人工智能行业：扩大生成人工智能的收益财政政策的作用

扩大生成人工智能的收益:基金组织工作人员讨论说明(SDN)展示了基金组织工相关的分析和研究表◎2024国际货币基金组织SDN/2024/002基金组织工作人员讨论说明财政事务部扩大生成人工智能的收益：财政政策的作用由VitorGaspar授权发行2024年6月基金组织工作人员讨论说明基金组织工作人员讨论说明(SDN)展示了基金组织工作人员正在开发的与政策相关的分析和研究，并发表了这些分析和研究以征求意见并鼓励辩论。工作人员讨论说明中表达的观点是作者的观点，不一定代表货币基釜组织、其执行董事会或货币基金组织管理层的观点。摘要：生成人工智能(geerativeAl)在促进生产力增长和推进公共服务提供方面具有巨大潜力，但它也引起了人们对大规模劳动力中断和不平等加剧的深刻担忧。本说明讨论了如何采用财政政策来引导技术及其部署，以最好地服务于人类，同时缓冲负面的劳动力市场和分配效应，以扩大收益。鉴于下一代人工智能发展的性质、影响和速度存在巨大的不确定性，政府应该采取敏捷的方法，为照常营业和高度破坏性的场景做好准备。推荐引用:Brollo和其他人。2024。“扩大生成人工智能的收益：财政政策的作用”。国际货币基金组织工作人员讨论说明SDN2024/002,国际货币基金组织，华盛顿特区。关键字：作者的电子邮件地址：fbrollo@;edablanorris@imdgarciamacia@;thanappi@;lliu@im . .执行摘要1升级社会保护制度 升级税收系统 为AI创新和部署提供资金_结论和政策影响 参考文献1.机器人对美国当地劳动力市场就业和工资的影响：失业保险2.机器人对美国本地劳动力市场工资的影响：失业保险受教育程度的作用 ______73.机器人对贫困的影响：社会救助的作用 4.基线自动化冲击 6.过渡动力学 大福利期限-139.企业对节省劳动力资产的税收偏见 10.按国家划分的节省劳动力资产的公司税偏差 12.对自动化征税与对劳动收入征税以资助失业支持 13.资本收入在最高收入者中的集中：跨国证据 ___2014.劳动和资本收入的平均税率，5年移动平均 ___2115.美国按来源和收入群体划分的收入份额 附件附件1.示范框架附件2。有效税率附件3。公司税收和劳动收入份额(特别是在新兴市场和发展中经济体),以及在公共部门(教育，医疗保健，政府管理)的应用。理查德·鲍德温(2019)“认知”自动化的兴起。人工智能(AI)具有改变生产过程性质并提高生产率和增长的潜力。人工智能最近的快速发展，特别是基于可以产生新内容的大型语言模型的生成式人工智能(geerativeAI)的出现，正在极大地扩展计算机可以比人类更有效地执行的活动集。因此，人工智能在工作场所的潜在应用正在扩大。与过去由蒸汽机、电力和早期业转型不同，一代人工智能的扩散速度比以前的颠覆性技术快得多。尽管企业正在努力找出部署当前数不清的好处。GeAI可以彻底改变商业和公共部门的运营。对于公司和行业而言，它具有新收入，节省成本以及改进产品和流程的潜力。对于政府来说，它预示着公共服务提供的改善，使其更加高效和有效。例如，财政业务，采购和收入收集可以受益于增强的欺诈检测以及自动化的审计和保证流程。个性化交互式学习、增强现实和远程患者监测可以从根本上改变公共教育和医疗保健，帮助人们更快、更公平地获得服务。人工智能推动的公共部门运营进展可以为更有效的政策设计提供信息，并帮助转变监管运营。对劳动力市场和不平等的影响。GeneAI的采用可能是不均衡的，转型的规模和快速速度有可能破坏劳动力市场。许多涉及常2有证据表明，虽然早期的自动化浪潮取代了大多数蓝领(低技能)工人，但白领(高技能)工人最容易接触AI。3但人工智能也能够为更智能的机器人提供动力，并可能导致蓝领工作的进一步自动化。因此，劳动力节约自动化可能会加剧低技能和认知职业的失业，进一步降低相对于资本的劳动力份额和工资，加剧收入和财富不平等。虽然人工智能可以提高企业的生产率，从而提高非自动化任务中对劳动力的需求，并产生新的。箱(2020)发现，人工智能主要针对高技能任务，并指肠响变过高等教自的工人和年长的工人.Fete.