Token 稅會殺死 AI 創新嗎？大企業與新創的不對等戰爭

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

---

效率 AI 與變革 AI：一場正在分叉的選擇

2026 年的 AI 產業正處在一個微妙的十字路口。算力的需求遠超基礎設施的供給，Token 價格在上漲，企業開始收緊 AI 的使用權限。這種資源稀缺的壓力產生了一個可以預見的後果：公司越來越傾向把 AI 投入已經知道能帶來回報的用途。讓客服更便宜。讓分析師出報告更快。讓業務寫郵件的速度翻倍。這些都是有價值的應用，但它們有一個共同點：都是在既有商業模式裡做效率優化。

Podcast 節目 The AI Daily Brief 的主持人 NLW 把這類應用稱為「效率 AI」，並提出了一個尖銳的對比：AI 最大的價值可能不在於讓現有工作流程快 20%，而在於打開全新的可能性。那些目前還沒人試過、報酬率未知、需要大量 Token 消耗來探索的應用。問題是，探索性實驗是最先被砍預算的項目，因為它無法在季報上展示出具體數字。

就在這個背景下，美國正在認真討論對 AI Token 課稅。參議員華倫（Elizabeth Warren）主張對資料中心能源課稅，密西根州參議員候選人 Mallory McMorrow 提出了 Token 稅方案，Mark Cuban、DuckDuckGo 執行長 Gabriel Weinberg、甚至 Anthropic 執行長 Dario Amodei 都公開支持某種形式的 AI 稅。支持者的論點有其道理：AI 創造的經濟價值目前幾乎不被課稅，這讓稅制系統性地偏袒自動化。但 NLW 提出了一個他認為最有力的反對理由：Token 稅會加劇「已知投報率偏誤」（known-ROI bias），讓效率 AI 擠壓掉變革 AI 的生存空間。

當 Token 變貴，探索性實驗第一個被犧牲

NLW 把這個機制講得很具體。目前 AI Token 價格已經因為供需失衡而在上漲。企業的自然反應是把 Token 預算集中在投資報酬率最清楚、最容易衡量的用途上。客服自動化能省多少人力成本，一個月就看得出來。銷售團隊用 AI 寫開發信，轉換率的變化兩週就有資料。這些都是好用途，但它們的共同特徵是在既有的商業模式內做增量改善。

相較之下，真正可能帶來突破的應用，需要的是開放式的探索。用 AI 測試全新的產品概念、用 Agent 嘗試從未有人做過的工作流程、讓研發團隊大量實驗不同的方法論。這些探索的投資報酬率在事前是未知的，消耗的 Token 量往往很大，而且多數實驗會失敗。這正是它們最先被砍的原因。

如果在這個已經傾斜的天平上再加一層 Token 稅，效果是可以預見的：企業會更進一步把 AI 使用限縮到「安全賭注」。NLW 認為，這將嚴重削弱私部門去發現 AI 最高價值用途的能力。他的核心主張是：AI 最大的經濟價值不在於讓現有的工作便宜 20%，而在於創造出目前根本不存在的新機會。但發現這些機會需要大量的、看似浪費的探索性 Token 消耗。一個對所有 Token 一視同仁課稅的制度，會系統性地懲罰這種探索行為。

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，從學術角度呼應了這個擔憂。論文反覆強調中間使用和最終使用的區別：如果 Token 稅適用於企業的研發、製造流程，或是 AI Agent 工作流程的實驗性部署，本質上就是對中間生產課稅，會扭曲企業的技術採用和創新投資決策。布魯金斯的建議是，任何形式的 AI 稅都不應該觸及 B2B 的中間使用環節。

大企業有逃生通道，新創沒有

NLW 提出的第二個關鍵問題是：Token 稅在任何現實情境下，都不會平等地落在每個市場參與者身上。大企業擁有一整套緩衝機制，而新創公司和中小企業沒有。

首先是議價能力。大企業跟 AI 供應商之間的關係不是「打開網站按定價購買」，而是談合約、鎖定量價、取得折扣。年度推理服務的採購金額越大，每 Token 的實際成本越低。Token 稅如果按照定價計算，大企業實際承擔的稅率會低於帳面稅率。

其次是自建能力。有足夠資源的企業可以選擇自行部署開源模型，完全繞過商用推理服務和附帶的 Token 稅。微軟、Google、Meta 這個等級的公司本來就在自建 AI 基礎設施；中大型企業也越來越多在評估私有部署的可能性。自建推理不經過商用 API，在大多數 Token 稅方案下不會被課稅。這等於給了最大的市場參與者一個合法的逃稅通道。

