计算反垄断：来自 25 个反垄断机构的证据

快速阅读: 据《网络法律评论》最新报道，本文总结了斯坦福计算反垄断项目第四份年度报告，分析25个机构在AI、大数据等技术应用中的趋势与挑战，指出数字化转型正重塑反垄断执法方式。

摘要。本文探讨了斯坦福计算反垄断项目第四份年度报告中的模式，该报告收录了全球25个机构的贡献。我们的研究结果表明，大多数机构正在趋向于相似的技术解决方案，尤其是大型语言模型和机器学习工具，同时面临着与可解释性、数据安全性和组织适应性相关的共同挑战。我们的分析表明，2020年后见证了数字采用前所未有的加速，从根本上重塑了反垄断机构检测和调查反竞争行为的方式。

1. 引言

反垄断机构正经历着由市场日益数字化和反竞争行为日益复杂化所驱动的深刻数字转型。本文首次对机构如何通过技术创新、基础设施建设和制度变革来应对这些挑战进行分析。分析基于斯坦福计算反垄断项目第四份年度报告，该报告收录了全球25个机构的贡献。这份报告提供了一个全面的数据集，我们利用它来识别在多种监管环境中反垄断机构数字化转型中的模式和新兴最佳实践。通过这样做，第四份年度报告进一步推动了该项目的实际目标，使计算反垄断成为现实。它也补充了该项目的理论目标，通过系统的学术研究来探讨计算反垄断的挑战。

从我们的研究结果中可以得出一个明确的结论：反垄断执法的数字化转型不仅仅是一次技术升级，而是代表了机构检测、调查和起诉反竞争行为方式的根本性变化。从投标操纵监控到复杂的图神经网络，机构正在部署前所未有的数字工具，现在已成为反垄断执法的普遍现象。

2. 关键发现

我们对全球25个机构的分析揭示了过去十二个月计算反垄断的三个关键进展：AI工具作为情报倍增器（2.1）、大量基础设施投资创建执法生态系统（2.2）以及快速的制度演变重塑机构能力（2.3）。这些变化表明，数字化转型远远超出了技术采纳，深刻地改变了侵权行为的检测方式和执法优先事项的确定。

2.1. 工具发现

部署高级分析工具是反垄断执法数字化转型最显著的方面。我们对第四份年度报告的分析揭示了三种主导的应用场景。

投标操纵检测。这成为最常见的具体应用，包括澳大利亚、西班牙、日本、立陶宛、巴基斯坦和斯洛文尼亚在内的国家开发了专门的工具。这些系统采用各种技术方法，从方差系数和投标价格相对距离等统计指标，到针对历史案例训练的复杂机器学习模型。西班牙的BRAVA（反垄断监视投标操纵算法）展示了最先进的技术，使用带有LIME/SHAP可解释性特征的监督机器学习，并结合图分析来映射公司、投标和个体之间的关系。加拿大开发了一种主动的投标操纵监测系统，将政府采购数据与其他公开来源整合，而巴基斯坦的BRAD（投标操纵分析与检测）工具则利用人工智能驱动的网络爬虫和分析来识别政府采购中的共谋模式。最后，澳大利亚在政府采购中的卡特尔筛查流程涉及从数据获取到调查的顺序步骤，而日本经济分析办公室则采用断点回归设计和其他计量经济学方法进行投标操纵检测。围绕采购数据的趋同反映了采购数据的可获得性（尽管一些机构仍缺乏访问权限）以及涉及的重大经济利益，机构越来越多地从基于投诉的被动执法转向主动的算法检测可疑投标模式。

