基础模型具有通用性与赋能性，对下游平台提供服务、参与市场竞争具有准入上的影响，是通用人工智能时代的数字“必需设施”。通用人工智能服务提供者不仅自身提供大模型应用服务，也向下游平台企业提供预训练基础模型，下游平台企业在此基础上进行微调，研发出适用于不同场景的专业模型。由于通用基础模型具有不可或缺性、不可复制性，且开放基础模型具有可行性，在拒绝提供基础模型不具有法律上的豁免事由时，通用基础模型服务提供者具有普遍接入义务。根据“必需模型”服务提供者与拒绝交易对象之间的关系不同，拒绝提供“必需模型”行为可能构成拒绝交易、差别待遇或自我优待，从而避免了适用《反垄断法》第22条时须满足“支配地位之结构要件+消极不作为之行为要件+反竞争效果之效果要件”三重标准的复杂性与不可操作性。当上游市场的主导经营者控制了下游市场经营者开展竞争不可或缺、不可复制的“必需设施”时，便负有以合理条件向其共享该设施的义务，否则就违反了反垄断法。必需设施原则主要针对拥有市场“要道”地位的企业限制竞争的行为，主要用于水、电、公路等具有自然垄断属性的公共基础设施领域。而今通用基础模型能够嵌入平台赋能各行各业，强化下游平台的垄断扩张效应。“必需模型”服务提供者通过设定模型使用规则，对下游平台企业间交易秩序进行维护，这与行业协会乃至政府所担负的公共性功能类似。从而，通用大模型时代形成了以“必需模型”服务提供者为核心的商业生态系统。“必需模型”服务提供者被赋予了一定的准公共属性，它不再是一个纯粹的私益企业。“必需模型”也演变成新型“基础设施”。毋庸置疑，拒绝提供“必需模型”行为造成了下游市场竞争损害，“必需模型”服务企业的经营自主权应当有边界。基于“必需模型”，服务提供者不仅自身利用所研发大模型直接面向海量终端用户提供具体场景应用服务，而且向各个垂直细分领域的下游企业用户提供通用大模型产品。当面向企业用户时，“必需模型”具有基础设施地位，与之相关的人工智能应用场景众多，“必需模型”是通用人工智能产业的基础设施层，处于上游地位。位于基础设施层的通用模型是超高算力、海量数据、高效算法相结合的产物，需要雄厚的资源与科研实力。下游企业对基础模型进行微调，开发出适用于不同场景的专业模型。基础模型可以深度集成于各项应用程序，在体育比分、股票价格、知识问答、网络购物、休闲玩乐、旅行出游等场景中提供高效且便捷的服务。由此，“必需模型”具有强大的赋能性，是通用人工智能时代的新型数字基础设施。然而，不论是我国《反垄断法》，还是执法实践与有效司法判决，都未明确承认和接受必需设施原则，尽管《反垄断法》第22条第1款第3项与第6项认定拒绝交易和差别待遇可能构成滥用市场支配地位，但该条文也并未提及必需设施。虽然国家市场监督管理总局发布的《禁止滥用市场支配地位行为规定》明确了具有市场支配地位的经营者拒绝交易相对人以合理的条件使用其“必需设施”构成滥用市场支配地位，但是当“必需模型”服务提供者通过市场份额认定并不具有市场支配地位，又或向相关主体免费提供“必需模型”而不存在传统意义上的“货币交易”，再或者仅向纵向一体化的下游平台企业提供模型服务，均无法适用《反垄断法》第22条的滥用市场支配地位条款。从而，通过通用基础模型作为“必需设施”认定拒绝交易、差别待遇与自我优待具有现实必要性。按照必需设施原则，通用基础模型一旦被界定为“必需设施”，该模型研发主体必须无条件地与适格主体进行交易，提供该模型。然而，必需设施原则的适用有悖于契约自由和私有财产神圣不可侵犯的基本理念，尽管当前学界针对拒绝提供通用基础模型行为是否违法未有讨论，但该问题必将引发学界争议。
必需设施原则是1912年在全美引起广泛关注的“终端铁路案”中确立的。法官在“终端铁路案”中明确指出：若特定设施的缺乏会使得某一市场的竞争消失，那么拒绝提供该设施的行为就是违法的。虽然没有直接提出“必需设施”这一术语，但是明确了“必需设施”控制者向其竞争者开放设施的要求。直到1983年，美国第七巡回法院在“MCI案”中第一次提出了“必需设施”的适用包括“必需设施”为一个垄断者所控制、竞争对手无法实际或合理复制“必需设施”、拒绝竞争对手使用该设施、提供设施是可行的四个要件。但在1985年的“阿斯彭滑雪公司案”中，美国联邦最高法院认为：除非该行为是“反竞争”的、具有“掠夺性”和“排他性”的，无论经营者居于什么样的垄断地位，其都无义务与其竞争对手展开联合经营。该案之后，美国在必需设施原则的适用逐渐变得谨慎，究其原因，概因芝加哥学派重视市场效率，主张合理原则，限缩了必需设施原则在美国的运用。然而，近些年，以美国联邦贸易委员会主席莉娜•坎（Lina M. Khan）为代表的新布兰代斯学派主张应恢复传统的结构主义反垄断理念，进而通用基础模型应当界定为“数字化必需设施”而要求通用模型服务提供者承担非歧视性开放等积极竞争义务。