邓志松等：具身智能领域的新兴竞争问题与反垄断规制

今年以来，AI领域持续保持高热度。春节期间，多家科技厂商围绕AI应用展开“红包大战”，竞争异常激烈；央视春节晚会的功夫机器人表演震惊海内外，尤其引起美西方的高度关注；节后，OpenClaw的爆发式走红更是引发全球“龙虾热”，引爆相关软件、硬件及服务市场。随着AI软件和硬件的进一步发展，我们已开始迈入人工智能发展的新阶段，即知行合一、脑身融合的具身智能。

作为“十五五”规划中提及的未来产业，具身智能有望成为新的经济增长点和创新驱动力，它标志着人工智能从纯粹的以数据生成和信息处理为主的“数字大脑”阶段，进一步走向具备物理载体、能够与现实世界实时交互的“脑身融合”阶段，亦即哲学层次所追求的知行合一。知是行之始，行是知之成，知识（知）与行动（行）不可分割，二者互为表里、相辅相成，具身智能正是代表了这一革命性的创新方向。

当然，新的技术发展也伴随着新的问题。作为AI技术产业的重要发展方向，具身智能在数据、算法、产业政策等方面均可能出现值得提前识别和防范的垄断风险。及时识别并有效控制这些风险，不仅能够促进行业的良性竞争，保持中国在AI领域的创新活力，也能够使具身智能更好地服务社会、造福消费者。

一、具身智能的技术独特性：感知—决策—行动

传统的人工智能体系中，大型语言模型（LLM）主要运行在网络服务器上，借助海量的文本、图像数据进行预训练，并产生预测性的输出。不同于传统以LLM为核心的生成式AI系统，具身智能是以“感知—决策—行动”闭环为核心，能够与物理世界实时交互。虽然其决策环节可能仍以大模型或特定算法为支撑，但相较于我们日常使用的AI软件主要通过被动响应用户指令提供文本、图像或语音输出，具身智能能够借助传感器感知环境，由算法决策并驱动执行器完成任务，这样的技术系统构成了“脑身协同”的协同体系。

在感知环节，具身智能可通过摄像头、触觉传感器、激光雷达等多种设备获取环境信息，识别自身状态与外部环境间的互动关系。在决策环节，基于感知信息，具身智能通过本地或云端模型演算预测行为后果，在目标驱动下制定最优行动选择。在执行环节，具身智能借助机械臂、移动装置等“身体”部件将决策转化为具体行动，与真实物理环境互动。此外，具身智能在与物理世界交互的过程中会产生新的感知数据，为自身算法的优化提供新的训练数据，形成持续迭代优化的闭环学习系统。

从产业链看，具身智能的产业链结构可细分为上游、中游、下游三个层次。上游主要包括高端芯片、高精度传感器、伺服电机等具身智能设备所必需的核心零部件。中游主要是算法平台、机器人操作系统、仿真平台、系统集成和软件中间件。下游则主要面向各类具体应用场景，涵盖工业机器人、智能车辆、家庭服务型机器人、医疗用途机器人等。

具身智能并非遥不可及，春节晚会上的机器人功夫表演便是一个典型例子。这些机器人能够通过传感器感知环境，调动其物理肢体维持平衡并完成复杂动作，它们就属于具身智能。另外，目前许多家庭中使用的扫地机器人，一部分也已经具备一定的具身智能特征，不仅能够识别地面上的手机、衣物、垃圾等物体，还能通过机械手完成简单抓取和归位，在清洁之外兼具一定的收纳功能。正因如此，识别这一领域的竞争风险并形成有针对性的规制策略，已不仅是产业政策问题，也与消费者权益保护和市场开放秩序密切相关。

二、具身智能发展衍生的新兴垄断问题

具身智能的独特技术和市场特征，催生了许多有别于传统产业的垄断风险。作为泛AI产业下的细分领域，它既面临该产业的共性垄断风险，又具有一些独特的竞争问题。目前，具身智能仍处于产业发展的早期阶段，需要重点关注以下四类风险。[1]