和Seams(2023)有将其描能限在与gerA更相关的机器学习应用适应就业市场的变化。传统上，社会保护系统包括基于工资的保险组成部分(例如，失业福利),终身教育和培训计划，现人工智能投资征税：一场日益激烈的辩论。对人工智能的投资应该征税吗?税收和监管可以通过阻止和减缓自动化的部署类能力的应用，并可能导致新的职业任务(Acemoglu、Autor和Johnson2023)。面对来自generAI的不平等和赢家通吃的动态，政府应该如何设计再Korinek2023a;Baily,Brynjolfsson和Kor其他人(2021);Beraja和Zorzi(2024);Costiot和Werig(2023);Gerreiro,Rebelo和Teles(2022);和警告。人工智能技术将如何发展和改变经济是非常不确定的。关于(1)AI能力的提高速度，(2)国家和公司采用最新技术的程度以及如何使用这些技术，不同的方案是合理的。(3)人工智能将在多大程度上取代或补充不同类型的工人，(4)人们将如何适应新的工作现实，(5)政府的政策回应，以及(6)这些因素对生产力增长和经济福祉的影响。财缓解劳动力市场混乱。社会保护系统如何在拥有通用AI的世界中提供稳定的就业和生产率增长(效率),同时为工人提供足够的保护(公平)?社会保险，例如失业保险(UI),可以通过在信贷和保险市场失灵的情况下平滑消费来增强个人年；Chetty,2008年)。积极的劳动力市场政策(ALMP)补充了UI,并可以通过提高工人的技能(通过再培训计划)反映了当地需求下降对非贸易(服务)部门的溢出效应。5然后，新颖的分析利用了失业保险和社会慷慨方面的差异失业保险的缓冲效应。图1中报告的经验结UI的慷慨。失业保险的缓冲效应。图1中报告的经验结UI的慷慨。能产生长期影响(既不是促进当地劳动力需工作而对劳动力供应产生负面影响)。相比大学学位的工人尤其明显(图2),可能是图1.机器人对美国当地劳动力市场就业和工资的影响：失业保险的作用(LowUIgenerostyHighUIonerostyLowUoeneroityHghUioin000124资料来源：Acemoglu和Restrepo(2020年)和国际货币基金组织工作人员计注意：该图使用美国通勤区的横截面数据，对采用机器人的就业和工资进行了估算。因变量是2000-07年样本期内通勤区的就业与人口比率的变工资对数的变化。右侧变量包括(1)对机器人的暴露程度的度量，人使用的行业级别变化和通勤区级别的基线就业份额，调整每个行业产出的整体扩(2)虚拟变量捕获高(低)失业保险(UI)慷慨，如果UI慷慨高于(低于)美国各州的中位数，则等于1:(3)(1)和(2)之间的互相感化。回归还包括对通勤区人口特征、制造业就业份额、对中国进口的敞口以及日常工作中就业份额的控制。条形图分别显度较高和较低的州中，通勤区采用机器人的效果。UI福利在州一级的慷慨法定福利金额及其持续时间的乘积来衡量的。晶须表示95%的信心。间隔。高UI状态和低UI状态之间的差异在1%的水平上具有统计意义。有关详细信息，请参阅Brollo(2024)。图2.机器人对美国当地劳动力市场工资的影响:失业保险按教育水平的Los0genarostyHoUigonerosdyLowUi004资料来源：Acemoglu和Restrepo(2020年)和国际货币基金组织工作人员计Note:ThefigurepresentDifferencesbetweenhighandlowUistates百分比水平。有关详细信息，请参阅Brollo(2024)。工资分配底层的工人来说更加明显。这些工人陷入贫困的风险更高，因为他们很难找到工资相似的新工作。社会救助计划可以在这方面发挥关键的削弱作用。总体而从过去的教训。总体而言，这些发现表明，社会保护的设计的变革，以减轻潜在的更广泛的社会影响。在技术快速变化导致的长期失业，过渡可能非常昂贵。例如，如果一代人工资释来源：”Acemog和Restrepo(2和潜愚的更重要的劳动力市场位移的世界中，注：该图显示了对机器人采用的贫困率的工具变量回归2000-07年样本期内通勤区贫困率的变化。