1. 问题的提出
2025年初，随着DeepSeek大模型正式上线，各大APP纷纷接入，标志着人工智能技术正以前所未有的速度与革命性力量，加速渗透至社会各个领域。在电商行业，淘宝、京东、拼多多等头部平台已构建了完整的AI大模型研发体系，相继推出自研大模型及配套产品。以淘宝为例，其基于“通义千问”大模型开发的“淘宝问问”AI原生应用，通过语义理解与用户画像的深度融合，显著提升了商品推荐的精准度和搜索结果的适配性；京东则依托历时十余年研发的“言犀”大模型，实现商品主图与卖点文案的智能生成，更通过“言犀数字人”技术构建全天候AI直播矩阵，突破了传统直播的时空限制。值得注意的是，这场技术革新在提升消费体验的同时，也逐渐催生出新型竞争风险——平台企业正通过AI大模型建立起数据闭环，形成对商家经营决策的隐性控制机制。借助商品曝光、个性化推荐、智能营销方案生成等“技术中性”手段，平台可实现对商家资源分配的深度干预，引导商家“站队”。这种实质上是基于AI赋能的“二选一”行为，较之传统的流量限制、搜索降权等显性手段，已呈现出算法黑箱化、影响间接化、实施智能化等新特征。当前学界对平台垄断行为的研究仍聚焦于明示协议、回扣奖励、流量挟持等传统形态，难以有效识别和规制新型技术垄断行为。因此，亟需构建AI时代电商平台竞争行为的分析框架，深入解析大模型如何重构平台与商家间的权力关系，并在此基础上设计具有技术敏感性的动态监管体系，以期在技术创新激励与市场竞争秩序维护间寻求平衡支点。
2. 电商平台“二选一”行为的嬗变
2.1. 传统电商平台“二选一”行为分析
“二选一”行为本质上是独家交易，即两个企业间订立协议，其中一方对另一方承诺，在某个市场或者某个领域只与对方进行交易，而不与对方的竞争对手进行交易[1]。在电子商务语境下，该行为具体表现为：当商户入驻A平台后，需承诺不再入驻B平台；若选择同时在多平台运营，则需接受平台设置的歧视性交易条件。在过去，具有市场支配地位的平台企业为维持其竞争优势，往往通过协议条款或给予回扣等手段强制商户接受独家交易安排，破坏市场公平竞争的秩序。
但随着《电子商务法》第35条禁止限制商户多平台经营的规定以及《反不正当竞争法》第12条对平台技术手段的规制，传统“二选一”行为已从显性手段向隐蔽执行转型。具体而言，虽然相关法律对平台的技术手段作出限制，但由于技术黑箱的特性，平台企业仍依托其数据控制优势，对未接受独家交易安排的商户实施系统性流量压制：通过干预算法权重降低店铺曝光率、调整信用评价模型削弱商户服务评级、设置搜索屏蔽规则限制商品触达范围等。这种“技术中性”手段不仅延续了传统“二选一”的竞争损害，更借助技术隐蔽性特征，规避监管部门的审查，形成对非合作商家的系统性压制，最终实现“二选一”的市场锁定效果。
2.2. AI时代电商平台“二选一”行为的智能化演进
传统电商平台的“二选一”行为多依托于大数据与算法实现，而AI技术的介入使这种行为模式产生了质变。相较于传统算法仅能捕捉关键词的机械匹配，AI系统则可通过语义理解技术深度关联用户搜索意图与商品特性描述，其大模型的实时在线学习能力更能即时响应价格波动、库存变化等动态参数。这些技术特性不仅延续了传统“二选一”行为固有的隐蔽性，更通过技术升维显著提高了监管机构的取证难度。当电商平台在提升智能化服务能力的同时，其操控商家经营行为的技术手段也在同步进化，可能衍生出技术复杂度更高、隐蔽性更强的新型“二选一”机制。
以AI营销和虚拟数字人技术为例：前者基于用户画像深度学习，可自动生成千人千面的广告文案、智能提炼商品核心卖点并实施精准推荐；后者则通过智能客服系统与全天候虚拟主播，构建起7 × 24小时的自动化营销矩阵。尽管目前尚未发现有平台直接利用这些技术胁迫商家“选边站队”，但由于这类技术实质上已把控了商家生存发展的核心命脉，仍值得为之警惕。
