2014年12月澳洲財政部就股權式群眾募資(Crowd-Sourced Equity Funding, CSEF)對外發佈政策框架選項的諮詢文件,為使新創企業容易對廣大的中小投資者籌集資金,該稿件承認政府需要採取行動,以克服現有的監管障礙,以利在澳洲廣泛的使用群眾募資這項工具。
提出討論文件的三個政策選項包括:
一、 公司和市場諮詢委員會(CAMAC)在2014年6月提出的法制框架。
二、 在2014年4月份於紐西蘭生效施行的紐西蘭模式(New Zealand model)的法制框架。
三、 維持現狀。
上述方案各具特色及優缺點,在公司和市場諮詢委員會(CAMAC)的提案中,建議專注於修改聯邦公司法,創造一類特殊的豁免上市公司(不需召開年度股東大會、提供經審計之財務報告等),且限制符合條件之小型企業才能納入,此外,設定200萬美元的募資上限,並可在12個月內在此範圍內提高募資;在中介機構部分,需持有澳大利亞金融服務執照(AFSL),對於盡職調查(Due diligence)所承擔的責任要求較低,須提供風險警告予參與群眾募資的投資者,且禁止提供其投資諮詢和貸款;對於投資者之規定,則設有個案均僅能投資2,500澳幣的上限以及12個月內投資股權式群眾募資,總金額不得超過10,000澳幣的限制。
若選擇第二方案,即使用已於2014年4月生效的紐西蘭法制框架,與第一方案相較具有諸多相似之處。然而,兩制間也存有顯著的差異,包括紐西蘭模式並未特別創設一類豁免上市公司、也未將進行股權式群眾募資的公司限制於小企業;對中介機構平台的收費標準不設限制,資訊揭露要求亦較低;而對參加投資者的投資金額限制原則上是近乎相同的。
如果選擇第三個維持現狀方案,在現行法制下意味著群眾募資起始時將面臨50名非員工股東的上限、股份公開報價禁令的限制,設立後須負擔如定期發佈經查核之財報等較一般私有企業更繁重的公司治理要求,此外,中介機構如群眾募資平台等也必須擁有澳大利亞金融服務執照(AFSL)。
諮詢文件訂立2014年12月8日至2015年2月6日這段期間內,向大眾公開徵求建議,並要求各利害關係人如中介機構,包括創投基金與群眾募資平台之意見。以推動群眾募資法制化,並尋求進一步的磋商出可能的立法草案,在確保減少監管障礙與保持充足投資者保護之間取得適當的平衡。可預期的未來這一年群眾募資的法制架構將在澳洲逐漸明朗化。
英國Ofcom於2011年9月1日公佈了關於閒置頻譜、地理定位(geolocation)資料庫與感知無線電的最新諮詢結論,本次行動使英國成為歐盟中第一個宣佈感知無線電發展計畫的國家。 Ofcom自2005年「數位紅利審查報告書」(Digital Dividend Review)以來,藉多次的聲明與諮詢確立數位紅利閒置頻譜使用的三大方向: 其一,將用於enhanced Wi-Fi,相較於當前使用2.4G的Wi-Fi技術,透過原本無線電視所使用的低頻段(介於470至790MHz間)特性,可使新技術的涵蓋範圍更廣、建築穿透力更強。 其二,透過無線傳輸連結大城市與鄉村地區,以建置鄉村地區之寬頻網路。 其三、用以智慧聯網(Machine-to-Machine Communications,或譯為物聯網)。 由於相關議題在歐盟仍屬初始階段,Ofcom決定先行發展國內和諧使用設備之標準,待歐盟確立標準後,再調整規管與之一致。 有意願經營資料庫之第三方,皆須向Ofcom申請其管理、或交由可信任機構管理之網站的清單,以供感知無線電設備選擇,導入資料庫供應商之競爭。Ofcom將與複數之資料庫供應商簽訂契約或管制協議;至於申請者的最低條件、契約內容與申請費用,仍待定義與諮詢 Ofcom預計於2013年正式使用該技術;此外,依據科技進展,亦考慮回收FM廣播頻段發展感知無線電。
模型內記憶化即構成重製--德國慕尼黑地方法院 判決Suno敗訴對AI訓練合理使用之衝擊模型內記憶化即構成重製--德國慕尼黑地方法院 判決Suno敗訴對AI訓練合理使用之衝擊 資訊工業策進會科技法律研究所 2026年08月24日 前言 生成式人工智慧以受著作權保護之作品為訓練資料,其行為是否構成著作權侵害、又能否主張合理使用或文字與資料探勘之限制,是人工智慧快速應用以後在著作權領域最主要的核心爭議。德國慕尼黑第一地方法院於2026年7月31日就 GEMA 控告 Suno 案作成終局判決[1],首度就生成式音樂AI的「模型內記憶化」特點給予著作權定性,並明確指出引據主張文字與資料探勘限制之適用界線。 壹、事件摘要 德國慕尼黑第一地方法院(Landgericht München I,LG München I)於2026年7月31日就德國著作權集體管理團體「音樂表演權與機械性重製權協會」(Gesellschaft für musikalische Aufführungs- und mechanische Vervielfältigungsrechte,下稱 GEMA)訴美國 AI 音樂生成器業者(被告即 Suno)案(案號42 O 763/25)作成終局判決,認定被告將受著作權保護之音樂著作「記憶化」(Memorisierung)於其模型中,構成德國著作權法(Urheberrechtsgesetz,UrhG)第16條第1項之重製,並侵害權利人之「公開再現(öffentliche Wiedergabe)」利用權[2](相當於我國著作權法上提供或傳達著作內容,包括使公眾得於其各自選定之時間或地點,以上述方法接收著作內容的公開傳輸)。 本案系爭標的為六首德語經典流行音樂:「Atemlos durch die Nacht」、「Daddy Cool」、「Rasputin」、「Big in Japan」、「Forever Young」,以及「Mambo No. 5」之副歌。原告主張,使用者僅需輸入原曲歌詞、風格或標題等簡單提示,被告之音樂生成器即會輸出與原曲高度近似之音樂[3]。法院判決被告不得以系爭音樂著作訓練模型、於模型中儲存系爭著作、在德國境內提供以系爭著作訓練之模型,以及製作侵害系爭著作之著作物[4]。本判決尚未確定,被告得提起上訴[5]。 貳、重點說明 一、模型內「記憶化」構成重製 法院認為 AI訓練依時間先後區分為三階段:抽取訓練素材並轉入機器可讀格式,即訓練資料之製作;資料之分析及以後設資訊加以增益,即模型之訓練;其後藉提示與輸出對已訓練模型之利用。整體流程依訓練性質可區分為--「僅為轉入數位格式或為分析目的而作之重製」與「留存於模型中之重製」[6]。本件關鍵在於第二階段:系爭音樂著作以可再現之方式含於模型中,其記憶化即構成著作權上相關之重製[7]。 (一)模型記憶化之概念 法院認定系爭音樂著作含於模型中,得作為輸出而被抽取,此即「記憶化」;其係指模型於訓練時,非特定之參數不僅自訓練資料集抽取資訊,且於訓練後所特定化之參數中,可見對訓練資料之完整承接(Übernahme,意指納入其中)[8]。