📰 研报摘要
查看全文 ➔摘要： 本报告深入分析了 AI 技术对美国就业市场的结构性冲击，量化了不同职业的暴露度，并探讨了在劳动税基萎缩背景下，如何通过构建 AI 征税机制（如机器人税、token 税）及社会再分配方案（如公民红利、定向培训）来应对 K 型分化与贫富差距扩大问题。
政策要点：
- 税基重构建议：提出从依赖劳动和消费税转向提高资本利得税和企业所得税，并探索专项“AI 税”或基于技术要素的“token 税”。
- 再分配方案：对比了 UBI（全民基本收入）的局限性（无法有效提升人力资本），推崇韩国的“公民红利”定向补贴模式（侧重技能培训）及企业主导的转型计划（如京东“涅槃计划”）。
- 资产分配创新：探讨通过设立公共财富基金、政府持有关键 AI 企业股权或建立公共数据平台来实现一次分配。
影响链条：
AI 技术 $\rightarrow$ 高薪知识密集型岗位（计算机、金融、法律等）高暴露 $\rightarrow$ 劳动所得份额下降 $\rightarrow$ 传统税基（个人所得税与社保税）萎缩 $\rightarrow$ 资本与算法驱动的财富集中 $\rightarrow$ 社会贫富差距加剧 $\rightarrow$ 迫使政府调整税收与分配制度。
落地节奏与风险：
- 执行难点：AI 资产具有强流动性，易导致跨国避税；AI 与普通资本边界模糊，难以精准界定征税范围。
- 潜在风险：过度征税可能抑制技术创新与效率提升；简单的现金发放（UBI）可能导致负债增加而非人力资本提升。