對 Token 課稅：Anthropic 首席經濟學家提出 AI 自動化稅的完整論證

近期最引人注目的 AI 政策提案，不是來自立法者或監管機構，而是來自一家正在打造這項技術的實驗室內部。在哈佛甘迺迪學院一場由經濟學家 Jason Furman 主持的論壇上，Anthropic 首席經濟學家 Peter McCrory 公開支持「token 稅」——一種針對 AI 使用量課徵、用以抑制過度自動化的稅目——並完整鋪陳了 AI 對 2030 年前的成長、工資與資本／勞動所得分配的經濟圖像。

這場論壇於哈佛政治學院（IOP）舉行，《哈佛克里姆森報》於 9 月 24 日報導後，持續在經濟與政策圈發酵，數日後仍有新的分析文章出現。其核心訊息在 AI 論辯中相當罕見：一家前沿實驗室的首席經濟學家，正在為「對自家產品課稅」建立論證。

生產力之謎，與 Anthropic 的答案

McCrory 開場便點出當前總體經濟的核心矛盾：AI 能力正以驚人速度複利成長——他指出，模型可自主完成任務的範圍大約每四到七個月翻倍——但總要素生產力（TFP）並未同步暴衝，美國失業率也穩定在歷史低點的 4.1%。

他的解釋是「擴散落後」疊加「J 曲線效應」。企業必須先吸收高昂的重組成本——重整資料、拆除內部資料防火牆、圍繞模型真正能用的上下文重新設計工作流程——生產力紅利才會反映在統計數字上。大型企業尤其正跋涉於成本高昂的實驗階段，McCrory 稱之為 AI 投資報酬 J 曲線的底部。能力曲線與實測產出曲線方向相同，時鐘不同。

接著他拋出一個驚人的數字。透過追蹤使用者實際花在 Claude 相關任務上的時間，McCrory 估計，以目前的模型與使用型態而言，勞動生產力成長率可提升 1.8 個百分點。若這些效率增益在未來十年逐步擴散至整體經濟，配合資本深化，美國經濟成長有望重返 1990 年代末、2000 年代初的高成長時代。

作為對照：國會預算辦公室（CBO）預估美國長期成長率為 1.7%，聯準會最樂觀的情境也不過約 2.4%。Anthropic 的內部估計——基準值再加 1.8 個百分點——將遠遠超越兩者。Furman 隨即以经典的瓶頸異議回擊，引用研究指出：團隊導入 Claude Code 等程式代理後，產生的程式碼行數暴增約二十倍，實際軟體發布量卻只成長約 30%。未被自動化的「薄弱環節」，可能約束整體擴張。McCrory 的回應是：即使打個折扣折掉瓶頸，1.8 個百分點的生產力增幅，仍足以迫使貨幣政策與財政預測框架全面重新評估。

尾端情境：勞動份額蒸發 15 個百分點

在分配問題上，McCrory 毫不掩飾。AI「極有可能加劇資本與勞動之間的不平等」，他說；而在勞動內部，差距同樣擴大。雖然隨機對照試驗顯示 AI 能快速讓新手逼近專家水準，但實際採用資料呈現相反圖像：主要使用者是高薪、高技能工作者。專業能力如同乘數，將頂尖人才放大為他所稱的「百倍工程師」，而不是由下往上壓縮工資分配。

總體模型的訊號更冷峻。隨著 AI 驅動的資本深化加速，McCrory 警告，在極端情境下，勞動所得份額將從歷史上的 60%（每一美元所得中勞動所佔比例）下降約 15 個百分點。鏡像則是：資本所有者——股東——從 AI 驅動成長中攫取的報酬將遠超歷史常態。這些情境與 Anthropic 經濟團隊 9 月發布的模型工作相互呼應：依 AI 能力與採用假設不同，2030 年 GDP 從僅增加 1.6% 到暴增 32.4% 不等。

三種奇點，與一場議價力實驗

展望 2030，McCrory 把 AI 經濟的終局演化濃縮為三種「奇點」：

• 軟體奇點——AI 系統在遞迴自我改進上持續取得進展。
• 經濟奇點——經濟體系能否在有限時間內實現無界成長。
• 寇斯奇點——以經濟學家 Ronald Coase 命名，其廠商理論建立在交易成本之上。當 AI 代理代替使用者談判日益複雜的交易，交易成本崩落，廠商邊界與經濟交換的結構將被根本重塑。

寇斯奇點對 Anthropic 而言並非純粹理論。在一項名為「Deal Project」的內部實驗中，模型與其他模型互相議價——結果令人不安。「更強大的模型在與較弱模型談判時，系統性地榨取更多租金，」McCrory 報告，並補充人們並未察覺這種議價力的不對稱。一旦代理成為商業交易的標準介面，誰掌握前沿模型，誰就掌握定價權。

像課碳稅一樣課 token 稅

政策的結論從診斷而來。McCrory 觀察，美國與多數國家的租稅結構高度偏向課徵勞動——薪資稅、所得稅。若勞動所得份額下滑，稅基將被侵蝕，政府將需要替代稅制，包括加重消費課稅。

再往前一步，就是 token 稅。「在經濟政策框架中，我把 token 稅視為抑制過度採用的誘因機制，」他說。「token 稅可以類比為碳稅或菸稅。」其邏輯是庇古稅式的：當一項活動產生外部成本——碳排放、吸菸，或在這個框架下、快過勞動市場吸收速度的失業衝擊——對單位課稅可將社會成本內部化，讓採用速度回歸社會最適。

McCrory 引用 UC Berkeley 學者 Martin Béra 的研究，指出企業並不會內部化自動化的外部性；在被取代勞工難以緩解失業衝擊的環境下，對自動化課稅兼具公平與效率上的正當性。這個想法在學界之外也不孤單——它與今年橫跨政治光譜的多項提案相互呼應，也與 Anthropic 自己 9 月發布的情境模型中「研究對 token 生成、機器人、機器人服務與數位服務課稅」的建議同調。

一位實驗室經濟學家的自白

論壇上還有兩個值得記下的瞬間，因為它們框住了整件事的意義。

第一，關於「導向性技術變遷」（directed technical change）：McCrory 說他的團隊正在明確測試 Anthropic 能否將這個經濟學概念「操作化」——把創新導向補充勞動而非取代勞動。「我其實不知道這是否可能，但我的團隊有機會看看它是否可能，」他說。這是一個相當罕見的告白：一家前沿實驗室，嘗試用公共經濟學的機器，瞄準自己的研究路線圖。

第二，關於謙遜。Furman 在結尾盛讚 McCrory 對此議題的理解「應位列前 10%」，並提醒聽眾，誠實的預測需要承認錯誤的勇氣。McCrory 則堅持，團隊的研究目的是「讓社會有能力做出這些不該由我們單方面決定的選擇」。

無論 token 稅最終是否寫進任何法案條文，一家前沿實驗室的首席經濟學家親手設計「對自家 token 課稅」的論證，本身即標誌著 AI 政策辯論的位移——從「AI 是否有總體經濟後果」，轉向「後果由誰買單」。

資料來源

• The Harvard Crimson — “Anthropic Chief Economist Says Company Is Exploring Ways to Steer AI Toward Augmenting Workers”（2026-09-24）
• BigGo Finance — “AI Labor Productivity Could Surge by 1.8 Percentage Points; Anthropic Economist Calls for Token Tax”（2026-09-28）
• Anthropic — “Scenarios for our Economic Future”
• NPR — “Anthropic wants to test how AI could impact U.S. economy”（2026-09-09）