ChatGPT的开发商OpenAI近日呼吁政策制定者重新思考税收体系的结构,并提出了一系列针对人工智能潜在经济与社会影响的政策建议。
在周一发布的一份政策文件中,OpenAI表示,AI可能从根本上重塑经济格局,其中包括若干潜在风险,例如社会保障和医疗补助等核心项目的税基遭到侵蚀。
文件指出:"政策制定者可以通过提高对资本收益征税(尤其是针对高收入群体)、增加企业所得税,或对AI持续驱动的收益采取专项措施,来调整税基结构,同时探索与自动化劳动相关的新型税收方式。"
该政策文件的发布,恰逢各界对AI风险的讨论日益升温,同时这一快速演进的市场竞争也愈发激烈。
上周,OpenAI宣布完成了一轮融资,已承诺资本规模达1220亿美元,投后估值高达8520亿美元。与此同时,据《华尔街日报》今年早些时候报道,该行业竞争加剧,OpenAI面临更大压力,需在2026年底前推进上市进程。然而,据The Information近期报道,OpenAI首席财务官Sarah Friar与首席执行官Sam Altman在这一上市时间表上存在分歧。
在上述政策文件中,OpenAI表示,AI技术在短短数年内"已从能够快速完成特定任务的系统,演进为能够处理以往需要人类花费数小时才能完成的通用任务的模型"。
尽管AI潜力巨大,OpenAI表示对相关风险也保持"清醒认识",包括就业岗位流失、不良行为者的滥用,以及"权力与财富日益集中而非广泛共享"的风险。
OpenAI表示,对资本收益或企业所得税的任何提高,"都应配合与工资挂钩的激励措施,鼓励企业留住、再培训员工并加大对员工的投入,类似于现有的研发税收抵免机制"。
"这些举措将共同有助于稳定基本项目的资金来源,同时为AI驱动经济下的劳动力转型提供支撑。"OpenAI表示。
在税收之外,该文件还概述了更广泛的政策构想,包括设立潜在的"公共财富基金",以便让AI带来的收益得到更广泛的分享。文件还呼吁将AI带来的效率提升转化为"当日常工作量下降、运营成本降低时,员工福利能够获得持久改善",包括激励企业提高退休金匹配比例或缴费额度、承担更多医疗费用,以及为子女和老人照护提供补贴。
文件还建议开展"薪酬不减少"的每周四天工作制试点,在保持产出和服务水平不变的前提下推进,并将节省下来的时间转化为永久性缩短工时、可积累的带薪假期,或二者兼顾。
OpenAI强调,上述想法旨在引发更广泛的讨论,而非作为最终建议。在后续行动方面,OpenAI表示将于下月在华盛顿开设新的OpenAI Workshop,并在此举办系列政策研讨活动。
"如果政策无法跟上技术变革的步伐,应对这一转型所需的制度保障和社会安全网就可能落后于时代。"文件如是指出。
Q&A
Q1:OpenAI提出了哪些具体的税收改革建议?
A:OpenAI建议政策制定者通过提高资本收益税、企业所得税或对AI驱动收益征收专项税等方式调整税基,同时探索针对自动化劳动的新型税收方式。此外,OpenAI还建议将上述增税措施与工资挂钩的激励政策配套实施,鼓励企业留住员工、开展员工再培训,以稳定社会保障等核心项目的资金来源。
Q2:OpenAI认为AI对就业市场会带来哪些风险?
A:OpenAI在政策文件中明确指出,AI带来的风险包括就业岗位流失、不良行为者的滥用,以及权力和财富进一步集中而非广泛共享。为此,OpenAI建议通过公共财富基金、员工福利提升以及四天工作制试点等方式,帮助劳动者应对AI经济转型带来的冲击。
Q3:OpenAI计划如何推动这些政策建议落地?
A:OpenAI表示,相关建议旨在启动更广泛的政策对话,而非作为最终方案。公司计划于下月在华盛顿开设OpenAI Workshop,并以此为平台举办系列政策研讨活动,推动政策制定者、行业各方就AI经济影响展开深入讨论。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。