所謂「完整」指承接超出單純資訊(如模式與相關性)之部分,非指承接之數量須完整或精確,而係至少部分地承接其內容[9]。模型自訓練資料習得統計規律,本身不受著作權法非難,然若所承接者已是著作的內容而非關於著作的資訊,性質不再只是「分析」而是「留存」 [10]。而且,被告之模型格外易受影響,特別擅長把與該提示相符之受著作權保護曲目,以極貼近原曲之方式生成為輸出[11]。換言之,使用者毋須指名要哪一首歌,只要在語音節奏上仿寫得夠像,模型即可能把原曲於輸出中再現。 法院指出記憶化判定標準因模型類型而異,有的研究要求原作與輸出內容同一,有的以部分一致為已足;就生成圖像或音訊之模型,訓練時僅抽取經選取之基礎特徵,細節資訊則被有意捨棄,故要求百分之百精確一致並不實際亦非必要。而且,模型因訓練時採「量化」(Quantisierung)而有意捨棄細節資訊,因此難以想像有一訓練資料被百分之百精確相符的記憶化,不過法院指出這些被捨棄的本就是人類感官難以掌握之細節,所以記憶化之認定應兼採「檢視旋律、節奏、和聲、識別度與風格相似值之自動檢核」及「人為評價」[12]。而記憶化的原因來自於模型自含有著作各種變體之訓練資料學習後,特定後設資料(如標題、類型或歌詞)與著作音樂特性(調性、節奏等)間之統計關聯被強化,造成使用者於提示中使用此等後設資料時,AI以所學得之統計機率導出「音樂特性大致相似」之輸出[13]。至於證明方法,法院認為訓練資料為已知時,得逕以訓練資料與輸出之比對認定;訓練資料不明時,則得借助「熵」(Entropy)與「困惑度」(Perplexity)等參數,探究模型再現一輸出之確定性[14]。 (二)記憶化之事實認定 法院以系爭著作為訓練資料一事並無爭執,而且系爭著作可藉「原歌詞、音樂風格及著作標題」之提示,明顯可辨識地再現於所提出之輸出中,認定本件記憶化已得逕以系爭音樂著作與輸出之比對認定[15] 。法院就被告之抗辯,逐一駁斥: 1. 系爭提示為簡單、開放結果之提示,輸出並非藉操控性提示所誘發:雖然被告主張原告以歷時數月、上千次、高度脈絡化之提示故意誘發記憶化,但法院認為原告固曾為3,779次提示,惟其中僅338次涉及系爭六曲;且同一提示之反覆輸入並未將輸出導向特定方向,此有別於「以評價性或暗示性指定改變脈絡」之誘發性提示[16]。 2. 系爭輸出不應歸類為偶然:鑑於所生成音樂之複雜性、長度及其與訓練資料之廣泛相符,已可排除係偶然出現的相似[17]。 3. 原告每曲僅提出一則輸出並無妨害:因為記憶化之存在,與「以不變提示是否生成同一輸出」無關[18]。 4. 無關訓練資料全部存儲可能性:雖然被告主張其模型儲存空間於數學上不足以精確儲存全部訓練資料,但法院認為重要的僅為系爭六曲是否可辨識地被記憶化[19]。 (三)記憶化含攝於著作權法之重製概念 法院就被告聲請鑑定「系爭著作是否於模型中儲存或記憶化」予以駁回,認為「權重與參數之區分於何範圍構成重製」係法律問題、非鑑定所能及[20]。法院基於下述理由認為記憶化已構成著作權法之重製: 1. 重製含「直接或間接」、「暫時或永久」及「以任何方法及任何形式」,不僅為與原件同一原樣之重製,亦包括以變更形式對著作之固著,例如類比著作之數位化、以 MP3 等壓縮檔格式之儲存,或以縮小版本之儲存[21]。 2. 因為記憶化是透過模型特定化參數中之資料,而該等參數本身又具體存於伺服器上,所以系爭著作之著作權重製要件「具體固著」。至於採何等技術固著並非決定性,模型若因訓練所導出之統計資訊而具「生成可辨識地再現該音樂著作之統計上可能詞元序列(Tokenfolgen)」之能力,即為已足[22]。 3. 固著於模型中之著作,得藉音樂生成器、一具螢幕之終端裝置及簡單、開放結果之提示,讓一般使用者以其可及之技術輔助接觸,感知並不困難。而且,重製不以可反覆之再現為前提,故認為被告要求評估的「特定輸出之機率與可反覆性」,頂多涉「是否存有記憶化」之事實問題,而非「法律意義之重製是否存在」[23]。 二、模型內重製不能主張文字與資料探勘 (一)文字與資料探勘之定義與目的拘束 法院認為「文字與資料探勘」(Text and Data Mining,TDM)係指對數位著作之自動化分析,以自其中取得特別是關於模式、趨勢與相關性之資訊[24]。而自動化分析本身並非著作權上相關之行為,蓋著作中所含非創作性之資訊本身不受保護。但因為文字與資料探勘有時須有可能侵及利用權之準備措施而涉及重製,故 TDM 的核心思想在於此等重製僅為其後分析目的而作,不損及著作人之利用利益,故人工智慧訓練為準備訓練語料之重製行為,為 TDM 所涵蓋[25];惟本案所爭執者,並非此等準備階段之重製,而是訓練後留存於模型內、並得於輸出中再現之重製[26]。 (二)記憶化逾越文字與資料探勘 法院認定系爭著作於模型中之重製並非文字與資料探勘,因為文字與資料探勘旨在抽取單純資訊,將此等資訊轉入模型參數。惟系爭著作之記憶化讓作為訓練資料之音樂著作不僅被分析,而且被承接入模型參數,並損及著作人之利用利益。因此,藉由模型記憶化所生之重製,並非「不觸及利用利益」之第一階段(製作訓練資料),文字與資料探勘限制於此不成立[27]。 (三)不得類推、無合法接觸 法院進一步排除歐盟數位單一市場著作權指令第4條[28]之類推適用,因為該條所規範的是「僅抽取單純資訊、著作本身未被重製」之情形,反之於模型內重製則使著作利用受持續損害;若類推適用,權利人將陷於無保護狀態,明顯有違該指令前言認限制對權利人所生損害僅屬「極微」之考量[29]。因此,法院進一步認為若依技術現狀無從防止訓練資料之記憶化,則以受保護資料訓練模型,即不能適用文字與資料探勘限制[30]。另外,法院亦認為本件被告係破解 Rolling Cipher 保護裝置、以串流側錄(Stream-Ripping)自 YouTube 下載系爭著作;Rolling Cipher 係為阻止下載而設,被告欠缺合法接觸,不能主張德國著作權法第44b條第2項「合法接觸」之規定[31]。 三、模型提供與生成記憶內容構成公開再現的侵害 法院認定藉模型之提供、生成音樂之應用及系爭輸出,造成權利人所享之公開再現權利受侵害[32]。 (一)公開再現之判斷標準與認定 法院指出公開再現之保護範圍,判斷標準在於著作之原創要素於另一標的中可辨識,亦即受保護著作中足以反映著作人人格之創作抉擇,是否可辨識地被承接於被指摘之標的。縱使所涉僅為著作之一小部分,只要該部分本身表達著作人自己之精神創作,即構成侵害[33]。其判斷只須以一般平均音樂聽者之聽覺理解為準[34]。 經比對譜例與聽覺印象,法院認定輸出廣泛承接六曲之旋律、作曲與編曲,各輸出均未與原曲保持充分距離。