前司法部反垄断负责人Kanter用AI对抗科技巨头

前美国司法部反垄断部门负责人Jonathan Kanter在离任后并没有放下反垄断事业，而是把战场从政府转移到了私营部门——并且用上了一个出人意料的工具：AI。他与前代理反垄断部门负责人Doha Mekki共同创立了新机构，试图用技术手段继续拆解非法垄断。

从政府到私营：反垄断战场转移

Kanter在2024年卸任司法部反垄断部门负责人一职时，外界普遍认为他会暂时淡出公众视野。但他选择了一条不同的路：继续在体制外推进反垄断议程。

据原始报道，Kanter与Doha Mekki共同发起了一项新事业，目标依然是"拆解非法垄断"。Mekki曾担任反垄断部门代理负责人，两人在执法理念上一脉相承。这一组合意味着，他们带走了政府反垄断执法中积累的方法论和案件经验，并将其应用于私营部门的商业实践。

这一转变本身值得注意。传统的反垄断倡导者离开政府后，通常进入律所、智库或学术界，以诉讼、研究或游说的方式施加影响。Kanter选择的路径更偏向"用产品和技术说话"，这与他在司法部期间推动的激进执法风格形成某种呼应。

AI在反垄断中扮演什么角色

原始素材没有披露Kanter新机构的具体产品形态和技术细节，但"用AI对抗大型科技公司"这一方向本身提供了分析空间。

反垄断案件的核心难点在于证据的规模。大型平台的市场行为分散在定价算法、推荐系统、应用商店规则和海量交易数据中，传统的人工取证和经济学分析往往耗时数年。AI的优势恰好在于处理这种高维度、大规模的信息：它可以辅助梳理平台行为的模式，识别可能构成排他性的策略，或者对市场定义和竞争损害进行量化建模。

换句话说，Kanter团队可能试图把反垄断从"律师加经济学家"的慢节奏模式，推向数据驱动、可规模化复制的方向。如果这一路径成立，私营部门的反垄断工具可能成为公共执法的补充——甚至对监管机构形成倒逼。

反垄断执法中常见的分析框架包括市场定义、市场力量评估和竞争损害理论。市场定义需要界定相关产品与地理市场，通常借助假想垄断者测试（SSNIP）等方法；市场力量评估关注市场份额、进入壁垒和买方力量；竞争损害理论则判断特定行为是否实质性地削弱竞争。这些分析依赖大量交易数据、价格数据和用户行为数据。AI的介入点在于自动化数据清洗、模式识别和计量模型估算，例如用聚类算法识别定价协同的信号，或用自然语言处理梳理海量内部文件中的沟通记录，从而缩短传统上耗时数年的取证周期。

为什么是现在

Kanter在司法部任内推动了对大型科技公司的多起重大诉讼，其执法思路强调结构性拆分而非行为承诺。他离任后，这些案件的推进节奏和方向存在不确定性。

在这样的背景下，私营部门的反垄断行动具有特殊意义：它不完全依赖政治周期和执法机构的人事变动。通过AI工具降低分析成本、提高证据组织效率，Kanter和Mekki可以在政府执法之外维持对科技巨头的压力。

同时，这个案例也反映了AI应用的一个新方向。当前AI创业多集中在生产力工具和企业服务，而将其用于法律、监管和公共政策领域，仍属少数。Kanter的尝试如果跑通，可能为"AI+监管科技"打开一个细分市场。

结构性拆分与行为承诺是反垄断救济的两条主要路径。结构性拆分指通过剥离资产或业务部门恢复市场竞争结构，例如强制分拆或要求出售特定业务线；行为承诺则是要求企业停止或调整某些行为，如禁止排他性协议、开放接口或承诺公平定价。结构性救济被认为更彻底但冲击更大、实施难度更高，行为救济灵活但需要持续监督。Kanter在司法部期间明确倾向于结构性拆分，这一立场与部分科技巨头希望以行为承诺结案的主张形成张力。他离任后，私营机构无法直接提起政府诉讼，但可以通过提供分析工具、证据梳理服务或专家支持，间接影响案件走向和公共舆论。

待解的问题

这一模式面临几个现实挑战。反垄断诉讼对证据的可解释性要求极高，AI生成的分析结论能否经得起法庭质证，目前尚无定论。此外，私营机构缺乏政府的传票权和调查资源，数据获取能力受限。Kanter团队如何在合法合规的前提下构建竞争分析的数据基础，是其模式能否成立的关键。

原始报道对上述细节着墨不多，新机构的融资规模、团队构成和首个目标均未披露。但可以确定的是，Kanter把反垄断的下一场战役押在了技术工具上，而这个选择本身就构成了对科技巨头的一种新压力。