文档分析与处理。几乎每个机构都在开发用于分析大量文本的AI能力。巴西的Cerebro项目使用无监督机器学习来分析采购文件以寻找共谋迹象，而法国的RAG（检索增强生成）系统允许使用大型语言模型对案件数据库进行自然语言查询。加拿大的COMPASS平台提供了先进的文档分析功能，用于简化对大量案件材料的审查，包括自动摘要和代码分析功能。卢森堡正在开发用于文档分类和标记的AI代理，而希腊则创建了专门的系统，通过元数据分析和商业智能处理，在黎明突袭期间检测公司之间的直接电子邮件交换。该系统采用基于Python的数据提取从MSG文件中提取数据，使用PostgreSQL数据库存储，并使用基于SQL的业务逻辑将电子邮件与被调查公司关联起来，提供置信度分数以表示公司间通信的可能性。探索另一条路径，奥地利利用AI语言模型来促进外语证据的处理，并正在研究类似的工具用于审查被扣押的数据文件，计算反垄断现在已成为该机构第三大支出项目。意大利的数据科学单位参与了对酒店和电子商务平台排名算法的逆向工程，以了解竞争动态。至于台湾，该机构依靠R和Python进行数据分析可视化，使用等时线地图定义电影院并购中的地理市场，并采用了中断时间序列模型来分析碳酸饮料案件中的定价模式。总的来说，这些用例反映了反垄断调查的文档密集性质以及大规模处理证据的需求，机构越来越多地利用自然语言处理和机器学习将非结构化文本证据转化为执法程序中的可操作情报。

新闻监测与市场情报。机构正朝着更加主动的执法策略发展，通过系统性的市场监测。智利的系统每天处理超过36万篇来自15个以上数字媒体平台的新闻文章，并即将升级为使用机器学习算法来标记与卡特尔相关的新闻，而哥伦比亚的BÚHO系统使用NLP技术从Las2orillas、La W和RCN News等数字媒体平台上抓取头条新闻，并向反垄断官员发送每周通知。哥伦比亚的INSPECTOR工具监控64个可能影响竞争的公共实体的监管项目。它通过关键词过滤文档并生成每日电子邮件提醒。巴基斯坦的市场情报单位已通过系统性监控识别出162个潜在案例，而智利的第二个工具则专注于收集全国范围内的本地媒体报道，帮助调查人员了解区域发展情况。这种向主动检测的转变代表了执法策略的剧烈变化，从基于投诉的被动调查转向预测性的市场监测，可以在不可逆的违规行为成熟之前识别反垄断问题。具体来说，对基本商品到国内航班等关键部门的异常检测的大量投资表明，机构正在利用技术解决传统执法中被低估的定价问题。

反思情报倍增器。技术栈显示出大型语言模型的显著趋同，多个机构提到了GPT-4（波兰、新加坡），其他机构正在开发定制的LLM（奥地利、意大利、卢森堡）。法国和新加坡广泛采用RAG系统表明了在结合生成式AI与机构知识方面的最佳做法。值得注意的是，所有参与我们报告的机构都表示他们已经使用AI。一般来说，围绕高级分析工具的趋同代表了执法情报的重要提升，远远超越了简单的自动化。部署像西班牙的BRAVA和巴西的Cerebro这样的复杂工具展示了AI如何作为情报倍增器，使机构能够检测到人类分析师无法大规模识别的模式和关系。这种情报增强在多个维度上运作。首先，它通过使以前无法检测到的违规行为在算法上变得可见，极大地扩展了可执行行为的范围。原本需要数年传统调查的投标操纵计划现在可以通过采购模式的统计分析在几周内被标记出来。其次，它使机构能够以前所未有的规模处理证据。法国的RAG系统允许调查员使用自然语言查询几十年的案例法和文档，有效实现了机构知识的民主化。最显著的优势可能在于技术识别新兴模式的能力，而不仅仅是检测已知的违规行为，正如哥伦比亚的BÚHO系统所证明的那样。

