从税费制度、税收征管体系、税收分享机制等入手，优化适配数智经济新形态的税费治理模式。
人工智能作为新一轮科技革命和产业变革的重要驱动力，正在深刻改变企业生产方式、组织形态、价值创造逻辑和要素配置结构。同时，人工智能发展给现行税费制度、税收征管体系和税收分享机制带来了新挑战。传统税制主要建立在相对清晰的企业边界、劳动投入、资产形态、经营场所和交易链条的基础之上，而人工智能发展使价值创造更加依赖数据、算法、平台、算力和无形资产，企业经营活动也趋于虚拟化、跨域化和复杂化，进一步呈现出交易链条隐蔽化、定价机制算法化、组织结构平台化和业务场景智能化的特点。这意味着税费制度与治理模式亟须围绕人工智能时代的新业态、新模式、新要素进行适应性调整。
人工智能给现行税费制度带来新挑战
从税基确认视角观察，人工智能发展使企业价值创造越来越依赖数据资源、算法模型、平台生态和智能设备，但这些要素在现行税制中尚未形成完全清晰的计税规则。例如，企业通过人工智能系统实现精准营销、智能定价和自动化决策后，新增利润究竟来自技术研发、数据积累、平台垄断还是市场竞争力提升，往往难以精确划分。若税基识别滞后，就可能导致部分高利润、高成长的人工智能相关活动没有被充分纳入税收调节范围。
从税负分配视角分析，人工智能应用会提高资本、技术和数据在生产中的重要性，同时可能替代部分重复性劳动岗位。工业经济时代，税费体系中相当一部分收入与劳动用工相关。例如，个人所得税、社会保险费以及围绕工资薪金形成的相关社保缴费等。如果企业大量使用智能设备和算法系统，减少普通劳动力需求，就可能导致劳动环节税费基础收缩。同时，人工智能带来的资本收益、平台收益、数据收益和算法收益可能更加集中。建议关注税收对资本和技术的收益调节，保障税收公平和经济社会的可持续发展。
从税收支持适配视角剖析，我国长期通过研发费用加计扣除、高新技术企业优惠税率、固定资产加速折旧等政策支持企业创新，这些政策对促进技术进步有积极意义。但人工智能具有研发投入高、应用场景广、商业模式变化快等特征，传统支持政策在识别人工智能研发活动、区分真实创新与政策套利、评价政策效果方面可能遇到难题。如果支持政策口径过窄，可能抑制人工智能创新；如果支持政策口径过宽，又可能造成优惠泛化和财政资源错配。因此，人工智能时代的税费制度需要满足精准、动态、有弹性等特性。
人工智能给税收征管增加新难度
交易识别难度上升。人工智能服务常常以云服务、模型调用、软件订阅、数据接口、算法授权等形式出现，交易对象、交易地点和服务完成地不容易被准确判断。尤其是在跨区域、跨境数字服务中，企业可能通过平台注册地、服务器所在地、用户所在地和实际经营地之间的差异进行税收操作，增加了税收征管难度。
收入和成本核验难度上升。人工智能企业的成本结构中，数据获取、模型训练、算力租赁、算法迭代、技术外包等支出占比较高，其中部分支出具有无形化、长期化和难以标准化计量的特点。税务部门在判断其真实性、合理性和归属性时，需要拥有更强的数据分析和专业识别能力。同时，人工智能企业可能通过关联交易、知识产权转让、数据服务定价等方式进行利润转移，使传统税收征管方式面临难题。
税收风险形态更加复杂。人工智能既可能帮助企业提高合规水平，也可能被少数企业用于规避监管。例如，少数企业借助算法进行收入拆分、交易嵌套、虚假业务匹配和异常发票流转，形成更具隐蔽性的税收风险。同时，税务部门自身若过度依赖算法模型，也可能产生新的治理风险。例如，因数据质量问题导致误判、算法黑箱影响执法透明度、模型偏差造成不同类型纳税人遭受不公平待遇等。因此，智能征管不能简单理解为“机器替代人”，而是对应“人机协同”的治理进化。
