胡文平
【摘要】 在数字经济和人工智能深度融合的时代背景下，AI营销科技企业呈现出与传统企业截然不同的商业模式和财务特征——媒体返点收入的非对称博弈、人力成本与技术替代的动态博弈、流量采买驱动的资金密集型运营、以及数据资产的价值显性化困境——这些特征使得传统的业财融合框架难以直接套用。本文以业财融合理论为分析框架，以AI营销科技行业典型企业创研股份（835755）为案例，系统剖析AI营销科技企业在业财融合实践中面临的四重结构性障碍，提出“五位一体”业财融合价值管理体系——包括收入端实时利润引擎、成本端人效计量引擎、资金端动态现金流引擎、资产端数据资产化引擎、治理端分层决策引擎，并阐释该体系在创研股份的落地路径与阶段性成效。本文的核心贡献在于：首次将业财融合理论拓展至AI营销科技这一新兴领域，提出了可用于该行业的业财融合价值管理框架，并为同类型企业的财务管理转型升级提供了可操作的参考范式。
【关键词】 业财融合；AI营销科技；价值管理；媒体返点管理；人效计量；数据资产化
一、引言
业财融合作为管理会计的核心命题，自2016年财政部发布《管理会计基本指引》以来，已从理论探讨进入广泛实践阶段。学术界围绕业财融合的内涵界定、实现路径、组织保障等维度展开了丰富研究（汤谷良和张守文，2015；王斌和顾惠忠，2014），实践中也涌现出大量制造业、建筑业、零售业的典型案例。然而，现有研究几乎全部聚焦于传统“产供销”价值链企业，对以数字广告投放、AI技术赋能、数据运营为核心商业模式的新兴AI营销科技企业，业财融合的理论框架和实践经验几乎空白。
AI营销科技企业是指以人工智能技术重构营销全链路、为品牌客户提供从策略制定到效果交付的一体化数字营销服务的企业。其商业模式的独特性——媒体返点收入的非对称博弈、人力成本的规模不经济、流量采买的资金密集型特征、数据资产的隐性价值——决定了其业财融合不能简单移植传统制造业“标准成本—差异分析”的范式，而需要构建一套全新的价值管理框架。
本文以创研股份（835755）为研究对象。创研股份是行业领先的全链路AI营销科技公司，拥有自主研发的创影营销垂直大模型、AI技术平台以及智能体集群，2025年集团营业流水达38亿元，员工360余人，在全国设有12家分子公司。本文基于笔者在该公司担任CFO的实务经验，系统总结AI营销科技企业业财融合面临的特殊挑战、应对策略及阶段性实践成果，以期为同类型企业的财务管理转型提供参考。
二、文献回顾与理论缺口
业财融合的理论渊源可追溯至Cooper和Kaplan（1998）提出的作业成本法（ABC），其核心思想是财务核算应从业务活动出发，而非脱离业务的会计科目归集。国内学者在此基础上进行了本土化延伸：汤谷良和张守文（2015）提出业财融合的本质是“财务嵌入业务”，强调财务人员应从事后核算走向事中控制与事前预测；王斌（2018）从组织设计角度论证了业财融合需要“财务BP”（Business Partner）角色的制度化；张先治和于悦（2020）将业财融合置于企业价值管理体系中，提出了“战略—业务—财务”三维联动的分析框架。
然而，现有研究存在三方面理论缺口：其一，研究场景集中于制造业、建筑业等“物理产品”生产型企业，对数字服务型企业的业财融合缺乏关注；其二，对“收入端的非对称博弈”——即收入不完全由企业定价决定而是由多方博弈（媒体平台、客户、竞品）共同决定——缺乏分析工具；其三，对人力成本与技术替代之间的动态平衡缺乏财务计量模型。上述缺口正是本文试图填补的理论空间。
三、AI营销科技企业的财务特殊性
AI营销科技企业的财务特征与传统制造业存在本质差异，这些差异构成了业财融合设计的逻辑起点。
