理论数字化背景下对会计的再认识

摘要：企业业务正越来越依赖数据驱动，而数据驱动的核心是“计算”。“可计算性”正在成为企业数字化的内生动力。通过构建会计计算模型，首先，从计算的3个关键要素即数据、算力和算法开始，阐释会计计算的必要前提；其次，面对企业数字化所带来的重大挑战，从数字化角度重新审视了会计的本质，将会计视作对企业业务的一种计算，通过计算，实现对企业业务的分类、估值与优化；最后，简要阐释了在数字化背景下，会计计算赋予传统会计核算与监督两大职能及新的数字化内涵。通过对会计计算模型的分析，以期为理解数字化业务场景、科学决策提供新的可能。

关键词：数字化；会计计算模型；会计职能；价值创造

0引言

随着数字经济的快速发展，企业全面向数字化转型已不可避免。传统会计理论和实务正面临数字化转型的重大挑战。学界对此也有不同看法。第一种观点认为，传统会计已经难以适应数字经济环境，因而有可能被数据科学和数据分析所取代。人工智能等新技术应用已经不可逆转地改变了人类社会的方方面面，在商业领域，会计受到的冲击或尤为显著。人工智能、财务机器人的大规模运用，一度让会计业内人士产生了“会计职业消亡论”的悲观情绪。

第二种观点认为，面对数字化转型所带来的冲击，应当专注于对会计基本原理的数字化改进，即思考如何赋予会计一颗数字化的“芯”，以便抓住数字经济这一历史性发展机遇，使得会计理论焕发更加蓬勃的生机。回顾会计史，不难发现，从最早的算盘、单机版的会计核算软件，再到会计的信息化和现今如火如荼的会计智能化，会计行业始终对采用先进的技术抱有热切的渴望和开放的态度。究其原因，就在于会计学自身所具有的“科学属性”，即“会计学是研究如何掌握对经济过程进行控制和观念总结的规律性的一门职能科学”[1]。 越是拥抱先进技术，就越有利于对经济过程的控制和观念的总结，也就越能体现会计学的“科学属性”。

如果第二种观点成立，那么就必须设法找到一条将会计“数字化”的有效路径。图灵奖得主吉姆·格雷（Jim Gray）提出的第四范式 （the Fourth Paradigm）认为，应当把数据看成现实世界的事物、现象和行为在数字空间的映射，在数据中自然蕴含了现实世界的运行规律，因而可以利用数据驱动及数据分析方法揭示物理世界现象所蕴含的科学规律。

本文尝试采用数据科学的研究范式（第四范式），通过赋予传统会计以数字化的内核，找到实现传统会计向数字化的转型的合理路径。

1会计计算概述

“计算”本意是一个数学用语。随着现代计算机技术的发展，“计算”一词的内涵已经发生了重大改变。数据科学中的“计算”一般是指是图灵机意义上的能行可计算[2]。所谓“能行”，是指目标的实现与可达性；“可计算”就是指可以通过“图灵机”来验证“能行”，也就是说，探讨是否存在能行方法的问题就可以转化为寻求是否存在某种图灵机[2]。

对于企业的业务活动而言，传统会计通过“核算”与“监督”两大职能的实现来记录和控制业务活动，使其不至于偏离目标。因而，从这个意义上说，会计的存在对于企业的价值就在于，会计提供了一整套方法论，使得企业的业务能够以一种受控的、可以理解的方式展示业务活动所达到的结果。常识告诉人们，任何一家企业的会计工作无论多么复杂，其财务报告所对应的会计分录、明细账及最终报表在数量上都是有限的，且指令也是明确的，只包含“借”和“贷”两类基本指令，因而，可以将会计看成一个“图灵机”。这并不奇怪，因为“任何在算法上可计算的问题同样可由图灵机计算” [3]。

因而，可以将会计理解为对企业业务的一种“计算”，简称“会计计算”。无论是数字化会计，还是传统会计，从“计算”的角度，会计作为一个图灵机的实例并没有发生任何变化，但相比较于传统会计所强调的“核算”与“监督”的双重职能说，“会计计算”似乎更能抓住会计的“数字化”内核，而通常的“核算”与“监督”职能的实现，应当建立在会计计算的基础之上。更为基础的是，会计计算的实现必须考虑综合数据、算力与算法。为厘清其中的逻辑关系，本文构建了一个会计计算模型，见图1。

