你的定价算法是两场诉讼，而非一场——大多数公司却只防御其中之一
我的团队审计的第一个定价引擎干净利落地通过了。
我们构建了一个公平性扫描器——这是显而易见的做法。把它对准一个定价算法，检查模型是否将种族、性别、年龄或任何受保护类别用作输入，如果是就标记出来。我们用它扫描了一家中端市场零售商的个性化系统，结果返回绿灯。没有受保护字段。什么也没有。
我差点就把报告发出去了。然后我调出了该模型的特征重要性图——也就是按重要性排名的、真正影响价格的输入清单——排在第三位的最强信号是device_type。它下面是：邮政编码。再下面，是会话开始的当日时刻。
这个算法从未见过种族或收入。它根本不需要。一个在较旧的安卓手机上、来自低收入邮政编码地区、在晚上11点浏览的用户，其价格与一个下午2点在富裕郊区使用iPhone的用户，存在系统性差异。而人口普查数据会精确告诉你这些输入聚类与什么相关联。我们的扫描器说"合规"。而一个差别性影响回归分析会说"无从辩护"。我们构建了一个工具，去检查一桩再也没人会犯的罪。
就在那一刻，我明白了AI定价合规究竟是什么，以及为什么几乎所有人都搞错了它。
2025年，FTC从两家公司收取了25.6亿美元，而它们并不是因为同一件事被起诉的
这里有一个应该写在每一位电商总法律顾问办公室白板上的数字。在短短一年内，美国联邦贸易委员会就算法定价案与Instacart达成6000万美元和解，与Amazon达成25亿美元和解。不同的公司，不同的行为，不同的法律理论——而这种区别就是整个博弈的关键。
Instacart的案子关乎歧视。其Eversight定价工具进行的实验，为同一门店的同一商品产生了多达五种不同的价格，价差高达23%。目录中四分之三的商品受制于算法价格波动。FTC的和解并不取决于有人证明Instacart有意向更贫穷的消费者收取更高的价格。它取决于结果：某些消费者画像系统性地支付了更多，据估计每户家庭每年多付约1200美元。
Amazon的案子关乎合谋。Project Nessie通过预测竞争对手何时会跟进涨价，然后对超过800万件商品提价，据估计攫取了约14亿美元的超额利润。没有会面，没有协议，高管之间没有一通电话。只有一个算法，它学到了大多数竞争对手采用针锋相对的定价规则，并加以利用。这场反垄断审判，FTC诉Amazon案，定于2026年10月开庭，将检验通过算法进行的默示合谋是否违反《FTC法》第5条。
一个定价引擎。两条执法轨道。大多数公司只为其中一条构建防御，却从未看到另一条正向自己袭来。
这就是陷阱。定价团队听到"合规"，就伸手去做一个披露横幅——这是消费者保护的答案。或者听到"反垄断"，就找律所写一份备忘录。几乎没有人会盯着那个正在生产环境中运行的单一算法，同时问出两个问题：这个输出是歧视性的吗，它是否在合谋？
为什么披露横幅的本能是一个陷阱
早期有大约一个星期，我确信整个问题只是一次UI练习。
纽约刚刚通过了《算法定价披露法》，于2025年11月生效——每当价格使用个人消费者数据时，都要"清晰而醒目地披露"，每次违规罚款1000美元。它读起来就像一个cookie横幅问题。在页面上贴个通知，记录同意，搞定。我已经有一份用红线标注、准备就绪的披露文案草稿。
然后我读了《加州卡特赖特法》修正案，那个横幅的想法就崩塌了。
加州的AB 325和SB 763于2026年1月生效，它们根本不在乎你的披露。它们把使用"共同算法"规定为法定责任——共同算法被定义为由两个或更多方使用、利用竞争对手信息来影响价格的算法。它们降低了诉状标准，使得原告不再需要为了熬过驳回动议而排除独立行为。而且它们把公司罚款提高到600万美元或所得两倍中的较高者，在私人诉讼中还有三倍损害赔偿和律师费。地球上没有任何横幅能让你靠披露脱身。风险敞口不在于你告诉消费者什么；而在于你的算法直接或通过供应商，与市场其余部分分享了什么。
那才是我们真正的转折点。披露是消费者保护轨道的底线。而合谋轨道在它下面以完全不同的物理法则运行，最危险的部分在于，你可能通过一个你从未视为风险的供应商而踩到它。
供应商问题：你的定价软件可能就是你的责任