民主效率。高级分析工具与反垄断执法中的民主合法性之间的关系呈现出一种复杂的悖论，难以简单概括。虽然这些工具可以通过系统化的决策过程增强问责制，但它们同时引入了新的不透明性，可能会削弱传统的民主监督机制。西班牙将LIME/SHAP可解释性功能集成到BRAVA中，展示了当前算法透明度的潜力和局限性。这些工具迫使机构以前所未有的技术细节阐述执法决定的逻辑基础，然而它们提供的可解释性可能是表演性的，因为它们提供的是事后解释，而不是法律从业者可以有意义评估的真实因果解释。西班牙正在积极寻求解决这一问题的方法。与传统执法的对比更清楚地揭示了这种紧张关系。虽然检察官直觉、非正式网络和机构经验确实难以审查，但它们是在有明确定义的法律框架内运作，并具有明确的问责机制。算法工具创造了可追溯的决策记录，但这些记录可能只有技术专家才能理解，从而可能排除更广泛的民主参与。当立陶宛的投标操纵工具遇到数据质量问题时，这些问题会显现给数据科学家，但可能对法律从业者、政策制定者和公众仍然难以理解。

AI驱动执法带来的标准化也呈现出类似的双重性。例如，各机构对投标操纵检测的过度关注揭示了执法专业化的模式，这可能会无意中在反垄断政策中形成盲点。虽然投标操纵提供了清晰的算法签名和可衡量的结果，但这种资源集中引发了关于执法优先事项的结构性问题。技术路径依赖于算法可接受的违法行为可能会引导机构远离那些不易量化但同样有害的反竞争行为，这些行为难以通过计算检测。这可能会造成一种“算法捕获”的形式，即执法能力塑造执法优先事项，而非相反。然而，一些机构似乎预见到了这一限制，通过部署如新闻文章筛选和外部数据集分析等策略打破传统执法周期，识别之前被忽视的做法。

与传统执法的对比更清楚地揭示了这种紧张关系。虽然检察官直觉、非正式网络和机构经验确实难以审查，但它们是在有明确定义的法律框架内运作，并具有明确的问责机制。算法工具创造了可追溯的决策记录，但这些记录可能只有技术专家才能理解，从而可能排除更广泛的民主参与。当立陶宛的投标操纵工具遇到数据质量问题时，这些问题会显现给数据科学家，但可能对法律从业者、政策制定者和公众仍然难以理解。

2.2. 基础设施发现

基础设施层显示了在数据收集、存储和处理能力方面的重大投资。

系统性数据收集。机构正在构建数据收集管道。智利使用自动网络数据收集工具监控超过80,000种产品的价格异常，这些工具已处理并存储了每日价格信息，而哥伦比亚通过其SABUESO系统跟踪超市和航班价格，该系统从埃希托、卡鲁拉、地铁、奥林匹克和巨人的主要连锁店中抓取数据，使用Python微服务和PostgreSQL数据库。巴基斯坦维护一个区域价格仪表板，使用R包进行异常检测，并使用GETS指标识别价格数据中的结构性断裂。巴基斯坦还监控品牌定价以检测虚假营销行为中的误导性折扣。奥地利的卡特尔筛查框架包括多种移动取证工具，用于从各种设备中提取和分析移动和云数据，使用超过一种工具使IT专业人员能够从更广泛的设备范围内提取信息。希腊在黎明突袭数据收集方面的做法也表现出类似的复杂性，采用基于Python的数据提取和PostgreSQL存储系统，将非结构化的电子邮件通信转化为结构化的调查情报。

数据存储与处理

数据处理量大幅增加。法国的集成数据库系统包含超过6200份自1988年以来的文档，每月更新，并在data.gouv.fr和Hugging Face平台上以Etalab 2.0开放许可发布，而马来西亚的知识管理系统则整合了来自超过10年的研究、调查和能力建设活动的数据集，包括已发布的报告、内部笔记和会议纪要。意大利利用意大利公共行政云（PSN）作为国家和安全环境，确保机密性和数据保护，而加拿大正在开发COMPASS（竞争AI安全系统），这是一个专门设计用于处理敏感信息并克服第三方大语言模型局限性的安全生成式AI平台。马拉维部署综合管理信息系统（IMIS）也展示了小型机构如何通过专注的基础设施投资实现数字化转型，将分散的手工流程替换为集中化的数字流程，自2025年4月启动以来已处理了63个事项。