2会计计算的前提

会计计算离不开数据、算法和算力，这是前提。数据、算法和算力三者之间不是孤立的，而是存在紧密联系。

2.1会计计算的数据

自从财务共享成为会计数字化、智能化的标志性概念后，业界越来越趋于这样的共识，即业务财务必须紧密集成，合二为一，业务流程与财务流程实现同步。因而，越来越多的学者采用“业财数据”这一术语代替过去常用的“财务数据”。简单地说，会计计算的数据就是通常所指的业财数据。

2.1.1业财数据的生成

业财数据是会计计算所要处理的具体对象，是在企业业务活动中生成的。在本文中，所谓“业财数据”是指，如果企业的一切业务活动都需要投入经济资源或产出经济资源，那么这些推动企业业务活动的经济资源的数量化表达，就是业财数据。因此，本文所说的业财数据，是指企业业务活动中生成的所有“数量化表达”，既包括数字化结果，又包括这些数字化结果内在的规律性及其生成机制。例如企业行为与外部环境相互作用变化等就可以看作一定条件下数字化结果内在规律性的生成机制。

值得注意的是，现存会计是以核算场景为基础形成的， 而非以完整的业务场景为基础形成。实际上，基于核算场景的财务报表导致了业财信息的不融合[4]。因而，只有将业财合一，才能生成融合完整的业财数据。

按数据生成的方式，业财数据可以分为基于复式记账法生成的数据与非复式记账法下所生成的数据；按计量方式，可以分为货币计量与非货币计量数据。无论业财数据如何分类，业财数据都是一个统一的存在，在刻画企业业务时，需要同时将业务所生成的业财数据的所有属性视为一个整体，因为只有这样才能将一个业务完整映射到数据空间。

2.1.2数字空间

一个数字空间是由业财数据所张成的。业财数据可以经由会计计算而发生变化，并映射到新的数字空间。如果数字空间存在，那么由业财数据所“张成”的数字空间必定是可识别的，即不同的业财数据有不同的计量特征因而处于数字空间的不同位置；如果业财数据是可计量的，那么不同的业财数据的计量属性也必定不同，从而可以“张成”一个数据空间，而不会坍缩成一个“点”。

之所以引入“数字空间”这一概念，是为了更好地刻画业务的颗粒度。在数字化进程中，越来越多的业务会以数字孪生的方式存在，例如在计算高价值零部件时，不可能通过大量的实际生产形成的数据来获得成本数据，并从中学习如何降低成本，因为这样做代价高昂。比较可行的方法是为高价值零部件的设计与生产建立数字孪生成本控制系统，通过虚拟数字空间来对相关成本进行迭代，直至获得比较理想的成本结构参数后再投入实际的生产中。大飞机、大型船舶、高价值的精密专用装备已经广泛运用了数字孪生技术。当然，数字空间的意义并不局限于数字孪生，基于生成式智能（AIGC）的发展，一家企业的数字空间很可能包含真实世界从未有过的数据——如果这样做能够帮助人们更好地理解业务逻辑的话。

显然，数字空间对于会计计算提供了极大便利。可以对业务进行抽象建模，并借助数字空间的海量数据进行分类、估值与优化等会计计算，从而在成本可控的前提下，对企业业务的动态发展获得尽可能真实的感知， 可以为匹配实际的业务活动提供可行方案。

因此，随着业务的不断发展，会计计算的业财数据会不断累积，并最终张成一个动态数字空间。这表明，会计计算不但需要处理现实的业财数据，也需要能够基于数字空间虚拟建模。但从根本上说，张成数字空间的业财数据才是会计计算的最终驱动力。

2.2会计计算的算法

数据驱动下的业务之所以成为企业数字化的关键，离不开会计计算的“算法”。所谓“算法”，数据科学通常的定义是指一系列解决问题的确定指令组合。从这个定义出发，可以得到会计计算的算法，即完成对业务分类、估值与优化等任务的一系列确定指令组合。

现有的会计理论对于分类与估值有一套确定的指令组合，即复式记账法与会计准则体系，除此之外，会计计算还需要引入数据科学中的其他算法以便实现更多的会计计算任务。为了便于理解，分别对复式记账法和会计准则体系赋予“算法”新内涵，然后，讨论通用算法如何用于会计计算。

