当AI“看人下菜”，该怎么管？

本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论

导语

近日，华盛顿自由派智库“美国进步中心”（CAP）发文提出“监控定价”概念——AI正让企业更低成本地利用消费者个人信息、行为记录和现实处境，判断个人意愿和支付能力，并据此实行差异化定价。文章重点不是传统意义上的“大数据杀熟”，而是更深层的监管问题：当企业能够通过AI分析消费者行为时，个人数据可能成为企业攫取消费者剩余、扩大自身利润的工具。作者建议美国联邦贸易委员会（FTC）不能仅仅要求企业披露这种做法，还应限制不公平的数据使用，并赋予消费者真正的拒绝权。

原文标题：5 Ways the FTC Can Protect Americans From AI-Fueled Surveillance Pricing

原文来源：美国进步中心（Center for American Progress,CAP）

编译解读：数字经济发展评论

同样的杂货，在同一家门店、同一个时刻，两个人看到的未必是同一个价格。这不是假设出来的场景，而是一项调查已经查实的案例。让这类做法从零散试验变成可以批量铺开的产品，靠的是人工智能——它一边压低了分析海量个人数据的成本，一边抬高了“猜你愿意付多少”的准头。

价格不再由商品定义，而是由“你是谁”定义，这是监控定价与普通调价的分水岭。技术把“看人下菜”从小手艺变成了可复制的流水线。

2026年8月，美国联邦贸易委员会（FTC）就个性化定价（也称监控定价）发布拟议政策声明，并公开征求意见。FTC及其法定职权处在保护美国人的核心位置，它既管价格歧视、隐藏费用这类不公平的定价方法，也管虚假、误导或欺骗性广告。把监控定价归入不公平的定价方法，等于给了执法一个抓手。从管广告延伸到管定价，是FTC职权的一次实质扩张。

在人工智能快速铺开的背景下，这份职责比以往任何时候都更重要。人工智能会放大既有的消费者伤害，包括欺诈与骗局、欺骗性广告、歧视性做法，还有那种越来越精巧，也越来越便宜、越来越容易铺开的监控定价。技术没有发明新的伤害，它只是把旧伤害的成本压低、精度抬高，而监管的标尺还停在旧刻度上。被放大的是本来就存在的伤害。问题不是AI带来的，只是AI让它更容易发生。

FTC把重心放在披露上，是重要的第一步，但仅靠透明度不足以保护消费者免受监控定价之害。委员会应当把披露要求与实质性保障措施搭配起来，限制对个人信息的有害使用，并让美国人真正有权决定，自己的数据能不能被用来决定自己付多少钱。披露补的是“知不知道”，监控定价的痛点却是“能不能拒绝”。把告知做成义务容易，把选择做成权利难。

这份简报给出了FTC保护美国人免受监控定价之害的五条路径：把披露要求与实质性保护结合；区分合法的动态定价与监控定价；为可用于定价的数据划出护栏；讲清楚监控定价在哪些场景属于、哪些不属于合理预期；保住合法的忠诚与奖励计划。这五条不是并列清单，而是从“告知”到“划线”再到“兜底”的一条递进链条。五条放在一起看，重心明显落在“划线”，而不是“告知”。

监控定价的实质：定价依据从市场转向个人

企业根据供给、需求、库存、时机以及其他市场状况调整价格，由来已久。真正让人担心的并不是价格会变动，而是企业越来越有能力动用关于消费者是谁的个人信息，包括社会经济地位、偏好、私人处境，来决定摆在他们面前的那个价格。同一个数字，出自行情还是出自画像，性质完全不同。行情定价人人可见，画像定价只有卖家看得见。

而消费者经历这一切的时候，管不住这种细致入微的审视，甚至可能压根不知道它正在发生。整个过程消费者既看不见也管不着，这才是监控定价与普通涨价最不一样的地方。不知情本身就是伤害的一部分，不能等到价格涨上去了才谈公平。

