如果AI搶走飯碗，誰來交稅？

不久前，OpenAI發布了一份題為《智能時代的產業政策》（Industrial Policy for the Intelligence Age）的報告。在這份13頁的文件中，OpenAI提出了一系列為應對超級人工智能技術帶來的劇烈變革而設計的“以人為本的政策主張”，內容涉及從工作日時長調整到基礎設施體系重構的多個方面。

在所有這些政策中，“征收AI稅”無疑是最引人矚目的一項。OpenAI的研究人員建議，為了應對AI帶來的工作模式重塑以及稅基侵蝕等問題，應該考慮重構稅基，“提高對資本性收入的依賴，包括提高高收入人群的資本利得稅、提高企業所得稅、對持續的AI驅動收益實施針對性征稅；同時探索與自動化勞動相關的新型稅種，如AI稅、機器人稅等”。這一建議讓“對AI征稅”的討論再一次進入公眾視野。

隨著近年來AI技術的迅猛發展，已有不少名人提出過“對AI征稅”的構想。比如，微軟創始人比爾·蓋茨（Bill Gates）就曾在很多場合呼吁，應當對使用AI和機器人替代人力的企業征收相當于被替代員工薪資稅負水平的稅款，用于社保、再培訓與穩就業。“深度學習之父”杰弗里·辛頓（Geoffrey Hinton）曾在一次訪談中指出，AI的大規模替代人力可能導致薪資稅稅基萎縮，因而必須對AI征稅，以維持福利國家財政。而Anthropic公司的創始人達里奧·阿莫代（Dario Amodei）則建議，應當對大模型的使用開征“詞元稅”（TokenTax），用于再分配和公共福利。

但到目前為止，世界上大部分國家都沒有開征與AI相關的稅收。據筆者所知，唯一的例外是哈薩克斯坦，它從2025年8月開始，對ChatGPT等AI服務征收增值稅。除此之外，其他經濟體都對AI稅保持相對審慎的態度。

本文轉載自公眾號“經濟觀察報觀察家”

文中內容僅為作者個人觀點

AI時代的稅收挑戰

AI技術的迅速發展和普及，不僅會對現有經濟結構產生巨大沖擊，還會對現行稅收制度帶來嚴峻挑戰。具體來說：

第一個挑戰，就是AI的普遍應用可能帶來的稅基侵蝕和稅源枯竭。

在傳統的經濟直覺中，經濟增長往往意味著就業擴張，進而意味著稅收的穩步增長：更多的人工作，繳納更多的個人所得稅和社會保險費，政府也就擁有更充足的財政資源去維持公共服務與再分配體系。按照這個邏輯，如果AI真能像很多科技樂觀主義者預測的那樣，帶來生產率的重大躍升，那么政府理應可以輕易獲得遠比過去更多的稅收。

然而，很多研究都表明，情況或許并非如此。至少在現階段，AI所帶來的生產率提升要遠低于科技樂觀主義者的估計。比如，根據諾貝爾經濟學獎得主達龍·阿西莫格魯（Daron Acemoglu）的估計，AI帶來的年均生產率增長只有0.06%，可謂微乎其微。但與此同時，AI對稅基的沖擊卻十分嚴重。在現實中，稅收名目可謂紛繁復雜，但它們所對應的稅基無非如下幾種：勞動所得、資本所得、財富存量和消費。對于很多經濟體而言，基于勞動所得和消費的稅收都在其稅收構成中占據了相當高的份額。與此同時，出于保護產權、鼓勵投資等需要，對資本所得和財富的征稅則會相對克制。

但在AI的沖擊之下，勞動和消費這兩大稅基受到的侵蝕相當嚴重。我們知道，現在的AI很大程度上是一項自動化技術，它的廣泛應用就意味著大批勞動力被替代。在另一項被廣為引用的研究中，阿西莫格魯及其合作者曾發現，工業機器人等自動化技術會明顯減少市場對勞動力的需求。在美國勞動力市場上，每千名工人新增一個機器人，全美就業人口比例就會下降0.2%。而當AI和工業機器人相結合時，其對勞動力需求的擠壓就更是可想而知。隨著就業人口的減少，勞動所得稅的稅基將受到直接沖擊。與此同時，市場工資水平和勞動者收入也會降低，這又會導致消費下降，引發消費稅稅基的削弱。一邊是增長不及預期，一邊又是稅基遭到破壞，兩股力量疊加在一起，就會導致勞動所得稅和消費稅這兩大類稅收收入的減少。

