美國司法部與聯邦貿易委員會（FTC）達成協議，將分頭調查微軟、OpenAI 和 Nvidia是否存在反競爭行為。
與此同時，隨著歐盟《人工智能法案》出台，歐盟委員會對人工智能調查的興趣日益濃厚。2024年3月和5月，歐盟委員會分別向Google、Facebook 和 TikTok、微軟發出了正式的信息請求，要求提供有關生成人工智能帶來的風險和緩解措施。2024年7月16日，### 英國競爭和市場管理局（CMA）宣布啟動針對"微軟聘請Inflection AI 核心團隊"的調查，以確定此次招聘是否等同於"併購"。
這種競爭檢查之所以如此緊迫，一方面，是因為### 競爭監管機構不希望再次被大型科技公司打得措手不及；另一方面，在人工智能大模型發展的內在條件上，似乎就帶有### "集中"和"限制"的屬性。因此，不管是歐盟還是美國，都似乎更傾向於在科技公司成功佔據了AI市場主導地位之前，進行"事前干預"。
### 人工智能發展內在"反競爭"屬性？
### 1、雲基礎設施和計算能力的壁壘
一些專家認為，### 人工智能的寡頭壟斷市場幾乎不可避免。
對於AI初創公司來說，模型訓練是一項昂貴的固定成本，也是其進入人工智能市場的主要障礙。僅靠投資人燒錢的方式很難持續承擔這些成本。
而只有最大的大型科技公司（主要是谷歌、亞馬遜、微軟和 Meta 以及蘋果和 Nvidia，統稱為 GAMMAN）才擁有所需的雲基礎設施和計算能力，以滿足最大型 AI 模型的訓練需求。GAMMAN 對關鍵資產的控制，將較小的初創企業限制在從屬角色。
這就解釋了為什麼人工智能初創企業往往願意尋求與大型科技公司達成合作協議。比如，最典型的就是OpenAI與微軟的合作，用計算基礎設施的使用權換取 GAMMAN 對其最新模型的使用權。又或者，AI 初創公司也可以遠離技術前沿線，專注於在特定任務上表現良好的小型 AI 模型，為大型模型"打基礎"，以創建具有專有數據的應用程序。
### 2、獲取有版權數據的壁壘
許多高質量的文本、音頻和圖片 AI 訓練數據集都受版權保護。作者原則上可以對其作品的使用收取許可費。這將引發額外的成本導致的訓練數據供應縮減。這還將增加模型訓練的成本，並減少模型開發者之間的競爭。
歐盟《人工智能法案》要求模型開發者遵守《版權指令》中規定的《歐盟版權法》，特別是第 4 條，該條授予商業研究的版權例外，但允許版權持有人選擇退出此例外。在美國存在一定的法律不確定，有幾起案件懸而未決。如果法院裁定不適用合理使用例外，人工智能投資者將面臨懲罰性法定賠償的風險。為了避免這種情況，最大的人工智能公司已經與大型媒體公司簽署了數據許可協議。例如，OpenAI 與《紐約時報》、貝塔斯曼媒體集團和 Reddit 新聞平台簽署了協議。
如果各國嚴格執行版權法，人工智能模型獲取訓練數據的困難就增加了，規模較小的人工智能開發商和初創公司可能沒有財力支付版權許可，以至於被完全擠出市場。
### 3、接觸用戶途徑的便利性
AI 模型開發者需要商業渠道來創造收入，以支付訓練和運行模型的成本。
一些初創公司從頭開始建立自己的商業模式，而且還比較成功。例如，OpenAI創建了一個收費的GPT應用商店，還向專業版 ChatGPT 的用戶收取訂閱費。在 ChatGPT 推出一年內就覆蓋了 1 億多用戶。
然而，### 對於那些網絡效應較弱甚至沒有網絡效應的人工智能初創企業來說，從頭開始建立商業模式是很困難的。一種更簡單的創收途徑是與 GAMMAN 合作，將人工智能模型嵌入到他們成熟的商業模式中。例如，谷歌正在將自己的和第三方的人工智能模型嵌入其搜索引擎和其他服務中，對部分人工智能驅動服務的訪問收取高價。
所以，尚未形成商業模式的初創企業也願意與 GAMMAN 合作，將AI模型嵌入其價值鏈下游端——現有的 GAMMAN 面向用戶的服務中；作為回報，初創企業在價值鏈上游端進行反向合作，GAMMAN 授予初創企業訪問計算基礎設施和可能的訓練數據的權限。