正如FTC的政策声明所承认的，监控定价仍是一种新兴做法，关于它对消费者潜在影响的研究很少。现有研究显示，一部分消费者受益，另一部分人付得更多。声明也指出：“个性化定价做法越精巧，消费者从中受益的可能性就越小。”这句话值得留意。定价的花样越精巧，消费者越难占到便宜——FTC等于承认，技术进步的好处未必落到买方头上。承认证据不足，反而是在为提前立规争取正当性。

实证证据：同一时刻的价差，谁在吃亏

在消费者得不到任何对等好处的时候，监控定价尤其令人担忧。一项调查发现，Instacart用自家子公司Eversight的AI定价软件，在购物者不知情的情况下对不同人测试不同价格。部分顾客在同一时刻、从完全相同的门店购买完全相同的杂货，却比别人多付了最多23%。

事情曝光后，Instacart停止了这套价格测试，FTC也正式介入调查。23%这个数字的意义不在幅度，而在于它证明了价差可以精准落在具体的人身上。一次测试就能跑出23%的价差，说明算法瞄准的不是商品，是人。

这次事件也让更多的州开始认真起来。纽约州对个性化算法定价的披露要求，就是这类法律之一。一件个案能撬动立法，说明它击穿的是常识底线，而不只是某一条规则。执法的难点不在认定，在于拿不到企业内部的定价逻辑。

其他研究同样发现，企业普遍从监控定价中获益，而它对消费者的影响往往是不利的。Dubé和Misra（2022）在ZipRecruiter上做了两组随机实地实验，发现监控定价提高了企业的预期利润，同时压低了消费者获得的总经济收益。关键不在总量，而在钱流向了哪一边：企业那头在增，消费者这头在减。企业增效与消费者受损可以同时成立，这才是规制的难点。

确实有一部分消费者处境变好了。但不是因为他们多了议价能力，而是因为算法给付款意愿低的人报出了更低的价格。Buchholz等人（2025）考察一个网约车平台上的竞拍行程后发现，与统一定价相比，监控定价让消费者获得的总经济收益减少了2.5%，却让消费者、司机和平台三方的合计收益增加了5.2%。

这背后的原因是：平台与司机多拿的那部分，比消费者损失的那部分还多。总收益变大了，消费者分到的反而更少。这样的“效率提升”到底对谁有利，本身就该打个问号。算法给低意愿的人让一点利，是定价策略，不是消费者的胜利。

综合来看，收益的分配极不均匀，大部分流向了企业。证据虽然还不多，但结论的方向是一致的：好处大多进了企业口袋。既然如此，就不必等到监控定价铺开之后再立规矩。

FTC的调查权：摸清定价中介这条产业链

FTC这次出手，靠的是前一次调查打下的底子。2024年7月，FTC一致动用第6(b)条权限，向八家提供定价产品与服务的公司索取信息。这些公司在用消费者个人信息锁定价格的同时，也用上了人工智能和其他技术。企业怎么定价，外界一向看不到。FTC先用调查权把这层摸清楚，再谈怎么管，顺序是对的。管定价不能只盯商家，中间这些做定价产品的公司，才是个人信息真正集中的地方。

2025年1月公布的初步结果显示，定价中介可以利用极其细致的信息，包括精确位置、浏览器与购物历史，甚至消费者与网页的互动、遗留在在线购物车里的商品，来为单个消费者定制价格、促销和商品供给。

研究还发现，受调查的中介机构至少与250家客户合作，覆盖的行业从杂货店一路排到服装零售商。250家客户这个量级说明，这不是个别商家在试水，而是一条已经成形的产业链。购物车里没结账的东西，也能变成给你定价的依据。

需要说明的是，FTC自己也说了，这些发现还是初步的，对6(b)调查所获材料的审查也还没结束。美国进步中心则敦促FTC把这项工作做完，并且在即将出台的政策声明里引用这次的发现和此前的研究。已经拿到手的信息，能为两件事提供重要的实证基础：一是理解监控定价在实践中究竟怎么被部署，二是确定委员会今后的执法路径。