第一，数据采集和训练环节可能演化出新的市场进入壁垒。相较于一般的生成式AI，具身智能对训练数据的要求明显更高。它不仅需要文本、图像等静态数据，更依赖于来自真实物理交互的人类示范、动作轨迹和三维环境数据等。搭建实体训练环境、部署真机采集数据的传统方式投入成本高，采集周期长，场景覆盖也有限，新的市场进入者追赶头部企业的技术难度和商业风险都极大。这使得产品已经大规模落地的企业更容易形成“设备部署越多—回流数据越多—模型效果越好”的正反馈循环。

对于初创型企业而言，仿真训练可以在一定程度上替代真机训练进而降低成本。但高质量的仿真训练平台同样依赖海量的算力、算法、训练数据投入。一旦少数头部企业同时掌握了仿真平台、数据标准、训练框架和算力资源，其已有的竞争优势将进一步巩固，形成新的市场进入壁垒。因此，当数据已经成为具身智能领域的关键投入时，需要警惕掌握数据优势的企业通过与上下游达成排他性合作、拒绝必要的互联互通等方式固化其优势地位，进而抬高其他经营者进入市场和持续经营的成本。

第二，生态封闭可能强化市场锁定。从上游产业来看，芯片、传感器、机器人操作系统、云算力和核心软件中间件具有高度稀缺性，占据优势地位的经营者可能实施不公平高价、拒绝交易、限定交易、搭售或差别待遇等典型的滥用市场支配地位行为，进而影响中下游市场竞争。例如，在AI训练相关的数据中心GPU市场，英伟达长期处于显著领先地位。而在下游，具身智能设备企业可能通过专有数据格式、封闭数据接口和兼容性限制等手段，制造较高的转换成本。相较于一般的AI应用只能根据用户的输入了解用户的喜好、习惯，具身智能设备将掌握大量更细致的用户行为和环境数据。例如，未来的保姆机器人可能需要学习用户的作息时间、兴趣爱好、饮食口味、性格特征等。一旦这些用户数据被限定在某一设备平台内，而不允许用户下载并迁移至其他非兼容的具身智能设备，将极大增加用户的切换成本，从而将用户锁定在单一生态中。修订后的《反垄断法》已经明确禁止经营者利用数据和算法、技术、资本优势及平台规则实施垄断行为，这一规则对于具身智能领域的反垄断监管具有重要意义。

第三，算法共谋可能对传统垄断协议理论提出挑战。发生在传统电商场景的美国Topkins电影海报案虽被称为“算法垄断第一案”，但总体而言该案反而说明当经营者先有人为合谋，再借助算法实施和维持价格协同时，现有反垄断法框架仍可直接适用。当前具身智能产业总体仍处于发展初期，设备多以单一场景下的单体部署为主。但随着应用场景的丰富和相关技术的发展，未来可能会出现多个实体共享同一底层模型或在相似公开数据中学习相近策略的情况，进而导致行为趋同。一旦具身智能被大规模应用于生产经营场景，即使具身智能所服务的经营者之间没有显性意思联络，设备算法也可能自发收敛出具有排除、限制竞争效果的策略组合。这才是“算法垄断”领域尚无定论的核心议题之一。具身智能产业未来发展到多智能体广泛协同阶段时，这一问题将更具现实性。

第四，产业政策和行业协同也可能异化为排除限制竞争的工具。具身智能作为新兴产业，地方政府往往倾向于通过提供专项补贴、打造示范项目、建立产业基金等方式培育企业。这些安排并非当然违法，但如果在市场准入、财政补贴、政府采购、标准制定等环节，违反公平竞争审查制度对特定企业给予不合理的定向支持，就可能损害市场竞争。《公平竞争审查条例》及配套法规已明确禁止此类行为。这些政策措施还可能落入欧盟《外国补贴条例》（FSR）的规制范围。此外，也应关注行业协会、标准组织或合作平台中的横向垄断协议风险。具身智能产业链较长、技术标准较多、协同需求强，这意味着相关行业组织更容易滋生垄断风险。

三、欧盟与美国AI反垄断监管实践与启示

作为在AI领域反垄断监管具有先行性经验的司法辖区，欧盟和美国的实践经验具有重要的借鉴意义。目前，欧盟和美国对具身智能的反垄断监管除了反垄断法规框架外，还适用AI专门法或数据法框架。欧盟更侧重通过专门立法建立合规路径，美国则立足于传统反垄断法规下进行扩张适用的规制思路。这两种思路，都为我国反垄断监管的未来发展提供了可供参考借鉴的经验。