架构模式。常见的模式包括具有可互换组件的模块化架构，强调API集成以实现互操作性，多重安全层用于实现身份验证和访问控制，审计跟踪用于法律合规性，以及可扩展设计以处理不断增加的数据量。西班牙的多代理系统采用包括图神经网络、卷积神经网络和零样本学习在内的专业模块，每个模块都通过可解释推理贡献检测信号。从批量处理向实时处理的转变，由哥伦比亚的工具使用微软Azure和Kubernetes进行云部署来体现，而如法国等采用开放数据理念的机构在专为机器学习社区协作设计的平台上发布决策作为机器可读语料库。这种做法反映了计算反垄断中透明度和可重用性的趋势。

反思监管网络效应。各机构的大量基础设施投资产生了积极的网络效应，提升了超出单个司法管辖区的执法效果。智利对8万个产品的监控和哥伦比亚的价格追踪系统生成的数据集随着其增长变得更加有价值，形成了自我强化的执法改进循环。这些基础设施投资使得经济学家所认可的规模报酬递增在执法中得以实现。每增加一个数据集、监控系统或分析工具，都会增加现有投资的边际价值。当法国的集成数据库系统包含超过6200份历史文件，并与自然语言处理能力相结合时，它会变得更强大，产生超越各组成部分总和的协同效应。

互操作执法。各机构出现的架构模式（如模块化设计、API集成、审计跟踪）表明正在发展互操作的执法生态系统。随着这些系统的成熟，它们可以促进跨司法管辖区的合作和知识共享，这可能将反垄断执法从一系列国家努力转变为一个协调的全球体系。欧盟的技术支持工具和DATACROS计划是共享基础设施如何增强个别机构能力的例证。然而，这些大量的基础设施投资也揭示了一种新兴的执法不平等现象。计算反垄断的规模经济创造了一种新的监管分歧，拥有大量资源的机构可以部署监控系统，而较小的司法管辖区可能缺乏技术基础设施来最终检测日益复杂的违规行为。智利对8万个产品的监控和法国跨越十年的数据库代表了可能对较小机构来说成本过高的投资，可能导致全球执法覆盖范围出现系统性漏洞。幸运的是，机构之间的数据共享协议和计算工具交换可以解决这一问题。此类安排可以推动实质性反垄断规则的趋同，即使最初只是出于维持不同资源水平司法管辖区有效执法能力的实际需要。

双向动态。计算反垄断创造了双向影响，不仅实质塑造技术，而且技术越来越多地塑造实质。反垄断法违规和执法需求驱动了特定计算工具的发展。例如，公共采购中串通投标的普遍性促使机构开发了专门的检测算法，而反垄断调查的文档密集性质则促使投资于人工智能驱动的文档分析系统。具体的法律要求，如法院程序中的可解释性，塑造了像西班牙的BRAVA这样的工具的设计，使其具有LIME/SHAP功能以确保透明度和司法接受度。我们还看到一种新兴现象，即计算工具的能力和限制开始影响机构选择的案件和定义违规的方式。机构可能优先考虑他们有强大分析工具的调查领域，如具有数据集的采购市场，而不是计算分析更具挑战性的领域。算法可以检测的模式类型影响机构如何概念化和分类反竞争行为，而数据的可用性成为执法优先事项的决定因素。

