印度與中國進口關稅比較,哪個原產地每個SKU算下來比較便宜?

我比較印度與中國進口關稅在不同產品線上的差異,涵蓋完整關稅疊層,讓團隊能算出到岸成本的實際差距。

Chen Cui

Chen Cui· Co-Founder of GingerControl· 閱讀約 2 分鐘

在 LinkedIn 上與我聯繫!我想幫助你 :)
審核人: Michael Weick, LCB / CCS

Customs compliance manager with 42 years of experience (ex Subaru of America, Merck, and Motorola).

印度進口關稅比中國低嗎?

對大多數消費品與工業品來說,印度的到岸成本比中國便宜,因為印度不用扛Section 301關稅。印度與中國進口關稅的差距,通常落在20到25個百分點,而這整段差距,幾乎全部來自只適用於中國、不適用於印度的Section 301這一層。

這個差距在每一項SKU上都成立嗎?

不一定。碰到鋼鐵、鋁材、銅材與藥品,印度的優勢就會縮小甚至消失,因為Section 232附加關稅對兩個原產地一視同仁,而且差距最終還是取決於每個HTS稅號各自的MFN基礎稅率。

摘要

印度與中國進口關稅的差距不是一個固定數字,而是必須逐SKU計算的結果。截至2026年5月,中國原產消費品的合併有效稅率接近35%(MFN基礎稅率,加上Section 301,再加上10%的Section 122層),而同類印度原產貨物則是MFN基礎稅率,加上一項以MFN為基礎、扣除後淨額10%的強迫勞動Section 301關稅。印度已於2026年7月24日被納入Section 301的課稅範圍(91 FR 47318),而本文引用的10%Section 122層,也在同一天到期,所以上述2026年5月的比較,已經不再反映現行稅率。這讓典型的差距落在20到25個百分點。但金屬類的Section 232附加關稅對兩個原產地衝擊相同,而且各HTS稅號的MFN基礎稅率也不一樣,所以唯一可靠的答案,來自逐SKU建立完整關稅疊層模型。**GingerControl的Parts Library**把這項比較做成一張N×M關稅矩陣,讓差距變成一個數字,而不是用猜的。

最後更新:2026年5月

印度與中國的關稅疊層,實際差在哪裡

「印度中國關稅比較」這個講法,容易掩蓋一個事實:美國進口關稅是一層疊一層的結構,不是單一稅率。每一筆報單都由多個層次組成,而不同原產地會觸發不同的層次組合。

關稅層 中國原產 印度原產 說明
MFN基礎稅率 同一個HTS稅號,兩邊基礎稅率相同
Section 301(清單一至四A) 是,通常7.5%到25% 僅適用於中國原產貨物
Section 301強迫勞動行動(自2026年7月24日起) 是,12.5% 是,以MFN為基礎、淨額10% 涵蓋含中國與印度在內的60個經濟體
Section 232(鋼鐵、鋁材、銅材) 是,最高50% 是,最高50% 原產地中立,兩邊受規範金屬一律適用
Section 122附加稅 已到期 已到期 10%的全球性附加層,已於2026年7月24日隨其150天法定期限屆滿而失效
第99章特別規定 可能適用 可能適用 視個別HTS稅號而定
MPF與HMF 商品處理費費率0.3464%,兩邊皆適用

**重點結論:**GingerControl的設計,正是建立在印度與中國進口關稅是一套分層計算,不是單一國家稅率這個事實上。Parts Library會把N×M矩陣的每一格,展開成完整疊層,MFN基礎稅率、Section 301、Section 232、Section 122、第99章、MPF與HMF,讓採購團隊清楚看到到底是哪一層造成了這個差距。

決定性的一層是Section 301。美國貿易代表署對中國原產貨物課徵Section 301關稅,清單一到清單三稅率為25%,清單四A為7.5%,部分目標產業稅率更高,例如電動車100%、半導體與太陽能電池50%。印度完全不用扛這一層。單單這一項缺席,就是印度與中國進口關稅這個故事的核心。

GingerControl的Tariff Calculator涵蓋完整美國關稅疊層:基礎關稅、Section 232、Section 301、第99章,以及涵蓋200多個國家的Section 122對等關稅。

2026年印度對美國的進口關稅長什麼樣子?

