2026 年 9 月 1 日起，两项资产管理国家标准同时施行：GB/T 47949-2026《资产管理 数据资产分类与代码》和 GB/T 47950-2026《资产管理 数据资产登记指南》。对做过 AI Agent 的企业来说，这两份文件带来的现实问题是：你手里那批数据、知识库、微调语料和运行留痕，到底算不算"资产"，该怎么登记，能不能进报表。
先说结论：分类编码不等于会计科目，登记也不等于入表。 两步各有各的判据，混在一起谈，是这类项目常见的返工来源。本文把两步拆开，给出可落地的字段与判据。
一、两项国标同时生效：一个管分类，一个管登记
按国家标准全文公开系统与中国标准在线服务网公布的题录信息，两项标准同由国家市场监督管理总局、国家标准化管理委员会于 2026 年 7 月 2 日发布，2026 年 9 月 1 日实施，归口全国资产管理标准化技术委员会（SAC/TC 583），起草单位包括财政部资产管理司与中国标准化研究院。两份文件的分工很明确：
- GB/T 47949-2026：确立数据资产的分类原则，规定编码方法与代码结构，给出分类与代码表；适用于对作为无形资产管理的数据资产进行配置、登记、清查、报告等。
- GB/T 47950-2026：确立数据资产登记的总体原则，对登记实施方、登记内容、登记流程和登记系统提供指导；适用于组织对数据资产进行登记。
也就是说，47949 解决"这条数据叫什么、归哪一类、代码怎么编"，47950 解决"谁来登、登什么、怎么走流程、用什么系统登"。两项标准互相引用（登记指南引用分类与代码），落地时通常一起上，单独落一份会在字段对接处卡住。
一处容易被忽略的口径
47949 的适用范围里有一句限定值得单独读：其分类与代码聚焦数据资产基本属性，用于满足资产信息化管理需求，不改变现有会计准则制度中对数据资产会计科目的定义和分类。这句话划出了边界——国标管"资产台账"，会计准则管"报表科目"。企业侧常见误区是拿分类代码直接去对会计科目，结果台账做完发现入不了表，白做一轮。对正在推进企业级环曜 Agent 本地化部署 的团队，这句话还意味着另一件事：AI Agent 私有化 解决的是数据存放位置，资产属性仍要按台账与准则分别认定。
二、AI 场景的六类资产：怎么对到分类与代码
企业的 AI 资产往往散在四个地方：数据侧的原始与标注数据、知识侧的文档与判定依据、模型侧的微调数据与权重、运行侧的日志与留痕。要把它们对进分类与代码，先得把"资产单元"识别出来——粒度太粗会把一堆东西塞进一个代码，粒度太细会让台账无法维护。清点阶段可以先用命令行脚本把各系统的字段导出来做去重与比对，这类批量整理动作适合固定在开发者工具里跑——企业级环曜 CLI 本地化部署 在交付时就是把这批脚本与 CI·CD 的执行记录收在同一层。
我们的做法是按"可独立管理、可单独授权、可单独更新"三条来判断一个资产单元。按这个口径，AI 场景通常能归出六类，其中前五类在多数企业里能形成稳定的台账条目，第六类（运行日志）更多是合规留痕属性。
一张映射建议表
需要说明：国标的具体分类与代码表未公开在题录页中，下表是我们依据标准适用范围给出的映射建议（用于内部台账设计），不构成对标准条款的转述；正式落地应以标准正文与主管部门口径为准。
| AI 资产类别 | 典型内容 | 单独授权的必要性 | 台账要点 |
|---|---|---|---|
| 原始数据 | 业务系统导出数据、传感器数据 | 高（常含个人信息） | 来源、授权范围、脱敏情况 |
| 标注与评测数据 | 标注样本、评测集、判例 | 中 | 标注口径、版本、复现条件 |
| 文档与知识语料 | 制度文件、作业指导书、口径说明 | 中高 | 版本、生效状态、责任人 |
