文號：注協簡報〔2025〕第31期

2025年6月30日，北京注冊會計師協會行業發展戰略委員會舉辦“人工智能賦能注冊會計師行業發展”研討會，會議由安永華明會計師事務所（特殊普通合伙）承辦。北京市科委有關同志，北京注協行業發展戰略委員會、信息化建設委員會及北京評協信息化建設委員會委員，安永、畢馬威、德勤、天職國際、信永中和、致同等16家會計師事務所代表匯聚一堂，以“研判趨勢、交流經驗、破解難題、增進合作”為主題，共同探索人工智能如何賦能注冊會計師行業發展。協會深改辦主任、北京評協副會長汪寧，北京注協副會長、安永華北區主管合伙人張明益和北京注協行業發展戰略委員會主任委員、天健資深顧問周重揆參會。

會議由北京注協行業發展戰略委員會委員、安永華北區審計服務主管合伙人鐘麗主持。安永科技風險與數據智能服務合伙人張翠玲、畢馬威中國信息技術審計主管合伙人董常凌、天職國際研發部門負責人李銘楊以及信永中和研發創新委員會主席周峰分享了所在事務所AI應用實踐的現狀及未來應用AI面臨的挑戰，百度智能云金融業務部解決方案總監梁俊鋒為注冊會計師行業同仁介紹了最新AI科技服務解決方案。德勤人工智能研究院主管合伙人范為、致同審計合伙人趙冉及主題演講嘉賓共同在圓桌會議環節，充分就AI應用的挑戰進行了探討。

現將本次研討會主要成果綜述如下：

一、人工智能賦能注冊會計師行業發展的機遇和挑戰

張明益在開場致辭中表示，人工智能是引領新一輪科技革命和產業變革的重要驅動力，廣泛滲透至各行各業。在算法創新、算力基礎與數據資源協同演進的驅動下，人工智能技術的感知、認知與決策能力不斷增強，不僅對傳統產業結構與運行邏輯構成沖擊，也為包括注冊會計師行業在內的知識密集型服務領域帶來重大變革。人工智能技術應用已經逐漸滲透到會計準則智能檢索、大數據分析和智能審計，舞弊風險智能識別和防范、智能底稿和報告撰寫、智能質量檢查等審計工作各個環節，不僅帶來了效率的飛躍、成本的優化，更為行業的轉型升級開辟了全新路徑。然而，機遇與挑戰并存，技術的快速迭代也引發了我們對職業邊界、數據安全、倫理規范等問題的深刻思考。注冊會計師行業肩負著維護經濟秩序、保障信息真實的重要使命，在人工智能浪潮的推動下，行業同仁需要以開放的胸懷擁抱變革，以創新的思維應對挑戰。

周重揆在致辭中強調了委員會開展人工智能與注冊會計師行業發展協同調查研究和舉辦此次研討會對行業發展的重要意義。他認為，當前探討AI對審計行業的影響尤為關鍵，呼吁行業積極應對變革，共同構建高效、透明、可信的生態，為推動北京注冊會計師行業的智能化升級注入新動力。

二、人工智能在注冊會計師行業應用實踐分享

（一）安永在AI領域的應用情況

張翠玲在分享中，圍繞AI整體規劃、應用場景、安全合規等方面，詳細闡述了安永在AI領域的思考與探索。

1.在整體規劃上，安永認為AI發展迅速，需做好兩到三年的項目投資、技術路徑等規劃，同時配套建設安全隱私、風險合規等體系，完善治理架構、組織流程等。安永部署統一的AI底座平臺，涵蓋基礎資源、工程平臺、通用工具及數據管理體系，并根據客戶需求選擇公有云、私有云或本地私有化等基礎設施部署方式。

2.在技術架構上，安永以知識向量庫與原數據存儲庫協同作為AI平臺底層架構，搭建包含低代碼組件、模型管理組件等多種組件的AI工程平臺，以解決模型知識滯后、幻覺等問題，滿足內外部AI場景應用需求。

3.在應用場景上，呈現多樣化。知識問答類從通用知識拓展到審計等專業領域；智能分析類輔助代碼編寫，自動生成投標材料等；功能代理類則探索開發能自主完成復雜任務的工具，如business 360報告分析。此外，安永還規劃統一用戶入口，方便員工和外部客戶使用AI工具。