欧盟采取了事前规制的路径，通过《人工智能法》《数据法》《数字市场法》等法律的联动，实现对AI领域垄断问题的事前规制。依据《人工智能法》，当具身智能被部署于关键基础设施、教育、执法等特定高风险场景时，可能落入高风险AI系统范围，并因此触发更严格的数据治理、技术文档、人类监督和合规义务。此类系统的提供者必须履行严格的数据治理、技术文档备案及人类监督义务。《数据法》则保障了数据的可流动性，避免数据垄断。其核心在于：首先，联网产品和相关服务产生的数据，应当允许用户访问、使用并应用户的请求共享给第三方，数据持有者不得通过合同条款或技术安排不当地阻碍这种流转。其次，B2B的数据共享可以收取合理费用，但必须符合FRAND原则。最后，禁止在产品或服务合同中约定“要么接受要么放弃”式的霸王条款。《数据法》的规制能够使用户更换不同厂家的具身智能设备的成本将显著降低。对于具身智能领域而言，这类规则有助于降低部分数据锁定和迁移障碍，从而在一定程度上降低用户更换设备和服务提供者的成本。

《数字市场法》则展示了一条更具前瞻性、竞争法色彩更加浓厚的路径。该法案通过“守门人”机制，对大型平台围绕互操作性、数据可携带、自我优待和用户选择设置了一揽子事前义务。一旦违反了《数字市场法》规定的义务，守门人将面临高额的罚款。2025年4月23日，欧盟委员会认定Apple和Meta违反了《数字市场法》，分别处以5亿欧元和2亿欧元的罚款，理由是欧盟认定苹果的应用商店（App Store）限制开发者引导用户使用外部购买渠道，滥用守门人地位。Meta则是因未允许其 Facebook和Instagram用户合理地选择拒绝接受个人数据的定制广告被处罚。2026 年1月，欧委会又针对Google的Android开放性及搜索数据共享义务启动进一步程序，明确把Gemini等AI服务纳入考量。对于未来可能成长为入口型或生态型平台的 AI与具身智能企业而言，《数字市场法》所体现的监管思路值得高度关注。

美国路径则更强调在反垄断法的既有框架下通过司法和企业合规要求对AI领域的反垄断行为进行规制。在“Topkins电影海报案”中，在线海报销售商David Topkins与同业竞争者达成横向垄断协议，约定共同使用其开发的定价算法协调商品价格，避免价格竞争。一旦有卖家设定了更低的价格，该算法就会立即帮助其他卖家调至相同的价格。最终美国司法部对Topkins提起刑事诉讼，指控其实施价格串通行为。该案被视作是算法共谋案的典型案例。但在该案中，由于经营者先达成横向共谋，算法仍然只是一种手段。真正复杂的问题在于，若共谋行为由算法独立做出，此时是否能认定为垄断协议？比如，两家服务于同一园区的智慧物流机器人企业都对自己的设备提出了“利益最大化”的要求，随后两家的设备通过算法推理，认为将园区一分为二，各自负责一半的市场即可实现利益的最大化。在该假设情形中，算法背后的人并没有明确的共谋行为，而算法依据推理预测却达成了一份“垄断协议”。此类算法共谋行为该如何规制，目前还尚无统一定论。

此外，2024年11月，美国司法部反垄断局更新了《刑事反垄断调查中的企业合规项目评估》，将企业对AI等新技术的使用及其风险控制纳入合规审查范围，特别是当AI算法被用于经营决策时，相关决定是否与公司的合规战略一致。其背后的监管信号非常明确：在AI时代，反垄断合规不应停留在传统培训和合同审查，而要前移到模型部署、参数设定、接口设计和日志留痕环节。

四、管控具身智能垄断风险的中国方案

工信部等八部委在2026年初《“人工智能+制造”专项行动实施意见》中提出培育新质生产力，全方位、深层次、高水平赋能新型工业化。知行合一、脑身融合的具身智能正是“人工智能+制造”的最佳载体，中国在具身智能领域的发展也走在了世界前列，对于该领域的新兴垄断风险，中国的反垄断监管也应引领国际潮流。