从技术机理分析，平台完全可以通过AI大模型实施差别化对待：对合作商家提供更优质的推荐位排序、更吸引眼球的广告话术生成、更长时间的虚拟主播导流；而对非独家合作商家则简化营销内容、缩减数字人直播时长。这种基于AI技术实现的“筛选”机制，无需任何强制手段，仅通过人工智能的智能处理即可形成事实上的“二选一”。
3. 现有法律规制的不足
目前，我国对于电子商务领域的“二选一”行为，主要依靠《电子商务法》《反垄断法》和《反不正当竞争法》进行规制。但由于法律自身的滞后性，这些条文很难适应新技术的迭代，并且在具体操作上也存在着一些问题。
3.1. 法条模糊与威慑失效
《电子商务法》第35条和《反不正当竞争法》第12条是直接涉及电商平台“二选一”行为的法律条文。
《电子商务法》第35条规定：“电商平台经营者不得利用服务协议、交易规则以及技术等手段，对平台内经营者在平台内的交易、交易价格以及与其他经营者的交易等进行不合理限制或者附加不合理条件，或者向平台内经营者收取不合理费用”。虽然这一条文明确禁止平台经营者对商户施加“不合理限制或条件”，但该条文中的“不合理”缺乏明确界定。在实践中，判断平台通过各种手段限制商户多平台经营是否构成“不合理”时，需综合考量商户对平台的依赖程度、市场结构的竞争性、平台行为的持续时间等多个因素，但《电子商务法》并未提供系统化的判断标准，这就导致执法尺度缺乏统一，在实务中可操作性不够。这一缺陷在阿里巴巴集团“二选一”垄断案中表现得尤为突出，国家市场监督管理总局在该案中认定阿里巴巴滥用市场支配地位，通过协议强制要求商家“二选一”，排除和限制了市场竞争。尽管该行为与《电子商务法》第35条的规制意图存在高度契合，但由于法律未明确“不合理”的具体阈值，执法机关最终并未以《电子商务法》为直接依据进行规制，而是转而适用《反垄断法》第22条，对阿里巴巴处以182亿元的行政处罚1。此外，该条款的法律责任较轻，违反该条款的仅处五万元以上五十万元以下的罚款；情节严重的，处五十万元以上两百万元以下的罚款。这对于营收动辄上千亿的电商企业无法形成有效威慑，使得执法机构在实践中更倾向于援引《反垄断法》或《反不正当竞争法》进行处理，客观上削弱了《电子商务法》的独立规范价值。更为关键的是，处于弱势地位的商户普遍担心因举报或诉讼引发平台报复性措施，从而放弃维权，更使该条文的现实约束力大打折扣。
《反不正当竞争法》第12条，作为广义上的“互联网条款”，旨在规制利用技术手段实施的不正当排除或限制竞争行为。然而，该条在现实适用中面临明显局限，尤其在应对电商平台“二选一”行为时表现尤甚。该条文将“技术手段”设定为行为构成的核心要件，包括强制跳转、恶意不兼容、干扰用户选择等行为，但现实中平台实施“二选一”行为的常见方式并不依赖明确的技术操作，而是通过限制资源配置、流量分发倾斜、干预搜索排序等隐性手段实现排他效果。这种做法虽然具有显著的市场压制性，但因未触及条文所要求的“技术门槛”，往往被排除在法律适用范围之外。同时，第12条所针对的典型行为模式主要集中在平台对消费者端的干扰，如误导用户卸载软件、强制跳转网页等，强调“误导、欺骗、强迫”等主观构成要件。但在电商平台“二选一”的具体情境中，平台通常通过明示协议方式向商户提出排他性要求，形式上并未剥夺商户的自主选择权，实质上却通过算法权重、资源分配等机制形成事实上的强迫选择。这种“强迫”形式隐蔽、间接，远离条文所设定的典型模式。而由于平台在操作过程中并未表现出明显的欺骗性或误导性，也缺乏传统意义上的主观故意，进一步加大了法律操作的障碍。
3.2. 相对优势规制地位缺位