例如「Big in Japan」創意在於旋律自主歌經前副歌至副歌之三段式遞升,表達蓄積而終告釋放,同時和弦速度加快而傳遞急迫印象;AI輸出重演此整體情況,聽者因而體驗到相同之音樂起伏與情感效果[35]。 (二)被告直接為再現行為並應歸責 法院認為「再現行為」(Handlung der Wiedergabe)應不問技術手段,廣義涵蓋受保護著作之一切傳輸,故認定被告藉模型之提供及生成音樂之應用,經由使用者介面使系爭著作可被存取,模型並儲存於德國境內之邊緣伺服器,故其侵害公開再現之利用權[36]。而且只要有被存取之可能即構成,著作實際是否被存取並非所問[37]。 而且法院認被告應歸類為正犯,蓋其對藉內容輸出所為重製具行為支配(Tatherrschaft)。被告基於訓練決定輸出內容,於再現中扮演核心角色,並決定模型運作方式、訓練資料選取與訓練鋪陳,係自身為公眾開啟著作享用,非僅只是中介角色。且此等內容藉簡單提示即被再現,決定輸出具體內容的不是提示而是被告所運作之模型,被告未將行為支配給予使用者。是以,被告之模型並非僅提供「錄製私人重製所需之器械」,亦不能與不負內容責任之販售平台相比擬[38]。 基於上述理由,法院未採被告主張援引歐盟數位服務法第6條[39]的責任限制,認為該條僅限制「儲存使用者所提供資訊之中介服務」之責任,就服務提供者自身之內容並不適用。本件被告非僅提供技術中立之基礎設施,而係提供模型並製作系爭輸出,其前之提示簡單且未於內容上指定或誘發,故各輸出為被告自身之資訊,就此其扮演主動角色,而非被動中介之外來資訊[40]。 四、合理使用抗辯不成立 針對被告在美國境內之訓練行為,法院依美國著作權法(17 U.S.C.)審酌是否構成合理使用(Fair Use),認為四項因素綜合觀之均不利於被告[41]: (一)利用之目的與性質 本件被告之應用並未生成新音樂著作,而係生成與訓練所用系爭著作實質相似之錄音,音樂著作並未被轉化[42]。被告之利用亦為商業性利用,其重製與原作追求相同的目的[43]。法院並將被告規避 Rolling Cipher、以串流側錄取得訓練資料一節,評價為惡意而顯著不利於被告[44]。 (二)著作之性質 系爭音樂著作為涉著作權核心之創意著作,被告所製作之音樂非僅承接概念,而係承接系爭曲之創意要素,故非如逆向工程般僅為研究功能而重製[45]。 (三)所利用之質量 被告為訓練其模型而對系爭音樂著作為廣泛重製,且未闡明其何以必須依賴此等廣泛重製。法院指出於大量重製之情形,關鍵在於所重製之著作係向公眾提供,抑或僅參與技術上不可見之後端程序;本件與 Google Books 案顯著不同,該案被告並未將重製向公眾提供[46]。 (四)對潛在市場或價值之影響 法院認為訓練所生之輸出構成取代原作之替代物,在「使用者直接消費之娛樂音樂」市場與原作競爭[47]。被告抗辯系爭輸出係在同一提示反覆輸入多次之後才出現,故不足以認定市場影響;而且第四項因素不僅看具體侵害行為之影響,還要看此類利用行為一般而言是否可能對原作市場產生顯著負面效果。本件原告就各曲分別輸入4至176則相同提示始取得系爭輸出,惟被告之音樂生成器於2024年單一月份即錄得220萬名訪客,以此流行程度計,縱使平均每4次或每176次輸入才得到一個與原作實質相似之音樂,累積於市場上之替代效果仍屬顯著[48]。 法院特別強調本件輸入僅含歌詞之提示後生成實質相似輸出,與美國 Bartz、Kadrey 兩案顯著不同,該兩案中訓練資料未實質於輸出中讓使用者可觸及,未因生成實質相似輸出而明顯可看到對市場的影響[49]。權衡一切因素,法院認被告之具體利用不為合理使用所涵蓋,且並非所有模型均記憶化其訓練資料,故於本案件否定合理使用既不妨礙進步或競爭,亦不牴觸模型之發展公益[50]。 參、事件評析 本案立於歐盟資訊社會著作權指令與數位單一市場著作權指令所建構之重製權與文字與資料探勘體系,其「公開再現」與我國由公開播送、公開演出、公開傳輸等權能概念亦並不全等同,而其本身能否維持猶待上訴審檢驗,亦有待後續觀察。但本案的重點在於,把過去類似爭議的爭訟焦點由「訓練是否構成重製」展開為「模型是否留存並於輸出中再現受保護著作」,並進一步加重AI開發與服務提供者被歸責可能性,本文認為可歸納其重點如下: 一、法院未全面否定訓練之資料取用可主張合理使用,但前提須為合法取得 本判決雖判被告不得援引合理使用,惟其論證重心並不在「以受保護著作訓練模型」這件事本身。法院明白表示訓練一個能生成新音樂作品的模型,一般而言確實可能是具轉化性、追求更進一步目的而為合理使用所涵蓋之利用。本案之所以認定不同,是被告之應用並未生成新的音樂作品,而係以系爭輸出生成與訓練所用著作實質相似之錄音,音樂著作因而未受轉化。法院於綜合權衡時亦明言,並非所有模型都會記憶其訓練資料,於本案否定合理使用既不妨礙進步與競爭,也不牴觸公共利益,蓋須取得授權不等於不能訓練。因此,本判決所否定的是「訓練後留存於模型、並得於輸出中再現」,而非概括否定 AI 訓練之資料取得有主張合理使用之餘地。但法院對被告規避 Rolling Cipher、以串流側錄取得訓練資料一節評價為惡意,顯示取得手段是否合法,從目前國際上的司法案例看來,仍是決定是否能主張合理使用的重要環節。 二、能否主張合理使用或文字與資料探勘,取決於一般提示下是否再現實質近似內容 法院認定本案與美國 Bartz、Kadrey 二案顯著不同,關鍵在於本案訓練資料實質地在使用者僅輸入歌詞、未作任何音樂上要求之簡單且結果開放之提示下,即可生成與原曲實質相似之輸出。而文字與資料探勘之審酌,法院並不否認為準備訓練語料所為之第一階段重製落入德國著作權法第44b條範圍,真正逾越限制者是第二階段留存於模型內之記憶化。是以,若訓練所得之模型不會在一般、未經特別設計引導之提示下再現實質近似之內容,主張文字與資料探勘限制或合理使用仍有空間。而且必須注意的是,倘依技術現狀無從防止訓練資料之記憶化,法院認為將受保護資料訓練模型即不為該限制所涵蓋,則「能否防止記憶化」就是AI開發與服務業者重要的技術降險研發重點。 三、AI記憶化的輸出由模型提供者承擔侵權責任 本判決外溢效果最大者為責任歸屬,法院認定AI記憶化的輸出產生的再現行為,是源自於被告以模型與使用者介面,開啟讓公眾對已記憶化著作可存取。就輸出所生之重製,被告因對模型架構、訓練資料選取與訓練設計負責而具行為支配,應歸類為正犯;僅輸入提示觸發生成之使用者,不被視為重製行為人。顯見有關AI責任的認定,法院著重於誰對於結果具有實質主導的控制能力,AI 服務提供者將來可能更難以主張模型只是提供「工具」、由使用者決定產出,也不能主張自己是中立平台而把使用責任歸予使用者。 本案法院判決提出的模型記憶化(留存受保護著作)構成重製的觀點,其重點在於一定程度緩解權利人的內容再現舉證困難,並透過受訓練資料與特徵近似的生成結果判斷記憶化的存在,進一步認定存在重製結果,而且該重製欠缺轉化性、具商業目的、結果對權利人市場造成明顯負面影響。