美国发审计牌照,中国改会计准则:AI 验收的两种活法

AI干完活之后,谁来签字?

Anthropic的IPO、加州的AI审计法、中国的33号文,看起来是三件事。它们其实在回答同一个问题。

但“签字”不是一个生意。技术验收、合同验收、制度验收,三种签字,三种价格。

2026年11月,Anthropic登陆纳斯达克,IPO募资813亿美元,加同步私募共1073亿美元,成为美股历史上规模最大的IPO。

同一份招股书里,还有两个数字:

·三季度营收170亿美元,前三季度约332亿美元;

·企业客户净收入留存率约900%。

上市、估值、算力欠条,过去一周已经被写透了。但这些数字真正说明的,不是“AI很赚钱”,而是另一件事:

执行的价格还在跌,但“证明执行真的发生”的价格,在涨。

这句话听起来像常识。过去半年,执行降价、FDE退潮、验收稀缺,中文科技媒体已经讨论过很多轮。再写一遍“验收很重要”,没有增量。

真正值得写的是:

验收不是一个市场,是三个市场。三种验收,定价逻辑完全不同。

一、先纠正一个流行判断

很多人把“执行降价”直接推成“验收涨价”。这个推导少了一步。

执行确实在变便宜。两年前要专业团队做的代码、PPT、合同初稿、数据分析,现在一次API调用几美分。Anthropic自己披露,新一代模型的推理成本较上一代下降约四成。

但企业把AI装进业务流程,没有变便宜。

2026年11月,《每日经济新闻》报道:

·FDE(前沿部署工程师)岗位量前7个月同比增长1522.73%;

·平均招聘年薪40.8万元,头部大厂开到百万;

·但一线从业者说,小团队接单后,70%–80%的尾款收不回来。

这组数字很关键。

如果执行真的变成白菜价,FDE不该越来越贵;如果AI项目真的“上线即完成”,尾款不该这么难收。

解释只有一个:

变便宜的是token执行;没有变便宜的是组织交付。

把模型接进旧系统、改流程、做权限、过合规、让一线员工真的用起来、最后让客户承认“这活干完了”——这些都不是模型能自动完成的。

FDE卖的不是模型,是把模型塞进组织的那段脏活累活。

所以,执行降价和交付涨价,同时成立。

这也解释了为什么“AI项目失败率高”这个题已经被写烂:失败往往不是因为模型不会做,而是因为做完了,没人认。

二、验收的三层,不是一种生意

“验收”这个词,现在被用得太宽了。

它至少包括三层,每层的买家、签字人、收费方式、进入门槛都不一样。

类型验收对象谁签字怎么收费核心瓶颈
技术验收模型、Agent、系统算法/评测团队按测试、按项目标准变化快,工具可替代
合同验收一个AI项目/交付物甲方项目负责人、FDE按里程碑、按人天标准主观,尾款难收
制度验收数据资产、模型合规、审计会计师、审计师、独立验证机构按审计/评估/年费牌照、责任、监管认可

这三层,价格逻辑完全不同。

技术验收,卖的是测试能力。模型越强,评测工具越自动化,这一层越像软件,边际成本越低,价格越容易被卷下来。

合同验收,卖的是项目交付。它没有统一标准,甲方说“效果没达到预期”,乙方就得继续改;尾款因此变成博弈筹码。FDE的70%–80%尾款难收,就卡在这一层。

制度验收,卖的是签字资格。会计师签一个字,背后是准则、审计程序、执业资格和赔偿责任;独立验证机构出一份意见,背后是监管授权和法律责任。这一层不是软件,是牌照。

所以,“验收层值钱”这句话要拆开看:

·技术验收,可能越来越便宜;

·合同验收,一直很贵,但很难规模化;

·制度验收,很贵,而且很难拿。

真正形成定价权的,是第三层。

三、签字费到底由什么构成

可以把“签字费”拆成一个简单的公式:

签字费=证据成本+责任溢价+牌照租金

证据成本

要签字,先要有证据。

数据资产入表,要有成本归集、合同、工时、系统记录、权属链条;AI系统审计,要有测试记录、日志、红队报告、风险清单;项目验收,要有验收标准、样本、回放记录。

证据越标准化,成本越低;证据越依赖人,成本越高。

责任溢价

签字的人要承担后果。

会计师签了不实的审计报告,要赔;独立验证机构出了错误的合规意见,要承担责任;项目负责人签了验收单,出了事故要背责。

责任越重,签字费越高。这不是道德,是风险定价。

牌照租金

不是谁都能签。

在中国,数据资产入表最终要过会计师/审计;在美国加州,AI系统评估要由独立验证机构(IVO)和登记过的AI审计师来做。

牌照越稀缺,租金越高。

用这个公式看三种验收:

