對AI征稅問題并非簡單的“征”與“不征”
當前對AI征稅，討論的重點不在于是否開征新稅，而是在現(xiàn)有制度框架下如何作出更現(xiàn)實、更穩(wěn)妥的政策選擇。
數(shù)字經(jīng)濟時代，隨著大模型、智能算法、自動化系統(tǒng)和機器人技術迅速發(fā)展，是否對人工智能（AI）征稅，成為日益受到關注的稅收議題。表面上看，這只是一個新征稅對象的問題，但從本質上看，其實是在技術進步背景下稅基結構如何變化、收入分配關系如何重構、稅收制度如何適應國家治理新要求的問題。
近年來，國內(nèi)外圍繞對AI征稅問題形成了兩條并行的討論路徑：一條是開征機器人稅或自動化稅，即將AI和機器人視為替代人工的資本形態(tài)，希望通過稅制改革對勞動力稅基流失、失業(yè)風險上升和收入差距加大進行糾偏；另一條是將AI納入數(shù)字經(jīng)濟稅收改革框架，通過利潤分配規(guī)則、全球最低稅、數(shù)字服務稅等制度工具應對跨境利潤轉移和稅基錯配。截至目前，主要經(jīng)濟體尚未形成真正意義上的“人工智能專稅”，更多仍停留在討論、提案、局部政策試驗或既有稅制調整層面。
對AI征稅問題的提出
AI之所以會進入稅收視野，是因為其正在改變傳統(tǒng)稅基的形成機制?，F(xiàn)代稅收制度，尤其是基于勞動收入建立起來的稅費安排，在相當程度上依賴工資薪金、雇傭關系和勞動所得的穩(wěn)定存在。如果企業(yè)越來越多地使用自動化設備、智能軟件和算法系統(tǒng)替代人工，那么個人所得稅、工資稅以及社會保險繳費等以勞動為稅基的收入來源就可能受到?jīng)_擊，對此有研究將對AI征稅問題概括為“財政稅基與社保資金可持續(xù)性”問題。
AI還引發(fā)了資本與勞動稅負關系的重新審視。在現(xiàn)行制度下，企業(yè)使用勞動力需承擔工資、社保、培訓等成本，而更多使用機器、算法和軟件，未必對應同等稅費負擔。一個值得關注的問題應運而生：現(xiàn)有稅制是否在客觀上帶來了“機器替代人工更省稅”的效果？如果這一判斷在一定程度上成立，那么稅收中性和分配公平都將面臨挑戰(zhàn)。因此，對AI征稅問題的實質，不只是新技術需不需要繳稅，更是技術替代導致的稅制失衡是否需要加以糾偏。
美國、歐盟、英國、韓國、意大利等經(jīng)濟體都曾圍繞機器人稅、自動化稅等展開討論。其中，美國聯(lián)邦層面雖未正式立法，但紐約州提出以“被替代員工工資相關稅費”為基礎的機器人稅法草案；意大利提出若企業(yè)生產(chǎn)活動主要由AI與機器人系統(tǒng)運行和管理，則提高企業(yè)適用稅率，并允許企業(yè)通過再培訓投入獲得稅收減免；歐盟層面曾對機器人稅進行公開討論，但最終沒有采納；英國在議會報告中明確反對機器人稅，主張通過稅收激勵促進自動化投資?？梢?，各經(jīng)濟體雖然都意識到AI可能改變稅收格局，但對如何回應并未形成統(tǒng)一答案。
目前，我國相關討論更多集中在學術研究和公共政策層面，如能否對AI使用者或企業(yè)端征稅、是否應通過社保繳費機制彌補勞動力稅基、機器人替代人工后企業(yè)是否仍應繳納社保費等問題?？傮w上看，國內(nèi)相關理論和制度回應仍處于前期研究和審慎觀察階段。
支持對AI征稅的主要理論依據(jù)
支持對AI征稅的理論邏輯可以概括為以下幾個方面：
稅基可持續(xù)邏輯。AI替代人工最直接的后果之一，就是以勞動為基礎的稅費收入可能受到擠壓，尤其在自動化程度較高的行業(yè)，如果產(chǎn)出繼續(xù)增長而同時就業(yè)人數(shù)減少、工資份額下降，那么傳統(tǒng)稅基結構就可能與經(jīng)濟結構發(fā)生脫節(jié)。支持者據(jù)此認為，稅收制度應對技術替代導致的財政后果作出回應。