尽管必需设施原则通常用于物理基础设施，如今必需设施原则的应用场景已经从工业时代的铁路、码头等有形财产转变成数据等无形资产，“必需数据”“必需平台”“必需模型”的反垄断已经成为当下和今后相当长阶段数字法治的新命题。德国《反对限制竞争法》第十修正案第19条第2款第4项明确数据可以构成“必需设施”，而一旦构成“必需设施”，控制必需数据的企业就可能被要求向依赖该数据的企业开放，即使该数据资源并无交易先例。我国国务院反垄断委员会发布的《关于平台经济领域的反垄断指南》（下文简称“《指南》”）第14条第2款规定，评判平台究竟是不是“必需设施”时，通常要综合考虑平台的数据占用情况、平台在市场上的可替代性、是否存在其他可用平台、搭建一个竞争性平台的可行性、交易双方对该平台的依赖性以及开放平台可能带给经营者的潜在后果等因素。国家市场监督管理总局对阿里巴巴集团的行政指导书中，虽未明确“必需平台”这一术语，但也表明了我国执法当局的态度，即要加强平台开放资源端口的力度，无正当理由，不允许拒绝交易。由此，数据、平台作为“必需设施”表明，非物理性必需设施无论在立法还是实践都得到了承认。通用大模型时代基础模型服务企业形成以自身服务为核心的生态系统，不同业务的经营者之所以能一起铸就商业生态系统，所依赖的正是通用基础模型，从而“通用模型”演变为下游平台参与市场竞争的“必需设施”。通用模型与传统交通、水利等基础设施为产业变革和经济发展提供行业赋能趋同，基础模型可以被各类平台企业广泛接入。正是基于其极强的通用性及赋能性，通用模型成为了现代商业的基础设施。
与哈佛学派“本身违法原则”不同，芝加哥学派相信只有垄断者互相制衡，竞争才能更为自由，如果强制要求经营者开放“必需设施”，数字经济的竞争性就会下降。早在1919年的“高露洁公司案”中，法院就提出经营者本身并没有必须与其他经营者进行交易的义务，无论企业是否具有市场支配地位，只要经营者在主观上未积极创设或维持垄断地位，其就有权基于自己的意愿决定是否签署合同、如何处置财产、按照什么样的准则为自己选定交易对象。在“奥林匹亚案”中，法院对于合法获取的垄断权，认定经营者不担负助力竞争对手的义务，更无援助市场新进入者的责任。因此，规制拒绝提供模型行为不仅会削弱模型服务提供者进行投资和创新的动力，而且也将削弱被拒绝经营者研发新模型的动力。更严重的后果可能是，强制的开放义务实际上是要求经营者与竞争对手合作，从而容易形成横向共谋。尤其是通用大模型时代，默示共谋存在极强的隐蔽性，这比滥用市场支配地位实施拒绝交易行为后果更为严重。再者，拒绝提供基础模型行为有时并非为了排挤竞争对手，反而是一种自我保护，是模型研发者正常经营及实现商业利益、预防“搭便车”的行为。企业奉行的经营政策理应由企业自己决定，对此，《反垄断法》不应过多干涉。我国当前处于通用人工智能发展时期，以“通用人工智能是否作为必需设施”的司法理念和司法实践，都尚未出现。这可能也源于无论是从立法上看，还是从执法层面分析，我国都欠缺必需设施原则适用的条件。若强制要求通用基础模型作为“必需设施”实现开放，会囿于我国《反垄断法》第46条赋予“任何单位和个人举报垄断行为”的权利从而引致“滥诉”问题。因此并不适宜直接明确将通用基础模型作为反垄断法中的“必需设施”，而是应在个案分析的基础上，审慎考虑必需设施原则的适用。通用大模型服务提供者通过市场竞争研发建立的模型，当然享有支配权，不负有将模型开放给下游企业及竞争对手的义务，也有权在自治原则的基础上对第三方行为施以限制。通用基础模型服务提供者及其拥有的数据、算法技术是其重要的资源，是先进入者的竞争优势以及后进入者的市场壁垒。与长期适用必需设施原则的自然垄断行业多基于国企改制不同，这些竞争优势是企业通过激烈竞争所获得的，强行将基础模型作为“必需设施”可能导致政府对市场的过度干预。在竞争激烈以及创新迅猛的通用大模型领域，应当慎重适用必需设施原则。尽管必需设施原则历史悠久，但迄今仍面临较大争议和分歧，过去仅适用于具有自然垄断属性的水、电、煤、电信、铁路、港口等行业，自然垄断具有明显的规模经济与范围经济效应，具有成本劣加性、生产与投资具有显著的沉没性、产品或服务具有垄断经营性。然而，通用基础模型与具有自然垄断属性的基础设施企业存在类同性。一方面基于其较高的市场集中度往往呈现寡头垄断状态；另一方面，通用人工智能服务前期沉没成本非常高。虽然存储和处理数据需要的信息技术成本极高，但该系统开始运行之后，增量数据能以较低成本分析和改进算法，从而通用人工智能服务边际成本较低。
