Meta 把 AI 数据中心称作“实验”，借此规避数十亿美元美国税款

Meta 正在利用一项联邦研究税收抵免，通过把其 AI 数据中心归类为“试点模型”、把 Nvidia 芯片列为实验材料，省下数十亿美元。据《纽约时报》报道，该公司 2025 年省下 39 亿美元，高于前一年的 20 亿美元和 2023 年的 7 亿美元，成为所有上市公司中这项抵免的最大受益者。

“试点模型”这个标签，与 Meta 告诉投资者和公众的内容很难对得上。2025 年 7 月，扎克伯格宣布计划“投入数千亿美元用于算力，以构建超级智能”，以数个多吉瓦级集群为支撑。第一个集群 Prometheus 已部分上线，第二个 Hyperion 预计将在数年内扩展到 5 吉瓦。“我们有来自业务的资金来做这件事，”扎克伯格去年夏天写道。

到 2026 年 6 月，Meta 已公开详细说明其庞大的算力基础设施，包括与 Nvidia、AMD、AWS、Arm 和博通的合作，以及其自研的 MTIA 芯片。这些听上去都不像实验。扎克伯格本人曾在 2025 年 1 月表示，这些数据中心将“驱动我们的核心产品和业务”。

这项税收抵免可追溯到 1981 年的一项法律。提出该法案的国会议员詹姆斯·香农对《纽约时报》表示，它本意是面向“人力、知识和信息”，而 Meta 的用法“已经远远超出了任何人所能想象的程度”。

Meta 为该做法辩护时，指出过去五年投入了 2000 亿美元用于研发。但即便是 Meta 自己的会计师也认为这一策略在法律上有风险。在提交给 SEC 的文件中，该公司警告称这些节税可能受到挑战，为不确定税务事项计提的准备金跃升 45%，达到 187.4 亿美元。

即便美国国税局追回这笔钱，Meta 很可能仍然占优，因为在此期间这笔资金已被投入使用，推高了其股价。Meta 的审计机构安永批准了这一策略。据《纽约时报》报道，安永还曾帮助 Meta 搭建这项税收抵免安排，如今正向其他希望抵消 AI 芯片采购成本的公司推销同样的做法。

Meta 通过把 AI 数据中心归类为“试点模型”、把 Nvidia 芯片列为实验材料，使用一项 1981 年设立的联邦研发税收抵免，2025 年省税 39 亿美元，成为该抵免在上市公司中的最大受益者。但其对投资者宣称的是耗资数千亿美元的超级智能算力集群，且自家财报已计提 187.4 亿美元不确定税务准备金，安永同时还在向其他公司推销同一做法。

• Meta 通过把 AI 数据中心归类为“试点模型”、把 Nvidia 芯片列为实验材料，使用一项 1981 年设立的联邦研发税收抵免，2025 年省税 39 亿美元，成为该抵免在上市公司中的最大受益者。但其对投资者宣称的是耗资数千亿美元的超级智能算力集群，且自家财报已计提 187.4 亿美元不确定税务准备金，安永同时还在向其他公司推销同一做法。
• 原贴提到：Meta is using a federal research tax credit to save billions by classify
• 来源：the-decoder.com

这是什么信号

同一批资产，在税务口径里是“试点模型”和“实验材料”，在资本市场口径里却是支撑“超级智能”的多吉瓦级算力集群。Meta 正是靠这种双重表述，把 AI 数据中心和 Nvidia 芯片装进一项 1981 年设立的联邦研发税收抵免：2023 年省 7 亿美元，2024 年 20 亿，2025 年 39 亿，使其成为所有上市公司中该抵免的最大受益者。

判断这条信号的关键不在金额，而在“口径分裂”被公开摆到了台面上：Prometheus 已部分上线、Hyperion 规划扩展到 5 吉瓦、扎克伯格自己在 2025 年 1 月说这些数据中心将“驱动核心产品和业务”——没有任何一条能自然对应“实验”这个词。连当年提出该法案的国会议员都表示，Meta 的用法“已经远远超出了任何人所能想象的程度”。

为什么重要

第一，它揭示了 AI 资本开支的“真实价格”是可以被会计口径重写的。企业对外讲的是长期基础设施，对内报的是短期实验，两者之间的差额直接变成现金流。这意味着评估一家 AI 公司的投入强度时，账面资本开支和实际税后成本可能不是一回事。

第二，它把一个行业惯例问题变成了税务合规问题。Meta 自家会计师并不认为这件事稳：SEC 文件里明确提示节税可能被挑战，不确定税务准备金额度跳升 45% 至 187.4 亿美元。也就是说，公司内部对这笔钱能否最终留下，是打了折扣的。

第三，也是最容易被忽略的一点：审计机构安永既帮助搭建了这套抵免安排，又为其背书，如今还在把这套方法推销给其他想抵消 AI 芯片采购成本的公司。这已经不是某一家公司的个案操作，而是一个正在被复制的模板。

对谁有价值

• 重资产 AI 投入方：无论是自建数据中心还是大规模采购加速卡的企业，都会关心同一件事——算力支出里哪一部分可以归入研发激励口径。
• 投研与财务分析者：看 AI 公司财报时，需要把“税收抵免收益”和“不确定税务准备金”放在一起读，才能接近真实的税后投入成本。
• 财务、税务与合规负责人：这是一份现成的对照案例：激进的抵免口径会带来多大的准备金压力和披露义务。
• 关注科技政策的人：一条为“人力、知识和信息”设计的旧法条，如何在算力时代被用于千亿美元级基础设施，是一个典型的规则滞后样本。

可以怎么行动

1. 把“叙事口径”和“税务口径”分开建档：对外讲述的基础设施定位，与申报时的实验/试点归类，各自的表述边界写清楚，避免两套话术在尽调或审计中被并列比对。
2. 在评估 AI 基础设施投入时，做一版“剔除税收抵免”的税后成本测算，看清激励退出后的真实单位算力成本。
3. 如果所在企业考虑类似抵免安排，先量化两件事：可能被追回的金额规模，以及需要在报表中计提的不确定税务准备金比例。Meta 的 45% 增幅是一个可参照的量级信号。
4. 对使用同类策略的企业，关注其审计机构是否同时参与了方案设计与审计背书——这种角色重叠本身就是风险提示项。

风险与限制

第一，法律风险是明确存在的，且由公司自己披露：节税可能被挑战，准备金已大幅计提。追回并不等于“白做”，因为资金在被质疑期间已经投入使用，但追回会带来补税、利息乃至罚款的现金流冲击。

第二，这条信号有明确的时效与地域限定——它发生在美国联邦税制框架下，依赖 1981 年以来的特定法条与抵免机制，不能简单外推到其他司法辖区或其他公司。

第三，缺少一个关键数字：Meta 的实际税率变化、以及被追回情形下的净损失估算，公开信息中并未给出。因此“即便被追回仍占优”这一判断来自报道引述的逻辑，而非可验证的财务测算，使用时应保留余地。

第四，AI 数据中心的最终定位如何界定，仍取决于监管与税务机构的认定，而这类认定往往滞后数年。在此之前，所有相关测算都只是情景推演，不是结论。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Meta 把 AI 数据中心称作“实验”，借此规避数十亿美元美国税款》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Matthias Bastian 原帖