Meta 利用人工智能数据中心规避数十亿美元联邦税

税收抵免的适用范围 / “实验 vs 运营”

• 法律只为实验性研发提供抵免，而不是日常运营。
• 许多评论者认为，Meta 的 AI 数据中心如今运行的是大规模生产型工作负载（聊天机器人、搜索、助手），因此把它们称作“实验性”与立法意图相悖。
• 另一些人则认为，LLM 和大规模 AI 基础设施仍然是真正的实验性领域，持续有研究、新训练轮次以及不断演变的使用场景，所以将其中相当一部分归类为研发是有理由的。
• 争论还包括：训练是否应算作研发，而推理（为用户提供服务）则不应；以及 Meta 是否在模糊这条界线。

合法 vs 非法；避税 vs 逃税

• 有人认为 Meta 的做法非常激进，但在法院或 IRS 裁定之前仍处于灰色地带；“在被认定有问题之前，它就是合法的。”
• 也有人强调，文章暗示 IRS 可能会把这视为不当行为，甚至可能违法，尤其是据报道 Meta 自己的财务人员曾表达担忧，而且公司披露了追缴风险。
• 还有人指出，美国缺乏一些欧盟国家用来阻止这类解释的强力“法律精神”/反滥用规则。

责任：公司 vs 体系

• 一方认为，企业只要合法就会尽量少交税，责任主要应落在立法者和被削弱的 IRS 身上，因为他们制造并未能堵住这些漏洞。
• 另一方坚持，强大公司通过游说、捐款和政治压力塑造了这些法律本身；因此，制度和利用制度的公司都难辞其咎。
• 讨论中反复出现金钱政治、监管俘获，以及税制复杂性如何让大公司相较个人或小企业更占优势。

伦理、公平与规范

• 许多人认为，即使从技术上合法，这也会对社会造成伤害：它把税负转嫁给普通纳税人或未来债务，而受益于公共基础设施的公司缴纳更少。
• 也有人反驳说，Meta 本来就缴纳了数额巨大的税款并雇用了很多人；边际减税本身并不必然意味着丑闻。
• 讨论还延伸到累进税与累退税、福利、“工资盗窃”，以及“受托责任”是否足以为把税务方案推到极限提供正当性。

可能的修补与替代方案

• 建议包括：
  • 基于立法意图制定更强的反避税规则。
  • 简化或收窄研发抵免，或对超大公司加以限制。
  • 将税收重点从企业所得转向资本利得/股息，或者反过来，对公司征更重的税、对个人征更轻的税。
• 也有人质疑，针对 AI 数据中心的激励政策本身是否就是好政策，还是应该把优先级放在医疗、社会项目等公共需求上。