1. 将竞争尽职调查纳入投资决策的一部分
针对 AI 启用的收购的竞争调查应确定交易主题是否依赖于在监管审查后可能难以保留的访问、控制或行为。董事会需要的不仅仅是提交时间表。它需要了解目标公司如何竞争，哪些投入使竞争成为可能，哪些交易对手可以限制合并后的公司以及哪些交易条款可以改变这些条件。
核心决策是收购方是否能够拥有目标公司并在可信的竞争约束下仍然提供价值案例。这需要对市场定义、竞争重要性、交易结构、数据和计算访问、分发、互操作性、客户转换、创新和补救措施进行关联评估。尽职调查的结果应影响价格、融资空间、最后期限、契约、风险分配和整合计划的设计。
在可行的情况下，工作应在排他性之前开始。早期证据可以揭示重大收购在经济上是否更接近垂直整合、平台收购、生态系统扩展、投入止赎、新生竞争对手收购或关键人才和知识产权的转让。一笔交易可以同时包含其中多个功能。
该板应接收四个连接的输出。首先，AI 堆栈图应显示目标的依赖性和杠杆来源。其次，竞争证据簿应将观察到的事实、管理层的估计和交易场景分开。第三，危害理论矩阵应将每个问题与证据、估值风险和可能的缓解措施联系起来。第四，决策路线图应显示董事会何时必须对交易进行定价、重组、补救或放弃交易。
2. 使用当前权威机构关注的问题作为尽职假设
美国司法部和联邦贸易委员会在2023年合并指南中指出，平台合并可能影响平台之间、平台内的竞争并取代平台。他们的指南将网络效应、利益冲突和用于匹配、排序或预测的数据获取视为相关机制。 [1] 同样的指导方针还涉及通过阻止竞争对手接触客户、规模或网络效应来巩固或扩大主导地位的交易。 [2]
FTC 2025 年 1 月关于云提供商投资以及与 AI 开发人员合作的工作人员报告描述了可能影响竞争的合同和经济特征。其中包括股权和收入分享权、咨询和排他性条款、将投资收益用于合作伙伴云服务的承诺、计算访问以及技术、财务和客户信息的共享。该报告确定了可能的转换成本以及获取关键投入的限制。 [3]
欧盟委员会的 2024 年竞争政策简报描绘了芯片、计算、数据、模型和下游服务的生成 AI。它考虑了关键投入的获取、垂直整合、合作伙伴关系以及企业利用 AI 价值链中的地位的可能性。 [4] 欧盟委员会、英国竞争与市场管理局、美国司法部和联邦贸易委员会的联合声明确定了对芯片、计算、数据和专业知识的集中控制；市场力量的扩大；关键参与者之间的安排是需要警惕的领域。 [5]
CMA 的基础模型更新确定了涉及关键投入控制、影响分配的强大现任者以及加强现有地位的合作伙伴关系等风险。 [6] 法国 Autorité de la concurrence 单独审查了生成 AI 部门的竞争功能。 [7] 加拿大竞争局描述了 AI 生产链中的数据、计算、算法、定价和合并效应。 [8] 这些公开材料是尽职调查的假设，而不是针对特定交易的结论。
管辖权评估应与实质性分析同时进行。通知阈值、控制测试、呼入权力和理论各不相同。少数族裔权利、员工调动、许可证和商业安排在不同制度下可能会受到不同的待遇。交易团队应记录每项备案决定的依据，监控交易方案的变化，并协调法律控制与实际经济关系。
AI 特定法规可以在不解决合并问题的情况下改变运营基准。数据保护、知识产权、行业监管、欧盟 AI 法案和数字市场法案可能会影响访问、文档、技术设计和成本。竞争尽职调查应记录这些相互作用，因为监管义务可能会减少所声称的优势、产生实施支出或形成可行的补救措施。
| 公众关注 | 交易问题 | 取得的证据 | 交易影响 |
|---|---|---|---|
| 控制按键输入 | 竞争对手能否以可行的条件获得合适的数据、计算、芯片、模型和专业知识？ | 合同、产能记录、权利表、技术基准和替代供应证据 | 估值、条件、准入承诺和补救可行性 |
| 平台巩固 | 该交易是否消除了限制平台的参与者、互操作工具或路线？ | 使用流程、多归属、切换记录、API依赖关系和路线图文档 | 市场定义、竞争意义和范围 |
| 自我偏好 | 合并后的公司能否对自己的 AI 服务进行排名、捆绑、默认或技术上支持？ | 排名规则、默认设置、产品遥测、激励和治理 | 进行控制、分离设计和集成限制 |
