當 AI 取代你的工作，誰來繳你那份稅？

本文整理自《The AI Daily Brief》2026 年 5 月播出的單集。

---

一道 10 萬美元的選擇題

假設你是一家中型企業的營運長，桌上有兩份報價。方案 A：僱用一位年薪 10 萬美元的資深分析師。加上薪資稅、代扣所得稅、失業保險、勞工補償和各種法遵成本之後，實際花費大約 13 萬到 14 萬美元。方案 B：訂閱一套 AI Agent 推理服務，年費 10 萬美元，分析能力與那位人類分析師大致相當。沒有薪資稅，沒有保險費，沒有加班費，沒有任何公共負擔。

如果純看能力和產出品質，兩個方案可能不相上下。也許 AI 快一點，也許人類在某些判斷上更可靠。但稅制在天平上放了一個看不見的砝碼：選人類，你要多付 30% 以上的公共附加費；選 AI，零。Podcast 節目 The AI Daily Brief 的主持人 NLW 點出了這個矛盾的核心：「你可以說這不是自由市場決定的自動化，而是稅制補貼的自動化。」

2026 年 5 月底，美國參議員華倫（Elizabeth Warren）在《時代》雜誌發表了標題直白的專文「為什麼我們需要對 AI 課稅」，密西根州參議員候選人 Mallory McMorrow 同一天提出了 Token 稅方案。這些提案引發了激烈的政治辯論。但在「該不該課稅」的攻防底下，藏著一個更根本、也更令人不安的問題：當生產力的主體從人類轉移到機器，建立在人類勞動之上的整個公共財政體系會發生什麼事？

35.1% 對上零：稅制裡的結構性裂縫

經合組織（OECD）2025 年的資料是理解這個問題的起點。各成員國對單一平均勞工的稅負，平均為勞動成本的 35.1%。這個數字涵蓋了所得稅、薪資稅（雇主和員工雙方繳納）、社會保險、失業保險。不管你在政治光譜上站在哪個位置，35.1% 就是現實：人類從事生產性工作，每賺 100 元，就有超過三分之一以各種形式流入公共財政。

這套制度的設計邏輯建立在一個前提上：勞動是主要的生產來源，而工資是絕大多數人參與經濟成長的管道。政府透過對工資課稅來支撐公共教育、醫療、退休金和社會安全網。在過去幾十年裡，這個循環運作得還算穩定，儘管不夠完美。

但 AI 正在動搖這個前提。想像一個客服中心的場景：原本 50 名客服人員的薪水，每一份都在產生所得稅和薪資稅。現在企業用 AI Agent 取代了其中 30 人。省下來的人力成本去了哪裡？不會變成另外 30 份可課稅的薪水，而是出現在財報上更低的營運費用、更高的每股盈餘，或是流進股東口袋裡的資本利得。這些項目的有效稅率遠低於勞動所得稅率，有些類型的成本節省甚至不會觸發任何稅務事件。

國際貨幣基金（IMF）2024 年就對這個動態發出了正式警告。他們明確指出，如果資本所得的稅率低於勞動所得，AI 驅動的勞動替代將系統性地侵蝕所得稅基。這不是反科技的論述，而是一個數學問題：稅收入帳少了，但社會安全網的支出不會跟著減少，反而可能因為失業人口增加而膨脹。

更弔詭的是，現行稅制本身就在加速替代的過程。因為人類勞動附帶的公共成本遠高於 AI 勞動（目前是零），在 AI 能力只需要跟人類「差不多好」的情況下，企業就有純粹出於稅務考量的動機去做替代決策。這不是市場效率在運作，是制度缺陷在推波助瀾。

為什麼是 Token？行政邏輯與哲學基礎

在所有可能的稅基選項中，Token 之所以被頻繁提及，首先是因為行政上的可行性。AI 推理服務商已經用 Token 作為計費單位，在上面疊一層附加費，在技術上跟對營業額課稅沒有本質差異。DuckDuckGo 執行長 Gabriel Weinberg 提出了具體的方案：在 Token 費用上加徵 10% 的附加費，比照雇主目前支付的薪資稅比例。稅款存入法定專戶，限定只能用於支援因 AI 而失業的勞工。Anthropic 執行長 Dario Amodei 的提案更簡單：AI 公司營收的 3% 交給政府進行再分配。他坦承這不符合自身經濟利益，但認為這是「合理的解決方案」。

NLW 在節目中承認，Token 作為衡量 AI 勞動的指標並不完美。但他接著問了一個很好的反問：工時是衡量人類勞動價值的完美指標嗎？顯然也不是。一個律師的一小時和一個行政助理的一小時，經濟價值天差地別，但薪資稅一視同仁地適用。稅基的選擇從來不是追求完美的精確度，而是在可行政管理和經濟重要性之間找到可接受的折衷。

Token 稅背後有一層更深的哲學基礎。勞動稅本質上是一種社會宣告：當一個人把時間、技能和努力轉化為經濟產出，社會有權分享其中一部分來資助公共建設。這在「勞動等於生產」的時代完全合理，因為工資是一般人分享經濟成長果實的主要管道。但如果 AI Agent 開始承擔越來越大比例的生產性工作，「只對人類勞動課稅」這個預設就出了問題。NLW 的說法很精確：這等於是在對我們最想保護的東西課稅，包括就業本身、薪資所得、以及勞動者的議價能力，同時讓新的生產力來源完全免除公共義務。