通用基础模型服务提供者的数据优势助力其成功进入新市场，持续提升基础模型的通用性与智能性，改善通用模型服务质量。在“领英案”中，领英之所以禁止hiQ Labs继续使用其用户数据，是由于其意图通过该数据市场的支配地位扩张至hiQ Labs同一市场，获取竞争优势。通用基础模型服务提供者的数据优势是潜在竞争者进入市场的重要壁垒。第一，通用基础模型服务提供者的数据优势利于持续提升基础模型的通用性与智能性，改善通用模型服务质量。通用基础模型服务提供者收集海量的用户数据，利用算法工具基于这些数据对市场发展趋势、消费者倾向需求和未来竞争态势进行模型训练，持续优化模型服务，强化市场竞争优势。如果没有数据，孤立的算法技术也无法发挥效用。随着数据“量”和“质”的差距在基础模型服务提供者和新进竞争者之间扩大，基础模型服务提供者凭借其在数据方面的优势逐渐摆脱了数据竞争的束缚，这种基于数据差距形成的质量差距源自“反馈回路”。即下游平台用户规模的不断扩大，扩充了基础模型服务提供者所能采集的数据范围，帮助基础模型服务提供者更准确地定位市场需求从而对模型服务做出有针对性的调整，持续改进通用模型的智能程度与服务质量。第二，通用基础模型服务提供者的数据优势是潜在竞争者进入市场的重要壁垒。潜在竞争者具有“高昂的生产研发新商品的成本”和“抵消消费者转向成本所需要付出的补贴和让利”，从而存在较大的市场进入障碍。通用基础模型服务企业进入跨界领域竞争过程中存在排挤市场竞争的行为，通过拒绝交易、差别待遇、自我优待等行为对其他下游服务平台加以制约，试图将其市场竞争优势地位跨界传导，也提高了潜在进入者的市场进入壁垒。如京东物流凭借京东在数据和算法方面的优势，实现准时且快速的物流配送服务，并在这基础上打破基于工业经济的相关商品市场和相关地域市场的明确界限，逐步形成纵向与横向市场上的跨界竞争优势。实体中小企业物流公司通常难以与京东物流这种线上超大型平台相抗衡，因为它的用户数量有限，无法收集到大量可用于持续改善其物流服务的数据，无力提供与京东具有同等质量的物流服务。通用基础模型服务提供者通过数据和算法将垄断力量不断传导至其他领域，使得多个领域内的市场受到垄断威胁。第三，通用基础模型服务提供者的数据优势助力其成功进入新市场。由于数据收集门槛较低，通用模型服务提供者业务扩张速度较快，数据竞争与传统竞争的一个重大区别在于，在开发利用数据的过程中，不完全是“你多我少”的零和博弈状态。通用基础模型服务企业的业务扩张往往具有跨界特征，一是纵向跨界，通用基础模型服务企业可能同时跨越自身所在的市场和下游平台服务市场，如ChatGPT不仅为下游平台企业提供通用基础模型，还提供与下游平台具有竞争性的生成式人工智能服务。二是横向跨界，即通用基础模型服务企业同时跨越不同行业，电商业务、社交业务、仓储物流业务、外卖业务、网约车业务等领域。当拥有海量数据的通用基础模型服务企业在不同领域不断扩张，便形成了以通用基础模型服务为核心，由下游平台关联业务、合作商家与消费者等多元主体组成的生态系统。其中，不仅包含由产业链上下游业务组成的纵向生态系统，也包括以直接面向终端用户的不同应用场景服务搭建而成的横向生态系统。
基础大数据是一种需要特定的技术和分析方法才能转化为价值的信息资产，通用基础模型服务提供者通过发挥算法在追踪、预测用户偏好方面的作用，提升了模型服务提供者的竞争优势。第一，通用模型算法技术有助于提升基础模型服务企业的市场力量。数字技术与海量数据之于通用基础模型服务提供者参与市场竞争而言，犹如鸟之两翼，忽视任何一方都可能导致对人工智能服务企业市场力量的认知偏差。然而，当前反垄断执法似乎忽略了“技术”作为竞争的现实维度。数字分析技术的突破，让数据的生产要素属性得以彰显，进一步提升了数据的应用价值。随着现代化算法思维方式的形成和发展，其积极与法治思维实现融合，形成了程序思维、智能思维和法理思维。算法借助算力和架构来占有、处理数据及实现结果输出，让通用基础模型服务提供者充分挖掘数据价值，算法技术日益成为调配资源、构建网络秩序和伦理规则的权力工具。第二，通用模型算法技术与数据的结合有利于基础模型服务提供者获得竞争优势。通用基础模型服务提供者在其率先获得大量的用户数据之后，通过建立算法模型开展数据分析，就可据此对算法模型进行优化，用户数据量越大，数据分析结果就会越准确，数据的使用价值就越大。利用数据优势服务提供者能更好地理解和定位市场消费需求，从而提高模型质量或服务水平。算法技术的先进程度如何，是通用基础模型服务提供者收集数据数量、质量、分析结果相关性的决定性因素。实际上，对于“数据”是否适用必需设施原则，国内外理论与实践普遍认为，适用必需设施原则强制数据互联互通有利于下游市场的竞争和创新。反对数据交易适用必需设施原则的主要理由则在于：数据本身具有非竞争性，给企业带来巨大价值的是对大数据进行充分挖掘利用的算法技术，而非数据本身。然而，通用模型同时需要海量的数据资源及强大的算法算力支撑，即使是反对数据构成必需设施的学者也不会反对“通用基础模型”作为“必需设施”。第三，通用模型算法技术有助于提高技术壁垒，进而阻滞市场进入。根据新布兰代斯学派提出的“运用自身市场力量提高竞争对手成本衡量市场力量”的方法，经营者通过流量入口的限制、算法共谋实施共同市场支配地位滥用等方式，阻碍现时竞争者与潜在竞争对手进入。