·技术验收:证据成本低、责任溢价低、没有牌照租金→容易卷成工具;

·合同验收:证据成本高、责任溢价中、没有牌照租金→项目制,难规模化;

·制度验收:证据成本高、责任溢价高、牌照租金高→高门槛,高价格。

这就是为什么FDE很火,但利润率不高;也是为什么会计师/审计/合规签字,看起来“只是盖个章”,却能收钱。

四、美国:把AI验收做成审计牌照

2026年9月,加州州长签署SB 813和AB 1405:

·SB 813建立“独立验证机构”(IVO)制度,由州政府制定资格和监管标准,让独立机构评估AI系统和模型是否符合州法律;

·AB 1405建立AI审计师州级登记,对独立性、透明度、诚信提出要求。

这是全美首个州级AI第三方审计框架。

它的验收对象,不是“数据资产”,是模型和系统:安不安全、符不符合法律、有没有风险。

这套路线的核心,不是“企业自己说安全”,而是“由独立机构出评估意见”。

它把AI验收变成了一个持牌profession:

·有资格门槛;

·有独立性要求;

·有审计程序;

·有法律责任。

OpenAI也公开支持加州这四项法案,包括SB 813和AB 1405。大厂愿意接受外部审计,不是因为道德,而是因为监管迟早会来,主动接受比被动挨打便宜。

这也是为什么“巨头拿不动裁判位”不能说得太绝对。

大厂可以做评测工具、做红队、做合规平台,甚至可以把评估能力拆成独立子公司。但“既卖模型,又出终审意见”的天然利益冲突,会让它在裁判位上打折。加州的做法,是用独立机构把这个冲突隔开。

五、中国:把数据验收做成会计计量

中国的路线不一样。

2025年12月,财政部、国务院国资委、金融监管总局、证监会四部门发布《关于严格执行企业会计准则切实做好企业2025年年报工作的通知》(财会〔2025〕33号)。

其中有一条,把数据资源的会计处理按回了历史成本:

企业应当以成本计量内部形成或外购的数据资源,并加强数据资源相关成本管理,夯实数据资源成本核算基础,不得将以评估等方式得出的金额直接作为入账和调账的依据。

翻成大白话:

你说你的数据值10亿没用;你要证明这10亿是怎么一笔一笔花出来的。

截至2025年报,A股有134家上市公司披露数据资源入表,合计38.6亿元,同比增76.4%;入表企业数量同比增35.3%。其中大部分计入无形资产,开发支出和存货很少。

这个规模不大,但结构很清楚:

·入表靠的不是评估故事,是成本归集;

·成本归集靠的不是一句话,是凭证、合同、工时、系统记录;

·这些证据最后要能被会计师、审计师、监管机构接受。

这就是中国的路线:不直接验收“模型”,而是验收“数据资产的形成过程”。

它和美国加州不是一回事:

·美国验收的是“模型/系统能不能信”;

·中国验收的是“数据能不能算成资产”;

·美国靠独立审计牌照,中国靠会计准则+会计师/审计体系。

这也是为什么“中国独有”这个说法要小心。

独立AI审计不是中国独有;中国真正独有的,是用会计准则把数据资源的验收制度化。

六、入表不等于融资,签字不等于价值

再看一层。

A股134家、38.6亿元,听起来不大。放到全部A股里,入表企业占比不到3%。

但另一边,数据资产已经开始被拿去融资:

·宜昌伍家城投以充电数据为底层资产,拿到1.1亿元融资,票面利率2.48%;

·泗洪城投以智慧停车数据获得500万元贷款;

·宁波华润兴光以燃气数据获得1亿元授信。

这说明什么?

