AI 該不該繳稅？從華倫到 Amodei，一場正在升溫的辯論

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

---

一週之內，所有人都在談 AI 課稅

5 月 28 日，美國聯邦參議員華倫（Elizabeth Warren）在《時代》雜誌發表了一篇專文，標題直截了當：「為什麼我們需要對 AI 課稅。」同一天，密西根州聯邦參議員候選人 Mallory McMorrow 公布了一套完整的 AI 勞工保護政策，核心提案之一就是對商業 AI 使用量課徵 Token 稅。兩份重量級政策文件在同一天問世，不是巧合，而是一個訊號：AI 課稅已經從邊緣議題升級為主流政治議程。

這場辯論其實早在幾週前就開始加溫。投資人 Mark Cuban 在社群媒體上公開倡議 Token 稅，DuckDuckGo 執行長 Gabriel Weinberg 提出了具體的 10% 附加費方案，而 Anthropic 執行長 Dario Amodei 更在 Axios 的採訪中主動表示，將 AI 營收的 3% 交給政府進行再分配，是「合理的解決方案」。當一家頂尖 AI 公司的創辦人願意公開支持對自己的產品課稅，你知道對話的性質已經不同了。

Podcast 節目 The AI Daily Brief 的主持人 Nathaniel Whittemore（以下簡稱 NLW）花了一整集來拆解正反兩面的論述。他的開場白值得反覆咀嚼：「如果我們真的正在進入一個根本性不同的時代，那麼過去行之有年的政策，可能在新的環境下根本說不通。」這不代表我們必須接受每一個新提案，但本能地拒絕所有政策討論，對 AI 產業本身也沒有好處。

提案者的光譜：從國會議員到科技執行長

華倫的專文把焦點放在資料中心的能源使用上。她主張對 AI 資料中心使用的電力課徵消費稅，規模越大的資料中心稅負越重。她的論述框架是分配正義：「對 AI 課稅，是確保 AI 紅利惠及所有美國人，而非只流向少數富人的方法之一。」在她的設想中，稅收將用來支撐全民健保、免費教育、學徒制度、就業保障，以及給因 AI 失業者的救濟。她特別點出，大多數 AI 資料中心由市值兆元的企業控制或營運，這些公司有能力承擔合理的稅負。

McMorrow 的提案更具操作性。她提出了「AI 勞動力再投資基金」，要求透過自動化取代人力的企業出資支持學徒計畫和再訓練方案。Token 稅被定位為「對商業公司 AI 使用量收取的適度費用，確保 AI 規模擴大的同時，勞動者也能分享到好處」。NLW 認為，這份政策的許多條款寫得認真、有誠意，未來很可能出現在其他候選人的政見或法案中。

NLW 自己的立場也很有意思：如果選項是桑德斯（Bernie Sanders）和科爾特斯（AOC）主張的資料中心禁建令，還是華倫的「讓所有人分享紅利」路線，他寧願選後者。「你不一定要同意華倫的每一個細節，」他說，「但至少她的出發點是讓產業繼續發展，同時處理分配問題。」

來自科技業內部的聲音更令人意外。Mark Cuban 在社群媒體拋出 Token 稅概念後，立刻遭到猛烈回擊。前微軟高層、投資人 Steven Sinofsky 寫下「想像一下 1995 年課一個位元稅」，暗示這會扼殺數位時代的萌芽。Anduril 創辦人 Palmer Luckey 直言，這只是「對美國企業課稅，讓外國模型和產品變得更有吸引力，順便建立一個政府追蹤所有 AI 使用行為的基礎建設」。Flexport 執行長 Ryan Peterson 的評價最不留情面：「宣稱 Token 稅能幫 AI 公司省錢，榮獲 2026 年最蠢經濟思維獎。考慮到今年的競爭多激烈，能拿到這個獎很不容易。」