右侧变量与图1中所示的相同详情。SA=社会援助。期生产力和增长红利，但由于劳动力市场的他经济领域使用的技能(Adāo,Beraja和Padalai-Nayar2024),那么劳动力市场的调整可能会更慢。工大还可能面临8州-极社会接助的续概程度是基于美国最大的现金接助计划，即筑困家庭临时报助(TANF)福和的像障程度。每个州的TANF相和的概程度是通过19年设有收入的三口之家的最高每月福利来衡量的，199年是分所涵基于模型的分析和相关渠道。基于模型的分析用于确定应对破坏性技术进步的社会支出政策的最佳特征(详见附件1)。该部门的潜力，可以讨论不对称的部门影响(另见需求逐渐减少，导致在新的稳定状态下(大约15年后),就业率下降了20%。8同时，新的稳态的特点是工资增长约15%,因为自动化提高了总生产率(图4)。9AI的长期影响存在很大的不确定性。例如，Korinek(2023b)和KoinekandSuh(2024)表明，随着Al的逐步推进，产出可能在15年内翻一番。Cazzaniga和其他人(2024)发现增长较小，为10-16%,而Acemoglu(2024)建议的增长甚至更小，在随后的10年8此模拟基于麦情锡(2023)的，即到2030年，白动化可以将工作活动所花费的时间替换20%至30%,但是请注意，该包括广泛和案的利率，而模型农捕拊广泛的利润率图4.基线自动化冲2024202注：该图显示了没有策略的基准自动化方案，其中第1组初始和最终稳态之间的变化以及第2组初始稳态随时间的偏差。模型被校准为进经济体。详见附件1。ppts=百分点。明需要相对较长的失业救济期限。考虑了UI的两种说明性设计：(1)UI替代率永久增加1个百分点；(2)临时的不资的下降(图6)。因此，结合UI和ALMP可以帮助减图5.不同的UI程序2.Consumptionbyunemployedw150420注意：该图示了基线模拟和两个失业收入支持计个百分点的替代率和与经济状况保持一致的临时计划。这些政策由activelabormarketpolicies(AL每个时期的中立。的暴露较少(Pizzielli等2023年)。然而，平均而工智能(Cazzaiga等2024年)。例如，许多新兴了人们对他们适应技术转型能力的担忧(阿昂，贝(ChettyandLooney2006).13基于模型的说明(图7consumptionbyunemployedworker资料来源：货币基金组织工作人员模拟策空间更有限。两种政策方案都包括失业保险和积极的劳动力市场政策(ALMP),但一种方案具有更大的响应和更快的部署(在最初的冲击后2.5年),而另一种方案较小，ALMP的实施延迟(在最初的冲击后五年)。失业当失业率比初始稳态高出1个百分点时。升级失业保险制度。升级失业保险制度。UI系统在多大程度上缓解了Al的负面影响，这可能取决于对自动化和覆盖范围、慷慨和设计功能的暴露。许多发达经济体已经建立了慷慨的失业救济金计划，但工人有资格享受这些计划的程度各不相同。此外，最大福利期限通常少于12个月(图8),支持度在失业期间下降。14对基本UI的访问不是普遍的，但在很大程度上分散在职业线上，并且收益不可移植。Minimumcontributionduration图8.最大效益持续时间2临时工和劳动力市场(再)进入者，以及最大福利接收其业保险的范围，便携性和灵活性，以便有足够的时间进行再图8.最大效益持续时间2临时工和劳动力市场(再)进入者，以及最大福利接收其业保险的范围，便携性和灵活性，以便有足够的时间进行再5加强社会援助。促进社会公乎的社会援助可以通过采取综合计划来加强，这些计划支持直接或间接受到技术转变影响的工人试的有保证的最低收入方案——向家庭分配现金或其他援助，随着收入的增加，福利逐渐下降——以及其他形式的支持(例如，系统地投资于培训和工作过渡服务，如下文所述)。另一方面是向所有人提供无条件的福利，而与收入或就业状况无关再：。从设计上讲，后一种方法将涵盖可能受到AI伤害的高收入群体，可能会产生巨大的财政成本(IMF2017b)。