入表是“账面动作”,融资是“现金动作”,中间隔着的就是验收。

银行不是看你入表了多少钱,而是看:

·成本是不是真的;

·权属是不是清晰;

·现金流是不是可验证;

·出了问题谁负责。

所以,33号文真正创造的不是“数据资产泡沫”,而是一套证据工程:

·成本归集;

·权属梳理;

·加工留痕;

·审计确认;

·机构采信。

这套工程,才是“验收层”在中国落地的地方。

但它也有明显的天花板:

·入表企业少,市场小;

·摊销压力真实存在,入表不等于利润;

·会计师/审计师对AI生成证据的接受度,还在早期;

·融资案例有,但还没有形成规模化、标准化的资产池。

所以,中国这条路是“制度先行”,不是“市场已经爆发”。

七、FDE为什么最尴尬

三种验收里,FDE卡在中间。

它做的是合同验收,但没有制度验收的牌照,也没有技术验收的工具化。

·客户说“效果没达到预期”,FDE就要继续改;

·验收标准没写清,尾款就能拖;

·项目越做越重,人力成本线性增长;

·70%–80%的尾款收不回来,不是个别现象。

这也是FDE高薪叙事最容易被误读的地方。

高薪是真的,但高薪不等于高利润。FDE卖的是“把AI装进业务”的交付能力,不是“验收签字权”。它越像高级外包,越难拿到制度溢价。

FDE的出路,不是把自己包装成“AI架构师”,而是:

·把验收标准产品化;

·把交付过程证据化;

·把尾款条件和验收节点绑定;

·把重复场景沉淀成可复用组件。

谁能把“合同验收”做得像“制度验收”一样可预期,谁才能从项目制里走出来。

八、谁能拿签字位

签字位不是护城河,是牌照+责任+证据。

它需要三个东西:

1.独立性:不绑定某一家模型、某一家供应商;

2.制度接口:懂监管口径、会计规则、审计程序;

3.责任能力:有资质、有牌照、有赔付能力,签了字要负责。

大厂能做工具,但很难同时做裁判。

不是能力不够,是身份不对。

一个卖模型的厂商,出具“你的AI项目验收合格”的意见,客户会问:你是不是在为自己的模型背书?

一个做执行的厂商,出具“这个项目失败不是我的责任”的报告,监管会问:你有没有独立性?

所以,未来可能出现三类玩家:

·独立AI审计/验证机构;

·会计师事务所/审计师/评估机构;

·保险/合规/认证机构。

它们不一定比大厂大,但它们签的字,制度认。

九、未来两年,看三个指标

判断“验收制度化”是不是真趋势,不用听观点,看三个可验证的指标。

第一,中国数据资产入表的结构。

不看企业数量,看:

·成本归集完整、证据链可核的企业占比;

·会计师/审计师对AI辅助生成证据的接受度;

·入表后真正拿到质押融资、ABS、授信的比例。

134家、38.6亿元只是开头。真正的信号,是“入表—审计—融资”能不能走通。

第二,加州独立AI审计的落地。

看IVO名单、AI审计师登记数量、实际出具的评估意见,以及有没有企业因为审计意见被限制上线。

如果只是登记、没有真实业务,那它还是制度空转。

第三,合同计价单位的迁移。

AI服务合同从“按席位/按词元”转向“按验收结果/按通过率/按业务结果”计费的比例。

按结果付费,才是验收层真正拿到定价权的标志。

十、最后

AI越便宜,签字越贵。

这不是因为签字本身有多难,而是因为:

当执行变成概率,签字是把它变成可追责事实的最后一步。

模型可以写代码、做报表、出方案、跑分析。但它不能替企业承担“做错了”的后果,也不能替监管承担“信错了”的责任。

所以,下一场竞争不是“谁的模型更强”,而是:

·谁有资格验收?

·谁的意见能被银行、会计师、监管接受?

·谁签的字,真的算数?

美国在搭独立AI审计的架子,中国在把数据资产的验收写进会计规则。两条路都刚刚开始。

下一次有人给你看一个惊艳的AI Demo,值得问的已经不是“它能做什么”。

而是:

它做错了算谁的,签它的名字在哪里。

作者介绍:李爱中ivan|泇鸣

AI落地应用和数据资产化研究者,天狼引擎、土著好物、R-G体系创始人。

首位提出全球分布式人民币黄金共管体系,著有《夫唯不争》《特里芬难题之解》《价值尺度独立论》。让AI交付有据可验。

资料来源

·Anthropic IPO、Q3数据:Businessworld、虎嗅

·加州SB 813/AB 1405:人民网

·财会〔2025〕33号与入表数据:数据资产入表数据、大公国际研究

·FDE岗位与尾款:每日经济新闻

·虎嗅此前讨论:执行降价与验收稀缺、执行权与验收权、验收机制与责任设计

内容来自 虎嗅,版权归原作者所有。

阅读原文 ↗

用 HomepageTab 新标签页关注 RSS,打开浏览器就能看到更新。

安装 HomepageTab