McDonald's AI 定价诉讼检验建议与价格操纵之间的界限

McDonald’s正面临一项拟议的全国性集体诉讼，诉讼针对一套据称会协调数千家独立运营餐厅菜单价格的 AI 辅助定价系统。

这起 McDonald’s AI 定价诉讼于 2026 年 10 月 2 日在芝加哥联邦法院提起。原告 Michael Thomas 称，该公司汇集了餐厅的机密数据，并将其转化为定价建议，从而削弱加盟商之间的竞争。

McDonald’s对此说法提出异议。该公司表示，人工智能并不设定菜单价格，餐厅经营者仍可自由接受或拒绝其建议。这一分歧引出了核心问题：集中化的定价建议何时会演变为本应相互竞争的企业之间的协调？

该起诉状尚未证明存在不当行为，法院也尚未认证拟议的集体诉讼。不过，该争议出现之际，联邦反垄断机构此前已就住房领域的算法定价提起诉讼，并审视了消费市场中的数据驱动定价。

因此，这起案件的意义不止于 Big Mac 的价格。它检验的是，特许经营商能否整合名义上独立餐厅的数据，而不会让管理工具变成协调机制。

McDonald's AI 定价诉讼提出了哪些指控

起诉状针对的是支撑建议的数据共享安排，而不只是人工智能的存在。

Thomas 在伊利诺伊州北区联邦地区法院起诉 McDonald’s USA 和 McDonald’s Corporation。公开的联邦案卷显示，该案为 Thomas v. McDonalds USA, LLC，案号为 1:26-cv-12149。

Thomas 居住在伊利诺伊州 DeKalb，并称自己经常在住家附近的 McDonald’s 餐厅购买餐食。根据起诉状，他发现附近不同门店对相同商品的定价存在差异。

仅凭价格差异并不能证明存在反垄断违法行为。独立企业通常可以根据租金、工资、当地需求和运营成本制定不同价格。

起诉状提出的是另一种论点。它指称 McDonald’s建立了一个统一的定价引擎，在向餐厅推荐菜单价格之前，会先收集餐厅当前的非公开信息。

这一区别至关重要，因为 McDonald’s在美国约 14,000 家餐厅中，约 95% 由独立业主拥有和经营。这些加盟商是独立的法律实体，尽管它们都使用同一品牌开展经营。

诉讼文件称，参与的餐厅会向共享系统提供细粒度的销售和定价信息。据称，该系统会分析数百万笔日常交易、门店特征、当地需求、顾客价格敏感度及竞争对手价格。

随后，系统会为单个菜单商品生成针对具体餐厅的建议。起诉状将这些输出描述为协调体系的一部分，而非中立的市场调研。

Thomas 还指称，该引擎采用“30% rule”。按照起诉状的说法，在一定比例的附近餐厅上调同一商品价格后，该工具可以建议涨价。

这一指控尚未经过证据开示程序的检验。McDonald’s尚未接受原告对该工具及其运行规则的描述。

起诉状进一步称，McDonald’s会监测加盟商是否遵循其建议。起诉状指称，持续偏离建议可能影响公司对经营者扩张资格或特许经营续约资格的评估。

这种施压指控是原告理论的关键所在。经营者经常忽略的建议，与伴随监控和商业后果的建议，性质并不相同。

拟议集体包括在所称期间内从 McDonald’s购买食品的美国消费者。Thomas 还寻求代表伊利诺伊州顾客组成的一个子集体。

起诉状依据《谢尔曼法》第 1 条、《伊利诺伊州反垄断法》及《伊利诺伊州消费者欺诈和欺骗性商业行为法》提出主张。原告寻求集体认证、赔偿、律师费，以及禁止所称安排的禁令。