4.成本收益評估不可或缺。安永通過ROI評估，優先開展技術難度低、ROI高的項目，如業務線對外服務知識庫、內部運營輔助等，部分項目已有成功實踐。

5.數據安全是重中之重。安永構建數據安全合規體系，要求AI實施團隊在安全合規框架下開發應用，嚴格數據存儲與授權，規范AI應用管理，禁止使用外部AI系統處理工作事務，嚴禁用敏感數據進行模型訓練，并通過培訓、完善公司管理規范等措施保障數據安全。安永在AI領域的探索，是基于自身數字化審計和研發能力，旨在提升審計效率、降低成本、提供更有價值的服務，同時也注重風險防控，確保AI應用安全、合規、可控。

（二）畢馬威探索與實踐

董常凌圍繞人工智能與審計行業，分享了人工智能對審計行業工作性質及流程的影響、人工智能在審計中的具體應用案例，以及人工智能應用面臨的痛點和挑戰。

1.人工智能對審計行業工作性質及流程的影響

審計工作性質的變化。一是從“合規性審計”轉向“風險導向審計”，借助機器學習算法識別潛在風險模式，審計人員得以聚焦高風險領域，變被動合規為主動風險管理。二是從局部審計邁向全面審計，突破傳統抽樣審計的時間與成本限制，通過大數據分析實現全量數據覆蓋，提升審計的全面性與精準度。三是從人工驅動轉為技術驅動，自動化技術處理大量數據，減少人工工作量，讓審計人員專注于高價值的分析與判斷。

審計工作流程的變化。數據采集與處理實現自動化，從企業財務系統、ERP系統等自動提取數據，減少錯誤與時間消耗，同時快速清洗整合非結構化數據，提升數據質量。異常檢測與分析更智能，利用算法自動識別異常交易與舞弊行為，通過機器學習模型預測風險并預警。

審計效率與質量的提升。在效率方面，借助 AI 技術，其可快速處理大量數據以縮短審計時間，且自動化工具能減少人工操作錯誤；在質量方面，審計人員可更全面地分析數據，降低抽樣審計的局限性，還能發現傳統方法難以識別的復雜問題，如隱藏的關聯方交易或復雜舞弊行為。

審計人員角色的轉變。從執行者轉型為分析師，需掌握數據分析、機器學習等技能，且跨領域知識需求增加，需涉獵數據科學、網絡安全等領域。

2.人工智能應用實踐案例

董常凌分享了畢馬威國際在人工智能應用方面的兩個案例。如香港地區應用的人工智能交易評分模型，對每筆交易進行風險評分，依托 13 個控制點（含 6 個進階控制點與 7 個規則控制點）實現風險分級；KPMG Clara AI Chat 功能豐富，可提取總結關鍵數據、生成流程圖、輔導審計質量、對比文檔差異等，全方位助力審計工作。

   3.AI 應用的痛點和挑戰

AI應用面臨多重挑戰。本地事務所部署時，存在數據安全隱私、技術與業務融合、技術選型、投資回報不確定及復合型人才稀缺等問題。AI 技術本身，尤其是生成式 AI，存在結果透明度與可解釋性不足的問題。對畢馬威中國而言，境內外 AI 生態差異帶來挑戰，如境外 AI 模型與云服務在境內不適用，且需滿足中國更高的安全標準。總體而言，人工智能為審計行業帶來巨大變革機遇，但需克服挑戰以實現可持續發展。

（三）天職國際在AI領域的投入與應用情況

李銘揚介紹，天職國際自2020年起積極推進數智化轉型，深度融入戰略規劃與質量管理目標體系，累計投入3.5億元，目前整體處于由數字化向智能化跨越的關鍵階段，2025年數智化轉型預算投入為4500萬元，其中智能應用建設預算約600萬元。

李銘揚認為，從技術發展周期來看，生成式人工智能正處在加速進入“冷靜沉淀”期，預計2-5年進入“成熟生產”階段，天職國際認為2-3年可能性較大，因技術進化速度高于互聯網時期。當下行業領軍者應組建專門隊伍進行場景的POC，驗證AI應用的準確性和穩定性后再規模化投入，且要關注問題的解決方案而非盲目追求使用AI解決所有問題，同時應當堅定的投資基礎設施以支持數據治理和模型部署。

