Tech builds on AI. Finance protects the margin.

技术依托于AI。财务守护利润空间。 | Databricks 博客

跳至主要内容

技术

2026年7月17日

技术依托于AI。财务守护利润空间。

面向科技公司CFO和财务规划与分析（FP&A）领导者撰写。AI和智能体正在重塑单位经济模型；通过上下文理解与控制力，财务部门才能在变革中保持领先。

作者：Madelyn Mullen

如果问科技公司CFO本季度利润落在何处，会得到一个明确的数字。但若追问是什么导致了这个结果，答案会列出一连串因素：某个热门功能的计算成本增速超过定价涨幅，跨混合订阅和按使用计费模式的收入确认，自动扩展策略导致预留计算资源消耗速度超出预期。这些数字都来自多个系统的交互，且越来越多地受到智能体的影响。财务部门的职责是持续监控这些变量如何影响单位经济模型，并据此引导公司方向，而非每月结账时才进行一次调整。

目前大多数财务团队仍在使用为低速业务构建的基础设施：数据抽取、电子表格和每月对账的指标。这种滞后每天都在产生成本。重新定价延迟一周实施，计量错误持续到结账日，计算资源承诺基于上个月的需求预测签订。

AI单位经济模型为何成为财务前线

科技和原生于AI的企业建立在增长基础上。使用量持续扩展，定价覆盖订阅和按使用计费模式，计算成本已成为企业最大的可变成本。保护这种增长的经济模型始终是财务部门的职责。变化的是速度：智能体现在决定了计算资源的使用方式、使用量的定价规则以及收入确认方式，行业数据也显示了这种压力。原生于AI的企业毛利率在2026年达到约52%（ICONIQ数据），较2024年的41%有所提升，但仍低于传统软件企业70%-90%的水平。

最优秀的财务团队正在主动应对这一挑战。OpenAI的财务团队描述了将AI智能体应用于合同流程，自动提取并审查过去需要分析师人工处理的条款。YipitData将收入运营和财务部门迁移至Databricks平台，财务分析师可自主编写SQL和PySpark代码，通过NetSuite集成消除了财务报告的手动操作。对于科技公司CFO而言，问题已不再是财务是否能与AI协同工作，而是如何构建安全可靠的基础架构。

使用量和计算资源按小时扩展。单位经济模型正是财务部门需要守护的核心。

为何"本体论"这类词汇如今对科技公司财务至关重要

财务部门一直擅长在复杂性中找到关键数字。但一个数字可能完全准确却仍然错误，因为它基于对业务运作方式的片面或过时理解。真正重要的是数字背后的含义：定义、产品与方案、使用量和计算资源驱动因素，以及这些要素随业务发展如何演变。对于AI而言，这种差距是核心问题：约三分之一的企业将不准确性列为AI应用中遇到的首要问题（麦肯锡，2025）。正如Ali Ghodsi所言，大多数企业级AI都在带着虚假信心进行猜测。这属于上下文理解问题，而非智能本身的问题。

本体论填补了这一差距。它能够捕捉数字背后的含义，并在业务变化时保持这一含义的时效性。而原始数据的获取速度比以往任何时候都更快。通过 Databricks Marketplace 上的 OpenSharing，Stripe 的支付数据、交易、订阅、退款和资金发放现在实时流入 Unity Catalog：无需 ETL 构建或维护，数据受控且实时可用。Lakebase 是基于湖仓一体架构原生构建的事务性 Postgres 数据库，它将这一原则延续到平台内部。运营数据和分析共享同一基础，因此答案反映的是业务当前的运行状态，而非上一次同步时的状态。

准确的数字是正确的数字。正确的数字源于产品、使用情况和计划条款本身。

Genie One 的作用

在原生 AI 业务中，几小时前形成的理解可能已经过时。因此，本体论本身必须持续演进。它必须从业务运行的系统中学习，随着每个问题的提出而不断优化，并随着业务的发展而适应。

Databricks 为此构建了 Genie One。它作为一位数据智能的 AI 同事协同工作：财务负责人提出直接问题，即可获得基于 Genie One 本体论的可信答案，且每一步都受控。AdTech 平台 Amagi（支撑数千个广播频道）已在生产环境中采用这种方式。其财务团队在 Databricks 上实时获取计费和财务报告，Genie One 回答自然语言问题。由于财务、市场和运营部门使用同一受控数据源，高管会议不再需要反复争论哪个数字正确。

