CARF落地实施,中国居民持有加密资产会被追缴税款吗?

marsbit發佈於 2026-02-02更新於 2026-02-02

文章摘要

CARF的推进将显著增强各国税务机关获取海外加密资产信息的能力。该框架虽不创设新税种,但通过自动信息交换机制,使税务机关能识别本国居民在境外的加密资产收益,并对未申报行为进行追税和处罚。 对于已加入CARF的国家(如英国),税务机关可系统性收集用户交易数据,追溯以往未申报的加密收益。中国大陆目前尚未加入CARF,因此仅因持有加密资产本身而被直接追税的风险较低。 但关键风险点在于加密资产变现:一旦将加密资产兑换为法币并存入海外银行账户,相关信息可能通过现有CRS机制或其他双边合作渠道传回中国税务机关,导致追税和处罚风险显著上升。此外,各国税务机关仍可通过个案调查协作交换涉税信息,进一步增加合规不确定性。

作者:FinTax

CARF的基本影响逻辑

随着CARF的推进,各国税务机关获取海外加密资产信息的能力将显著提升。

CARF并不创设税收规则,而是通过自动信息交换,使税务机关能够识别本国税务居民在境外取得的加密资产收入。

在信息透明的基础上,对未申报收益进行补税和执法或将成为常态。

对于已承诺加入CARF并立法推行的国家而言,税务居民在海外交易所的加密资产账户及交易信息,将通过CARF机制在各国税务机关之间交换。税务机关可据此比对纳税申报情况,对漏报、少报行为实施处罚。

已加入CARF国家:信息透明后可被追溯

以英国为例,自2026年起,英国已要求本地加密资产服务提供商系统性收集用户交易数据,用于税务核查。英国税务海关总署(HMRC)已明确表示,将利用相关数据交叉比对个人报税记录,若发现未依法申报的加密资产收益,将依法追缴税款并处以罚款。

在该类司法辖区内,一旦加密资产交易信息通过CARF进入税务机关视野,过往未申报的海外加密所得存在被追溯征税的现实风险。

关键风险点:加密资产变现

中国大陆目前尚未加入CARF,税务机关短期内无法通过CARF自动获取中国居民在海外交易所持有的加密资产账户信息。在现行政策不变的情况下,仅因海外持有加密资产本身,被国内税务部门直接发现、追缴税款的风险相对较低。

但这一判断仅限于加密资产停留在加密体系内。一旦加密资产被兑换为法币,并进入银行账户或其他金融账户体系,风险路径将发生变化。

中国大陆自2018年起已全面实施CRS,并与多个司法区开展金融账户信息自动交换。在CRS框架下,中国税务机关已存在通过海外金融账户信息追缴税款的实际执法先例。

因此,即便中国大陆尚未参与CARF,加密资产一旦通过海外交易所变现,并储存于金融账户中,相关信息仍有可能通过CRS或其他渠道被传回国内税务机关。

其他税务信息渠道的现实存在

在现有税收协定及执法合作机制下,各国税务机关可通过个案调查协作,交换特定纳税人的涉税信息。

若他国税务机关在执法过程中发现涉及中国居民的大额逃税或违法交易,相关线索亦可能通过双边机制提供给中方。

相關問答

QCARF是什么,它如何影响中国居民在海外持有的加密资产?

ACARF是加密资产报告框架,它通过自动信息交换使各国税务机关能够识别本国税务居民在境外取得的加密资产收入。虽然中国尚未加入CARF,但一旦加密资产变现进入金融账户,仍可能通过CRS等机制被国内税务机关获取信息。

Q中国居民仅因在海外持有加密资产会被直接追税吗?

A在现行政策下,仅因海外持有加密资产本身被国内税务部门直接发现和追税的风险较低。但若加密资产变现为法币并存入金融账户,则可能通过CRS机制被税务机关发现并追缴税款。

Q哪些国家已加入CARF并可能追溯加密资产收益?

A英国等已承诺加入CARF的国家自2026年起将要求本地加密服务商收集用户交易数据,税务机关可利用这些信息交叉比对报税记录,对未申报的加密收益追溯征税并处罚。

Q加密资产变现后如何增加税务风险?

A加密资产变现为法币并存入海外银行账户后,会进入CRS框架的覆盖范围。中国已实施CRS并与多国交换金融账户信息,因此变现后的资金流向可能被国内税务机关追踪并用于税务稽查。

Q除CARF外,还有哪些途径可能暴露中国居民的海外加密资产?

A除CARF外,各国税务机关可通过现有税收协定和执法合作机制进行个案调查协作。若他国发现涉及中国居民的大额逃税或违法交易,相关线索可能通过双边机制提供给中方税务机关。

你可能也喜歡

BTC“数字黄金”的叙事是不是失败了?

