近期加州油价高达每加仑6至7美元,对消费者造成了不小的经济压力。如果一项拟议中的集体诉讼得以推进,受影响的加州居民或将获得一定的法律救济。
该诉讼于6月22日在加利福尼亚州东区联邦法院提起,指控多家主要加油站运营商利用Kalibrate Fuel Systems提供的AI定价软件操控油价。该软件被指通过采集竞争对手的价格数据来影响燃油价格。诉讼涉及加州逾1700家加油站,涵盖BP、沃尔玛、Marathon Petroleum、7-Eleven、Albertsons和Circle K等知名品牌。
原告方主张,在该自动化软件被广泛采用的地区,油价比正常市场竞争条件下每加仑高出约30美分。诉状将此定性为"由算法定价公司Kalibrate与加州多家大型燃油零售商共同策划的非法算法价格操纵行为"。
加州本就是全美油价最高的州,定价软件带来的哪怕是微小涨幅,也会对普通驾驶者造成显著影响。
截至发稿,Kalibrate方面尚未回应置评请求。
打击算法价格操纵
据诉状陈述,涉事加油站违反了加州法律AB 325。该法律于今年早些时候正式生效,旨在打击算法价格操纵行为。AB 325为原告在反垄断诉讼中提供了法律依据,允许其主张竞争者共享同一定价算法、合谋限制交易竞争,同时也降低了依据加州主要反垄断法《卡特赖特法》提起诉讼的门槛。
加州能源委员会石油市场监督部门的发言人表示,该机构对燃油市场保持密切监测,已就AB 325的规定正式通知燃油炼化商、经销商和零售商。"石油市场监督部门将持续与市场参与者保持沟通,确保他们充分了解在加州应履行的法律义务。"该发言人在接受CNET采访时如是说。
本月早些时候,加州能源委员会还发出警告,称在伊朗局势引发油价上涨的背景下,品牌汽油的价格可能大幅高于普通汽油。委员会此前已对加州高价加油站展开调查。
此次诉讼列出了三位加州原告:居住在丘拉维斯塔的乔尔·卡斯卡尼、居住在霍姆兰德的保拉·哈特曼,以及居住在马里斯维尔的克里斯特尔·特恩鲍。三人均表示曾在使用Kalibrate燃油定价系统的加油站以虚高价格加油。
诉状未明确列出原告要求的具体赔偿金额,但要求获得补偿性损害赔偿,并申请判决三倍于实际损失的惩罚性赔偿。
此次诉讼的时间节点颇为敏感——Kalibrate近期刚刚推出了一款移动应用程序,允许燃油零售商通过手机直接设定油价。根据产品说明,该应用具备"增强型市场洞察、全新移动操作功能以及AI驱动的定价辅助功能,旨在为定价决策提供更清晰的参考依据"。
动态定价与监控定价的争议
动态定价并非新生事物。自算法被纳入企业销售系统以来,这一现象已存在数十年之久。最为公众所熟知的案例包括Uber的高峰时段溢价机制以及航空公司的机票浮动定价。
近期,世界杯门票价格因供需关系驱动而创下历史新高,引发大批球迷批评。对此,美国商会为动态定价进行了辩护,指出在抢购热潮过后,票价随即出现回落。
近年来发生的变化在于,企业掌握了关于消费者的大量数据,并借助AI技术实施所谓的"监控定价"——即根据掌握的个人信息判断某位消费者愿意支付的价格上限,进而有针对性地制定报价。这与基于需求、竞争态势或区域市场状况的动态定价有本质区别。
纽约州已于去年12月立法限制监控定价,并于近期正式施行。加州立法机构同样正在推进相关立法,AB 2564法案旨在禁止零售商依据个人信息制定差异化价格。包括电子前哨基金会在内的众多数字权利与隐私倡导团体表态支持该禁令,认为"监控定价有损隐私保护、社会公平与价格透明度"。
Q&A
Q1:Kalibrate燃油定价软件是如何操控油价的?
A:根据诉讼内容,Kalibrate Fuel Systems开发的AI定价软件通过收集竞争对手的价格数据,自动计算并设定燃油售价。原告方认为,当多家加油站同时使用该软件时,实际上形成了一种隐性的价格协同机制,导致油价比正常市场竞争条件下每加仑高出约30美分。诉状将其定性为借助算法实施的非法价格操纵行为。
Q2:加州AB 325法律对算法定价有哪些具体限制?
A:AB 325是加州今年新生效的反算法价格操纵法规,主要作用有两点:一是为原告提供反垄断诉讼依据,允许其主张竞争者共享同一定价算法构成合谋限制竞争;二是降低了依据加州《卡特赖特法》提起相关诉讼的门槛,使此类案件在司法实践中更易推进。目前加州能源委员会已就该法律正式通知燃油市场各参与方。
Q3:监控定价和动态定价有什么区别?
A:动态定价是根据市场需求、竞争状况或区域市场条件来调整价格,例如航班票价随供需波动;而监控定价则是企业利用收集到的消费者个人数据,判断某位用户愿意支付的价格上限,进而制定差异化报价。监控定价因涉及对个人隐私数据的商业化利用,被认为对隐私保护、社会公平和价格透明度均存在负面影响。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。