随着数字经济上升为国家战略，数据要素被正式列为第五大生产要素，AI成果作为数字经济核心载体，其价值显性化需求愈发迫切。2024年1月1日起施行的财政部《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），针对企业AI模型、算法等核心技术成果，仍需依托《企业会计准则第6号——无形资产》等通用准则，结合其与数据资源的关联属性、资产确认条件开展核算，二者协同搭建起AI成果从“隐性技术投入”转为“显性会计资产”的政策支撑体系。

　　对AI企业而言，AI成果资产入表不仅能优化财务报表结构——通过压降当期费用、增厚资产总额、改善资产负债率，有效提升企业融资能力与市场估值，更能激活AI成果的资产属性，使其成为可计量、可交易、可融资的核心资产，夯实企业长期高质量发展根基。但AI成果具备高迭代、技术黑盒、软硬结合、数据与技术深度融合等特殊属性，与传统无形资产、存货差异显著，也给传统会计准则落地带来诸多实操难题。本文由上海锦天城（重庆）律师事务所高级合伙人李章虎律师团队，联合会计事务所专业人员编写，结合最新会计准则、《暂行规定》要求与AI行业实务，拆解典型案例，搭建“合规确权-科目分类-成本归集-后续计量”全流程实操体系，助力企业合规高效完成AI成果资产入表（以国家相关会计领域法律法规为准，以下仅供参考）。

　　AI成果是企业通过研发活动形成，具备智能决策、数据处理、自主交互、自动化执行等核心功能，可独立或联动其他资产、数据资源为企业创造经济利益的技术载体、数据集合与衍生权益，是AI技术落地的核心产出，兼具技术、数据与资产三重属性。其会计确认的核心前提，是契合《企业会计准则》中资产的核心定义，即由企业合法拥有或控制、预期能带来经济利益、成本能够可靠计量。

　　结合AI产业实践与会计核算要求，我们认为可纳入资产核算的AI成果主要分为四大类，其中数据类成果直接适用《暂行规定》，技术类、应用类、新型成果适用通用会计准则，实务中需区分属性精准核算（最终以国家相关会计领域法律法规为准）：

　　1.核心技术成果：涵盖算法方案（推荐、识别等算法的完整技术文档、代码与实现逻辑）、AI模型（预训练基座、垂直领域微调模型的权重文件、训练方案与架构设计）、技术秘密（未公开的模型优化技巧、专属算法逻辑），是AI成果的技术内核，通常按无形资产核算。

　　2.数据类成果：属《暂行规定》核心规范范畴，包括合规外购数据集、自主采集加工的业务数据、脱敏清洗标注后的训练数据集、行业知识库、RAG检索数据集等，是AI模型训练运行的基础，可依据持有目的确认为无形资产或存货。

　　3.应用落地成果：核心技术与数据资源深度融合转化的实用产品与服务，如智能客服系统、AI API接口、定制化行业解决方案（工业质检、医疗影像诊断、金融风控系统等），直接对接商业场景，盈利模式清晰明确。

　　4.新型独立化成果：AI产业精细化发展催生的细分成果，包括代理编排方案、上下文工程包、AI内容真实性证明、模型评测治理方案等，依附核心AI模型却具备独立商业价值，符合资产确认条件可单独入账。

　　AI成果资产入表，合规是基石，确权是前提，计量是关键。无论适用《暂行规定》的数据类成果，还是适用通用准则的技术类成果，确认为资产均需同时满足三大核心Kaiyun官方入口条件，缺一不可。

　　1.合法拥有或控制：企业需通过软著登记、专利申请、商业秘密保护、数据授权协Kaiyun官方入口议等确权程序，取得AI成果法律权属，或通过合同约定获取排他性、可长期使用的使用权，确保权属无争议、无重大合规瑕疵。

　　案例：A电商企业自研商品推荐算法，已完成软著登记，签订职务成果归属协议明确企业为唯一权利人，训练数据均获合法授权，满足“合法控制”条件；若企业基于开源模型二次开发却未遵守开源协议，或训练数据存在侵权、违规获取情形，将导致权属瑕疵，成果无法入表。

　　需要说明的是，当前数据类成果确权主要依据“数据二十条”提出的“数据资源持有权、数据加工使用权、数据产品经营权”三权分置框架，实务中通过数据授权协议、加工证明论证合规持有，而非传统产权登记。因此，法律意见书需重点验证数据来源合法、授权链条完整，筑牢资产确认合规基础。

　　2.预期带来经济利益：AI成果需具备明确商业场景与落地盈利模式，如对外授权销售、API服务、内部降本增效、业务赋能增收等，能充分证明经济利益流入具备可行性。

　　案例：B科技企业智能文本生成模型，已与3家媒体签订年度服务意向协议，约定授权费合计500万元，还可通过API调用实现持续营收，充分印证经济利益流入确定性；若模型仅停留在技术探索阶段，无落地场景与商业计划，则不满足该项条件。