这篇文章从三个核心问题探讨了比特币的现状与未来,强调提供的是思考框架而非投资建议。 **如何看待比特币资产?** 作者认为比特币是一种全新的、更优秀的“黄金”资产。其优势在于总量恒定、转移便捷、交易可审计。尽管早期与灰色地带关联,但合规化是趋势。目前全球数字货币渗透率仅3%-4%,类比互联网和电商的早期阶段,意味着比特币仍处于发展初期,潜力巨大但波动性也极高。 **如何理解本轮下跌?** 比特币自2025年10月高点(近12.6万美元)持续下跌,2026年2月一度跌破6.1万美元,单日跌幅达15%,随后又快速反弹。这被解读为遵循四年减半周期的共识性获利了结。特别之处在于,美国比特币ETF的批准引入了机构资金,也促使早期低成本持有者(如矿工和信仰者)进行大规模“换手”,这是资产迈向主流化的必经过程。历史数据显示,比特币历次大跌的幅度在收窄(从93%到当前的约50%),表明资产正在成熟,波动率逐步下降,但高波动仍是其获取超额回报的固有特征。 **长期如何看待发展?** 长期价值可对标黄金。当前比特币市值仅为黄金市值的约7%,若“数字黄金”叙事实现一半,上行空间依然显著。但作者提醒,短期市场脆弱,换手可能未完,底部无法预测。真正的风险并非资产归零(概率较低),而在于错误的仓位管理(如All-in或加杠杆)以及对资产缺乏深刻理解。投资者必须计算并承受潜在的最大回撤(例如从已跌50%的位置再跌50%),才能存活至长期价值兑现。 文章最后以亚马逊在互联网泡沫后暴涨为例,指出关键不在于比特币未来是否上涨,而在于投资者能否通过理性的仓位管理和深度认知,扛过剧烈波动存活到那一天。文末提问引导读者反思:当前黄金涨、比特币跌的局面,究竟意味着“数字黄金”叙事失败,还是资产进化过程中的换手阵痛?这取决于每个人对比特币最底层的信仰。

marsbit33 分鐘前

BTC“数字黄金”的叙事是不是失败了?

marsbit33 分鐘前

BTC“数字黄金”的叙事是不是失败了?

标题:BTC“数字黄金”的叙事是不是失败了? 作者:@wuk_Bitcoin 本文从三个核心问题出发,探讨比特币的现状与未来。 **如何看待比特币?** 作者认为比特币是一种全新的、更优秀的“黄金”类资产。其优势在于:总量恒定(2100万枚);资产可转移性极强,在全球不确定性时代具备溢价;所有交易链上可审计,透明度高。反驳了比特币主要用于灰色地带的过时观点,指出其正走向合规。目前全球数字货币渗透率仅约3%-4%,类比互联网和电商早期,意味着该资产类别仍处早期,潜力与巨大波动并存。 **如何理解本轮下跌?** 比特币自2025年10月高点(近12.6万美元)持续下跌,2026年2月初曾单日暴跌15%,跌破6.1万美元。这被视为遵循其四年减半周期的规律性回调,是长期持有者在周期高点锁定利润的结果。本轮下跌的特殊性在于:美国比特币ETF的批准引入了大量机构新资金,但也促使成本极低的早期持有者(矿工、OG)进行历史性抛售,即从“早期信仰者”向“长期配置机构”的换手过程。历史数据显示,比特币历次大回撤的跌幅在逐步收窄(从93%到目前的约50%),表明资产在成熟,波动率在下降,但高波动仍是获取超额回报的代价。 **长期怎么看?** 若将比特币视为“数字黄金”,其当前总市值(约1.4万亿美元)仅为黄金总市值(约20万亿美元)的7%。即使该叙事仅部分实现,上行空间依然可观。但作者强调短期风险:换手可能未结束,市场脆弱,不排除进一步下跌。真正的风险不在于资产归零(概率极低),而在于错误的仓位管理(如All-in、加杠杆)和对资产缺乏深度理解,这可能导致投资者无法承受巨大波动而提前被迫出局。 **最后对比** 作者以亚马逊在互联网泡沫破裂后股价跌95%又最终上涨42倍为例,指出关键在于“活着等到那一天”。对于比特币,核心同样是能否通过理性仓位管理活到其价值兑现之时。文末提问:当黄金大涨而比特币大跌,这究竟是“数字黄金”叙事的失败,还是资产进化过程中的阵痛?答案取决于每个人对比特币最底层的信仰。

链捕手44 分鐘前

BTC“数字黄金”的叙事是不是失败了?

