核心观点

全球反基税侵蚀模型规则要求跨国企业集团 (MNE) 每年提交全球信息回报 (GIR)，报告其根据全球规则计算的税收信息。为促进 GIR 报送要求的统一实施，包容性框架 (Inclusive Framework) 制定了一份标准化的 GIR 模板，并开发了一个可扩展标记语言 (XML) 方案及其相应的用户指南。

方案版本

GIR XML 方案和用户指南已更新，以反映 2026 年 9 月 11 日发布的“并排包”(Side-by-Side Package)。先前版本（1.0）将继续适用至 2028 年 6 月 15 日，而新版本（2.0）将从 2028 年 6 月 25 日起适用所有交换，包括对先前提交的 GIR信息的修正和更正。

方案结构

GIR XML 方案分为五个主要部分：

• 消息头：包含发送方、接收方、消息类型和报告财政年度等信息。
• 标识和税号类型：用于提供与构成实体 (CE)、合资企业 (JV)、JV 子公司和最终母公司 (UPE) 相关的识别和税号信息。
• GloBE 主体：包含以下五个子部分：
  • 报送信息：识别报送 CE、MNE 集团、会计信息和报告财政年度。
  • 一般部分：包含 MNE 集团的公司结构信息，以及与交换目的相关的接收司法管辖区代码。
  • 摘要：包含与每个司法管辖区和相应子集团相关的 GloBE 信息的高级摘要。
  • 司法管辖区部分：包含与每个司法管辖区相关的信息，包括安全港和豁免、ETR 计算和顶税额计算，以及顶税额的分配。
  • UTPR 归属：包含有关在适用的情况下，顶税额在相关司法管辖区之间如何归属的信息。
• 修正：描述了如何通过发送包含修正数据的文件来更正 GIR 信息。

关键数据

• GIR XML 方案版本：2.0
• 先前版本适用期限：至 2028 年 6 月 15 日
• 新版本适用期限：从 2028 年 6 月 25 日起
• 并排包发布日期：2026 年 1 月 5 日

研究结论

GIR XML 方案和用户指南的更新旨在促进全球最低税规则的实施，并确保 MNE 集团在全球范围内就其税收信息进行一致的报告。新方案将帮助税务机关更有效地交换信息，并提高全球税收透明度。

本报告探讨了数据空间作为一种新型的数据共享机制，在解决多方协调挑战、财务可持续性和公共政策方面的应用。报告分析了 235 个数据空间倡议，并考察了成功、进行中和失败的数据空间案例研究，以及 2025 年华沙数据空间研讨会上举行的 OECD 专家研讨会。报告重点关注三个主要领域：定义数据空间适用性的边界条件；分析帮助解释成熟度和采用差距的启动挑战；以及提出八项政策建议，以缩小公共投资与数据空间运营和财务可持续性之间的差距。报告认为，数据空间在多方数据共享方面具有比较优势，但启动问题是其可持续性的主要障碍。报告建议，政府应将投资集中在具有真正协调问题的领域，区分对技术基础和生态系统的资助，解决需求端采用差距，支持围绕基础设施价值的企业模式，支持采用信任增强技术及其按设计集成，采用认证和政府锚定来建立制度信任，承认 AI 驱动的数据需求是可持续性的途径，并增强测量。报告的核心观点是，数据空间在解决多方数据共享问题方面具有独特的价值，但需要政府政策支持才能实现财务可持续性。

2027年，人工智能在客户体验中扮演的角色将更加自主，品牌需要有意运用AI以提升客户体验。报告揭示了消费者和品牌对AI管理体验的不同看法，以及五个关键趋势：

核心观点：

• 人工智能正从引导和推荐转向代表客户采取行动，管理客户体验。
• 品牌和消费者对AI的自主性接受程度因情况而异。
• 成功运用AI的关键在于深入理解客户，并建立强大的数据和身份基础设施。

关键数据：

• 86%的品牌认为客户很快会允许AI代表他们进行常规操作。
• 50%的消费者愿意让AI在更多决策上发挥作用，另外50%尚未被说服。
• 只有36%的品牌表示他们目前拥有支持AI管理体验所需的数据和技术。
• 78%的消费者表示，最佳体验是在AI带来的便利与信任和安心之间取得平衡。
• 千禧一代对AI最为热情，Z世代消费者则表现出更大的谨慎。