　　3.成本可靠计量：能清晰划分研究与开发阶段支出，精准归集研发全流程的数据采购、算力租赁、人员薪酬、测试费等直接支出，成本核算口径清晰、佐证凭证完备。

　　案例：C医疗企业搭建独立项目账套，单独核算医疗影像AI模型研发支出，留存数据采购发票、算力租赁账单、研发工时记录、第三方测试缴费凭证，成本归集精准可查，满足成本可靠计量要求。

　　1.出具专项法律意见书：委托专业律所针对AI成果权属归属、开源合规性（是否涉及开源代码/模型、是否恪守开源许可证要求）、数据合规性、算法备案情况、未决诉讼及重大合规风险出具专项意见书，作为审计核查必备底稿，重点明确成果权属清晰、数据来源合法，契合资产确认合规要求。

　　2.完成合规评估与备案：数据类成果需核查采集、加工、使用全流程合规性，严守《个人信息保护法》《数据安全法》要求；技术类成果需按规完成算法备案、软著登记，保障生成内容合规，杜绝重大合规隐患。

　　3.开展价值验证与成本梳理：入表核算以历史成本为核心，可委托第三方出具价值评估报告，作为经济利益流入的有效佐证；全面梳理研发支出，严格区分费用化与资本化支出，搭建精细化成本台账，夯实后续账务处理基础。

　　案例：D自动驾驶企业为自研决策模型入表，委托机构出具价值评估报告，同步提供算法备案回执、数据授权协议、成本核算台账，顺利通过审计合规与计量核查。

　　AI成果的会计科目归属，核心依据企业持有目的与商业模式判定，区分“自用”与“对外出售/提供服务”两类情形，分别确认为无形资产或存货，不同分类直接影响后续摊销、成本结转与报表列示，实务中需结合业务实质精准划分。

　　适用场景：企业自用AI成果，用于内部运营、服务提供、产品生产或管理效能提升，使用寿命超一个会计年度，无直接对外出售意图。

　　典型案例：电商企业自研商品推荐算法，优化平台分发效率、年均压降营销成本300万元；制造企业开发工业机器人控制模型，提升产线年；企业自建内部知识库、专属代码助手等，均属自用无形资产。

　　会计特征：通过摊销将成本分期计入当期损益，不随销售直接结转成本，需结合技术迭代速度合理确定摊销年限，定期开展减值测试。

　　适用场景：企业日常经营中持有以备出售的AI成果，或开发过程中以备交付、出售的AI产品与服务载体。

　　典型案例：AI创业公司开发的标准化图像识别软件许可，对外售价10万元/套；数据服务公司定制开发的金融数据集，已签订正式交付协议；企业预训练基座模型，计划直接出售或授权第三方使用，均应确认为存货。

　　会计特征：开发完成后计入库存商品，对外销售交付时一次性结转主营业务成本；开发周期较长的，可先通过“开发支出”归集成本，完工达标后再转入存货。

　　实务中，部分AI成果兼具自用与商用属性，比如自研大模型既用于内部客服优化，又对外提供API调用服务，此类情形需按两大原则妥善处理：

　　主导用途判定原则：优先依据核心持有意图、盈利模式划分，对外商业化收入占比超70%，倾向确认为存货；核心用于内部赋能降本，则确认为无形资产。

　　合理拆分核算原则：若能通过技术、成本分摊手段精准区分自用与商用成本，可拆分核算，商用部分入存货、自用部分入无形资产；若成果共用基座、成本无法拆分，可按管理层意图整体分类，降低核算与审计难度。案例：E科技企业通用大模型，自用客服场景分摊成本300万元确认为无形资产，对外API服务场景分摊450万元确认为存货，两类成本独立核算、分别列报，有效规避核算争议。

　　AI成果入表的核心痛点，是研究阶段与开发阶段的精准划分。会计准则明确：研究阶段支出全额费用化，计入当期研发费用；开发阶段支出满足特定条件方可资本化，计入资产成本。结合AI研发特性，制定适配划分标准与判定规则，是合规入表的关键。

　　AI成果进入开发阶段后，需同时满足以下五项条件，相关支出方可资本化，且需留存完整佐证材料，便于审计核查：

　　1.技术可行性：完成原型验证，模型准确率、响应速度等核心指标达标，技术层面可落地。佐证：POC报告、技术评审纪要、指标达标说明；案例：F企业语音识别模型测试准确率达95%，通过技术评审，满足可行性要求。