第二個挑戰，是面對AI的沖擊，政府的公共開支可能會大幅增長。

至少在一段時間內，AI對就業市場的沖擊可能引發較為嚴重的“技術性失業”。在這種情況下，政府為了給失業者提供培訓，以幫助其再就業，并為部分難以再就業的人提供必要的生活保障，就需要大規模增加財政開支。為了支持開支的增加，這就要求政府開拓更多稅源、獲取更多稅收。

第三個挑戰，是在AI時代，傳統主要稅種的征收難度會大幅提升。

在AI時代，生產過程會越來越多地依賴于算法模型、數據資源與算力基礎設施等無形資產，按照傳統，這些資產都不會被征稅。與此同時，越來越多的勞動活動以零工、自由職業或數字平臺任務的形式存在，收入更加碎片化、非標準化，這就導致對勞動收入征稅變得更困難。這兩股力量共同作用之下，就會讓傳統稅收的征收成本變得更高。

第四個挑戰，是AI的應用可能會造成經濟活動和稅收在空間上的嚴重錯配。

傳統的生產和消費活動通常具有明確的地理歸屬，因而很容易在特定國家或地區征收相應的稅收；而算法驅動的生產則天然具有跨境特征，模型可以在一地訓練，在另一地部署，服務全球用戶，其價值創造過程被切割在多個司法轄區之間。這使得稅收面臨一個日益突出的難題：稅基的生成是全球性的，而稅收權力卻仍然是區域性的。在這種錯配之下，利潤轉移與稅基侵蝕問題被進一步放大。

《稅的荒唐與智慧》

[美] 邁克爾·基恩 等 著

2025年2月

點擊卡片，即可購買

AI稅的征收理由

在上述多重挑戰疊加之下，“是否對AI征稅”已經不再只是一個政策選項，而逐漸呈現出某種制度上的必要性。事實上，當AI在經濟中扮演越來越重要的角色，如果不對AI所代表的新型生產要素建立相應的稅收安排，那么不僅財政體系會越來越不堪重負，而且勞動與資本這兩大要素之間還會形成不公平的“剪刀差”。從這個意義上說，對AI征稅并非對技術進步的簡單干預，而是一種旨在修復稅基結構、維持財政可持續性、保障社會公平的制度回應。

第一，對AI征稅不僅是彌補稅基縮減的一種補償，更是回應生產結構變化所引發的要素回報重構的一項措施。

隨著AI的廣泛應用，價值創造正在從以勞動為主轉向更多依賴資本、算法與數據的復合體系，這一轉變直接導致收入分配格局的變化：原本以工資形式分散呈現的收益，越來越多地轉化為企業利潤與資本回報。在這種情況下，如果稅制仍然主要依賴勞動所得與消費作為稅基，那么即便經濟總量保持增長，財政收入也可能出現結構性不足，同時還會放大資本與勞動之間的分配失衡。

因此，對AI征稅的意義可以理解為一種“稅基再對齊”的制度安排：它試圖將已經從勞動轉移至資本與技術體系中的價值重新納入可征收范圍，從而維持財政體系的穩定運行。同時，這種調整也具有重要的分配含義。在AI推動下，要素相對回報的變化可能使資本收益持續上升，而勞動收入相對下降。如果稅制對此缺乏回應，那么不平等將成為一種內生結果。通過對AI相關收益進行適度征稅，并將相關收入用于公共支出與再分配，可以在一定程度上緩解這一趨勢，使技術進步的收益不至于過度集中。由此可見，對AI征稅并非簡單增加稅負，而是在生產函數與收入結構發生變化的背景下，對既有稅制進行的一種必要校正。

《投喂AI：人工智能產業的全球底層工人紀實》

[英] 詹姆斯·馬爾登 等 著

2025年9月

點擊卡片，即可購買

第二，在征收難度上升的背景下，對AI征稅還可以通過“改變征稅對象”降低整體征管成本。

傳統稅制之所以依賴勞動與消費，一個重要原因在于它們具有較高的可觀測性；但如前所述，在平臺經濟與零工經濟興起之后，這一優勢正在減弱。相反，AI相關活動雖然在形式上更為復雜，但其關鍵要素往往集中在少數企業或平臺之中，反而具有更高的集中度與可監測性。因此，如果能夠設計出合理的征稅方式，例如基于算力或使用量征收稅款，就有可能以較低的征管成本覆蓋較大規模的經濟活動。從這個意義上說，AI稅不僅是對新稅基的開發，也是一種對征稅方式的結構性優化。

