大模型厂家：也许是最需要数据资产入表的那群人

点击上方蓝字关注我们 !

一、数据集作为大模型产业的核心需求

summer

1.数据集的重要性

大模型的训练是一个复杂且资源密集型的过程，它需要大量的数据来模拟现实世界的多样性。高质量数据集的运用，不仅能提升模型的准确性和鲁棒性，还能缩短模型训练周期，加速产品上市时间，提升行业经济效益。据华泰证券行业专题报告指出，“数据将是未来AI大模型竞争的关键要素”，这表明数据集已成为大模型产业的核心竞争力之一。

2.大模型厂家将成为数据行业最大买家

目前，我国大模型产业高速发展，依托我国数字化信息化基础建设的优势、政策支持和广阔的市场需求，大模型领域已初步形成一定规模的产业集群。大模型企业对数据集的大量需求，使它们成为数据市场上的主要买家。这一现象不仅推动了数据采集、清洗、标注等相关服务行业的发展，也催生了如智能体产品及数字电商等新的商业模式和市场机会。大模型厂家对数据的购买、维护、开发和利用产生了大量相关费用和利润，如何将这部分费用和利润进行归集，对其进行资本化处理，对于大模型企业优化运营模式，实现降本增效和资产增加具有重要意义。在德勤发布的《数据资产化之路——数据资产的估值与行业实践》报告中指出，资源已经不仅仅是限于传统的范畴，数据是资源的新内容。数据资产化对于大模型厂家发掘数据价值至关重要，已成为大模型产业实现高质量发展的重要突破口。

二、数据购买费用的数据资产化

summer

1.入表会计和财务意义

将数据购买费用资本化为数据资产，对企业的会计和财务管理具有重要意义。这种做法有助于企业更准确地反映其资产状况，实现对数据的确权，同时可能为企业提供资产增长空间和财务灵活性，根据《企业数据资源相关会计处理暂行规定》，在计量数据资产时，可以将外购数据的费用作为最主要的成本来源；对于这部分数据进行加工制造和清洗标注，相关费用也可以入表。

对于大模型厂商而言，数据购买费用的资产化及入表工作在会计处理和财务管理方面的意义在于，一方面，能够将大模型厂商庞大的数据资产以会计科目和货币化的形式体现出来，推动企业的数据集、大模型运行和用户使用过程中产生的数据资源及相关费用向数据资产转变，提高数据资源核算的质量和财务的可靠性，并且有助于大模型厂商所掌握数据资源公允价值的发现，从而为数据资产的内部管理应用和外部交易提供依据和保障；另一方面，数据资产入表有利于形成规范的数据资产开发、运营和管理体系，提升企业数据治理能级、打通数据资源业务端管理运营与财务端入表与信息披露的协同，实现大模型厂商数据资产价值化的闭环。

2.成本降低与利润增加

大模型厂商在对人工智能模型进行开发和训练以及购买相关数据集的过程中会产生高昂的成本和费用，且随着时间推移，增加大模型训练的边际效益出现递减，使得模型训练成本急剧增加。因此，面对庞大的费用和成本，大模型厂商开展数据入表工作，通过数据资产化的方式来对成本费用进行归集和资产化就显得尤为重要。数据资产化允许企业将数据购买成本分摊到多个会计周期，从而降低短期内的费用压力，增加企业的净利润。例如采用成本法对数据资产进行入表，就包含了数据收集与获取、存储与管理、分析及应用各阶段所产生的设备服务成本、中间投入、人力成本、间接费用等相关支出，并对历史成本扣减价值损耗。

在提高大模型厂商利润方面，数据资产入表的意义在于，一方面，能够拓展数据资源的流通渠道和方式。大模型厂商既可以将企业自身所拥有的数据资产进行交易、转让、许可和共享，增加数据资源的流通收益和流通价值，摊薄数据购买费用，最大化利用数据资产提高企业利润。同时，也能够利用数据资产进行加工，开发市场需求产品作为存货资产，实现产品开发和销售环节费用的资本化，从而实现开源节流，增加企业利润。且部分数据资产的价值由于未来应用场景的拓展、数据规模的积累和标准化水平提高，其价值会随着时间的推移而增加，为企业带来长期的经济效益。