如果你授权使用第三方定价工具——Pricefx、PROS、Zilliant、Competera——你外包的是你的优化。你并没有外包你的责任。你可能已经把它进口进来了。
第九巡回法院在2025年8月的Gibson诉Cendyn案中划定了界线，这是首个关于算法定价反垄断的联邦上诉裁决。好消息是：独立订阅与你的竞争对手相同的定价算法，本身并不违法。坏消息是有三个会击破安全港的条件。当该工具在客户之间汇集具有竞争敏感性的非公开数据时，当供应商宣传其"在全行业范围内抬高价格"的能力时，或当它促成非匿名化竞争对手数据的交换时，你就失去了保护。用同一家供应商没问题。同一家供应商把你竞争对手的实时数字汇集到为你的目录定价的模型中就是轴辐式共谋的风险敞口，即使你从未与竞争对手交谈过。
所以，我现在向任何客户提出的第一批问题之一，不是"你的定价模型做什么"，而是"你读过你供应商的数据处理附录吗？"因为那条悄悄允许跨客户数据汇集的条款，正是反垄断风险所在，而它藏在合同的第三层——一份法务团队签署了、定价团队却从未见过的合同。
这也正是FTC的6(b)条监控定价研究之所以重要的原因。2024年，它向八家公司发出了命令——包括Mastercard、PROS、Accenture和McKinsey——要求了解它们如何使用消费者数据来制定价格。一些最常用的定价平台都在那项研究中被点名。它们的算法可能就是你的责任，而"我们只是买了软件"从来都不是一种抗辩。
RealPage同意令实际上要求了什么？
这整个领域中最具启发性的文件不是一部成文法。它是美国司法部2025年11月的RealPage同意令，而它对电商之所以重要——尽管RealPage是一起租赁住房案件——是因为这是监管机构首次以技术细节写下一个合规的定价算法应该是什么样子。
我留着一份打印件。当时头条报道是"司法部严打租金定价软件"。而真正的利齿是一份工程规范：
- 不得使用不足12个月的租约数据进行训练——模型无法对来自竞争对手的实时市场信号做出反应。
- 地理分析不得细于州一级——不得使用次级市场聚类来精确定位定价权。
- "限位器"护栏——即对算法所能推荐内容的下限和上限——必须是对称的，这样该工具就不能被悄悄调校成只单向抬高价格。
- 自动接受功能须由用户设定参数，有180天的实施截止期限，以及一名任期七年的专职反垄断合规官。
RealPage同意令是我们所能得到的、最接近监管机构直接递给你一份可辩护算法规格表的东西。大多数公司读了新闻稿，却错过了这份蓝图。
当我第一次读到它时，我的反应是政府刚刚免费替我完成了一半的产品路线图。对称限位器、数据老化要求、地理下限——这些都不是法律抽象概念。它们是你可以实现、测试并证明的约束。这就是一份合规备忘录和一套合规系统之间的区别。
没人为之做预算的取证难题
看看当一份FTC的民事调查要求带着它30天的提交时钟落到定价团队桌上时，实际会发生什么。
他们无法回应。不是因为他们有罪——而是因为他们从未记录正确的数据。他们能告诉你算法上周二给某商品定了什么价，但说不出为什么：是哪些输入驱动了那个特定价格，跨用户细分群体的价差是否与任何受保护属性相关联，某个竞争对手的数字是否影响了输出。于是他们花上六到十二个月做取证式数据提取，去重建系统每秒做出数千次、却从未记录过的决策。
这是我觉得对好公司真正不公平的部分。一家零售商可能正在执行一套完全可辩护的定价策略，却仍然无法证明它，因为证明它需要为每一次定价都提供一张模型卡——一份带时间戳的日志，记录使用了哪些输入、输出是什么、以及它如何针对人口统计代理变量进行了检验——而在调查要求到来之前，没人会构建这个。
我们开始首先针对调查要求来设计。把审计轨迹作为定价决策的一等输出，而不是事后的考古项目。当加州总检察长在2026年1月发起其调查扫查时——向零售、杂货和酒店企业发函，询问它们究竟如何使用购物历史、浏览、位置和人口统计信息来制定价格——那些能够在数天而非数季度内作答的公司，正是那些为决策本身、而不仅仅是价格加装了记录工具的公司。
为什么代理式定价会让这一切变得更糟？