第三，在空間錯配與跨境流動的問題上，對AI征稅還能發揮重要的“錨定作用”。

在當前體系下，跨國企業可以通過利潤轉移、無形資產定價等方式，將應稅收入轉移至低稅率地區，從而削弱各國的稅收能力。而AI相關價值往往更加依賴特定的技術基礎設施與市場需求，如果能夠圍繞這些要素設計稅收規則，例如與用戶所在地或算力使用地掛鉤，則有可能在一定程度上緩解稅基流失問題。盡管這一過程高度依賴國際協調，但近年來圍繞數字經濟稅收的改革已經表明，在稅基高度流動的背景下，通過規則創新重新分配征稅權，并非完全不可實現。

AI稅的理論爭議

需要指出的是，雖然對AI征稅可以有效幫助政府應對AI帶來的稅收挑戰，但圍繞AI稅是否應該開征、何時開征以及如何開征等問題，仍然存在很多理論爭議。

第一個爭議，是對AI征稅是否會影響經濟效率、抑制技術創新。

在經典的公共財政理論中，有一個重要結論：為了避免資本配置受到扭曲，應該盡量避免對資本所得進行征稅。而在現有的各種“AI稅”方案中，最為流行的一種主張就是所謂的“機器人稅”（Robot Tax），即對企業采用的AI設備征稅。很多學者認為，如果采用這種方案，就可能違背上述公共財政理論結論，經濟中的資本配置就會被扭曲，經濟效率也會因此受損。除此之外，還有一些學者認為，AI作為一種具有很強外溢效應的通用目的技術（General Purpose Technology），其廣泛應用不僅直接提升生產率，還會通過產業聯動帶來更廣泛的經濟增長。在這種背景下，對AI或自動化施加額外稅負，相當于人為提高其使用成本，從而可能延緩技術采用的速度。

不久之前，發表在《國際研究雜志》（Journal of International Studies）上的一篇論文，似乎為這種觀點提供了一些證據。在這篇論文中，作者對在減稅鼓勵就業的同時開征“機器人稅”以增加稅收收入所產生的經濟后果進行了模擬。結果發現，“機器人稅”的征收不僅會顯著降低經濟增長率，還會減少就業，其產生的經濟成本可能比其帶來的稅收收入還要高。

第二個爭議，是現在開征AI稅的時機是否為時過早。

一些學者從AI發展的角度指出，目前AI發展仍處于相對初級的階段，其產業應用也還不充分，在這種情況下，如果貿然開征AI稅，則可能阻礙AI的正常發展，抑制尚未完全實現的增長潛力。而另一些學者則從財政理論的角度切入，也認為AI稅的征收不宜操之過急。比如，弗吉尼亞大學的安東·科里內克（Anton Korinek）教授雖然是“AI稅”的積極倡導者之一，但他也對過早開征“AI稅”表示反對。在他看來，在AI對經濟的影響還相對較小、傳統的兩大稅源即勞動收入和消費依然相對充足的情況下，最優的稅收結構仍然應該以勞動所得稅和消費稅為主。只有當勞動收入已經萎縮到很小的份額，很難再構成獨立稅源時，對AI資本征稅才應該作為一種次優選擇被采用。

《AI時代的工作》

[美] 戴維·奧托 等 著

2025年5月

點擊卡片，即可購買

第三個爭議，是AI稅是否真的能夠有效改善分配？

如前所述，支持AI稅的重要理由之一，是其有助于緩解不平等。但這一點在經濟學上并非自明。在實踐中，稅收的實際效果取決于稅負歸宿。企業可能通過提高價格將稅負轉嫁給消費者；也可能通過壓低工資將其轉嫁給勞動者。在自動化背景下，勞動議價能力本已下降，這種轉嫁更為容易。因此，一些研究者認為，“對AI征稅”未必等價于“向資本征稅”，其分配效果可能遠弱于直覺判斷。此外，還有一個更深層的問題：不平等的來源是否真的在于AI本身？如果問題主要來自教育、技能結構或市場競爭格局，那么單純依賴稅收工具，可能無法從根本上解決問題。這使得AI稅在分配層面的有效性，成為一個開放問題。

第四個爭議，是應該如何設計AI稅的結構。

對于傳統經濟下的稅收結構設計，目前已經有了十分成熟的研究，并形成了不少共識。然而，對于AI經濟下的稅收結構，現有研究還十分不足。究竟“AI稅”應該以怎樣的稅收形式落地？不同稅種之間應該如何組合？在不同的發展階段，稅種組合又應如何調整？關于這些問題，目前都還存在很大爭議。在每一種方案背后，都有各自的支持和反對意見，并且在短時間內應該仍然很難達成共識。

