宋雪涛：如何向AI征税？

来源：市场资讯

（来源：宋雪涛 钟天雪涛宏观笔记）

向AI征税并不只是为一种新技术增加税负，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。

文：国金宏观宋雪涛/联系人钟天

AI带来的收益越来越多以头部企业利润和资本增值的形式实现，而劳动收入、就业与居民消费可能承压，建立在工资、社保和消费之上的传统税收体系将面临“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征税并不只是为一种新技术增加税负，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。未来难以依靠单一税种完成再分配，更可行的方向是以资本税基改革为基础，以AI税和Token税作为补充，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放大本就严峻的分配问题，广义税基可能被持续压缩

现代税收体系很大程度建立在劳动和消费之上。劳动对应个税与社保税，消费对应消费税和与场景相对应的其他税种。

2023年，个人所得税占美国总税收约39.9%，社保税/工资税占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两个重要税基：若AI替代一部分劳动，我们可能看到的是技术性失业和收入下降，并将导致消费受损，压缩广义税基。

但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。尤其是去年底出现的Agent应用，绝大多数场景仍以对旧流程环节下的替代为主：算法、数据和模型替代部分脑力与体力劳动，损失被劳动所得吸收；效率提升和裁员收益则被企业利润、股价和资本利得吸收。

这些都会进一步加剧劳动与资本之间的再分配矛盾：未来社会更需要公共财政来应对失业、医疗、教育、养老和社会稳定，但传统劳动和消费税基逐步收缩；而真正获得AI红利的资本税基却又难以完全对冲。

对于美国经济而言，其财政体系本身就高度绑定就业、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，这一财政机制也需要被重新设计。

二、AI时代需要新的分配机制

科技企业并非完全没有意识到AI替代劳动可能带来的社会后果，包括OpenAI和Anthropic在内的头部科技企业不止一次表达过AI时代的“科技企业责任感”。

一方面，科技公司在资本市场上讲AI提高效率、扩大利润、重构组织的故事；另一方面，它们也知道，如果技术性失业、贫富分化和社会不稳定扩大，AI产业自身的社会合法性、监管环境和长期发展也会受到影响。

过往的经验证实，宏观分析往往高估短期影响，比如AI提升效率叙事的过度强化，对就业冲击的极度悲观；但也常常低估长期影响，因此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。

比如美国的特朗普账户创立逻辑之一是为儿童、未来劳动力和AI时代原住民提前积累资产，让年轻一代能够持有股票、分享资本市场和技术进步红利。韩国提出的公民红利，也体现出类似方向：通过公共收益、国家资源或资本收益建立分配机制。

不同的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，而不能只依赖工资。

具体来看，AI时代有四个潜在分配方案，各有利弊：资本税基改革、AI税、Token税，以及一次分配。

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；只要企业利润增加、资本收益增加，就可以通过现有税制再分配，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、以及收入确认国家可能都不一样，存在税收的属地识别难题；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。

这一方案的优点是针对性强。它可以直接把AI替代劳动的外部性内部化，让企业在使用自动化替代人类时，承担部分社会成本。

但难点依然在于识别问题：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较大模糊地带，将会给企业带来极大的规避空间；除此之外，税率的执行也可能扭曲企业决策，导致AI技术渗透放缓，甚至影响既定的生产率提升。

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。

这也是我们常常提到的“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。AI对现实的影响仍处于早期，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。

风险提示

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。

团队介绍

宋雪涛：美国北卡州立大学经济学博士，发表有CF40专著、学术论文、央行工作论文等。上榜金牛、21世纪、Wind、上证、新浪、IAMAC、水晶球等评选，新财富23年第5。

政策研究：

赵宏鹤（中央财经大学金融学硕士），负责重大战略政策和国际关系研究。

张馨月（中国人民大学应用经济学硕士），负责经济政策和财政研究。

宏观经济：

孙永乐（中央财经大学产业经济学硕士），负责国内宏观经济和货币流动性研究。

钟天（芝加哥大学经济学硕士），负责海外经济和全球货币政策研究。

产业研究：

厉梦颖（英属哥伦比亚大学区域规划硕士），负责贸易政策、企业出海、产业趋势和宏观ESG研究。

资产配置：

陈瀚学（加州大学河滨分校金融学硕士），负责海外市场分析和大类资产研究。

报告信息

证券研究报告：《如何向AI征税》

对外发布时间：2026年7月20日

报告发布机构：国金证券股份有限公司

证券分析师：宋雪涛

SAC执业编号：S1130525030001

邮箱：songxuetao@gjzq.com.cn

证券分析师：钟天

SAC执业编号：S1130526020001

邮箱：zhongtian＠gjzq.com.cn