Fintech AccountingFintech Accounting

·Fintech Accounting

Бухгалтерия AI-стартапа в Эстонии: что делать со счётом за GPU

Крупнейшая статья расходов AI-стартапа после зарплат – это, как правило, вычисления, и то, как они классифицированы, определяет, какой валовую маржу компании увидят инвесторы. Инференс, обслуживающий платящих клиентов, – себестоимость; обучающие прогоны и эксперименты – R&D. Ошибитесь в разбивке – и история про маржу из питч-дека развалится на due diligence. В этом посте – бухгалтерия AI-стартапа на эстонском OÜ: классификация расходов на GPU, капитализация или списание разработки моделей, почему эстонский налог 0% на нераспределённую прибыль подходит компаниям с большим аппетитом к вычислениям, учёт грантов и Horizon Europe, признание usage-based выручки и инвесторская отчётность, которую должна выдавать AI-компания на seed+.

GPU-расходы – это себестоимость или R&D?

Честный ответ: и то и другое, и эта разбивка важнее почти любого другого бухгалтерского решения AI-компании. Вычисления, напрямую обслуживающие платящих клиентов, – инференс для продакшн-запросов к API, хостинг развёрнутых моделей – относятся к себестоимости и, соответственно, снижают валовую маржу. Вычисления, потраченные на обучающие прогоны, эксперименты с дообучением и внутренние исследования, – это операционные расходы на R&D, и валовую маржу они не трогают. Две компании с одинаковыми банковскими выписками могут показать разницу в валовой марже в 40 пунктов только из-за этой классификации.

Инвесторы это знают, поэтому команды due diligence на seed и Series A проверяют именно разбивку. Защитимый подход – механический, а не повествовательный: пометьте вычисления на уровне инфраструктуры (отдельные проекты или аккаунты для продакшн-инференса и для обучения), пусть главная книга наследует эти метки, и один раз задокументируйте политику. Когда вашу валовую маржу оспорят на встрече с партнёрами, фраза "вот разбивка облачного биллинга, сопоставленная строка к строке" закрывает разговор так, как "мы оцениваем примерно 60/40" не закроет никогда.

Капитализировать разработку моделей или списывать в расходы?

Стандарты учёта позволяют капитализировать затраты на разработку как нематериальный актив при соблюдении строгих критериев: техническая осуществимость, намерение и способность завершить, вероятная будущая экономическая выгода и надёжно измеримая стоимость. На практике большая часть работы AI-компании на ранней стадии – это исследования и эксперименты, которые эти тесты не проходят и должны списываться по мере возникновения. Агрессивная капитализация украшает P&L текущего года, но создаёт актив, который надо амортизировать и который может обесцениться в момент, когда модель устареет, – а в AI это случается уже через квартал.

Наш совет по умолчанию для AI-компаний на seed-стадии – списывать разработку моделей в расходы, если только нет конкретного долговечного актива с ясной связью с выручкой, и уметь объяснить выбор инвестору одним предложением. VC обычно предпочитают чистый консервативный P&L балансу, раздутому самодельными нематериальными активами. Для раунда важна не бухгалтерская косметика, а то, что подход последователен, задокументирован и выдерживает вопрос на due diligence.

Как эстонский налог 0% на нераспределённую прибыль помогает AI-компании?

Эстония взимает налог на прибыль в размере 22% только при распределении прибыли. Прибыль, остающаяся в компании и реинвестируемая в GPU, обучающие прогоны и команду, облагается по ставке 0% до момента выплаты. Для AI-стартапа это структурное преимущество: каждый евро маржи, который генерирует продукт, можно вернуть в вычисления без налоговой утечки посередине. Прибыльная AI-компания в классической налоговой системе сначала платит корпоративный налог и реинвестирует остаток; эстонское OÜ реинвестирует валовую сумму.

