OpenAI报告引发AI税讨论：应对挑战，方案各有利弊

OpenAI发布报告，AI税讨论再升温

几天前，OpenAI发布了一份题为《智能时代的产业政策》（Industrial Poli－cy for the Intelligence Age）的报告。在这份13页的文件中，OpenAI提出了一系列为应对超级人工智能技术带来的剧烈变革而设计的“以人为本的政策主张”，内容涉及从工作日时长调整到基础设施体系重构的多个方面。其中，“征收AI税”最引人瞩目。OpenAI研究人员建议，为应对AI带来的工作模式重塑以及税基侵蚀等问题，应重构税基，“提高对资本性收入的依赖，包括提高高收入人群的资本利得税、提高企业所得税、对持续的AI驱动收益实施针对性征税；同时探索与自动化劳动相关的新型税种，如AI税、机器人税等”。这一建议让“对AI征税”的讨论再次进入公众视野。

名人早有构想，多数国家审慎

随着近年来AI技术迅猛发展，不少名人提出过“对AI征税”的构想。微软创始人比尔·盖茨（Bill Gates）曾在很多场合呼吁，对使用AI和机器人替代人力的企业征收相当于被替代员工薪资税负水平的税款，用于社保、再培训与稳就业。“深度学习之父”杰弗里·辛顿（Geoffrey Hinton）曾指出，AI大规模替代人力可能导致薪资税税基萎缩，因而必须对AI征税以维持福利国家财政。Anthropic公司创始人达里奥·阿莫代（Dario Amodei）则建议，对大模型的使用开征“词元税”（TokenTax），用于再分配和公共福利。但到目前为止，世界上大部分国家都未开征与AI相关的税收，唯一例外是哈萨克斯坦，它从2025年8月开始，对ChatGPT等AI服务征收增值税，其他经济体对AI税保持相对审慎的态度。

AI时代税收挑战多

AI技术迅速发展和普及，会对现有经济结构和现行税收制度带来严峻挑战。

第一个挑战是税基侵蚀和税源枯竭。传统经济直觉中，经济增长意味着就业扩张和税收稳步增长。但很多研究表明，现阶段AI带来的生产率提升远低于科技乐观主义者的估计，如诺贝尔经济学奖得主达龙·阿西莫格鲁（DaronAcemoglu）估计，AI带来的年均生产率增长只有0.06%。同时，AI对税基冲击严重，劳动和消费两大税基受侵蚀，大批劳动力被替代，劳动所得税和消费税税基削弱，导致这两大类税收收入减少。

第二个挑战是政府公共开支可能大幅增长。AI对就业市场的冲击可能引发“技术性失业”，政府为帮助失业者再就业和提供生活保障，需增加财政开支，这要求政府开拓更多税源、获取更多税收。

第三个挑战是传统主要税种征收难度大幅提升。AI时代，生产依赖无形资产，劳动活动收入碎片化、非标准化，导致对劳动收入征税困难，传统税收征收成本变高。

第四个挑战是AI应用造成经济活动和税收在空间上严重错配。算法驱动的生产具有跨境特征，税基生成是全球性的，而税收权力是区域性的，利润转移与税基侵蚀问题被放大。

AI税征收理由充分

在多重挑战叠加下，“是否对AI征税”逐渐呈现出制度上的必要性。对AI征税并非对技术进步的简单干预，而是一种旨在修复税基结构、维持财政可持续性、保障社会公平的制度回应。

第一，对AI征税是弥补税基缩减和回应生产结构变化的措施。AI广泛应用使价值创造转向依赖资本、算法与数据的复合体系，收入分配格局改变。对AI征税可将转移的价值重新纳入可征收范围，维持财政稳定，缓解不平等。

第二，在征收难度上升背景下，对AI征税可降低整体征管成本。传统税制依赖劳动与消费的可观测性，但在平台经济与零工经济兴起后，这一优势减弱。AI相关活动关键要素集中，若设计合理征税方式，可降低征管成本。

第三，对AI征税能发挥“锚定作用”。跨国企业可通过利润转移等方式削弱各国税收能力，围绕AI相关要素设计税收规则，可缓解税基流失问题，虽依赖国际协调，但并非不可实现。