根据联邦反垄断法，胜诉的私人原告可寻求三倍赔偿，即经证实损失的三倍。这一救济并不意味着赔偿金额已经确定。

起诉状仍只是启动诉讼的指控。尚无法官裁定这些餐厅是否同意协调、该系统是否限制竞争，或顾客是否遭受了可量化的多付费用。

这些尚未解决的问题，正是严肃的法律主张与已经完成的价格操纵认定之间的区别。

McDonald's称 AI 不会设定菜单价格

McDonald’s的抗辩建立在经营者独立性之上：建议提供背景信息，而每位加盟商自行作出最终定价决定。

在诉讼提起之前，McDonald’s曾就其定价技术的相关报道发布详细回应。其 10 月 1 日的定价声明称，AI 不会决定任何菜单商品的价格。

该公司将其系统描述为面向特定餐厅的建议工具。公司表示，经营者会将这些建议与其对当地成本、顾客和竞争情况的了解结合使用。

McDonald’s还否认其采用实时动态定价。动态定价通常会根据即时情况快速改变价格，例如需求、库存或一天中的时段。

据该公司称，其工具不会在繁忙时段自动调整数字菜单板上的价格，也不会基于个人信息向不同顾客设定不同价格。

这一区别将公众讨论中常被混为一谈的三种做法区分开来。

算法定价使用软件分析信息并建议或选择价格。动态定价会随着市场情况变化而调整价格。监控定价则利用个人或行为数据，为特定消费者或群体量身定制价格或促销活动。

起诉状主要涉及餐厅之间的算法协调。它并未证明 McDonald’s会在同一地点向两名顾客针对同一订单收取不同价格。

McDonald’s告诉Associated Press，起诉状充斥着不准确之处，公司将为自己辩护。该公司表示，其可选工具既不会自动化餐厅价格，也不会协调餐厅价格。

公司发言人还强调，在机器学习进入流程之前，McDonald’s就已在收集市场信息并提出价格建议。从这个角度看，AI 改进的是一项既有的咨询功能。

加盟商的行为在一定程度上支持了企业建议并非自动指令的说法。在 8 月的一次投资者电话会议上，首席执行官 Chris Kempczinski 表示，只有 60% 的美国餐厅提供一项拟议的超值菜单。