每个原生 AI 的财务团队都在处理三个问题的某种变体，而每个答案都会推动下一个问题的产生：

› AI 计算加入后，按产品和客户划分的真实毛利最终落在哪里？

一旦计入推理和提供服务的成本，计划的价格和保留的毛利很少是相同的数字。大多数团队会首先将 Genie One 用于毛利分析，这正是设计软件、市场平台和消费互联网公司将其作为财务团队自助服务入口的原因。

› 在混合订阅和使用定价模式下，消费收入在哪些方面存在风险？

可以正确计量的消费即为可确认的收入，其价值在于在缺口形成时及时发现，而非等到结算时。一家数字博彩公司已将这一做法发挥到极致：它用受控的收入预测模型取代了脆弱的电子表格预测，增加了流动性分析，并为高管团队配备了专属的 Genie One。

› 随着使用量增长，计算支出在哪些方面可能超出预算范围？

在下一次计算承诺签署之前，必须采取行动。因此，数字资产平台在平台上运行财务现金流管道和区块链分析，全球交付平台也以相同方式运行财务预测、财务应用和工作流自动化。

三个问题，三种结果，一个机制。Genie 通过学习业务、随着每个问题的提出而优化，并展示其工作过程。

由于每个数字均可追溯至其来源，每个权限都受控，AI 本身的成本也在统一模型下受控，因此答案是财务可以采取行动的依据。Genie One 为行动做好准备，无论是重新定价、计量修正还是放慢资金提取，最终由人来做出决策。

从首个答案到财务平台

跨科技与AI原生企业的趋势高度一致。财务部门率先采用受控的自助式解决方案，随后开始整合。一家以AI原生软件著称的企业，其财务分析在Databricks上实时运行，现已验证Genie One在财务与运营领域的应用。另一家财务软件领导者正在整合其财务报告架构，并为财务团队构建智能代理。其他企业则在逐步淘汰过去十年积累的碎片化工具：基于传统BI平台的仪表板、数百个桌面数据预处理流程、以及部署在独立云数据仓库中的财务应用。每次迁移都将企业业务的语义深度融入本体论，Genie One的解答能力也随之提升。最终，财务系统将与产品部门运行在统一平台：一个可从Pre-IPO到Post-IPO无缝扩展的数据与AI平台。

每一步进展都在为下一阶段铺路。Genie在三大领域的学习能力正是推动势能持续增长的关键。

专为财务工作方式打造的智能AI协作助手

这正是财务部门长期寻求的解决方案：一个能持续更新、受控管理并不断学习业务的AI协作助手。这也是我们自身采用的方式。Databricks财务高级总监Michael Schaaf在《Databricks on Databricks》网络研讨会中展示了Databricks财务团队如何基于Databricks平台运作，并在Data + AI Summit的《Databricks如何利用Databricks管理其财务体系，以及这为何改变一切》主题演讲中完整呈现了这一实践。

科技与AI原生企业将持续依赖AI驱动增长。Genie One正是财务部门守护增长所依赖的单位经济效益的保障。了解数据智能AI协作助手如何赋能财务团队：databricks.com/product/ai-bi/genie

常见问题

AI原生企业中的财务会发生哪些变化？

更多影响单位经济效益的决策（计算、定价、收入确认）将由智能代理执行。财务部门守护利润率的使命没有改变，但其需要理解和管控的复杂性与速度显著提升。

Genie One会参与定价、包装或计算决策吗？

不会。这些决策权属于产品、工程和收入会计部门。Genie One为财务部门提供准确且受控的视图，使潜在风险能被早期识别并转交给对应负责人处理。

本体论和治理为何对科技公司CFO至关重要？

本体论能捕捉数字对业务的真实含义并保持其时效性，确保答案不仅准确而且正确。治理机制确保所有数据可追溯、权限可控且成本受控。二者结合，使决策依据具备可执行的安全性。

Genie One与AI仪表板或BI工具有何不同？

传统仪表板仅展示数据含义，Genie One帮助你采取行动：基于企业本体论构建，实现端到端治理，最终决策由人做出。

订阅最新文章

订阅我们的博客，获取最新文章直接发送至您的邮箱。

立即订阅

查看所有博客

slice-start id="_gatsby-scripts-1"

slice-end id="_gatsby-scripts-1"