AI未来之争：中美路线大不同
19世纪30年代，迈克尔·法拉第刚发明电磁感应时，一位来访的政客问他这东西有什么用。法拉第回答：“先生，我不知道它有什么用。但有一件事我完全确定——总有一天你们会对它征税。”
将近两百年后，同样的问题落在了AI头上。
2026年5月，德克萨斯亿万富翁约翰·阿诺德在X平台上写道：“限制AI反制的唯一方法，是开始将税基从劳动力转移到算力上。”同月，前总统候选人杨安泽在《华尔街日报》更加直白：“如果你看看最大的AI公司在缴纳多少税，这些数字与AI即将吸走的价值完全不成比例。”
“算力税”这个概念，半年前在美国还只在极少数圈子里被讨论。但它迅速升温的原因，不是AI太新了，而是美国的税制太旧了。
征税的理由大致分两类。第一类是“减速”：像碳税一样，通过提高自动化成本来减缓AI对就业的冲击。第二类是“再分配”：既然AI将创造巨额财富，就应该通过税收把这些财富更广泛地分配给社会。杨安泽属于后者：“如果我产生了数百亿美元的新税收，但它只是流入联邦政府而没有人看到一分钱，那实际上不会让人们对AI感觉更好。”
但斯坦福数字经济实验室主任埃里克·布林约尔松提出了一个比“该不该征算力税”更尖锐的问题：
现有的税制已经在系统性地鼓励企业用机器替代人类。
这是怎么回事？在美国现行税制下，一家雇佣1000名工人的公司所缴纳的总税额——工资税、社保税加在一起——远高于一家用1000台机器赚取同样收入的公司。劳动力被重税，而资本投资（包括AI和自动化设备）享受各种加速折旧和税收优惠。结果是企业在“边际可自动化”的岗位上被激励去过度自动化——不是因为AI真的更高效，而是因为税制让人变得更贵了。
换言之，美国在讨论“要不要给AI征新税”之前，也许更该问的是：为什么现有的税制已经在补贴AI替代人类？征税派和反税派看似在辩论一个新政策，但他们真正应该修复的，可能是一个已经存在几十年的旧bug。
而且算力税本身有一个几乎无解的执行难题，征税是国家行为，但AI可以无国界运行。对算力征税，可能只是把本国的AI产业推向政策更宽松的海外。
与美国的征税讨论形成镜像的，是中国AI产业过去两年经历的价格战。DeepSeek V4-Pro的API价格是GPT-5.5同类价格的3%。阿里云、百度、腾讯的入门级AI编程套餐打到了7.9元人民币。字节跳动的豆包刚结束一段近两年的全民免费期——3.45亿月活用户，每一次调用都由字节替他们买单。
这种定价策略的底层逻辑与征税完全相反，中国努力希望作为一种基建的AI可以更快铺设下去，这一阶段用户不需要为算力付费，成本让投资者和公司替用户买单。豆包在2026年春节直播活动中的峰值处理量达到每分钟633亿token，背后是数以万计的GPU同时运转，每一秒钟都在烧钱。
但把中国的做法简单归结为“烧钱换用户”，忽略了一个关键区分——
补在消费端和补在基础设施端，是完全不同的两件事。
消费端补贴（直接给用户免费用）确实会制造依赖。豆包收费时微博热搜第一，评论区一半用户喊“卸载”——当用户从未为AI付过钱，他们就无法形成“AI是有价值的”这个认知。但中国AI产业的补贴远不止于此。更大的投入流向了数据中心建设、推理芯片的国产替代、开源模型的生态培育——这些是基础设施层面的投入，它们降低的不是某个用户的使用成本，而是整个行业的运营门槛。
如果只补贴了消费端，退潮后什么都不剩。如果补贴的是基础设施，退潮后留下的是一张网络、一个生态、一种能力——就像中国的高铁网络和4G基站一样，建设期的亏损最终被网络效应所吞没。
中国粗放型发展的危险在于低价环境确实会激励开发者去构建那些token消耗巨大但单位成本极低的应用，粗制滥造的危机一直存在。而在美国，高昂的API价格迫使开发者更审慎地使用每一个token，其路线注定是更精英的。同一种技术，两种定价，孰重孰轻，孰先孰后，不同的选择正在催生两种完全不同的使用文化。
但问题的关键在于，精细优化可以在规模建成之后再做，而规模一旦错过窗口期，就很难补回来。
图1：AI计算基础设施——支撑智能时代的基础设施层
中国的选择从历史来看，是一以贯之的，AI普及和电力普及，中国一直按照这套方法在走。
1993年底，沿海城市早已灯火通明，但全国仍有1.2亿农村人口没有用上电，28个县整县无电。即便在名义上“通电”的农村地区，情况也好不到哪去：电网老旧、线径极细、线损率高达25%到40%，电压不稳到连电视都看不了。更要命的是价格——1998年以前，全国农村生活照明电价平均每千瓦时0.67元，有的地方甚至高达三四元，比城市贵出一大截。再加上层层加码的“人情电”“权力电”“关系电”和乱收费、乱加价、乱摊派，农民用电的真实成本远超账面数字。
