近日，由中国财政发展协同创新中心（简称“中心”）主任、教授、博士生导师姚东旻，中心博士生褚昱辰、王子豪共同撰写的论文《“人工智能＋”行动下税收制度的适应性改革》在我校A类学术期刊《税务研究》2026年第10期作为封面文章刊发。

“人工智能＋”行动持续推进，人工智能逐渐嵌入生产、交易和分配过程，深刻改变价值创造逻辑，也对现行税收制度提出新的适应性要求。本文从人工智能重塑价值创造的理论逻辑出发，归纳其五大核心经济特征，系统分析其对课税对象、纳税主体、税基、税收管辖和分配等方面带来的挑战，并从拓展税基覆盖范围、重构税负分配格局和提升征管适配程度三个方面提出税收制度优化路径，为构建兼顾技术创新激励、税收公平与财政可持续的适应性税收制度提供参考。

【人工智能重塑价值创造的理论逻辑】

人工智能对税收制度的冲击，源于其对价值创造逻辑、生产要素结构和收益分配关系的重塑。与传统自动化技术相比，人工智能的劳动替代范围由重复性体力劳动延伸至文本生成、代码编写等认知型任务，数据也由辅助性信息转变为影响产品质量、服务能力和市场竞争力的核心投入。人工智能以最终产品和中间投入等不同形态融入各行业，改变生产过程中的要素组合，并进一步影响劳动力需求与收入分配结构。

以生成式人工智能为例，其价值创造过程包括输入、生产、输出和收益四个阶段。用户和社会持续产生数据，企业通过数据采集、清洗和训练形成模型能力，依托算法与算力生成产品，并通过产品销售、订阅服务及嵌入生产环节等方式实现商业变现。在这一过程中，价值由用户数据、平台组织、算法模型和算力投入共同创造，但数据贡献者与收益获得者之间并不完全对应，形成了新的价值归属与分配问题。

基于上述分析，本文归纳出数据依赖性、劳动替代性、无形性、价值归因模糊性和收益集中性五大核心经济特征。数据依赖性构成人工智能价值创造的基础；劳动替代性改变劳动需求及劳动与资本的收入分配关系；无形性使经济活动突破物理空间限制；价值归因模糊性体现多主体、多要素共同创造价值时贡献难以分解的困境；上述特征相互作用，推动收益向掌握数据、算法和算力的头部企业集中。把握这些特征，是分析税制适应性问题、推进制度改革的重要前提。

【“人工智能＋”行动对税收制度的挑战】

本文围绕五大核心经济特征，分析现行税制在识别价值来源、确定纳税责任和调节收益分配等方面面临的适配性挑战。

第一，数据依赖性导致税基覆盖范围不足。用户数据为模型训练和服务迭代提供基础投入，但由于缺乏明确的交易价格和支付关系，其价值贡献难以被直接识别为应税交易。数据采集、加工、授权等业务具有复合属性，相关税目归属与抵扣规则仍有待完善。与此同时，算力作为数据转化为模型能力的重要投入，其独立计量及相关增值过程的识别也面临制度适配问题。

第二，劳动替代性导致所得税制度面临压力。人工智能通过对特定任务的自动化重组影响就业和工资收入，对工资性收入税基形成压力；资本收益相对扩张，则进一步凸显劳动所得与资本所得之间的税负关系问题。此外，人工智能价值由数据、算法和算力等多方共同创造，收益难以客观分割，也增加了企业利润归属认定的复杂性。

第三，无形性引发税收管辖与征管挑战。人工智能平台能够在缺乏本地实体机构的情况下跨区域提供服务、汇聚数据并获取收益，使价值创造地与税收缴纳地出现分离。模型订阅、算力调度等业务的无形化特征，也增加了应税行为识别、凭证记录与交易核查的难度，对增值税抵扣链条及征管信息获取提出新的要求。

第四，价值归因模糊性引发纳税主体界定困境。人工智能创造的经济价值需要在开发者、使用者、平台企业等主体之间确定归属，用户的数据贡献则因缺乏明确对价而难以在税制中得到确认。同时，算法派单、内容分成等新型劳动形式使平台、劳动者与用户之间的关系更加多样，所得支付主体、扣缴义务主体和实际受益主体可能并不一致，增加了纳税责任与扣缴义务配置的难度。

第五，收益集中性削弱税收再分配功能。规模经济、网络效应与数据积累效应推动收益向头部企业集中。随着劳动收入份额承压、资本和数据收益相对扩张，现有税制对收入分化的调节面临挑战。平台超额收益的识别与调节不足，以及不同地区数据贡献和税收收益之间的不匹配，也对税收再分配功能提出更高要求。

【“人工智能＋”行动下税收制度的优化路径】

税收制度的适应性改革，需要在保持技术创新激励的同时，回应新型价值来源、收益分配变化和征管方式转型。本文强调，应避免对人工智能创新形成过早、过重和不确定的税收负担，也应防止数据收益、平台租金和劳动替代成本长期游离于公共财政调节之外，并据此提出三个方面的优化路径。

一是拓展税基覆盖范围，探索数据外部性的收益回流机制。用户数据具有明显的集体生产和正外部性特征，单个用户的数据贡献微小、分散且难以定价，只有经由平台大规模汇聚、清洗、训练和算法处理后，才会转化为模型能力、商业流量和平台利润。因此，数据价值并非完全来自平台投入，也包含社会性、集体性的数据贡献。但用户缺乏与平台谈判定价的能力，当前也缺少精确计量并逐一返还用户收益的制度机制。从外部性矫正的视角看，数据的集体生产特征使其所产生的社会价值未能得到应有的补偿，构成一种典型的正外部性未内化情形。庇古税理论指出，当经营主体的私人收益与社会收益存在系统性偏离时，可通过公共课征手段将外部性纳入价格体系，由此促使收益分配趋近社会最优。数字平台凭借用户数据所形成的超额利润，在性质上与此高度契合，具备通过公共课征手段加以调节的正当性基础，但这一课征逻辑指向的是平台因用户数据而新增的商业收益增量，而非平台在特定业务上的总收入或交易额，因此在税基口径和征收目的上均有别于国际上已实施的数字服务税。

二是重构税负分配格局，增强税制对收益结构变化的调节职能。细化平台分成、数字劳动收益和人机协同所得等新型收入的性质认定，维护劳动所得与资本所得之间的税负平衡。对于平台超额收益，优先完善企业所得税和反避税规则，加强无形资产定价、成本分摊与数据资产估值审查，并推动税收工具与反垄断治理协同。审慎探索就业替代附加调节机制，结合人工智能投入与岗位变化识别适用范围，对研发试验和危险岗位替代等应用设置豁免，通过再就业培训和社会保障支持弥补技术替代的社会成本。

三是提升征管适配程度，完善无形化和平台化税源的识别机制。根据平台在交易中承担的销售、撮合、支付和信息服务等不同角色，分类明确收入确认、信息报送与扣缴责任。完善人工智能服务的增值税征管规则，推动相关交易纳入全电发票和电子交易记录体系，在保护商业秘密和个人信息的前提下提升税源可核验程度。对于跨区域平台税源，遵循“分级分类、抓大放小”的思路，针对达到一定规模、具有显著数据要素属性的头部人工智能平台，探索适当提高相关增值税和企业所得税的中央分享比例，再通过转移支付等方式进行地区间综合平衡。

相关链接（可点击跳转）：基于用户数据价值重构税收横向分配制度一一以数字营销为例

撰稿：褚昱辰、王子豪

审核：王麒植

责编：姚广