具身智能的竞争治理并不意味着另起炉灶，而是借鉴欧盟、美国等域外治理经验，把现有竞争法工具更有针对性地适配新技术场景，以公平竞争、自由创新为具身智能的长远发展保驾护航。具体而言，可以概括为如下三点。

第一，要把公平竞争审查真正前移到产业政策设计阶段。各级政府应当按法律法规的要求，对相关政策依法实施公平竞争审查，杜绝存在地方保护、选择性扶持、隐性准入壁垒等问题的政策“带病上岗”。对虽然具有一定排除、限制竞争效果，但确有必要实施的政策措施，也应按照《公平竞争审查条例》中“例外条款”的要求论证其目的正当性、必要性、替代性和实施期限。

同时，还应当关注此类政府支持措施在域外竞争法框架下可能引发的合规风险。具身智能领域企业在参与欧盟市场竞争时，相关补贴或政策支持可能被纳入欧盟《外国补贴条例》的审查范围。一旦被认定为扭曲欧盟内部市场竞争的外国补贴，企业可能面临严格的审查、交易被否决、高额罚款及强制出售资产等后果。因此，在产业政策设计和企业出海过程中，有必要同步评估国内政府支持措施在欧盟竞争法框架下的潜在影响，并提前建立合规评估与信息披露机制。

第二，要围绕数据、接口和关键产品建立更精细的开放规则。对于确已成为行业共性基础设施，又可能构成市场进入瓶颈的数据集、仿真平台、操作系统接口和基础软件中间件，可以探索在保护商业秘密、知识产权和安全底线的前提下，引入分层共享、合理补偿、非歧视接入和开放性要求。具身智能高度依赖跨设备、跨场景、跨厂商协同，监管若只强调安全而忽视开放，可能反而使原本出于合规目的设立的要求异化为新的竞争壁垒。

第三，企业自身需要建立多部门联动的反垄断机制。这一机制的建立至少应抓住四个环节：其一，在数据治理上，厘清设备数据、用户数据和训练数据的权属基础、使用范围与对外共享边界，避免在用户协议中设置变相排他条款；其二，在供应链和生态合作上，审查有关合作协议、技术措施等安排是否具有排除、限制竞争效果；其三，在算法治理上，对涉及定价、资源调度分配、多智能体协同等敏感类型的算法产品开展上线前竞争评估，建立人工干预接口、异常告警机制和关键决策日志；其四，在参加行业协会、标准组织和地方合作平台时，严格隔离竞争敏感信息交换，防止技术合作演变为横向协同。

从更宏观的层面看，具身智能监管的关键不在于简单复制平台经济治理模式，而在于形成“鼓励创新、维护开放、审慎干预、分类治理”的体系化框架。对早期创新保持包容，并不意味着对关键节点的排除限制竞争风险放任不管；相反，越是处在技术路线和市场结构尚未定型的阶段，越需要把竞争法的边界意识嵌入产业演进过程，避免形成日后难以逆转的集中和锁定。

具身智能领域的垄断风险，既源于该产业所具有的独特技术特征，也与制度与监管环境密切关联。对于具身智能企业而言，需要关注的，不只是通过持续创新获得领先地位，还有这种领先优势被固化为对数据、接口、算力、标准和政策资源的排他控制，从而引发反垄断监管的风险。相比传统产业，以具身智能为代表的AI新兴技术领域的反垄断监管和合规，都更需要贯彻前置化、体系化思维。对我国而言，下一步既要评估是否有必要参考欧盟针对AI产业的反垄断风险进行专门立法规制，也要确保《反垄断法》《公平竞争审查条例》以及相关数据治理和产业政策的传统工具，在具身智能场景中得到有效适用和协调实施。只有在鼓励创新与维护开放竞争之间实现更稳健的平衡，具身智能产业乃至AI技术行业的发展才能真正建立在可持续、可预期的市场秩序之上。

●注释：

[1]关于具身智能市场四类垄断风险的分析，参见沈年淦．具身智能市场的垄断风险及其应对[J/OL]．科学学研究
.https://doi.org/10.16192/j.cnki.1003-2053.20260130.00.

