
近年来欧盟为美国大型企业陆续开出的巨额避税“罚单”终于让美国政府忍无可忍:这是我们的“家事”,你们的做法逾距了!
今日凌晨(8月25日),奥巴马政府就本土大型企业的避税问题开始向欧盟施加压力:如果布鲁塞尔继续按计划强制收取来自苹果公司及其他美国跨国公司上亿美元的避税罚款,其将考虑采取报复性措施。
事件起因应该从上个月说起。今年7月,欧盟两年来对苹果公司在爱尔兰税务问题上的审查终于有了初步结论:苹果缴税环节存在漏洞,税务处理不当。作为史上最大的单一企业避税调查,这起案件预计要下个月才能最终做出裁决,其中涉及的利润税金额将高达数十亿美元。
投资银行摩根大通此前就警告说,如果欧盟委员会要求苹果按照爱尔兰公司税率追缴其税前利润的12.5%,公司将为此支出19亿美元。
因此,奥巴马政府认为欧盟针对美国公司(包括苹果、亚马逊及星巴克)的避税调查创造了“一个不幸的国际税务政策先例”。在这份美国财政部长Jack Lew授权发布的白皮书中,美国政府认为布鲁塞尔有越权之嫌,已摇身一变成为“超越国家主权的税务机关”,措辞也相当严厉:
“我们明令禁止欧盟成员国针对某些特定企业提供税务优惠,这是一条长期存在的规定。然而,当此类税收优惠被赋予企业后,成员国就应当设法补回这些不正当得利。(而不是通过把那些优惠再收回来)。”
对于此次调查,苹果CEO库克则表示公司遭遇了一种“不公平的政治待遇”,审查结果并不是背后的真相。他在几周前接受《华盛顿邮报》采访时曾回应了外界对于公司采取规避美国税收的质疑:
“在美国,我们的纳税比任何公司都多。而且当前税法也明确指出,无论将资金保留在爱尔兰还是转移回国都是我们的权利。我需要强调的是,苹果已经缴纳所有应缴的税款。”
而对于将海外收入保存在海外的做法,苹果公司也已在2015年财报中指出:
“公司那些全部未分配的国际业务利润都将被重新投资于美国境外的业务运营,这些利润来自经由爱尔兰管理的子公司,而爱尔兰的企业所得税率为12.5%。”
早在2013年,美国国会就曾发布报告称,苹果公司利用美国税法漏洞,在2011~2012年期间的避税金额高达125亿美元。为此美国国会召开听证会,苹果公司CEO蒂姆•库克还首次就避税问题到美国参议院接受质询。但调查却没有发现任何非法活动的证据,苹果与爱尔兰政府也坚决不承认自己有任何不当行为。
Google、微软、苹果、亚马逊等大型跨国公司将大量的知识产权及现金通过各种渠道转移至海外的避税天堂已经不是什么新鲜事。
今年4月巴拿马文件曝光后,欧盟委员会因此而修改相关条例,强制年赚 7.5 亿欧元的跨国公司公开披露他们在“避税天堂”的各项活动。因此,Facebook 、Google 、苹果以及亚马逊等科技公司均受到影响。而美国政府也借机开始对各大跨国巨头展开税务调查,但却对欧盟的做法一直心存不满。
今年5月,Google因涉嫌避税15亿美元遭到法国、英国政府的突击调查(与苹果一样也在不间断接受调查)
今年5月,亚马逊卢森堡分部遭到欧盟的避税调查
今年7月,美国国税局对“Facebook涉嫌向爱尔兰转移资产”进行调查
2013~2016年,欧盟对苹果的避税调查已持续两年,于7月公布最初裁定结果。这也是最受全球关注的避税案。
在今年5月对2003年卢森堡与亚马逊达成的税收协议展开调查时,欧盟认为二者达成的这一税收协议使亚马逊欧洲公司在卢森堡实行的低税率政策方面享受了特权。据英国《金融时报》报道,亚马逊可能最终被勒令向卢森堡补缴4亿欧元(约合4.48亿美元)的税款。美国政府对此相当不满,认为这一针对美国公司税收活动的调查并不公平,但却没有像此次对苹果公司裁定结果的反应这么激烈。
而亚马逊总裁贝索斯的反应几乎跟库克如出一辙:
“我们该交的都交了,每个国家都不少。问题是美国的税收政策非常不合理,为了保证利润以及安抚投资者,我们采取的举措都是合理且必要的。”
彭博社在前天还曾给亚马逊算过一笔账:当亚马逊在2005年将其知识产权转移至卢森堡时,公司报给美国税务局的资产价值仅为2.17亿美元。但据卢森堡当局的最新数据显示,截止2016年的过去10年间,亚马逊欧洲科技公司(卢森堡分部)的营收总额已达到520亿美元。这意味着美国政府与避税地也在10年内错失了数亿美元的税收收入。
因此,美国政府除了要继续在这些公司身上动刀子外,也需要与欧盟进行博弈:即使还得不到这笔钱,但总比钱落到其他国家的腰包里好。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。