第三是攤提能力。大企業即使支付了 Token 稅，也能把這筆成本攤在巨大的營收基礎上。對一家年營收 500 億美元的公司來說，每年多付幾千萬的 Token 稅是財報上的一個小數點。但對一家年營收 500 萬美元、正在用大量 Token 探索產品市場適配的新創來說，同樣比例的稅負可能吃掉整個研發預算。

NLW 把這個不對等效應講得很直白：「最大的公司會談到折扣、預留算力、自建模型、在巨大的營收基礎上攤提實驗成本。基本上，這項政策會大規模鞏固大企業的地位。」一個打著「確保 AI 紅利惠及所有人」旗號的稅制，最終可能產生恰好相反的效果：讓最有資源的玩家更穩固，讓最有可能帶來破壞性創新的新進者更難生存。

「1995 年的位元稅」：時機的問題

前微軟高層 Steven Sinofsky 對 Token 稅的回應只有一句話：「想像一下 1995 年課一個位元稅。」這個類比指向一個容易被忽略的問題：在一項技術還在高速發展、應用場景還在被發現的階段，對它的基本計量單位課稅，會產生什麼後果。

1995 年的網際網路正處於商業化的初期。網站數量剛開始爆炸性成長，瀏覽器戰爭正在進行，電子商務還是一個概念。如果那時候有人提議對每一個傳輸的位元組（bit）課稅，會發生什麼事？最直接的效果是提高所有線上活動的成本。而在一個用途還在被探索的階段，成本的增加會不成比例地打擊那些還在尋找商業模式的創業者，同時對已經有穩定營收的企業影響有限。

Token 在 2026 年的 AI 產業中，有點像 1995 年的位元。它是一個基礎的計量單位，被用在從聊天機器人到自動化供應鏈管理的所有場景中。對所有 Token 課同一個稅率，等於不分青紅皂白地提高了所有 AI 應用的成本。而在一個最佳用途還在被發現的時期，這種成本增加對探索性使用的打擊，會遠大於對已經成熟的效率性使用的影響。

部落客 David Friedman 從另一個角度強化了這個論點。他指出，Token 價格過去兩年以每年約 200 倍的速度下降。一個固定的 Token 稅率，第一年可能只佔價格的 5%，到第三年就會膨脹到 1,000%。在這種指數級的價格通縮下，固定稅率要不是變得微不足道（如果跟著降），就是變成沒收性質（如果不跟著降）。這種不確定性本身就是對投資和實驗的一種抑制，因為企業無法預測三年後的稅務成本會是今天的幾百倍還是幾乎為零。

我的觀察：好意的政策也可能建起護城河

這場辯論裡，我最想提醒的一件事是：產業政策的實際效果，經常跟設計者的意圖相反。

Token 稅的支持者有很好的初衷。華倫希望 AI 的紅利惠及所有人，McMorrow 希望被自動化取代的勞工得到保障，Weinberg 希望建立一個專門支援失業勞工的基金。這些目標本身沒有問題。問題在於，Token 稅這個工具可能在達成目標的過程中，製造出比它想解決的問題更大的新問題。

如果結果是大企業自建模型逃稅、新創承擔全額稅負、探索性實驗被壓縮到只剩下安全賭注，那麼我們得到的不是「AI 紅利的公平分配」，而是「AI 市場的加速集中」。最有能力從 AI 中獲利的大型企業幾乎不受影響，最有可能帶來顛覆性創新的小型參與者反而被推出局。用一個美國法律界常見的說法：這是一個「倒退」（regressive）的結果，用進步的語言包裝了一個有利於既有權力結構的政策。

NLW 在節目中提出了一個他認為更務實的替代方案：與其課稅，不如讓 AI 企業和資料中心建設者主動回饋社區。補貼在地電費、創造就業機會、投資公共基礎建設。這些做法不需要複雜的稅制設計，不會產生分詞器歧視或地理套利的問題，也不會在無意間壓縮創新空間。它們的效果更容易衡量，也更不容易被大企業規避。

這不是說 AI 產業可以永遠逃避公共責任。稅制確實需要跟上生產力轉移的現實。但在 AI 的最佳用途仍在被發現的階段，用一把鈍刀對所有 Token 一視同仁地課稅，可能砍到的是我們最不想失去的那部分：開放式的、不確定的、有時候看起來很浪費的探索性實驗。而那些實驗，恰恰是最有可能催生下一個真正改變遊戲規則的 AI 應用的地方。