稅收公平與稅制中性邏輯。支持者認為，在現(xiàn)行稅制下，資本替代勞動可能在稅收層面享有某種隱性優(yōu)勢。企業(yè)更多依靠機器、軟件和算法進行生產(chǎn)，不一定承擔與雇傭勞動相當?shù)纳绫：凸べY相關成本，由此可能形成對勞動與資本的不對稱激勵。若稅制使勞動承擔較重稅負，卻對替代勞動的資本擴張缺乏相應調節(jié)機制，就可能造成對某種生產(chǎn)組織方式的偏向，不利于稅制中性。正因如此，有研究提出對使用AI、機器人的資本征稅，或要求企業(yè)承擔一定的勞動力市場社會責任，以實現(xiàn)資本與勞動之間更均衡的稅制安排。
再培訓與社會補償邏輯。AI發(fā)展造成的重要挑戰(zhàn)，不只是崗位是否消失，更在于崗位結構和技能結構的深刻重組，標準化、重復性、規(guī)則性強的工作更容易被替代，新創(chuàng)造的崗位往往對技能要求更高，勞動者需要不斷再適應以及被再培訓、再配置。因此，一些支持對AI征稅的提案不是為了單純增加財政收入，而是意在通過稅制改革建立轉型支持基金，把AI帶來的部分收益用于勞動者再培訓、社會補償和過渡支持。如意大利曾提案將稅率與員工培訓投入相掛鉤；美國紐約州機器人稅法草案則主張以被替代員工工資相關稅費為基礎計算稅負。
近年來，支持對AI征稅的一方還獲得了一些實證研究的支持。韓國相關研究發(fā)現(xiàn)，自動化投資成本提高后，機器人投資顯著下降，企業(yè)層面出現(xiàn)用工增加和投資結構調整。一些研究甚至認為，原有的稅收抵免可能引起低質量的過度自動化投資。由此看來，稅收工具確實會影響企業(yè)自動化采用的節(jié)奏，通過稅收手段干預并非完全沒有依據(jù)。
需指出的是，支持對AI征稅的觀點雖然具有一定合理性，但其成立都有十分嚴格的前提條件：一是要識別AI確實對勞動稅基造成了可觀測的、持續(xù)的侵蝕；二是要能夠證明這種侵蝕無法通過別的稅制調整或社?；I資改革來彌補；三是要確保稅收介入的收益大于其對創(chuàng)新和效率造成的損害。
對AI征稅的現(xiàn)實約束
反對或質疑對AI征稅的觀點，在當前階段具有現(xiàn)實制度層面的說服力。
創(chuàng)新與生產(chǎn)率損失風險。AI作為新一輪科技革命的戰(zhàn)略性技術，其核心價值不只在于替代部分勞動，更在于提升決策效率、組織效率和資源配置效率。如果在AI應用處于快速擴散和產(chǎn)業(yè)競爭格局未穩(wěn)定的階段，就對其加征專門稅收，相當于一種懲罰。這不僅會抑制企業(yè)創(chuàng)新投入，還可能削弱數(shù)字化轉型和產(chǎn)業(yè)升級動力。英國相關政策討論中就曾明確反對機器人稅，認為問題不是機器人太多，而是機器人還不夠多，若過早征稅，可能不利于生產(chǎn)率提升和國際競爭力增強。
面臨稅法技術障礙。到底什么是應稅的人工智能？是一臺具備識別和決策能力的工業(yè)設備，還是企業(yè)內(nèi)部使用的算法模型？是一項獨立銷售的智能軟件，還是嵌入業(yè)務流程的自動化系統(tǒng)？如果一項業(yè)務流程既有人工參與又有算法輔助，該如何判斷其替代程度？這些問題都說明，AI本身不是一個明晰的征稅對象。按替代崗位計稅的方案，雖然在敘事上直觀，但在實踐中難以實現(xiàn)，因為崗位減少究竟源于技術替代、需求變化、管理優(yōu)化還是宏觀經(jīng)濟周期性波動，很難得到清晰證明。
