算法公平性审查：当法律开始约束“大数据杀熟”
当你用老客户账号预订酒店，价格竟比新用户高出20%；同款打车路线，高频用户显示预估价比他人贵15元——这不是系统故障，而是算法精准识别的“杀熟”链条正在悄然运作。随着《互联网信息服务算法推荐管理规定》正式实施，监管部门首次将“大数据杀熟”纳入法律规制框架，标志着算法公平性审查从行业自律走向强制合规的新阶段。
大数据杀熟的本质是价格歧视的技术化升级。平台通过收集用户消费历史、设备型号、浏览时长等数据，构建预测模型判断支付意愿，对价格敏感度低的用户实施动态溢价。这种模式早期游走在《价格法》与《消费者权益保护法》的灰色地带，因其隐蔽性与技术复杂性，消费者往往难以举证。某知名电商平台曾被曝向会员用户推送更高价商品，其回应“价格差异系优惠券随机发放所致”，最终因无法提供算法决策日志而面临反垄断调查，这成为行业标志性事件。
当前法律规制呈现 “穿透式监管” 特征。2023年施行的《生成式人工智能服务管理暂行办法》明确要求，涉及交易条件的算法必须进行备案审查。监管部门不再满足于查看前端服务条款，而是直接审计算法模型的训练数据、特征权重与决策逻辑。深圳某生鲜配送企业因算法对高频用户自动提价，被市场监管局处以年度营业额5%的罚款，创同类案件新高。处罚依据不仅是价格欺诈，更核心的是其算法未能通过公平性测试——模型特征中“用户粘性系数”权重过高，直接导致歧视性结果。
算法公平性审查面临三大技术壁垒。一是黑箱困境：深度学习模型的决策路径难以解释，企业自身也未必能完全追溯单次定价的完整逻辑链。二是因果关系混淆：算法可能发现“使用iPhone用户”与“高支付意愿”的相关性，但将其作为定价依据即构成歧视。三是动态博弈：平台持续迭代模型，监管规则却难以实时跟进。针对此，上海试点要求企业部署“算法可解释性中间件”，在模型输出层强制植入公平性校验模块，将审查节点从事后追责转为事中控制。
合规路径上，头部企业正在重构技术架构。某网约车平台引入反事实公平性框架，在模型训练阶段就剥离用户历史消费数据，仅保留时空供需等中性变量。另一航司预订系统采用“差异化因素明示”机制，在显示价格时同步标注“新客优惠”或“会员专享”，将算法暗箱转为透明规则。这些实践印证了法律倒逼技术向善的可行性：当违法成本超过精准营销的边际收益，公平性自然成为算法设计的首要约束。
监管半径仍在扩大。欧盟《人工智能法案》将用于定价的算法列为高风险系统，要求强制性影响评估。国内多地消保委已建立算法投诉快速通道，技术取证能力显著增强。可以预判，算法备案只是起点，持续性的公平性监测将成为常态。企业若仍将算法视为商业机密而拒绝透明化，或将面临市场准入限制。当法律开始约束代码，技术的中立性神话已然终结——公平不是算法的可选项，而是必答题。