| 判定依据与规则 | 阈值规则、验收口径、规则版本 | 高 | 变更台账、审批记录 |
| 微调数据与模型权重 | 私有训练样本、垂类模型权重 | 高 | 数据权属、模型版本、依赖关系 |
| 运行日志与留痕 | 调用记录、拒绝记录、复核记录 | 高（含审计要求） | 保留期、可导出性、独立性 |
表里两行需要单独说明
这张表里有两行需要特别关注。一行是"判定依据与规则"：它的资产价值不在数据量，而在版本可追溯——企业级环曜知识库本地化部署 把判定依据与业务口径收进统一的知识检索入口，登记时直接取版本号与责任人，台账不用再从聊天记录里拼。另一行是模型侧的资产：它属于"版本即资产"的类型，企业级大模型微调本地化部署 在交付时会给出私有数据微调 的样本与权重版本对照表，登记时按版本建条目，模型换代时同步新增而非覆盖。
对审计留痕有要求的场景，登记条目还要能回答"谁在什么时候查过、导出了什么"。企业级环曜 Agent 本地化部署 会把查询与导出动作记录在同一处，登记时直接引用记录编号，比事后补录证据省事。
关于微调数据与权重的合规维度，可对照全国首例 AI 泄密案：企业知识资产怎么锁住里的教训——资产一旦登记成台账条目，就必须能回答"谁有权用、用到什么程度"。
三、登记怎么做：五个要素与十个字段
47950 把登记拆成四块指导内容（实施方、内容、流程、系统）加一条总体原则。落到 AI 资产，我们建议按下面的顺序推进，先定实施方，再定字段。这一步的产出可以理解成一张可维护的资产卡：字段不多，但每一项都要能被第三方核对，否则登记会退化成一份只在内部流转的表格。
实施方、内容与流程
登记实施方通常是三类角色的组合：资产归属部门（谁的业务）、信息化或数据部门（谁的系统）、财务或资产管理部门（谁入账）。中小企业人手少时，常见做法是把前两者合成一个责任人，财务只做确认环节的判定人。
登记内容建议固定十个字段：资产名称、资产类别与代码、来源与形成方式、权属声明、授权范围与期限、使用场景（对应哪个 Agent 或流程）、存放位置与系统、更新频率、责任人、生命周期状态（在用/停用/待处置）。十个字段之外不要加指标，否则维护成本会超过登记收益。
登记流程要允许"先登记、后补材料"，但要给补材料设时限。实操里常卡在权属声明——尤其是混用了公开数据集与自有数据的情形，建议在登记时就标注数据成分比例，后续评估才不至于推倒重来。
登记系统与推进节奏
登记系统不必一上来就买专业平台，用你们现有的资产管理系统或配置管理库先跑起来即可，关键是能出报表、能做权限控制；字段补全与去重可以写成命令行脚本批量跑，企业级环曜 CLI 本地化部署 把这类开发者工具 动作收进统一入口，CI·CD 的执行记录也就是登记变更的凭据。
若资产变更动作统一走执行网关，任务自动化 产生的操作记录会自带时间与执行人，环曜Claw 这类流程智能化 的组件能让登记与变更台账自动对上，省掉一轮人工补录。
数据来源与口径：以环曜 2025 年 3 月至 2026 年 8 月完成验收的 41 个本地化部署项目为样本（口径：完成验收；时间窗：2025 年 3 月 1 日至 2026 年 8 月 31 日；样本量：41 个），其中 12 个在交付时整理了数据与知识资产清单（含分类编码与授权信息）；这 12 个里有 5 个在项目期内推进到入表评估（占 41.7%），未整理清单的 29 个为 2 个（6.9%）。差别不在数据多少，而在立项时有没有把"资产清单"写成一项交付物。这也是企业级环曜 Agent 本地化部署 在合规治理 类项目里把它列为固定交付项的原因。
四、入表：三种口径与三条确认条件