2.2.1复式记账法：一种可以递归调用的分类算法

会计原理告诉，有借必有贷，借贷必相等。小到一个会计分录，大至复杂的合并报表，都建立在复式记账法的基础上。复式记账法具有明确的指令，即“借”和“贷”，通过借贷分录，完成对可计量业务的分类任务。因而复式记账法符合“算法”的定义。同时，通过对复式记账法的反复递归调用，可以生成明细账、总账及财务报表。以资产负债表为例，可以将资产负债表直接表示为一个分录，借：资产， 贷：负债、所有者权益。递归调用复式记账，可以将资产负债表的资产总额分成流动资产、非流动资产，负债总额分成流动负债、非流动负债，如果反复递归调用复式记账法，就能得到全部的、原子化的会计分录集合。

虽然基于会计准则可以对业务所涉及的会计事项进行标注，例如根据收入准则对某项引起经济利益流入的业务标注为“收入”，从算法角度看，对业务的标注只是分类的第一步，更为关键的是如何通过复式记账的借贷指令将业务完成分类，因为会计原理告诉，无论对一项业务如何标注，如果不能形成会计分录，那么这一标注就是无效的会计事项。基于这一点，没有将会计准则对于业务的标注当成一种独立的分类计算的算法，而是将其与复式记账法结合，从而实现分类。

2.2.2会计准则：基于原则导向的估值

根据国际会计准则委员会的解释，现行会计准则是基于原则导向而不是规则导向，从算法的角度看，基于规则导向的准则其指令含义更为确定，因而更符合算法的要求。而基于原则导向的会计准则，由于需要依赖专业人员自身职业判断，其结果会有更多的不确定性。

但在实务中，对于会计准则的运用常常倾向于确定化，以便于会计实务操作。因而，基于会计准则的历史成本计量与后续计量等估值计算，通常有关专业机构会给出实务指南，这些指南在一定意义上限制了对于准则过多的主观性臆断，从而变成比较清晰的指令。因此，在没有更好的解决方案之前，将现行用于估值的会计准则纳入会计计算的算法范畴。

总之，对于现行会计准则而言，如果要实现会计的数字化，那么不可避免地，所有会计准则都要符合“可计算”的范式，必须按照“可计算”的范式重新表述。

2.2.3通用算法与会计计算

如前文所述，复式记账与会计准则部分解决了会计计算的分类与估值问题，但没有完全解决，更没有涉及优化问题，因而，必须从数据科学中寻找更多的算法来充实会计计算的算法。

数据科学中有关分类与估值的方法很多，常用的有支持向量机、Logistic分类、决策树分类等。基于深度学习的无监督分类、聚类分类等也是常用的分类方法。回归算法有OLS回归、贝叶斯回归、神经网络回归等，通过采用这些方法，可以实现传统复式记账法和会计准则难以实现的对于业务的分类与估值任务。

对于优化任务而言，将通用分类与估值算法相结合，就能实现一般的优化任务。对于复杂的优化，还可以采用数值计算、计算机仿真等算法。数据科学中的各种通用算法不但可以直接作用于实际的业财数据，还可以在数字空间中发挥作用，基于数字空间，采用数字孪生技术，再辅之以数据科学中的合适的算法，将会大大增强会计计算对业务的解释与预测能力。

2.3会计计算的算力

在手工记账年代，会计计算的算力主要依靠人工，随着信息技术的发展，会计计算的算力获得了飞速增长。从会计的发展历史可以看出，会计始终对一切能够增强其算力的事物充满激情，其主要原因在于，激烈的市场竞争迫使企业想方设法降低成本。所谓“算力”，就是通常的字面意思，即计算的能力，涉及能够处理多大规模的数据、处理的时效性如何，以及计算质量等方面。会计计算的算力是如此重要，以至于可以直接决定数字化的成败。

2.3.1处理大规模数据

企业业务的复杂性、高频发生，以及外部数据等使得会计计算需要面对的数据规模越来越大。当通常不需要考虑的数据处理响应速度成为一个障碍时，海量数据的处理就成为一个专门的技术，即大数据处理技术。大数据处理需要专门的算法比如云计算，通过分布式算力响应来解决大规模数据的存储与计算问题。

对于会计计算而言，一个可能的大数据应用场景就是数字空间与数字孪生。是否能构建业务与业财数据张成的数字空间的一一对应关系，将直接影响对业务刻画的颗粒度。

2.3.2会计计算的时效性

会计是最讲究时效性的，激烈的市场竞争需要快速的做出决策，迟来的决策等于没有决策。从早期的算盘、单机、计算机网络，到会计信息系统、财务机器人及云计算等新技术，都使得会计计算的时效性获得了持续提升。