值得注意的是，利用数字技术参与市场竞争包括两个方面，分别为将技术转化为自身竞争优势和以技术为手段阻碍其他竞争者发展。我国新修订《反垄断法》增加了“鼓励创新”的价值目标，但若将技术优势一律作为认定基础模型作为“必需设施”的考量因素，则有悖于数字时代激励创新的价值目标。因此，纳入“必需设施”认定考量因素的不应是提高生产效率的积极技术条件，避免因“有形之手”伸得过早、过长而扼制市场主体的创新。市场力量反对的技术优势是通用基础模型服务提供者以商业创新和技术中立等名义滥用网络技术优势等限制竞争、不符合反垄断法宗旨的技术条件。例如，通用大模型训练过程中恶意调整模型产生歧视性、误导性等足以影响其他经营者有序竞争的技术手段，包括便捷的数据资源获取渠道、基于营销网络的通路所获得的优势、创新新技术等。
罗纳德•科斯（Ronald H. Coase）认为：存在两种配置资源的方式，第一种是市场配置资源方式，第二种是企业配置资源方式；市场借助价格机制来实现交易，而企业主要借助企业内部行政命令来配置资源；相对于市场而言，企业的存在有利于降低配置资源的成本。通用基础模型服务提供者在将模型提供给下游平台的同时也能直接通过模型提供服务。通用基础模型服务提供者呈现出“自营+招商”的双重属性，同时拥有科斯所言的两种资源配置方式。由于通用基础模型服务提供者具有双重身份，与使用其基础模型的下游平台商家之间既是竞争关系，同时也是合作关系。通用基础模型服务提供者作为经营者积极参与市场竞争，这是其第一重身份；而作为管理者规范基础模型的使用规则，这是其第二重身份。当作为市场经营者时，通用基础模型服务提供者可借助数据优势与算法优势提升自身的服务水平，发挥竞争优势传导作用，在这基础上开展跨界经营活动，据此来扩大自营模型服务规模和提升市场竞争力。如在纵向跨界中，消费者在使用通用人工智能服务时留下的各种数据，都为通用基础模型服务提供者掌握并在实践中加以使用，并依据这些数据分析结果及时调整模型服务，为用户提供更好的服务。在作为与下游平台同类应用场景服务提供者时，通用基础模型服务提供者还会在微调模型时偏袒自营服务，实施自我优待。此外，对于通用基础模型服务提供者而言，其不仅拥有大量的用户数据资源，同时还拥有海量的交易数据资源，甚至可通过封锁和屏蔽等措施直接阻止竞争对手访问数据，进而提升其服务质量。当作为基础大模型管理者时，通用基础模型服务提供者是模型使用规则的制定者，通过模型监管规则的制定、发布与执行，实现对下游平台经营者的引导、规范与惩戒。当通用基础模型服务提供者为下游平台企业提供模型接入服务时，作为下游平台企业为终端用户提供服务的“关键通道”。以ChatGPT为例，ChatGPT不仅自身直接向用户提供生成式人工智能服务，还内嵌于其他平台具体应用场景中提供服务，如Dealtale技术公司、ZoomInfo大数据公司将ChatGPT用于辅助分析销售数据及营销模式；Nerdy教育平台、Nice商品销售公司将ChatGPT用于线上智能客服与用户交互；Google搜索引擎公司、Meta社交网络公司使用ChatGPT模型进行机器翻译。从而形成了以ChatGPT为核心，Dealtale、ZoomInfo、Nerdy、Nice、Google、Meta等其辖属的其他各类业务平台共同形成的商业生态系统。通用基础模型服务提供者通常仅对生态系统内部的平台企业提供基础模型接入。模型数据的对内互补、对外封锁策略，一方面对其自营业务及下游平台经营者利用模型服务之间实现数据的闭环流动，如基础模型开发与运行中随时实现数据关联，从而利于通用基础模型服务提供者开辟新的市场领域；另一方面对外采取数据断流措施，排除竞争对手对相关数据的获取。通用基础模型服务提供者实施的对内关联、对外封闭数据的行为，巩固了自身的垄断地位，对竞争对手构成进入壁垒，作为初创企业模型服务提供者很难在已经形成生态系统的通用基础模型企业竞争市场中求得发展空间。当越来越多的下游平台企业应用被链接到通用基础模型上之后，又进一步成为基础模型的流量入口累积更多的数据，并被用于进一步反馈性的模型训练。通过海量的模型参数量、数据处理量以及训练计算量，通用基础模型的通用性实现了跨越式提升。拒绝提供或歧视性提供通用基础模型的行为是通用基础模型服务提供者实施杠杆行为、跨界传导垄断力的主要手段，这也必然对下游平台企业的市场竞争带来巨大的影响。下游市场将从竞争市场转变为垄断市场，改变市场结构的原因不是基于企业提供商品或服务的质量与价格，而是基于通用基础模型服务提供者在另一市场的支配地位及其在该下游市场的拒绝接入或歧视性接入。从而通用模型服务提供者将其现有的垄断能力传递到新的“不相关”市场和“未来相关”市场，垄断地位从“点”到“链”，甚至到“面”，将竞争格局从个体间的竞争转到产业链之间甚至是生态圈之间的竞争，甚至可能在未来消除传统产业的划分格局。