这次调查拿到的材料是企业自己交出来的，比任何外部研究都更接近实情。把中介这一层摸清楚，本身就是一种监管能力，不只是为发一份声明做准备。调查还没收尾就先写进政策声明，等于替以后的执法先把依据摆好。

披露的局限：从知情权到选择权

FTC要求企业明明白白地披露，这个方向是对的。企业在实施监控定价时，必须把这件事清楚、醒目地告诉消费者。消费者应当知道自己拿到的这个价格是用个人信息算出来的，也应当理解个性化的依据是什么。知道价格是怎么来的，是其他一切权利的前提。企业该做的第一步是把话说清楚，这一点FTC没有说错。

但仅仅告诉消费者“这个价格是为你定制的”，他既没法拒绝，也没法知道自己是不是比别人多付了钱。单靠披露的风险在于，它把识别、理解并回应这些精巧做法的负担推给了消费者，而这些做法恰恰是企业自己设计、自己掌控的。让消费者去读懂一套企业自己写的规则，等于把监管成本转嫁给了最无力承担的一方。知道被个性化了，跟能拒绝个性化，是两件事。

数据隐私领域的经验，能说明“只披露”这条路的问题在哪。几十年来，消费者隐私保护往往依赖“告知—同意”这套框架。公司把自己的数据处理做法写出来，留给消费者的只有两个选项：要么接受，要么别用。隐私监管走过的弯路，定价这块最该引以为戒。几十年的经验已经证明，光让消费者点头，撑不起真正有用的保护。

这等于给了消费者一个虚假的选择，尤其是当他们没有别的选项可挑，或者压根没法避开这项服务的时候。这类披露还往往写得又长又绕，个人很难判断自己的数据会怎么被组合、被推断，或者在日后被另作他用。监控定价在某些场景下更棘手：比如买食品、交通、药品这类必需品的消费者，根本没法扭头就走。选择的前提是有得选。当“不同意”的代价就是不用，那不叫选择。

所以说，仅仅通知消费者他的个人信息正被用来决定价格，几乎改变不了消费者和企业之间那种不对等的状况。在允许监控定价的场合，披露应当配上真正的选择，让消费者能够拒绝自己的信息被收集、被用于监控定价，并且照样能以非个性化的价格买到基础的产品或服务。

能拒绝的个性化，才算消费者自己做主；拒绝不了的，就只是强加的条件。让消费者用“退出”换回普通价，比让他读十页说明有用得多。

最该设防的场景：人最脆弱的时候

要防的不只是最敏感的那类数据，也不只是最极端的那种盘剥。即便所用信息表面上看相对无害，监控定价这套做法本身就会引发消费者保护方面的担忧。把防线只画在敏感数据上，等于默认了其余信息可以随意使用。同样的信息，用来推荐还是用来报价，性质完全不同。

如果企业利用敏感信息，或者利用对消费者窘迫程度、急切程度、支付意愿的推断来多收钱，这些担忧就格外强烈。FTC应当讲清楚，即便做法已经披露过，监控定价在哪些情形下仍然构成《FTC法》第5条下的不公平做法。披露过不等于合法——这句话才是整份声明里最该写清楚的一句。要管的不是信息敏不敏感，而是有没有被用来卡人的软肋。

举例来说，企业不该被允许这么做：从数据里推断出某位消费者正紧急给生病的孩子找药、正面临财务紧急情况，或者其他没有回旋余地的需求，由此推断这个人已经没有退路，于是向他收更高的价格。边界其实很朴素，不能因为看出别人走投无路，就向他开更高的价。不把这条写进规则，企业随时可以辩称自己只是跟着需求定价。

还有一个现成的先例可以参照。现行法律已经禁止某些场景下的歧视行为。比如《平等信贷机会法》和《公平住房法》，就禁止在所涵盖的信贷和住房交易中，基于特定受保护特征进行歧视。反歧视的思路早就写在别的法里了，定价这块缺的只是照着做一遍。

