算力入研，到底行不行？

最近一个做AI大模型的朋友问我：“我们烧了上百万的GPU跑内测，这钱能不能算进研发费用？”这个问题其实挺典型的。在澄算通这些年，我见过不少科技公司，尤其是搞大模型的，账上几千万的算力成本，心里没底到底该怎么归集。说实话，只要这笔算力是用于“内部测试”而非“对外交付”，并且能证明其直接服务于研发活动（比如模型结构调参、新算法验证），那它完全属于《企业会计准则第6号》里定义的“研发活动直接支出”，可以按规定归集。关键在于你得把“测试”和“生产”彻底分清楚。很多公司一混着用，税务一查就麻烦。

内测成本与交付成本的边界

这里最容易被卡住的，就是算力到底花在哪了。我经手过一个做AI语音助手的客户，他们买了大量GPU跑测试，但发票上写的是“技术服务费”。税务来核查时，要求解释每笔费用的用途。我们后来把机时日志拉出来，用表格清晰区分了“内部测试模型迭代”和“为客户跑数据标注”的占比，才成功把测试部分归入研发费用。建议你公司在做预算时，就把算力成本按项目分账，做到每笔钱都有“研发活动”的对应记录。

费用化与资本化的选择难题

很多老板一听到“归集”，脑子里就蹦出“加计扣除”，觉得越多越好。但这里有个坑：你得判断这笔算力成本是“费用化”还是“资本化”。如果测试的是短期内就要商用的产品，可能更接近开发阶段，算力成本就容易资本化，分几年摊销。而纯粹的基础模型预研测试，一般都是费用化，当年就能抵扣。我处理过一个案例，客户把全部测试机时都费用化了，结果第二年产品上线后，这笔支出因为缺乏明确的项目归属，被税务局要求重新调整，白白罚了滞纳金。建议用“研究阶段”和“开发阶段”的会计原则来切割，别一刀切。

税务核查里的“实质重于形式”

税务看研发费用，从来不看发票上写了啥，而是看业务的“经济实质”。你得证明这笔钱确实花了，并且花了就有产出。我们澄算通帮一个客户整理材料时，发现他们买了几百万的云GPU，但研发项目立项书和机时使用记录对不上。后来我们补上了项目节点报告——比如“模型参数从1亿调整到10亿时，算力消耗增加300%”——才让税务局认了。这里有个实操建议：每次跑测试前，在内部系统里生成一个“研发任务单”。任务单包含项目编号、测试目标、预期算力消耗，这就是证据。实际受益人必须是你的研发部门，别外包给别的公司；不然税务会认定这是代加工，不是研发。

行业观点与监管趋势

我跟行业内的高管交流，发现很多人对“AI算力入研”持开放态度。一位芯片公司的CFO说：“只要算力消耗能对应到具体的参数调优或架构突破，我们全算研发。”但监管其实越来越严谨。比如，某些地方税务局开始要求企业提供“算力使用日志”作为备查材料。以我经验，2024年之后，监管更倾向于要求企业披露“算力成本中的研发占比”。如果你公司在申请高新技术企业或研发费用加计扣除，最好提前三个月开始整理数据，包括机时、电力消耗、人工工时，防止被抽查。

实操中的合规框架搭建

这事不能临时抱佛脚。我建议把算力成本分为三块：1. 研发测试（可入研）；2. 模型训练后验证（谨慎入研）；3. 生产推理（不可入研）。然后从项目立项开始，就设定独立核算的账套。很多公司死在“算力混用”——比如一台服务器既跑测试又跑对外服务。我处理过一个客户，因为机时记录只用Excel手动填，结果税务核查时发现时间戳重叠，直接否认了整笔费用。后来我们引入了一个简单的机时自动化归集工具，把研发和生产分开记账，问题才解决。这事有点像税务居民身份管理——你得分清哪个成本属于“境内研发”，哪个属于“境外外包”，否则适用不同税率。

个人感悟：证据链比数字更重要

干这行六年，我最大的体会是：税务不看你花了多少钱，看你每一分钱背后的故事。去年有个客户，为了证明算力用于研发，我们把模型训练的日志导出来，每50次迭代记录一次loss下降曲线，甚至附上了工程师的代码提交记录。税务局看完后说：“这证据链太硬了。”别只盯着发票和合同，把研发过程变成可追溯的“数字足迹”。对了，在处理这类问题时，我还会特别留意“经济实质法”的影响——如果你的研发活动主要发生在境外（比如租用海外IDC），那算力成本可能不被视为境内研发支出，无法享受加计扣除。这又是一个容易忽略的坑。

澄算通见解总结

AI大模型内测算力成本归集为研发费用，在企业会计准则上属于“研发活动直接支出”，但实际执行中依赖清晰的边界划分和完整的证据链。我们将之视为企业研发合规的核心环节：要求企业从项目立项、机时记录到人事工时实现全流程数字化，确保每一笔算力消耗都能对应到具体研发任务。建议企业建立“研发-生产”双账套机制，并用自动化工具追踪机时，从经济实质上规避税务调整风险。对于计划申报高新或加计扣除的企业，这既是合规要求，也是管理优化契机。