一家 AI 产品公司，账面上毛利率很漂亮，年底却发现自己没赚到什么现金。
问题往往不在收入端，而在成本口径：推理算力、数据标注、客户实施这类直接成本，常被低估或归错类目。
财务核算不是事后记账，而是把每个决策的真实代价提前算清楚。
————————
成本拆解：净利被谁高估了
传统软件的成本结构以固定为主：研发写完、服务器按年租，边际交付成本趋近于零。
AI 产品完全不同。每次调用都消耗算力，用量越大成本越高。
数据标注随业务扩展持续投入。
客户实施——POC、私有化部署、对接陪跑——不是一次性的销售动作，而是跟着合同走的交付成本。
我见过不止一个团队把推理算力记成「云费用」，把标注团队算进「研发人力」，把实施顾问归入「销售费用」。
这不是造假，只是口径不同，却会系统性高估毛利与净利润。
真实的利润拆法应当是：收入减去随用量变动的直接成本（推理算力、外包标注、实施交付），再减去研发摊销、销售管理费用与税。
自购算力是资本化后逐年摊销，还是当期全部费用化，直接改变利润出现的时间表。
两种做法没有对错之分，但在同一家公司内部必须保持一致，否则今年与明年的利润不可比。
账目上最贵的往往不是某笔大额支出，而是被归错类目的支出。
————————
毛利率健康线：非软件尺子
公开资料显示，成熟软件订阅业务的毛利率普遍落在 70% 至 80% 区间，这也是许多团队默认的「健康线」。
但拿软件行业的尺子直接量 AI 产品，会得出误导性结论：AI 产品的毛利里天然含着推理成本，这是软件时代的带宽费无法类比的。
结合多个案例可观察到，含自研推理与实施交付的产品，毛利率能稳定站在 60% 以上已属不易，相当一部分在 45% 到 60% 之间波动。
若硬套 80% 的软件标准，多数 AI 产品存在 15 到 30 个百分点的差距（此为趋势判断，具体数字须以各自账本为准）。
判断这个差距是否危险，要看它的来源。
差距来自推理算力，属于工程问题：量化、缓存、模型蒸馏都可以逐步改善。
差距来自客户实施与定制交付，则说明产品化不足——每签一单都要重做一遍项目，这是商业模式问题。
前者值得继续投钱，后者需要回头改产品。
————————
毛利外：LTV 与回收期
毛利率再健康，也救不了一个获客成本失控的模型。
长期跟踪 SaaS 财务指标的投资人 David Skok，在其公开分析中提出一条经验法则：客户终身价值（LTV）至少应是客户获取成本（CAC）的 3 倍。
这个 3:1 不是拍脑袋：一份覆盖获客，一份覆盖服务与流失，一份留给利润与再投资。
简化算法是：LTV 约等于平均月客单价乘以毛利率，再乘以平均生命周期月数。
CAC 则是销售与市场费用总额除以同期新增客户数。
结合多个案例可观察到，AI 产品当下的普遍困境是：渠道费用与漫长的 POC 周期推高了 CAC，价格竞争又压低了客单价。
LTV 与 CAC 之比常在 2 附近徘徊，达到 3:1 的属于少数。
这背后的信号不是销售不力，而是产品还没建立起「用得越久、越难离开」的粘性。
比比值更早暴露问题的是回收周期：CAC 除以单月毛利贡献。
行业通行目标是控制在 12 个月以内，健康区间往往压在 6 到 9 个月。
若回收期超过 18 个月，整个模型就建立在「客户一定会续费」的假设上——而 AI 产品最不确定的，恰恰是续费。
————————
实验 ROI：先设止损线
功能迭代与市场实验的核算，最怕两件事：只算投入不算产出，或者把「学习价值」无限期当作亏损的理由。
建议采用实验式核算。投入侧算三样：
-
工程师工时的市场价格
-
增量算力与标注
-
被占用的其他机会
产出侧只认对单位经济模型的边际改善——付费转化、留存提升、单次调用成本下降——并按月折算。
给实验设一个明确的回收窗口：三到六个月。
再设一条止损线：收益不及预期的五成就叫停，到期无论结果如何都复盘。
学习价值真实存在，但它应当单独立项、单设预算，不能拿来为一笔永远不达标的实验背书。
愿意为探索付钱，和不敢承认失败，是两回事。
————————
两本账：技术债与数据飞轮
最后是一对结构性矛盾。
技术债不出现在资产负债表上，却以未来重构成本的形式爆发。
数据飞轮的收益也不在当期利润表上，只体现为留存率的爬升与单位成本的下降斜率。
财务模型天然偏爱当期可确认的收益，这让公司容易对数据基建投入不足，对技术债过度容忍。
我建议内部开两本账。
保守账用于经营安全，只看当期现金与合规利润。
增长账用于资源配置，把技术债当作一张迟早要还的欠条，把数据投入当作逐年摊销的资产。
飞轮是否真的转起来，看三个斜率：
-
留存是否随使用时长上升
-
推理成本是否随规模下降
-
新客户冷启动周期是否在缩短
技术债是否失控，则看单位需求的平均改动时长与线上故障率。
财务核算的意义，从来不是算出唯一正确的净利润，而是让每个决策看清自己的代价与回报之间存在多长的时间差。
AI 产品尤其如此：它的成本随规模同步增长，收益却常常滞后兑现。
账算得不够细，规模越大，错得越贵。
你怎么看 AI 产品的毛利率健康线该定在多少？欢迎在评论区聊聊你的算账口径。