五大趋势：

1. 平衡轻松的客户体验与信任及独特性：品牌需要提供快速、轻松的客户体验，但也要认识到在某些情况下，一定程度的摩擦是有价值的。88%的品牌表示，最有效的客户体验在于消除不必要的障碍，同时保持信任和信心。
2. 人工智能理解上下文、情绪和意图：品牌认为情感智能AI最具价值的所在，包括根据客户具体情况调整支持方式，以及在客户面临压力时提供支持。但消费者对AI使用其数据展现同理心比对品牌更为谨慎。
3. 人工智能协调跨平台旅程：AI能够主动协调跨多个平台、合作伙伴或供应商的客户体验。品牌认为信任是AI编排中的最高优先事项，而消费者则更关注控制权。
4. 自主AI代表客户行动：多数品牌已允许AI自主执行面向客户的活动，如解决基本客户问题、筛选产品或续订订阅。但消费者对AI自主性的接受程度因活动而异，且需要建立相应的保障措施。
5. 人工智能成为品牌主要入口：消费者越来越多地使用AI工具和助手来寻找产品、服务和信息，但AI仍只是客户旅程中的众多入口之一。品牌需要学会影响AI助手，同时也要维护其传统的搜索和网络存在。

研究结论：

• 品牌需要加强数据基础建设，以在AI效率和人际连接之间取得恰当平衡。
• 人工智能的意图性是前进的方向，一个合乎道德的数据基础至关重要。
• 正面的摩擦可以建立信任，消费者希望在AI管理体验中保持控制权。
• 品牌必须学会影响AI助手，同时也要维护其传统的搜索和网络存在。

易观分析AI时代IP产业的价值重构与生态版图

宏观趋势：AI+IP成为内容产业确定性赛道

• 供给端：AIGC技术推动内容生产边际成本趋零，AI短剧/漫剧市场规模预计达400亿元（同比增长138%），单部AI漫剧成本压缩至3000-5000元，内容供给进入无限化时代。
• 需求端：用户需求从“看新鲜”转向“好故事、好角色、可交互”，对内容的信任、情感和交互性要求提升，纯随机生成内容面临审美疲劳和爆款稀缺问题。
• IP价值：IP作为承载共识的“有限锚点”，以确定性对抗无限噪声，是降低认知成本、沉淀情感资产的核心基建，确立AI时代情感连接的确定性壁垒。
• 稀缺性迁移：IP稀缺性从生产端的门槛转向对IP资产的“控制权”，即谁能确保IP在海量生成中的“人格一致性”与“版权清晰”，谁就掌握了核心战略资源。

价值重构：AI驱动下的IP价值衡量模型与双轨路径

• IP价值衡量模型：从关注“版权库厚度”与“播放量/销量”的静态估值体系，切换到关注IP的动态活跃度与场景穿透力的“资产周转率逻辑”，提出IP价值衡量公式：IP价值 = AC × AG × ME × 调节变量（活跃创作者数、日均生成资产数、变现效率、生态繁荣度）。
• 双轨路径：
  • 经典IPAI化改造：依托原有知名度，无前置认知冷启动，LTV确定性高，但面临人格崩坏、老粉情感反噬与版权纠纷等风险。
  • AI原生IP：自带庞大粉丝与社群，UGC/PUGC二创活跃，流量变现快，留存高，但合规与同质化是核心风险，LTV尚待验证。

竞争格局与生态图谱：主导力量与突围者

• 生态图谱：包含版权确权与存证基础设施、IP供给与共创技术/平台方、运营/分发方、终端场景方、传统版权源头、线下文旅与院线等环节。
• 产业生态变化：
  • 确权与算力升格为基础设施层：确权构筑可信交易上限，算力提供智能生产可能，共同托举IP运营与消费生态。
  • 技术/平台层独立崛起：超越“卖铲人”定位，进化为掌握“炼金术”的资产运营商，向后支撑工业化生产，向前降低创作门槛，激活UGC/二创，贯通车机/XR等终端体验。
  • IP供给端结构裂变：从“金字塔”结构裂变为“四级梯队”，一二梯队依托AI盘活存量资产，三四梯队通过原生创作释放海量创新，形成“旋转门”机制。
  • 分发权迁移：从渠道垄断转向“算法推荐+创作者生态+数据闭环”，运营逻辑裂变为“专业运营筑高度，社区共养蓄热度”。
  • 终端场景扩容：IP消费场景裂变为“全场景、多模态、即时交互”的立体网络，IP从“被观看的内容”进化为“可进入的世界”。

未来展望：未来3-5年的IP分发新生态

• 核心挑战：技术瓶颈、内容红海、确权困局、情感浅滩、商业迷雾、合规高压。
• 发展趋势：
  • 范式跃迁：从“卖内容”到“运营资产网络”，重“内容生产、平台放大、终端穿透、分账回流”的循环生态系统。
  • 阶段演进：进入“基础设施卡位期”，竞争焦点从“生成质量”转向“标准制定与生产资料掌控”。
  • 关键变量：互动引擎与智能终端的“结合部”，打通“引擎生成-终端部署-情感交互”闭环，定义下一代IP角色交互形态。
  • IP终局：全场景情感基建，IP从“跨屏流转”走向“情感共生”，成为用户生活中“懂你、有温度”的陪伴者，基于情感连接的订阅模式将彻底击穿LTV的天花板。