AI稅的落地困難

相比上述理論層面的爭議，“AI稅”在實踐層面面臨的難題或許更多。具體來說：

第一，也是最根本的問題，是稅基界定困難。稅收制度的運作依賴于對征稅對象的清晰定義，例如什么構成“收入”、什么屬于“資本”、何為“消費”等，都有比較明確的界定，因而對其征稅也相對容易。然而，AI本身卻是一個高度模糊且不斷演化的概念。從簡單的自動化腳本到復雜的深度學習模型，從嵌入生產流程的算法優化到面向終端用戶的生成式系統，其技術形態呈現出連續譜，而非離散類別。在這種情況下，任何試圖將AI作為獨立稅基的做法，都不可避免地面臨邊界劃定的難題：如果定義過寬，則幾乎所有數字技術都可能被納入征稅范圍；如果定義過窄，則又容易被規避，從而削弱政策效果。

第二，是納稅主體的定位問題。傳統稅制之所以能夠穩定運行，是因為納稅人具有明確的法律身份，即個人或法人。而AI系統本身并不具備法律主體地位，它既不能擁有財產，也不能承擔義務。因此，無論在何種制度設計下，所謂“AI稅”最終都需要落實到對企業或使用者征收。這就帶來一個結構性困境：如果稅收仍由企業承擔，那么它與現有企業所得稅之間的關系該如何界定？是作為附加稅存在，還是替代部分既有稅種？如果處理不當，很容易導致重復征稅或稅制復雜化，反而降低整體效率。一些更為激進的設想嘗試將AI視為“類法人”，賦予其有限的法律主體地位，從而使其成為直接納稅人，但這一思路又會迅速引出更深層的法哲學問題：如果AI可以納稅，是否也應當享有權利、承擔責任？其法律地位又應如何界定？顯然，這些問題遠未達成共識。

第三，是稅收實施過程中的信息與計量約束。與傳統勞動收入或實體資本不同，AI相關價值的生成往往嵌入在復雜的生產過程中，很難被單獨分離和計量。例如，一個企業的利潤中，有多少應歸因于AI模型，有多少來自品牌、管理或市場環境，并不存在清晰的劃分標準。如果缺乏可靠的計量基礎，任何針對“AI貢獻”的征稅，都可能依賴高度主觀的評估，從而加大爭議與合規成本。這也是為什么近年來一些政策討論開始轉向數據使用量、算力消耗等更易觀測的指標：它們雖然未必完美，但至少在技術上更具可測性。

第四，是跨境問題使AI稅的實施依然存在很大難度。與傳統生產不同，AI系統的開發、訓練與部署可以在不同國家進行，其價值創造過程天然具有全球分布的特征。雖然如前所述，通過對在地服務或AI部署征稅，可以在一定程度上緩解經濟活動與稅收的錯配問題，但在實踐中，單一國家的稅收政策依然面臨執行困難。不僅如此，當只有少數地區征收AI稅時，企業還可以通過調整業務結構加以規避。比如，通過將模型訓練或數據存儲轉移至低稅率地區，企業可以在不改變實際運營的情況下顯著降低稅負。此時，開征AI稅的地區不僅可能難以成功征收到AI稅，反而還會面臨當地企業和稅源流失。

綜上所述，至少在現階段，AI稅的開征仍面臨很多現實困難和障礙。如果要讓“AI稅”順利落地，就需要對這些實踐中的難題作出妥善回應。

AI稅的可能方案

盡管圍繞AI稅的爭議仍廣泛存在，但在現實中，已經有一些學者從不同角度提出了具體的AI稅實施方案。其中，以下幾種方案較有代表性：

第一種方案，是對既有稅制進行再平衡，即通過調整資本與勞動之間的稅負結構，間接回應AI沖擊。

這是目前最具現實基礎、也最容易實施的路徑。其核心邏輯在于，AI帶來的變化，本質上是收入從勞動向資本與企業利潤的轉移，因此稅基也應隨之從勞動收入轉向企業利潤。具體而言，可以通過擴大企業所得稅稅基、提高資本所得稅的有效稅率、強化反避稅規則，以及相應減輕對勞動收入的依賴，來實現稅負的重新配置。