传统反垄断法中“必需设施”包括自然垄断或存在巨大规模经济的企业、基于管制制度形成的生产性资产、政府所有并受到政府补贴得以维持的装置三种类型。通用基础模型服务并不存在管制性与政府补贴，其必需设施地位源自竞争优势跨界传导形成的规模经济效应，以及控制了下游相关市场的竞争。因此，通用模型应作为一项“必需设施”。对通用基础模型作为“必需设施”的条件进行科学设置，应跳出传统反垄断法中以市场依赖作为企业在市场上是否居于支配地位的判断标准，应绕开现行反垄断规制在认定通用模型相关市场时所用工具的缺陷，依此助力中国数字经济在反垄断法的引导下，突破重重围阻。通用基础模型可能依靠算法技术优势或丰富的数据资源，实现垄断力的跨界传导，从而构成“必需设施”。基于前文论证，在反垄断实践中，“必需模型”的认定应当包括不可或缺性、不可复制性、可开放性三个条件。
所谓“不可或缺性”，通常是认为若拒绝提供设施，就会给潜在竞争者加设很难逾越的进入障碍，将竞争者排除在市场之外。此时，相关的设施即为“必要的、不可或缺的”，一般通过对在位竞争者或潜在竞争者对该设施的依赖程度评判不可或缺性。据此，若通用基础模型服务提供者拒绝向下游平台开放设施，就会造成下游平台服务市场无法与该模型提供者在下游市场展开竞争，或导致潜在市场进入者无法进入该下游市场，则可认定提供该模型的不可或缺性。若对通用模型的使用并非为“必需的”，仅为“有利的”，那么通用模型服务提供者可以不提供该设施。在“领英案”中，基于如果领英不开放API接口将导致hiQ Labs的职业数据分析服务无法进行，其将面临倒闭风险，且潜在的竞争者若没有领英所垄断的相关数据也无法进入市场提供该项服务，从而法院认定领英开放数据对于hiQ Labs正常开展业务而言具有不可或缺性。但若只是引发竞争低效抑或是降低了竞争的参与度，通用基础模型不应被视作“必需设施”。仅有基础模型服务不能为下游平台所接入，下游平台经营者就会被迫逐出市场，且潜在的平台竞争者也无法进入市场时，才能认定通用模型的不可或缺性。“不可或缺性”的认定除考虑所在相关市场，还需考虑上下游市场的竞争状况，该设施是否为其他经营者进入该市场或该市场的上下游市场是必不可少的，拒绝提供“必需模型”行为对该市场或该市场的上下游市场的有效竞争是否产生了严重的排除效果。若因未接入“必需模型”，导致下游市场中所有有效竞争被消除，且无法复制控制下游市场竞争的“必需模型”，则该基础模型也具有“不可或缺性”。如在“微软案”中，虽然存在替代方案，但无论从兼容性上看，还是从互操作性上分析，与微软的差距都很明显，这会造成逐渐将其他竞争对手都排除在市场以外。由此，若通用基础模型服务企业独占性地掌握了其他竞争性平台进行训练所需的超大量数据集，该独占不仅为其带来了巨大的竞争优势，还是排挤其他竞争对手的利器。此时需作为“必需设施”予以开放，预防市场壁垒及封锁效应。
通用基础模型可能作为不可复制的资源，或是通用基础模型服务提供者掌握不可复制的数据、技术资源。关于“必需设施”所要求的不可复制性，不仅需要进行技术上的不可复制性考察，还需考察是否存在经济、法律障碍、时间成本以及消费者偏好使复制替代产品或服务具有不可克服的困难。早在“布朗纳案”中，欧盟法院就通过论证在技术、经济、法律等多个层面，并无造成其他出版商不能建立上门投递系统的障碍，推出大型日报出版商Mediaprint并不存在不可复制性，从而认定该出版商不应构成“必需设施”。在通用大模型时代，大数据的崛起使得算法技术已经成为现代商业的基础技术工具。若仅从技术层面分析，复制对应的基础模型并不存在技术困难。但是须判定其他经营者能否在经济上负担复制“必需设施”的投入，以及该投入是否使得复制“必需设施”的经营者沉默成本过高，进入市场竞争也无利可图。若该设施在经济上难以被再创造，或是功能相近的其他设施改建该设施的成本比预期收益高出很多，这将导致通用基础模型足以作为“必需设施”。同时，除考虑经济成本，还需考虑时间上的合理性。若其他基础模型服务提供者通过自身的技术条件、经济条件重建一个类似于设施模型是可行的，但耗费时间过长，致使该基础模型服务提供者无法及时进入市场，这对通用模型服务提供者而言也属于成本过高。其次，时间成本之外，还需考虑数字经济锁定效应所带来的消费者转换成本问题。如虽然继生成式人工智能的先驱者ChatGPT后，出现新的大模型，但ChatGPT已率先累积了海量的用户数据。在锁定规律的作用下，新模型不能在正常竞争业态下吸引ChatGPT的用户，这会直接降低新模型的用户数、减少新模型的服务流量，造成成本与收益的严重脱节。因此，当通用基础模型服务提供者基于所掌握的海量数据定制并提供多样化的服务时，其以自己长期所提供的服务锁定了大量的用户，产生了较强的用户黏性，也应认定该通用基础模型在相关市场上难以被复制或再建，从而认定为一项“必需设施”。