| 伙伴控制 | 投资、治理、商业和信息权是否会产生超出股权比例的影响力？ | 董事会权利、否决权、收入分享、排他性、支出承诺和信息获取 | 管辖权、交易结构和控制分析 |
| 动态竞争 | 如果没有此次交易，目标公司是否会扩大规模、与现有企业合作或取代现有企业？ | 融资计划、产品路线图、管道、招聘、实验和董事会材料 | 反事实、价格、风险分配和放弃阈值 |
该表总结了供管理使用的选定公共材料。它没有说明任何司法管辖区的完整法律测试。
3.绘制完整的AI价值链
AI产品通常由多个层支持。相关层可能包括半导体设计和制造、加速器、数据中心容量、云基础设施、培训数据、数据工程、基础模型、微调工具、检索系统、应用程序编排、分发和面向客户的服务。交易团队应确定双方在何处运营以及在何处依赖第三方。
地图应记录每一层的控制、权利和可替代性。所有权只是控制形式的一种。长期容量预留、优先访问权、独家模式许可、最低支出承诺、技术依赖或默认分销地位可以塑造竞争行为。该地图还应显示哪些资产可以复制、复制需要多长时间以及存在哪些法律、财务或技术障碍。
应该为当前产品和可信的未来产品绘制价值链。 AI 市场可能会快速变化，而基础设施、数据权利和客户工作流程可能仍然存在粘性。当前销售应用程序的目标可能正在开发改变其竞争角色的模型、代理平台或数据网络。董事会材料、工程计划、招聘请求和客户试点可能比当前的收入分类提供更多信息。
团队应避免将每一层都视为市场。地图是一种证据工具。市场定义和竞争评估需要法律和经济分析。该地图可帮助团队确定哪些替代证据、客户观点、成本结构和控制权需要进行更深入的测试。
该图是提议的证据图。针对特定交易的分析决定了相关市场和理论。
4. 通过控制和依赖定义交易边界
AI交易可以转移竞争能力，而无需常规购买全部股份。周边可能包括少数股权投资、董事会或观察员权利、商业协议、许可证、产能承诺、优先分配、收入分享、员工调动和对未来技术的权利。团队应该对整个包进行分析。
CMA 对 Microsoft 和 Inflection 的裁决将雇用几乎所有专家团队以及相关安排视为一项可审查的交易，尽管它以竞争为由澄清了此案。 [9] 欧盟委员会的政策简报同样将伙伴关系以及人才和资产转让作为需要审查的潜在结构性变化进行了讨论。 [4] 这些例子说明了为什么仅凭法律形式无法定义尽职范围。
权利表应涵盖肯定权、否决权、协商权、信息权、预算影响力、商业依赖性和终止后果。团队应确定权利是否因里程碑、融资事件、绩效失败或未来融资轮次而发生变化。单独看来具有保护性的权利与其他安排相结合时可能会产生影响。
商业依赖性需要同样的关注。如果 AI 开发人员必须将大部分投资花在一个云提供商上、使用特定于提供商的工具并面临重大的数据流出或模型迁移成本，那么这种关系可能很难解除。尽职调查应量化转向第二家提供商的成本、时间、服务风险和合同后果。
5. 在收集大数据集之前形成理论
损害理论是对交易如何削弱竞争的可检验的解释。交易团队应说明机制、受影响的客户、相关资产、预期行为、时间安排以及确认或拒绝该问题的证据。数据优势或生态系统力量等宽泛的标签是不够的。
横向理论可能会问目标是否是对收购方 AI 产品的当前或未来约束。垂直理论可能会问，对模型、数据源、计算能力或分销渠道的控制是否会导致丧失抵押品赎回权。生态系统理论可能会问，收购是否会增加转换成本或削弱多归属。集团理论可以研究互补产品之间的捆绑、默认或特权整合。劳动或创新理论可能会问，专业人才、研究能力或产品选择性是否会从独立竞争中消失。
每个理论都应该确定一个反事实。相关问题是，如果不进行交易，可能会存在哪些竞争条件。替代方案可能包括持续独立增长、新一轮融资、与多家提供商合作、被另一个买家收购或商业失败。证据应包括同期计划和限制，而不是仅为提交文件而创建的叙述。
客户证据应与机制相匹配。止赎理论可能需要有关替代方案、转换成本、所需功能以及对访问能力下降的预期响应的证据。新生竞争理论可能需要有关可能采用、产品差异化和目标扩展能力的证据。调查、访谈、投标记录和产品遥测的设计或解释应注意选择、时间安排和激励措施。