合法动态定价与监控定价的界线

企业长期以来依据与消费者个人无关的市场状况调整价格，比如供给、需求、库存或时间的变化。但这些做法，与使用个人数据、行为画像或针对单个消费者的推断来决定他看到什么价格的定价系统，有着根本区别。

FTC应当在合法的动态定价与监控定价之间，划出一条清楚的界线。同样是算法在动价，一个随的是行情，一个随的是人，这才是要画线的地方。区别的关键不在用没用算法，而在用没用个人信息。

对监管者来说，真正该问的问题是消费者为什么拿到这个价格，而不只是有没有算法参与了定价。消费者可以合理预期机票价格会随着座位售出而上涨，也可以接受网约车价格在需求超过可用司机数量时升高——这两种情形都不需要个人信息。问题从“有没有算法”换成“为什么是这个价”，监管的准星就对准了。只要把个人信息这条线划出来，合法的动态定价就不必跟着陪绑。

但这不意味着消费者就该付更多钱。比如说，一家公司从某个人的浏览历史、位置、收入、过往购买、设备数据里推断出，他特别愿意或者特别有能力支付更高的价格，又或者特别需要这项服务，这些都不该成为多收钱的理由。能被推断出来的支付意愿，不该自动变成可以多收的那部分。消费者能接受的是规则透明，不是被一个一个地画像定价。

区分的口径也很关键。如果对监控定价定义得太宽，会把那些正常而且有好处的定价做法也一起扫进去，反而没能对准最该管的行为。FTC应当把重心放在一件事上：企业有没有动用针对个人的信息，去估算某个消费者愿意付多少、付得起多少，并据此抬高价格，而不是盯住动态定价或算法工具本身。工具是中性的，用途不是，监管要盯的始终是后者。

合理预期怎么算：必需品与非必需品

FTC应当就拟议标准给出进一步指引，说明美国人在哪类商品上可以合理预期自己不会和“朋友或邻居”付出不同的价格。消费者的预期在不同市场之间差异很大。价格跟着行情变动是一回事，价格是盯着你这个人算出来的，是另一回事。这条区别不点破，消费者会以为自己早就同意过。“合理预期”不能由企业单方面定义，得有一个可以对照的标准。

对许多日常商品和服务，包括杂货、零售商品与食品配送，消费者一般预期标价平等适用于处境相似的人。在航空、酒店、网约车这些市场，消费者习惯了价格随需求、供给量、位置或时间波动。

但接受动态定价，不等于接受另一件事：两个在同一市场条件下买同一样东西的人，可以因为各自的情形、行为或被推算出的支付意愿而拿到不同的价格。食品、交通这类必需品，相较非必需品应当受到更严格的执法审视，具体范围由FTC界定。必需品上加一层“看人下菜”的定价，冲击的不只是钱包，还有对市场的基本信任。

因此FTC应当给出示例或几条判断标准，用来区分消费者可以合理预期价格变动的情形与监控定价。尤其要讲明一点：一个市场过去存在动态定价这件事本身，并不能单独确立“企业可以用个人信息决定向某位消费者报出什么价格”的合理预期。习惯不等于同意。这条如果不写死，历史做法就会变成永久豁免。不给示例，最后还是企业说了算。

定价数据的禁区：敏感信息与推断

在自己的职权范围内，FTC应当更清楚地说明，企业可以使用哪些类别的个人信息来决定针对个人的价格。它应当对敏感个人信息，以及被用来推断消费者脆弱性或支付意愿的数据给予特别关注，包括健康或财务信息、精确位置、浏览或搜索行为、心理或行为画像，以及对紧迫性、情绪状态或财务困境的推断。

清单的价值不在长短，而在于把“什么不能碰”写成可以照着判断的条目。先划出禁区，企业才知道创新该往哪儿走。

用这些信息来判断某位消费者能够或者将会支付多少，风险在于原本为服务消费者而收集的信息，会变成一件用来算计他个人处境的工具。数据本是服务消费者的副产品，一旦转向定价，性质就从记录变成了武器。问题不在数据本身，而在它最后被用到了哪里。