通用基础模型的开放可行性主要指的是该模型嵌入其他平台服务应用的互操作性问题。互操作性是指在不同系统、应用程序间转移和存储数据的能力。从技术层面分析，通用基础模型具有“通用性”，基础模型的开放在理论上并不会存在不兼容的问题。但是，如果通用基础模型的不兼容不是基于恶意锁定用户、增加竞争者进入成本，而是基于其正常的生产经营活动所致，或下游平台企业因自身技术原因无法获得兼容，则应认定该基础模型是不可开放的。若基础模型兼容性须大量开放接口，那么作为“必需设施”的基础模型服务提供者不负有额外投资用于增加兼容服务的义务，此时也应认定在技术上不具有可开放性。比如，若强行要求苹果系统和安卓系统互联，在技术上就会面临障碍，也存在不兼容问题，造成接入不能，引发开放无效问题。强令开放基础设施付出的代价比所产生的竞争收益高，一方面会挫伤基础设施提供者积极创新的动力，另一方面也会造成整体消费者福利受损。在“劳雷尔砂石公司案”中，美国第四巡回上诉法院提出被告以铁路运输为营业范围，被告拒绝原告“仅承租铁轨而不承租车厢”具有正当的商业理由，即该案不具备“必需设施”“是可提供的”这一要件，法院一般根据被告拒绝提供设施的合理性或仅许可部分设施使用的理由来判定设施的提供是否可行。通常，如果被告已提供过该设施，但对再次被要求提供又予以拒绝的，提供该设施一般认为具有可行性。在“阿斯彭滑雪公司案”中，法院根据“先前交易”要件分析交易对设施企业而言是可行的且有利可图的，认定拒绝交易是另有所图，并非出于合理的商业目的。当然，此前通用基础模型嵌入下游平台场景服务并不普遍的情况下，可能并不存在设施模型与下游平台企业之间存在交易的先例，可以通过基础模型服务提供者是否与市场上其他类似下游企业之间存在交易来判断开放的可行性。如ChatGPT嵌入Google搜索引擎公司提供机器翻译，但是拒绝接入与谷歌翻译具有类似功能的DeepL翻译、SDL翻译，从而证明ChatGPT接入DeepL翻译、SDL翻译的可行性。
哈佛大学反垄断法专家菲利普•阿瑞达（Phillip Areeda）对必需设施原则适用过程曾提出经典的批判：在极端情形下出现了“必需设施”，法官对“必需设施”作出了“反应”。该“反应”被拓展到更广的适用范围，但多数法官并无丰富的经验做出正确的反应，这就造成必需设施原则的创建目的在司法适用中被忽视不见。从而导致这种适用的扩张日渐呈现出荒谬性，最终带来了适用的限缩。如果通用基础模型在满足上述不可或缺性、不可复制性与开放可行性，且不存在拒绝提供该基础模型的豁免事由，该通用基础模型就应认定为“必需模型”。拒绝提供该“必需模型”直接排除了相关市场的竞争，那么拒绝提供模型就是不正当的。但是，如前文所述，数据与算法技术会给“必需模型”服务提供者带来竞争优势，也是后来者的市场进入壁垒，尽管基础模型提供者具有自然垄断属性，但与自然垄断企业最大的不同在于，数据与算法优势是基础模型服务提供者投入了大量的研发成本、通过激烈的竞争获得的，强行要求作为“必需设施”将对我国通用人工智能的创新产生严重抑制后果。但是若存在强制开放导致其他法益受损或导致模型服务提供者利益不当减损等合理的抗辩理由，拒绝开放“必需模型”行为应当得到豁免，反垄断法对其免于处罚。拒绝提供“必需模型”行为违法性豁免的第一个正当抗辩理由是强制通用模型开放将导致其他第三方法益受损。如强制开放基础模型若包含对用户个人隐私的开放，则可能构成对个人隐私的侵犯。消费者愿意将个人数据提供给基础模型服务提供者，并不代表其也愿意将数据提供给其他下游企业或潜在的市场进入者。尽管拒绝提供基础模型行为是否需要建立在消费者同意的基础上，学界还很少讨论，反垄断法实践也未确定隐私保护可以作为基础模型服务提供者拒绝提供模型的抗辩理由，但不得不承认在当前数据产权并不明晰的背景下，应当注重保护个人对数据的私益。如在腾讯抖音案中，两平台企业之间签订了《腾讯开放平台开发者协议》，明确了腾讯对微信账号等信息的所有权及被允许接入的企业不得未经用户同意收集用户数据、不得使用开放平台数据向用户进行与应用无关的广告宣传等服务，并规定腾讯可以对违约企业施加其认为合理的任何制裁措施。该案中，抖音确实存在违反必需限度收集个人信息并将其用于产品推介的事实，腾讯公司可基于用户的隐私保护对抖音实施封禁。这是合理封禁，也有利于保障广大微信用户的合法权益。值得注意的是，基础模型的开放不仅仅涉及用户的个人隐私问题，同样涉及国家秘密与社会公共利益。当通用基础模型服务提供者为了治理危害国家社会安全、侵犯人身权益和财产权益的非法信息和违背公序良俗的不良信息时，拒绝提供基础模型属于保护国家社会利益和他人权益的合法行为。维护公共利益的实现是反垄断法追求的价值目标之一。尤其是当前数据出入境管理规则尚未健全，出于国家利益和社会公共利益的考量，“必需模型”服务提供者可以合理实施拒绝开放模型行为。拒绝提供“必需模型”违法性豁免的第二个正当抗辩理由是强制开放导致模型服务提供者利益不当减损。