济领域的相关市场难以按照传统产品市场的划分标准进行界定。例如，在谷歌搜索引擎案中，欧盟将相关市场界定为“通用搜索引擎市场”，但谷歌认为其业务涵盖搜索、广告、地图等多个领域，相关市场应界定为“数字广告市场”，双方对相关市场的界定存在显著分歧。

3.1.2. 传统SSNIP测试在数据市场的适用性不足

SSNIP测试的核心是通过假定垄断者提高产品价格，判断消费者是否会转向替代产品，进而界定相关市场。但在数字经济领域，许多数字平台采用“免费服务 + 广告盈利”的商业模式，用户无需支付直接费用即可使用平台服务，这使得SSNIP测试的“价格提升”前提难以成立。同时，数据要素的非竞争性使得用户对数据产品的替代意愿较低，进一步降低了SSNIP测试的适用性。例如，在微信垄断案中，即使微信提高广告价格，用户也难以转向其他社交平台，因为微信积累的用户数据与社交关系具有极强的锁定效应。

市场份额、市场集中度与边际利润被认为是传统市场支配地位认定中的重要因素，也被称作支配地位认定的结构性认定因素。[4]

3.2.1. 数据积累的网络效应与锁定效应强化平台垄断

数据要素的网络效应使得数字平台的用户规模越大，数据价值越高，进而吸引更多用户加入，形成“用户越多–数据越多–价值越高–用户更多”的正向循环。网络效应的存在使数字经济的市场集中度更高，也更容易形成寡头垄断，并可能导致出现共同市场支配地位。但是这一行业特征也不能代表寡头垄断平台拥有不受竞争约束的市场力量。首先，由于数字平台竞争更加激剧和动态，寡头垄断平台可能缺少达成共谋的动机，反而可能持续创新不断更新产品。其次，由于技术与产业融合度高，另一市场出现的新技术很可能会打破寡头垄断平台间约定的平衡。最后，对数据的收集与利用能力直接决定了数字平台在相关市场的竞争优势。数据在数字市场竞争中具有一定的排他性与稀缺性，平台完全能够通过签订独家协议的方式达成对数据的独家控制，继而以不公平价格出售数据产品、拒绝开放共享行业关键数据及大数据杀熟等数据滥用行为。[5]

3.2.2. 传统认定指标难以适配数据要素特性

传统市场支配地位认定主要依赖市场份额、市场集中度等指标，但在数字经济领域，这些指标难以准确反映企业的市场控制力。一方面，数字平台的市场份额具有极强的动态性，由于技术创新速度快，新兴平台可能在短期内快速崛起，抢占市场份额；另一方面，数据要素的非竞争性使得平台即使拥有较高的市场份额，也不一定会实施垄断行为。此外，数据的质量、获取能力、处理技术等因素对平台市场控制力的影响远大于市场份额，但现有认定标准缺乏对这些因素的考量。

3.2.3. 数据对于市场支配地位认定权限的冲击

数据的“时效性”与“颗粒度”是决定数据价值的核心维度，二者的动态变化的特性，打破了传统市场支配地位认定中“静态化、规模化”的权重分配逻辑，对认定权重的设定带来了根本性冲击，使得执法机构难以建立统一、稳定的认定标准，成为市场支配地位认定的重要难题。

从数据时效性来看，其核心影响是“重构了数据价值的存续周期”，进而改变了市场支配地位认定中“数据存量”的权重。但是数据具有明显的价值衰减特性，不同类型数据的时效性差异极大，实时交易数据、位置轨迹数据等强时效数据，价值会随时间快速衰减[6]，90天内可能丧失大部分核心价值；而人口属性、基础画像等弱时效数据，价值衰减速度较慢，可长期复用。这种差异使得“数据存量”不再是衡量市场力量的核心指标，取而代之的是“数据实时获取与更新能力”。在强时效场景，如实时广告、网约车调度、金融风控中，只有掌握新鲜数据的企业才能维持算法精准度与服务竞争力，历史数据几乎无法形成竞争壁垒，此时“时效性”的认定权重应远高于数据存量；而在弱时效场景，如人口统计、长期趋势分析中，历史数据可长期复用，时效性的权重则会大幅降低。但当前反垄断执法中，尚未建立“场景化的时效性权重分配机制”，执法机构难以精准判断不同场景下时效性的具体权重，导致认定结果缺乏科学性。