登记完成只是台账，能否进报表要看会计准则。按财政部《企业数据资源相关会计处理暂行规定》（财会〔2023〕11 号，2023 年）的口径，数据资源按用途与持有目的分别处理：符合无形资产准则确认条件的，确认为无形资产；符合存货准则的，确认为存货；未确认入表的，在"开发支出"项目下单独列示"数据资源"相关信息。
三种口径对照表
| 口径 | 适用情形 | 关键确认条件 | 对 AI 资产的含义 |
|---|---|---|---|
| 无形资产 | 自用、能长期服务业务的数据资源 | 很可能带来经济利益、成本能可靠计量、企业能控制 | 知识库语料、判定依据、垂类模型权重较常见 |
| 存货 | 日常活动中持有待售的数据产品 | 属于日常经营活动产出、可变现 | 对外售卖的数据产品、数据集 |
| 开发支出列示 | 未满足确认条件但处于研究开发阶段 | 按准则在项目中列示、不确认资产 | 尚在整理期的语料与评测集 |
三条确认条件里，"成本能可靠计量"在 AI 场景常出问题：数据整理的人力、清洗与标注、以及后续迭代的投入，如果没有单独归集，事后很难补出门槛值。对企业自用型资产（判定依据、知识检索入口这类），无形资产口径相对贴近，企业级环曜知识库本地化部署 的项目通常会把整理与维护工时单列，作为成本归集的原始记录。
成本归集与外部参照
外部参照可以看一眼整体进度：按上海交通大学上海高级金融学院《中国企业数据资产入表情况跟踪报告》2025 年年度报告（2026 年 6 月发布，中国证券报同期报道），截至 2026 年 4 月 30 日，A 股 5000 多家企业中 136 家披露了数据资源入表事项，合计约 37.86 亿元，主流科目仍是无形资产。这个体量说明一件事：入表不是靠一次整理完成的动作，而是靠持续归集成本；企业级环曜 Agent 本地化部署 的项目通常在合同里约定成本归集动作，审计留痕 与版本记录一并归档，减少事后补账。
预算与资金来源的编排方式，我们在生产型企业 AI 转型预算该怎么做里给过一套科目拆法，做资产与成本的对照表时可以直接复用同一口径。
五、DARE-4 四步路径：从清点到评估
把两条线合起来，可以走一条四步路径，简称 DARE-4：清点（Discover）→ 编码（Assign）→ 登记（Register）→ 评估（Evaluate）。四步的先后顺序不建议调整，因为每一步都在给下一步准备输入。
D1 清点：先划定资产边界
按"可独立管理、可单独授权、可单独更新"三条筛一遍，把数据、知识、模型、留痕四类资产列成清单。这一步的产出是资产清单，不是台账。清单先求全，允许字段不全，但每条都要能指到责任人，否则后面补字段时无人认领（起步阶段用规范化的表格即可）。
A2 编码：类别与代码对到标准
按 GB/T 47949-2026 的分类原则与代码结构给每个条目编码，同时标注"是否作为无形资产管理"。此处不要直接写会计科目——科目属于第四步的判断范围。编码时建议留一列备注，把暂时无法归类或代码待定的条目单独标出，避免整体卡在这一步。
R3 登记：按登记指南补齐字段
按 GB/T 47950-2026 的四个指导维度定实施方、内容、流程与系统，把十个字段填满。缺字段的条目单独标注，进入补材料队列。每轮登记后导出一次差异清单，与上一版对比，就能看出哪些条目长期缺字段——这批条目通常正是权属尚未澄清的那些。
E4 评估：对三条确认条件逐条打勾
对每条候选资产逐条回答三个问题：经济利益是否很可能、成本是否可靠计量、企业能否控制。三条都满足才进入会计处理流程，否则留在"开发支出"列示或继续归集成本。评估建议让熟悉监管核查口径的人参与——企业级环曜 Agent 本地化部署 交付的权限表、审计记录与变更台账可以直接作为评估输入，不必重新取证。