我國對於AI 訓練是否合法的認定,仰賴著作權法第65條合理使用之一般條款判斷,雖須個案、事後之權衡,但從本案法院見解可見,避免AI的記憶與所記憶內容的出現是關鍵點,如技術上可能,業者須溯源在訓練過程採取去記憶化的事前避險措施,以避免成為記憶內容之提供者而須自行承責。 本文著作權屬財團法人資訊工業策進會科技法律研究所所有,如需引用或轉載,請註明出處。 本文同步刊登於TIPS網站(https://www.tips.org.tw) [1]LG München I, Endurteil vom 31.07.2026, Az. 42 O 763/25。 [2]Id., Rn. 239, 262, 317, 375. [3]Id., Rn. 4, 26. [4]Id., Urteilstenor Nr. 1 a) aa), a) bb), b), c). 原告依德國著作權法第19a條公開提供權所為之聲明則遭駁回,法院認一次調取至多需輸入176個相同提示,該調取非於使用者所選定之時間發生;其餘之訴亦經駁回。Rn. 315, 316, 554. [5]Landgericht München I, Pressemitteilung vom 31.07.2026, https://www.justiz.bayern.de/gerichte-und-behoerden/landgericht/muenchen-1/presse/2026/16.php (last visited Aug. 21, 2026). [6]LG München I, supra note 1, Rn. 240. [7]Id., Rn. 241. [8]Id., Rn. 243. [9]Id. [10]Id., Rn. 240, 243, 283, 294. [11]Id., Rn. 244. [12]Id., Rn. 245. [13]Id., Rn. 246. [14]Id., Rn. 247. [15]Id., Rn. 249. [16]Id., Rn. 250-253. [17]Id., Rn. 258. [18]Id., Rn. 259. [19]Id., Rn. 260. [20]Id., Rn. 261. [21]Id., Rn. 263, 264. [22]Id., Rn. 268-270. [23]Id., Rn. 276-279. [24]Id., Rn. 283. [25]Id., Rn. 284, 285. [26]Id., Rn. 289, 293. [27]Id., Rn. 294, 295. [28]Directive (EU) 2019/790 of the European Parliament and of the Council of 17 April 2019 on copyright and related rights in the Digital Single Market and amending Directives 96/9/EC and 2001/29/EC, art. 4, 2019 O.J. (L 130) 92. [29]LG München I, supra note 1, Rn. 299. [30]Id., Rn. 304. [31]Id., Rn. 13, 308, 310. [32]Id., Rn. 317. [33]Id., Rn. 321. [34]Id., Rn. 323. [35]Id., Rn. 197, 349. [36]Id., Rn. 373, 374. [37]Id., Rn. 375, 376. [38]Id., Rn. 399-401. [39]Regulation (EU) 2022/2065 of the European Parliament and of the Council of 19 October 2022 on a Single Market For Digital Services and amending Directive 2000/31/EC (Digital Services Act), art. 6, 2022 O.J. (L 277) 1. [40]LG München I, supra note 1, Rn. 408, 409. [41]Id., Rn. 447-449. [42]Id., Rn. 484-486, 493, 494. [43]Id., Rn. 498-500. [44]Id., Rn. 504-510. [45]Id., Rn. 511, 512. [46]Id., Rn. 514-518. [47]Id., Rn. 519-523. [48]Id., Rn. 27, 492, 527. [49]Id., Rn. 480, 526. [50]Id., Rn. 530, 531.
我國與日本企業增僱薪資費用稅捐優惠之研究與啟示我國與日本企業增僱薪資費用稅捐優惠之研究與啟示 資訊工業策進會科技法律研究所 2024年10月01日 一、新修正中小企業發展條例第三十六條之二 《中小企業發展條例》(下稱中小條例)於2024年7月12日經立法院三讀通過後迎來了第35條研發投抵、第35條之1智慧財產權作價入股緩課及第36條之2薪資費用加成減除的延長適用[1],其中第36條之2分別有員工增僱、員工加薪薪資費用加成減除二項措施。根據該條第1項規定,中小企業增僱24歲以下或65歲以上員工並達法定要件者,得以增僱員工所支付之薪資費用之200%減除應納所得額,是立法者希望透過稅法減輕依法增僱之中小企業的營利事業所得稅負擔,藉此協助中小企業人力資源規劃、提升延攬青年與高齡者意願[2]。 稅捐法律關係本為支應國家一般財政需要,課予人民公法上金錢給付義務時應強調納稅義務之平等[3],故稅捐優惠者實則稅法上例外規定[4]。本次修法以企業僱用特定年齡員工作為稅法上非財政目的[5],既為針對特定費用予以中小企業稅捐負擔上差別待遇,是在引導企業主從事立法者所欲引導之行為時—即企業以增加僱用員工之形式增加支出—,稅捐立法就值得謹慎思考,如何在稅制適用上透過稅捐構成要件,盡可能使企業應減稅的行為達成稅法上非財政目的,以確保差別待遇之合理正當[6]。 關注於企業增僱薪資費用稅捐優惠,實證上在日本立法例中亦有所見,且該國稅制之發展已有逾12年之背景,尤具比較意義。本文將以稅法上非財政目的為中心,分別梳理兩國稅捐優惠立法,論述立法上有效引導企業增僱員工,並比較不同稅制的偏重與新意。 