人工智能对税收分享机制有新影响
税收分享的核心问题，是不同层级政府、不同地区之间如何分配税收收入。传统税收归属往往与企业注册地、生产经营地、实际销售地等因素相关。但数字智能经济新形态具有明显的跨区域特点，价值创造的空间边界更加模糊，这形成以下两方面突出的问题。
人工智能企业的研发、数据采集、模型训练、服务器部署、平台运营和用户使用可能分布在不同地区，价值创造不再集中于单一地点。若仍然按照注册地或总部所在地划分税收归属，可能导致税收收入向少数总部经济发达地区集中，而数据来源地、用户所在地和应用场景所在地难以获得相应财政收入，造成税收收入额与税源之间的背离。
人工智能应用可能在不同地区产生结构性分化。一些地区因产业基础较好、人才集聚、数字基础设施完善，导致数字智能化程度较高，更容易产生虹吸效应，导致更多的经济集聚和税收集中；而一些传统产业地区可能面临就业替代、税基流失和财政压力上升的问题。建议关注人工智能带来的区域利益差异问题，研究区域间税收分配的不均衡性问题。
优化适配人工智能发展的税费治理模式
人工智能时代，税费制度与税收治理领域面临诸多挑战，需要优化适配人工智能发展的税费制度框架与治理策略。
完善适应新型生产要素的税费规则。对于数据要素、算法模型、算力服务、软件订阅、智能设备、平台运营和数字服务等，建议逐步明确相应的收入确认、成本扣除、资产摊销和关联定价规则。优化增值税与所得税制度，建立并完善对数据要素及人工智能的课税制度。同时，关注数据和算法等新型资产价值评估的有效性，防范企业利用估值不确定性进行利润转移的税收风险。
优化人工智能发展税收支持政策。人工智能发展离不开研发投入和技术创新，税收政策应继续发挥对科技研发的激励作用。但支持政策应更加精准，不能简单把所有数字化投入都等同于人工智能创新。支持政策可以更多支持基础算法研发、关键核心技术突破、算力基础设施建设、智能制造系统以及中小企业数智化转型。同时，应加强政策效果评估，判断税收支持政策是否真正对研发投入、效率提升、就业改善和产业升级有所助益。
推动税费制度与就业、社保和人力资源政策协同。人工智能带来的一个冲击是劳动替代。如果只追求利润增长，而漠视人工智能对就业的影响，不重视劳动者技能提升，就可能影响高质量充分就业的国家战略规划的实施。因此，税费制度应更多体现投资于人与投资于物相结合的战略导向。通过职工教育经费投入、培训补贴、社保缴费优化等方式，鼓励企业开展员工再培训，促进劳动者从被替代岗位走向“人机协同”岗位。
通过数据共享与算法模型提升“以数治税”水平。一是加强数据整合与共享。进一步推动税务部门与市场监管、金融监管、海关、社保、科技、工信等部门的信息共享，系统建立从企业注册、研发、交易、用工到纳税申报的关键数据链条。二是加强风险画像。通过人工智能技术与算法模型识别异常申报、异常发票、异常成本、异常利润率和异常关联交易，提升监管精准度。三是完善税收分级分类管理制度。对信用好、合规水平高的企业，应减少不必要的打扰，提高办税便利度；对风险高、异常多的企业，则应加强信息核查与风险监控。
探索建立同人工智能发展相适配的税收分配机制。一是在跨区域人工智能企业的税源分配中，适度考虑用户所在地、数据来源地、实际服务地和应用场景所在地等因素，使税收收入分配更接近真实价值创造过程。二是加强财政统筹调节作用，对因人工智能发展而出现税源流失、就业转型压力较大的地区，可以通过转移支付、专项资金支持和产业扶持政策进行平衡。三是规范地方政府围绕人工智能产业的税收竞争。地方政府不能只靠财政返还、补贴来吸引企业，而应更多依靠营商环境、人才政策、数据基础设施和应用场景开放来培育产业，防止形成新的地方税收竞争和财政风险。