三、存货入表

summer

1.数据应用的生产

大模型企业通过整合和分析数据集，能够开发出多种创新的数据应用，如智能推荐系统、自然语言处理工具等。这些应用不仅提升了企业的服务能力，也成为了企业重要的收入来源。在这个过程中，数据集的质量、数量和多样性至关重要。大模型厂家通过对数据进行购买更新、优化处理和拓展来提升数据集的质量，既能够更好地训练自身模型，使得其准确性、稳定性和泛化能力得以提高，从而产出更多优质的数据产品。

数据应用的生产是一个持续性的过程，购买数据集、开发数据应用产品、以及后续产品的维护和升级需要不断投入大量人力物力，使得大模型厂商产生较高的费用和成本化支出。在这个过程中，将相关费用进行归集、将待售数据产品作为存货进行数据资产入表，也可有效摊薄数据应用生产成本，提升企业利润。

2.作为存货的智能体如何入表

根据《企业数据资源相关会计处理暂行规定》，作为存货的智能体入表需要满足《企业会计准则第1号——存货》的定义和确认条件。具体来说，企业日常活动中持有、最终目的用于出售的数据资源，如果符合存货准则的规定，应当确认为存货 。由于智能体存货与传统存货存在着形态、价值确认和储存等方面的差异，因此在对作为存货的智能体进行入表的过程中需要注意以下几个方面。

在初始计量阶段，企业通过外购方式取得确认为存货的数据资源，其采购成本应包括购买价款、相关税费、保险费，以及数据权属鉴证、质量评估、登记结算、安全管理等所发生的其他可归属于存货采购成本的费用。如果企业通过数据加工取得确认为存货的数据资源，其成本则包括采购成本和加工成本等。通过将相关成本在初始计量阶段得以确认，实现数据资产的入表，既能增加大模型厂商作为存货的数据资产，同时实现费用的资本化，提升企业利润。

对于后续计量，企业应当按照存货准则进行，这包括对存货的定期评估，以确定其可变现净值，并计提必要的存货跌价准备。当企业出售确认为存货的数据资源时，应将其成本结转为当期损益，并按照收入准则确认相关收入，以更合理的会计处理方式实现对存货周转期间的数据产品相关费用和收益的结转，使当期产品销售利润得以在财务报表上体现。

四、数字化基础设施的转型：从智慧城市到大模型工厂

summer

1.新一代的数字化基础设施

随着数字化转型的深入，大模型为代表的新一代人工智能技术得到了更为广泛的应用，并深度融合于经济和社会的各行业、各领域和各种应用场景，大模型工厂逐渐成为超越互联网的新型的数字化基础设施和社会操作系统。这些工厂不仅提供强大的数据处理能力，还促进了技术创新和产业升级，成为推动经济增长的新引擎。

2.大模型工厂为何需要资产负债表优化

大模型工厂的建设和运营，将带动相关产业链的发展，创造新的就业机会，促进地方经济的繁荣。例如，根据观察者网的数据，百度、商汤、智谱AI等企业在大模型平台市场份额方面位列前三，显示出大模型产业的巨大潜力。

五、面向大模型厂家的数据资产化服务指南

summer

1.定制化服务

由于大模型企业的产品领域细分存在诸如应用、用户群体、产品特性等方面的差异，为了帮助大模型企业更好地实施数据资产化，需要提供定制化服务指南。这些指南应涵盖数据资产的评估、入账、管理和审计等各个环节，为企业提供全面、专业的指导。

2.协同审计认可

审计机构在确认数据资产价值的过程中发挥着关键作用。它们的评估和认可，有助于确保数据资产化过程的合规性和透明度。

3.共识性团标的重要性

制定共识性团标，对于促进数据资产化的标准化和规范化至关重要。这不仅有助于统一行业实践，推动大模型行业数据资产化的稳健有序发展，还能提高数据资产的市场认可度和流动性，促进大模型行业数据要素的高效应用与价值的深度挖掘。

结语

summer

数据资产化是大模型企业提升竞争力、实现可持续发展的关键策略。通过合理的数据资产管理，企业能够更好地利用数据资源，创造更大的经济和社会价值。为此，需要行业参与者、监管机构及审计机构之间加强合作，共同推动数据资产化向更高水平发展。

END