二、我國中小企業增僱薪資費用加成減除稅制 (一)、立法沿革與非財政目的 中小條例第36條之2的制定最早可追溯至2014年,當時國內廣泛呼籲解決青年失業率和薪資水準的問題[7],立法者於是鎖定在經濟景氣之影響[8],以中小企業增僱員工所支出之薪資費用為標的,訂定營利事業所得費用加成減除稅捐優惠,希望透過減稅的方式提升國內中小企業投資意願並帶動就業率[9]。 隨後,為鼓勵企業與受雇員工共同分享經濟成果[10],2015年該條文在第1項增僱稅捐優惠後增訂第2項,擴大僱用24歲以下員工之誘因[11]。申言之在經過一年的醞釀之後,改善青年就業的稅法上非財政目的,正式以減稅對象的年齡門檻作為適用條件,該稅制遂形成一般增僱與青年增僱稅捐優惠。 2024年中小條例第36條之2迎來重要修正,立法者明確指出將刪除既有的經濟景氣啟動門檻[12],不再限於促進經濟反轉動能的概念;另外則維持了增僱、加薪薪資費用加乘減除的稅制架構。其中,增僱薪資費用修正後的稅法上非財政目的之設定緣由,大致有二: 1.考量國內人口結構少子女化趨勢及高齡者勞動參與問題。 2.產業變遷與轉型過程中的多元人才需求[13]。 申言之,稅式支出將用於放大薪資費用支出,減輕中小企業增僱員工後的營利事業所得稅負擔,並以少子女化、高齡者勞動等緣由填充中小企業增僱、加薪等非財政目的[14]。 (二)、稅制效果與適用要件 為了深入比較我國與日本增僱薪資費用稅捐優惠,以下就中小條例第36條之2第1項為範疇,進一步介紹該條文之適用要件。 1.適格受雇員工身份與減免效果 承前所述,現行中小條例第36條之2增僱員工對象,必須為24歲以下或65歲以上之受員工[15],以符合引導企業僱用青年、高齡工作者的稅法上非財政目的。 稅捐優惠的減免效果方面,本條採取應納所得額費用加成減除措施,對於中小企業適格增僱行為,得按增僱所支付薪資金額之200%自營利事業所得額中減除[16]。亦即,在客觀淨所得原則之概念下,稅捐優惠減免效果發生於所得額計算階段,納稅義務人應再適用營利事業所得稅20%稅率,申報應納所得稅額。 2.基層員工薪資費用作為稅捐標的 增僱員工稅捐優惠以「基層員工」的薪資費用為稅捐標的,亦即得享有稅捐優惠之應納稅行為必須是增僱特定身分受僱員工之薪資費用。參酌行政院的立法文件可知[17],框定基層員工的內涵是指該名員工經常性薪資未滿6萬2千元者,係採專業人員職類別薪資作為天花板,強化稅式支出與提高基層員工薪資的關聯性[18]。 3.企業整體薪資給付總額 中小條例第36條之2有關增僱加成減除的部分,雖然沒有明確指出增加僱用人數與薪資水準的關係[19],但適用上仍設定了提高「企業整體薪資給付總額」的要件。根據現行授權子法規定,整體薪資給付總額指企業增僱本國籍員工之當年度總額,應高於比較薪資水準總額[20]。 其中比較薪資水準總額,須以企業當年度增僱員工數占前一年度僱用員工數之比例為被乘數,確立其依照前後年度僱用員工變動值;再乘以前一年度已增加支出資薪資費用總額,求得該企業按照人員變動所應該等比例支付的薪資;以此為比較基準,再以其3成作為中小企業在合理給付能力內應提升水準[21];最後加總前一年度已支付薪資總額,求得增僱後應達到的薪資給付總額。由於中小企業當年度薪資給付總額,比較前一年度薪資水準後應有所提升,因此適用上將架構出中小企業必須在前一年度之薪資給付能力之上進行增僱,始有稅捐優惠之適用。 此一要件在實質反映企業可能有因員工離職人數大於增僱員工人數,以及避免企業縮編聘僱員額使整體薪資下降後再享有稅捐優惠等,具有稽徵公平的意義。假設某中小企業前年度員工為20人,當年度離職員工共5人,但當年度增僱員工3人,因此該人員變動值為18/20,因此按照前一年度所能支付薪資總額假設為n,等比例推算當年度應支出薪資總額應為n×18/20。以其3成作為提升水準,並加總前一年度已支出薪資費用,可知增僱後應達到之薪資給付總額為n+(n×18/20)×30%。在此情形下,比較薪資水準總額為1.27n,故增僱事實發生當年度即便有員工總數減少,中小企業之整體薪資給付總額仍需大於1.27n。 因此,本條稅制將要求納稅義務人必須確保,當年度增僱的所能支出薪資費用的能力較前一年度有所成長,在強化稅式支出與非財政目的之間的關係上可謂相當嚴謹[22]。 三、日本增僱薪資費用稅額扣除稅制 (一)、立法沿革與非財政目的 日本有關增僱薪資稅捐優惠,首見於2011年「僱用促進稅制」(雇用促進税制)[23],當時配合「新成長戰略經濟對策」(新成長戦略実現に向けたの経済対策)政策,企業得按增加僱用所支出薪資費用一定比例享有營利事業所得稅額扣除,以稅制促進中小企業創造就業機會、基礎提升勞動所得[24],從而帶動整體經濟增長[25]。 隨後,日本政府為了因應人口結構對地方經濟的負面影響,2016年立法者在新成長戰略經濟對策下延伸出「活化區域經濟」(地域活性化)目標[26],在增僱稅捐優惠加上地理條件,新增「地方據點強化稅制」(地方拠点強化税制)[27]。引導企業在特定地區擴大投資或將業務遷移至特定地區時,以平衡區域經濟發展[28]。企業依據租稅特別措施法(租税特別措置法)第42條之12條規定,得按增僱員工數享有年度所得稅額定額扣除額、建築物加速折舊。 2020年僱用促進税制在確保「轉型投資與產業結構所須新興人力資源引進」之非財政目的下[29],更名為「人才確保稅制」。參照內閣府的立法說明文件可知,為了因應後新冠疫情時代產業結構新常態、碳中和與轉型投資急迫性,有必要以稅捐優惠加速企業帶動經濟成長良性循環,並改善應屆就職環境[30]。企業依據租稅特別措施法第42條之12之5條規定,僱用新進員工(新規雇用者)所支付「調整薪資給付額」(比較給与等支給額)達法定比例者,得作為當年度所得稅額之扣除額。 鳥瞰日本增僱薪資稅捐優惠稅制,目前無論是地方據點強化稅制或是人才確保稅制,兩者在非財政目的上都與岸田首相新資本主義政策的「實現結構性薪資成長」子政策鏈結;著重在中小企業作為人力資源需求端的相對多數,給予其稅捐優惠有助於在經濟成長的過程中促進勞動力的適當流動[31]。 圖1 日本增僱稅制及其非財政目的演變 資料來源:本研究繪製 (二)、地方據點增僱稅制效果與適用要件 承前所述,日本增僱薪資稅制目前可分為地方據點強化稅制與人才確保稅制,從稅制效果與架構來看,前者可分為轉移型僱用促進型、擴張型僱用促進型,後者可分為人才確保基本型、人才確保增額型,以下逐項論述其特色及其適用要件。 1.地方業務設施整備計畫 地方據點強化稅制的增僱稅捐優惠,係以地方政府公告之「地方再生計畫指引」[32]框定地方經濟特性,以此引導納稅義務人從事特定營業設施與處所投資及員工增僱[33]。企業應依據該指引,說明地方據點投資的與規劃[34],業務轉移或業務擴張的內容[35],以及預計調任或增僱員工數,完成「業務設施整備計畫」。