科技券AI人工智能项目申请实务要点
科技券（Technology Voucher Programme，TVP）是香港生产力促进局（生产力局）辖下的资助计划，资助中小企使用科技方案提升生产力。自计划启动以来，AI 人工智能相关项目一直是申请热门，但也是被拒率较高的类别。AI 项目周期长、技术不确定性强、价格弹性大，写方案时若套用 ERP 或 CRM 的模板，往往在审批与验收两端都遇到阻力。本文整理 AI 项目的实务要点，供准备申报的中小企参考。
资助上限与比例以生产力局及创新科技署最新公布为准。截至本文撰写时，每家企业累计资助上限为港币 30 万元，政府承担 75%，企业自付 25%。
一、TVP 资助范围与 AI 项目的边界
1.1 哪些 AI 项目符合资格
科技券对”科技方案”的定义涵盖预先制成品与订制方案两类：
- 预先制成品：市场上有标准产品可购的 AI 模块，例如现成 OCR 票据识别 API、智能客服 SaaS、影像辨识工具等。优点是开发风险低、报价透明、批核率高。
- 订制方案：需要根据企业自身业务流程开发的 AI 模型或系统，例如专属行业的瑕疵检测模型、内部知识库的检索增强生成（RAG）方案等。技术含量高，但审查更严。
1.2 不在资助范围的支出
以下费用在 TVP 框架下通常不予资助，AI 项目中常见踩坑：
| 不获资助项目 | AI 项目中的常见情形 |
|---|---|
| 一般运营成本 | GPU 云服务器的”日常”使用费（非项目专属） |
| 现有设备维修保养 | 已采购模型的常规 retraining 费用 |
| 办公室自动化设备 | 单纯购买 ChatGPT 类通用订阅账号 |
| 与业务无关的开支 | 公司行政人员参与 AI 培训的内部工时 |
| 消费类电子产品 | 一次性购买大量消费级显卡用于非项目用途 |
关键判断标准：开支必须直接归因于本项目，并具备明确的”创新或提升生产力”成分。
二、AI 项目立项的三个必备模块
TVP 审批讲求逻辑链完整。一个能获批的 AI 方案，应当清晰呈现 诊断 → 方案 → 落地 三段式结构。
2.1 模块一：业务痛点诊断（Diagnostic）
这是 AI 项目最容易被忽略、却最关键的部分。审批方要看的是：
- 现有流程的具体问题：不要写”提升效率”，要写”目前人工处理客户索赔单需每张 8 分钟，错误率约 4%”。
- 量化基线数据：以数字呈现痛点的体量与频率。处理量、错误率、人力成本、客户投诉宗数等都是常用指标。
- 痛点的可持续性：若问题因临时因素产生，AI 方案就缺乏立项依据。
2.2 模块二：AI 解决方案设计（Solution）
把痛点对应到具体技术手段：
| 业务痛点 | 可行的 AI 方案 |
|---|---|
| 大量非结构化文档处理 | OCR + NLP 抽取 + 自动分类 |
| 客服重复问题占比高 | 智能客服 / 检索增强生成（RAG） |
| 质检靠人眼、漏检率高 | 计算机视觉瑕疵检测模型 |
| 销售线索转化低 | 客户分群 + 流失预测模型 |
| 内部知识查找困难 | 企业级知识库 + 向量检索 |
注意：方案描述必须与 AI 技术实质相关。仅使用传统规则引擎或简单 if-else 脚本包装的”伪 AI”项目，近年审查趋严，被要求补充说明甚至退回。
2.3 模块三：落地交付与验收指标（Delivery）
TVP 项目结束时要提交成果证明，AI 项目需预设可量化交付：
- 模型指标：准确率 / 召回率 / F1 分数等，附验证数据集说明。
- 业务指标：处理时长缩短百分比、人力节省工时、错误率下降幅度。
- 交付物清单：源代码、模型权重、部署文档、用户培训记录、上线系统截图等。
实务建议：在项目报价中明确列出”项目验收时将提供 XX 模型指标报告 + XX 业务 KPI 对比表”，让审批人预先看到闭环。
三、AI 项目报价的常见结构
3.1 合资格的开支类别
AI 项目在 TVP 下通常归入以下科目（具体比例以当季指引为准）：
| 开支类别 | 涵盖内容 | 占比参考 |
|---|---|---|
| 科技方案费用 | 模型开发、定制软件、API 集成 | 项目主体 |
| 硬件设备 | 与项目直接相关的 GPU 服务器、边缘计算设备 | 一般为辅助 |
| 培训费用 | 让员工学会使用新系统的专门培训 | 通常设上限 |
| 咨询费用 | 顾问撰写方案、项目管理咨询 | 通常设上限 |
3.2 不应出现的报价方式
- 未拆分的人工时数：写”开发费港币 25 万”而不附明细，会被要求补件。
- 过度保守的”打包价”：所有费用合并成一项，审批无法判断合理性。
- 明显偏高的”行业溢价”：AI 项目报价需与供应商过往案例对照，若远高于市场水平可能触发核价。
实务建议：要求供应商按”人月 × 单价 + 模块功能清单”的方式报价，必要时附 2 家供应商的报价对比。
四、AI 项目常见雷区与应对
4.1 数据准备不足
AI 模型高度依赖数据质量。立项时若承诺用 6 个月时间收集、整理、标注数据，应在方案中明确说明：
- 数据来源（自有一手数据 / 公开数据集 / 第三方授权）
- 数据规模与标注规范
- 数据合规安排（涉及个人资料须符合《个人资料（私隐）条例》）