私权神圣和契约自由是市场有序竞争的基础，即使作为“必需模型”应合理、无歧视开放，但也需考虑设施模型提供者的权益，其在数据收集使用、算法开发运行过程中付出了相应的人力、物力和财力。若将基础模型作为一项“必需设施”导致了模型服务提供者利益不当减损时，必需设施原则的适用应当被制约和修正。当然，在必需设施原则项下讨论拒绝基础模型开放的利益损失，必须达到严格“不当”标准。例如，相对方存在影响交易安全的故意行为或存在重大风险，或严重违背模型使用规则等行为，基础模型服务提供者为保障模型服务的品质和商誉有权拒绝开放。若提供该“必需模型”与经营者的根本商业利益相悖，“必需模型”服务提供者实施拒绝开放行为存在商业上可以被普遍接受的正当理由，则也可豁免强制开放义务。此时，“正当商业理由”包括：“必需模型”服务提供者无法满足现有客户要求，没有剩余能力可供别人使用，如果强行提供就会对基础模型的服务能力和品质造成影响；拒绝提供基础模型是为防止其他模型服务提供者的“搭便车”行为；开放基础模型将直接对模型研发投资、创新、技术安全等产生不利影响等。总之，当“必需模型”开放竞争主体访问所带来的消极影响远大于对该模型的投资鼓励影响时，此时的通用基础模型就不应该被强制开放。必需设施原则强调“必需设施”的拥有者应当以合理的条件向竞争对手或者邻近市场的企业提供接入，否则，“必需模型”服务提供者拒绝提供该模型的行为可能构成拒绝交易、差别待遇与自我优待。此时的行为违法性认定与《反垄断法》第22条拒绝交易、差别待遇构成滥用市场支配地位不同。《反垄断法》第22条的适用需要同时满足“支配地位的结构要件+消极行为义务的行为要件+反竞争效果的效果要件”三重标准。然而，通过必需设施原则界定基础模型具有不可或缺性、不可复制性、可开放性，在不存在拒绝提供基础模型的豁免事由之时，可略过相关市场界定与市场支配地位认定这些前端要件，仅需“必需模型”服务提供者未积极履行接入义务，即可根据其与交易对象之间的关系不同，认定拒绝交易、差别待遇、自我优待行为。
虽然我国《反垄断法》中，并未规定必要设施原则用于规制拒绝交易行为。但是国务院反垄断委员会发布的《指南》第14条第2款、以及国家市场监督管理总局《禁止滥用市场支配地位行为规定》第16条第1款第5项，都将拒不开放“必需设施”作为拒绝交易的一种具体违法情形。《指南》第14条也细化数字经济时代的拒绝交易可以表现为对算法、流量、规则、技术等方面设定不合理的限制，这也直指“必需模型”服务提供者拒绝提供模型的行为。反垄断实践也倾向于将拒绝开放数据、算法、技术行为认定为拒绝交易，“领英案”经过三次诉讼，美国第九上诉巡回法院认定爬取互联网上可公开获取的数据并不违反《计算机欺诈和滥用法》，领英公司掌握着庞大的职业数据，若任由其选择性地对潜在对手的数据收集行为设定禁止和限制，可能造成行业内的初创公司不能掌握、不能使用相关的公共资源进行创新，所以应当将其行为认定为拒绝交易。然而，基于数据、算法、技术认定“必需模型”服务提供者是否在相关市场上居于支配地位十分复杂，再加上基础模型发展呈现高速且动态的特征，构成“必需设施”要求该模型达到不可或缺且不可复制的程度，认定基础模型构成“必需设施”相比于认定其占据“市场支配地位”要达到更高的要求，且能绕开“必需模型”相关市场界定与市场支配地位认定过程中的量化难题。故而，在判定是否为拒绝交易行为时，应基于必需设施这一原则做出认定。即无须经过“界定相关市场——认定市场支配地位——在‘必需设施’方面做出认定——对拒绝交易做出认定”分析步骤，仅基于“必需设施”这一基本原则对拒绝交易进行认定，也就是认定“符合‘必需设施’——判定行为为拒绝交易”即可。通过必需设施原则直接认定拒绝交易，远远比相关市场分析范式更直观、也更有效。因此，在“必需模型”服务提供者拒绝开放模型中，认定基础模型是不是“必需设施”时，并不依赖对相关市场所作出的界定，也即对“必需模型”服务提供者拒绝交易行为做出判断时有了本身违法的新标准。
差别待遇指的是“必需模型”服务提供者的歧视性接入，没有正当理由，对不同的交易相对人施加差异化交易条件。“必需模型”服务提供者拒绝交易行为并非毫无差别地完全拒绝下游平台开放基础模型的要求，而是拒绝向与自己下游市场服务具有直接竞争关系的企业提供模型，对自己生态系统内的下游平台企业或其他弱竞争关系的企业互联互通。这种差别性、歧视性的拒绝交易行为，属于《反垄断法》第22条第1款第6项“没有正当理由，对条件相同的交易相对人在交易价格等交易条件上实行差别待遇”行为。基于认定基础模型构成“必需设施”相比于认定其占据“市场支配地位”要达到更高的要求，亦可略过市场支配地位认定这一前端要件。原告仅需证明相关市场中存在未被拒绝模型服务的其他经营者就可以证明差别待遇行为的存在，如ChatGPT嵌入Google搜索引擎公司提供机器翻译而是拒绝接入DeepL 翻译、SDL翻译。