2025年被視為“智能體元年”，智能體是能感知環境并行動以實現目標的代理體，具備自主性、適應性和交互能力。Anthropic提出的MCP協議框架相當于大模型時代的USB協議，讓大模型可按標準接入智能工具，目前OpenAI、Google、阿里等模型服務商已宣布適配該協議。谷歌在2025年宣布開源首個標準智能體交互協議A2A，該協議確立Client Agent核心地位，打破信息孤島，提升智能體協同能力、拓展能力邊界和執行效率。

天職國際人工智能應用路線圖規劃非常清晰，2024年3月完成智能化轉型規劃，5月召集各分所代表挖掘應用場景并每半年更新；2025年3月提前完成AI能力底座與應用平臺建設，4月推進知識底座建設，其能力層基本就位，正在進行前端功能的開發；6月進行單智能體應用及工具箱構建，已完成文檔處理、報表分析智能體和Office插件工具等開發；12月計劃完成垂類多智能體應用建設；天職計劃于2026年6月基于微調訓練垂類專家模型，打造具備初級審計員能力的智能審計助手。

天職國際應用平臺框架設計完善，應用層有合同/報表審計、風險分析、智能問答等；知識服務層含知識庫、知識圖譜等；大數據基礎與中間層涉及數據倉庫、實時/離線計算等；基礎設施層包括私有云中的算力、存儲單元等，且模型私有化部署在阿里云的私有云中，保障數據安全。

此外，天職國際重視數智化人才培養，培訓部聯合多部門推出課程體系，涵蓋基礎科普、工具使用、編程入門等，助力作業人員適應數智化審計模式，儲備數智化人才。

（四）信永中和對AI領域的洞察與實踐

周峰主要從大模型對于行業的沖擊和影響、大模型在企業端應用的挑戰和困難以及信永中和在AI應用方面的嘗試和案例等三個方面展開分享。

1.大模型對行業的沖擊與影響

大模型在GPQA測試中表現已超專業博士水平，如Sonnet達87.7%，接近人類領域專家（65%）。但在財務、稅務等專業領域及中國本土環境理解上存在不足，需解決知識體系構建和回答準確性判斷問題。

DeepSeek作為全球LM Arena競技榜唯一開源的第一梯隊模型，在數學推理、編程能力上可與國際巨頭比肩。其開源策略降低行業應用門檻，推動央國企超55%的AI采購傾向搭載DeepSeek的硬件與開源環境。其MoE架構通過動態激活相關參數降低運行成本，為行業將專家經驗、準則邏輯融入模型訓練提供技術路徑。

2.大模型在企業端應用的挑戰與困難

企業端應用存在數據安全和跨界人才缺失兩大瓶頸。企業核心數據未參與模型微調，導致通用模型難滿足專業需求；技術與業務跨界人才缺失，阻礙專業知識與技術融合。

落地面臨三大挑戰：開放場景下模型“幻覺”問題與專業場景對輸出確定性的要求存在矛盾；場外開源模型（如DeepSeek、千問）與企業內部知識融合需復雜工程實現；多節點Agent流程可靠性低，如10節點成功率僅30%，需聚焦固定場景實現AI功能。

3.信永中和AI應用嘗試與案例

信永中和構建了“私域AI工廠”，以GPU資源和算力調度為基礎，整合專業知識、專家經驗等，產出貿易風險判斷、工程竣工報告審核等應用。收集244個場景需求，落地89個，涵蓋知識庫構建、文檔處理、數據分析、流程優化和風險預警。

典型應用包括：關聯關系分析系統，整合工商、股權等數據構建圖譜，識別企業/個人關聯關系；合同要素提取工具，結合OCR與大模型理解能力，提取合同關鍵信息；舞弊風險識別系統，整合85萬條外部數據與專家邏輯；財務分析Chat DI產品，以對話形式生成分析報告，服務500強企業。

鑒于國內所資源有限，周峰呼吁行業協會牽頭整合資源，形成聯盟推動AI場景落地，避免重復投入。當前AI主要提升內部效率，在風險覆蓋上仍有局限，未來將嘗試與客戶共建特定業務場景的AI能力轉化。

（五）百度AI創新成果及行業應用

針對百度AI發展及金融行業應用，梁俊鋒介紹了百度AI的三個發展曲線：移動生態、智能語音、自動駕駛。百度在AI領域已持續投入超十年，在模型技術方面積累深厚，近期發布4.5T新模型。同時，百度在算力領域不斷發展，算力服務獲得招行、中信等企業青睞。