他说，McDonald’s不能简单地在整个体系内启用这项优惠。公司管理层必须与加盟商达成协议。

这个例子并不能解决该诉讼。加盟商可能会拒绝全国性促销活动，同时仍在很大程度上依赖针对具体餐厅的定价建议。

但它表明，不能将每一家 McDonald’s门店都视为公司分支机构来裁定这一争议。特许经营体系在品牌所有者和数千名本地经营者之间分配权力。

McDonald’s也有正当理由提供定价分析。加盟商需要考虑食品成本、人工费用、当地竞争对手、顾客流量，以及价格变动对销售的影响。

推荐系统能够处理的交易量远超个体经营者手动评估的能力。它还可能识别出价格上涨何时会导致顾客流量下降到足以降低总收入的程度。

法律问题并不在于软件能否产生有用的分析，而在于 McDonald’s是否基于竞争敏感信息构建该分析，并鼓励名义上的竞争者遵循共同输出。

最终定价裁量权有利于 McDonald’s的抗辩，但不一定具有决定性。法院可以审查系统在实际中的运行方式，包括参与情况、监控、施压和采纳率。

公司最有力的证据将是能够显示存在实质性独立决策的材料。这可能包括经常偏离建议、采用不同定价方法，以及不存在与遵从建议挂钩的处罚。

相反，原告需要证明，参与的餐厅知道竞争对手也在提供数据，并预期其他餐厅会遵循同一系统。

这些事实不太可能仅从公开声明中浮现。它们需要内部文件、经营者沟通记录、技术记录，以及有关建议如何实施的证词。

为何共享加盟商数据会带来反垄断风险

核心冲突在于独立定价与一个基于竞争对手通常不会交换的信息训练而成的统一引擎之间的矛盾。

《谢尔曼法》第 1 条禁止不合理地限制贸易的协议。传统的价格操纵是指竞争者直接就其将收取的价格达成一致。

软件不会产生法律豁免。如果竞争者不能通过会议合法地协调，它们通常也不能通过算法转接决策来使同样的安排合法化。

美国司法部在近期多起争议中采取了这一立场。在一起酒店定价案件中，司法部和联邦贸易委员会表示，企业不能利用算法实施由人类执行便会违法的行为。

其酒店定价文件还讨论了建议的作用。相关机构认为，即使企业仍保留一定裁量权，共同的起始价格也可能引发反垄断担忧。

这一观点支持 McDonald’s起诉状背后的法律理论，但并不能证明 McDonald’s确实实施了此类协议。

特许经营结构带来了一个棘手的边界问题。McDonald’s拥有品牌，并为产品、餐厅运营、营销和顾客体验制定标准。

统一性是特许经营的核心。即使不同公司拥有这些餐厅，顾客仍期待各门店提供相似的食品、服务和品牌体验。

价格则属于更敏感的类别。McDonald’s一再表示，独立经营者自行设定菜单价格，并在本地市场争夺顾客。

如果这些经营者确实相互竞争，其私有销售数据就能揭示顾客对特定价格变动的反应。汇集这些信息可能减少对竞争对手计划收取何种价格的不确定性。

竞争的不确定性并不是每一种优化工具都应消除的缺陷。它是促使企业降价、改善服务或接受较低利润率的力量之一。

该诉状称，McDonald’s 通过收集门店层面的信息并返回协调一致的建议，降低了这种不确定性。它将公司描绘为连接原本彼此独立的经营者的中心枢纽。

反垄断律师常将此称为“中心辐射式”安排。一个中心主体充当枢纽，参与其中的竞争者则构成辐条。

中心辐射式理论仍需要协议存在的证据。仅仅证明多家企业购买了同一款软件或获得了类似建议，并不足够。

原告必须将 McDonald’s 与各加盟商之间的纵向关系，同相互竞争的餐厅之间的横向共识联系起来。法院会审查参与者是否知道其他人也在加入，以及是否预期会采取协调一致的行为。