特别声明：

大成律师事务所严格遵守对客户的信息保护义务，本篇所涉客户项目内容均取自公开信息或取得客户同意。全文内容、观点仅供参考，不代表大成律师事务所任何立场，亦不应当被视为出具任何形式的法律意见或建议。如需转载或引用该文章的任何内容，请私信沟通授权事宜，并于转载时在文章开头处注明来源。未经授权，不得转载或使用该等文章中的任何内容。

1. 邓志松：《<个人信息保护法>律师与公司常见问答》引言及全文

2. 邓志松等：收到反垄断局对并购交易的未依法申报调查函，企业如何正确应对？

3. 邓志松等：募投管退 - 私募基金的反垄断风险管理

4. 邓志松等：“Bloomberg Law: China Privacy Profile”中文引言及全文

5. 邓志松等：《反垄断法》修订律师实务评述：9大方面 + 23处调整

6. 邓志松等：中国个人信息出境合规路径 - 安全评估、标准合同及认证

7. 邓志松等：《反不正当竞争法》第三次修订：健全数字经济公平竞争规则

8. 邓志松等：欧盟《外国补贴条例》生效：中国企业涉欧并购的监管影响及法律实务建议

9. 邓志松等：标准合同办法补全第三条路径，完成个人信息出境法律监管拼图

10. 邓志松：中国能源企业海外投资的反垄断监管挑战与实务应对

11. 邓志松：格式条款被规制，“最终解释权”受重罚 ——《合同行政监督管理办法》解析

12. 邓志松等：票务平台退票政策趋势观察——“不可退”成为法律禁止的格式条款？

13. 邓志松等：港口整合大潮下的经营者集中反垄断申报——中外比较与实务策略

14. 邓志松等：《外国补贴条例》实施周年的执法趋势观察——中资企业欧洲并购交易合规策略

15. 邓志松等：渡口看潮生——港口行业自我优待问题的反垄断规制

16. 邓志松等：退票行不行？文娱消费领域退票法律实践研究

17. 邓志松等：私募基金行业的经营者集中反垄断审查：趋势变化与合规要求

18. 邓志松等：中国能源企业海外并购：反垄断、反补贴与国家安全的多重监管挑战和实务应对

19. 邓志松等：美国禁止竞业限制引发全球瞩目——人力资源领域反垄断法适用的中外实践

20. 邓志松等：国际视角下的公平竞争营商环境优化新路径：聚焦国有经济、地方保护与补贴制度

21. 邓志松等：国内第一起个人信息跨境传输法院判例评析：欧盟GDPR隐私政策的本地化解构

22. 邓志松等：反垄断民事纠纷抗诉第一案：推动垄断案件可仲裁性司法裁判标准统一

23. 邓志松等：《横向经营者集中审查指引》实务评析：以反垄断审查为引擎驱动并购合规常态化

24. 邓志松等：金融行业经营者集中的特点及反垄断审查实务观察

25. 邓志松等：海外并购“反向分手费”风险管控及实务应对策略：反垄断、FSR与FDI审查

26. 邓志松等：房地产行业并购交易与反垄断监管：经营者集中案件特点和趋势观察

27. 邓志松等：最高法预付消费司法解释解读：中外比较与实务指引

28. 邓志松等：中国“个人信息跨境传输第一案”终审定论：跨国公司应落实本地化数据合规要求

29. 邓志松等：我国“订阅容易取消难”问题的法律规制与实践观察——从美国FTC诉Uber案谈起

30. 邓志松等： “离岸模式”下跨境数据处理行为的法律监管：中美欧实务比较

31. 邓志松等：反垄断法下个人责任体系：行政、民事与刑事多重规制的中外比较

32. 邓志松等：经营者集中审查行政诉讼首案评析：托毕西诉国家市场监管总局案的实务启示与中外比较

33. 邓志松等：《反不正当竞争法》修订破解内卷式竞争：整治滥用优势地位与平台不当行为

34. 邓志松等：医药行业经营者集中反垄断审查特点与趋势观察

35. 邓志松等：汽车行业经营者集中的特点及反垄断审查实务观察

36. 邓志松：中欧SEP法院禁诉令WTO争端案：裁决述评与实务启示

37. 邓志松等：民航业经营者集中审查案件特点与趋势观察

38. 邓志松等：未成年人个人信息保护合规审计报送：监管解读与实务应对建议

39. 邓志松等：中国数据违规出境执法典型案例梳理与要点评析

40. 邓志松等：2025年中国公平竞争审查立法与实践评述

本文作者