在这一点上，这种方法可能是不可取的，因为对劳动力市场的负面影响并不普遍，现有的社会安全网在大多数发达经济体中以更低的成本提供更多的保护。也就是说，面对潜在的广泛破坏性技术变革，必须仔细评估社会援助计划的适当设计，覆盖范围和资在培训完成后的一年内(Katz等2022年)带来了14-38%的收入增长，并持续增长。其他研究发现，对于因“离岸外包”当前的税收制度是否有利于替代劳动力的投资?现有的税收制度已经区分了对大类资产的投资。这些类别可能包括设备(例如，机器和计算机),结构(例如，办公室),库存和知识产权(例如，软件，专利)。这些资产类别的不同税收处理是由刻意的政策导致的，例如加速税收折旧、投资税收抵免和特定资产(例如知识产权)的降低税率。税收制度提供的投资于特定资产的动机可以用边际有效税率权，以及对AI研究人员和员工的投资。培训计划。一些税收制度目前有利于替代劳动力的投资例如，对软件、计算机硬件和知识产权投资的税收诱导培训计划。一些税收制度目前有利于替代劳动力的投资例如，对软件、计算机硬件和知识产权投资的税收诱导(DIS)激励可以通过它们各来衡量(正的差异表明税收较高，因此对universalacrossacross,p在颠覆性NetherlandsSlovenia0 MBB₁n相发纯物的M度组街公咨立酮养句E平MBB₁n相发纯物的M度组街公咨立酮养句E平R相新于n2047-20年度建筑物的MEIR衡量。“正值装赁严和对子建筑物的税负较高。”MeTR5基于投资苗股权融资的假设新兴市场和发展中经济体：METR=边际有效税率。资产进行投资(见附件图资料来源：经合组织2023d;ZEW2021;和国际货币基金组织工作人员计算。资料来源：经合组织2023d;ZEW2021;和国际货币基金组织工作人员计算。注：该图显示了公司税偏向最大的10个经济体偏向于节省劳动力的资产。偏差以每种资产类型相对于建筑物ME来衡量，并基于2022年85个经济体的样本来获取软件和计算机硬件；对于知识产权，样本仅涵盖2020年的E示资产上的METR相对较低。建筑物。METR=边际有效税率。间的推移，一些国家已间的推移，一些国家已的资产(图11)。例如，美国减税和就业法案(TCJA)于2018年生效,允许公司将资本支出折旧。18对于中位数国家，物)。19这些改革可能激励自动征税。自动化对劳动力图11.改变公司税收偏差0METRdifferential,2000和METRdifferential,19METRdifferential,20J资科殃襟：国际货币基金组织工作人员根据ZEW202注：该图绘制了1998年知识产权投资与2020年知识结构的税收待遇随时间变化的情况。收购软件和计算机硬件的M签使用国际组织17Thetulespensingwillexpoctby2026.Proponentsofalong-tomstablepoicyoffllospensinghavearguedforthisp19基于经合组织(2023d)涵盖的85个国家，不包括没有税制改革的国家。,不应该对通用人工智能、机器人或其他形式的劳动力替代技术征税。然而，可能有效率和公平的理由偏离这一原则。20效率考虑：过度工作错位造成的福利损失。对自动化征税的一个论点是减轻过度的工作位移，当技术变革迅速展开而劳动的劳动力市场摩擦模型。在这个框架中，机器人税可能是可取的，以阻止边际自动化(即自动化产生最小的生产率提高)。信贷约束为对自动化征税以内部化工作转移的外部成本提供了进一步的论据。Beraja和Zorzi(2024)表明，虽然这意和Werig2023;Themmel2023)。Costiot和Werig(2023)估计机器人的最佳税率为机器人价格的1%至3.7%。20另一个烟因可能是人工相能服务器的碳足迹，这蓄要大的电力(daVies2023),藏脱将是趣这些外部成本内部化为技术价格的最有效方法。然而，在没有种配下，对人工智能(或人工程能使用的能源)框限题供了一种21如果改变资本和劳动的一般概存在限制，那么自动化税是最优的。