美国发审计牌照,中国改会计准则:AI 验收的两种活法
本文来自微信公众号: 爱中 谭 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…

本文来自微信公众号: 爱中 谭
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
原文出处:虎嗅 (本文由聚合程序自动采集,版权归原作者所有)