第一，收入结构的非对称博弈性。AI营销科技企业的核心收入来源之一是媒体返点和激励政策红利。以创研股份为例，其作为腾讯、抖音、快手、百度等八大头部媒体的核心代理商，每年可获得的返点收入量级不小——每提升0.5个百分点返点，即可增加1500万至2000万元毛利。然而，返点并非固定收益，而是取决于多维度的考核指标达成情况（消耗量、新客数、新品推广量等），且不同平台的考核规则差异显著、更新频繁。这种“有条件、多维度、动态变化”的收入模式，使得传统意义上的“收入确认”变成了一个需要实时跟踪、预测和博弈的复杂管理过程。
第二，成本结构中人力与技术存在替代博弈。AI营销科技企业的人力成本占比通常高达45%-55%。但人力成本的削减并非简单的“减员增效”——AI工具的引入虽可提升人效，但前期研发投入很大，且工具替代人的进程呈非线性：在替代率低于30%时，边际效益递减；超过70%时，又面临客户服务体验的折损。如何在人力成本与AI技术替代之间找到动态最优均衡，是业财融合必须解决的核心命题。
第三，资金流动呈现流量采买驱动的高频大额特征。AI营销科技企业日均经手资金达千万级别，且资金流出（向媒体平台预充值）与资金流入（向客户收款）之间存在天然的时间错配。2025年创研股份年流水38亿元，日均流水超过1000万元，资金管理效率直接影响利润——垫款资金成本控制每优化0.1个百分点，即可释放数十万元纯利润。
第四，核心资产隐性化。传统企业的核心资产是厂房、设备、存货等有形资产，而AI营销科技企业的核心资产——近五年超100亿流水对应的海量投放数据、创影营销垂直大模型的算法能力、六大智能体集群的技术积累——在现行会计准则下大多无法在资产负债表中体现。如何推动数据资产入表、实现从"隐性资产"到"显性价值"的跃迁，是业财融合需要前瞻性布局的战略课题。
四、“五位一体”业财融合价值管理体系的构建
针对上述四重财务特殊性，本文提出“五位一体”业财融合价值管理体系。该体系以业务数据流为纽带，将收入端、成本端、资金端、资产端、治理端有机贯通，形成一个闭环的、可迭代的价值管理框架。
（一）收入端：实时利润引擎——从“事后算账”到“过程管控”
传统制造业的收入管理相对确定——产品售价、销量、回款周期均可事前计划。AI营销科技企业的收入管理则高度动态：一方面，媒体返点收入取决于多指标考核达成情况；另一方面，客户回款周期和坏账风险直接影响收入质量。
本文提出构建“毛利影响因素预警管理系统”作为收入端业财融合的核心载体。该系统包括四个功能模块：（1）政策自动抓取与结构化——将八大平台的返点政策、考核指标、到期时间等非结构化信息转化为结构化数据，实现政策覆盖率100%；（2）指标实时监测与可视化——按天级粒度呈现每项考核指标当前值、目标值与差距值；（3）分级预警机制——对未达进度的指标在到期前15天、7天、3天自动推送预警至相关负责人；（4）模拟测算功能——基于当前数据自动预测季末目标档位达成概率，并给出“还需完成量”的具体建议。该系统的实质是将收入管理从财务部门的“事后算账”前置为业务运营的“过程管控”，确保媒体政策红利“应知尽知、应得尽得”。业财融合在收入端的核心价值：不是“记录”收入，而是“创造”收入。
（二）成本端：人效计量引擎——从“人头管控”到“投入产出比管理”
AI营销科技企业的最大成本项是人力，但传统“人头预算制”的管理模式已完全不适应。本文提出以“人效货币化”为核心的计量引擎，包含三个层次：
第一层：岗位级人效仪表盘。将每类岗位（运营、内容、销售、管理）的人员成本除以其产出的可量化业务指标（运营人员=管理消耗额/人数，内容人员=素材产出量×使用率/人数），形成跨部门、跨时间可比的人效KPI。