计算反垄断创造了双向影响，不仅实质塑造技术，而且技术越来越多地塑造实质。反垄断法违规和执法需求驱动了特定计算工具的发展。例如，公共采购中串通投标的普遍性促使机构开发了专门的检测算法，而反垄断调查的文档密集性质则促使投资于人工智能驱动的文档分析系统。具体的法律要求，如法院程序中的可解释性，塑造了像西班牙的BRAVA这样的工具的设计，使其具有LIME/SHAP功能以确保透明度和司法接受度。更根本地说，围绕只能通过先进技术检测的实践出现了新的执法类别。波兰对暗模式的调查体现了这一转变，使用包括眼动追踪、面部识别和脑电图在内的神经营销实验来测量视觉注意力、情感反应和神经活动；这些证据类型在传统反垄断分析中是难以想象的。这种双向动态意味着法律理论和执法实践与技术能力共同进化，形成反馈循环，其中某一司法管辖区成功的计算方法会影响其他司法管辖区采用的技术方法和实质性执法优先事项。

2.3. 机构发现

也许最重要的发现是反垄断机构内部发生的制度性变化的深度。

专用数字单位。专业化单位的创建在2020年后显著加速。加拿大于2021年成立的数字执法与情报部门，年度增长率达60%，成员人数达到55人，同时还有一个由7名心理学家组成的行为洞察部门，在第一年为25起执法案件提供了支持。巴基斯坦于2023年10月成立的市场情报单位已发现162个潜在案例，并实现了92%的操作效率。奥地利将其现有的法医部门扩展为一个涵盖法医、数据分析和人工智能的部门，目前由四位ICT专家组成，并计划再增加两位数据科学专家。这些单位的常见技能包括数据科学家、具备编程能力的经济学家、法医IT专家和行为心理学家，反映了现代反垄断挑战的跨学科性质。

跨机构合作。通过诸如欧盟技术援助工具（TSI）等倡议，国际协作得到加强，该工具被包括匈牙利、捷克共和国和意大利在内的多个国家用于数字化转型项目，DATACROS倡议涉及23个组织的跨境金融调查，以及像秘鲁的OECD拉丁美洲区域中心这样的区域性中心促进知识传播。知识交流的例子包括奥地利举办的人工智能研讨会，邀请了80多位来自参与反垄断机构的专家，加泰罗尼亚的ERICCA神经网络利用瑞士、意大利和日本的国际卡特尔数据集进行训练，以及加拿大共同发起的OECD行为科学与竞争工作组，以促进国际知识共享。捷克共和国参与DATACROS III项目，进行跨境金融调查，并与地区发展部合作制定公共采购数据策略，而匈牙利已与数据保护机构签署合作协议，并使用匿名卡特尔聊天举报平台进行情报收集。

快速制度演变。单位创建的时间表显示了2020年后加速的情况：智利的情报单位（2020年9月）、法国的数字经济单位（2020年）、加拿大的单位（2021年）、日本经济分析办公室领导的串通投标工作（2022年）、意大利首席经济学家办公室内设立的数据科学单位、新加坡的数据与数字部门（2023年），以及2024-2025年的持续扩展，包括奥地利的部门重组和捷克共和国新任首席经济学家的任命。这个压缩的时间表表明机构正在应对紧急的执法需求和竞争压力，较新的单位如巴基斯坦，立即受益于早期采用者的经验。几年前，人们几乎无法想象反垄断机构的制度设计会如此迅速地发生变化。

反思知识转移。专门数字单位的快速创建转化为对真实执法挑战的加速组织学习。加拿大数字执法与情报部门的增长展示了机构如何通过注重技能发展和组织文化来扩大人力资源，同时保持机构一致性。制度变革的压缩时间表反映了机构从彼此的经验中学习并避免重复试验的能力。而不是每个机构独立通过试错来开发数字能力，2020年后的加速代表了高效的知识转移和制度创新。巴基斯坦于2023年10月成立的市场情报单位可以立即从早期采用者学到的经验中受益，因此在第一年内实现了92%的操作效率。如果有什么的话，奥地利举办的人工智能研讨会邀请了80多位来自参与反垄断机构的专家，以及加泰罗尼亚利用第三国的国际卡特尔数据集训练神经网络，说明了技术知识是如何在司法管辖区之间系统性共享的。这种制度安排的快速转变既令人惊讶又非常鼓舞人心。