如果没有这些限制，和时于势动段的商临本概就足以有效地减择劳动替代(力框1讨论了劳动收入份额的发展对劳动和资本的一般视的影响)。2其地研究着眼于段革，而是最就微散，以说机器人橄的分配和和效牢皮本之刚的权渐(Bmg等2021年)。Patao和SMmk(2020年)强调，机器人脱不是面分册收入的殿住工具，因为其低域策比它们对增长的力转移带来的过渡成本很高(例如在高度破坏性的AI场景下),那么临时的自动化税可自动化征税以资助失业保险福利的含义(与本进行比较)。23Aautomationtax来自于将劳动力市场和信贷摩擦内部化(效率理由有可能取代劳动力的技术(或体现这些技术的资本资产)。然而，将这些特征编入实际政策是一项艰巨的任务。税收制有争议的问题。今天的主流观点是，资本收,AI加强了这些论点。入分配的顶端(图13)。因此，资本收入份额(Aghio等2019)。此外，这些创新产生了可观的(准)租这些租金往往高度集中在一小群高收入人群中用geAI进一步扩大这些趋势，那么有效地图13.资本收入在最高收入者中的集中度：跨国证据10得税可能是有效的(例如，见银行和钻石2011:斯特劳布和沃宁2020)的收入占总额的20%至30%,但资本收入最高的10%的收入与劳动收入相比。衡量——一直在下降(图14)。与此同时，劳动的平均税负——以劳动和社会保障缴款的个人税占劳动收入的比例来衡量——稳步上升。尽管资本和劳动收入在20世纪80年代初按类似的平均税率征税，但差距在2018年扩大到近10个百分点年前是显著的。在其他国家，如法国和意大利，差距也有所扩大，但主要是由于劳动力平均税的上升；平均资本税一直(百分比)资料来源：Bachas等2022年；以及国际货币基金组织工作人员的计算。注：ATR是根据1965-2018年的全球宏观经济数据(https://globaltaxation.world/),通过将已缴税款的历量标准相关联来构建的。见附件2。ATR=平均税率。)的倡议下的自动信息交流(AEOI),已经有效地帮助了打击离岸逃税(。EUTAX2024)。GenAI可以通过更有效地使用信息来打击税收欺诈来进一步加强这种执法。这样,提高有效税率。,允许递延纳税义务。在一些国家，资本收益部example,institution同时，资本收益高度集中于收入最高的人(图15)。因此，增强资本收益的税收提供了减轻不平等的机会，同Wheeler2021;Chirio础设施(例如，数字连接，电网),特别是在新兴市场和发展中经济体，并在公共部门(教育、卫生、政府管理)推广人工踪人工智能的发展和使用。这样的机构可以帮助为构建、部署和控制人工智能的公司以及下游用户开发更广泛的问责框架国际科学合作可能会提供有用的经验教训(联合国2023年)。为AI重新设计的“分布式CERN”可以扩大在创新，使用里获得收益吗?保护机制进行全面的重新评估。如果人工智能像通用技术(例如蒸汽机，电力)一样，那么一系列工作任务将实现自动化教育系统本身可以利用GenAI来培养更高级别的技能，例如批判性思维，分析和策略。但是，GenAl和机器人技术的发展将要求人们开发与AI系统一起工作的技能，而不仅仅是现有技术。如,而且可以促进收入动员-随着自动化的到来，这对于资助高等教育和社会支出是必要的。更有效地对资本收入征税需要恢复)。总而言之，CIT对劳动收入份额的影响是一个实证问题。对42个发达和新兴市场经济体的面板回归个百分点，劳动力份额就会下降0.1%。相,劳动力份额就会增加0.11%。因此，在(2005-18年间从27.7%降至23.9%),加上平均最高PIT率的小幅上升(从41.9%降至43.7%),估计在此期间，(百分比)210210-0.5-0.6变化及其对劳动力份额的估计影响。CIT=公司附件1.示范框架该分析扩展了Rav和Ster(2021)开发的劳动力市场摩擦的易于处理的HANK-DGSE模型，以纳入自动化。经济有两个研究支持部门流动的政策。两个中间部门的产出结合起来，就产生了最终的商品。劳动力市场受到Diamod-Mortese-Pissarides传统的搜索和匹配摩擦的影响。