　　2.明确持有意图：管理层出具正式决议，明确成果自用或出售，制定完备商业规划。佐证：立项决议、商业计划书、审批文件。

　　3.经济利益流入可实现：能证明成果具备市场需求或内部使用价值，如意向协议、效益测算报告。佐证：意向合同、市场调研数据、降本增收测算表。

　　4.资源充分支撑：具备充足技术团队、算力、资金，可保障项目顺利完成，无资源缺口。佐证：团队配置清单、算力合同、资金证明、进度计划。

　　5.支出可靠计量：开发支出可通过项目账套、工时系统单独核算，成本归集精准、凭证齐全。佐证：工时记录、独立账套、成本分摊表、支付凭证。

　　为规避主观判定偏差、降低审计风险，企业需在内部制度中明确AI成果资本化时点，固化判定标准，杜绝随意调整。参考示例：AI模型完成小规模预训练、核心指标达标、通过技术可行性评审，正式立项进入全量训练之日，定为资本化起始时点。

　　案例：G企业明确大模型资本化时点为“架构冻结+POC通过+全量训练立项审批完成”，2023年6月1日满足全部条件，此前300万元支出费用化，此后1200万元全量训练支出资本化，核算口径清晰合规。

　　AI成果成本结构与传统行业差异显著，算力、数据成本占比超60%，且多项目共用资源、研发阶段交叉问题突出，需搭建适配AI行业的精细化核算体系，精准归集资本化支出，严守费用化红线，保障核算合规。

　　数据成本：仅限开发阶段、专属项目的数据支出可资本化。外购数据凭发票直接归集；加工成本按实际耗用量核算；共用数据按使用时长、数据量分摊，仅目标项目对应支出资本化。案例：H企业训练金融AI模型，外购专属数据50万元、标注费30万元直接资本化，通用数据集分摊40万元一并计入成本。

　　算力成本：AI研发核心支出，需严分资本化与费用化边界。自建GPU按工时分摊，仅训练阶段折旧资本化；云租赁区分训练（资本化）与测试（费用化）算力；闲置、排队损耗算力一律费用化。案例：I企业模型全量训练租赁费600万元资本化，日常测试算力100万元费用化。

　　人力成本：依托工时系统精准归集开发阶段直接人力支出。直接研发人员薪酬按项目工时核算，间接管理人员薪酬专属项目直接归集、多项目按工时分摊。案例：J企业10人团队专项研发6个月，人均月薪5万元，资本化人力成本300万元。

　　其他直接费用：专用工具授权费、软著/专利申请费、第三方测评费、专项咨询费等，凭支付凭证直接资本化。

　　以下支出无论是否处于开发阶段，均需全额费用化，严禁计入资产成本，严防违规资本化：

　　依据《暂行规定》与会计准则，企业需在财务报表附注中充分披露AI成果相关信息，保障信息透明可核查，提升报表可信度，核心披露内容如下：

　　示例披露：本公司期末无形资产含自研“XX医疗大模型”及配套数据集，原值5500万元，累计摊销880万元，净值4620万元。该资产为内部研发形成，资本化时点为2023年6月1日，结合技术风险预估使用寿命3年，直线法摊销，用于医疗影像辅助诊断，本年实现效益600万元，年末减值测试无迹象。

　　挑战1：多模型共用成本拆分难：采用作业成本法按使用频次分摊基座成本，或保守处理，通用基座成本费用化，仅垂直微调、定制开发成本资本化，兼顾合规与核算效率。

　　挑战2：敏捷开发阶段界定模糊：引入里程碑管理，以架构冻结、POC通过等节点为资本化时点，留存评审、合规核查资料，避免主观判定。

　　挑战3：后续迭代支出判定难：制定升级标准，日常微调费用化，核心架构升级、性能大幅提升且有合同支撑的，重新履行资本化流程。

　　挑战4：税会处理协调难：资本化无形资产可享200%税前摊销，亏损期企业从严把控资本化，优先享受加计扣除，提前与专业机构沟通口径。

　　N企业为AI科技公司，2023年1月启动智能营销大模型及配套数据集研发，基于开源模型二次开发且完成开源合规核查，核心情况：1.1-3月研究阶段，支出300万元；2.4月1日通过评审，进入资本化阶段；3.4-10月开发支出1500万元；4.11月完工确认为无形资产，摊销年限3年；5.2024年实现收入800万元，摊销500万元。

　　企业留存技术评审纪要、POC报告、数据授权协议、开源合规记录、成本台账、软著受理通知等全套资料，资本化时点合规、成本归集精准、权属数据合规，顺利通过审计，完成入表全流程。

　　AI成果资产入表，是AI企业财务规范化、价值显性化的核心举措，既要精准适用《暂行规定》规范数据类成果核算，也要依托无形资产准则把控技术类成果确认，严守开源合规、数据确权底线，实现全品类成果合规入表。这不仅是账务调整，更是企业研发、成本、合规管理的全面升级，倒逼企业从粗放研发转向精细化运营。

　　企业需坚守真实、合规、谨慎原则，杜绝违规资Kaiyun官方中国本化，聚焦开源合规、数据确权等关键环节，搭建适配AI行业的核算与管理体系，打通全流程闭环。李章虎律师认为，随着数据要素市场化与会计准则完善，AI成果资产化将日趋成熟，企业唯有合规先行、精细管控，才能释放资产价值，在数字经济浪潮中行稳致远。