這一路徑的優勢在于制度連續性強，不需要重新界定“什么是AI”，而是順著收入形態的變化進行調整，從而避免對特定技術形式進行差別性征稅所帶來的扭曲。從實踐角度看，近年來圍繞跨國企業利潤轉移的治理，以及全球最低稅率的推進，某種程度上都可被視為這一方向的延伸。不過，其局限同樣明顯：在資本高度流動的背景下，單一國家提高稅負往往面臨約束，而AI所依賴的無形資產又進一步加劇了稅基流動性，使傳統稅種在覆蓋新型價值時存在不足。與此同時，這一路徑還可能違背經典稅收理論中盡量少對資本收入征稅的原則，從而扭曲資本配置，降低資本使用效率。

第二種方案，是引入直接型AI稅，如機器人稅或自動化稅，作為對特定行業或階段性沖擊的回應。

這一思路試圖將“機器替代勞動”的直覺制度化，例如按照自動化設備數量、被替代的勞動規模或企業的自動化程度征收附加稅。其優勢在于直觀，尤其在制造業等自動化程度較高、技術形態較為清晰的領域，具有一定的操作空間。同時，它也可以在短期內為財政提供額外來源，用于緩解就業沖擊帶來的支出壓力。然而，這類稅種難以成為長期制度的核心。一方面，“AI”與“普通資本”的邊界難以界定，容易引發規避與爭議；另一方面，對特定技術征稅會扭曲企業決策，可能抑制效率更高的技術路徑。因此，從現實路徑看，這類稅收更適合作為過渡性工具，在特定行業或特定階段有限使用，而不宜作為普遍性安排。

第三種方案，是圍繞AI經濟的關鍵要素構建新的稅基，開征數據稅、算力稅或詞元稅等新稅種。

與前兩種路徑相比，這一思路更具前瞻性。它不再試圖界定“AI是什么”，而是轉向那些在技術上更容易觀測和計量的變量，例如數據的收集與使用、計算資源的消耗，或模型調用的頻率。隨著大型AI系統的集中化，這些要素往往掌握在少數平臺企業手中，從而在客觀上具備較高的可征收性。例如，對算力使用征稅，可以借助能耗或計算時間進行計量；對模型調用征稅，則可以基于實際使用量進行記錄。這類方案的優勢在于能夠更直接地嵌入生產過程，使稅收與價值創造建立更緊密的聯系。然而，這種方案面臨的挑戰也不容忽視：算力或數據使用并不完全等同于經濟價值，過度征稅可能抑制研發與創新，而跨境流動則使單一國家難以獨立實施。因此，這類稅基更可能在AI經濟相對成熟之后，作為對傳統稅制的重要補充。

第四種方案，是通過制度創新直接參與AI收益分配，例如公共資本與“AI紅利”機制。

這一思路已經超越了傳統稅收的范疇，其核心在于改變分配的起點，而不僅僅依賴事后再分配。例如，通過主權財富基金持有關鍵技術企業的股權，或通過公共數據平臺參與數據收益分配，使公眾以所有者的身份分享AI帶來的回報。這種方式可以在一定程度上繞開稅收征管中的諸多困難，同時在分配上更為直接。不過，其實施依賴較高的制度能力與政治共識，也涉及產權安排與市場效率之間的權衡，因此更可能作為長期制度的一部分，而非短期內的主要工具。

通過上述分析，我們不難發現，目前幾種AI稅實施方案雖然各有優點，但局限也同樣明顯。因而，如果不分具體情況，機械采用上述任何一套方案，都可能帶來較大問題。相比之下，更合理的思路是，將AI的發展劃分為不同階段，再根據不同階段，選擇上述方案中的一種或幾種加以搭配。具體來說：

在AI擴散的初期階段，技術潛力尚未完全釋放，而稅基侵蝕已開始顯現，此時政策應以既有稅制調整為主，輔以局部的自動化稅試點，以避免對創新形成過強約束。在結構轉型階段，隨著AI廣泛應用、勞動稅基持續收縮，稅制需要逐步轉向以資本與無形資產為核心，同時引入部分新型稅基，如算力稅或詞元稅，并加強國際協調，以防止稅基外流。在成熟階段，當AI已成為主導性生產要素時，傳統以勞動為基礎的稅制將難以維持。此時，就需要在新型稅基的基礎上，結合公共資本與收益分享機制，形成一種能夠在“后勞動經濟”中運行的分配體系。

從這個角度看，所謂“向AI征稅”，并不意味著引入一項孤立的新稅，而是要推動稅制從單一依賴勞動與消費，轉向多元、動態的結構。不同稅種在其中并非相互替代，而是隨著技術與經濟環境的變化承擔不同功能。也正是在這一意義上，AI時代的稅收改革，更像是一場持續推進的制度重構，而非一次性的政策選擇。

-End-

2026.6.14

編輯：閃閃 | 審核：孫小悠