基于成本的考虑，会计计算的时效性并非越快越好，只要不影响到相关决策的及时形成，就认为现有的会计计算满足了时效性需求。当然，从前瞻性的角度看，应当时刻关注那些能够持续快速提高会计计算时效性的新技术。

2.3.3会计计算的准确性

会计计算的算力是一种有质量的算力，准确性代表了会计计算的质量，高质量的会计计算能够形成高质量的决策。如前所述，业财数据也包括那些业务数字化结果内在的规律性及其生成机制，例如业务的内部控制机制。那么，会计计算的准确性一定来自对企业业务活动的良好的内部控制或者其他类似机制。

为了提高会计计算的准确性，可以采用区块链、非接触式RPA等技术。以RPA为例，通过RPA的联结功能打通企业不同业务系统，提高各个系统的协同能力；同时，利用RPA可以无人值守的特点来处理敏感数据，降低人为舞弊的可能性，从而大大增强了数据生成的可信度，提高了会计计算的准确性。区块链技术本身就是为构建可信计算而出现的，在确保会计计算准确性方面的作用自然毋庸置疑。

2.3.4数据规模、时效性与准确性的内在联系

数据规模的大小直接影响到会计计算的时效性与准确性。一方面，海量数据对计算资源要求很高，一般企业往往要从外部租借算力来完成计算，如此时效性就难以保证；另一方面，大数据环境下，算力受到约束，会降低计算精度，一些算法可能会产生错误结果从而影响会计计算的准确性。

如果数据规模给定，时效性与准确性常常是负相关的。一方面，如果要快速获得计算结果，从成本的角度考虑，会选择降低计算精度，或者降低数据生成质量（比如采取较为简单的内部控制机制，或者使用主观估计替代），由此会计计算的准确性自然就下降了；另一方面，如果要确保准确性，就要确保业财数据的高质量，通常会采取成本更高的内部控制机制来防止错弊，但复杂的内部控制是有时间成本的，这势必会影响到会计计算的时效性。

因此，一个好的会计计算的算力策略是，在数据规模、时效性与准确性之间取得平衡，底线是不能影响业务决策。

2.3.5共享中心：一个会计算力服务中心的用例

设立共享中心最初的目的是为降低财务工作的重复性工作，提高集团整体财务工作效率和质量。将企业集中式管理模式移植到财务流程，旨在通过一种有效的运作模式来解决大型集团公司财务职能建设中的重复投入和效率低下的弊端。

“财务共享”作为一种集中式财务管理模式，其最初的想法虽然简单，却起到了意想不到的效果，进而触发了对财务核算模式的持续改进并获得了较好的成果，财务共享服务中心由此在国内得以迅速普及。特别是将财务共享中心上“云”后，会计计算的算力获得了极大增强，不仅能够为财务部门提供算力，还能够为其他业务部门提供算力，因而，财务共享中心现在又称为“共享中心”，面向整个企业集团提供算力服务。

如前文所述，要使得共享中心具有成本可控的大规模数据处理能力、能够适时、高质量的处理业财数据，必须在确保决策的前提下，在数据规模、时效性与准确性三者之间取得平衡。

对会计算力的持续投入是一个长期过程，但回报也是十分丰厚的。对于那些有较强算力基础的公司来说，一个强大的财务云，不但可以为企业自身提供算力服务，也可以为企业外部乃至全世界提供基于“财务云”的算力服务。

3会计计算的目标

在完成会计计算前提的相关讨论后，紧接着开始讨论会计计算的目标。本文认为，会计计算包括分类、估值与优化三大类目标，接下来逐一对此展开讨论。

3.1会计计算的分类

企业的业务复杂而多变，会计计算需要实现的第一个目标是对业务的分类。现有的会计基本原理提出了资产、负债、所有者权益、收入、费用和利润六大要素。对于一项业务而言，可能会同时对其中两项或更多项产生影响。例如一项管理部门的报销业务，将增加费用而减少资产。因而，一项业务可能同时存在两种或两种以上的分类标签属性，这与通常意义上的“分类”有所不同。

会计计算的分类并不局限于传统会计的六大要素，还可以依据不同的规则生成更多的分类。例如可以按地域、行业作为标签分类，按业务成熟度分类，甚至可以将业务与资产对应，用资产或资产组合来计算各业务的聚合与离散程度，从微观层面刻画业务的类型。