同样重要的是，消费者同意收集其个人信息，不应被视作同意将该信息用于监控定价。消费者向企业提供信息，通常出于与定价无关的目的；允许这些信息被改用来估算一个人的最高支付意愿，等于把信息用到了一个完全不同的地方，也带来了不一样的伤害。同意收集不等于同意拿来对付自己。这个区分一旦模糊，授权就成了一张空头支票。一个勾选框，不该同时代表两件不同的事。

此外，企业也不该因为针对个人定的价格仍低于算法预测的该消费者愿意支付的最高金额，就得以躲过审查。关键是个人信息有没有被用来向某个人收取比他本该支付的更高的费用，而不是企业有没有从这个人身上榨出最大限度的金额。少收一点不代表没越界。判断标准是用没用，不是用得狠不狠。

忠诚计划的豁免与二次使用边界

FTC在2026年的政策声明中表示，在不同市场里，消费者对价格变动的预期本来就不一样。顺着这个区分往下走，委员会还应当把不透明的监控定价，和明着给折扣的做法分开。

自愿的忠诚计划、奖励、优惠券、订阅优惠、促销，以及面向老年人、退伍军人这类人群的折扣，都不该被混为一谈。折扣摆在明处，消费者看得见；监控定价藏在暗处，消费者看不见。这条线不划清，管监控定价的时候容易误伤那些真正给消费者省钱的做法。

近期几个州通过的监控定价法律，也都把合法的消费者折扣计划保留了下来，为它们设置了豁免。只要消费者知情参与、条款清楚、所用的数据和给到的好处对得上，这类计划就应当继续被允许。设豁免不等于给企业开口子，恰恰说明立法者想把这两件事分开。把折扣保住，禁令才不会被说成“连优惠都不许”，执行起来也少些阻力。

今天的忠诚计划，牵涉的范围远远超出消费者以为的那种“我和这家店”的关系。通过忠诚计划产生的信息，包括详细的购买历史和购物行为，可能被共享或出售给第三方，与其他来源获得的信息相组合，用来生成越来越细的个体消费者画像。会员卡换的是折扣，不是把个人生活交出去让人反复推算。会员数据的价值不在折扣本身，而在它能被拼成的那张画像。

一位为了换取折扣而向杂货店提供信息的消费者，不能想当然地认为他已经同意这些信息被出售，或与无关数据组合，用来推断他的收入、健康、家庭状况、窘迫程度或支付意愿。同意的范围应当止步于当初换取的那个好处，多走一步就是越权。用折扣换来的数据，不该被拿去反向推算这个人能承受多少。

因此，FTC应当区分两类行为：一类是为运营忠诚或奖励计划所合理必需的数据使用，另一类是把这些信息二次出售、共享或改用于监控定价或更广泛的消费者画像。

忠诚计划不应成为一个漏洞，让企业绕开监管去做那些本来会引发消费者保护担忧的监控定价。最该防的不是折扣本身，而是把折扣做成采集个人数据的入口。运营上确实用得到的数据可以收，拿去卖、拿去定价不行。这条线画清楚，企业才知道该怎么做。

委员会应当动用现有权限，处理这类二次使用中的不公平或欺骗性做法；国会则应通过全面的联邦隐私立法来填补更大的缺口，对个人信息的收集、出售、共享和二次使用设定有意义的限制。

这样的保护既能保住合法的忠诚与奖励计划，又能防止参与这些计划变成通往一套范围大得多的商业监控体系的入口。合法的折扣留着，二次变现的路堵死，这个组合才是这份简报真正的落点。FTC能管住不公平，却管不住数据流向，这块只能靠立法补。

州层面的实质保护及其样板意义

已经有数个州通过法律，保护消费者免受监控定价的潜在伤害，另一些州正在权衡相关提案。这些法律主要集中在食品与杂货配送上，因为许多家庭离不开这类服务，也离不开它可负担的价格；同时，它们也为现存的消费者折扣计划设置了豁免。