对于这种歧视性拒绝提供模型服务行为，原告还需证明被告的拒绝行为造成了排除、限制竞争的后果。ChatGPT拒绝接入DeepL翻译、SDL翻译，导致DeepL翻译、SDL翻译的运营成本增加，通过比较Google翻译和同类使用ChatGPT模型服务的翻译平台的新增用户数，以及DeepL翻译、SDL翻译维持活跃用户费用的增长，来证明拒绝提供通用模型行为增加了DeepL翻译、SDL翻译的竞争成本，从而判定ChatGPT拒绝提供基础模型行为排除、限制了竞争。实际上，于原告而言，通过认定差别待遇的举证难度远远轻于认定拒绝交易举证责任。如Facebook执行的控制API访问的竞争政策规定，其API仅在开发人员的应用程序不与Facebook旗下产品Facebook Blue和Facebook Messenger相竞争的情况下才能使用。此外，Facebook还担心Vine等新应用程序对其构成威胁，也对其封禁API。美国联邦贸易委员会（FTC）以Facebook实施拒绝交易行为为由诉至法院，但基于美国法院在长期的判例实践中确立了“拒绝交易”推定合法的原则，最终因FTC对“拒绝交易”证据不足而被法院驳回所有诉讼请求。实际上若FTC以“差别待遇”提起诉讼，举证难度会降低很多，也更容易获得竞争保护。
“自我优待”在2019年欧盟《数字时代的竞争政策报告》中首次被提出，后来德国《反对限制竞争法第十次修正案》、欧盟《数字市场法》及美国《选择与创新在线法案》中也均提及。然而“自我优待”并非传统意义上的垄断行为，是指垄断者于相邻竞争市场、下游竞争市场上，与竞争者商品相比，更优待自己或关联方商品，主要针对纵向一体化企业。在最新数字立法中，逐渐倾向于将“自我优待行为”独立类型化，认定为滥用市场支配地位的一种独立行为。或许在对“必需模型”服务提供者拒绝提供模型行为构成差别待遇行为分析之后，再对其是否可能构成自我优待进行分析，这会让人产生疑惑：自我优待不就是差别待遇的一种吗？为什么要进行单独分析？《反垄断法》中的差别待遇指在市场上居于支配地位的经营者对交易第三方（不含自己）所提供的差别待遇，而在“自我优待”中，差别待遇主要针对“必需模型”服务提供者为自己或关联方商品和第三方产品存在差别的待遇。因此，两者的本质区别在于自我优待应该被视作企业在纵向上的一体化行为，此时“必需模型”服务提供者与下游平台企业并不具有直接竞争关系，实际上其为纵向一体化企业排除、限制上下游市场中的竞争。通过对自己的下游分支企业接入模型服务，而对其他下游平台实施封禁，扰乱下游相关市场的竞争秩序，让自己的子公司或关联公司直接获益。例如，2021年意大利竞争管理局查处谷歌一方面拒绝Enel X Italia 和Android Auto的互操作，对使用Enel X Italia的用户施以了不公平的限制；另一方面允许自营的谷歌地图可以和Android Auto互连，并支持充电功能的违法行为，该封禁行为阻碍了其自营业务竞争对手在下游市场的有效竞争，是典型的自我优待行为。在我国腾讯封禁抖音事件中，外部链接所承载的其他互联网企业提供的服务作为微信所在即时通讯市场的下游市场，微信仅仅封禁抖音，而对腾讯自主开发的微视、腾讯持股的快手等抖音的竞争性产品实施开放外部链接分享，实际上也是一种自我优待。通用基础模型可接入下游平台应用程序成为产业链中的基础底座，获得了较之以往平台企业更加中心化的地位，成为下游平台企业参与市场竞争的关键要道，是新型“数字必需设施”。通用基础模型作为“必需模型”，基于模型控制者与交易相对方之间的关系区别，拒绝提供模型的行为可能构成拒绝交易、差别待遇或自我优待。此处的拒绝交易、差别待遇与《反垄断法》第22条的“拒绝交易”“差别待遇”构成滥用市场支配地位并不相同，必需设施原则并不要求通过界定相关市场，认定市场支配地位，判定拒绝交易或差别待遇行为。《反垄断法》第22条并未提及必需设施原则，更未要求必需设施原则仅能直接服务于拒绝交易行为的认定。若坚持认定必需设施原则仅能适用于拒绝交易案件，将导致差别待遇、自我优待等违法形式规避适用必需设施原则，这不仅有损我国《反垄断法》规定的确定性，也违背必需设施原则的判例法规律。要求“必需模型”控制者承担积极义务、强制对下游平台企业开放模型接入服务有助于激活下游市场的竞争，也促进模型进一步收集与优化数据，在算法自动化学习下实现模型的进一步智能化与通用性，产生范围经济的福利增进效果；从而实现了反垄断政策对创新的促进作用，也提升了消费者福利。
华政学报丨许丽 必需模型反垄断法强制开放的理据与进路
李剑｜消费者反对消费者：分配效应下的消费者权益保护丁茂中｜《反垄断法》鼓励创新规范的适用规则及其立法表达袁波｜反不正当竞争法“商业数据专条”规范构造的反思与重塑侯利阳｜商品与销售方式二分视角下不正当竞争行为的类型化
上海市法学会官网
http://www.sls.org.cn