選擇性征稅可能造成新的制度扭曲。如果只是對某類機器人、算法系統(tǒng)或自動化設備征稅，企業(yè)很可能通過改變技術形態(tài)、重組組織模式、跨區(qū)域布局或調整資本形式來規(guī)避稅負。結果不僅沒有保護勞動，反而可能提高合規(guī)成本，增加征管復雜性，并扭曲資源配置。稅制強調明確性、穩(wěn)定性，而AI本身迭代迅速、邊界模糊，若在此基礎上建立過于依賴嚴格界定征稅對象和精確劃分收益歸屬的征稅方案，制度實施成本往往會高于理論收益。
國際協(xié)調難度大。AI產(chǎn)業(yè)高度依賴無形資產(chǎn)、數(shù)據(jù)流動和跨境平臺經(jīng)營，其利潤形成和稅基歸屬具有全球化特征。如果單一國家率先推行AI稅或機器人稅，企業(yè)可能通過跨境定價、無形資產(chǎn)轉移和業(yè)務重組進行規(guī)避，從而引發(fā)新的稅收競爭與制度摩擦。正因如此，國際社會當前不直接推動AI稅，而是圍繞數(shù)字經(jīng)濟稅收協(xié)調、全球最低稅和利潤分配規(guī)則展開制度重構。
對AI征稅可行性的思考
筆者認為，由于對AI征稅的支持理論邏輯與現(xiàn)實約束并存，當前值得討論的，不在于是否立即開征一種新的AI稅，而是在現(xiàn)有制度框架下如何作出更現(xiàn)實、更穩(wěn)妥的政策選擇。
從國際實踐看，主要發(fā)達國家和經(jīng)濟體已有的制度性回應主要集中于數(shù)字經(jīng)濟稅收改革、自動化投資稅收激勵調整，以及圍繞能耗、碳排放、利潤分配等領域的間接調節(jié)，依托的是既有稅制工具，而非“另起爐灶”開征新稅。尤其是AI本身具有技術邊界模糊、迭代速度快、價值計量難、替代效應復雜等特征，若貿(mào)然設立AI專門稅種，無論在法理依據(jù)、稅基確定還是征管執(zhí)行上，都缺乏充分支撐?；诖?，相關稅制調整應審慎推進、漸進優(yōu)化。
避免采用過于依賴嚴格界定征稅對象和精確劃分收益歸屬的征稅方案。無論是按替代崗位計稅、按機器人數(shù)量計稅，還是對主要由AI實現(xiàn)生產(chǎn)的企業(yè)征收附加稅，都需要以精準識別技術屬性和替代關系為前提，這恰恰是目前最難解決的問題。稅制強調明確性、穩(wěn)定性，如果征稅對象長期處于模糊狀態(tài)，制度成本往往會高于其理論收益。
重視基礎能力建設和既有稅制優(yōu)化。一方面，逐步建立企業(yè)自動化投入、AI相關資本、崗位結構變化、利潤轉移和能耗擴張等方面的統(tǒng)計口徑與信息申報框架，把AI對稅基、分配和外部性影響轉化為可持續(xù)監(jiān)測、可評估、可比較的政策事實。另一方面，更多依托企業(yè)所得稅、數(shù)字經(jīng)濟稅收安排、最低稅規(guī)則、反避稅制度、資本成本扣除政策等既有制度工具進行結構性調節(jié)，而不是簡單增設新稅。
統(tǒng)籌考慮社?；I資改革。AI對稅制提出更深層挑戰(zhàn)，這不只是要不要征稅的問題，而是當勞動收入占比變化時，社會保障和公共服務籌資如何獲得更加穩(wěn)定的制度支撐。因此，有必要逐步推動社?；I資機制由工資基礎轉向更加廣泛、穩(wěn)定的基礎，這可能比簡單開征新稅更具現(xiàn)實可行性。
此外，隨著大模型訓練和推理活動的增加，數(shù)據(jù)中心的能耗和碳排放不斷上升，相比圍繞AI本體設計邊界模糊的新稅種，不妨圍繞能耗和碳排放等可計量對象實施稅費改革，可能更具操作性，同時更有利于對AI發(fā)展中的外部成本進行糾偏。
總體來看，對AI征稅問題的關鍵在于，如何在技術進步背景下重新平衡稅制的公平、效率與可行性。這不是一個簡單的“征”或“不征”的二元判斷，而是一個需要統(tǒng)籌技術發(fā)展、稅制公平、制度成本與國際規(guī)則的復雜治理命題。
（作者系中央財經(jīng)大學財政稅務學院院長、教授）