理论矩阵应该驱动请求。它减轻了收集负担并改善了证据纪律。每个重大请求都应与董事会决策、监管问题或估值敏感性相关。团队应该记录那些反驳其最初担忧的内容，并刻意寻找证据。
6. 通过质量权利和可复制性测试数据优势
当数据以竞争对手无法轻易复制的方式改进产品或决策时，它就会创造竞争价值。单独的体积是一个不完整的衡量标准。尽职调查应检查相关性、质量、新鲜度、标签、独特性、合法权利、反馈循环、覆盖范围以及从附加数据中获得的边际绩效。
数据清单应确定来源、所有者、允许使用、地理位置、保留、同意、排他性、可移植性和删除要求。它应该区分用于培训、微调、检索、评估、安全、个性化和产品分析的数据。团队应协调合同权利与实际管道和模型文档。
可复制性应该通过时间和成本来检验。公共或许可数据可能是可用的，但清理、注释、领域专业知识和反馈历史仍然难以复制。合成数据可能会解决一些差距并产生不同的质量或法律风险。客户特定的数据可以改善服务，而无需在客户之间转移。团队应该避免假设访问会自动产生持久的市场力量。
交易模型应显示组合数据集是否会改变质量、成本或范围。它还应该检查合并后的公司是否会限制竞争对手对共享源的访问、降低可移植性或使用竞争敏感的平台数据来支持自己的服务。欧盟数字市场法案有关数据可移植性和访问的规定为这些问题提供了当前的监管背景。 [10]
模型性能测试应该是可重复的。尽职调查团队应在适当的情况下保留评估数据集、任务定义、基线、模型版本、参数和置信区间。在不同的基准或客户群中消失的改进可能具有有限的竞争意义。技术专家和经济学家应该就绩效证据如何与客户选择和经济价值联系起来达成一致。
| 勤奋领域 | 核心测试 | 定量证据 | 合同或技术证据 |
|---|---|---|---|
| 来源和权利 | 目标能否为既定目的合法使用和传输数据？ | 记录、司法管辖区、同意范围和有效期 | 许可证、通知、客户条款和数据图 |
| 质量和相关性 | 数据是否改进了相关任务的模型或服务？ | 错误率、提升度、覆盖率、新鲜度和基准结果 | 评估方法、血统和模型卡 |
| 可复制性 | 竞争对手能否在竞争期内找到合适的替代方案？ | 采购成本、标签成本、时间和性能差距 | 供应商可用性、排他性和转换计划 |
| 反馈回路 | 产品使用是否会产生可提高未来绩效的数据？ | 用户事件、学习节奏、边际改进和流失 | 遥测设计、同意和再培训控制 |
| 可移植性 | 客户可以导出数据并在其他地方继续提供服务吗？ | 导出成功、时间、成本和丢失的功能 | API 文档、格式和迁移术语 |
| 止赎能力 | 合并后的公司能否拒绝、延迟或降低竞争对手的访问权限？ | 竞争对手依赖、产能和收入风险 | 访问权限、治理、排名和发布控制 |
证据评级应根据经过验证的交易材料进行分配。以下示例描述了必填字段。
7. 量化计算云和芯片依赖性
计算能力既可以是成本约束，也可以是竞争约束。应努力将模型训练、微调、推理、评估和峰值需求要求分开。它应该确定加速器、位置、提供商、预订条款、定价、能源限制、数据驻留和工作负载的可移植性。
云积分和战略投资可能会掩盖经济成本。团队应计算积分、承诺支出、收入分享和最低使用量后的有效单位成本。它应该确定当积分到期或模型需求发生变化时会发生什么。一项提高利用率的交易可能会提高经济效益，而集中于一个提供商可能会增加转换风险。
技术可移植性需要的不仅仅是合同自由。模型可能依赖于专有芯片、编排、存储、网络、安全、监控和开发工具。平台重构可能需要工程工作、新的验证和客户批准。尽职调查模型应显示迁移时间、重复运行成本、性能变化和服务风险。
能力证据应该是前瞻性的和有限的。预留的加速器容量可能会超过当前使用量，因为它支持计划的训练或冗余。团队应协调预订、实际消耗、排队时间、利用率、失败的作业和需求预测。应测试竞争对手是否能够在与竞争有关的期限内获得经济上和技术上合适的替代品。
