當AI開始不只是改變科技業，而是逐漸重塑整個經濟體系，一個過去被視為「邊緣概念」的名詞，如今正悄悄走入主流政策討論——「算力稅」（Compute Tax）。
簡單來說，所謂「算力稅」，就是針對人工智慧所消耗的運算資源課稅。課稅對象可能包括大型AI模型的訓練、資料中心GPU運算能力，甚至企業使用AI生成內容所消耗的Token數量。
這個概念，某種程度上是「機器人稅」的進化版。
早在2017年，微軟創辦人 Bill Gates 就曾提出「機器人取代人類工作後，政府應該向機器課稅」的想法。但當時AI尚未全面普及，外界多半將其視為理論討論。如今，隨著ChatGPT、Claude、Gemini等大型AI系統快速滲透白領工作，「算力稅」開始被視為可能真正落地的政策工具。
支持者認為，「算力稅」背後主要有兩個核心目的。
第一，是補充未來可能流失的勞動稅收。
許多經濟學家擔憂，當AI逐漸取代客服、文書、程式設計、金融分析甚至法律與醫療輔助工作後，政府傳統依賴的薪資所得稅基可能縮水，但AI企業卻快速累積龐大利潤。因此，有人主張應將部分課稅重心，從「人類勞動」轉向「AI算力」。
第二，是試圖減緩AI過快擴張。
AI訓練需要大量GPU、電力與資料中心資源。部分學者與政策人士認為，若AI發展速度完全不受限制，可能帶來大規模失業、社會不平等、能源壓力甚至安全風險。因此，提高算力成本，也被視為一種「AI剎車機制」。
目前外界討論中的「算力稅」，主要有幾種可能模式：
- 對大型AI資料中心課稅
- 對GPU運算量課稅
- 對企業AI Token消耗量課稅
- 對AI公司超額利潤加徵特別稅
- 對高耗能AI運算徵收碳排相關費用
值得注意的是，「算力」如今已不只是科技資源，更逐漸被視為國家戰略資產。
從美國限制高階GPU出口中國，到各國開始補貼AI資料中心建設，都顯示「誰掌握算力，誰就掌握AI主導權」。甚至已有研究直接提出：「算力即治理工具（Compute Governance）」的概念。
然而，反對聲音同樣強烈。
批評者認為，若過早對AI算力課稅，可能壓制創新，讓AI企業外移，甚至拖慢醫療、氣候預測、藥物開發等正向AI應用。部分經濟學家也指出，目前AI運算市場規模雖大，但實際能帶來的稅收可能仍不足以真正填補未來勞動市場缺口。
此外，「算力到底怎麼計價」本身也是難題。
AI的核心資源並不只有GPU數量，還包含記憶體頻寬、資料傳輸、能源消耗與模型效率。隨著AI基礎設施越來越複雜，「算力」本身已逐漸成為一種難以標準化的資源。
但無論如何，「算力稅」的出現，其實透露出一件更重要的事——
全球開始意識到，AI不再只是科技革命，而是一場即將重塑稅制、財富分配與國家治理模式的新工業革命。
而下一場真正的爭奪，可能不只是誰做出最強AI，而是誰能掌握「算力規則」的制定權。