扎克伯格拟用新股票支付加州富豪税

扎克伯格或通过Meta新股票类别支付加州富豪税,同时保住公司控制权。
据单一RSS来源报道,Meta创始人扎克伯格正考虑通过新设立的股票类别来应对加州拟议的富豪税,旨在筹集税款的同时不失去对公司的控制权。该税种针对超高净值人群,若通过将给持有大量Meta股票的扎克伯格带来巨额税负,直接售股可能稀释其投票权。新股票类别被指部分为此设计,但具体机制未公开,且信息尚未获其他独立来源或官方证实。事件反映了科技创始人在个人财富与公司控制权之间的普遍权衡,加州立法进程仍存不确定性。
事件背景:加州拟征富豪税,Meta 创始人面临抉择
据 RSS 来源报道,Meta 创始人兼 CEO 马克·扎克伯格正在考虑一种创造性的方案,以应对加州拟议中的「富豪税」——若该法案通过,他可能通过新设立的股票类别来支付税款,同时确保不失去对 Meta 的控制权。
这项拟议中的税收针对的是超高净值人群,一旦生效,像扎克伯格这样的亿万富翁将面临巨额税负。对于持有大量 Meta 股票的创始人来说,直接出售股票来缴税可能会稀释其投票权,甚至动摇其对公司的掌控。因此,Meta 设计的新股票类别被部分工程师用来解决这一难题。

富豪税(Wealth Tax) 是对个人净资产而非收入征收的税种,通常针对超高净值人群。与所得税不同,富豪税按资产市值(如股票、房地产等)每年征税,即使资产未变现也需缴税。加州近年多次提出针对亿万富翁的财富税法案,例如2024年的AB 2593提案,拟对净资产超过5000万美元的个人征收年度税。支持者认为这能缓解财富不平等,反对者则担忧资本外流和估值难题——非上市资产如何定价、股票波动如何计税都是实操障碍。对扎克伯格而言,其财富高度集中于Meta股票,若按市值征税,他需在不大量减持的前提下筹集现金,这正是新股票类别设计的动因。
新股票类别的双重使命:融资与控股权
根据原始报道,Meta 新推出的股票类别在一定程度上是为了帮助扎克伯格支付「富豪税」而设计的。这种设计允许他通过发行新股或利用新股票类别的机制来筹集资金,而不必在公开市场上大量抛售现有持股。
从公司治理的角度看,这种安排相当巧妙。硅谷巨头们普遍采用双重股权结构来确保创始人对公司的控制,而新股票类别可能在此基础上进一步分层,让扎克伯格能够在不削弱投票权的前提下变现部分资产。不过,具体机制尚未完全公开,业界仍在观望其实际效果。
双重股权结构(Dual-Class Share Structure) 是硅谷公司保持创始人控制权的常见安排:A类股每股一票,B类股每股十票甚至更多,创始人持有高投票权股份,即使持股比例不高也能掌控公司。Meta目前采用AB股结构,扎克伯格通过B类股掌握多数投票权。若他直接出售股票缴税,会减少B类股持股,削弱控制权。新股票类别可能是在此基础上再分层——例如创设一种无投票权或低投票权的新股用于融资或支付税款,同时保留原有高投票权股份。这种机制在Snap、Lyft等公司也有先例,但用于税务目的尚属罕见,需平衡股东公平性与监管审查。
多源信息交叉验证
目前关于此事的公开信息主要来自单一 RSS 来源,尚无其他独立媒体或官方文件佐证。报道提到「新推出的股票类别被部分工程师用来帮助支付富豪税」,但并未透露具体的技术细节或法律架构。因此,对于该计划的可行性、是否已进入实施阶段,仍需保持谨慎态度。
Meta 官方尚未就此发表评论,加州富豪税的立法进程也存在不确定性。如果税收法案未能通过,这一股票类别的设计初衷可能更多是出于常规的股权管理考虑。
对科技行业与创始人的启示
无论加州富豪税最终是否落地,扎克伯格的这一潜在举措都反映了科技巨头创始人面临的一个共同难题:如何在个人财富与公司控制权之间取得平衡。随着全球范围内对富人征税的呼声渐高,类似的结构性创新可能会越来越多。
对于其他科技公司而言,Meta 的探索提供了一个参考案例。不过,任何税务筹划都需在合法合规的框架内进行,并接受公众和监管机构的审视。

关键要点
- 加州拟议富豪税可能对扎克伯格个人财富产生重大影响。
- Meta 新股票类别被部分设计用于支付税款,同时保住控制权。
- 该计划细节尚未公开,需更多信息验证。
- 事件反映了科技创始人在财富与控制权之间的权衡。
相关推荐

零成本搭建AI超级员工系统:智能体自动工作流全解析
深度拆解B站演示的AI超级员工系统:Agent智能体编排、数字人口播、地图与企业获客、24小时智能客服及法务模块全覆盖。分析零成本开户背后的商业逻辑与合规风险,帮助创业者判断这套AI数字员工系统的真实投产比。

Chatbot与AI Agent的本质区别:从对话到执行的跨越
Chatbot和AI Agent有什么区别?本文基于Learn Tech频道的MCP系列讲解,用订机票、笔记摘要等实例说明:Chatbot只给答案,Agent通过思考-行动-观察循环真正完成任务,并拆解模型、工具、记忆、目标四大部件及MCP的桥梁作用,同时讨论Agent的适用边界与权限风险。

免费GitHub仓库:342小时AI课程,从数学到MCP服务器
一个免费GitHub仓库提供342小时AI课程,包含523节课、20个阶段,覆盖数学基础到Agent构建和MCP服务器。支持目标驱动学习,每节课产出可留存的prompt、skill或agent,已有近10万人开始学习。