公司直营餐厅的角色又增加了一层复杂性。McDonald’s 的子公司经营着较小比例的美国门店，这可能使直营餐厅与加盟商直接竞争。

如果直营门店向同一引擎提供数据并从中获得建议，原告将主张 McDonald’s 同时以平台运营商和餐厅竞争者的身份参与其中。

McDonald’s 可以回应称，共享品牌和加盟支持天然需要集中化分析。它还可以主张，门店层面的建议反映的是当地差异，而非压制这种差异。

可见的价格差异支持这一观点。Thomas 本人注意到附近门店的价格不同，这表明该系统并未施加统一的全国菜单价格。

然而，反垄断协调并不总会产生完全相同的价格。一个共同系统可以建议不同价格，同时仍削弱独立决策。

因此，相关问题是一个反事实问题：如果没有汇总数据、共同规则和被指控的压力，餐厅会选择什么样的价格？

这使 McDonald’s AI 定价诉讼既是一宗经济案件，也是一宗技术案件。各方将需要把协调效应与通胀、工资、食材成本、租金及消费者需求变化区分开来。

更高的菜单价格并不能证明算法价格操纵

McDonald’s 的价格大幅上涨，但定价工具与这些涨价之间的相关性本身，无法证明存在违法协议。

诉状援引 McDonald’s 自己的说法称，2019 年至 2024 年间，美国平均菜单价格上涨约 40%。它将这一时期与公司定价技术的开发和扩张联系起来。

这一时间关系提出了一个合理的研究问题，但并不能孤立出算法的影响。

在此期间，餐厅面临劳动力、食品、包装、运输和场地成本的大幅上升。消费者行为也在疫情及其后的通胀期间发生了变化。

McDonald’s 此前表示，菜单价格上涨部分是为了抵消更高的经营支出。不同地区的加盟商面临不同的工资法规、租金、税收和供应条件。

可靠的损害赔偿模型需要控制这些因素。它还需要一个基准，以显示在未使用被质疑系统的情况下，可比价格会如何变化。

相邻的 McDonald’s 门店提供了一种可能的比较方式，但当地的所有权结构可能令比较复杂化。同一加盟商可能在一个地区拥有多家餐厅。

拟议中的集体诉讼也覆盖了一个庞大且多样化的市场。一项工具可能对某些餐厅影响很大，却对其他餐厅几乎没有影响。

原告需要证明，被指控的协调在一个法律上具有一致性的集体范围内，导致价格高于竞争水平。当建议、采用情况、成本和所有权因地点而异时，这可能变得困难。

基础报道发现了显著的本地价格差异。其中一个例子涉及 Fresno 的两家餐厅，它们相距约两英里，但据称所列 Big Mac 价格相差 21%。

这种差异可以支持相互竞争的解释。它可能表明独立定价，也可能表明一个集中式引擎正在优化每个本地市场所能承受的价格。

机器学习本身并不能回答这个问题。它是一种从数据中发现模式，并基于这些模式生成预测或建议的方法。

估算支付意愿的模型可以针对不同地点推荐不同价格，而无需识别个别顾客。这种做法更接近本地化价格优化，而非针对个人的监控式定价。

本地化定价并不天然违法。企业通常会根据地区成本、需求和竞争状况调整价格。

当模型纳入本应独立决策的企业所提供的当前机密数据时，风险便会改变。输入数据的来源和时点，可能比模型的复杂程度更重要。

FTC 定价研究说明了监管机构为何日益审查数据管线。其初步发现描述了能够利用位置、浏览活动、人口统计数据和购物行为来影响价格或促销活动的中介机构。

FTC 的研究涉及的范畴比对 McDonald’s 的指控更广。它并未认定 McDonald’s 曾收取个性化价格。

然而，它反映出监管关注点的转变。监管机构越来越多地追问：哪些数据进入定价系统、由谁共享，以及消费者是否能够理解最终形成的报价。

诉状还将面临另一项挑战，因为其公开叙事很大程度上依赖报道和公司材料。诉讼需要能够支持各项法律要件的可采证据。

证据开示可能揭示一个旨在让经营者步调一致的强制性系统；也可能显示建议是可选的、采用率较低，且价格的显著差异源于本地条件。

在这些记录披露之前，声称 McDonald’s“利用 AI 抬高所有人的价格”超出了已核实的事实。更准确的说法更为有限：一名消费者指控该定价系统促成了违法协调。

真正的先例来自住房和酒店行业

这起诉讼将一种既有的算法共谋理论引入加盟网络，而参与者之间的关系在其中并不那么直接。

近期最受关注的算法定价案件涉及房东、酒店和软件中介。这些案件通常指控，相互竞争的企业向共同供应商提供机密数据，并获得定价建议。

2024 年，司法部起诉 RealPage，指控其收益管理系统帮助竞争性房东协调公寓租金。政府随后又将数家大型房东列为被告。

司法部的 RealPage 案件将该软件描述为共享敏感信息和协调租赁决策的机制。RealPage 对这些指控提出异议。

这起诉讼为 McDonald’s 原告提供了术语和法律路线图。两种理论都聚焦于汇集非公开数据、共同建议，以及被指放弃独立判断的参与者。

