本文要点
- 核心摘要
- 那个下周五前交不出清单的团队
- 确认边界的生死线：无形资产 vs 管理费用
- 减值逻辑：人才流动不触发强制减值
- 常见问题解答
AI 人才争夺战背后是会计确认难题。本文解读财政部财会〔2023〕11 号文，明确 AI 人力成本与数据资产的边界，提供避免审计风险的实操指南。
核心摘要
依据财政部财会〔2023〕11 号文，AI 人力成本本身不可直接资本化为数据资产，仅符合特定条件的开发数据产品支出可计入。入表需严格区分“数据资源”与“数据生产者”，避免将人力资本混同存货或无形资产，以防范审计风险。
关键词：数据资产入表 / AI人力资本数据确权 / 数据资源审计实务 / 核心技术人员减值测试 / 企业数据资源合规 / 财政部数据资源会计规定
近期 AI 人才竞争激烈，但会计逻辑要求严格区分人力资本与数据资产。本文基于财政部 2023 年第 11 号文，厘清 AI 人力成本入表的合规边界，避免审计风险。
那个下周五前交不出清单的团队
“财务部在推数据资产入表，要一份集团现有的数据资产清单，下周五之前得交。”
这是华东某交投集团数据团队负责人最近遇到的真实困境。说实话，这活儿接了就像接了个烫手山芋。
- 几十个业务系统散落在各处，里面堆着上千张数据表。
- 同样的充电桩数据，在三个不同的系统里竟然套用了三种命名规则。
现在没人能跟 CFO 把账算明白，集团手里到底攥着哪些“资产”。
这不是做个会计分录就能解决的技术小问题，而是资产盘点陷入了死局。
最近很多科技企业的 CFO 都跑来问我，AI 工程师的工资能不能算进资产里？我通常回答得很干脆：别把人力资本当成存货。
大家记得，2024 年 1 月 1 日开始执行的财政部财会〔2023〕11 号《企业数据资源相关会计处理暂行规定》里写得清清楚楚，入表的是“数据资源”，而不是“数据生产者”。
没错，AI 人才在招聘市场或职场上被疯抢，是因为那种“数据能力”太稀缺了。但在会计确认的账本逻辑里，稀缺并不等于能变成资产。
确认边界的生死线：无形资产 vs 管理费用
真正的争议点在于：研发和标注的成本，到底该记在哪个科目？
还得回到《企业数据资源相关会计处理暂行规定》。企业得看自己持有数据的目的是啥，是怎么形成的：
- 如果数据资源符合无形资产的定义，那就挂在“无形资产”项目下面的“其中：数据资源”里；
- 如果是日常拿着准备卖的，那就进“存货”。
但 AI 工程师的人工费、社保、薪资呢？这些属于“研发支出”或“管理费用”。除非这些人力投入直接构成了可辨认的数据资源开发成本，而且满足了资本化的条件。
在审计实务中，想把高薪“洗”进数据资产的价值里，这可是个高危动作。参考 AI 成果资产入表的逻辑，那种高迭代、技术黑盒的属性，让传统的无形资产确认变得很难操作。
我的建议是把人力成本切得干净点：区分“开发数据产品的人力”和“数据本身”。前者大多得进费用，后者才有可能资本化。
减值逻辑：人才流动不触发强制减值
有个很常见的误区：高价值的 AI 人员离职或被挖走，账上的数据资产是不是得强制计提减值？
逻辑上，这两者并不直接挂钩。减值测试看的是资产的账面价值有没有高于可收回金额，通常是因为技术过时了，或者市场价值跌了，而不是单纯因为人走了。
不过，如果核心人员离职导致数据资产失去了维护能力，或者独占性被打破，有了证据表明可收回金额大幅低于账面价值，那确实得计提减值。竞品的人才流动数据，可以作为“外部信息”来评估资产状况。
我在实操中反复提醒 CFO：别为了美化报表，把离职人员的相关成本强行资本化。这在审计环节大概率会被退回。入表的数据需要有可审计的质量依据，这是事务所的底线。
最后给个实操建议：在入表之前，先基于数据中台把资产盘点做完，确保元数据能自动采集，数据标准统一了。
一句话提醒：别为了追求资产总额，把复杂的人力问题包装成数据问题。审计师的火眼金睛，专治这种财技。
常见问题解答
AI 工程师的工资能直接算作数据资产入表吗？
不能。在 AI人力资本数据确权 逻辑下，人工薪酬属于费用，而非资产。只有直接用于开发符合资本化条件数据产品的特定支出，才可能计入无形资产，单纯的人力成本需严格剔除。
核心技术人员离职会触发数据资产强制减值吗？
不必然触发。核心技术人员减值测试 关注的是资产可收回金额是否低于账面价值。若离职导致数据维护能力丧失或独占性受损，且有证据支持价值下跌，则需计提减值，否则仅作为外部参考。
数据资源审计实务中如何区分存货与无形资产？
依据持有目的判断。用于日常出售的数据资源记入存货；符合无形资产定义、用于生产或服务的数据资源记入无形资产。数据资源审计实务 强调需有清晰的确权依据与成本计量路径，严禁混淆。