第二层：AI替代率计量模型。引入“AI工具替代等效FTE”指标，量化AI工具的实际人力替代效果。创研股份已投入研发的“AI光影”“AI魅影”系统，其智能创作工具可将内容人员人效提升30%-50%，智能盯盘工具可将运营人员人效提升50%-100%。人效计量引擎的核心功能即是持续追踪“AI工具投入—人效提升—成本节约”之间的投入产出关系，为管理层提供“继续投入AI研发还是增加人力的最优决策依据”。
第三层：利润中心级成本弹性模型。将成本按弹性分类（刚性人力/弹性人力/技术替代/外部采购），在不同业务量级（消耗规模）下模拟最优成本结构。例如，当事业部月消耗低于2000万元时，以弹性人力+外部采购为主；2000万-5000万元区间，增加技术替代比例；5000万元以上，建立稳定的铁军团队+AI强力赋能。
（三）资金端：动态现金流引擎——从“被动管理”到“主动优化”
38亿年流水对应的日均现金流超过千万元，传统“月底对账”的管理模式意味着全年有超过10亿元级的资金处于“无管理”状态。本文提出的动态现金流引擎包括：
第一，多通道支付成本优化。接入支付宝“千帆计划”“聚石计划”等大型商户专属政策，利用走账返点和费率返还，将支付本身从“成本项”转化为“收益项”。第二，供应商付款通道优选。建立“支付通道优选指南”，每笔超过一定金额的付款自动匹配最优支付通道（按返现率、积分回报率排序）。第三，客户回款节点优化。通过业财数据联动，识别高延迟回款客户并执行差异化回款策略，将平均回款周期压缩5-10天，即可释放数千万级流动资金。
据测算，仅支付通道返利单项，保守年收益100万-200万元；若叠加回款周期优化和资金归集效率提升，全年财务收益可达500万元以上。更深远的意义在于：动态现金流引擎将财务部门从“账房先生”升级为“利润中心”。
（四）资产端：数据资产化引擎——从“隐性资产”到“资产负债表显性化”
财政部《企业数据资源相关会计处理规定》于2024年1月1日正式施行，为数据资产入表提供了政策通道。AI营销科技企业天然具备丰富的数据资源：创研股份38亿流水背后，沉淀了数千万个广告计划的表现数据、海量创意素材的A/B测试结果、亿级人群画像和行为数据、跨行业跨平台的投放ROI基准数据。这些数据资产具有极强的复用价值和商业化潜力。
本文提出的数据资产化引擎包括三个层面：第一层面是数据治理与确权，建立数据资源目录，完成数据资产的识别、分类和成本归集；第二层面是数据资产入表，在合规前提下将符合条件的数据资产按成本法或收益法计量并纳入资产负债表，改善公司资产结构和估值逻辑；第三层面是数据产品化变现，将数据提炼为行业洞察报告、竞品监测工具、脱敏人群包等可市场化交易的产品，开辟纯增量收入来源——这类产品的毛利率可达60%-90%，且边际成本趋近于零。
从资本市场视角看，数据资产化引擎的战略价值在于改变估值逻辑：将创研股份从“广告代理公司”（PE 10-15倍）重新定价为“AI营销科技公司”（PE 20-30倍以上），对北交所转板上市的市值管理具有深远影响。
（五）治理端：分层决策引擎——从“经验驱动”到“数据驱动”
业财融合的最终落地需要组织治理的保障。本文提出分层决策引擎，将决策按层级和时效性分为：
战略层（季度级）：基于业财融合数据驾驶舱，董事会/CEO层面关注消耗趋势、毛利结构变化、人效曲线、现金流健康度等宏观指标，制定季度资源分配方案。
经营层（周度级）：事业部负责人层面关注“目标-实际-差异”的实时仪表盘，重点监控消耗节奏（是否匀速）、毛利率异常波动（单日偏离目标>0.2个点即触发干预）、应收账款账龄（超30天自动升级至CFO审批）。
执行层（日度/实时级）：运营人员层面通过AI魅影系统接收智能化指令，如“某平台某考核指标距离目标档位还差X万元，建议未来3天每日追加Y万元投放”，将业财融合的决策下沉至一线执行。
五、实施路径与阶段性成效
创研股份的“五位一体”业财融合体系建设采用“分阶段、速赢优先”的实施策略：