从数据颗粒度来看，其核心影响是“区分了数据的质量差异”，进而改变了市场支配地位认定中“数据总量”的权重。数据颗粒度指数据的细化程度与维度丰富度，高颗粒度数据可生成精准用户画像、预测市场需求、优化算法模型，形成强差异化竞争壁垒；而低颗粒度数据价值有限、易替代，对市场支配地位的贡献极小。传统认定中“以数据总量为核心”的权重逻辑，无法区分数据的质量差异，而这种“量与质”的脱节，使得执法机构难以合理分配数据颗粒度的认定权重，容易出现“误判”。

值得注意的是，欧盟部分成员国在反垄断规制的制度设计与实践操作中，进一步弱化了“市场支配地位认定”在执法逻辑中的权重，转而更聚焦于对滥用行为本身的审查与规制，这也聚焦到了该领域的一些问题。

3.3.1. 新型滥用行为认定困难

数据要素催生了数据封锁、数据囤积、数据歧视、算法合谋等新型垄断行为，这些行为与传统垄断行为存在显著差异，认定难度较大。数据封锁是指平台通过技术手段限制竞争对手获取必要数据，腾讯曾限制字节跳动旗下产品使用微信支付接口，阻碍字节跳动在电商领域的发展；数据囤积是指平台积累海量数据后，不向市场开放数据资源，阻碍市场竞争；数据歧视是指平台基于用户数据实施差异化定价或服务，损害消费者权益；算法合谋是指平台通过算法协同实施垄断行为，如多家外卖平台通过算法统一配送费标准，构成隐性合谋。这些新型行为具有极强的隐蔽性，且缺乏明确的法律认定标准，给反垄断执法带来极大挑战。

3.3.2. 执法证据获取难度大

数字经济领域的垄断行为主要通过数据与算法实施，相关证据多以电子数据的形式存在，具有易篡改、易删除、隐蔽性强等特点。反垄断执法机构在调查过程中，面临证据获取难、固定难、认定难等问题。在算法合谋案件中，平台通过算法后台协同定价，执法机构难以获取算法代码、数据交互记录等核心证据；在数据封锁案件中，平台往往以“保护用户隐私”为由，拒绝提供相关数据，阻碍执法调查。

在数字经济全球化纵深发展的背景下，跨境垄断行为的隐蔽性、传导性与复杂性日益凸显，而跨境反垄断协同治理机制的供给缺口已成为制约全球竞争秩序优化的核心瓶颈。

3.4.1. 数据要素跨境流动导致管辖权冲突

数据要素具有极强的流动性，可跨地域、跨国家快速传输，这使得数字平台的垄断行为往往具有跨境性。谷歌、亚马逊等跨国平台在全球范围内开展业务，其实施的垄断行为可能同时影响多个国家的市场竞争秩序。但不同国家对数字经济反垄断的管辖权界定标准不同，一些国家采用“效果原则”，即只要垄断行为对本国市场产生影响，就拥有管辖权；一些国家采用“属地原则”，即仅对本国境内的垄断行为拥有管辖权。管辖权界定标准的差异导致跨国平台垄断案件的管辖权冲突频发。

3.4.2. 各国反垄断规则差异较大

不同国家和地区的数字经济发展水平、法律制度、政策导向存在显著差异，导致其数据要素相关的反垄断规则也存在较大分歧。其中欧盟对数字平台的监管较为严格，出台了《通用数据保护条例》《数字市场法案》等法律法规，强化对平台“守门人”的监管；美国则更注重保护市场创新，对数字平台的反垄断监管相对宽松；我国数字经济反垄断规则处于完善阶段，既注重维护市场竞争秩序，也兼顾产业创新发展。各国规则的差异导致跨境数字经济反垄断执法难以协同，影响反垄断规制效果。