FTC应当评估下述各项州政策的影响，并考虑如何让它们成为进一步行动的样板。各州不约而同地从必需品类下手，是务实的做法。联邦还在征求意见的时候，各州已经先把规则落了地。

马里兰的一项法律将于2026年10月1日生效，禁止面积在1.5万平方英尺及以上的杂货店和第三方食品配送服务，使用个人数据为某个具体的购物者定下大部分杂货的价格。不过忠诚计划、订阅价格，以及因供给、位置或运营成本不同而产生的差价，不在禁止之列。

企业在州政府提起执法行动之前，还有45天时间纠正违规。45天纠错期是给企业的台阶，也是给执法的缓冲。按门店面积划线，是为了先把覆盖面最广的那部分管住。先管大店，是因为它们既掌握最多的数据，又影响最多的人。

康涅狄格州2026年的一项法律则更宽泛地禁止零售商和第三方配送服务使用监控定价，例外也留了：折扣可以照给，与购物者个人数据无关的价格差异也允许存在。

新泽西州2026年的一项法律禁止零售商使用个人数据为杂货设定针对个人的价格，并在该州研究其影响期间，对新型电子货架标签的新用途设置了一年暂停期。给电子价签设暂停期，是在为“随时改价”这个技术能力本身踩刹车。一个州全面禁，一个州先踩刹车，路径不同，但方向一致。

纽约州议会于2026年6月通过了《统一公平价格法案》，正等待州长凯西·霍楚尔（Kathy Hochul）签署。该立法一旦生效，将禁止监控定价，但允许折扣与忠诚计划；企业仍可以使用动态定价算法，只要算法不使用个人数据来定价。

该法案还赋予总检察长办公室提起民事诉讼、就罚款与赔偿向违规公司或零售商追责的权力。纽约把“可以用算法，不许用个人数据”写在了一起，这个表述最值得FTC照搬。把起诉权交给总检察长，禁令才不只是写在纸面上。把禁令与折扣分开写，是为了不给企业留模糊空间。

结论：监管须先行于技术普及

人工智能让分析海量消费者数据变得更省事、也更便宜，按人定价的做法因此越来越多。政策制定者应当在这些做法普及之前，先把保障措施建立起来。护栏要立在普及之前，等做法铺开了再管，就得用成倍的执法成本去填。

并非所有利用算法定价的做法都会引发同样的担忧，但在“根据市场情况调整价格”与“利用关于单个消费者的详细且可能涉及隐私的信息，来决定能从这个消费者身上多榨出多少钱”之间，存在着重要区别。

FTC提出的政策声明，是朝着确立该区别迈出的重要一步，但仅靠信息披露不足以全面保护消费者权益。把区别讲清楚只是第一步，后面还得有能落地的保护措施。区别立住了，企业反而好办，知道自己该避开什么。

美国民众也应当有权选择自己的信息要不要被用于定价，也不该被那些利用敏感信息、乘人之危的做法侵害到。同时，监管部门则应维护合法的动态定价、折扣与会员忠诚度计划。这些做法并不依赖对个体信息的利用。挡住滥用，也别误伤正常的折扣，这两件事要一起做。监管盯的应当是有没有用到个人信息，而不是优惠本身。

FTC要做的事有三件：制定这些保障措施、执行现有的保护规定、持续积累监控定价如何影响消费者的证据。但FTC不该只靠自己一家，各州已经在尝试更强有力的实质性保护措施，国会最终应当建立起持久的联邦保障机制。FTC管不公平的做法，各州先试更严的规则，国会最后把底线定下来。三层缺一层，就会留下被绕开的空隙。

人工智能在改变两件事：企业能知道单个消费者多少事，又能把价格定得多精确。消费者保护规则必须确保更先进的技术，不该只是让企业拿到更大的权力，凭手里那些关于美国人生活的信息多赚一份钱。技术知道的越多，规则就得定得越细。否则，定价花样越精巧，消费者吃亏吃得越不容易察觉。说到底，问题不在技术有多强，而在权力归谁。