重要的是，知识转移也发生在机构与公司之间。塞尔维亚关注微型企业、中小企业（占活跃公司的99%以上）说明了机构如何适应计算方法，以开发专门的合规计划和教育内容，使竞争法对缺乏专职法律部门的资源有限的企业变得可及。同样，哥伦比亚的合规司开展宣传、推广和培训活动，以促进自由竞争法规中的合规文化，并支持企业采用有效的合规计划。奥地利也与商会合作组织研讨会和合规计划，以促进企业对竞争规则的理解和实施。就在2025年5月，新加坡完成了与AI市场工具包的共同开发，作为其自愿合规计划的一部分，如果企业违反竞争法，采用该工具包可能被视为减轻因素。总的来说，这种类型的知识转移有助于改变人们对干扰创新周期的反垄断政策的看法，表明机构正在培育协作合规文化。

制度速度。一般来说，这些单位中出现的多样化专业角色（数据科学家、具备编程能力的经济学家、法医IT专家、行为心理学家）也表明机构认识到当代反垄断执法的多方面技能需求。波兰部署神经科学家进行暗模式研究体现了这一趋势，而奥地利扩展为法医、数据分析和人工智能部门并计划增加专业数据工程师，以及意大利的数据科学单位结合工程学、天体物理学、统计学和人工智能的专业知识，展示了机构如何建立新能力。这种人力资本的发展代表了执法能力的永久增强，将在初始技术投资折旧后继续产生回报。尽管如此，制度变革的压缩时间表仍然提出了关键的可持续性问题。2020年后的加速创造了组织理论学家所认识的“制度速度”问题，即组织变化的速度超过了其发展适当治理结构和操作程序的速度。这种突然的转变可能会带来“表面数字化”的风险，这意味着当前的变化可能需要巩固才能证明其持久的有效性。

3. 挑战与未来方向

尽管计算反垄断取得了显著进展，但机构在三个关键领域面临结构性障碍：技术挑战，包括安全云计算和AI可解释性（3.1），组织挑战，涵盖招聘和预算限制（3.2），以及由于算法执法和民主监督产生的问责挑战（3.3）。这些挑战并非根本性障碍，而是过渡性障碍，正在推动制度创新，并可能最终加强执法能力。

映射挑战

我们的第四份年度报告突出了至少三类需要仔细考虑的结构性障碍。技术挑战

机构在部署安全云计算系统时面临计算资源与数据安全要求之间的根本性矛盾。需要符合证据安全标准和GDPR约束的高度受限的托管环境，大大增加了高级分析平台的实施难度。法院还要求可解释的人工智能决策，这促使机构投资于技术解决方案，如SHAP/LIME可解释性层，以及能够将复杂的算法输出转化为法律证据的叙事能力。此外，设计有效的人机交互系统需要仔细校准，以保持适当的人员监督，同时充分利用人工智能的能力。希腊的系统体现了有效的人机协作的必要性，当自动将电子邮件与公司匹配失败时，允许调查人员输入专业知识。这个例子表明，机构可以设计出增强而非取代人类判断的系统。

机构所识别出的技术挑战是机构创新中的正常成长痛苦，而不是阻碍进步的长期障碍。事实上，各地出现的首批解决方案展示了反垄断机构的韧性和适应能力。可解释性挑战目前正在推动算法可解释性的创新。西班牙的BRAVA系统具有LIME/SHAP功能，代表了第一代解决方案，这些方案将演变为融合技术透明度与法律论证的更复杂方法。这些发展为其他面临类似挑战的监管行业带来了积极的溢出效应。至于云计算的安全问题，它们正在产生创新的数据保护方法，这些方法提升了而非限制了执法能力。意大利使用国家公共行政云（PSN）以及加拿大开发COMPASS（竞争AI安全系统）证明了安全要求如何推动架构改进，从而创建更加稳固和可扩展的执法平台。