FTC 工作人员报告将云承诺、输入访问和转换成本确定为 AI 合作伙伴关系中可能存在的竞争问题。 [3] 国际联合声明同样将专用芯片和大量计算确定为关键投入。 [5] 董事会应该知道投资理论是否假设持续的优惠准入，以及补救措施或供应商变更是否会降低价值。
8. 检查模型访问和互操作性
模型访问决定了应用程序和客户是否可以选择、组合或替换 AI 功能。团队应该盘点专有模型、第三方模型、开放权重组件、微调、嵌入、检索系统和评估资产。它应记录许可证、使用限制、可移植性、终止权和技术依赖性。
互操作性应在多个级别进行测试。数据互操作性涉及格式和传输。模型互操作性涉及界面、提示、上下文、工具和评估。应用程序互操作性涉及身份、权限、工作流程和审计跟踪。分发互操作性涉及以与现有运营商自己的服务相当的条件访问操作系统、设备或平台功能。
欧盟委员会于 2026 年 7 月采取了具有约束力的规范措施，涉及竞争性 AI 服务对相关 Android 功能的访问以及第三方搜索提供商对搜索数据的访问。 [11] 当前的行动表明，互操作性和数据访问是运营竞争问题。交易尽职调查应确定哪些接口是必要的、谁控制变更以及合并后的公司如何影响质量、时间或访问。
整合计划应保留可靠的多模式和多提供商选项，直到竞争评估完成。过早删除适配器、终止许可证或重新设计 API 可能会缩小补救措施的选择范围并破坏反事实证据。
接口治理应包含在尽职调查中。团队应确定版本策略、弃用期限、速率限制、身份验证、服务级别、开发人员支持和测试环境访问权限。如果变化不可预测、文档不完整或性能与现任者的内部访问不同，正式开放的接口可能在商业上无效。
9. 测试分布默认值和自我偏好
分销可以将有能力的 AI 产品转化为竞争约束。相关渠道可能包括操作系统、云市场、生产力套件、企业应用程序、浏览器、应用程序商店、设备、经销商和嵌入式工作流程。团队应按渠道量化流量、激活、转化、使用和客户获取。
当用户面临搜索、学习、迁移或合同成本时，默认值很重要。默认值可以是明确的，例如预先选择的助手，也可以是技术性的，例如对设备功能的特权访问。捆绑可以降低客户成本，提高集成度；它还可能使独立竞争对手更难发现或购买。勤奋应该衡量这两种影响。
自我偏好测试应检查排名、推荐、延迟、功能访问、数据访问、定价、资格和商业激励。问题是合并后的公司是否有能力和动力支持自己的服务，以及客户或竞争对手是否会做出回应。证据应包括实验、排名文件、内部预测和第三方的历史处理。
欧盟 2026 年 DMA 审查将互操作性、自我偏好、数据访问和云依赖性确定为与 AI 服务相关的主题。 [12] 这些义务不能取代合并分析。它们可以影响事实基线、补救方案和分销优势的估值。
分布分析应区分覆盖范围和增量力量。庞大的安装基础可以加速采用，而如果竞争对手的服务易于安装、集成和购买，客户可能会保留有意义的选择。团队应该检查放置、提示、默认、合同捆绑、折扣分配以及激活替代方案的技术摩擦。
10. 衡量生态系统和网络效应
生态系统可以通过降低集成成本和改善互补产品的体验来创造价值。当身份、数据、工作流程、开发人员和采购捆绑在一起时，它还会增加依赖性。尽职调查应该绘制客户旅程并确定哪些因素导致切换或多宿主变得困难。
当服务随着更多相似用户的加入而变得更有价值时，就会产生直接网络效应。当一方的参与吸引另一方（例如开发商、销售商或数据提供商）时，就会产生间接效应。当使用提高表现时，就会产生学习效果。规模经济可以降低单位成本。这些机制应该单独衡量，因为它们会产生不同的竞争和估值影响。
2023 年美国并购指南专门解决了平台参与、网络效应以及平台运营商与参与者之间的冲突。 [1] 尽职调查团队应询问收购目标是否会删除支持多宿主的工具、对竞争对手平台重要的参与者或可能取代现有服务的新兴路线。
转换证据应包括客户访谈、流失原因、迁移项目、出口成功、再培训、集成依赖性和合同条款。表明的转换意愿弱于观察到的行为。该模型应该估计特定客户群的成本和时间，而不是一个平均数字。
开发者和合作伙伴的激励措施可以成为领先指标。收购可能会使第三方更愿意建设，因为生态系统变得更大，或者更不愿意建设，因为他们期望受到歧视或挪用。尽职调查应审查合作伙伴流失、API 使用情况、投资决策、路线图反馈以及与平台自有产品竞争的应用程序的处理。