链捕手44 分鐘前

从代码到认知:机器人大脑进化的万字指南

本文概述了机器人大脑从传统代码控制到现代人工智能模型驱动的演进历程。文章首先回顾了前大型语言模型(LLM)时代,机器人依赖手工编码的模块化技术栈(感知、状态估计、规划、控制)和行为树,虽稳定但泛化能力差。随后,深度学习改进了感知,强化学习和模仿学习进入了控制层,但策略仍较为狭窄。 ChatGPT的出现带来了转折。LLM最初被用作自然语言编译器,将指令转化为机器人可执行的原子技能序列(如谷歌的SayCan)。但更重要的突破是视觉-语言-动作模型(VLA),例如谷歌的RT-2和开源的OpenVLA,它能将视觉、语言信息融合,直接输出动作指令,实现了推理与行动的耦合。 目前最先进的系统采用“双脑”架构(如Figure AI的Helix、NVIDIA GR00T):一个慢速、参数多的“系统2”负责高层次推理和规划;一个快速、小巧的“系统1”负责高频动作生成。其下还可能有一个“系统0”反射层处理平衡等底层控制。出于延迟和可靠性考虑,安全关键的控制回路通常在机器人本地(如NVIDIA Jetson模块)运行,而对话界面和集群学习等任务可交由云端。 开源模型(如OpenVLA、GR00T、π0)降低了行业门槛,让初创公司能在其基础上用自有数据微调。然而,当前VLA机器人仍存在任务中途恢复能力弱、样本效率低、缺乏物理常识和长期规划能力等局限。 这催生了下一代方向:世界模型。这类模型(如NVIDIA Cosmos、Meta V-JEPA)能根据当前状态和动作预测未来结果,让机器人在行动前进行模拟和评估,从而改善恢复能力、泛化能力和长期规划。架构上主要分为像素级视频扩散、联合嵌入预测架构(JEPA)和潜在动作世界模型等流派。 文章最后指出,数据采集(特别是远程操作数据)是核心竞争力,仿真训练至关重要,机器人成本正在迅速下降。当前物理AI的发展阶段大约相当于“GPT-2时代”,虽未完全自主,但正通过架构的持续演进(从代码到感知、规划、策略,最终到世界模型),朝着更通用、更强大的方向稳步前进。

marsbit1 小時前

从代码到认知:机器人大脑进化的万字指南

marsbit1 小時前

AI 泡沫正在破裂

近期市场剧烈波动,“AI泡沫论”甚嚣尘上。桥水达利欧认为AI市场存在“相对较高”的泡沫,而英伟达黄仁勋则强调AI算力需求才刚刚开始。两者观点看似矛盾,实则揭示了技术革命初期的典型特征:市场因高估短期影响而产生泡沫,却往往低估其长期颠覆性力量。 回顾2000年互联网泡沫,纳指暴跌78%,超5万亿美元财富蒸发,大量公司破产。然而,泡沫破裂后留下的廉价电信基础设施(如海底光缆),却成为日后流媒体、云计算乃至移动互联网崛起的基石。这符合“阿玛拉定律”:人们高估技术的短期影响,低估其长期影响。泡沫是创新必须缴纳的“智商税”,其破裂能淘汰投机者,沉淀下坚固的基础设施,滋养真正伟大的公司。 当前AI行业同样呈现巨大的“投入-产出”不对称:2026年,五大云服务商的AI基础设施资本开支预计达6900亿美元,而头部纯AI厂商的总收入预计不超过400亿美元。但深层逻辑正在演变:AI推理成本在两年内暴跌超过99.7%,接近零的边际成本解锁了海量长尾需求,驱动企业AI支出翻倍增长。这印证了“杰文斯悖论”——效率提升导致总消耗量指数级上升。如今,各行业关心的已非“是否用AI”,而是如何更有效地整合AI。 市场已进入“幻灭的低谷”前夕,缺乏护城河的套壳公司正批量死亡,这是市场的自我净化。与此同时,价值转移正在发生:1. 从资本开支(CapEx,如硬件)向运营开支(OpEx,如解决垂直行业痛点的应用)转移;2. 高估值正被高速增长的业绩逐步消化。AI已深入制造业(缩短研发周期)、金融(微秒级定价)、法律、医疗等专业领域,成为实质性的生产力工具。 历史总在重演“创造性毁灭”。当下近7000亿美元的基建投资短期内无法全部转化为利润,市场洗牌不可避免。但洗牌之后,廉价的算力与高度优化的算法将赋能千行百业。正如互联网泡沫后我们迎来了数字时代,AI泡沫的喧嚣过后,我们将不可逆转地迈向一个所有行业都由AI深度赋能的智能全盛时代。泡沫终会破裂,但底层先进生产力的势能,没有水分。

链捕手1 小時前

AI 泡沫正在破裂

链捕手1 小時前

交易

現貨
合約
活动图片