計劃書應送交地方再生推進事務局(即地方經濟產業局)核定[36],確認後始可進行轉型或擴張投資,以此契合地方經濟實況、區域產業發展及移轉或擴張業務時的具體增僱需求[37]。 申請企業並須於每年年度終了時,向地方政府提交投資報告書(実施状況報告書),說明其營業設施與處所投資情形及實際任職或增僱員工數[38]。稅捐優惠之適用原則上與投資審查併行,只要企業於申報營利事業所得稅時,檢具前一年度稅務帳冊者,即可向稅務機關申請適用[39]。 2.類型化營業設施與處所 為了確保增僱薪資費用稅捐優惠與企業投資地方據點之關聯性,企業必須在前述計畫書中概要該名增僱員工預計於企業所投資之營業設施與處所從事之業務。也就是說,投資的營業設施與處所將成為適用稅捐優惠的一項附帶前提。 根據內閣府發布之業務設施指引可知,適格的增僱員工從業地點以業務用途分類,分別有事務場所、研究場所、育成場所,及其附屬之宿舍或商店、福利場所及兒童福利場所及設施[40],詳細見下表。 表 1:增僱或調任員工定額稅額扣除計算 資料來源:本研究整理 3.地方據點增僱或調任員工定額稅額扣除 租稅特別措施法第42條之12第1項及第2項規定,企業於東京23區以外之地點增加僱用員工時,得按新增僱員工或轉正職員工兩種身分,適用不同減稅乘數。企業增僱當年度申報營利事業所得稅時,得按僱員工人人數乘以減稅乘數計算稅額扣除額,因此又稱定額稅額扣除制度[41]。 由於地方據點稅制依據地方業務設施整備計畫可分為業務擴張型、業務移轉型,其減稅乘數需分別計算[42]。 (1)若企業主要業務所在地為東京23區內,並於地方據點進行投資並完成增僱等業務,則稱為業務移轉型。此時企業得以不定期、全職之新僱用員工人數,乘以減稅乘數50萬日圓之積數,自當年度營利事業所得稅扣除額。或以約定轉正職之僱用員工人數,乘以減稅乘數40萬日圓之積數,自當年度營利事業所得稅扣除額[43]。 (2)若企業主要業務所在地為東京23區以外,並於地方據點進行投資並完成增僱等業務,則稱為業務擴張型。此時企業得以不定期、全職之新僱用員工人數,乘以減稅乘數30萬日圓之積數,自當年度營利事業所得稅扣除額。或以約定轉正職僱用員工人數,乘以減稅乘數20萬日圓之積數,自當年度營利事業所得稅扣除額[44]。 表 2:增僱或調任員工定額稅額扣除計算 資料來源:本研究繪製 需附帶說明的是,過往地方據點強化稅制增僱稅捐優惠定有大企業應增僱達5人以上、中小企業應增僱達2人以上,不過2023年修法後租稅特別措施法第42條之12已刪除人數門檻,亦即無論新僱用或轉正職1人皆有適用。 (三)、人才確保增僱稅制效果與適用要件 1.人才確保與新僱用者適格對象 人才確保促進稅制於2023年修正延長後,目前已與生產力提升稅制分立,其最重要的差異在於人才確保促進稅制不再要求中小企業在增僱員工的同時,必須附帶設備或軟體支出的投資[45],而專門處理人力資源流動與經濟良好循環的關係[46]。 不同於舊法帶有擴大勞動所得的概念,稅捐優惠的適格對象為「繼續僱用者」(継続雇用者),修正後租稅特別措置法第42條之12之5第3項改以「僱用者」(雇用者)認定增僱要件;此一修正是為了配合解決第二次就業困境政策[47]所作出的放寬。而為了具體區隔稅制新、舊的差異,在日本經濟產業省或中小企業廳的官方文件中皆以「新進僱用員工」(新規雇用)說明,以契合改善應屆就業環境的財政目的[48]。 2.增僱員工比較薪資給付額 中小企業適用租稅特別措施法第42條之12之5第3項規定,增僱員工所支付「比較薪資給付費用」(比較給与等支給増加額)或「比較教育訓練費用」(比較教育訓練費)達法定比例者,得分別適用一般型增僱或增額型增僱稅額扣抵: (1)若中小企業當年度增僱員工所支付薪資總額,比較前一年度支付員工薪資總額之差額,占前一年度支付員工薪資總額之比例(即比較薪資給付增額)大於等於1.5%者,得按當年度增僱員工所支付薪資總額之15%,自當年度營利事業所得稅額中扣除。此為一般型增僱稅額扣抵。 (2)若中小企業當年度增僱員工所支付薪資總額,比較前一年度支付員工薪資總額之差額,占前一年度支付員工薪資總額之比例(即比較薪資給付增額)大於等於2.5%者,得按當年度增僱員工所支付薪資總額之30%,自當年度營利事業所得稅額中扣除。此為增額型增僱稅額扣抵。 (3)若中小企業增僱當年度之教育訓練費用,比較前一年度教育訓練費用之差額,占前一年度比較教育訓練費用之比例(即比較教育訓練費用)大於等於10%者,得按當年度增僱員工所支付薪資總額之25%,自當年度營利事業所得稅額中扣除。此為增額型增僱稅額扣抵。 倘若中小企業在增僱員工時,同時滿足上述一般型和增僱型的所有比較額條件,其當年度增僱員工薪資費用稅捐優惠,將按所支付薪資總額之40%自營利事業所得稅額中扣除。 (四)、小結-複數稅制的優勢 日本增僱薪資稅捐優惠從最初的新經濟成長論點,到因應地方就業人口議題的分支,再到目前以改善首次就業環境,在企業增僱與經濟發展此一課題上,已發展出複數稅制。這種複數稅制的立法,表現出立法者對稅法上非財政目的設定有其多義性,並與日本經濟發展的背景始終保持緊密關係。 在課稅標的篩選上,地方據點強化稅制以地方業務設施整備計畫作為適用前提,並以業務擴張及業務移轉兩種類型,呼應企業在地方據點雇用員工的可能性,具體鏈結引導企業從事特定應納稅行為與非財政目的的關聯性。而人才確保稅制則下分出一般型或增額型等概念,對於分層給予應納稅行為減稅誘因上,頗具新意。 四、企業增僱薪資費用稅捐優惠法制的啟示 綜觀現時日本地方據點強化稅制與人才確保促進稅制可知,在鼓勵中小企業增僱員工的政策目標下,立法者對非財政目的之調整相當靈活。雖然此與兩國立法週期不同直接相關,但其配合不同稅法上非財政目的所設定之課稅標的、適用要件,仍有值得參考之處。 首先,為了達成改善地方就業市場萎縮、衡平區域經濟落差之目的,在稅制上以業務移轉或者業務擴張去類型化企業往赴特定地區投資的經營行為,一定程度呼應了企業僱用新員工的真實性。另一方面,再搭配不同程度的稅捐優惠效果,盡可能提高稅式支出與地方據點增僱的關聯。 次者,在呼應人才確保的立法論述上,除了增僱薪資給付的計算外,額外新增的比較教育訓練費用無疑是鏈結「新常態、碳中和與轉型投資急迫性」的一種方法。此要件雖然在能否有效篩選出碳中和、轉型投資所需人才方面還值得進一步思考,然而將稅捐優惠設計成一般型、增額型的分層制度,展現了單一稅制配置不同應納(減)稅行為的參考依據[49]。 其三,在稅制要件與達成非財政目的之關聯性上,我國中小條例第36條之2採取的企業整體薪資給付總額計算公式,以及透過職類別薪資水準篩選基層員工的概念,無疑較日本立法例來的更為嚴謹。此外,相較於日本立法例所採比較增僱薪資給付額達法定數值之制度而言,我國以前後年度僱用員工變動值作比較基準,再以提升3成水準為概念,更細緻地考量到年度員工數增減對薪資費用計算的影響,並能客觀要求企業以自身前後年度薪資給付水準加以比較,而非以單一法定公告值衡量全體納稅義務人。 