推断瓶颈：认知基础设施时代下的反垄断与中性义务
计算机与社会
2026-02-27 v1 综合经济学
经济学
摘要
随着生成式 AI 的商业化进程，竞争优势正从一次性模型训练转向持续的推理、分发与路由。在前沿，大规模推理可作为认知基础设施发挥作用：作为下游应用依赖的瓶颈输入，由常通过集成助手、生产力套件和开发者工具与下游竞争的企业控制。反垄断风险不仅限于价格。它可以通过非价格歧视（延迟、吞吐量、错误率、上下文限制、功能限制）执行，以及在模型选择工具和服务时，通过难以观察且难以诉讼的引导和默认路由。本文进行三步探讨。第一，定义认知基础设施作为一个可验证的概念，围绕可衡量的依赖性、垂直激励和歧视能力构建，不假设干净的市场定义。第二，围绕垂直关联和平台市场的提升竞争成本理论，构建损害理论，其中在不涉及反竞争定价的情况下仍可获利性地实施封锁。第三，提出“中性推断”：一种面向可审计的行为方法，围绕(i)服务质量平等、(ii)路由透明度、(iii)针对 similarly situated 买方的 FRAND 风格非歧视，仅在可观察证据表明功能性垄断地位时适用。
引用
@article{arxiv.2602.22750,
title = {The Inference Bottleneck: Antitrust and Neutrality Duties in the Age of Cognitive Infrastructure},
author = {Gaston Besanson and Marcelo Celani},
journal= {arXiv preprint arXiv:2602.22750},
year = {2026}
}