在行業應用上，百度AI成果顯著。金融行業中，智能人群排名上升，MCP服務增長迅猛。大模型重構行業模式，降低交易成本，提升業務滲透與識別能力，例如在保險核賠場景中，單據識別準確率從60%提升至90%。在電商等其他行業，通過大模型和算力優化實現降本增效。在視頻、財經等領域，借助大模型深入核心業務，實現價值提升，如數字人助力業績增長，以及在海底撈實現門店運營分析等。

但當前AI發展也面臨諸多問題。在模型選擇方面，機構面臨商業模型采購與開源技術的抉擇，需解決模型可解釋性、可替換性等難題。算力層面，部分機構要在有限算力下支持AI創新，并確保算力穩定，同時解決算力跨部門、跨系統的共享及穩定性問題。對于企業自建大模型，關鍵在于獲取垂直領域專業數據，建立有效的評價體系，提升專業訓練評測能力，以滿足實際生產需求。

未來，百度AI創新實踐聚焦多個方向。一是挖掘非結構化數據價值，例如將客戶經理話術等知識沉淀，構建知識驅動體系。二是推動智能體創新應用，例如賦能交易員自動處理交易信息，提升業務效率；輔助客戶經理專業解答客戶問題。三是優化企業級應用平臺，降低使用門檻，實現“一句話設計應用”，助力企業更好地利用AI技術提升業務效率與競爭力。

三、圓桌會議交流討論AI應用進展

張翠玲主持圓桌交流環節，邀請了德勤、致同、畢馬威、天職、信永中和等業內同仁共同討論AI應用進展。

（一）范為介紹德勤在AI應用的探索歷程與當前進展

德勤自2023年初GPT技術出現后，便與清華大學相關團隊展開合作，針對生成式AI展開探索。初期主要在研究院層面對開源模型（如DeepSeek）與閉源模型（如GPT系列）進行簡單技術驗證，歷經兩年多發展，目前已梳理出具備穩定性的應用場景，并構建了內部AI平臺。

德勤雙平臺架構與核心應用場景。一是“幫你做”智能體平臺：聚焦任務自動化，通過打通工作流實現查詢類需求處理。例如將資料檢索、初步數據整理等非核心業務流程交給AI執行，但因大模型在審計場景中穩定性與準確性存在局限，該平臺主要用于低風險、低準確性要求的任務。二是 “跟你做”協作支持平臺：如文檔處理與翻譯，開發多類型文檔翻譯工具，覆蓋審計報告、合同等專業文件，目前已承擔80%傳統翻譯工作量，每日調用量達對話助手的50%，顯著釋放人力至分析性工作；編程輔助，新上線“ycoding”編程助手，支持通過自然語言生成代碼，助力審計人員實現簡單數據處理腳本的自動化生成；對話助手，整合文檔提煉、總結功能，可對審計底稿、會議紀要進行結構化處理，提升信息提取效率。

AI應用推廣的挑戰與反思。一是人員思維轉型難，員工存在“懶”的心態，期望AI完成全流程工作，但審計高監管屬性要求人工復核，需平衡自動化與質量控制；二是成本與技術投入壓力，模型訓練、算力采購及團隊建設成本較高，且需持續跟進技術迭代，呼吁行業協同降低探索成本。

（二）趙冉分享致同AI應用的探索歷程與實踐案例

關于專業領域AI落地邏輯，趙冉認為，通用大模型（如ChatGPT，Deepseek等）雖具備強大推理與理解能力，但因缺乏財稅領域知識架構，在專業場景中存在天然局限，如同地質學家與普通人對石頭的認知差異；強調垂直領域模型需通過數百萬級專業知識圖譜（如財稅法規、審計案例）進行二次訓練與調優，才能構建基礎能力底座。

關于致同在AI應用的實踐案例。構建智能財稅造價大模型，依據TC260-003《生成式人工智能服務安全基本要求》標準，已經通過中央網信辦生成式人工智能服務備案，形成財稅領域專屬基座，實現從理論研究到業務落地的閉環。在典型業務場景的應用，如商譽減值評估復核AI項目，實現端到端自動化處理，整合16個關鍵節點、26個小模型以及7個大模型，將原本1 - 2周的工作壓縮至10分鐘內，提效480倍以上，并獲得相關國家發明技術專利。再如通過AI模型分析被審計對象的財務數據、識別異常指標，輔助審計人員快速定位風險點；同時對優化審計流程，提高審計效率方面的作用也十分明顯。