最後,日本雖然在鼓勵企業增僱的稅捐優惠立法上,展現出單一個課題複數稅制的全景,然而相關學者對於複數立法所引起的高度複雜性亦有所批評[50]。繁複的稅捐優惠立法勢必存在納稅者權利保護的疑慮[51],如何在稅法形成合理的非財政目的、設計適當的制度,無疑是外國法例借鑒時必須謹慎注意之處。 [1]行政院新聞傳播處,〈政院通過《中小企業發展條例》部分條文修正草案 優化並延長多項租稅優惠措施 強化中小企業營運環境〉,行政院,2024/04/18,https://www.ey.gov.tw/Page/9277F759E41CCD91/8a5ddf1d-83da-4ef9-9efc-dac17110db09 (最後瀏覽日:2024/07/21)。 [2]中小企業發展條例修正第35條、第36條之2、第40條修正草案總說明,頁4。 [3]方華香,〈量能課稅原則在憲法解釋與納稅者權利保護法之落實及修法研析〉,立法院法制局議題研析,https://www.ly.gov.tw/Pages/Detail.aspx?nodeid=6590&pid=85539(最後瀏覽日:2024/8/16)。 [4]廖欽福,〈能源稅的美麗新世界—環境能源公課之課徵及其憲法界線〉,《華岡法粹》,第64期,頁160(2018);柯格鐘,〈談稅捐優惠作為鼓勵產業發展之手段〉,《全國律師》,頁2(2011)。 [5]另有學者將非財政目的在細分為經濟引導目的、公益目的。詳參柯格鐘,〈稅收之立法界線及其憲法上的當為要求-以德國稅捐法理論為基礎〉,收錄於台灣憲法解釋之理論與實務第七輯,中央研究院法律研究所,黃舒芃編,頁240-241(2010)。 [6]納稅者權利保護法第5條。 [7]鄭琪芳,〈台青失業率14% 亞洲4小龍最高〉,自由時報,2013/8/22;陳劍虹,〈臺灣近年薪資成長停滯原因探討及改善對策〉,《經濟研究年刊》,第13期,頁112(2013)。 [8]該次立法針對經濟景氣的變化提出了「景氣救生圈」的概念,希望在經濟景氣不佳的情況下,透過中小企業群體的投資能量加強經濟成長動力,詳參〈立法院第8屆第5會期經濟委員會第6次全體委員會議紀錄〉,《立法院公報》第103卷第26期,頁68(2014/04/09)。 [9]參照2014年中小企業發展條例第36條之2修正理由「為因應嚴峻之國際經濟情勢,增加投資、創造就業,立即加強經濟成長之動力並吸引外資來台,爰訂定本條文。」 [10]〈立法院第8屆第6會期經濟委員會第16次全體委員會議紀錄〉,《立法院公報》第103卷第51期,頁68(2014/09/12)、〈立法院第8屆第7會期經濟委員會第8次會議議案關係文書〉,第103卷第83期,頁272-273(2014/11/21),〈立法院第8屆第7會期經濟委員會第16次會議議案關係文書〉,《立法院公報》第104卷第4期,頁11(2015/01/06)。 [11]參照2015年中小企業發展條例第36條之2第3條修正理由。 [12]〈立法院第11屆第1會期經濟委員會第3次全體委員會議紀錄〉,立法院公報第113卷第12期,頁117。 [13]參照2024年中小企業發展條例第36條之2立法理由。 [14]參照2024年中小企業發展條例第36條之2可知,修正後第一項(即增僱薪資加成減除)係「為鼓勵中小企業延攬青年,提升高齡人力資源規劃意願」,修正後第二項(即加薪薪資加乘減除)則係「為鼓勵中小企業替員工加薪,協助其留用人才」,其核心旨趣可概括為攬才留才。 [15]至於加薪部分為廣泛對應繼續任職者的年齡,契合企業為加薪本係基於員工技、職能與業務績效,則無細分適用年齡資格。惟本文著重在增僱薪資費用稅捐優惠之比較研究,加薪稅制相關論述在此不另行開展。 [16]中小企業發展條例第36條之2第1項。 [17]行政院新聞傳播處,〈討一 中小企業發展條例_經濟部 懶人包〉,本院新聞,https://www.ey.gov.tw/File/EF46233500BEDDBD?A=C (最後瀏覽日:2024/7/25)。 [18]雖然中小企業發展條例第36條之2條文中並未論及勞動部職類別薪資,然參酌立法院第11屆第1會期財政委員會第11次會議紀錄中,經濟部曾就鼓勵中小企業為員工加薪子題說明,基層員工薪資範圍將配合職類別薪資調查結果修訂。詳參〈立法院第11屆第1會期財政委員會第11 次全體委員會議紀錄〉,《立法院公報》,第113卷第36期,頁57-58(2024/05/01)。 [19]從2014年中小企業發展條例第36條之2理由「新投資創立或增資擴展中小企業達一定金額且增僱一定人數」,或同條文2024年修正理由「為鼓勵中小企業延攬青年,提升高齡人力資源規劃意願」可知,文義上增加僱用人數應該是對應就業率,至於企業增僱員工後如何正向影響薪資水準則並不明確。 [20]中小企業增僱員工薪資費用加成減除辦法第4條第1項第5款。 [21]中小企業增僱員工薪資費用加成減除辦法第4條第4項。 [22]范文清,〈租稅優惠之研究〉,《月旦財經法雜誌》,第41期,頁143(2017)。 [23]舊租稅特別措施法第措法42の12の4。 [24]因此雇用促進稅制有時又稱所得擴大稅制。 [25]厚生勞動省,〈平成23年税制改正(租税特別措置)要望事項-雇用促進税制の創設等-〉,https://www.kantei.go.jp/jp/kakugikettei/2010/h23zeiseitaikou.pdf (最後瀏覽日:2024/8/2)。 [26]中西 涉,地方創生をめぐる経緯と取組の概要,参議院事務局立法と調査,頁5(2016)。 [27]租税特別措置法法第42條之12。 [28]內閣府,〈平成27年税制改正の大綱〉,https://www.cas.go.jp/jp/seisaku/kokudo_kyoujinka/sisakushu/pdf/pdf_38.pdf (最後瀏覽日:2024/7/22)。 [29]財務省,〈令和6年度税制改正要望事項-地方における企業拠点の強化を促進する税制措置の拡充及び延長-〉,https://www.mof.go.jp/tax_policy/tax_reform/outline/fy2024/request/cao/06y_cao_k.pdf (最後瀏覽日:2024/7/22);財務省,〈コロナ禍を踏まえた賃上げ及び投資の促進に係る税制の見直し(人材確保等促進税制)〉,令和3年稅制改正,https://www.mof.go.jp/tax_policy/publication/brochure/zeisei21/03.htm#a04 (最後瀏覽日:2024/8/2)。 [30]財務省,〈コロナ禍を踏まえた賃上げ及び投資の促進に係る税制の見直し(人材確保等促進税制)〉,令和3年稅制改正,https://www.mof.go.jp/tax_policy/publication/brochure/zeisei21/03.htm#a04 (最後瀏覽日:2024/7/25);小竹義範,小竹義範,〈租税特別措置法等(法人税関係)の改正〉,《財務省令和3年度税制改正の解説》,頁508。https://www.soumu.go.jp/main_content/000724449.pdf (最後瀏覽日:2024/7/25)。 [31]地方據點強化稅制最初係配合日本「地方創生」政策所制定,然在令和6年的稅制文件中可知已有所調整。參小竹義範,〈租税特別措置法等(法人税関係)の改正〉,《財務省令和6年度税制改正の解説》,頁509。 [32]內閣府,〈地方活力向上地域等特定業務施設整備計画の運用に関するガイドライン〉,https://www.chisou.go.jp/tiiki/tiikisaisei/pdf/03guideline.pdf (最後瀏覽日:2024/8/5)。 [33]地方再生法第16條。 [34]包括地理條件、產業結構、市場規模、基礎設施條件。 [35]地方再生法第17條之2第1項、第2項。 [36]地方再生法第17條之2第5項。 [37]業務設施整備計畫與增僱認定相關者僅在於紀載員工人數,至於該計畫在如何撰寫地方經濟特性於業務移轉或擴張部分,則為其他稅制之核心與本文關注之增僱稅制無實質關聯,故不詳述。 [38]地方再生法第36條。 [39]租税特別措置法施行令第27條之11之3。 [40]內閣府,〈地方活力向上地域等特定業務施設整備計画の運用に関するガイドライン〉,https://www.chisou.go.jp/tiiki/tiikisaisei/pdf/03guideline.pdf (最後瀏覽日:2024/8/5)。 [41]国税庁,〈No.5926 地方活力向上地域等において雇用者の数が増加した場合の法人税額の特別控除〉,https://www.nta.go.jp/taxes/shiraberu/taxanswer/hojin/5926.htm (最後瀏覽日:2024/8/5);內閣府地方創生推進事務局,〈地方拠点強化税制令和6年改訂〉,https://www.chisou.go.jp/tiiki/tiikisaisei/pdf/01pamphlet.pdf (最後瀏覽日:2024/7/26)。 [42]租税特別措置法施行令第27條第3項、第5項。 [43]租税特別措置法第42條之12第1項第2款。 [44]租税特別措置法第42條之12第5項第2款。 [45]投資要件分別為機械或設備金額達100萬日圓、器具或備品金額達30萬日圓、建築附屬物金額達60萬日圓擇一達成。 [46]経済産業省中小企業庁事業環境部,〈令和6年税制改正要望事項-中小企業向け賃上げ促進税制の拡充及び延長-〉,https://www.mof.go.jp/tax_policy/tax_reform/outline/fy2024/request/meti/06y_meti_k_24.pdf (最後瀏覽日:2024/8/5)。 [47]第二次就業困境指的是相對於日本90年代末期經濟泡沫時期,企業規模萎縮伴隨勞動力需求大幅度下滑,當時卻正好迎來戰後嬰兒人口大學畢業,致使勞動供給過剩因而從勞動政策引發一連串社會與經濟問題的背景。參堀有喜衣、田上皓大、小杉礼子,〈就職氷河期世代のキャリアと意識〉,独立行政法人労働政策研究機構,頁1、頁115-116,https://www.jil.go.jp/institute/siryo/2024/documents/0272.pdf (最後瀏覽日:2024/8/13)。 [48]新進僱用員工係指依日本勞動基準法第107條第1項規定申報勞動名簿未滿一年支員工,先前受僱於關係企業或受控公司之員工不適用之,但受僱於子公司或分支機構之員工不在此限。參照。見経済産業省,〈「人材確保等促進税制」よくある御質問Q&A集令和4年2月4日改訂版〉,https://www.meti.go.jp/policy/economy/jinzai/syotokukakudaisokushin/pdf/jinzaikakuhotousokushinzeisei20220204faq.pdf (最後瀏覽日:2024/7/18)。 [49]我國在已廢止之促進產業升級條例中,曾有超額扣抵之稅制立法,然在計算超額之對象上乃指同一筆投資(應納稅行為),與日本將薪資費用與教育訓練費用兩項不同投資行為整合,以對應稅法上非財政目的。 [50]藤谷武史,〈論拠としての「租税法律主義」―各国比較〉,《フィナンシャル・レビュー》,第129号,頁204(2020)。 [51]納稅者權利保護法第6條第1項規定,稅法或其他法律為特定政策所規定之租稅優惠,應明定實施年限並以達成合理之政策目的為限,不得過度。
歐盟支付服務指令修正案(PSD2)於2016年1月12日生效2012年歐洲議會發表的綠皮書「邁向信用卡、網路以及手機支付的整合歐洲市場(Towards an integrated European market for card, internet and mobile payments)」,並進行廣泛的公眾意見徵詢,舉辦公聽會,最後決議進行現有歐洲支付法制架構的修正。歐盟支付服務指令修正案(revised Payment Service Directives, PSD2)於2013年7月由執委會提出,2015年10月歐洲議會通過,今年1月12日生效,預期英國、保加利亞、丹麥、德國、奧地利以及法國將會率先修正原有的支付服務法制完成轉換。產業界一致對於修正案表示歡迎,因為本次修正將會大幅提升支付創新應用的發展可能,尤其是行動支付。 PSD2之重大修正包含針對支付服務的內容作出修正,新增第三方支付服務提供人(third party payment service provider,簡稱TPP)為支付服務之內容(附件一第7項)。TPP的內涵為透過對於其它支付服務提供者的支付帳戶的存取,提供包含支付發動服務(payment initiation services)以及帳戶資訊服務(account information services)。依照第58條規定,TPP服務提供者具備下列義務: 1.確保支付服務使用者的個人化安全資訊不會被其它人取得。 2.以明確的方式向帳戶之支付服務提供者認證自己的身分。 3.不儲存支付服務使用者的敏感支付資訊或個人化安全憑證。 除此之外,PSD2明確將純粹的技術服務提供者排除於支付機構之範圍,無需適用支付服務指令。 PSD2亦授權EBA發布相關規定制定技術門檻,包含強力的客戶身分認證以及通訊資訊標準。