市场当且仅当 P != NP 时才是竞争性的

标题、设定与既有工作

• HN 的自动标题把“P ≠ NP”错误地改成了“P = NP”，从而混淆了核心主张。
• 这篇论文建立在 2010 年的一项结果之上（“市场高效当且仅当 P = NP”）；两者合起来意味着市场不可能既完全信息有效，又完全竞争。
• 一些评论者认为，这一联合结论优雅且直觉上合理；另一些人则认为更早的“效率 ⇒ P = NP”结果站不住脚，或者表述有误。

关于合谋与检测的假设

• 该模型依赖一个经典说法：合谋的主要障碍是发现背叛（秘密降价）。
• 几位参与者对此表示异议：在许多现实市场中，竞争对手知道自己正在被低价抢单，但缺乏任何法律或实际手段来惩罚对方，因此权力与制度结构比信息更重要。
• 也有人指出，现实中确实存在稳定的卡特尔，这表明模型中“如果检测困难则合谋不稳定”的结论要么过强，要么其假设与现实不符。

AI、算力与算法性合谋

• 有人认为，更强的算力让企业能够模拟复杂的合作策略，并在不显式沟通的情况下收敛到合谋结果。
• 另一些人把近期的“算法卡特尔”案例（例如租金定价软件）看作普通卡特尔借算法当幌子：真正的推动因素是数据汇聚和人为执行，而不是原始计算能力。
• 讨论集中在：如果大家只是遵循同一个定价工具，那么 AI 是否真的带来本质变化；还是说，只有当异质主体运行强大的、具有策略性的模型时，情况才会不同。

复杂性理论、P vs NP 与批评

• 文中为非专家提供了对 P、NP、NP-complete 以及 P vs NP 问题的多种解释。
• 多位评论者强调：NP-hard 性或 P≠NP 不能说明用启发式方法或近似最优解在实践中是否可行。
• 有些人认为论文过度解读了复杂性理论（例如把 P=NP 视为“NP 问题在实践中很容易”），或者更谨慎地表述为“一般性的合谋检测是 NP-complete”。
• 也有人认为整条研究路线只是风格化的“球形奶牛”，现实意义有限；另一些人则认为它在概念上很有启发，但强调真实市场是混乱的、受权力支配的，与教科书假设相去甚远。

政策与“计算反垄断”

• 提议监管者把市场的计算复杂度视为防止合谋的保障，这一想法被认为很有意思，但在规范层面论证不足。
• 一位评论者援引了“是/应当”鸿沟：证明模型的某个数学性质，并不能自动为特定监管“应当如此”提供正当性。