關于AI賦能行業發展的判斷與策略。當前AI依賴“規模效應”（模型參數與算力堆砌），與人類低能耗思考模式相悖，未來5-10年難以實現“大一統”通用AI，需聚焦垂直領域。將采用雙軌發展策略，同步推進AI底層技術研究與行業場景落地，通過“訓練+微調”模式深化專業應用，避免僅停留在提示詞交互的表面創新。

（三）其他觀點

1.關于跨界人才培養與協作模式

周峰分享了信永中和的實踐案例。信永中和通過組建128人報名、40人入選的業務導向創新小組，配備產品經理與技術人員，讓業務人員學習Python編程與模型調用，自主開發Demo（如合同信息提取工具），實現需求到落地的閉環，驗證了“業務主導+技術賦能”模式的有效性。

與會代表呼吁建立審計與IT跨界人才能力標準，通過培訓體系與認證機制促進人才雙向流動，解決IT人員職業發展迷茫、業務人員技術接受度低等問題。

2.關于數據安全與合規性邊界

安永嚴格管控通用模型使用，僅允許處理公開數據，客戶隱私數據需本地化部署。天職采取“端云結合”模式：私有云/本地機房處理合同、財務數據等敏感信息，云端模型用于行業分析等公開數據場景，通過數據分類管理（如核心數據、公開數據）劃分安全邊界。

行業存在的共性挑戰。如審計數據使用權不明確，事務所能否利用客戶提供的審計資料進行模型訓練，存在法律模糊地帶，需行業層面推動出臺法規指引。跨項目數據隔離難題，內部部署模型可能導致不同項目數據混淆，需通過技術架構與管理流程進行雙重保障。

3.AI輸出準確性與應用邊界

如技術局限性認知問題，大模型本質為概率統計模型，存在“幻覺”問題（如DeepSeek在復雜推理中可能輸出錯誤結論），OCR等成熟技術仍有識別誤差，AI結果必須經過人工復核。

優化路徑探索：通過“大模型+工具”組合提升準確性，如搭配計算器解決數值計算問題，結合知識檢索工具增強專業知識調用。同時，產品設計強化可解釋性，如在合同信息提取中顯示數據來源段落，便于審計人員快速復核，平衡效率與風險。

四、人工智能在行業應用的關鍵要點及展望

汪寧在會議總結發言中強調，人工智能在行業應用的關鍵要點包括：一是規劃先行。人工智能應用投入大、風險高、統籌的資源多，必須要有一個科學的戰略規劃，這是綱，綱舉目張。但因“日日有更新，周周有迭代”，人工智能規劃不同于其他規劃，具備敏捷性的特征，要對實施路徑因變應變。同時，智能化發展要以信息化和數字化為基礎，量力而行、循階而上。二是人才跟進。人才培養要促進數字人員專業化與專業人才數字化的雙向奔赴，通過知識圖譜、AI社區、知識庫等手段沉淀實踐中的最佳案例和經驗，讓知識、經驗接續傳承，實現人才能力的跨領域提升。三是安全為重。要處理好發展與安全的關系，以“數據安全為核心、模型可信為基礎、合規倫理為底線”，構建 “預防—監控—響應—改進”的閉環體系。四是合作共贏。科技公司提供底層技術，事務所注入行業知識，共同打造一體化平臺。這不僅是技術的融合，更是生態系統的重構。通過技術協同、數據治理、人才培養、生態共建和風險管控，雙方可打造“技術賦能專業，專業反哺技術”的良性循環，互惠互利，推動行業從“效率革命”邁向“價值創造”。

汪寧認為，人工智能將深刻改變競爭格局，特別是對于大型事務所來說，競爭力有可能會從拼規模、拼網絡轉向拼算力、拼模型。人工智能的應用能幫助客戶防范風險、縮短審計周期、提供更多咨詢產品，從而進一步增強客戶粘性。一花獨放不是春，百花齊放春滿園，希望大型事務所發揮示范效應，貢獻鮮活經驗，形成可復制、可推廣的工作法，讓更多事務所少走彎路，帶動行業整體人工智能應用水平的提升。