对三种类型的家庭进行了建模：公司所有者与公司所需的技能之间存在潜在的不匹配(Brach,Petrosy-Nadea和Rochetea2016;DiPace和Hattwec2019;Walsh2011)。由于这些劳动力市场摩擦，就业前景不确定，使家庭面临特殊的收入风险。就业工人没有充分投保这种风险其他标准特征包括名义刚性和基于泰勒规则的利率。以下等式描述了生产结构和劳动力市场动态。□1/nuo(yu-1)/ya1no0ye=i最终产品是使用具有柯布-道格拉斯生产函数的两个中间部门的投入生产的27:27使用CES函数，两个部门的份额相等，弹性为09,结果相似□好处(例如家庭生产)的常数。AnnexTable1.1presentsthecalibrationofthekeyparametersofthem,并匹配弹性μ经过校准以匹配三个目标：(1)7%的失业率，在美国的5%和欧元区国家的10%之间；(2)每季度45%的工人找到工作的可能性；(3)每个季度70%的公司空缺填补概率(Christoffel,Kster和Lizert2009;Challe2020)。置换率定为50%。失业保险以外的失业福利经过校准，以适应失业后20-30%的消费损失(DeHa这一基准模拟校准了一系列冲击，这些冲击到2030年将自动化资本的生产率提高了300%,导致受影响部门的劳动力减少了20%。这与麦肯锡(2023)的预测一致，即到2030年，自动化可以取代20%到30%的工作时间。但是请注意，投影包伯格、布菲和赞娜(2018)匹配效率工人工资议价能力失业工人的其他福利□o00口□□伯格、布菲和赞娜(2018)口□62匹配的平均频率注：标准值基于Smets和Wouters(2007年);Christiano,Eichenbaum和Evans(2005年);Gomes,Jacquinot和Pisa年);以及Gertler,Sala和Trigari(2008年)替代方案考虑了自动化资本生产率的较小增长-大约是图4中基线水平的一半-类似于Cazzaniga和其他人(2024)。在此假设下，产出增加约17%,而受影响部门的劳动收入份额下降了10个百分点，使经济中的总劳动收入份额减少了5个百分点(附件图1.1)。由于部门流动摩擦，过渡仍然代价高昂，但不如基线严重(附件图1.2)。00-25BaselineAlternati资料来源：货币基金组织工作人员计算。注：在替代情景中，部门生产率对自动化资本的冲击幅度约为基准情景的一半。附件图1.2。过渡动3210—Comsumptionbyunemployed86420对自动化资本的冲击大约是基准情景的一半。附件2.有效税率许多国家的目标是使税收折旧与经济折旧相匹配。然而，出于税收目的的加速(或奖金)折旧已被广泛用于支持被认为具对投资产生重大影响。据集。两者都包含不同国家，资产组和时间段的ME间34个国家的三项主要资产(建筑物，机械，已获得的专利)。OECD的数据涵盖了2017-22年期间74个国家的8种不同资产(包括购置的软件和计算机硬件；见附件图2.1)。附件图2.1显示，当前的METRs(基于股权融资并在74个国家/地区平均)在资产类型之间远非中性。平均值远高于零，大部分观测值在12.5%至35%之间。附件图2.1.按资产组划分的METRs,2017-22年，74个国Non-residentialstructu资料来源：经济合作与发展组织：和国际货币基金组织工作人员计算。注：METR=边际有效税率。(百分比)LiberiaSenegalEswatiniCroatiaAustriaEstoniaIrelandCyprus资料来源：经济合作与发展组织：ZEW莱布尼茨欧洲经济研究中心：和国际货币基金组织的工作人员计的，并且基于2022年85个经济体的样本来获取软件和计算机硬件；对于知识产权，样本仅涵盖2020年的EU27。负(正)值表示资产相对于建筑物的较低(较高)METR。METR=边际有效税率。平均税率(ATR)是通过将所缴纳税款的历史数据与税基的度量相关联来构建的。本说明中使用的ATR是基于Bachas和其他人(2022)汇编的宏观经济数据，他们开发了关于资本和劳动力的长期全球时间序列。