Token 稅因此可以被理解為一種觀念的延伸：把資助社會的義務從「人類的辛勞」轉移到「生產力本身」。不是要懲罰 AI，也不是要阻止自動化，而是讓稅基跟上生產力轉移的現實，消除稅制對人類勞動的懲罰性偏見。

聽起來合理，做起來全是坑

理論上的優雅不等於實務上可行。部落客 David Friedman 在一篇回應 Mark Cuban 的文章中，用具體的數字拆解了 Token 稅在執行面的致命問題。

最根本的挑戰是：Token 和經濟價值之間沒有穩定的對應關係。同樣是一百萬個 Token，可能被拿來生成垃圾郵件，也可能在執行價值連城的法律分析。可能在幫一個學生寫作業，也可能在協調一條跨國供應鏈。每個 Token 的經濟產出差異可達數個數量級。而且大量 Token 消耗根本不涉及任何經濟產出，拿來聊天、學習、娛樂的使用量不會比商業用途少。

然後是「分詞器內生性」的技術障礙。不同模型的分詞器把同樣的內容切成不同數量的 Token。中文文本是英文的 2 到 3 倍，程式碼是自然語言的 1.5 到 2 倍，某些使用人數較少的語言可以是 10 到 15 倍。一個統一的 Token 稅率，會在跟被課稅的外部性完全無關的基礎上，對不同語言和不同用途的使用者製造歧視。

但最具毀滅性的數學問題是價格通縮。過去兩年，每 Token 的價格以大約每年 200 倍的速度下降。Friedman 的試算簡單但致命：如果稅率固定在每百萬 Token 50 美分，第一年這大約是前沿模型價格的 5%，在合理範圍內。但因為模型價格每年跌 200 倍，到了第三年，同樣的稅率會變成價格的 1,000%。國會要不就跟著降稅率（稅收崩潰），要不就維持原稅率（變成沒收性課稅）。在一個價格以指數速度下降的市場裡，不存在讓稅收穩定成長的均衡點。

最後是地理套利。Token 稅是對供應商課稅，但供應商不必設在美國。一個只對美國供應商課徵的 Token 稅，在效果上就是對非美國推理服務的補貼。企業會透過海外 API 供應商、設在免稅管轄區的模型託管平台來規避稅負。用 Friedman 的話說：「美國對美國供應商課的每 Token 稅，在結構上是對非美國推理服務的進口替代補貼。」

布魯金斯學會的兩階段替代方案

不是所有反對 Token 稅的人都否定問題本身。布魯金斯學會今年一月發表的《AI 時代的公共財政》工作論文，承認 AI 有可能同時侵蝕勞動所得稅和人類消費稅這兩大現代稅基，但提出了一個比 Token 稅更細緻的應對框架。

第一階段是「人類仍在消費」的過渡期。在這個時期，勞動力逐漸被取代，但人類還是經濟中的主要消費者。布魯金斯主張，這個階段不該對生產端的 Token 課稅，而是在最終消費端課稅，整合到現有的消費稅或增值稅基礎設施裡，讓 B2B 的中間使用享有豁免，避免稅負層層堆疊產生扭曲效應。

第二階段是所謂的「AGI 經濟」，AGI 既是自主的生產者也是消費者，屆時需要的是直接對 AGI 實體課徵的資本稅制。這個階段目前還太遙遠，但提前思考框架有其價值。

論文反覆強調的核心概念是中間使用和最終使用的區別。如果 Token 稅適用於企業的研發用途、製造業的工作流程、或是 AI Agent 的實驗性部署，那它本質上就是對中間生產課稅，會扭曲企業對新技術的採用和投資決策。就像對原物料層層課稅會推高最終產品價格一樣，對中間使用的 Token 課稅也會製造不必要的摩擦。

我的觀察：真正的危險是稅制在幫你做決定

在這場辯論中，我最在意的不是 Token 稅的技術細節，而是一個更基本的事實：現行稅制正在不知不覺中成為自動化的推手。

NLW 自己也承認，他認為 AI 取代人類工作的恐慌被「嚴重誇大了」，人們會持續找到新的工作型態，工資稅基不會像某些人擔心的那樣崩潰。但即使他是對的，問題的結構仍然存在：在人類和 AI 能力相當的情境下，稅制系統性地偏袒 AI 選項。這代表有些工作不是因為 AI 做得更好才被替代，而是因為稅制讓 AI 的綜合成本更低才被替代。

布魯金斯的框架提供了一個值得考慮的方向：與其急著在生產端課 Token 稅（帶來分詞器歧視、價格通縮、地理套利等一堆問題），不如先在最終消費端整合到現有稅基，同時著手處理人類勞動與 AI 勞動之間的稅務不對等。也許可以從降低人類勞動的薪資稅開始，用其他稅源補上缺口。重點不是從 AI 身上多拿一塊錢，而是不再讓稅制把人類推出勞動市場。

不管最終方案長什麼樣子，這場對話都必須繼續下去。把所有 AI 稅制提案都斥為「扼殺創新」和把所有 AI 企業都視為「避稅的科技巨頭」一樣，都是拒絕正視一個真實問題的方式。現行稅制不是為 AI 時代設計的，而修補它的第一步，是承認它需要被修補。