总之，作为会计计算的一种，“分类”的目标是给企业业务依照一定规则添加各种标签，并通过明确的指令（比如复式记账法）生成类别，使得企业业务能够更加便于理解和数字化。

3.2会计计算的估值

在分类计算的前提下，接下来的计算就是“估值”。企业的业务不是在创造价值，就是在消耗价值，因而，对一项业务进行估值就是会计计算需要实现的第二个目标。现有会计准则对估值分为历史成本和后续计量两类，这两类“估值”属于会计计算的“估值”，因为现有会计准则通过有限步骤和“借”与“贷”两个基本指令实现了估值的图灵等价计算。

但对于业务而言，仅仅依靠现有会计准则实现的估值计算是不够的，其主要原因在于，现有的估值是基于会计要素，即资产、负债、所有者权益、收入、费用和利润六大要素，而并非直接针对业务本身。而对于业务而言，一是对业务的历史取得、持有与退出进行估值。虽然通过现有会计准则可以部分计算实现与业务相关资产等的估值目标，但会计计算中的“估值”可以做得更多，例如增加估值的动态性与时效性，计算业务价值增加的变化率及排序等。二是对于业务的组合进行估值。一项业务的发生与另一项业务的发生可能存在相关或者因果关系，因此对业务的估值必须考虑到这种相关或因果关系，将其作为一个业务组合进行估值计算。由于相关关系与因果关系的逻辑本质上是不一样的，在对业务组合进行估值计算时，还需要分别计算存在相关关系的业务组合估值，以及对存在因果关系的业务组合估值。

还应当指出，会计计算的估值既包含绝对值，也包含相对值，这一点与传统会计主要以绝对值的估值有重大区别。通过对业务的估值进行排序，可以得到一定条件下业务估值的排名（相对估值）。既可以在企业内部进行不同业务的相对估值，也可以对不同企业的同类业务进行相对估值。相对估值计算实质上改变了传统会计基于会计准则的“估值”逻辑。

因而，估值作为一种会计计算，其目标就是在“分类”计算的基础上，对业务的价值（包括创造价值或者消耗价值）进行计算，从而得到业务或者业务组合的估值，使得企业能够对业务的价值进行排序，并以数字化的方式呈现。

3.3会计计算的优化

传统会计部分地实现了分类和估值，而对于优化计算，这种提法则基本上属于一个全新的内容。优化作为一类会计计算，其属性和数据科学的其他优化计算一致，是对一个目标函数进行计算，从而得到一个优化的结果。因而，确定业务的目标函数并进行优化计算，就是会计计算的第三个目标。

会计计算的目标函数有两类，第一类目标函数是业务活动的结果；第二类目标函数是业务活动的潜力（资产质量）。既然业务活动不是创造价值就是消耗价值，那么，一定时期内企业全部业务活动的结果就是所有这些所创造的价值与消耗的价值相抵消之后的净值，这就得到第一类目标函数即计算业务活动的结果。依据不同的规则，可以得到净利润或净自由现金流量，除此之外，还可以加以扩展，对实物量的增加值（产能，碳排放）也可以作为第一类目标函数。

很多企业业务并不一定在当期得到产出，研发周期因业务复杂程度不一而变得不确定。为这些业务投入的资源（资产）具有在未来为企业创造价值的潜力，因而，优化计算的第二类目标函数是计算这些业务的潜力，并加以优化。

传统财务会计中对资产的各种减值准备计提和公允价值调整，在一定程度上体现了第二类目标函数，但由于这些减值准备计提或公允价值调整是孤立的，并没有和业务真正紧密地结合，使得按照传统会计准则所计提的各种减值准备与公允价值调整难以有效地运用到对业务的计算，特别是业务组合的优化计算中。

财务分析部分地解释了业务可能存在的风险，但财务分析主要基于传统会计框架评价企业财务状况，解释业务可能存在的问题，而优化计算除了要找到风险，还需要找到降低风险提高业务价值的解。管理会计在一定程度上弥补了财务分析的不足，为如何改善企业业务绩效提供了一个可用的工具箱。但无论是单独的财务分析还是单独的管理会计，都难以实现优化计算的任务，需要重新构建一个更为系统有效的工具。

优化计算需要同时涵盖传统财务会计的减值计提与公允价值计算、财务分析与管理会计等全部内容，在此基础上，优化计算还需要明确所优化的目标函数，通过对两大类目标函数权重的取舍，来给出特定时期的优化路径。例如可以先注重业务的短期价值，而降低业务未来价值潜力的权重，从而给出一个快速扭亏为盈的优化计算路径；又或者赋予两大类目标函数以相同的权重，从而给出优化企业中长期的业务发展路径。