Та же логика работает и в венчурном случае. Компании с VC-финансированием почти никогда не распределяют прибыль до экзита, а значит, эстонский режим фактически откладывает корпоративный налог на всю фазу роста. В сочетании с минимальным уставным капиталом 1 €, e-Residency для удалённых основателей и одним обязательным годовым отчётом в RIK административная нагрузка структуры мала по сравнению с тем, что она даёт. Дисциплина, которую она требует, – нормальный ежемесячный учёт, потому что на нём стоят и годовой отчёт, и любой будущий due diligence.

А что с грантами и финансированием Horizon Europe?

AI – одна из самых щедро финансируемых областей в европейских грантовых программах, и эстонские компании регулярно используют конкурсы Horizon Europe, национальную инновационную поддержку и программы экосистемы вокруг Startup Estonia. Грантовые деньги – это хорошо, но это не выручка: обычно они признаются как целевое финансирование (отложенный доход) и переносятся в P&L по мере возникновения субсидируемых затрат, а каждый грант несёт правила приемлемости расходов, доли софинансирования и сроки отчётности, которые учёт должен поддерживать с первого дня.

Практическое требование – раздельный учёт затрат: финансируемые грантом вычисления, зарплаты и субподряд должны быть идентифицируемы в главной книге, как правило по проектам, с табелями учёта времени там, где заявляются расходы на персонал. Достраивать это задним числом к моменту отчёта мучительно, а замечания аудита могут привести к возврату средств. Если грант на подходе, структуру проектного учёта надо поставить до того, как потрачен первый евро, – это ровно та настройка, которую специализированный бухгалтер делает за один вечер, а генералист обнаруживает на год позже, чем нужно.

Как признавать usage-based выручку?

Большинство AI-продуктов тарифицируются по использованию: за токен, за API-вызов, за место плюс потребление. Принцип учёта: выручка признаётся по мере фактического использования, что хорошо сочетается с биллингом по факту. Пакеты предоплаченных кредитов – случай, за которым надо следить: деньги, полученные за кредиты, остаются отложенной выручкой, пока клиент их реально не потребит, а неиспользованные кредиты висят в балансе как обязательство. Если кредиты сгорают, политика сгорания определяет, когда оставшийся остаток можно наконец признать выручкой.

Usage-based модели к тому же размывают понятие MRR, поэтому инвесторские метрики требуют аккуратности: законтрактованные обязательства, темп потребления и удержание чистой выручки на базе потребления рассказывают настоящую историю. Главная книга должна уметь выдавать выручку по клиентам и месяцам прямо из данных метеринга, сверенных с платёжным процессором. Именно этот единый конвейер – метеринг, счёт, главная книга – заставляет и аудитора, и аналитика раунда A доверять строке выручки.

Что ждут инвесторы, когда burn определяется вычислениями?

Burn AI-компании на seed+ устроен иначе, чем у классического SaaS-стартапа: вычисления могут сравняться с фондом оплаты труда или превысить его, и растут они с экспериментами, а не с численностью команды. Поэтому инвесторы ждут отчётности по burn, которая отделяет вычисления от людей и показывает юнит-экономику на единицу использования: стоимость тысячи API-вызовов, маржу на клиента и то, как затраты на обучение соотносятся с вехами роадмапа. Одна смешанная цифра burn прячет ровно то, что AI-инвестор пытается оценить: прибыльно ли предельное использование.

TechAccounting встраивает это в ежемесячное закрытие для AI-клиентов: P&L с защитимой разбивкой вычислений на себестоимость и R&D, burn и runway от фактических денег, план против факта, проектный учёт грантов и зарплатный учёт ESOP через TSD. Бухгалтерия с фиксированной ценой начинается от 499 € в месяц, Compliance – 1 500 €, Fintech & AML – 3 000 € для регулируемых моделей, консультация – 150 € в час. Цель проста: когда ваш ведущий инвестор спросит, как счёт за GPU проходит через учёт, ответ уже будет лежать в data room.