眼下所有人都在争先恐后构建的合规框架，都假设有人类在审查定价决策。这个假设正在失效。
Walmart在2026年1月申请了两项AI定价专利，并将在年底前向其全部5200家门店推广电子货架标签——不过它谨慎地把这称为"算法化商品运营"，而不是"动态定价"，并坚称无论是谁在购物，价格都保持一致。McKinsey称代理式商务是2026年电商的标志性趋势：即AI代理自主研究、比较和购买。Forrester预计到2027年，每五个卖家中就有一个会部署由卖家控制的定价对抗代理。
这是让我夜不能寐的那个版本的问题，因为这个合规问题还没有答案。当买家的AI代理与卖家的AI代理协商价格，而商定的价格结果是歧视性的——谁来担责？目前没有针对代理对代理定价的监管框架。一个被设计成每秒可扩展到数千次自主决策的系统，不可能让一个人类置身其中，逐一检查每一次决策是否存在代理变量歧视或合谋趋同。合规必须在代理之中，否则它就根本不存在。
那不是一个未来的问题。它是当今正在架构的任何定价系统的设计约束。
"这不就是一个成本中心吗？"
我听到最多的反对意见，通常来自首席营收官，是说合规工具是一项本职工作就是赚钱的职能上的额外开销。
我会把这些数字并排摆出来，让它们自己去争论。一套完整的定价合规方案——人口统计影响分析、合谋风险评估、多司法辖区披露、审计轨迹生成——第一年大约耗资10万到50.5万美元，持续监控还会在此基础上有实质性增加。Instacart的和解金是6000万美元。Amazon的是25亿美元。用几十万美元的合规去对抗一笔九位数的和解，这不是成本中心；它是这栋楼里最便宜的保险单。
第二个反对意见更微妙：披露和公平性约束难道不会扼杀优化吗？而这里有一件我们开始时没料到的事——2025年12月，62%的美国成年人告诉Talker Research，他们对个性化定价感到担忧。Walmart的定价专利招致了社交媒体的强烈反弹。成为下一个Instacart头条的品牌风险，是真实且可量化的。我还提醒首席营收官，Project Nessie那14亿美元的超额利润并没能在与FTC的交锋中幸存下来——你无法辩护的营收，是你最终要退还的营收。一个你能在公众面前挺身站住脚的定价引擎，比几个你不得不藏起来的额外基点更有价值。
我们实际构建了什么
我不断遇到的空白是，这个市场从中间干净地一分为二，却哪一边都没服务好。定价平台优化价格，却提供零公平性检验、零合谋监控、零披露自动化——它们的算法可能就是你的责任。律所和四大会计师事务所撰写出色的咨询备忘录，却不运行任何自动化的东西；一次Deloitte或McKinsey的反垄断委托是50万美元起的咨询，到头来没有一件工具。ORCAA和FTI带来了真正的审计和经济学专长，但仅限咨询，且以诉讼为导向。
没有人坐在中间：一个集成的层，它对个性化定价做人口统计影响分析，为算法合谋风险评分，为纽约、加州、科罗拉多州和《欧盟AI法案》自动化多司法辖区披露逻辑，并生成FTC或DOJ调查将要求的审计轨迹。那片空间——介于优化者所做的和律师所做的之间——正是我们构建Veriprajna定价合规系统去填补的。
它必须覆盖的监管版图并不稳定，而这正是将其自动化的意义所在。科罗拉多州的《AI法案》于2026年6月生效，对于做出重大决策的高风险系统，它要求在部署前、之后每一年、以及在任何实质性模型变更后的90天内，都进行影响评估。《欧盟AI法案》的高风险义务于2026年8月落地，附带最高3500万欧元或全球营业额7%的处罚。2025年，24个州共有51项算法定价法案，而田纳西州和新墨西哥州在2026年已经在推进。没有哪个人类团队能靠手工追踪那张矩阵并保持时时更新。一套随法律更新的合规系统，是唯一行得通的版本。
我经常想起那第一次干净的审计。
算法定价最可怕的地方，不是那家蓄意去歧视或合谋的公司。而是那家两者都干了、却是无意的公司——通过一个只被告知过要最大化营收的模型——并且直到民事调查要求到来时才发现，自己无法证明并非如此。算法从未有过任何意图。可输出无论如何都是违法的，而意图从来都不是问题所在。
你的定价引擎每一次设定价格，都在做出一个法律主张。唯一存疑的，是你能否把它读回来。