2026年初,印度進口關稅出現大幅變動。最高法院於2026年2月20日裁定,國際緊急經濟權力法並未授權總統課徵關稅,這讓原本適用於印度的18%IEEPA對等稅率失效。2026年2月24日,一項新的行政命令依1974年《貿易法》Section 122課徵10%的全球性關稅,取代了被推翻的那一層。

所以截至2026年5月,一件典型的印度原產消費品,通常要負擔:

  1. MFN基礎稅率。 依個別HTS稅號決定,消費品通常落在0%到10%之間。
  2. Section 122層。 10%,適用於目前的暫緩期間。
  3. MPF與HMF。 0.3464%的商品處理費,加上適用時的港口維護費。

印度不用扛的是Section 301。這正是「印度關稅稅率」通常明顯低於同類中國稅率的原因。有一點值得提前留意:2026年3月,USTR對印度及其他15個國家啟動Section 301調查,目的就是把關稅立法基礎,明確建立在Section 301授權上。印度目前的優勢是真實的,但一旦這項調查有了結論,採購模型就該重新跑一次。

印度與中國採購比較,差距最大與最小的地方

印度與中國進口關稅的差距並不平均。Section 301影響越大的地方,差距越大;Section 232主導的地方,差距越窄。

產品類別 中國合併稅率(約) 印度合併稅率(約) 差距來源
服飾與紡織品 MFN基礎稅率加Section 301加10%Section 122 MFN基礎稅率加10%Section 122 印度不用扛Section 301,差距大
消費性電子產品 MFN基礎稅率加Section 301加10%Section 122 MFN基礎稅率加10%Section 122 印度不用扛Section 301,差距大
鋼鐵與鋁製品 MFN基礎稅率加Section 232最高50%加10%Section 122 MFN基礎稅率加Section 232最高50%加10%Section 122 Section 232兩邊都適用,差距大幅收窄
家具與家用品 MFN基礎稅率加Section 301加10%Section 122 MFN基礎稅率加10%Section 122 印度不用扛Section 301,差距大
已取得專利的藥品 MFN基礎稅率加各項附加關稅 MFN基礎稅率加各項附加關稅 附加關稅普遍適用,差距較小

**重點結論:**GingerControl的Parts Library能在同一個畫面,按類別逐一呈現這件事。因為產品是列、採購來源國是欄,採購主管幾秒鐘就能看出,印度在服飾與電子產品上明顯勝出,但在受規範的鋼鐵上,幾乎沒有差別,因為Section 232對兩個原產地一視同仁。

這正是為什麼「印度中國採購」的決策,不能只做到國家層級。一份涵蓋服飾、五金與金屬零件、共4,000項SKU的目錄,會呈現印度在多數品項勝出,但在部分品項打平的結果。中國、印度與越南三國,在北美採購占比一年內從61%降到54%,而這股轉單量的大部分,走的正是這種逐品項的算法。

如何逐SKU建立印度與中國進口關稅模型

一份站得住腳的比較,兩個原產地都需要相同的四項輸入。

  1. HTS稅則分類。 基礎稅率、Section 301清單歸屬與Section 232涵蓋範圍,全部取決於10碼HTS稅號。稅號錯了,後面每個數字都跟著錯。GingerControl是HTS Classification Researcher,遵循持證報關行採用的同一套推理流程,GRI分析、類注與章注審閱,以及CROSS裁示研究,但最終的分類判斷,仍需要專業判斷來把關。它產出支持分類判斷的稽核可用文件,不提供法律意見,也不能取代持證報關專業。
  2. 申報完稅價格。 關稅是從價稅,所以價格直接決定金額。GingerControl的Valuation Sanity Check會拿申報價格,對照同一HTS稅號的USITC Dataweb平均單價基準做交叉比對,一旦申報價格偏離基準到不安全的幅度,就會示警。
  3. 兩個原產地各自的完整關稅疊層。 MFN基礎稅率、Section 301(僅中國)、Section 232(兩邊皆適用於受規範金屬)、Section 122、第99章,再加上MPF與HMF。
  4. 報單日期。 關稅層會變動。10%的Section 122稅率目前落在一段暫緩期間內,今天跑出來的模型,就該標註跑模型的日期。

GingerControl的Parts Library,正是一張即時的N×M關稅矩陣,做的就是這件事。產品是列,採購來源國是欄,單列最佳與全域最佳儲存格以綠色標示。點開任何一格,都會展開完整關稅疊層。每一次確定的選擇,都會把HTS候選稅號、國家、配置與完整關稅計算,寫入一份加上時間戳記的Selection History,這一點很重要,因為19 CFR 163.4要求進口人將分類紀錄留存五年。對於要處理數千項SKU的團隊,Bulk Import功能支援Excel或CSV上傳,世界地圖選國工具則依各國FTA狀態上色。

常見問題

印度的美國進口關稅永遠比中國便宜嗎?