可见， 优化计算并不是简单的财务分析加管理会计，更非等价于计算减值与公允价值，而是在涵盖了传统财务会计的减值计提与公允价值计算、财务分析与管理会计的现有全部内容，并在此基础上，针对两大类目标函数增加了权重等参数，以构造统一的目标函数并进行优化。理论上，基于公司战略和已有数据，甚至有可能为目标函数添加更多的参数，这有待于后续数字化会计理论的进一步深入研究。

4两大会计职能的数字化

一旦会计计算的三大目标完成，就可以将其用于对业务的总结和控制。按照杨纪琬和阎达五[1]对于会计“科学属性”的界定，会计的科学属性应当是“研究如何掌握对经济过程进行控制和观念总结的规律性”。通常，业内将经济过程的控制归纳为“监督职能”，而将观念总结归纳为“反映职能”或又称之为“核算职能”。如果将这一属性界定“数字化”，则可以尝试表述为，在数字化时代，所谓会计的“科学属性”，就是对于核算与监督两大职能，其职能的生成与运用都是通过会计计算来实施的。

4.1核算职能的数字化

经济过程在企业中的运行方式具体表现就是一个个业务的次第展开。通过会计计算，完成了对各个经济业务的分类、估值与优化。这些对业务的计算结果需要一种确定的方式呈现给决策者。

传统会计中已经形成比较完整的财务报告体系，但其能提供的信息十分有限。其主要问题在于“会计披露的主要是核算场景信息而非业务场景信息” [4]。基于会计计算的核算职能，通过对业务的分类与估值计算，能够完整地反映业务的财务与非财务信息，并且能够张成一个数字空间，便于进一步动态反映业务的发展变化，因而基于会计计算的业务核算职能可以看作是传统会计“核算职能”的一个超集。

由于会计计算满足图灵机原理，指令与结果存在对应关系，因而会计计算是可逆的。那么基于会计计算的核算职能就有可能实现从业财数据到业务场景的还原。还原是一个复杂的计算过程，其意义在于，一旦得到一份基于会计计算的业财数据或财务报告，就有可能在一定程度上实施“逆向工程”，追溯业财数据生成时的业务场景。在数字空间的帮助下，财务报表的逆向工程是有可能实现的。

4.2监督职能的数字化

会计的监督职能虽然存在争议，但从会计计算的角度看，会计的监督职能却是必然存在的。会计计算中的优化过程是一个对目标函数的优化。如前所述，有两类会计计算的目标函数，分别是第一类目标函数即业务活动的结果，以及第二类目标函数即业务活动的潜力（资产质量）。如果不能对业务的发展变化加以控制和监督，那么，就谈不上对目标函数的优化计算。

从外部而言，目标函数不能侵害其他利益相关方例如政府、股东的权益，否则损失函数就会迫使优化失败。从内部而言，目标函数的优化必须满足企业自身资产安全与盈利这一基本需求，因而，优化计算就需要寻找恰当的损失函数，以改进业务运行流程，降低错弊的可能性。类似地，也可以将基于会计计算的业务监督职能视作传统会计“监督职能”的一个超集。

可见，尽管杨纪琬和阎达五[1]提出会计的“监督职能”时的主要理论依据是经济活动的“阶级性”，但会计计算赋予“监督职能”以新的内涵，从而超越了“阶级性”，进一步夯实了其作为会计的两大基本科学属性之一的理论基础。

5会计计算的价值创造

无论数字化如何进行，对于会计而言，最终都必须回归其本质，即如何为企业创造价值，这一过程也是如何运用会计计算进行决策的过程。基于会计计算的价值创造主要围绕业务核算与业务监督两大领域。管理决策通过协调企业各项资源实现管理效能提升。各项资源的动态变化体现在企业的业务活动之中，理论上会计计算能够精准把握业务的所有变化，因而，会计计算能够为管理决策提供辅助，甚至直接实施决策。具体而言，会计计算至少可以从以下几个方面为企业创造价值。

5.1深入理解并优化商业模式

要做出科学的管理决策，必须要深入理解公司的商业模式。所谓商业模式，其本质是定义企业向客户交付价值的方式[5]。不同的商业模式会产生不同的业务场景，商业模式决定了企业价值创造和转移的基本方式，而不同的业务场景则承担着价值创造与转移的具体过程，在这一具体过程中，生成了大量的业财一体化数据。

