人工智能（AI）的快速发展正在深刻改变劳动力市场格局。有研究估计，在未来10至15年内，AI可能取代约10%至15%的劳动工时。这一趋势带来的诸多深远影响之一，是对美国联邦政府收入来源构成的系统性威胁——联邦财政收入中约三分之二来自劳动力，主要体现为工资税和联邦所得税。更值得关注的是，现行税制中的某些环节可能进一步加剧AI带来的就业风险，因为它们在一定程度上对雇用行为形成了"惩罚"效应。
为此，研究人员提出了一套六类框架，系统评估现行税法中哪些条款会放大上述风险、哪些具有较强抗风险韧性，并进一步探讨哪些改革方向有助于在稳定财政收入的同时保护对人力劳动的需求。
具体政策选项包括：降低企业承担的工资税比例、对企业人均利润征收累进式公司税、将长期资本利得税率统一调整至普通所得税税率水平、引入联邦增值税、探索开征联邦财富税，以及改革现行遗产税相关条款。每项方案在财政收入、经济增长潜力及政策可行性等方面均存在不同的权衡取舍。
研究人员最终得出结论：一套以结果为导向、而非针对特定技术的广泛税制改革方案，有望在AI深度融入经济体系的背景下，切实维护财政稳定并有效支撑就业需求。
Q&A
Q1：AI对美国联邦财政收入的威胁具体体现在哪里？
A：美国联邦财政收入中约三分之二来自劳动力相关税收，包括工资税和联邦所得税。如果AI在未来10至15年内取代10%至15%的劳动工时，大量就业岗位消失将直接导致这部分税基萎缩，进而对联邦政府的整体财政收入形成系统性冲击。
Q2：研究中提出了哪些具体的税收改革方案？
A：研究提出了六类政策选项：降低企业承担的工资税比例、对企业人均利润征收累进式公司税、将长期资本利得税率调整至与普通所得税相同水平、引入联邦增值税、探索开征联邦财富税，以及改革遗产税相关条款。每项方案在收入效果、经济影响和实施可行性方面各有利弊。
Q3：为什么税制改革要以"结果为导向"而不是针对AI技术本身？
A：以结果为导向的改革更具普适性和稳定性，避免因技术定义模糊或迭代过快而导致政策失效。研究认为，税制改革的目标应聚焦于维护财政稳定和保护就业需求，而非试图限制或管控某种具体技术，这样才能在AI持续演进的环境中保持政策的长期有效性。
