数字经济时代，随着大模型、智能算法、自动化系统和机器人技术迅速发展，是否对人工智能（AI）征税，成为日益受到关注的税收议题。表面上看，这只是一个新征税对象的问题，但从本质上看，其实是在技术进步背景下税基结构如何变化、收入分配关系如何重构、税收制度如何适应国家治理新要求的问题。

近年来，国内外围绕对AI征税问题形成了两条并行的讨论路径：一条是开征机器人税或自动化税，即将AI和机器人视为替代人工的资本形态，希望通过税制改革对劳动力税基流失、失业风险上升和收入差距加大进行纠偏；另一条是将AI纳入数字经济税收改革框架，通过利润分配规则、全球最低税、数字服务税等制度工具应对跨境利润转移和税基错配。截至目前，主要经济体尚未形成真正意义上的“人工智能专税”，更多仍停留在讨论、提案、局部政策试验或既有税制调整层面。

CFP图

AI之所以会进入税收视野，是因为其正在改变传统税基的形成机制。现代税收制度，尤其是基于劳动收入建立起来的税费安排，在相当程度上依赖工资薪金、雇佣关系和劳动所得的稳定存在。如果企业越来越多地使用自动化设备、智能软件和算法系统替代人工，那么个人所得税、工资税以及社会保险缴费等以劳动为税基的收入来源就可能受到冲击，对此有研究将对AI征税问题概括为“财政税基与社保资金可持续性”问题。

AI还引发了资本与劳动税负关系的重新审视。在现行制度下，企业使用劳动力需承担工资、社保、培训等成本，而更多使用机器、算法和软件，未必对应同等税费负担。一个值得关注的问题应运而生：现有税制是否在客观上带来了“机器替代人工更省税”的效果？如果这一判断在一定程度上成立，那么税收中性和分配公平都将面临挑战。因此，对AI征税问题的实质，不只是新技术需不需要缴税，更是技术替代导致的税制失衡是否需要加以纠偏。

美国、欧盟、英国、韩国、意大利等经济体都曾围绕机器人税、自动化税等展开讨论。其中，美国联邦层面虽未正式立法，但纽约州提出以“被替代员工工资相关税费”为基础的机器人税法草案；意大利提出若企业生产活动主要由AI与机器人系统运行和管理，则提高企业适用税率，并允许企业通过再培训投入获得税收减免；欧盟层面曾对机器人税进行公开讨论，但最终没有采纳；英国在议会报告中明确反对机器人税，主张通过税收激励促进自动化投资。可见，各经济体虽然都意识到AI可能改变税收格局，但对如何回应并未形成统一答案。

目前，我国相关讨论更多集中在学术研究和公共政策层面，如能否对AI使用者或企业端征税、是否应通过社保缴费机制弥补劳动力税基、机器人替代人工后企业是否仍应缴纳社保费等问题。总体上看，国内相关理论和制度回应仍处于前期研究和审慎观察阶段。

支持对AI征税的理论逻辑可以概括为以下几个方面：

税基可持续逻辑。AI替代人工最直接的后果之一，就是以劳动为基础的税费收入可能受到挤压，尤其在自动化程度较高的行业，如果产出继续增长而同时就业人数减少、工资份额下降，那么传统税基结构就可能与经济结构发生脱节。支持者据此认为，税收制度应对技术替代导致的财政后果作出回应。

税收公平与税制中性逻辑。支持者认为，在现行税制下，资本替代劳动可能在税收层面享有某种隐性优势。企业更多依靠机器、软件和算法进行生产，不一定承担与雇佣劳动相当的社保和工资相关成本，由此可能形成对劳动与资本的不对称激励。若税制使劳动承担较重税负，却对替代劳动的资本扩张缺乏相应调节机制，就可能造成对某种生产组织方式的偏向，不利于税制中性。正因如此，有研究提出对使用AI、机器人的资本征税，或要求企业承担一定的劳动力市场社会责任，以实现资本与劳动之间更均衡的税制安排。

再培训与社会补偿逻辑。AI发展造成的重要挑战，不只是岗位是否消失，更在于岗位结构和技能结构的深刻重组，标准化、重复性、规则性强的工作更容易被替代，新创造的岗位往往对技能要求更高，劳动者需要不断再适应以及被再培训、再配置。因此，一些支持对AI征税的提案不是为了单纯增加财政收入，而是意在通过税制改革建立转型支持基金，把AI带来的部分收益用于劳动者再培训、社会补偿和过渡支持。如意大利曾提案将税率与员工培训投入相挂钩；美国纽约州机器人税法草案则主张以被替代员工工资相关税费为基础计算税负。

近年来，支持对AI征税的一方还获得了一些实证研究的支持。韩国相关研究发现，自动化投资成本提高后，机器人投资显著下降，企业层面出现用工增加和投资结构调整。一些研究甚至认为，原有的税收抵免可能引起低质量的过度自动化投资。由此看来，税收工具确实会影响企业自动化采用的节奏，通过税收手段干预并非完全没有依据。