但支持陣營也不弱。Gabriel Weinberg 四月底公開主張立即開徵 AI Token 稅，建議稅率為 Token 費用的 10%，比照雇主支付的薪資稅比例。稅款存入法定專戶，限定用途為支援因 AI 失業的勞工。他說 DuckDuckGo 本身也願意支付這筆稅，並支持相關立法。Dario Amodei 的表態更為引人矚目。他提出的方案是：每次有人使用模型並讓 AI 公司賺到錢，其中大約 3% 的營收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」。Axios 補充道，如果 AI 如 Amodei 預期的速度成長，這筆稅收規模可達數兆美元。

為什麼要課稅？稅基侵蝕的結構性邏輯

在政治攻防的背後，有一個嚴肅的經濟學問題。經合組織（OECD）2025 年的資料顯示，各成員國對單一平均勞工的稅負平均為勞動成本的 35.1%，包括所得稅、薪資稅、失業保險和勞工保險。不管你覺得這個比例合不合理，這就是現行制度的起點。

當人類做客服、做分析、處理醫療文書、做會計時，產生的收入會透過所得稅和薪資稅進入公共財政。但當 AI Agent 做同樣的工作，創造的價值呈現為更低的營運成本、更高的利潤率，或是股價上漲帶來的資本利得。這些項目的稅率遠低於勞動所得稅，有些甚至不容易被課到稅。國際貨幣基金（IMF）早在 2024 年就發出警告：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。這不是推測，而是國際財政機構認定的結構性風險。

NLW 用了一個簡潔的思想實驗來說明問題。假設你是企業主管，面前有兩個選項：花 10 萬美元僱一個人，附帶薪資稅、代扣所得稅、失業保險和勞工補償；或者花 10 萬美元購買 AI 推理服務，沒有任何等同於勞動稅的附加成本。即使 AI 只比人類稍微好一點，稅制本身就在把企業推向自動化。「你可以說這不是自由市場決定的自動化，」NLW 指出，「而是稅制補貼的自動化。」

Token 被提出作為稅基，是因為它已經是 AI 推理服務商的標準計量單位。在上面加一層附加費，在技術和行政上都相當直觀。Token 不是衡量 AI 勞動的完美指標，但工時也不是衡量人類勞動價值的完美指標。稅基的選擇從來不是追求完美，而是在可行性和經濟意義之間做取捨。

更深一層看，勞動稅隱含的社會契約是：當一個人把時間、技能和精力轉化為經濟產出，社會有權分享其中一部分來資助公共建設。但如果 AI Agent 承擔了越來越多的生產性工作，只對人類勞動課稅的結果，就是對我們最想保護的東西加重負擔，包括就業、薪資所得和勞動者的議價能力。NLW 這樣總結：「Token 稅是一種主張，認為資助社會的義務應該附著在生產力本身，而不只是人類的辛勞。」

反對者的三支利箭

部落客 David Friedman 在一篇回應 Mark Cuban 的長文中，系統性地拆解了 Token 稅的技術缺陷，論點精準且有力。

第一支箭是「價值脫鉤」。同樣是一百萬個 Token，可能被用來產生垃圾郵件、摘要一本小說、協調一條供應鏈，或是執行高價值的法律分析。每個 Token 的經濟產出可以相差好幾個數量級。更重要的是，大量被消耗的 Token 根本不是在做有經濟產出的工作，學生拿來學微積分、創作者拿來寫迷因，這些使用行為沒有產生任何可課稅的經濟價值。對所有 Token 一視同仁地課稅，在經濟學上說不通。

第二支箭被稱為「分詞器內生性問題」。不同的 AI 模型對同樣的內容會產生不同數量的 Token。中文文本消耗的 Token 數量是英文的 2 到 3 倍，程式碼是自然語言的 1.5 到 2 倍，某些資源較少的語言可能高達 10 到 15 倍。一個按 Token 計算的統一稅率，會在與被課稅的外部性完全無關的基礎上，對不同語言的使用者和供應商產生歧視。Friedman 特別指出，設計分詞器的正是那些要繳稅的供應商本身，這讓整個制度的中立性從根本上就有問題。