雷区：方案写”将用 AI 提升客户体验”，但客户数据来源、隐私合规安排一片空白。这种项目在审批阶段就会被标记。
4.2 指标承诺过于乐观
审批方看过太多”准确率 99%”“完全替代人工”的承诺。AI 项目在不确定的数据与场景下，承诺过高反而带来风险：
- 立项时承诺 99%，最终验收只能交出 85% → 视为项目不达标。
- 立项时承诺 90%，最终交出 92% → 验收顺利。
建议：方案中给出”合理区间”，例如”目标准确率 85%–92%，以最终验证集结果为准”，留出工程弹性。
4.3 项目周期过短或过长
- 过短（如 3 个月）：AI 项目尤其是订制模型，3 个月往往无法完成数据准备、训练、验证、部署全流程。
- 过长（如 18 个月）：TVP 项目一般需在 12 个月内完成，过长会被要求重新评估。
实务经验：6–9 个月是大多数 AI 项目的合理区间。
4.4 供应商资质存疑
TVP 对顾问 / 供应商的资质有基本要求。AI 项目尤其需要考察：
- 供应商过往 AI 项目案例（最好同行业）
- 团队中具备 AI 相关技术背景的核心人员
- 是否能交付源代码、模型权重等技术资产
五、从立项到验收的时间线参考
以下为一般 AI 项目的参考节奏，实际节点以生产力局最新公布为准：
| 阶段 | 关键动作 | 预估时长 |
|---|---|---|
| 准备期 | 痛点梳理、供应商比价、初步方案撰写 | 1–2 个月 |
| 申请期 | 提交申请、回应秘书处提问、签订资助协议 | 1–3 个月 |
| 执行期 | 数据准备、模型开发、测试、部署、培训 | 6–9 个月 |
| 验收期 | 提交成果报告、审计证明、终期款项拨付 | 2–4 个月 |
总周期通常 12–18 个月。资金拨付分两期：项目启动时拨付部分款项，验收合格后拨付余额。
六、申请前的自检清单
在提交申请前，可对照以下清单逐项确认：
- 痛点描述有量化数据支撑
- AI 方案与痛点对应，技术路线清晰
- 预算拆分到开支科目，附至少 1–2 家报价单
- 项目周期在 12 个月内，每个阶段有明确交付物
- 数据来源、合规安排已写入方案
- 验收指标设定在合理区间
- 供应商具备可验证的 AI 项目经验
- 企业自付 25% 部分已有现金流安排
七、结语
TVP 是中小企引入 AI 的重要资金杠杆，但 AI 项目的特殊性意味着不能照搬传统 IT 项目模板。把”诊断-方案-落地”三段逻辑写扎实，把数据、合规、指标三件套说清楚，是 AI 项目在 TVP 框架下顺利获批与验收的关键。
本文涉及的资助上限、资助比例、申请资格等具体数字，以生产力局及创新科技署最新公布为准。建议企业在正式递交前，预约生产力局顾问进行一对一方案评审。
更多关于香港资助计划、人才签证、营商注册的实务指南，请持续关注 香港大全。
常见问答
科技券申请 AI 项目与企业自购 ChatGPT 账号有何区别？为什么后者通常不获资助？
文章明确指出，单纯购买 ChatGPT 类通用订阅账号属于”办公室自动化设备”或”一般运营成本”范畴，不在科技券资助范围内。科技券要求开支须直接归因于本项目，并具备”创新或提升生产力”成分，因此使用通用订阅账号难以满足审查要求。AI 项目若要符合资格，通常需要采用具备行业针对性的订制方案，或将现成 AI 模块整合到具体的业务流程中并产生可量化的业务改进。
立项书里只写”提升效率”会被打回吗？痛点描述要写到多细？
文章强调，AI 项目最容易被忽略、却最关键的是”业务痛点诊断”模块。”提升效率”这类笼统表述会被视为缺乏立项依据；审批方期望看到的是具体数字，例如”目前人工处理客户索赔单每张需 8 分钟，错误率约 4%”。建议在痛点描述中提供处理量、错误率、人力成本、客户投诉宗数等量化基线，并说明痛点的可持续性，避免因临时因素导致方案缺乏立项基础。
AI 项目验收时需要提交哪些技术交付物？模型指标要承诺到什么程度？
文章列出 AI 项目的常见交付物包括模型指标报告（如准确率、召回率、F1 分数）及其验证数据集说明、业务 KPI 对比表、源代码、模型权重、部署文档、用户培训记录与上线系统截图等。指标承诺方面，文章建议避免”准确率 99%”“完全替代人工”等过高承诺，改为设定合理区间（例如”目标准确率 85%–92%，以最终验证集结果为准”），为工程实施留出弹性，也有助于项目顺利通过验收。
申请科技券 AI 项目时，项目周期应该怎么定？
文章给出的实务经验是 6–9 个月为大多数 AI 项目的合理区间。TVP 项目一般需在 12 个月内完成，过短（如 3 个月）难以覆盖数据准备、训练、验证、部署全流程，过长（如 18 个月）则会被要求重新评估。具体执行节奏还应结合数据准备、模型开发、测试、部署与培训等阶段分别估算，并在方案中为每个阶段列出明确交付物。
怎样判断 AI 项目的报价是否合理？需要准备几份报价单？
文章建议要求供应商按”人月 × 单价 + 模块功能清单”的方式拆分报价，避免出现未拆分人工时数、过度保守的”打包价”或明显偏高的”行业溢价”等情况。AI 项目报价应与供应商过往案例对照，若远高于市场水平可能触发核价。实务上建议在申请时附上至少 1–2 家供应商的报价对比，便于审批方判断价格的合理性。