相对优势地位是指市场中不具备独占市场地位的企业，在特殊情况下对于依赖其进行交易的相对人具有类似于垄断企业的一种支配性影响力，即该企业对于依赖其生存的企业具有“相对”的强势地位[2]。该理论有别于市场支配地位概念，只需考虑个案中的依赖关系即可认定相对优势地位的成立，为解决平台“二选一”行为提供更具适应性的理论工具。
然而，在我国现行法律体系中，除上文提到的《反不正当竞争法》与《电子商务法》以外，电商平台“二选一”行为还主要依赖《反垄断法》进行规制，但其前提是平台经营者占支配地位。依据《反垄断法》第二十二条，若电商平台被认定为具有市场支配地位，其通过强制商家“二选一”排除竞争的行为才可被定性为滥用市场支配地位并予以处罚。但这一规制路径存在明显局限：市场支配地位的认定需以明确相关市场边界和市场份额为基础，而头部平台往往横跨商品销售、支付结算、物流服务等多个领域，其竞争辐射范围远超单一市场维度，难以通过法条列举的标准精准划定[3]。其次，在如今技术快速迭代的背景下，平台的市场份额波动频繁，即便头部平台短期内占据较高份额，也可能因技术创新或用户迁移迅速丧失优势，无法反映其真实的市场控制力。
更为关键的是，在AI深度赋能的电商生态中，商户对平台所掌握的用户数据、流量机制及算法推荐体系形成了高度依赖。这种依赖并非单纯体现在交易额占比或营收比例等传统经济指标上，而是深植于平台构建的数据闭环结构与算法控制体系之中，实质体现为平台对资源分发权与数字基础设施的主导垄断。平台通过将商品标签、用户画像、订单转化模型等核心数据封闭化处理，限制其在生态体系外的迁移与复用，使得商户难以在其他平台复刻其原有的运营生态和市场表现。在此背景下，商户一旦“出走”，其原平台所积累的用户数据、交互权重与信誉机制将难以迁移，直接造成经营连续性的中断，进而在交易机会、算法曝光及信用构建等方面陷入劣势。这种依附关系构成一种实质上的“技术锁定效应”，使商户在表面上拥有选择自由，实质上却被平台嵌入式地绑定于算法与数据体系中。
此类基于数据壁垒和算法排他形成的控制力，虽未必满足《反垄断法》意义上“市场支配地位”的形式门槛，却通过高迁移成本与平台规则的单边主导性构建起事实上的压制力，强化了平台与商户间的非对称依赖结构。然而，现行《反垄断法》在支配地位认定中对“依赖性”要素的重视不足，使得大量未达传统份额标准但具有显著操控能力的平台行为，游离于监管视野之外。这不仅导致法律规制的适用盲区，也削弱了法律应对技术垄断新形态的现实回应能力。
3.3. 算法黑箱加剧执法困境
人工智能的核心仍是大数据和算法，是基于大数据并遵循算法进行分析，发现并强化数据背后的结构或模式，从而实现数据驱动的智能决策[4]。因而其天然带有技术黑箱的特性——即输入与输出的对应关系相对清晰，但中间的决策机制却深藏迷雾，难以外部审查与还原。尤其是在电商平台应用AI大模型赋能经营决策的背景下，这种黑箱效应更为显著。尽管现有《电子商务法》第35条、《反不正当竞争法》第12条以及《反垄断法》第22条等法律条文均对平台滥用技术、算法进行了一定规制，但整体上仍缺乏具体、细致、可操作的判断标准，导致执法部门在实际调查取证中面临诸多困难与挑战。
由于AI大模型具有自主决策的能力，使得正常的商业优化与干预商家经营决策的界限日益模糊。在传统模式下，平台通过协议条款或直接操控流量分配进行“二选一”行为，尚可通过文字协议、操作记录等传统证据体系加以证明。然而，随着AI赋能下的决策智能化演进，平台利用AI实时分析用户行为、商户运营数据及市场反馈，自动优化资源配置与推荐机制，不再需要显性施加指令，便可实现对商家经营自由的隐性干预。这种技术升维导致传统证据链条被割裂，执法机关难以从表面数据中直接识别出排他性操作的存在与程度。同时，淘宝、京东和拼多多等电商企业均将其持有的算法作为最高机密，并以商业秘密保护为由，拒绝或限制对外披露。这就导致在执法配合过程中，即便平台愿意提供部分数据，也往往是经过筛选、清洗后的片段化材料，关键性的决策参数、独家合作标签或差别化对待指标常被有意隐匿，从而掩盖了技术滥用的实质。
