Coinbase报告:加密货币用户愿意纳税,但复杂性依然存在

ambcrypto發佈於 2026-03-30更新於 2026-03-30

文章摘要

Coinbase与CoinTracker的联合报告显示,大多数加密货币用户愿意遵守税收规定,但税务复杂性仍是主要障碍。74%的用户知晓加密货币需报税,65%曾申报过加密资产活动,但仅49%能准确判断应税时点,近三分之二用户不了解即将实施的法规变动。 美国国税局计划于2027年推行1099-DA表格,要求数字资产经纪商提供交易明细,但用户仍需自行计算调整后成本基础。由于用户平均使用2.5个交易平台且83%使用自托管钱包,跨平台成本追踪变得异常困难,仅35%的受访者曾完成过成本基础计算。 为应对复杂性,47%的用户考虑使用AI工具计算应税收入,30%希望全程自动化处理,但目前78%仍依赖通用税务软件,52%寻求会计师协助。报告指出,监管要求与用户实操能力之间存在显著差距,亟需更易用的工具支持。

根据最新行业报告,大多数加密货币用户打算遵守税收要求,但关于报告规则和交易追踪的困惑仍在持续制造障碍。

Coinbase与CoinTracker的联合研究发现:74%的用户知晓加密货币需纳税,65%的用户过去曾申报过加密活动

但认知程度参差不齐:仅49%的用户能准确识别应税事件发生时机,近三分之二用户对即将实施的规则变更不知情。

研究结果表明,合规意愿并非核心问题,真正的挑战在于用户需要应对日益复杂的报告环境。

IRS 1099-DA规则扩大报告要求

随着美国政府通过1099-DA表格推动加密货币税务报告标准化,合规复杂性正在加剧。

根据美国国税局和财政部的指导新规,数字资产经纪商需提供详细记录加密活动收益的交易报表。更新后的规则允许从2027年起以电子方式交付这些表格。

这些变更旨在简化报告流程并减轻行政负担,顺应加密货币交易高度数字化的特性。但随着监管机构扩大对该领域的监督,这些规则也正式确立了税务报告的合规预期。

成本基准计算难题持续存在

尽管规则更新,核心挑战依然未解:成本基准计算。

加密货币用户通常在多个交易所、钱包和平台进行交易,报告显示平均每位用户使用2.5个平台,83%用户使用自托管钱包

这种碎片化操作模式导致难以追踪资产的原始购买价格,而该数据是计算盈亏的必要依据。

虽然1099-DA表格将报告总收益,用户仍需自行确定调整后成本基准并协调跨平台交易。

仅35%的受访者表示过去进行过成本基准调整,这凸显出监管要求与用户能力之间的显著差距。

报告指出,合规期望提升与可用工具及用户认知尚未同步是核心矛盾。

人工智能成为潜在解决方案

随着复杂性增加,用户开始转向自动化工具寻求支持。

近半数受访者[47%]表示会使用AI工具计算应税收入与资本利得,而30%的用户倾向于完全依赖AI处理整个报税流程

尽管如此,传统方式仍占主导地位:78%用户使用通用税务软件,52%依赖会计师


最终总结

  • 多数加密货币用户愿意遵守税法,但对报告规则和成本基准追踪的困惑普遍存在
  • 美国国税局新规虽提升透明度,但未完全解决用户面临的复杂性挑战

相關問答

Q根据报告,加密货币用户对纳税义务的总体态度是什么?

A大多数加密货币用户打算遵守税收要求,74%的用户知道加密货币需要纳税,65%的用户过去曾报告过加密货币活动。

Q用户在加密货币税务方面面临的主要挑战是什么?

A用户面临的主要挑战是复杂的报告环境和成本基础计算的困难。只有49%的用户能正确识别应税事件的发生,并且用户平均使用2.5个平台,83%使用自托管钱包,这使得追踪资产原始购买价格变得困难。

Q美国国税局推出的1099-DA表格旨在解决什么问题?

A1099-DA表格旨在标准化加密货币税务报告,要求数字资产经纪商提供详细交易报表,从2027年开始允许以电子方式交付,目的是简化报告流程并减轻行政负担。

Q报告显示用户在计算成本基础方面存在什么问题?

