
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。