自動導航目錄

💥 AI稅是誰在先？全球政策攻防戰real-time觀察

美國2026年3月，前民主黨總統候選人Andrew Yang扔下一顆震撼彈：”是時候停止向勞動者徵稅，轉向對AI課稅了！” 此言一出，Washington的稅Policy圈子瞬間炸鍋。Yang不是唯一一個唱這套的——Brookings研究所在2026年初發布了长达213頁的報告，裡面仔細推演了”AI時代的公共財政”框架，主張用”task tax”（任務稅）替代傳統的所得稅。

Fred McKinney在CT Insider的觀點稿《An economist’s guide to taxing AI that replaces human labor》則從執行層面提出：AI稅應該copy能源稅、碳排放稅的邏輯，把外部性內部化。其中他还提到几个architectural選項：

• Training Cost Tax：對訓練大型模型的算力花費徵稅
• Output Value Tax：對AI系統產生的經濟價值抽成
• Audit-Bundle Approach：把AI系統和其稽核包當成一個”電子員工”來評估稅負

值得關注的是，
angle Yang的提案在Business Insider上被轉載後，有超過2.7M的瀏覽量，顯示公眾對這個話題的情緒已經從”跟你何干”轉為”我是不是會失業”。各州議員開始收到來自科技遊說集團的briefing papers，內容分歧嚴重：有些主張極度寬容的tax holidays（稅收假期）來吸引AI投資，有些則要求立即強制性的”robot tax”。

🌐 2027-2030年就業市場地震：92M職位消失背後的數字真相

WEF（世界經濟論壇）2025年發布的《未來就業報告》像一記當頭棒喝：未來五年，全球將有83M職位消失，僅創造69M新職位，淨損失14M工作機會。更甚者，到了2030年，AI和自動化將影響全球86%的企業，其中92M個職位將被AI取代，而新創職位會有170M——這 Mathematik 看似正數，但轉型痛楚集中在哪些產業、哪些年齡層，才是真正骨子裡的問題。

這裡有一個關鍵區別：”displacement”（取代）不等於”destruction”（毀滅）。很多工作不會完全消失，而是任務重新分配。RAND公司的研究指出，如果AI以成本價提供服務，可能引發通縮，讓聯邦債務償還壓力山大。但問題是，我們的稅收體系 Attachment 在”勞動所得”上，一旦工作量或工資下降，政府收入直接跳崖。

Brookings的Korinek和Lockwood在2026年1月的論文中進一步指出，聯邦稅收84%來自勞動收入。如果自動化加速，稅基萎缩可能比失業率上升更早發生——企業用AI替代員工不只是省工資，還省了payroll tax、social security contribution和unemployment insurance，這筆”隱形甜頭”必須被算進AI的總成本。

🔧 AI稅的技術實現路徑：從”按訓練成本課稅”到”obyektif稽核包”金融杠杠

說AI稅”不可行”的人通常會舉例：怎麼判定一個AI系統是否”取代了工作”？會不會tax compliance（稅務合規）的行政成本比稅收本身還高？這些疑慮都有道理，但Brookings報告提出了三層次框架，試圖把模糊概念變成可執行的數字：

• 第一層：訓練階段NI（十九里）：像徵resource consumption稅。每次跑一個大模型訓練，耗了多少GPU小時、多少電力度數，按比例抽稅。這類似能源稅邏輯，技術上很容易實現——雲端供應商Already capture這些數據了。
• 第二層：部署階段Task Counting：用”task equivalence”來衡量。如果一个AI客服一天處理3,000個查询，相當於50個真人客服的工作量，那這50個position的tax burden就轉移到AI廠商。這需要第三方稽核，但audit包已經是中專用術語。
• 第三層：成果價值捕獲：對AI創造的gross value added（GVA）抽成。這最Complex，但最公平。企業如果說”我的AI只是輔助工具”，那就拿出materiality proof來。

技術上，所有這些方案都可能通過API接口嵌入雲端平台。例如，AWS train a model 的請求會被自動計費並加上”AI training surcharge”。微軟Azure裡面的AI資源消耗會被即時申報。這不是幻想——歐盟的數位服務稅（DST）已經在apply類似邏輯，只是對象是廣告收入而非訓練成本。

⚖️ 深層protección：勞工vs.資本的稅收結構大革命

当前税收体系最大的玩笑是：當你失去工作時，你繳的稅少了，但你需要的社會福利卻变多了。與此同時，用AI取代你的公司不僅省了工資，還避開了所有與員工相關的稅——FICA、Medicare、失業保險金，這些原本應該由雇主負擔的部分，現在全=””> 轉嫁給剩下的勞動者和老闆自己。

這不只是一種”regressive”（累退）現象，而是系統性風險。如果AI大規模部署，政府會面對兩面夾擊：稅收萎縮 + 社會支出暴增。UBI（全民基本收入）的支持者如Andrew Yang就主張乾脆取消所得稅，轉向消费稅和AI稅的組合——你機器人幹嘛不直接交社保？