根据这种方法，宏观经济数据中捕获的每个税收类别都归因于两个生产要素之一。税收收入数据是根据OECD收入统计(OECD2023e)中的方法构建的，类别1200(CIT)完全归因于资本，类别2000(社会保障缴款[SSC])完全归因于劳动力，类别1100(个人所得税[PIT])部分归因于资本，部分归因于劳动力。归因于资本和劳动力的PIT份额因国家和年份而异。尽管关于劳动收入的ATR的定义遵循Bachas等(2022),但我们通过排除财产税和财产税来对资本收入应用不同的ATR定义，以更好地反映影响企业自动化决策的税收。分析中排除了消费税。将每种税收归因于两种生产要素之一后，总数除以根据国民账户数据计算的资本和劳动收入份额。将ATR进一步分解为其组成部分表明，自1980年以来，公司收入和资本收入(在个人层面)的ATR均有所下降，后者在1980年代初和2000年代初经历了显着下降。CIT部分受商业周期的影响更大，自20世纪70年代末以来一直处于下降轨道。自2016年以来，银行信息的自动交换可能对个人税收成分的小幅恢复起到了作用。附件图2.3显示了各个国家劳动力和资本的ATR趋势。附件图2.3.个别国家劳动力和资本的附件3公司税收和劳动收入份额劳动收入份额。自1965年以来，155个国家/地区的长期劳动收入份额可从Bachas等(2022年)获得。它使用联合国的报酬加上混合收入的一部分(私人非法人企业的经营盈余)。虽然衡量工人的报酬相对简单，但混合收入(非法人企业)中的劳动份额却很难衡量。混合收入中劳动份额的基准系列假设为75%;也就是说，混合收入的25%被认为是资本收基准规范评估了公司和个人所得税对劳动收入份额的影响，控制了1990-2008年期间42个发达和新兴市场经济体劳动收数(美元，不变价格);资本成本，定义为资本相对于消费的平均价格；贸易开放度，定义为接受国出口和进口占GDP份额的总和；和金融发展水平。C表示法定企业所得税税率，以及000表示最高法定个人所得税。回归还包括国家和年份健结果汇总在附件表3.1中，仅在规范(3)中针对发达经济体的结果，在方框1中进行了讨论。如果所有国家都包括在规范(1)和(2)中，则CIT率的估计系数为正，并且微不足道。这掩盖了规范(3)中发达经济体的正(90%)CIT同期为43.7%,或1.8个百分点。这些加在一起，意味着劳动力份额减少了0.58%,其他所有不变(方框图1.1果国家FEYY0.02YYY(0.03)(0.03)YYY资料来源：Bachas等2022年；国际货币基金组织，《世界经济展望》数据库：以及国际货币基金组织工=个人所得税：Y=是。Acemoglu,Daron。2024。“人工智能的简单宏观经济学”。NBER工作文件32487,国家经济研究局，马Acemoglu,Daron,DavidAutorandSimonJohnson.Acemoglu,Daron,andSimonJohAcemoglu,Daron和PascualRestrepo。2018。“人与机器之间的竞赛：技术对增长，要素份额和就业的影响。”国经济评论108(6):1488-542。Acemoglu,Daron和PascualRestrepo。2020年。“机器人和工作：来自美国劳动力市场的证据。”政治经Acemoglu,Daron,ClaireLelarge和PascualRestrepo。2020。“与机据"AEA论文和论文集，110:383-88。///sites/default/files/inline-files/transitions_JPE_Macro_revised_OAghion,Phiippe,CelineAntonin,Amaglobeli,David,RuudA.deMoj,AndualemMengistu,MarianoMoszoPattanayak,LorenaRiverodelPaso,FrankosigiSolomon,RebeccaSparkmanAtkinson,Anthony,andJofPublicEconomi公共经济学杂志，6(1-2),55-75。