需指出的是，支持对AI征税的观点虽然具有一定合理性，但其成立都有十分严格的前提条件：一是要识别AI确实对劳动税基造成了可观测的、持续的侵蚀；二是要能够证明这种侵蚀无法通过别的税制调整或社保筹资改革来弥补；三是要确保税收介入的收益大于其对创新和效率造成的损害。

反对或质疑对AI征税的观点，在当前阶段具有现实制度层面的说服力。

创新与生产率损失风险。AI作为新一轮科技革命的战略性技术，其核心价值不只在于替代部分劳动，更在于提升决策效率、组织效率和资源配置效率。如果在AI应用处于快速扩散和产业竞争格局未稳定的阶段，就对其加征专门税收，相当于一种惩罚。这不仅会抑制企业创新投入，还可能削弱数字化转型和产业升级动力。英国相关政策讨论中就曾明确反对机器人税，认为问题不是机器人太多，而是机器人还不够多，若过早征税，可能不利于生产率提升和国际竞争力增强。

面临税法技术障碍。到底什么是应税的人工智能？是一台具备识别和决策能力的工业设备，还是企业内部使用的算法模型？是一项独立销售的智能软件，还是嵌入业务流程的自动化系统？如果一项业务流程既有人工参与又有算法辅助，该如何判断其替代程度？这些问题都说明，AI本身不是一个明晰的征税对象。按替代岗位计税的方案，虽然在叙事上直观，但在实践中难以实现，因为岗位减少究竟源于技术替代、需求变化、管理优化还是宏观经济周期性波动，很难得到清晰证明。

选择性征税可能造成新的制度扭曲。如果只是对某类机器人、算法系统或自动化设备征税，企业很可能通过改变技术形态、重组组织模式、跨区域布局或调整资本形式来规避税负。结果不仅没有保护劳动，反而可能提高合规成本，增加征管复杂性，并扭曲资源配置。税制强调明确性、稳定性，而AI本身迭代迅速、边界模糊，若在此基础上建立过于依赖严格界定征税对象和精确划分收益归属的征税方案，制度实施成本往往会高于理论收益。

国际协调难度大。AI产业高度依赖无形资产、数据流动和跨境平台经营，其利润形成和税基归属具有全球化特征。如果单一国家率先推行AI税或机器人税，企业可能通过跨境定价、无形资产转移和业务重组进行规避，从而引发新的税收竞争与制度摩擦。正因如此，国际社会当前不直接推动AI税，而是围绕数字经济税收协调、全球最低税和利润分配规则展开制度重构。

笔者认为，由于对AI征税的支持理论逻辑与现实约束并存，当前值得讨论的，不在于是否立即开征一种新的AI税，而是在现有制度框架下如何作出更现实、更稳妥的政策选择。

从国际实践看，主要发达国家和经济体已有的制度性回应主要集中于数字经济税收改革、自动化投资税收激励调整，以及围绕能耗、碳排放、利润分配等领域的间接调节，依托的是既有税制工具，而非“另起炉灶”开征新税。尤其是AI本身具有技术边界模糊、迭代速度快、价值计量难、替代效应复杂等特征，若贸然设立AI专门税种，无论在法理依据、税基确定还是征管执行上，都缺乏充分支撑。基于此，相关税制调整应审慎推进、渐进优化。

避免采用过于依赖严格界定征税对象和精确划分收益归属的征税方案。无论是按替代岗位计税、按机器人数量计税，还是对主要由AI实现生产的企业征收附加税，都需要以精准识别技术属性和替代关系为前提，这恰恰是目前最难解决的问题。税制强调明确性、稳定性，如果征税对象长期处于模糊状态，制度成本往往会高于其理论收益。

重视基础能力建设和既有税制优化。一方面，逐步建立企业自动化投入、AI相关资本、岗位结构变化、利润转移和能耗扩张等方面的统计口径与信息申报框架，把AI对税基、分配和外部性影响转化为可持续监测、可评估、可比较的政策事实。另一方面，更多依托企业所得税、数字经济税收安排、最低税规则、反避税制度、资本成本扣除政策等既有制度工具进行结构性调节，而不是简单增设新税。

统筹考虑社保筹资改革。AI对税制提出更深层挑战，这不只是要不要征税的问题，而是当劳动收入占比变化时，社会保障和公共服务筹资如何获得更加稳定的制度支撑。因此，有必要逐步推动社保筹资机制由工资基础转向更加广泛、稳定的基础，这可能比简单开征新税更具现实可行性。

此外，随着大模型训练和推理活动的增加，数据中心的能耗和碳排放不断上升，相比围绕AI本体设计边界模糊的新税种，不妨围绕能耗和碳排放等可计量对象实施税费改革，可能更具操作性，同时更有利于对AI发展中的外部成本进行纠偏。

总体来看，对AI征税问题的关键在于，如何在技术进步背景下重新平衡税制的公平、效率与可行性。这不是一个简单的“征”或“不征”的二元判断，而是一个需要统筹技术发展、税制公平、制度成本与国际规则的复杂治理命题。