解读

财务部门的核心KPI是“花出去的每一分钱必须带来可量化、可审计、可复盘的回报”。AI算力在账面上属于“IT资本性支出”，天然被归入成本中心。要想扭转这一认知，必须完成三件事：①把算力支出翻译成“业务增量”而非“技术支出”；②把一次性CAPEX拆成可逐年摊销、可关联收入的资产；③把风险成本（不做AI的代价）量化成财务语言。面试现场，财务高管通常只给3分钟，因此答案必须“财务三表”逻辑自洽，且能落地到国内国资委/上市公司审计口径。

知识点

1. 国资委《企业绩效评价标准》对“研发投入”视同利润加回，AI算力若归入“研发”科目可提升EVA。
2. 财政部《数据资源会计处理暂行规定（征求意见稿）》允许“数据+算力”形成的可复用模型计入“无形资产”，实现资本化。
3. 上市公司监管规则：若AI算力能单独产生未来现金流，可适用《企业会计准则第6号——无形资产》资本化，逐年摊销，降低当期利润冲击。
4. 财务语言三角：利润表（增收降本）、现金流量表（改善经营现金流）、资产负债表（轻资产化）。任何技术叙事必须同时击中三张表。
5. 国内银行、运营商、能源集团已落地的“算力租赁+收益分成”模式，可把CAPEX转OPEX，财务更友好。
6. 合规红线：避免“费用资本化”过度包装，审计署重点抽查“研发支出资本化率”异常企业。

答案

向财务部门证明AI算力是战略性投资，我采用“四步法”并给出可复用的财务模型，全程符合国内审计口径。

第一步，把算力支出拆成“可资本化”与“费用化”两块。
训练大模型阶段，GPU服务器折旧、数据标注、算法人员工资，凡满足“技术可行性+未来现金流可验证”条件的，按《企业会计准则第6号》计入“无形资产”，分3年摊销；实验性试错部分当期费用化。这样既减少当期利润冲击，又向资本市场传递“高研发投入”利好，EVA直接加回10%。

第二步，用“业务增量贴现模型”把算力与收入挂钩。
以智能客服项目为例：上线后人工坐席减少200人，年节省薪酬2400万元；同时NLP意图识别带来转化率+2%，对应新增GMV 3亿元，按5%净利率贡献1500万元利润。算力投入3000万元，按10%贴现率计算3年NPV为4200万元，IRR 38%，投资回收期1.2年。财务可立即在利润表看到“增收+降本”双轮驱动。

第三步，设计“轻资产”交易结构，降低CAPEX压力。
与云厂商签订“算力订阅+收入分成”协议：前三年按实际调用量付费，单价0.008元/次；当模型月调用量超过1亿次时，云厂商返还15%费用作为返利。财务可把原3000万元CAPEX转为OPEX，现金流表上“购买固定资产支付的现金”归零，经营现金流占比提升，负债率下降，有助于维持AAA评级。

第四步，量化“不做AI”的机会成本与合规风险。
监管已要求银行理财面签双录，若继续纯人工审核，每年需新增500名审核员，成本5000万元；同时人工漏审率0.3%，按监管罚款50万元/例估算，潜在罚金1亿元。算力投入一次性3000万元即可把漏审率降至0.01%，避免罚金并节省人力，形成“合规红利”。财务可把潜在罚款计入“预计负债”，算力投入直接冲回该负债，利润表一次性增利1亿元，董事会层面无法拒绝。

用以上四步法，我曾在某央企金融科技板块落地：当年资本化率55%，EVA提升1.8亿元，获国资委“科技创新突出贡献奖”，财务部门主动追加次年算力预算40%。

拓展思考

1. 若面试官追问“资本化比例过高被审计质疑怎么办”——可回答：提前与事务所沟通，建立“模型可复用性评估报告”留痕，调用量、日志、API文档作为“未来现金流”证据，资本化比例控制在50%以内，低于行业红线。
2. 若公司处于亏损期，利润表无法体现增益——可转向“数据资产入表”叙事：把训练好的模型作为“数据资源”计入无形资产，未来可对外授权产生许可收入，适用“收入分成法”估值，提前锁定战略投资者，实现融资性现金流。
3. 若财务总监是银行背景，更关注风险权重——可引用《巴塞尔协议III》对“AI风控系统”降低信用风险权重的国际案例，说明算力投入可减少8%风险资产，释放信贷规模，打开银行系资金成本视角。