两者差异很大。RealPage 服务的是从外部供应商购买软件的独立物业公司。

McDonald’s 运营的是一个共享商标、供应标准、广告、产品和合同关系的加盟网络。企业协调是该系统许多合法部分的内在组成。

法院必须区分品牌管理与横向价格协调。这使经营者的独立性成为决定性问题。

酒店定价诉讼构成了一个相关先例。酒店业主经常参与同一品牌网络，同时仍是独立企业。

联邦机构曾主张，当参与者明知情地使用共同定价系统时，即便建议是自愿的，也仍可能支持价格操纵主张。不过，法院仍会根据各案的具体事实审理这些案件。

McDonald’s 争议也可能影响其他加盟行业。餐饮、酒店、健身、汽车和服务品牌正越来越多地向经营者提供集中化分析工具。

这些工具能够改善预测、减少浪费，并帮助小型经营者解读本地需求。它们也可能形成对竞争对手行为的详细视野，而任何单一参与者都无法独立获得这种视野。

最稳妥的区分并非“AI 与非 AI”。传统电子表格、顾问或电话沟通同样可以促成相同的违法行为。

更好的合规问题是，该系统是否保留了真正的独立性。相关保障措施包括汇总的历史数据、对竞争者信息的限制、自愿参与，以及对采用情况监控的限制。

实时、门店层面的信息风险更高，因为它可以暴露当前竞争策略。与竞争对手近期决策相关联的建议也会引发更严格的审查。

因此，使用算法定价的企业应记录的不仅是一份最终选择免责声明。它们还需要运营证据，表明客户保有控制权，且服务提供商不会惩罚偏离建议的行为。

加盟体系还面临额外的治理问题。由于特许人控制续约、扩张机会、技术访问和品牌标准，一项建议在技术上可能是可选的，但在实践中却具有很大分量。

这并不意味着每项建议都具有强制性。它意味着周边商业关系可能与软件界面同样重要。

Thomas v. McDonald’s 的最终重要性将取决于法院如何看待这种关系。广泛的裁决可能使许多集中化加盟工具面临新的索赔。

狭义裁决则可能确认，只要经营者保持独立且机密竞争对手数据得到适当保护，特许人可以提供复杂的定价指导。

目前，这份诉状是一项压力测试，而非先例。

随着 McDonald's AI 定价诉讼推进，值得关注的事项

三个信号将表明，此案会成为重要的算法反垄断先例，还是会以对加盟支持工具的一次未成功挑战告终。

第一个信号是 McDonald’s 的初步动议程序。公司很可能会质疑诉状是否合理地指控加盟商之间存在横向协议。

驳回裁定将显示，消费者在获得内部记录之前需要提供多少事实细节。若诉讼得以继续，则将允许对定价引擎和加盟关系进行证据开示。

关键问题不在于诉状是否反复使用 AI 一词，而在于被指控的系统是否通过共同承诺遵循共同建议，将竞争者联系起来。

第二个信号是有关采用和执行的证据。内部文件可能显示经营者多频繁接受建议、McDonald’s 如何追踪偏离情况，以及经营者拒绝时会发生什么。

高采用率本身并不能证明存在协议。然而，高采用率若与压力、对竞争对手的认知以及非公开输入数据相结合，将强化原告的理论。

频繁偏离且不受后果约束，将强化 McDonald’s 的立场。这会支持公司关于该工具提供背景信息而非发号施令的主张。

第三个信号是法院对数据的处理。诉状强调来自单个餐厅的实时、细粒度信息，因为这些信息可能暴露竞争策略。

主要依赖汇总或历史信息训练的系统，与使用实时门店级销售和价格数据的系统，所带来的风险并不相同。技术披露应明确 McDonald’s 所使用的引擎究竟符合哪一种描述。

读者还应关注监管机构是否介入。当更广泛的反垄断法解释面临关键争议时，司法部和 FTC 曾在私人算法定价案件中提交意见书。

监管机构的提交文件不会决定案件结果，但会表明联邦执法机构是否认为特许经营情境对算法竞争政策具有重要意义。

此案发生之际，McDonald’s 正试图在注重预算的消费者群体中重塑其高性价比形象。这种商业压力使这场争议的影响超出了法律赔偿本身。

如果消费者认为软件的设计目的在于找出他们能够接受的最高价格，企业关于价格亲民的宣传就会更难维持。McDonald’s 必须同时解释该工具如何运作，以及其使用受到哪些限制。

开发者和企业采购方也应出于另一种原因关注此案：它表明，一款在技术上仅提供建议的产品，也可能因其输入数据、激励机制和部署模式而产生法律风险。

产品团队应审视其系统是否整合了竞争对手的机密数据。同时，还应检查建议是否会通过监控、合同约束或绩效评估而事实上变成强制要求。

消费者不应假定每一种基于地点的价格差异都代表不当行为。但当企业利用共享数据为独立运营企业之间的定价提供指导时，消费者也应期待更清晰的说明。

McDonald’s AI 定价诉讼的结果将取决于尚未公开的证据。起诉书称存在协调定价行为，而 McDonald’s 则称其提供的是可选的商业建议。

关注驳回动议的陈述、建议采纳记录以及技术数据控制措施。这些信号结合起来，将显示该引擎究竟是在维护竞争，还是在悄然取代竞争。