11. 将算法作为行为和证据进行审查
算法可以影响价格、排名、匹配、资格、容量、推荐和访问。勤奋应该识别与竞争对手、供应商或客户互动的决策系统，并确定哪些数据、目标、约束和人为控制来管理它们。
该团队应该检查平台算法是否有利于附属产品，定价系统是否以促进协调的方式响应竞争对手，以及访问规则是否会削弱竞争对手。加拿大竞争局指出，AI 驱动的定价算法引发了关于默认算法协调的讨论。 [8] 交易评估应该关注证据和机制，而不是假设自动化本身会造成伤害。
模型治理记录也可以提供重要证据。培训目标、评估标准、功能重要性、实验、事件日志和变更批准可以显示系统的实际运行情况。技术团队应该用决策语言解释这些材料，而不披露不必要的专有信息。
合并后的公司设计应包括负责任的所有者、可审计性和对竞争敏感算法的变更控制。如果交易产生新的利益冲突，治理可能需要分离、访问限制、测试或独立监督。
12. 将人才知识产权和收购人员视为竞争性资产
专业研究人员、工程师、产品负责人和数据专家可能是稀缺的投入。尽职调查团队应确定关键团队、流动性限制、保留计划、研究议程以及对个别领导者的依赖。它应该将普通招聘与竞争能力的协调转移区分开来。
知识产权尽职调查应涵盖模型权重、代码、专利、商业秘密、数据集、评估方法、许可和因就业或研究合作而产生的权利。所有权差距会削弱价值。广泛的许可或保留的权利可能会影响排他性和竞争反事实。
微软和 Inflection 案表明，员工转让与许可证和相关安排相结合可以构成英国可审查的合并情况。 [9] 在构建收购或战略许可时，董事会应评估实质、资产和持续业务能力。
保留经济学应与竞争风险联系起来。交易可能需要激励措施来保留目标公司的能力，而监管机构则评估该能力是否应保持独立。因此，融资模式应包括保留期限、失败交易安排和整合限制。
13. 评估动态竞争和创新
目前的收入可能低估了 AI 目标的竞争重要性。小公司可能拥有技术、人才、客户访问权或能够挑战现有企业的架构。团队应使用同期证据来测试独立扩张的概率、时间和规模。
相关证据包括产品路线图、实验结果、客户试点、管道、融资计划、招聘、计算预留、合作伙伴讨论和董事会决策。团队应该检查技术里程碑和商业限制。路线图不应被视为不可避免；失败概率、资金需求和执行风险属于反事实。
创新分析应确定重叠的研究路径和替代方法。问题可能在于，该交易是否会取消独立实验、降低开发可互操作产品的动力或将技术重新引入现有企业的生态系统。它还可能是合并资产是否以可验证和特定于交易的方式加速创新。
OECD 研究强调 AI 市场发展的不确定性以及动态竞争、关键投入和整个价值链联系的重要性。 [13] 董事会应该使用场景和决策范围，而不是错误的精确度。
创新效率需要与风险声明相同的纪律。团队应确定互补资产、开发里程碑、资源、交付时间和概率。它应该测试利益是否需要所有权或可以通过许可、供应或分销协议产生。收益应与客户成果挂钩，并根据集成成本和执行风险进行调整。
14、建立竞赛证据室
证据室应围绕理论和决策进行组织。核心文件夹应涵盖交易文件、战略、市场和客户、数据、计算、模型、分销、互操作性、算法、人才、知识产权、合作伙伴关系、估值、协同效应和监管分析。
每个材料项目都应有来源、日期、所有者和证据状态。观察到的数据应与管理层的估计和交易情景区分开来。派生分析应保留公式和谱系。客户证据应记录方法并避免选择性报价。
团队应该将日常文档与交易叙述进行协调。内部文件可以使用不同的术语和市场边界。分析应该解释差异而不是重写历史。关键指标应与源系统、相关的审计账户和交易模型保持一致。
请求应该是相称的和受控的。竞争敏感信息可能需要干净的团队处理。个人数据、源代码、模型权重和安全信息需要专门的控制。证据治理应支持交易决策，同时遵守法律、保密和网络安全要求。
证据室应包括受控问题日志。每个问题应说明问题、收到的证据、未解决的矛盾、责任人、决定后果和下一步行动。被取代的分析应保持可追溯性。该记录有助于董事会了解结论如何变化，并支持文件、贷方材料和交易文件之间的一致性。
该漏斗是建议的尽职控制序列。
