英国竞争与市场管理局(CMA)经过九个月调查后,正式将谷歌移动平台服务认定为具有战略市场地位(SMS)。CMA表示,谷歌在移动平台服务领域拥有强大且根深蒂固的市场力量,苹果公司也被认定具有SMS地位。
据估计,谷歌在英国的业务年价值在100亿至200亿美元之间。本月早些时候,CMA宣布谷歌搜索和搜索广告已被归类为SMS。移动服务的SMS分类意味着监管机构现在将密切关注该公司移动平台的开放性。
CMA数字市场执行董事威尔·海特表示:"苹果和谷歌的移动平台被整个经济领域的数千家企业用来向数百万客户营销和销售产品和服务,但这些平台的规则可能正在限制创新和竞争。"
CMA在最终决定文件中进一步声明:"鉴于谷歌移动平台作为英国移动用户访问数字内容和服务的重要门户,以及英国企业开发和分发移动数字内容和服务的关键平台所发挥的重要作用,确保这些群体受到公平对待并对使用该平台的能力抱有信任和信心至关重要。"
通过将谷歌和苹果在移动平台方面认定为SMS,CMA表示现在可以考虑是否有必要和适当引入有针对性的干预措施,以确保通过谷歌和苹果移动平台开发和分发内容的英国应用开发者和创新者能够创新并发展业务。
CMA表示,SMS认定并不是对不当行为的认定,也不会立即引入任何要求。但是,这使CMA能够考虑采取行动确保移动平台对有效竞争保持开放。
然而,谷歌高级竞争主管奥利弗·贝塞尔对CMA将其移动平台认定为SMS持批评态度,特别是考虑到工党政府对促进增长和创新监管的期望。
贝塞尔表示:"在CMA今天的决定之后,我们在英国的移动业务面临一系列新的且尚不确定的规则。如果英国数字市场制度要兑现其促进增长和创新的承诺,CMA的下一步行动将至关重要。"
"Android和Chrome的构建理念是创造更多选择,而不是减少选择。包括我们的竞争对手在内的任何人都可以免费定制和构建使用开源Android操作系统的设备。虽然Google Play帮助人们在设备上下载应用程序,但如果找不到所需应用,用户可以从竞争对手的应用商店或直接从开发者网站下载应用程序——这是大多数Android用户实际在做的事情,而其他移动平台则限制了这种做法。"
贝塞尔还注意到CMA承认谷歌没有利用其作为操作系统或移动浏览器引擎的地位来偏袒Chrome。
他表示,Android为英国开发者创造了超过99亿英镑的收入,并支持超过457,000个英国就业岗位。然而,CMA指出,虽然开发者可以在第三方应用商店提供软件,用户也能够直接将应用程序侧载到Android设备上,但这些应用分发方式对Play Store只能提供有限的竞争约束。
目前尚不清楚CMA将采取什么步骤来确保竞争,鉴于谷歌移动平台的SMS认定,但它已经在研究一些可能的推进方式。
7月,CMA发布了一份路线图,呼吁建立公平透明的应用审核流程和应用商店排名,为英国应用开发者提供确定性,这将使用户能够在应用商店外进行购买。据CMA称,这可能推动创新并为开发者节省财务成本。
Q&A
Q1:什么是战略市场地位(SMS)认定?对企业有什么影响?
A:战略市场地位(SMS)是英国竞争与市场管理局对具有重大市场力量企业的认定。SMS认定本身不是对不当行为的判定,也不会立即引入要求,但使监管机构能够考虑采取干预措施确保市场竞争的开放性。
Q2:为什么谷歌和苹果的移动平台被认定为SMS?
A:因为这些平台被数千家企业用来营销和销售产品服务,在英国移动用户访问数字内容和企业分发移动应用方面发挥重要门户作用,具有强大且根深蒂固的市场力量,可能限制创新和竞争。
Q3:CMA的认定会如何影响英国的应用开发者?
A:CMA计划引入有针对性干预措施,确保英国应用开发者能够创新并发展业务。已发布路线图呼吁建立公平透明的应用审核流程,使开发者获得更多确定性,用户能在应用商店外购买,可能推动创新并节省开发成本。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。