会计计算提供了一种解释和改进业务的逻辑，即通过公司业务的计算，可以实现对业务的分类、估值与优化。通过会计计算，可以将不同的业务场景转换成对应的业财数据，这些业财数据是多维的、多态的（包括动态实时数据、静态数据），而业财数据又可以进一步张成一个数字空间，可以广泛应用于企业控制和决策的各个方面。

通过运用包括大数据在内的新技术对该数字空间进行分析，挖掘出其内在的商业模式细节特征，发现可能存在的问题，预测在给定的数字空间内，已有商业模式可能的演变路径，从而生成若干方案，供决策层加以选择，以实现企业商业模式优化的管理目标。

可见，通过会计计算，完成对业务场景的数字化构建，实现了业务核算的数字化，并在此基础上，进一步深入理解其所包含的商业模式，并设法优化之。无疑，随着商业模式的更新与优化，相关会计计算将为企业创造新的价值。

5.2实现业务控制与监督的精细化、实时化

过去，复杂业务流程的平稳运行往往需要投入巨大的成本，其原因在于难以实现对业务控制与监督的精细化、实时化。一方面，传统会计不能做到将财务核算场景与业务的深度融合，对相关的业务控制比较粗糙；另一方面，缺乏合适的新技术与数据，不能实现实时的业务控制。

如果将数字空间与数字孪生技术结合起来 ，那么就可以通过会计计算实现对业务控制与监督的精细化和实时化。 业务控制与监督可以分为对业务过程的控制与监督（过程管理），以及对业务结果的控制与监督（绩效考核）。以下具体阐述之。

从会计计算的角度看，过程管理是一个不断动态优化的目标函数。这里以成本控制过程为例，简要讨论数字孪生技术与数字空间结合进行过程管理的原理。

基于业财融合的数字空间成本建模仿真并优化的流程可以表述为：①成本控制数据从制造现场比如车间直接生成并传入对应的数字空间；②数字空间的成本数据按照设定的成本模型进行优化迭代，直至获得令人满意的优化结果；③优化后的成本数据回馈给制造现场，实现物理世界制造成本的优化；④经过物理世界验证的成本控制数据再映射到数字空间，从而可以迭代优化数字空间中的成本控制仿真模型的相关参数。

在数字孪生的基础上，可以同时实现物理对象与数字空间成本控制的数字化与智能化，并且能够深度联结、融合数字空间与现场制造活动，有效整合线上、线下制造过程并动态优化。 可见，数字孪生成本控制是一个不断实时动态迭代优化及数智化的过程[6]。

通过会计计算，可以分析并优化现实物理世界的成本过程，并将其映射到业财融合的数字空间，通过运用数字孪生技术对数字空间的实时建模仿真，实现对成本控制过程的持续动态优化，避免了单一现实物理世界成本控制优化可能付出的高昂成本代价，从而实现了会计计算的价值创造。

绩效考核是管理决策部门所面临的一类比较常见的需求。如果说过程控制是对一个连续型目标函数的优化，那么绩效考核则是对一个分段目标函数所进行的优化。传统的绩效考核受到数据限制，主要以利润等财务指标为主，而利润等财务指标只是一个分段的综合性指标，颗粒度比较粗，难以得到更为细致的业务结果控制与监督效果。当然，与过程管理强调实时化不同，绩效考核是一个分阶段的目标函数，不需要实时化的会计计算，因而对于绩效考核，重点关注的是其颗粒度，使得相关业务绩效考核做到精细，有效。

前述会计计算的相关分析表明，要真正把握理解业务场景，不但要对个别业务进行分类、估值与优化，也需要对业务组合进行分类、估值与优化。而不同业务之间，可能存在着内在的相关关系甚至因果关系，不通过会计计算，就难以对构成利润的各类业务活动进行细致的梳理与分析。

基于会计计算，既可以考核业务活动的结果，同时也可以考核业务活动的增长潜力。对业务结果的控制与监督往往与企业特定时期的战略相关，会计计算允许决策者根据特定的战略设置若干参数。例如，通过对业务活动的当前结果与未来潜力的权重参数，来构造一个综合性的目标函数，从而实现在一套业财数据及其所张成的数字空间的前提下，借助数字孪生技术实现不同战略下的绩效考核目标。从而，本阶段的业务结果的控制与监督既可以用于绩效考核本身，也可以用于为将来战略调整而测度未来可能的绩效变化，以及制定新的绩效指标。

