致同諮詢：人工智慧上市公司需關注六大財務問題

近日，致同諮詢釋出了針對半導體行業的洞察報告（以下簡稱《致同諮詢行業洞察》），以專業的行業洞察能力、高效的資料分析能力，對人工智慧行業、人工智慧-計算機視覺產業鏈、AI代表企業財務關注點等進行了研究分析。

人工智慧產業鏈上游基礎層領域進入門檻較高

《致同諮詢行業洞察》指出，人工智慧產業鏈主要由基礎承載、基礎層、技術平臺層和場景應用層構成，在2010年後隨著大資料、深度學習等基礎及應用技術發展，呈現出第三次發展浪潮。計算機視覺技術為人工智慧主要應用市場，以AI晶片等為代表的上游基礎層領域儘管市場規模相對較小，但具有較高的戰略價值和進入門檻。以智慧城市、智慧交通等為代表的“大安防”業務為人工智慧企業主要收入來源，人工智慧企業急於探索在醫療、商業、製造、智慧駕駛等其他領域的技術落地，但由於資料標準化程度較低等因素影響，新場景業務增速較慢。

計算機視覺產業龍頭需持續投入研發以保持競爭優勢

計算機視覺產業基礎層提供算力與演算法支援，技術層形成解決方案，應用層實現解決方案落地。計算機視覺產業鏈上游以核心材料為主，企業技術壁壘較高，側重技術創新；中游以軟體及裝置整合為主，強調綜合解決方案及落地能力，企業側重規模效應及成本控制；下游應用端場景細分且具有長尾效應，企業主要側重行業擴充及專案落地。

在對計算機視覺不同產業鏈公司主要財務指標進行對比分析中，《致同諮詢行業洞察》指出，上游晶片領域存在較長的國產化替代週期，行業龍頭以國外企業為主，國內企業主要處於追趕階段，上游企業主要提供通用化標準產品，以產品研發為核心，龍頭企業在獲得巨大市場份額之後，投入巨大研發投入，以繼續保持其競爭優勢；處於中游的裝置與演算法公司與下游應用場景的距離最近，為人工智慧落地提供算力與演算法，算力裝置的整體標準化水平較高，但演算法受具體應用場景的差異化，標準化程度較低，導致演算法企業收入增長相對裝置企業低，同時需要大幅提升人均收入水平，以扭轉持續虧損的局面。

上市公司重點關注六大財務問題

根據“AI四小龍”（商湯、曠視、雲從、依圖）的財務資料和上市申報材料問詢等資料，《致同諮詢行業洞察》對上市著重關注的收入與成本確認、研發費用資本化、應收賬款減值計提等財務問題進行了詳細對比分析，以反映類似行業財務盡職調查的主要關注點。

1、收入確認關注事項：根據新收入準則，對於銷售模式以軟硬體結合為主的公司，對需要安裝除錯專案應以驗收作為收入確認時點，同時識別合同之間的關聯公司，識別一攬子交易，對存在採用硬體進行整合的情形，需要判斷硬體採購是否屬於代理採購，運用總額法與淨額法判斷標準進行收入確認；

2、成本確認關注事項：對於成本的確認，主要關注成本的歸集及分配的準確性，不同產品模式的毛利率受銷售及成本模式影響，存在較大差異，其中一般軟體產品的毛利率高於硬體產品。對於存在採購硬體進行整合的專案成本確認需要關注收入成本匹配原則，通過識別採購單價、供應商變動等異常現象，識別潛在的成本核算風險；

3、上市申報披露的收入與成本調整分析：通過擬上市公司問詢函回覆披露的收入與成本確認誤區，主要集中在總額法與淨額法、完工比例法及終驗法等會計處理的選擇方面：

4、研發支出會計處理關注點：人工智慧公司研發支出佔收入比較高，且研發費用以人工成本為主。在研發支出會計處理需要結合公司實際內控情況對內部研發支出資本化的合理性進行判斷；

5、研發支出資本化情況：根據曠視科技、科大訊飛反饋的研發支出資本化合理性說明，主要強調其研發支出專案內部控制對於研發支出資本化的合理性支撐。但通過對比，大部分申請在科創板上市的公司較少採用內部研發支出資本化會計處理；

6、應收賬款預期損失率：受行業特點及收入結構影響，人工智慧技術公司面臨較大的應收賬款回款壓力，其應收賬款對營運資金的佔用較大，增加公司現金流風險。同時新金融工具準則要求採用預期信用損失法計提應收賬款減值損失，通過比較，整體預期信用損失計提比例較原先的賬齡法壞賬準備計提比例有所提升。

在中國人工智慧行業發展過程中，致同以紮實的專業知識、對行業的洞察和理解，為企業提供全方位的諮詢服務，幫助企業實現發展目標。從實現財務增長到把控風險管理；從發現機遇到優化運營並充分挖掘員工潛能，致同專家為企業轉換價值、保護價值、創造價值，助其應對瞬息萬變的商業環境。同時，在陪伴中國人工智慧企業發展過程中，致同也為諸多企業提供IPO上市前輔導、上市審計、稅務管理諮詢等一系列專業服務。