**如何向AI征税**
随着人工智能（AI）带来的红利越来越多地体现为头部企业的利润和资本增值，劳动收入、就业与居民消费可能面临压力。建立在工资、社保和消费之上的传统税收体系，正遭遇“公共支出需求上升、广义税基反而收缩”的结构性矛盾。因此，向AI征税不应仅仅是增加新技术的税负，而是要使分配机制适应收入由劳动向资本转移的长期趋势。未来，单一税种难以完成再分配，更可行的方向是以资本税基改革为基础，辅以AI税和Token税，并通过公共财富基金和国资持股将分配节点前移。AI对现实的影响仍处于早期阶段，但分配制度的调整具有明显滞后性：相关讨论越早开始，未来应对技术性失业、财政转型与社会分化的政策空间也就越大。
**一、AI加剧分配矛盾，广义税基面临收缩**
现代税收体系很大程度上建立在劳动和消费之上。劳动对应个人所得税与社保税，消费对应消费税及相关场景税种。以美国为例，2023年个人所得税占比约39.9%，社保税占24.0%，消费税占16.8%，三者合计约80.7%；相比之下，企业所得税仅占8.3%，财产税占11.0%。
AI正在同时侵蚀劳动和消费这两个重要税基。如果AI替代部分劳动，可能导致技术性失业和收入下降，进而压缩消费能力，导致广义税基收缩。然而，AI创造的利润更多集中于少数科技企业、股东和资本持有人。尤其是近期Agent应用的爆发，绝大多数场景仍以对旧流程环节的替代为主：算法、数据和模型替代部分脑力与体力劳动，其损失被劳动所得吸收；而效率提升和裁员带来的收益则被企业利润、股价和资本利得吸收。这将进一步加剧劳动与资本之间的再分配矛盾：未来社会对公共财政在失业救济、医疗、教育、养老及社会稳定方面的需求将上升，但传统劳动和消费税基却在收缩；而真正获得AI红利的资本税基又难以完全对冲这一缺口。
对于美国经济而言，其财政体系高度绑定就业、工资收入和居民消费，与以消费为导向的增长模式相匹配；但在AI可能改变劳动收入分配、就业结构和消费能力的背景下，这一财政机制亟需重新设计。
**二、AI时代亟需建立新的分配机制**
科技企业并非完全无视AI替代劳动可能带来的社会后果。OpenAI和Anthropic等头部企业多次表达过“科技企业责任感”。一方面，它们在资本市场上讲述AI提高效率、扩大利润、重构组织的故事；另一方面，它们也深知，如果技术性失业、贫富分化和社会不稳定加剧，AI产业的社会合法性、监管环境和长期发展也会受到影响。
过往经验表明，宏观分析往往高估短期影响（如对AI提升效率叙事的过度强化、对就业冲击的极度悲观），而低估长期影响。因此，关于AI税的讨论宜早不宜迟。
实际上，各国政府已开始探索AI时代的财富积累与再分配安排。例如，美国的“特朗普账户”旨在为儿童、未来劳动力和AI时代原住民提前积累资产，让年轻一代能持有股票、分享资本市场和技术进步红利；韩国提出的“公民红利”，也是通过公共收益、国家资源或资本收益建立分配机制。这些制度安排背后的思路是一致的：若AI红利主要流向资本，就必须让更多人以某种方式拥有资本、分享资本收益，而不能仅依赖工资。
**三、AI时代的四种潜在分配方案**
具体来看，AI时代有四种潜在分配方案，各有利弊：
**第一种方案：提高企业所得税和资本利得税，直接扩大资本税基**
这是最简单直接的办法：AI时代资本收益上升、劳动收益下降，就应当对资本扩大税基、对劳动适当减轻税负。该方案的优点是直接、清晰，不需区分收入来源，延续既有税制体系，破坏度较低，实操性强。但难点也很明显：AI是无形资产，流动性强。Token生成、使用以及收入确认的属地识别存在难题；尤其是跨国企业长期依赖的利润转移和避税安排，将加剧识别难度和税率制定空间。
**第二种方案：直接征收AI税、机器人税**
OpenAI着重讨论的AI税属于这一思路，其核心是如果企业使用机器人或AI替代劳动力，就应支付类似该劳动者原本缴纳的部分税收，用于支持再培训和社会保障。该方案的优点是针对性强，可以直接把AI替代劳动的外部性内部化。但难点在于识别问题：AI与普通资本之间的边界很难界定，服务器、自动化设备与软件更新等到底归属于AI投入还是传统资本开支存在模糊地带，会给企业带来极大的规避空间；此外，税率的执行也可能扭曲企业决策，导致AI技术渗透放缓。因此，AI税和机器人税可以作为补充工具，但很难单独成为AI时代税制基础。
**第三种方案：征收Token税**
Token税的逻辑类似碳税或碳排放税：只要能够观测、计量和记录Token相关活动，就可以按调用量征收。从技术层面看，Token税具有识别上的部分优势，模型调用次数和Token使用量等都可以在企业内部较准确记录。但其核心难题仍是税收属地的识别问题：Token可以在某些“零税率国家”生成，在“高税率国家”消耗，从而形成离岸规避。除此之外，还有Token的“质量问题”，前沿模型和主流模型的Token质量若存在明显差异，税制安排也需要做出调整。因此，Token税若要真正有效，需要国际协调和针对Token质量构建起可量化的观测体系；否则，企业的税制套利空间依然巨大。与机器人税类似，Token税可以作为补充税种，尤其适用于大模型平台、云计算公司，但难以独当一面。
**第四种方案：从二次分配转向一次分配**
比起事后征税再分配，更根本的方式是改变初始分配，让公众直接拥有AI资本。政府介入，社会分享的节点不应等到企业赚到大量利润后，而是公众、政府或主权财富基金一开始就持有关键企业、数据平台、算力基础设施和技术企业的部分股权。这也是我们常说的“国资入股”的一种制度表达形式。实际上，过去一年来我们看到全球国资入股AI企业的进程正在快速演绎：中国产业大基金投资DeepSeek，美国政府持有英特尔，以及探讨对OpenAI和Anthropic的潜在持股。这一模式本质上是让AI红利不只流向创始人、股东和风险资本，而是部分进入公共资产负债表——也可以帮助国家财政体系的转型。总的来说，AI时代的再分配不应只解决今天有没有钱花，还应解决明天是否有能力工作、是否有机会参与新经济、是否能够分享资本红利。公共财富基金不是单纯社会福利工具，而应成为人力资本、社会保障和经济转型的长期资本。
**风险提示**
1. AI技术对职业暴露度更新不够及时全面，存在数据统计偏差。
2. AI Agent能力发展弱于预期，导致对应的劳动力规模产生明显变化。
3. 全球央行快速转向，带来全球二轮通胀风险，压制全球需求，劳动力裁员胜过AI影响，降本增效属性被淡化，引发更大规模AI投资回报率担忧。