AI税理论争议多

虽然对AI征税可帮助政府应对税收挑战，但围绕AI税是否开征、何时开征以及如何开征等问题，存在很多理论争议。

第一个争议是对AI征税是否影响经济效率、抑制技术创新。经典公共财政理论认为应避免对资本所得征税，而“机器人税”可能违背这一结论，还可能延缓技术采用速度。《国际研究杂志》（Journal of International Studies）上的一篇论文模拟发现，“机器人税”征收会降低经济增长率、减少就业，经济成本可能高于税收收入。

第二个争议是现在开征AI税时机是否过早。一些学者从AI发展阶段指出，贸然开征可能阻碍AI发展；另一些学者从财政理论角度认为，在AI对经济影响较小、传统税源充足时，应优先以劳动所得税和消费税为主，对AI资本征税可作为次优选择。

第三个争议是AI税是否能有效改善分配。支持AI税的理由之一是缓解不平等，但税收实际效果取决于税负归宿，企业可能转嫁税负，且不平等来源未必在于AI本身，AI税在分配层面的有效性是开放问题。

第四个争议是如何设计AI税结构。传统经济税收结构设计已有成熟研究和共识，但AI经济下的税收结构研究不足，关于“AI税”的税收形式、税种组合及调整等问题，目前存在很大争议，短期内难达成共识。

AI税落地困难重重

相比理论争议，“AI税”在实践层面面临更多难题。

第一，税基界定困难。AI是高度模糊且不断演化的概念，将其作为独立税基面临边界划定难题，定义过宽或过窄都会带来问题。

第二，纳税主体定位问题。AI系统不具备法律主体地位，“AI税”需落实到企业或使用者征收，这会导致与现有企业所得税关系界定困难，还可能引发法哲学问题。

第三，税收实施存在信息与计量约束。AI相关价值生成嵌入复杂生产过程，难以单独分离和计量，缺乏可靠计量基础会加大争议与合规成本，因此政策讨论转向更易观测的指标。

第四，跨境问题使AI税实施难度大。AI系统开发、训练与部署具有全球分布特征，单一国家税收政策执行困难，企业可通过调整业务结构规避，开征地区可能难以征收到税，还会面临企业和税源流失。

综上所述，现阶段AI税开征面临很多现实困难和障碍，若要让“AI税”顺利落地，需妥善回应这些实践难题。

AI税可能方案多样

尽管围绕AI税争议广泛，但已有学者提出具体实施方案。

第一种方案是对既有税制进行再平衡，通过调整资本与劳动之间的税负结构间接回应AI冲击。这一路径制度连续性强，但在资本高度流动背景下，单一国家提高税负面临约束，还可能违背经典税收理论原则。

第二种方案是引入直接型AI税，如机器人税或自动化税，作为对特定行业或阶段性冲击的回应。该思路直观，能在短期内为财政提供额外来源，但“AI”与“普通资本”边界难界定，易引发规避与争议，不宜作为普遍性安排。

第三种方案是围绕AI经济的关键要素构建新税基，开征数据税、算力税或词元税等新税种。此方案更具前瞻性，能使税收与价值创造建立紧密联系，但面临抑制研发与创新、跨境流动等挑战，更可能在AI经济成熟后作为传统税制的重要补充。

第四种方案是通过制度创新直接参与AI收益分配，如公共资本与“AI红利”机制。该思路超越传统税收范畴，可绕开税收征管困难，分配更直接，但实施依赖较高制度能力与政治共识，涉及产权安排与市场效率权衡，更可能作为长期制度的一部分。

目前几种AI税实施方案各有优缺点，更合理的思路是将AI发展划分为不同阶段，根据不同阶段选择方案搭配。在AI扩散初期，以既有税制调整为主，辅以局部自动化税试点；在结构转型阶段，税制转向以资本与无形资产为核心，引入新型税基，加强国际协调；在成熟阶段，结合新型税基和公共资本与收益分享机制，形成“后劳动经济”分配体系。从这个角度看，“向AI征税”是推动税制从单一依赖劳动与消费转向多元、动态结构，AI时代的税收改革是一场持续推进的制度重构。