15. 定义假设的交易案例
该案例涉及一家全球商业软件、云服务和企业分销提供商收购 AI 工作流程平台。假设企业价值为USD 3.60 billion。该目标公司的年度经常性收入为 USD 420 million，并通过直接销售、云市场以及与企业应用程序的集成为客户提供服务。
目标当前访问三个基础模型提供商。它根据 USD 310 million 承诺义务，使用一家战略云提供商来处理大多数训练和推理工作负载，该义务超出了拟议的交割范围。其产品将客户文档、工作流程数据和反馈连接到特定领域的代理。客户可以导出一些记录，而配置、评估历史记录和工作流程上下文则需要额外的迁移工作。
管理层估计来自分销、基础设施、采购和产品集成的总协同现值 USD 480 million。该交易模型假设签约至交割的期限为 160 天。竞争尽职调查计划确定了涉及数据、计算、模型、分布、互操作性、算法、人才和反事实的 54 个问题。
下行场景假设 USD 42 million 在三年内对多云功能、数据分离、互操作性、可审计性和第三方访问进行增量投资。该模型并不假设当局会要求采取这些措施。如果约束影响排他性、捆绑、违约或整合时间，它会测试董事会维持投资案例的能力。
| 物品 | 情景假设 | 决策用途 | 竞争意义 |
|---|---|---|---|
| 企业价值 | 3,600.0 | 价格和融资 | 测试补救和延迟情况下的价值 |
| 目标年度经常性收入 | 420.0 | 规模和估值 | 需要来源协调和分段证据 |
| 总协同现值 | 480.0 | 战略价值案例 | 独立的分销、成本、产品和数据组件 |
| 云和计算承诺 | 310.0 | 流动性和依赖性 | 测试可移植性、集中度和终止经济性 |
| 下行投资 | 42.0 | 补救措施和整合储备 | 资金多云、分离、互操作性和控制 |
| 签约至交割期间 | 160天 | 时间表和融资 | 模型监管审查和延迟整合 |
| 模型与提供商的关系 | 3 | 替代和恢复力 | 测试权利、性能和可靠的替代方案 |
| 竞争勤勉问题 | 54 | 计划范围 | 指定证据所有者和决策结果 |
每个值和结果都是一个场景假设。 USD 百万，除非另有说明。
16. 对反事实和交易场景进行建模
基本反事实假设目标保持独立，完成计划的融资轮次并继续多模型分配。第二个反事实假设是一种不受控制的战略伙伴关系。第三种假设是在没有竞争生态系统的情况下被买家收购。没有一个被视为事实。该团队根据经过验证的资金、治理、技术和商业证据分配概率。
交易场景应测试完全批准、扩展审查、行为约束、互操作性义务、数据分离、多云要求、选定资产的剥离和交易失败。每个场景应显示概率、时间、收入、成本、资本支出、客户影响、融资利差和实施后果。
协同作用需要机制层面的证据。分销协同应确定渠道、客户群、转化率和蚕食。基础设施协同应考虑现有承诺和迁移成本。产品协同应确定开发依赖性和发布时间。数据协同应体现权利、技术方法和可衡量的绩效改进。
董事会应该从理论上关注风险价值。对违约分配的限制可能会影响收入协同效应。多云要求可能会影响成本。数据分离可能会延迟产品集成。禁止或剥离可能会改变交易范围。决策模型应避免一种无差别的监管折扣。
17. 通过风险热图分配审核工作
热图应结合能力、激励、效果、证据质量和补救复杂性。证据薄弱的高暴露需要紧急工作。具有强有力证据的高风险仍然需要董事会关注，因为交易可能需要重新定价或重组。
当数据集重要、不可复制和可转让时，数据独占性可能带来高曝光度。如果在要求的时间内没有可用的容量替代方案，计算集中度可能会带来很高的风险。当收购方控制进入市场的主要途径并可以改变排名、默认设置或功能访问权限时，自我偏好可能会带来高风险。
该地图应包含积极的证据。可靠的客户切换、可互操作的 API、可用容量、多宿主、低增量数据价值和独立治理可以减少担忧。证据应该经过检验，而不是断言。
热图是一种管理工具。它不预测当局的决定。其目的是在选择性消失之前分配尽职调查、评估和谈判资源。
分数是工作案例的情景假设，并非监管结果。