第三支箭是價格崩跌的數學問題。過去兩年，每 Token 的價格以大約每年 200 倍的速度下降。Friedman 算了一筆直覺的帳：假設稅率固定在每百萬 Token 50 美分，第一年這大約是前沿模型價格的 5%。但到了第三年，因為價格跌了 200 倍再 200 倍，同樣的稅率變成了價格的 1,000%。國會面臨不可能的選擇：跟著價格調低稅率，稅收崩潰；不調，稅就變成沒收性質。「不存在穩定的均衡點，」他寫道，「能讓這個稅收制度籌到 30 到 100 倍的稅收，而不會在過程中變成一個完全不同的政策。」

地理套利是另一個繞不過去的問題。Token 稅是對供應商課稅，但供應商可以在地球上任何地方。一個只對美國供應商課徵的 Token 稅，在結構上就等於對非美國推理服務的進口替代補貼。美國企業客戶會透過外國 API 供應商、設在免稅管轄區的模型託管平台，或是混淆底層供應商身分的聚合層來繞道。正如 Palmer Luckey 所言：這只會讓外國模型更有競爭力。

學術界的第三條路

布魯金斯學會今年一月發表了一篇名為《AI 時代的公共財政》的工作論文，試圖用更系統性的框架來處理這個問題。論文的出發點是承認，AI 有可能同時侵蝕現代稅制的兩大支柱：勞動所得稅和人類消費稅。這意味著稅基確實需要轉移，但「怎麼轉」比「該不該轉」複雜得多。

論文提出了一個兩階段的框架。第一階段是勞動力開始被取代、但人類仍是主要消費者的時期。在這個階段，他們主張正確的工具不是對生產端課稅，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中，並且豁免企業對企業（B2B）的中間使用。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，需要的是更深層的、直接對 AGI 實體課徵的資本稅制。

論文反覆強調的核心，是中間使用和最終使用的區分。如果 Token 稅適用於企業用途、研究用途、製造業用途，或是 AI Agent 工作流程的探索，那它本質上就是對中間生產課稅，會扭曲生產性投資和技術採用的決策。Brookings 的立場很明確：只有在最終消費端課徵的 Token 稅，才能避免這種連鎖效應。

我的觀察：重點不是稅率，而是我們願不願意面對問題

這場辯論裡，我覺得最值得注意的不是任何一個具體的稅率或方案，而是它暴露出來的共識：現行稅制在面對 AI 時代時，存在結構性的盲點。人類勞動附帶 35% 的公共財政成本，AI 勞動附帶零成本，這個不對等不是市場選擇的結果，而是制度設計的遺漏。所有參與辯論的人，不管支持或反對 Token 稅，對這一點基本上沒有異議。

NLW 在節目中坦言，他認為勞動替代的恐慌被「嚴重誇大了」，人們會持續找到新的工作方式，工資稅基不會像 Token 稅支持者擔心的那樣崩潰。他更傾向一種「務實的收買策略」：讓資料中心的建設者和 AI 公司主動補貼社區的電費、創造在地就業、投資公共基礎建設，用看得見的好處換取社會的接受。比起一個可能扭曲創新的稅制，這條路或許更不容易出錯。

從臺灣的角度看，這場辯論有一層很少被提到的含義。如果美國真的對本土 AI 供應商課徵 Token 稅，Friedman 警告的「進口替代補貼」效應就會啟動，推理算力會加速外移。臺灣作為 AI 晶片供應鏈的核心，可能在這波轉移中扮演特殊角色。但更根本的問題是：AI 課稅不只是美國的內政議題，它的漣漪效應會影響全球 AI 基礎設施的布局，而臺灣處在漣漪的正中央。

NLW 說得好：「如果變革真的如我們相信的那麼巨大，我們就必須願意進行奇怪的、不舒服的、前所未有的對話。」這場對話才剛開始。