此外，AI系统本身具有学习性与自主性，其决策结果往往是海量历史数据交互作用下的综合产物。一旦发生干预商家经营决策的行为，平台可以辩称“算法自主演化”、“并无人工干预”，以规避直接责任。这种“自主决策免责”的主张在现有法律框架下难以有效驳斥，使得平台企业在技术层面形成了事实上的责任豁免区，进一步削弱了法律规制的威慑力。
4. AI赋能背景下的竞争法规制路径
无论是《电子商务法》，还是《反垄断法》与《反不正当竞争法》，在面对AI时代电商平台“二选一”行为时均存在不同程度的规制失灵。其根本原因在于现有法律体系之间存在规范交叉与空白并存的结构性问题，既导致了执法上的“各自为战”，也在客观上为平台的规避行为提供了操作空间。故而，破解AI赋能背景下电商平台“二选一”问题的关键，在于打破各类法律“各自为战”的格局，构建起协同高效的规制机制。笔者认为，一条可行的路径是：在明确竞争法规制适用必要性的基础上，从立法完善与监管升级方面系统推进，建立兼顾效率与公平的数字市场治理结构。
4.1. 夯实竞争法基础，回应平台治理需求
当前关于平台“二选一”行为的规制路径，学界已有不同主张。有观点认为，应专门针对该行为制定独立法律予以规制。但笔者对此观点持保留态度，原因在于，平台“二选一”行为本质上是数字时代背景下的一种不正当竞争或滥用市场地位的表现，已有《反垄断法》《反不正当竞争法》和《电子商务法》等多部法律予以调整，虽然各部法律在规制实践中均存在不同程度的适用困境，但总体上已对平台相关不当行为形成了一定的法律约束。如再为“二选一”行为单独立法，不仅可能导致法律资源的重复配置，更可能加剧规范体系的碎片化与适用冲突，反而不利于整体治理效果的提升。因此，在现有法律体系内部，寻找具有适应性与可操作性的法律规范并加以完善，仍然是一条更为可行且具有现实基础的路径。
回顾目前对电商平台“二选一”行为的法律规制框架，主要可归结为三部法律：其一，《电子商务法》通过第22条与第35条尝试构建公平交易环境，意图规范平台限制性行为；其二，《反垄断法》第35条聚焦于平台是否构成市场支配地位，进而是否滥用该地位实施排他交易；其三，《反不正当竞争法》第12条则关注平台是否通过不正当手段扰乱市场秩序、损害其他经营者合法权益。然而，在实际司法裁判中，《电子商务法》的适用频率远低于预期，尤其是第22条与第35条尽管在文本上具备一定规制功能，但因缺乏救济机制、责任不明、配套制度不全等问题，导致实践中鲜有法院据此判决平台构成违法[5]。这一现象表明，《电子商务法》在打击“二选一”行为中更像是表达性立法，未能真正落地实施。相较而言，《反不正当竞争法》和《反垄断法》更契合平台“二选一”行为的实质属性——平台竞争，构成目前实践中更为核心的规制工具。尽管二者在规制逻辑上有所不同，但在应对平台“二选一”行为时却形成了高度互补。前者以维护市场结构为根本，通过识别和遏制平台滥用市场力量的行为，实现对整体市场竞争环境的维护，重在分析平台在市场中的支配力及其行为对竞争机制的影响，体现“保护竞争而非竞争者”的原则。后者则聚焦于具体交易行为的合法性，重在判断平台是否通过强制、误导、技术操纵等手段破坏市场公平交易秩序，强调保护交易对方的自主选择权与正当利益[6]。故而《反垄断法》与《反不正当竞争法》不应被视为彼此对立的规范工具，而应发挥各自优势、共同配合，形成对电商平台“二选一”行为的协同规制。