第一阶段（已完成）：客户盈利性ABC分类管理。对全部客户按毛利贡献进行A/B/C分类，A类客户（贡献80%利润的前20%客户）享受最优资源配置和主动增值服务；B类客户维持服务水平并推动向A类升级；C类客户（尾段30%，贡献≤5%利润甚至为负）启动提价谈判，不接受则有序退出。该举措实施后，综合毛利提升1-2个百分点。
第二阶段（推进中）：收入端实时利润引擎开发已基本完成；成本端人效计量引擎的数字化落地——人效仪表盘已进入试运行阶段，运营人均管理账户数目标从5-8个提升至20-30个。
第三阶段（规划中）：数据资产入表与新赛道拓展。预计2026年第四季度启动数据资产入表专项工作，同步推进海外业务拓展（已布局北美和东南亚市场）。
六、结论与展望
本文以业财融合理论为基础，以AI营销科技企业创研股份为案例，系统分析了该新兴行业在业财融合实践中面临的四重财务特殊性——收入结构的非对称博弈性、人力与技术的动态替代博弈、资金流动的高频大额特征、以及核心资产的隐性化困境——进而提出“五位一体”业财融合价值管理体系。该体系以业务数据流为纽带，将收入端实时利润引擎、成本端人效计量引擎、资金端动态现金流引擎、资产端数据资产化引擎、治理端分层决策引擎有机贯通，形成闭环的、可迭代的价值管理框架。
本文的理论贡献在于：首次将业财融合的研究视野从传统制造业拓展至AI营销科技行业，提出了适用于数字服务型企业的业财融合分析框架。实践贡献在于：以创研股份为原型，提供了从收入管理、成本计量、资金优化到数据资产化、治理升级的完整实施方案和分阶段推进路线图，可为同类型企业的财务管理转型提供直接借鉴。
未来研究可在以下方向深化：一是将本文提出的“五位一体”框架推广至更广泛的数字服务企业（如SaaS企业、MCN机构、互联网服务公司等）进行跨案例比较验证；二是对“AI替代率计量模型”开展严格的实证检验，确定最优人机协作比例；三是追踪数据资产入表在AI营销科技企业的实际落地效果，为会计准则制定机关提供实务反馈。
参考文献
[1] 汤谷良, 张守文. 企业财务管理转型：从簿记到价值创造的业财融合之路[J]. 会计研究, 2015(11): 3-10.
[2] 王斌, 顾惠忠. 业财融合与管理会计体系建设[J]. 财务与会计, 2014(9): 15-18.
[3] 王斌. 财务BP：业财融合的组织保障[J]. 中国管理会计, 2018(2): 5-12.
[4] 张先治, 于悦. 基于价值管理的业财融合框架研究[J]. 会计研究, 2020(5): 14-22.
[5] Cooper R, Kaplan R S. The Promise and Peril of Integrated Cost Systems[J]. Harvard Business Review, 1998, 76(4): 109-119.
[6] 财政部. 管理会计基本指引（财会〔2016〕10号）[Z]. 2016.
[7] 财政部. 企业数据资源相关会计处理规定（财会〔2023〕11号）[Z]. 2023.
[8] 何瑛, 周访. 数字经济时代企业价值管理变革研究[J]. 管理世界, 2022, 38(3): 182-197.
[9] 谢志华, 敖小波. 管理会计价值创造的历史演进与逻辑起点[J]. 会计研究, 2021(6): 3-13.
[10] Kaplan R S, Norton D P. The Balanced Scorecard: Translating Strategy into Action[M]. Boston: Harvard Business School Press, 1996.
责编：周培
一审：周培
二审：卢小伟
三审：谭登
来源：华声在线