但反對者說：課AITax會”punish innovation”（懲罰創新）。Marty Kelsey在Forbes上撰文指出，很多AI工具是”small business enabler”（小企業助推器），一個月花20美元用ChatGPT的freelancer，和訓練自家LLM的大科技公司，怎麼能一視同仁？更何況，如果美國課稅而全球其他國家不課，企業會把整个AI team 搬到新加坡或Dubai去。

deepest irony（最深的諷刺）在於：當初設計payroll tax的時候，以為勞動收入會一直增長；現在勞動可能被稀釋，但資本收益在狂飆。如果不調整稅基，財政可持續性根本是空談。

🔄 如果AI税真的上路：企業策略、家庭財政與社會契約的三重迴圈

假設2027年AI稅法案通過，會發生什麼？

• 企業端：短期內會拼命把AI系統標記為”augmentation tools”（增強工具）而非”replacement systems”。审计需求暴增，催生一個全新的”AI tax compliance”行業。長期看，企業可能把自動化的速度從”激进”調到”穩健”，因為邊際稅收益開始顯現。
• 家庭端：如果稅收用于再培训和UBI试点，那些被取代的工人有機會過渡。但UBI的金額要是太低（比如每月$300），那只够买groceries，根本不能讓人有底气去重學新技能。McKinney在文章裡強調，AI稅的”revenue recycling”（收入循環）機制必須明確——錢不能進了general fund然後被拿去修路，而要鎖定在”human capital development”。
• 社會契約：這才是最大的變革。我們一直以為”工作=收入=社會地位”，如果AI工作效率是人的10倍，為什麼還要強迫每个人去”工作”？社會契約要從”勞動義務”轉向”參與義務”——參與社區服務、終身學習、照顧家人，這些都該算進”貢獻值”。

❓ 常見問題

AI稅會不會讓企業把工作機會直接移到海外？

這是最真實的擔憂。 unilateral AI tax（單邊AI稅）確實可能產生”carbon leakage”（碳洩漏）類似的效果。但解決方案是國際協調——就像OECD的全球最低稅一樣。各國可以同意對AI產出而不是企業利潤徵稅，這樣不管企業搬到哪，只要賣產品到美國市場就要交稅。

小型企業和自由職業者用ChatGPT也會被課稅嗎？

大概率不會。 所有提案都有threshold（門檻）設置。像Massachusetts的數位服務稅就只對全球收入超過$6B的企業生效。AI稅可能會類似，或者採用”de minimis”（微量豁免）規則——如果你的AI消耗資源低於某個極小值就免稅。目的是懲罰的是那些用AI大規模取代人力的巨头。

AI稅收入真的會用於幫助失業者嗎？

目前沒有法律保障，但政治壓力會很大。 如果稅收進了general fund（一般基金），可能被用於任何政府支出，包括軍費。這是為什麼很多經濟學家主張設立一個專責的”AI Transition Fund”（AI轉型基金），像Social Security信托基金一樣有隔離帳戶，確保錢真的流向retraining和UBI實驗。

📣 行動呼籲：成為轉型前期者，而非犧牲者

AI稅的討論不是遠在天邊的政策學術遊戲——它會直接影響你的職業路徑、投資組合，甚至你孩子未來的教育選擇。2026-2027年是關鍵窗口期：各州議員正在起草bill，企業正在做scenario planning（情境規劃），而你在這裡看到的是已經pipelined到2028的變化。

如果你是企業主，現在就該開始量測你的”AI Exposure Index”（AI暴露指數）：有多少工作任務可以被現有AI技術取代？三年內你可能會遇到什麼稅負？

如果你是勞工，別再說”我的工作很安全”。客服、行政、初級分析師、insurance理賠、醫療記錄編碼，這些都是high exposure。開始upskilling了，或者至少了解UBI的倡議團體在幹嘛。

siuleeboss.com將持續追蹤各州AI稅法案進展，提供基層分析。如果你企業有意見要提交，如果你組織想參與政策討論，或者你只是想知道怎麼在這場轉型中保護自己的資產，立刻聯絡我們，我們有完整的roadmap和合規策略專家網絡。

🔗 參考資料與延伸閱讀

• McKinney, F. (2026). An economist’s guide to taxing AI that replaces human labor. CT Insider. 原文連結
• Brookings Institution. (2026). The future of tax policy: A public finance framework for the age of AI. 閱讀報告
• World Economic Forum. (2025). The Future of Jobs Report 2025. 報告PDF
• Goldman Sachs Research. (2026). AI may start to boost US GDP in 2027. 分析文章
• McKinsey Global Institute. (2025). The economic potential of generative AI. 深入分析
• RAND Corporation. (2025). Federal Revenue When AI Replaces Labor. 工作論文
• Yang, A. (2026). Stop taxing labor. Start taxing AI. Business Insider. 言論轉載