4.1.1. 构建适配数据要素的市场界定方法

结合数据要素的多维度属性，采用“多维度分析法”界定相关市场，综合考量数据类型、用途、用户群体、技术特性等因素。例如，在界定电商平台相关市场时，不仅要考虑产品市场、地域市场，还要考虑数据市场。在进行分析时应采取需求替代分析法，并结合供给替代分析进行综合考量。基于数据要素市场的竞争特性，在具体执法时应集中于对替代性数据要素及其商品和服务范围的确定，通过对数据生命周期各环节替代性因素的综合分析，确定各环节的替代性商品和服务[7]。同时，可以引入“数据生态系统”视角，将数字平台的上下游业务纳入相关市场界定范围，全面评估平台的市场实力。

4.1.2. 优化SSNIP测试在数据市场的应用

针对数字平台“免费服务”的商业模式，对SSNIP测试进行调整，将“价格提升”改为“质量下降”或“服务限制”测试。例如，假定垄断者降低平台服务质量，判断用户是否会转向替代平台，进而界定相关市场。同时，结合数据的网络效应与锁定效应，引入“转换成本测试”，评估用户转向替代平台的成本，辅助相关市场界定。

面对多样的海量数据，要将主流产品和非主流产品分开界定，用更加细化的方式来完善市场界定。临界弹性分析是基于SSNIP方法的改进，是指“假定垄断者通过实施明显的且非暂时的小幅度提价可以获得的利益的价格弹性的最大值”。分为以下三个步骤：第一步，根据选择的需求系统估计产品实际需求弹性。第二步，根据需求函数的形式和盈利思路计算临界弹性。第三步，将临界弹性与实际弹性进行比较。这个做法的优势是定量测算时，如果使用的是现实中的市场份额和价格数据，则该数据已经体现了价格浮动对消费者选择的影响，如果该数据时长足够长，则已经反映了包含网络效应、数据多宿主等多种替代效应的消费者选择，不用具体深入到每种效应进行定性分析。[8]

4.2.1. 增设数据要素相关考量指标

在传统市场份额、市场集中度等指标的基础上，增设数据规模、数据质量、数据获取能力、数据处理技术、用户转换成本等数据要素相关指标，全面评估数字平台的市场支配地位。例如，将平台拥有的数据数量、覆盖用户范围、数据更新速度等作为数据规模指标；将数据的准确性、完整性、时效性等作为数据质量指标；将平台的数据采集渠道、数据合作资源等作为数据获取能力指标。通过多维度指标体系，准确反映平台的市场控制力。

4.2.2. 明确市场份额作用以及引入市场壁垒

在互联网背景下，由于市场份额的作用被削弱，对于市场支配地位的认定方法也应该优化。首先，需要重新界定市场份额的作用[9]。在互联网背景下，市场占有率高并不当然代表着支配地位，因为互联网平台瞬息万变，市场竞争的动态性可能导致短暂的市场支配地位丧失。其次，要增强进入市场壁垒的考量。较之传统的市场，数字经济下，新型竞争者进入市场的主要方式有资金投入的扩大、高科技产品的开发，在此情形下，进入市场的难度大幅度增加，具有市场支配地位的商家通过压低价格的方式更容易提高新竞争者进入市场的门槛，以达到垄断市场的效果。[10]

4.3.1. 细化新型垄断行为的认定要件

结合我国《反垄断法》修订案与《平台经济领域反垄断指南》，出台专门的“数据要素反垄断实施细则”，明确数据封锁、数据囤积、数据歧视、算法合谋等新型垄断行为的认定标准。例如，明确数据封锁行为的认定要件：平台具有市场支配地位、实施了限制竞争对手获取必要数据的行为、该行为排除或限制了市场竞争、没有正当理由。同时，明确各类新型垄断行为的法律责任，提高违法成本。

4.3.2. 建立算法透明与算法审计制度

建立算法审计制度，要求具有市场支配地位的数字平台公开算法的基本原理、运行机制、数据来源等信息，保障用户与竞争对手的知情权。由第三方机构对平台算法进行定期审计，重点排查算法合谋、数据歧视等问题。