### GAMMAN 和 AI 初創企業之間的"競合"協議是否屬於 "併購"？
基於以上原因，想要保持技術前沿地位的 AI 初創公司需要與 GAMMAN 簽署競合協議，以克服訓練成本和獲取客戶的障礙。GAMMAN 可以沿著整個 AI 價值鏈進行垂直整合，而初創企業主要覆蓋價值鏈的投入和中間部分。
競爭管理機構對這些交易和協議持懷疑態度，擔心競合協議可能會成為 GAMMAN 施加影響力並減少 AI 初創公司競爭的木馬。### 其中一個重要的法律問題在於，GAMMAN從戰略投資到挖走初創公司創始人和技術人才等行為，是否是一種只在規避反壟斷監管的新的併購方式——"準併購"？
但競爭管理機構的幾項調查迄今為止尚未找到任何確鑿證據。
儘管歐盟委員會於2024年4月得出結論，認為微軟對OpenAI的投資安排不屬於收購，但它仍在繼續調查是否對該安排展開正式的反壟斷調查，理由是該安排可能會對歐盟內部市場產生扭曲影響。德國也是類似，在2023 年 11 月確定該安排不受德國合併控制，但如果微軟未來增加對 OpenAI 的影響力，它保留了重新審查的可能性。
美國反壟斷執法機構如今也加入調查的行列。
### 生成式人工智能反壟斷調查的突破口
如果"準併購"的概念在法律上難以突破，那麼監管機構很可能將從生成式人工智能所依賴的一個或多個關鍵構件的控制尋求突破。
### 1、數據
與硬件不同，訓練數據是非競爭性的，可以同時被許多人使用。然而，許多高質量訓練數據來源都受版權和許可費用的約束。
特別是在專業領域或數據監管更為嚴格的領域（如醫療保健或金融）尤其如此。預訓練或微調一個在這些領域擁有深厚專業知識的模型可能需要訪問大量數據，而### 這些數據並不廣泛可用，而且對於市場新參與者來說很難收集。
當然，僅僅擁有大量數據並不違法。然而，反壟斷執法機構可能對公司對數據的控制進行特別關注，以分辨其是否可能減少數據的供應、造成獲取的障礙、阻礙公平競爭的充分發展。
### 2、人才
生成式人工智能的另一個重要投入是勞動力專業知識。開發生成式模型需要大量工程和研究人員，他們必須具備特定且相對稀缺的技能，並且對機器學習、自然語言處理和計算機視覺有深入的了解。公司能夠獲得和留住的人才可能不僅在生成式人工智能的發展路徑上發揮關鍵作用，而且在發展速度上也發揮關鍵作用。
由於人才稀缺，實力雄厚的公司可能會有動機鎖定員工，從而扼殺來自實際或潛在競爭對手的競爭。為了確保市場競爭和創新，必須允許具有創新想法的人才自由流動，而且至關重要的是，不要受到競業禁止條款的阻礙。
英國CMA在7月宣布對微軟聘請Inflection AI（OpenAI的競爭對手）核心團隊所進行調查，就屬於此類。另外，美國FTC於2024年 4 月 23 日宣布的全面禁止所有員工（包括高級管理人員）簽署新的競業禁止協議，也是為了促進IT人才的流動。不過很快就被法官挑戰其合法性，前景尚不明朗。
### 3、計算資源
生成式人工智能系統通常需要大量計算資源。計算通常需要專用硬件，例如帶有圖形處理單元 (GPU ) 等專用芯片的計算機，或者通過雲計算服務來獲取計算資源。然而，### 芯片的運行維護成本和雲服務價格都很昂貴，目前也只有少數公司提供，這增加了反競爭行為的風險。
如今，一些專用芯片市場已經高度集中，而且對服務器芯片的需求可能會超過供應。例如，對可用於訓練 AI 的服務器芯片的需求激增導致短缺，促使 AWS、微軟、谷歌和甲骨文等主要雲服務器提供商"限制向客戶提供產品"。而高度集中的市場中的公司更容易採取不公平的競爭手段或其他反壟斷法違規行為。
2022年，美國聯邦貿易委員會針對英偉達（Nvidia）的訴訟進行兩個多月後，英偉達放棄了對 Arm 的收購。FTC 認為，這筆交易將使英偉達能夠壓制創新的競爭技術，並使英偉達能夠不公平地削弱 Arm 的許可業務競爭對手的地位。