综上所述，在AI技术赋能的背景下，面对新型且隐蔽的平台“二选一”行为，更应回归竞争法的规制逻辑，依托现行《反垄断法》与《反不正当竞争法》的制度基础，在保持其核心规范结构的前提下，通过立法层面的有针对性完善与执法层面的制度升级，构建起立法修订与执法适配并重的治理视角，从而实现对这一新型竞争问题的统筹治理与动态回应。
4.2. 聚焦制度短板，推动法律精准修订
荀子有云：“法者，治之端也”。唯有构建科学完备的法律规则体系，方能为执法提供明确依据，从根本上提升治理效能，解决实践中日益复杂的新型问题。针对前文所述《反垄断法》与《反不正当竞争法》在规制平台“二选一”行为中存在的规范不足，亟需“对症下药”，从立法层面推进精准修订，构建与数字经济相适应的法律规范体系。
首先，《反垄断法》应当引入“相对优势地位”认定标准，以弥补传统“市场支配地位”规制路径在平台场景中的适用困境。德国《反对限制竞争法》第20条的相关规定提供了重要借鉴，其不仅禁止滥用市场支配地位，也规制滥用相对优势地位的行为。在电商平台“二选一”行为语境下，可从以下三方面设定认定标准：其一，在“依赖性”维度，应关注商户对平台的业务依存程度，诸如该平台流量在商户整体营收中占比是否超过60%，或数据迁移成本是否超过其年利润的30%；其二，在“资源控制力”维度，应考察平台是否对关键性数字基础设施具有不可替代的掌控能力，例如算法排序机制、用户画像数据库、支付接口等；其三，从“行为效果”维度出发，应识别其是否通过排他性安排限制商户的多平台经营自由，或实质性抬高竞争对手的市场进入壁垒[7]。
其次，《反不正当竞争法》第12条关于“技术手段”的抽象表述在应对复杂多样的算法滥用行为时存在明显局限，亟需予以细化。考虑到技术的快速演进与行为隐蔽性的增强，宜采用“负面清单”方式列举典型的算法操纵行为，并辅以定量标准以增强法律适用的明确性与可操作性。具体而言，可将“搜索降权”(非质量因素致自然排名下降30%以上)、“流量压制”(曝光量较同类商户平均水平减少50%以上)、“智能推荐歧视”(因差异化推送导致转化率差距超过20%)等情形纳入法定禁止范畴。同时，应建立“技术中立”例外规则，既欢迎创新也防范滥用，允许平台在“提升用户体验”、“防范数据滥用”等正当理由下进行抗辩，但须提交算法决策日志、A/B测试数据等可验证证据，防止技术中立原则异化为平台逃避监管的“免责盾牌”。此外，应根据技术手段的隐蔽性(如是否使用深度学习模型)与损害后果的扩散性(如是否影响行业整体竞争秩序)设置梯度化法律责任体系，构建“一般违规–情节严重–系统性歧视”三级责任结构，对利用黑箱算法实施系统性歧视的行为依法适用营业额10%的顶格处罚，形成强力震慑，最终实现“禁止行为类型化–抗辩事由规范化–责任梯度化”的三阶规则闭环。
4.3. 提升监管能力，构建智能治理体系
在人工智能日益嵌入商业决策的时代背景下，平台“二选一”等行为早已超越单纯的技术竞争范畴，逐步演变为依赖AI大模型的不正当竞争模式。这一趋势不仅加剧了市场失序，也暴露出现行数字监管体系在应对高新技术所引发的法律挑战时的滞后与乏力。故而亟需从执法机制与监管手段入手，构建与人工智能深度应用相匹配的智能化治理体系。