从可比性来看，基于会计计算的绩效考核能够对于业务活动结果进行逐个比较，也可以对业务组合的结果进行综合比较，还可以进行不同战略定位下的业务与业务组合的结果比较。既可以进行业务颗粒度非常细的比较，又可以进行宏观层面的业务活动的比较，使得绩效考核变得非常有说服力，有效避免了传统绩效考核由于数据不足，业财分离，偏于主观所导致的可比性较差的问题。

可见，基于会计计算的业务结果控制与监督，相较于传统的以财务为主要指标的绩效考核更为全面，更加精细化，不仅如此，相关的绩效考核也更为一致可比。一个全面性、精细化且可比性强的业务结果绩效考核，正是管理决策者所需要的，这也正是会计计算创造的价值所在。

5.3业务与商业模式创新

理论上，业务与商业模式的创新也可以认为是会计计算对既定目标函数的某种优化，但由于数字经济时代创新已经成为价值创造的一个极富竞争力的赛道，有必要对业务与商业模式创新加以专门阐释。

业务与商业模式的创新，首先，基于数字空间，通过设计新的目标函数来验证创新是否可行，并可以对有关创新直观与可视化地呈现出来；其次，由于这种创新是在数字空间完成的，考虑到数字空间不但包含企业全部真实的业财数据，及其内含过往的业务场景与商业模式，还可以借助人工智能新技术智能生成企业环境中尚未包含的业财数据，因而，业务与商业模式的创新是一个完全数字化的过程，在模式成熟之前，不需要引入到真实的物理世界，从而可以大幅降低创新的试错成本，为业务与商业模式的创新大开方便之门；最后，一旦相关业务与商业模式的创新趋于成熟，可以根据市场变化趋势适时落地，从而在新的战略确定时，与之相匹配的业务与商业模式也随之落地。以ChatGPT等通用大语言模型为例，如果那些深耕于垂直领域比如医疗、教育的相关平台企业已经基于会计计算构建了一个比较成熟的数字空间，那么，在ChatGPT推出之前，相关平台企业可以基于自己的数字空间进行业务与商业模式的创新研究，提出若干可能的业务与商业模式。虽然这些可能的业务与商业模式需要新的技术或者新的政策才能够激活，但这并不妨碍决策者通过会计计算对这些新的模式进行分析、演绎与匹配。一旦推出新的技术或政策，决策者就能迅速根据过往的分析调整战略，协调资源，迅速推动那些匹配的业务与商业模式落地，从而抢得市场先机。

可见，会计计算不但能够从过去的业务活动中分析计算并创造价值，还可以基于战略需求，对可能的业务与商业模式进行创新，并进行预演，从而提前为未来的战略与市场竞争创造价值，这种“先机性”的价值创造能力正是企业决策者所追求的数字化核心竞争力。

6结语

当前，以ChatGPT为代表的大语言模型纷纷出现，意味着通用人工智能或将快速变成现实。会计的数字化很有可能率先引入大语言模型，可以预见，未来人工智能等新技术对于传统会计的冲击将更加激烈。

未来已来。数字化对会计提出了全面的挑战，数字化浪潮要求会计不能故步自封，不能躲进小楼成一统。会计的数字化必须是全方位的，彻底的数字化，必须遵循数据科学的范式加以重新改造。

总之，将会计看作是对业务的计算，并由此构建数字化会计理论体系，将大大释放会计的理论创新活力，大大提升其对业务的诠释能力，有利于业务的价值创造。无论人工智能等新技术如何使用，一旦会计自身完成彻底的数字化，前途必将一片光明。

参考文献[1]杨纪琬，闫达五．开展我国会计理论研究的几点意见：兼论会计学的科学属性[J]．会计研究，1980（1）：2-10.

[2]郦全民．关于计算的若干哲学思考[J]．自然辩证法研究，2006（8）：19-22.

[3]程学旗，梅宏，赵伟，等.数据科学与计算智能：内涵、范式与机遇[J]. 中国科学院院刊， 2020（12）：1470-1481

[4]谢志华．会计的未来发展[J].会计研究，2021（11）：3-19

[5]TEECE D J.Business models，business strategy and innovation[J].LongＲange Planning，2010，43（2－3）：172-194.

[6]文峰，唐丰收．数字孪生成本控制（DTC2）系统研究[J]．财会通讯，2023（10）：161-166.

收稿日期：2023-11-12

作者简介：

文峰，男，1970年生，博士研究生，讲师、会计师，主要研究方向：智能会计、审计。