18. 在提出请求之前设计补救措施准备情况
补救措施准备就绪可以保护交易的选择性。团队应确定哪些问题可以通过边界变更、访问、互操作性、数据分离、许可、供应承诺、治理或监控来解决。应测试一项措施在技术上是否可行、商业上是否可持续以及是否能够验证。
结构性选择可能包括剥离产品、数据集、模型、团队、合同或分销权。一个可行的方案需要足以竞争的资产、人员、权利、客户和过渡支持。行为选项可以解决访问、排名、互操作性、可移植性、许可、容量或信息流。它们的有效性取决于清晰度、激励和监控。
团队应该计算每个选项的成本和价值泄漏。它应该确定税收、融资、知识产权、隐私、网络安全和运营后果。补救措施可能会影响目标公司和收购方更广泛的生态系统。
集成设计应保持可分离性。产品路线图、数据架构、合同和团队应保留清晰的界限，直到风险得到解决。这并不意味着需要采取补救措施。它为董事会提供了可执行的选择并提高了谈判的可信度。
在法律和商业上适当的情况下，补救措施测试应包括客户和交易对手。如果客户无法使用、竞争对手缺乏补充资产或监控需要无法验证的信息，那么技术上优雅的访问承诺可能会失败。团队应定义成功指标、报告来源、争议途径以及不合规的后果。
19. 将竞争结果与估值融资和条款联系起来
竞争风险影响现金流、时机、融资和选择性。估值模型应将每种材料理论与收入、利润、资本支出、营运资本、税收和终值联系起来。它应该显示依赖于排他性、默认放置、数据组合或快速集成的协同价值。
融资模式应包括审核延迟、报价费用、过桥期限、承诺到期、对冲、保留和重复运营成本。贷款人可能需要有关监管条件和补救措施的信息。团队应在回答合法承保问题的同时控制敏感信息。
交易条款可以通过条件、契约、努力标准、补救承诺、终止权利、反向终止费用、最后终止日期和信息义务来分配风险。经济模型应告知这些规定。在谈判广泛的承诺之前，买方应了解与其投资案例相符的最大补救负担。
董事会文件应显示放弃门槛以及谁可以批准变更。如果交易条款要求采取破坏论点的补救措施，那么更高的批准概率并不能弥补无限的负面影响。
20. 实施九十天竞争尽职路线图
前十天应建立决策、交易范围、管辖图、AI 堆栈图、证据分类和清洁团队控制。团队应确定主导理论并指定负责人。
第 11 至 30 天应协调数据、计算、模型、分发和合作伙伴关系证据。客户和技术工作应该开始。评估团队应该创建特定于理论的敏感性，而不是等待法律分析完成。
第 31 至 60 天应测试反事实、转换、互操作性、取消抵押品赎回权激励、动态竞争和补救可行性。团队应该挑战不利和有利的假设。重大差距应提交给交易委员会并做出明确的决定。
第 61 至 90 天应最终确定董事会决策记录、归档证据、融资案例、期限立场和补救准备包。随着新的权威问题、市场发展和交易变化的出现，该计划应在签署后继续进行。
| 时期 | 所需输出 | 负责任的所有者 | 确认 |
|---|---|---|---|
| 第 1 天至第 10 天 | 交易范围、堆栈图、理论、证据分类和控制 | 交易主管和竞争主管 | 董事会批准的范围和来源登记册 |
| 第 11 天至第 30 天 | 数据、计算、模型、分布和合作伙伴关系证据 | 工作流所有者和干净的团队 | 协调的指标、合同和技术证据 |
| 第 31 天至 60 天 | 反事实、客户、转换、激励和补救测试 | 经济学家、技术主管和估值主管 | 挑战赛和敏感性模型 |
| 第 61 天至 90 天 | 董事会决定、提交证据、交易条款和补救准备包 | 交易委员会 | 签署的决定记录和索引证据室 |
| 此后每月 | 市场更新、证据刷新和情景重新预测 | 竞争主导和财务主导 | 委员会会议记录和差异报告 |
| 关闭前 | 最终条件、持续义务和释放门槛 | 法律控制所有者和集成负责人 | 结案证书和受控实施计划 |
时间安排应根据实际交易流程和权限时间表进行调整。
21.为董事会提供一个紧凑的决策仪表板
仪表板应显示领先理论、证据质量、风险价值、时间表、合同风险和下一步决策。它应该避免隐藏不确定性的单一红-琥珀-绿分数。每个理论都应该有一个所有者、当前的结论、相反的证据和截止日期。
