如果您对文章有更深入的见解与想法，可以联系本文作者：南京市创新投资集团风险控制部  徐温馨 xuwx@njicg.com

在人工智能技术浪潮席卷全球的背景下，商业世界正经历着由算法与数据驱动的深刻变革，我国人工智能技术研究与产业化已进入关键攻坚阶段。人工智能领域的巨大价值潜力，吸引着大量资本涌入。

然而，人工智能企业普遍具有技术迭代快、专业壁垒高、应用场景复杂等特点，在高速发展的同时，也面临着商业化路径不明、估值存在泡沫、技术变现能力参差等多重挑战，这对财务尽职调查的专业深度与综合判断能力也提出了更高要求。本文结合人工智能企业的发展阶段与行业特征，从硬件、软件及服务厂商财务尽职调查过程中梳理出以下关注要点，以供参考：

01 核查收入真实性，评估商业化能力与持续盈利能力

关注收入确认的真实性与准确性

人工智能企业主要有软硬件一体化销售、授权许可/订阅服务、定制化项目开发、技术咨询服务、系统集成等多元商业模式。不同销售模式下收入确认方法存在差异。实践中，部分企业财务体系尚不健全，简单以开票时点确认收入；项目制业务中，常见以客户验收报告确认收入，未能充分结合合同条款具体规定，如终端验收标准、履约义务划分、商品控制权转移判断、期后退货与质保条款等。

在尽调过程中，应通过核查销售合同、验收单据、发票和银行回单等进行穿行测试，结合招投标信息与客户访谈走访，验证收入的真实性。特别应关注存在季节性波动特征的企业，重点核查第四季度集中确认收入情况，关注应收账款期后回款和退货记录，并分析产品定位、目标客群、定价策略的合理性，综合判断交易是否符合商业实质。

关注客户集中度与业务持续性

对于初创期企业，需关注其面临的单一产品或单一客户依赖风险。以机器人核心零部件厂商为例，多处于客户验证阶段，订单分散或客户采购规模有限，需评估客户复购意愿，规模化采购需求及标杆客户质量。

对于技术领先企业，若短期内收入主要依赖政策扶持项目或重大专项，需重点考察其市场化订单转化能力和持续获取重大项目的能力，评估政策调整对经营业绩的潜在影响。

此外，需要特别留意关联交易定价公允性及商业实质、客户资质与交易规模匹配度、长期挂账坏账风险、与经营困难客户的异常交易等。针对异常交易行为，必要时应扩大核查范围、实施穿透核查，确保业务真实性与持续性。

评估盈利预测可实现性

基于在手订单、潜在商机及下游客户需求，结合核心产品的研发进度、技术迭代与商业化安排等进行交叉验证，判断公司盈利预测的关键假设是否合理，其盈亏平衡时点与现金流转正时点预测的实现可能性。

02 聚焦供应链安全，分析成本可控性和降本可行性

关注供应链依赖与安全

针对人工智能领域的供应链安全风险，如软硬件一体化产品，需要系统评估核心原材料的供应稳定性和产能保障能力，分析供应商区域分布与集中程度，以及替代供应商的可拓展性。应特别关注算力资源、高端芯片等关键基础设施和原材料的持续供应能力，以及境外政策环境和交易合规性对公司供应链安全的潜在影响。

关注成本核算准确性与降本可行性

人工智能企业通常人力成本占比较高，在项目或产品交付前，技术人员也会提前投入部署。尽调应核查原材料和人工成本归集的准确性，重点关注合同履约成本计提不足、生产领料未准确分摊、采购到票直接计入成本、人工成本在生产与研发认定分摊等问题，这些核算偏差导致毛利率失真，影响盈利水平的准确判断。

应重视公司在供应链的议价能力，分析研究成本结构与产品BOM组成，系统评估规模效应、产品设计优化、核心部件国产化等降本路径的可行性，从而研判各项降本措施对提升产品盈利能力的实质影响。

03 判断技术先进性，识别公司核心竞争力

关注核心技术的先进性与自主性

人工智能领域的研发通常具有资金投入大、验证周期长、技术路径尚未收敛等特点。尽调过程中，应通过访谈技术团队、下游客户及行业专家，理解公司的核心研发体系，评估其技术先进性和自主性，是否存在大额委外研发或技术依赖，核查核心专利、软件著作权等知识产权的来源与权属，分析研发投入与产出成果（如专利数量、产品迭代）是否具有匹配性。

例如模型厂商，需要重点关注其核心算法是否自主可控、源代码自主率、国产化适配程度等，通过与主流竞品的技术指标对比，判断公司是否存在技术被替代或迭代落后的潜在风险。

关注研发支出核算的合规性与准确性

研发活动的界定、研发人员与研发投入的认定、研发领料及人工成本的归集等事项，历来是IPO审核关注重点。

尽调中发现，初创期企业由于核算体系不健全、基础数据资料记录不完善，普遍存在研发与生产、销售人员混用，研发工时未按项目归集，研发领料未对应至具体项目等问题，直接影响研发费用与产品成本的准确计量。

需特别警惕公司通过研发支出资本化人为调节利润、虚增无形资产，粉饰财务报表。审慎评估资本化处理的合理性，并通过将资本化支出模拟还原至费用化处理，量化分析会计处理对报表的实质影响，为估值判断提供可靠依据。

04 评估核心团队的稳定性与团队搭建的有效性

关注核心团队的完整性与稳定性

对于人工智能企业，研发团队建设是其最重要的支出方向之一，核心团队稳定性直接决定技术研发的拓展能力与商业化能力。应通过梳理关键核心成员的学历背景、科研经历以及项目或工作经验，及其岗位职责与承担角色，分析判断团队结构完整性与人才稳定性、高管团队的创业决心与投入程度。

关注核心人员的薪酬待遇与激励机制

应详细分析公司高管及技术人员的薪酬结构，论证其与岗位职责的匹配度和行业竞争力；针对现有或拟实施股权激励方案，充分考虑股份支付对公司损益的影响；密切关注核心人员任职期限与流动情况，识别关键人才流失风险；同时结合公司资金状况，判断现有储备是否足以支持团队持续建设。通过多维度分析判断公司人才管理机制是否运行有效，确保人才与公司形成深度绑定。

05 信息系统核查

如果企业日常经营活动对信息系统依赖程度较高，建议借助IT审计对信息系统一般控制、信息系统应用控制及其有效性进行补充核查，关注业务数据与财务数据的匹配性，系统数据与第三方数据的交叉验证，以及大额或异常交易的商业实质与真实性等。

小结

人工智能企业大多处于创业初期或持续高研发投入阶段，具有鲜明的技术密集型特征。其财务结构与传统行业存在显著差异，常表现为研发投入高昂但收入回报滞后、技术培育周期漫长但市场盈利预期迫切、核心技术潜在价值显著但商业落地迟缓、外部融资高度依赖但自我造血能力不足等。

针对此类企业的财务尽职调查工作，不应局限于传统财务数据的真实性核查，更应在分析历史财务表现的基础上，结合技术成熟度、产品商业化能力、供应链稳定性、团队配置与激励机制以及资金使用效率等多维度，系统评估企业的持续经营能力与估值合理性。通过业财结合深度尽调，才能穿透技术光环识别潜在风险，在人工智能的投资热潮中保持理性，筛选出兼具创新实力与商业潜力的优质标的，实现技术创新与投资回报的双赢。

来源：风险控制部 徐温馨

审核：薛瑶

发布：尤异