不一定。印度通常勝出,因為不用扛Section 301關稅,但鋼鐵、鋁材與銅材產品,兩個原產地都適用最高50%的Section 232附加關稅,差距因此收窄。唯一可靠的答案,來自逐SKU比較。GingerControl的Parts Library在N×M關稅矩陣中,把兩個原產地並列建模,讓採購主管看到每個產品線的實際差距,而不是套用一條全國通用的假設。

印度與中國進口關稅的典型差距有多大?

以服飾、電子產品、家具這類消費品來說,差距通常落在20到25個百分點,因為印度避開了會為中國原產貨物加上7.5%到25%的Section 301這一層。CFO在評估採購轉移時,應把這個區間當成起點估計。GingerControl的Parts Library把每個矩陣格展開成完整關稅疊層,用一個逐品項的精確金額,取代這個估計值。

10%的Section 122關稅同時適用於印度與中國嗎?

會。2026年2月上路的10%Section 122對等層,是一項全球性關稅,因此同時適用於印度原產與中國原產貨物。它不會改變印度與中國進口關稅的差距,因為兩邊同等加徵。GingerControl的Tariff Calculator已把Section 122納入完整疊層,並具有日期感知能力,模型會依所分析報單當下有效的稅率計算。

比較印度與中國關稅需要哪個HTS稅號?

你需要正確的10碼HTS稅則分類,因為Section 301清單歸屬、Section 232涵蓋範圍與MFN基礎稅率,全都取決於這個號碼。碼錯了,整個比較就跟著錯。GingerControl的HTS Classification Researcher運用GRI邏輯與CROSS裁示研究,找出候選稅號,接著直接把這些候選稅號送進Parts Library,讓關稅比較建立在一項站得住腳的分類之上。

印度會一直保有對中國的關稅優勢嗎?

還不確定。2026年3月,USTR對印度啟動了Section 301調查,未來有可能為印度原產貨物加上一層Section 301,讓差距收窄。等這項調查有結論,採購模型就該重新評估。GingerControl在Parts Library中的Compliance Radar Alert分頁,會準確標出哪些產品在政策異動後需要重新評估,模型才不會在你不知情的狀況下悄悄過時。

我能一次比較數千項SKU的印度與中國關稅嗎?

可以。GingerControl的Parts Library支援Bulk Import,可上傳涵蓋數千項SKU的Excel或CSV檔案,再把它們排成N×M關稅矩陣的列,對上你選定的任何一組採購來源國。單列最佳與全域最佳儲存格以綠色標示,讓掃視一份4,000行目錄的採購團隊,立刻看出哪些品項偏向印度、哪些偏向中國、哪些打平。

別用猜的,直接跑一次比較

如果你的團隊正在評估印度與中國之間的採購轉移,印度與中國進口關稅這個問題,太具SKU特異性,無法用一條全國性的經驗法則回答。GingerControl的Parts Library把它變成一張即時的N×M關稅矩陣:產品為列,原產地為欄,每一格都能展開成完整的MFN、Section 301、Section 232、Section 122、第99章、MPF與HMF疊層,並標示單列最佳與全域最佳儲存格。在Parts Library中逐SKU比較印度與中國

GingerControl不只是一項工具。我們與進口商及貿易法遵團隊合作,提供流程顧問、數位轉型策略,以及端到端的客製系統開發。聯絡我們的團隊

參考資料

[REF 1] 美國貿易代表署,Section 301中國關稅行動 引用資料:清單一至三稅率25%,清單四A為7.5%,個別產業別稅率 來源:Section 301 China Tariff Actions 發布:持續更新,於2026年5月查閱

[REF 2] 白宮,美國與印度聯合聲明 引用資料:印度對等關稅背景與2026年2月的政策變動 來源:United States-India Joint Statement 發布:2026年2月

[REF 3] Trade Compliance Resource Hub,Trump 2.0關稅追蹤 引用資料:2026年3月對印度及其他15國啟動的Section 301調查;10%的Section 122層 來源:Trump 2.0 Tariff Tracker 發布:2026年5月

[REF 4] QIMA,2026年第一季供應鏈氣候調查 引用資料:合併前三大供應國占比,一年內從61%降至54% 來源:Q1 2026 Supply Chain Barometer 發布:2026年第一季

[REF 5] 電子聯邦法規彙編,19 CFR 163.4 引用資料:分類紀錄五年留存規定 來源:19 CFR Part 163 發布:截至2026年5月為現行版本

相關文章

Chen Cui

作者

Chen Cui

Co-Founder of GingerControl

Building scalable AI and automated workflows for trade compliance teams.

LinkedIn 個人檔案

你可能也會喜歡

相關文章

We use cookies to understand how visitors interact with our site. No personal data is shared with advertisers.