人工智能大模型垄断风险的防范与法治规制

丁国峰

安徽大学法学院

《苏州大学学报（法学版）》2026年第3期

关键词：人工智能；垄断风险；反垄断法；预防性治理；算法

以ChatGPT和DeepSeek等为代表的人工智能大模型，是基于海量数据预训练构建的智能系统，具备通用知识生成能力。它不仅能理解复杂语义，还能进行逻辑推理并生成内容文本，构成了大模型技术发展的核心载体。与侧重执行任务的AI体不同，大模型更注重通用能力的构建。2025年3月11日，全国人大会议提出要“推动大模型突破”，将其上升为国家战略。2026年3月12日，会议通过“十五五”规划纲要，强调实施“人工智能+”行动，加快底层技术突破。

随着生成式人工智能以惊人的速度不断迭代升级，其强大的内容生成能力与广泛的应用场景，持续冲击着现行监管体系的适配边界，加深了政策制定与实际应用之间的鸿沟。作为生成式AI的典型形态，人工智能大模型是指在海量数据集基础上完成训练、具备大规模参数配置与通用适配能力的机器学习模型。这类技术表面上能将人类从现实世界的各类繁琐事务中解放出来，但深层次上却在逐步剥夺人类的自主选择权，使人工智能成为流量控制者和资金分配者，由“工具”异化为“主人”。这种异化打破了传统反垄断法中从输入到输出的单纯因果关系。在市场竞争中，这种技术特征逐渐转化为隐蔽的商业壁垒。当市场支配地位的获取不再单纯依靠传统的掠夺性定价或横向并购，而是通过大量数据与参数的获取时，传统的反垄断事后规制往往出现无法管控的现象，即在进行执法监管时，垄断行为已经极具规模效应。在这种情况下，事后监管只能面对已经被彻底破坏且恢复成本极高的自由公平市场生态环境。由此可见，虽然人工智能有望成为打通技术赋能新质生产力的关键抓手，但也需注意其伴生的市场界定困难、行为识别滞后、救济成本高昂而产生限定交易和“自我优待”等滥用市场支配地位之新型垄断风险，美国和欧盟等域外经济体已将人工智能领域纳入反垄断监管的下一前沿阵地。为有效维护市场竞争秩序并护航技术创新活力，亟待落实“构建科技安全风险监测预警和应对体系”要求，将传统的事后监管升级为贯穿人工智能大模型产业全周期的防范法治进路，通过构建前置性的法律规则，将预防性治理机制的内涵落实于反垄断法的预防目标之中。而所谓防范法治，其实质是法治控权理念在风险治理领域的延伸。它不仅要求将反垄断监管规制依法前移，更强调这种预防性的公权力介入必须受到严格的法律规制。防范法治进路的核心要义在于通过确立明确的事前审查标准、透明度公开义务以及正当的执法程序，用确定性的法律规则来规制人工智能大模型技术发展带来的不确定性垄断风险。

相比传统数字平台，人工智能大模型带来的垄断风险更加隐蔽且难以界定。这不仅会破坏市场竞争，还会损害消费者权益，阻碍整体技术创新。对此，反垄断法律体系需及时调整。现有研究多关注知产和隐私问题，对反垄断规制关注较少。需构建系统性治理框架，结合风险预防和法治控权，解决“一管就死，一放就乱”的问题，为AI大模型发展提供法治保障。

二、人工智能大模型新型垄断风险的监管漏洞

人工智能大模型的崛起体现了人工智能技术正从“专用智能”向“通用智能”的方向演进。与传统单任务小模型相比，大模型依托海量数据和庞大参数规模，借助自我监督的学习机制，具备了更强的泛化能力，能适配文本生成、图像识别、代码编写、多模态交互等多种场景。这一技术范式的革命性突破，正在重塑全球科技竞争格局。同时，要警惕巨头公司主导的技术创新衍生的垄断风险。除传统平台经济的扼杀式并购、价格歧视、数据垄断及算法共谋外，大模型的技术架构进一步衍生或深化了上述风险。大模型带来的并非仅仅是垄断行为在数量上的增加，而是垄断形成机制的根本变化。传统平台经济的垄断多依赖于双边市场交互，而大模型则依赖于底层算法技术与数据获取垄断。实践中发现，这种由技术架构决定的垄断属性，使得仅依靠传统反垄断事后规制框架，难以有效防范此类新型垄断风险演变为系统性风险，完善现行反垄断规制体系已成为亟待解决的课题。基于此，在详细解构其训练数据