Aum,Sangmin和YongseokShin。2022。“软件正在吞噬世界吗?”旧金山联邦储备银行工作文件2022/10/21。https://www.frb/wp-content/uploads/sites/4/10-21-2022-Shin-paper.pdf。30074,国家经济研究局，马萨诸塞州剑桥Autor,David。2024。“应用AI重建中产阶级工作”。NBER工作文件32140,国家经济研究局，马萨诸塞州剑桥OMarket?QuarterlyJournalofBachas,Pierre,MatthewH.Fisher-Post,AndersJensen,andGabrielZucman.2022."CapitalTaxation,Develop理查德·鲍德温。《全球动荡：全球化，机器人技术和工作的未来》。2019牛津，英国：牛津大学出版社。班克斯，詹姆斯和彼得·戴蒙德。2011年。“直接税的基础”。《税收设计的维度》,由斯图尔特·亚当，蒂姆·贝斯利·波特巴编辑，548-674。牛津，英国：牛津大学出版社。Beraja,Martin,andNathanZor自动化时代的权衡。“。国际货币基金组织工作文件2021/187,国际货币基金组织，华盛顿特区。《计量经济学杂志》65(1):9-43。美国经济评论113(2):279-316。“加强社会保护为技术创新铺平道路：来自美国的证据”,国际货币基金组织工作文件2024/095,华盛顿特区。Bürgisser,Reto.2023."PolicyResponsCazzaniga,Mauro,FlorenceJaumotte,LongjiLi,GiovanniMelChalle,Edouard。2020。“零流动性经济中的无保险失业风险和最优货币政策。”美国经济杂志：宏观经济学12(2Challe,Edouard,JulienMateron,XavierRagot,andJuanF.Rubio-Ramirez.2017.“预防性储蓄和总需求”.QuantitativeEconomics8(2):435-78.Chetty,Raj,andAdamLooney.2006."ConsumptionSmoothingEconomies."JournalofPublicEconomics90(12):2351-56.States."国家税务杂志76(3):481-523。Christiano,LawrenceJ.,ofaShocktoMonetaryPolicy.Christoffel,Kai,KeithKuster,andTobiasLinzert.2009.“TheRoleEuropeanEconomicRevComunale,Mariarosaria,andAndreaManera.2024.“TheAcademicLiteratureandPolicyActiCostinot,Arnaud,andlvanWerning.2023.TechnologyRegulation."ReviewofEconomDauthWolfgang,SebastianFindeisen,JensSuedekum,andNicoleWoessnerRobots."JournaloftheEurdeMooij,RaudA.,andGatandeVries,Alex.2023“人工智能不断增长的能源足迹”.焦耳7(10):2191-94.EconomicAssociation16Devereux,MichaelP.,LiTaxRecords."AmericanEconomicJournal:EcoEloundou、Tyna、SamFatica,Serena。2017。“税收资本投入的衡量和分配：对经合组织国家的敏感性分析。”收入和财富回顾63(1)Felten,EdwardW.,ManavRaj,andRobertSeamans.2023."occupational异质性inexpositiontogenerativeAl."/10.2139/ssrn.4414065.Frey,CarlBe