第一，算法审计的触发条件。算法审计触发条件需遵循“风险导向、分类施策、全程覆盖”原则，结合算法风险等级、应用场景、市场影响等因素，分为强制性触发、依申请触发、常态化触发三类，明确触发标准与启动流程，避免“一刀切”或“监管缺位”。其中，面对涉及公共利益、人身财产安全、市场竞争秩序的核心算法，上线前及迭代后必须触发审计，包括近期关于辅助驾驶和自动驾驶的区分，自动驾驶的核心算法也必须要触发强制审计。

第二，审计机构的资质要求。算法审计的专业性、公正性直接决定审计结果的有效性与公信力，需明确审计机构的资质门槛。确保审计机构具备开展算法审计的综合能力，同时满足司法采信与监管认可的标准。首先在核心资质方面，审计机构必须具备法定资质，来确保其审计行为合法、审计结果具备法律效力。其次，在能力审核方面，由于新时代算法审计涉及算法技术、数据合规、反垄断法律等多领域知识，审计机构需要具备综合专业能力，如需要一支由多领域人才组成的专业技术团队，熟悉主流算法模型，能够精准解读算法逻辑、识别算法漏洞与违规行为。

第三，商业秘密的保护边界。算法审计过程中，不可避免会接触被审计企业的算法代码、核心数据等商业秘密，需明确商业秘密保护的边界，平衡审计监管需求与企业商业秘密保护权益，既要确保审计工作顺利开展，又要防止商业秘密泄露。其中算法源代码、算法模型架构、核心参数设置、优化逻辑、训练方法等，这些是企业算法竞争力的核心，属于受法律保护的技术信息。因此在审计的过程中，要遵循“最小必要”原则，限定商业秘密的接触范围和使用用途。而在明确审计机构、审计人员的保密责任后，要建立责任追究机制。若审计机构违反保密约定，泄露被审计企业的商业秘密，导致企业遭受损失的，需承担赔偿责任；情节严重的，吊销相关资质，禁止从事算法审计业务。被审计企业需如实提供审计所需资料，不得隐瞒、篡改商业秘密相关信息；若因企业自身原因导致商业秘密泄露，与审计机构无关，由企业自行承担责任。

4.3.3. 提升执法机构的技术执法能力

第一，强化反垄断执法机构技术装备建设，筑牢执法硬件基础。技术装备是反垄断执法的重要支撑，将反垄断执法技术装备建设纳入年度财政预算，明确经费投入标准和增长幅度，重点保障大数据采集、存储、分析，人工智能监测、预警，以及远程取证、数据加密等核心装备的采购与升级。在技术装备升级的同时，也要形成相应的装备体系，来更好地聚焦数字监管的具体要求，例如，配备具备跨平台数据抓取、清洗、比对功能的专用设备，解决数字平台数据分散、难以归集的问题；配备算法反向解析和模拟运行设备，破解算法黑箱难题，精准识别算法合谋、算法歧视等新型垄断行为。

第二，引入前沿技术手段，构建高效便捷的数字经济反垄断执法平台。依托大数据、人工智能等前沿技术，构建一体化数字经济反垄断执法平台，破解传统执法中“发现难、取证难、认定难”的痛点。整合数据资源，实现数据互联互通。推动执法机构与数字平台、行业协会、相关政府部门如市场监管、网信、工信、金融监管等的数据共享，明确数据共享范围、标准和流程，打破数据壁垒。同时，在平台中嵌入大数据分析、人工智能、机器学习等技术，构建智能监测预警模型和垄断行为识别模型。通过大数据分析，对数字平台的市场份额、交易价格、竞争行为等数据进行实时分析，及时发现垄断苗头性、倾向性问题。

第三，聚焦人才短板，培养兼具法律与技术背景的复合型反垄断执法人才。构建多元化人才培养体系，提升现有执法人员综合素养。同时，加强与高校、科研机构、行业协会的合作，建立人才培养基地，开展定向培养，为执法机构输送专业化、复合型人才。