组织挑战。招聘和保留问题困扰着许多机构，巴西的Cerebro项目在来自其他机构的临时派遣人员频繁离职寻找更好的机会方面遇到困难，而秘鲁则指出需要一个专门团队配备高度专业化的人员，但目前仅有一位专业人士专门从事计算项目。奥地利指出，没有具备高度技能并持续接受培训的专业人员，单纯的技术是不够的，而意大利则强调获得既具备先进技能又对反垄断目标有深刻理解的专业人员的挑战。随着管理从被动投诉转向预测分析，需要新的KPI和基于风险的分类系统，这将从根本上改变机构文化和工作流程。这些组织挑战是计算型反垄断的核心。正如西班牙所指出的，“即使是最先进的算法，其有效性也取决于围绕它们的工作流程和人类监督。”这一见解突显了一个更广泛的问题：法律教育和职业培训必须跟上计算强化的法律实践的步伐，无论是公共机构还是私营公司。

问责挑战。向算法执法的转变创造了超越传统监管控制的新形式的民主问责。当算法识别出潜在违规行为时，执法裁量权会转移到可能对部署它们的机构来说仍然不透明的技术指标上。这种“算法委托”执法决策引发了关于在竞争政策中保持民主合法性的基本问题，因为关于市场行为的关键判断被嵌入到代码中。然而，司法部门对透明的推理过程的要求正推动机构加强技术分析与法律论证的整合。法院坚持要求可解释的判决，迫使机构比传统方法更清晰地阐述执法逻辑。通常，当算法标记出潜在违规行为时，机构必须解释算法检测到了什么以及为什么这些模式表明存在反竞争行为。这创造了一个双重问责框架，机构必须同时满足算法准确性和法律推理标准，这可能会加强而非削弱民主监督。

向算法执法的转变创造了超越传统监管控制的新形式的民主问责。当算法识别出潜在违规行为时，执法裁量权会转移到可能对部署它们的机构来说仍然不透明的技术指标上。这种“算法委托”执法决策引发了关于在竞争政策中保持民主合法性的基本问题，因为关于市场行为的关键判断被嵌入到代码中。

4. 结论

反垄断执法的数字化转型代表了机构检测和起诉反竞争行为方式的快速范式转变。围绕共同技术解决方案的趋同，加上深层次的制度变革，表明一种新的反垄断执法模式正在形成，这种模式是主动的、数据驱动的，并且技术上高度先进。2020年后数字采用的加速似乎是一个转折点，这是由新冠疫情推动的数字化进程和可访问的人工智能技术的出现所驱动的。随着机构继续创新，一些趋势可能会塑造未来：常规任务的自动化增加、通过共享平台和标准增强国际合作、对行为洞察和预测分析的日益重视，以及持续的可解释性和法律整合挑战。计算反垄断的成功最终不仅将通过提高检测率或处理效率来衡量，还将通过其增强公众对市场治理的信任并有效应对数字经济的竞争挑战的能力来衡量。随着竞争越来越多地发生在数字市场，执法能力的数字化不是可选的，而是有效市场监督的必要条件。

我们，斯坦福计算反垄断团队，很自豪能伴随迈向反垄断3.0的运动，这是一个计算增强但仍稳健的模式。

引用：Thibault Schrepel，《计算反垄断：来自25个反垄断机构的证据》，《网络法评论》，2025年夏季。

参考文献：

[1] Thibault Schrepel & Teodora Groza（编），《全球计算反垄断：第四次跨机构报告》，《斯坦福计算反垄断》第5卷，第1页，第97页（2025年）

[2] 斯坦福计算反垄断项目还贡献了关键的学术文献，全面探讨了该主题，从而促进了对该领域的细致和建设性的观点。

(以上内容均由Ai生成)