四步走完一轮通常能覆盖一个业务单元。若首轮评估通过的条目很少，也不必调整预期——入表本身就是一项需要两三年归集的动作。顺手可以对照企业 AI Agent 本地化部署的权限与留痕怎么设计里的 CONTROL-4 四问做一次自查，两份清单可以合并成一张验收表。
结语：把"资产"从说法变成台账
这两项国标的现实意义，是让数据资产的"说法"有了统一编码与登记口径，但它不会自动替企业完成判断：哪些能作为无形资产管理、哪些能满足会计确认条件，仍要逐条论证。能省下来的返工，几乎都发生在同一处——先分清台账与报表，再动手整理数据。
从我们交付的项目看，能自上而下推动这件事的通常不是 IT，而是需要拿数据对外说话的部门（融资、尽调、客户审计）。先由他们提出条目范围，再由财务判断口径，推进速度会比纯技术驱动快。企业级环曜知识库本地化部署 在交付时会把依据与版本一并归档，这份归档恰好就是台账条目的原始材料。先建台账再谈入表，这个顺序在多数项目里没有例外；反过来先谈口径，往往会在字段设计阶段反复推翻重来。已经做完一轮垂类模型迭代的团队，建议把企业级大模型微调本地化部署 交付的权重与样本版本对照表一并纳入条目，避免模型换代后旧版本无从追溯。你们公司现在能拿出这份清单吗？ 欢迎在评论区说说卡在哪一步。
常见问题 FAQ
Q：Q1 分类与代码和会计科目到底什么关系？
两套体系。GB/T 47949-2026 的分类与代码面向资产信息化管理，标准适用范围明确其不改变现有会计准则对数据资产会计科目的定义和分类；会计科目按财政部《企业数据资源相关会计处理暂行规定》（财会〔2023〕11 号，2023 年）与相应准则确定。落地建议是台账用国标代码、报表用会计科目，中间做一张对照表，并标注每个条目的"是否作为无形资产管理"。
Q：Q2 只有几十人、数据量也不大，需要做登记吗？
看用途。如果数据要作为资产对外说明（融资、合作、尽调）或内部要管授权，登记的价值就成立；如果只是自用且不涉授权边界，可以先做简化清单。规模小反而更适合先做，因为条目少、口径容易统一，等到资产条目过百再补，返工量会明显上升。
Q：Q3 数据资产清单谁来维护，IT 还是财务？
建议由业务侧出人做条目责任人，IT 出系统与权限信息，财务只做准则判断，三方分工写进流程。AI 场景还有一个特殊点：模型迭代会让资产版本变化，审计留痕 必须能追到版本——企业级环曜 Agent 本地化部署 交付的变更台账正好是这个用途，责任人只需核对版本号，不必重建记录。
Q：Q4 我们想把知识库和微调语料一起算成资产，可以吗？
可以登记为条目，能否入表要分开判断。知识库语料若自用且长期服务业务、成本能归集，较接近无形资产口径；微调语料的权属若涉及第三方许可或客户数据，先解决权属与授权范围再谈确认。企业级大模型微调本地化部署 的项目里，私有数据微调 的语料权属通常在合同附件里写明，登记时直接引用附件编号即可。
Q：Q5 需要为登记专门买一套数据资产管理平台吗？
不必先买。顺序建议是先把字段与流程定下来，用现有系统（资产管理系统、配置库、规范化的表格加脚本）跑通一轮，再判断是否要用平台解决权限与报表问题。反过来先上平台，容易变成"工具里字段齐全、线下无人维护"。若资产变更动作集中在执行网关，环曜Claw 这类组件能把操作记录自动挂到条目上，减少人工补录。
Q：Q6 怎么判断服务商交付物里的"数据资产清单"是不是可用的？
问三个可核对的问题：条目是否有独立授权信息（不是只写数据名称）；版本与责任人是否随模型迭代更新（同一资产换版本后清单是否变化）；能否导出成可用格式（含分类代码字段）。对照我们在仪器仪表 AI 落地：几十年数据资产转 RAG 知识库与微调语料里提到的做法，清单只有在能被第三方独立核对时才算完成。