此外，为确保各项对策落地见效，还需加强制度保障，完善数字经济反垄断相关法律法规，明确新型垄断行为的认定标准和执法程序。

4.4.1. 参与全球数据反垄断规则制定

首先要明确的是，全球数据反垄断规则，在立法目标、价值排序、制度工具上的差异并非偶然形成，而是深植于各国不同的经济结构、发展阶段与政治制度安排之中[11]。这类差异并非单纯源于技术能力或制度成熟度不足，而是具有正当性的制度多样性。试图通过多边谈判确立一套高度统一的反垄断实体规则，不仅难以获得广泛共识，而且可能以“统一”之名压制合理的制度差异，削弱反垄断法对不同市场结构与竞争环境的适应能力[12]。因此，要寻找一条能够通过具体制度机制加以落实、具有现实可行性的治理路径。可以进行有限而针对性的国际协调，而不是建立具有“统一实质性”的规则。

积极参与国际组织关于数字经济反垄断的规则制定，提出我国的立场与建议，推动形成全球统一的跨境数字经济反垄断规则。例如，在数据跨境流动、管辖权界定、执法协同等方面提出建设性方案，提升我国在全球数字经济治理中的话语权。同时实现管辖权协调和礼让原则的制度化，坚持在效果原则和执法主权不受影响的前提下，将礼让原则定位为指导跨境案件协调的程序性规范，并对其适用条件与边界作出适度明确，有助于提升跨境执法协作的可预期性与制度稳定性。[12]

4.4.2. 构建“软硬法协同”的跨境治理模式

数字经济“数据–算法–平台”三元融合的底层逻辑，打破了传统工业经济的地域边界与竞争范式，跨境垄断呈现出网络效应叠加、数据壁垒固化、扼杀式并购频发等新特征，单一国家监管的“属地管辖困境”与传统反垄断法的“适用失灵”问题凸显，“软硬法协同”跨境治理模式成为理论与实践的必然选择。

硬法以国家主权为依托，通过立法确权与执法赋能筑牢治理底线。在国内法层面，基于“相关市场动态界定”“相对优势地位认定”等理论重构，将数据控制力、算法支配力纳入市场支配地位评估体系，明确跨境数据垄断、平台“二选一”等行为的法律责任。在国际法层面，依托双边投资协定、区域自贸协定中的竞争条款，建立跨境并购审查的“实质影响原则”，赋予执法机构域外管辖权，破解“监管真空”与“执行冲突”难题，为跨境反垄断提供可预期的规则依据。

软法以协同治理理论为支撑，适配数字经济动态竞争的特性。通过国际竞争网络、多边监管合作机制等平台，推动各国就数据跨境流动规制、算法透明化标准等形成共识，制定行业自律准则与最佳实践指南。依托“监管科技”赋能，构建数据共享与风险预警机制，既避免硬法过度干预抑制技术创新，又通过柔性约束引导平台合规，形成“技术共治 + 行业自治”的辅助治理体系。

数据要素作为数字经济的核心生产要素，其独特属性既推动了数字经济的创新发展，也催生了数字平台新型垄断行为，给传统反垄断规制体系带来严峻挑战。数据要素视角下数字经济反垄断面临相关市场界定模糊、市场支配地位认定困难、新型滥用行为规制不足、跨境协同治理缺失等核心问题。为应对这些挑战，应从完善相关市场界定规则、优化市场支配地位认定标准、强化新型滥用行为规制、推进跨境反垄断协同治理、健全配套保障机制五个维度构建适配数据要素特性的数字经济反垄断规制体系。

随着数据要素市场化改革的深入推进，数字经济反垄断将面临更多新问题、新挑战。未来研究可聚焦以下方向：一是数据要素交易市场的反垄断规制问题，如数据交易平台的垄断行为认定与监管；二是人工智能算法在反垄断执法中的应用，如利用算法实现对数字平台垄断行为的实时监控与预警；三是数字经济与实体经济融合背景下的反垄断规制，如工业互联网平台的数据垄断问题。同时，应加强国际合作，推动形成全球统一的数字经济反垄断规则，共同维护全球数字经济市场竞争秩序。