董事会需要对监管可能性和经济后果有不同的看法。低概率问题可能需要采取行动，其后果是禁止或采取补救措施，从而毁掉论文。价值影响有限的可能问题可以通过价格或实施设计来管理。
仪表板应识别即将到期的假设。模型性能、客户行为、产能可用性、产品路线图和监管立场可能会在长期过程中发生变化。证据应该有更新日期。
准备情况也应该是可见的。董事会应了解备案说明是否与交易文件相符、模型是否包括补救案例、融资是否仍然可用以及整合计划是否保留所需的边界。
值是情景假设，并不预测权威决策。
22. 使用 AI 竞争尽职调查来保持决策质量
AI支持的收购需要对资产、合同、技术架构、客户行为和市场激励的综合视图。传统的市场份额屏幕可能会忽略数据、计算、模型、分销和生态系统控制如何相互加强。
该框架从董事会的投资决策开始，绘制了完整的 AI 堆栈。它定义了可测试的理论，建立了一个受控的证据室，并将研究结果与估值、融资、条款、补救措施和整合联系起来。它将权利、依赖性和技术接口视为经济事实而不是背景细节。
该假设案例展示了如何通过 54 个问题和特定的下行投资来测试假设的 USD 3.60 billion 收购。这些数字并不预测实时交易。他们演示了董事会如何识别 USD 480 million 假定协同作用的哪些部分依赖于有争议的访问或集成形式。
目前的公开材料显示了权威机构对AI投入、合作伙伴关系、平台力量、互操作性、自我偏好和动态竞争的持续关注。这种关注应该转化为更早的证据收集和更明确的决策阈值。团队应随着法律、技术、市场结构和交易事实的变化更新分析。
本文提供了一个管理框架。它并不决定任何收购的法律或监管处理。各方应获取每个相关司法管辖区当前的竞争、公司、数据保护、知识产权、就业、融资和特定行业的建议。
来源
- 美国司法部和联邦贸易委员会，2023 年合并指南，多边平台指南 9，2023 年 12 月 18 日。 阅读主要来源
- 美国司法部和联邦贸易委员会，2023 年合并指南，关于巩固或扩大主导地位的指南 6，2023 年 12 月 18 日。 阅读主要来源
- 美国联邦贸易委员会，FTC 关于 AI 合作伙伴关系和投资 6(b) 研究的工作人员报告，2025 年 1 月。 阅读主要来源
- 欧盟委员会竞争总司，生成式竞争 AI 和虚拟世界，竞争政策简报 3/2024，2024 年 9 月 19 日。 阅读主要来源
- 欧盟委员会、英国竞争和市场管理局、美国司法部和美国联邦贸易委员会，关于生成 AI 基础模型和 AI 产品竞争的联合声明，2024 年 7 月 23 日。 阅读主要来源
- 英国竞争和市场管理局，AI 基金会模型更新文件和技术更新报告，2024 年 4 月。 阅读主要来源
- Autorité de la concurrence，关于生成人工智能领域竞争运作的意见，2024 年 6 月 28 日。 阅读主要来源
- 加拿大竞争局，人工智能与竞争，2024 年 3 月 20 日。 阅读主要来源
- 英国竞争和市场管理局，微软和 Inquiry，全文决定，2024 年 10 月 24 日。 阅读主要来源
- 欧盟委员会，数字市场法开发者门户，最终用户数据可移植性。 阅读主要来源
- 欧盟委员会，针对 Google AI Android 互操作性和根据《数字市场法》共享 Google 搜索数据的指南，2026 年 7 月 16 日。 阅读主要来源
- 欧盟委员会，《数字市场法审查问答》，2026 年。 阅读主要来源
- 经合组织，人工智能数据与竞争，经合组织人工智能论文第 18 号，2024 年 5 月 24 日。 阅读主要来源
- 欧盟委员会，《数字市场法》下的互操作性。 阅读主要来源
- 欧盟委员会，虚拟世界和生成 AI 竞赛咨询和研讨会。 阅读主要来源
- 英国竞争与市场管理局，CMA AI 战略更新，2024 年 4 月 29 日。 阅读主要来源
- 美国司法部和联邦贸易委员会，2023 年合并指南，完整的官方出版物。 阅读主要来源
- 欧盟委员会，合并控制程序。 阅读主要来源