首先，应组建专业化的技术执法队伍，为数字竞争监管提供坚实的技术支撑与智力保障。当前AI大模型普遍存在算法黑箱化、个性化干预和实时学习等特征，传统依赖人工调查的执法手段已难以胜任。为此，可考虑在国家市场监督管理总局下设专门部门，构建“法律 + 技术”的复合型执法架构，广泛吸纳算法工程师、数据科学家、网络安全专家等技术人才，与法律人员协同工作，形成覆盖算法解析、数据建模、证据固定的综合能力体系。对此，可借鉴美国联邦贸易委员会设立“技术办公室”的实践经验，建立专门的算法审计组与数据建模组，专责对平台核心推荐系统、流量分配机制等高风险AI模型开展逆向识别与行为路径还原，破解算法“黑箱”。同时，还应加快技术监管工具的研发与部署，推动构建“算法行为监测系统”的研发与部署，通过API接口实时抓取平台关键节点数据，结合知识图谱和图神经网络等前沿技术，重构算法的决策逻辑链条，实现对隐蔽行为的实时识别和风险预警。在实践中，深圳市市场监管局已试点建设“网络交易监测系统”，日均数据处理能力超过十亿条，积累了宝贵的技术监管经验。基于此经验，可考虑构建全国统一的监管平台，实现跨平台、多维度的算法行为追踪，进一步提升监管的及时性和精准性，为违法行为提供强有力的技术证据支持。
其次，应建立“监管沙盒”制度与智能预警机制，推动由静态规则管制向动态风险治理转型。所谓监管沙盒，指的是在审慎监管与包容创新的理念下，为技术创新提供受控的测试环境，使企业能够在设定的规则和监管监控下进行产品测试与风险评估。在平台算法不断迭代更新的背景下，新型AI模型往往具有实验性与不确定性，传统事后监管模式难以及时应对，故应引导平台在受控沙盒环境下建立“前置评估–过程监控–异常响应”的闭环测试机制，提升风险前瞻性识别与响应能力。具体而言，应包括三项操作细则：其一，测试范围设限。平台在沙盒环境内试运行新型推荐算法时，须设置“流量波动阈值”，例如单一商户的曝光量降幅不得超过20%。该指标旨在避免测试期间对商户经营造成显著扰动，防止潜在算法歧视性行为在未经监管许可的情形下被大规模扩散；其二，风险评估机制。平台应部署“竞争影响模拟器”，基于历史交易、流量分布与用户行为数据，模拟算法优化方案可能导致的市场结构变化，从而预估其对市场公平性与商户多样性的系统性影响；其三，退出与整改机制。一旦测试期内平台出现商户投诉率超过5%、或中小商户流失率超过10%的情形，应自动触发强制退出机制，终止相关算法的进一步部署，并由监管机构启动干预程序，责令平台提交完整整改计划与算法风险说明材料。
在“监管沙盒”的基础上，还应同步构建智能预警系统，形成“监测–预警–处置”的闭环响应机制。监管平台可通过与企业运营后台的对接，接入平台实时运营数据，并基于机器学习算法设定一系列可量化的异常识别指标。例如，当商户流量波动率超过行业均值的两倍标准差，或某类商品点击转化率骤降40%等情况出现时，系统即可自动触发预警响应，冻结相关算法模块，并同步启动人工审核程序。
5. 结语
人工智能技术的持续演进，正在深刻重塑电商平台的竞争逻辑，并对传统竞争法的规制边界提出全新挑战。当AI大模型以“技术中立”的面貌全面介入平台治理，平台行为所依赖的技术逻辑逐步取代了传统市场逻辑，导致数据控制力与算法设计权成为新的竞争资源。在这一背景下，本文以AI赋能电商平台“二选一”行为的智能化演进为观察点，剖析了传统法律在应对算法驱动型竞争行为时面临的适用困境，提出引入“相对优势地位”理论、推动算法推荐机制的透明合规化以及完善动态监管机制的路径建议，力图为数字经济时代竞争法的理论更新与制度回应提供一些思考。
然而，更深层次的问题在于，如何在高度自动化与效率优先的治理逻辑中，重塑以公平为核心的竞争伦理。当技术演算趋向效率最优时，法律不仅要修正其外在行为，更要回应其背后的价值取向。未来的竞争规制，必须在保障效率的同时，维护中小经营者的生存空间与市场多样性。唯有将以人为本的理念内嵌于技术治理之中，方能引导电商平台在AI主导的演化路径上，走向技术与法治相协调、效率与公平相统一的可持续竞争秩序。
NOTES
1市场监管总局发布阿里巴巴集团控股有限公司在中国境内网络零售平台服务市场垄断案行政处罚决定书和行政指导书，国市监处[2021] 28号，2021年4月10号发布。