当市场失灵，政府应该怎么办？
不同国家给出了截然不同的答案。美国在1935年成立了农村电气化管理局（REA），通过联邦低息贷款资助农村合作社自建配电网络——供给侧补贴加末端市场化运营，至今42个州仍有电力合作社在运营。印度走的是另一条路：长期依赖各邦政府直接补贴农业用电，电价极低甚至免费，但投资不足导致电网质量长期低下，到2018年才宣布“村村通电”，而户户通电至今仍未完全实现。
而中国，在1998年启动了“两改一同价”——改造农村电网、改革农电管理体制、实现城乡用电同网同价。这既不是美国式的合作社模式，也不是印度式的直接补贴终端用电。它的核心逻辑是：国债资金（约占20%）撬动银行贷款（约占80%），由国有电网企业直接下沉到县一级，接管原来混乱的乡村电管站，统一建设、统一管理、统一定价。到2006年，一二期农网改造累计投入超过4600亿元。到2015年，随着青海最后3.98万无电人口通电，中国成为14亿人口大国中第一个实现全民通电的发展中国家。
这段历史与今天的AI发展路线之争对照，会发现问题与解法在历史中不止出现过一次。
首先，“补贴”和“征税”不是二选一，关键是补在哪个环节。“两改一同价”的精髓不在于免费给农民供电，而在于一套分层设计：国债资金补贴基础设施建设的资本金（降低建设门槛），银行贷款解决投资杠杆（让有限财政资金撬动数倍投入），而终端用户支付的是与城市统一的电价（市场机制在末端发挥作用）。补在供给侧的基础设施层，而非需求侧的消费层。今天中国AI产业的补贴逻辑，在最好的情况下，正是这个结构的翻版——补的是算力基础设施和开源生态的建设成本，而非永远替用户免单。
其次，政策路径选择的后果会持续几十年，这是每一个政府深思熟虑的大前提。美国的合作社模式至今维护着全国42%的配电线路，形成了分散化的电力治理结构。印度的政治化补贴模式导致各邦配电公司长期亏损，成为制约制造业发展的基础设施瓶颈。而中国的“国有电网直接下沉”模式催生了全球最大的统一电网和世界第一的电力装机容量——这个基础设施优势，后来成为中国制造业崛起、互联网普及乃至今天AI算力部署的底层支撑。路径依赖在二三十年后仍然清晰可见。今天中国选择的“资本补贴”换来“极致低价”，和美国正在酝酿的“算力税”，以换取“订阅付费”，也将在未来十到二十年深刻塑造两国AI产业的形态。
最后，历史也给过我们反直觉的教训，补贴并不总是导致依赖。“两改一同价”最初被设计为三年计划，结果农网改造延续至今，已经进行了三轮以上。批评者说这创造了财政投入依赖。但相对于4600亿元的一二期投资，它换来的是农村到户电价每千瓦时下降超过0.1元，每年减轻农民电费负担300多亿元，并直接引爆了农村的“家电热”——河南一省农网改造后就增加了200多万台电风扇、100多万台电视机、50多万台洗衣机。更深远的影响是，廉价稳定的电力为后来的农村电商、直播经济乃至分布式光伏的爆发奠定了物理前提。4600亿元换来的不是一个补贴项目，而是一个生态。
回到AI收税还是补贴的话题。
美国现在面临的局面是在一个已经在税制上偏袒资本、鼓励自动化的系统中，要如何讨论要不要再叠加一层算力税。这两件事的逻辑是矛盾的——旧税制在催促企业用AI替代人力，新税收又想减缓这个过程。结果很可能是真正需要被约束的大公司有能力把算力转移到海外，而被征到的是那些规模不够大、还在国内苦苦寻找商业模式的中小AI企业。
中国同样面临自己的挑战，补贴窗口终究会关闭，问题是关闭之前能不能把基础设施铺到位。豆包开始收费，智谱在涨价，这些信号说明C端的免费时代正在结束。但如果在免费期内，中国的AI产业已经完成了三件事——用户规模达到临界质量、开发者生态初步成型、国产算力供应链跑通，那么补贴退潮后留下的，是否有可能是一张可以自我维持的网络。
当年补贴农村的4600亿元的投资当然不可持续，它需要的也不是可持续，政策需要确保的是在退出之前，把网铺到每一个村庄。铺完之后，网络自己会运转。
从这个角度看，中美AI的路线之争不是“征税”“补贴”的政策分歧，而是一个更古老的问题的最新版本：面对一项变革性的基础设施技术，你选择先修路还是先设卡？
历史给出过答案，不止一次。
图2：1990–2020年中国农村电力消费趋势——基础设施建设的长期回报
本文引用了布鲁金斯学会/NBER（Korinek & Lockwood, 2026）关于AI时代公共财政的工作论文，《华尔街日报》关于算力税辩论的报道，Acemoglu、Manera & Restrepo关于美国税制对自动化偏见的研究，以及新浪财经、南华早报等中英文媒体对中国AI定价战的分析。