A成本基础计算是一个未解决的关键挑战。只有35%的受访者表示过去曾调整过成本基础,这突显了监管要求与用户能力之间存在显著差距。

Q人工智能在加密货币税务中扮演什么角色?

A人工智能被视为潜在的解决方案。47%的受访者表示会使用AI工具来计算应税收入和资本利得,30%的人表示会依赖AI处理整个税务过程,但传统方法仍占主导地位,78%的人使用通用税务软件,52%的人依赖会计师。

你可能也喜歡

中国AI为什么发展得这么快?答案藏在实验室内部

本文通过作者走访中国头部AI实验室的经历,探讨了中国AI快速发展的原因及其与美国的路径差异。文章指出,中国AI的优势不仅在于人才、工程和迭代速度,更在于其务实的组织方式:少谈概念,多做模型;强调团队执行而非个人明星;倾向于自研核心技术栈而非依赖外部服务。 中国AI生态呈现出与美国不同的发展模式:美国注重原创范式、资本投入和顶尖科学家的个人影响力;中国则更擅长在已有方向上快速追赶,通过开源协作、工程优化和大量年轻研究者的投入,将模型能力迅速推向前沿。中国的许多核心贡献者是学生,他们带着谦逊和专注投入工作,较少受个人主义或哲学讨论的干扰,更专注于模型构建本身。 在产业层面,中国公司普遍持有“技术所有权”心态,倾向于自建而非购买技术栈,大型科技公司纷纷研发自己的大语言模型以掌控核心技术。尽管对英伟达算力有强烈需求,且国内数据产业不如西方发达,但中国AI需求正在增长,更接近云市场的支出模式而非传统的SaaS市场。 文章认为,未来的AI竞争不仅是模型能力的比拼,更是组织能力、开发者生态和产业执行力的竞争。中国AI正以自身独特的方式参与全球前沿,两种不同的发展路径正在形成。作者最后强调,尽管存在地缘政治紧张,但全球开放AI生态的繁荣对世界更为有益,并表达了对中美在AI领域协同发展的期望。

marsbit9 小時前

中国AI为什么发展得这么快?答案藏在实验室内部

marsbit9 小時前

3年5倍,百年玻璃厂重生

本文探讨了拥有175年历史的玻璃制造商康宁公司如何在AI数据中心建设浪潮中,借助光纤需求爆发实现业绩与股价的飞跃。文章核心内容如下: AI数据中心对光纤的需求出现结构性爆发,根据CRU数据,年增长率高达75.9%,导致供需缺口扩大。英伟达为此投资康宁等三家公司,总金额达45亿美元,旨在打通从激光器、光芯片到光纤的全链条。康宁作为被选中的光纤供应商,承诺大幅扩张产能。 需求爆发的背后有两重逻辑:一是光纤核心材料“预制棒”的扩产周期长、工艺要求高,供给存在刚性约束;二是AI芯片算力提升迫使数据通信从电转向光,以降低能耗并提高传输效率,这直接推动了高端特种光纤(如用于CPO共封装光学)的需求。AI数据中心的光纤用量可达传统机柜的5-10倍,并随GPU集群规模超比例增长。 在此背景下,康宁光通信业务收入从2023年的13亿美元快速增长,2026年Q1同比增长93%,并获得了Meta、英伟达等科技巨头的长期大额订单。虽然从全球市场份额看康宁并非最大,但其在超低损耗、高密度、高抗弯等AI所需的高端特种光纤技术上具备优势,且企业级(数据中心)客户收入占比已超40%,这使其区别于以电信运营商客户为主的其他厂商。 文章指出,光纤涨价红利正惠及全行业。康宁当前股价和估值已大幅攀升,未来表现将取决于CPO技术落地节奏、大客户订单执行情况以及“空芯光纤”等潜在技术变革的影响。尽管前景看好,但短期过快的涨幅也可能带来波动风险。

marsbit10 小時前

3年5倍,百年玻璃厂重生

marsbit10 小時前

交易

現貨
合約
活动图片