2025年6月30日，北京注册会计师协会行业发展战略委员会举办“人工智能赋能注册会计师行业发展”研讨会，会议由安永华明会计师事务所（特殊普通合伙）承办。北京市科委有关同志，北京注协行业发展战略委员会、信息化建设委员会及北京评协信息化建设委员会委员，安永、毕马威、德勤、天职国际、信永中和、致同等16家会计师事务所代表汇聚一堂，以“研判趋势、交流经验、破解难题、增进合作”为主题，共同探索人工智能如何赋能注册会计师行业发展。协会深改办主任、北京评协副会长汪宁，北京注协副会长、安永华北区主管合伙人张明益和北京注协行业发展战略委员会主任委员、天健资深顾问周重揆参会。
会议由北京注协行业发展战略委员会委员、安永华北区审计服务主管合伙人钟丽主持。安永科技风险与数据智能服务合伙人张翠玲、毕马威中国信息技术审计主管合伙人董常凌、天职国际研发部门负责人李铭杨以及信永中和研发创新委员会主席周峰分享了所在事务所AI应用实践的现状及未来应用AI面临的挑战，百度智能云金融业务部解决方案总监梁俊锋为注册会计师行业同仁介绍了最新AI科技服务解决方案。德勤人工智能研究院主管合伙人范为、致同审计合伙人赵冉及主题演讲嘉宾共同在圆桌会议环节，充分就AI应用的挑战进行了探讨。
现将本次研讨会主要成果综述如下：
一、人工智能赋能注册会计师行业发展的机遇和挑战
张明益在开场致辞中表示，人工智能是引领新一轮科技革命和产业变革的重要驱动力，广泛渗透至各行各业。在算法创新、算力基础与数据资源协同演进的驱动下，人工智能技术的感知、认知与决策能力不断增强，不仅对传统产业结构与运行逻辑构成冲击，也为包括注册会计师行业在内的知识密集型服务领域带来重大变革。人工智能技术应用已经逐渐渗透到会计准则智能检索、大数据分析和智能审计，舞弊风险智能识别和防范、智能底稿和报告撰写、智能质量检查等审计工作各个环节，不仅带来了效率的飞跃、成本的优化，更为行业的转型升级开辟了全新路径。然而，机遇与挑战并存，技术的快速迭代也引发了我们对职业边界、数据安全、伦理规范等问题的深刻思考。注册会计师行业肩负着维护经济秩序、保障信息真实的重要使命，在人工智能浪潮的推动下，行业同仁需要以开放的胸怀拥抱变革，以创新的思维应对挑战。
周重揆在致辞中强调了委员会开展人工智能与注册会计师行业发展协同调查研究和举办此次研讨会对行业发展的重要意义。他认为，当前探讨AI对审计行业的影响尤为关键，呼吁行业积极应对变革，共同构建高效、透明、可信的生态，为推动北京注册会计师行业的智能化升级注入新动力。
二、人工智能在注册会计师行业应用实践分享
（一）安永在AI领域的应用情况
张翠玲在分享中，围绕AI整体规划、应用场景、安全合规等方面，详细阐述了安永在AI领域的思考与探索。
1.在整体规划上，安永认为AI发展迅速，需做好两到三年的项目投资、技术路径等规划，同时配套建设安全隐私、风险合规等体系，完善治理架构、组织流程等。安永部署统一的AI底座平台，涵盖基础资源、工程平台、通用工具及数据管理体系，并根据客户需求选择公有云、私有云或本地私有化等基础设施部署方式。
2.在技术架构上，安永以知识向量库与原数据存储库协同作为AI平台底层架构，搭建包含低代码组件、模型管理组件等多种组件的AI工程平台，以解决模型知识滞后、幻觉等问题，满足内外部AI场景应用需求。
3.在应用场景上，呈现多样化。知识问答类从通用知识拓展到审计等专业领域；智能分析类辅助代码编写，自动生成投标材料等；功能代理类则探索开发能自主完成复杂任务的工具，如business 360报告分析。此外，安永还规划统一用户入口，方便员工和外部客户使用AI工具。
4.成本收益评估不可或缺。安永通过ROI评估，优先开展技术难度低、ROI高的项目，如业务线对外服务知识库、内部运营辅助等，部分项目已有成功实践。
5.数据安全是重中之重。安永构建数据安全合规体系，要求AI实施团队在安全合规框架下开发应用，严格数据存储与授权，规范AI应用管理，禁止使用外部AI系统处理工作事务，严禁用敏感数据进行模型训练，并通过培训、完善公司管理规范等措施保障数据安全。安永在AI领域的探索，是基于自身数字化审计和研发能力，旨在提升审计效率、降低成本、提供更有价值的服务，同时也注重风险防控，确保AI应用安全、合规、可控。
（二）毕马威探索与实践
董常凌围绕人工智能与审计行业，分享了人工智能对审计行业工作性质及流程的影响、人工智能在审计中的具体应用案例，以及人工智能应用面临的痛点和挑战。
1.人工智能对审计行业工作性质及流程的影响
审计工作性质的变化。一是从“合规性审计”转向“风险导向审计”，借助机器学习算法识别潜在风险模式，审计人员得以聚焦高风险领域，变被动合规为主动风险管理。二是从局部审计迈向全面审计，突破传统抽样审计的时间与成本限制，通过大数据分析实现全量数据覆盖，提升审计的全面性与精准度。三是从人工驱动转为技术驱动，自动化技术处理大量数据，减少人工工作量，让审计人员专注于高价值的分析与判断。
审计工作流程的变化。数据采集与处理实现自动化，从企业财务系统、ERP系统等自动提取数据，减少错误与时间消耗，同时快速清洗整合非结构化数据，提升数据质量。异常检测与分析更智能，利用算法自动识别异常交易与舞弊行为，通过机器学习模型预测风险并预警。
审计效率与质量的提升。在效率方面，借助 AI 技术，其可快速处理大量数据以缩短审计时间，且自动化工具能减少人工操作错误；在质量方面，审计人员可更全面地分析数据，降低抽样审计的局限性，还能发现传统方法难以识别的复杂问题，如隐藏的关联方交易或复杂舞弊行为。
审计人员角色的转变。从执行者转型为分析师，需掌握数据分析、机器学习等技能，且跨领域知识需求增加，需涉猎数据科学、网络安全等领域。
2.人工智能应用实践案例
董常凌分享了毕马威国际在人工智能应用方面的两个案例。如香港地区应用的人工智能交易评分模型，对每笔交易进行风险评分，依托 13 个控制点（含 6 个进阶控制点与 7 个规则控制点）实现风险分级；KPMG Clara AI Chat 功能丰富，可提取总结关键数据、生成流程图、辅导审计质量、对比文档差异等，全方位助力审计工作。
3.AI 应用的痛点和挑战
AI应用面临多重挑战。本地事务所部署时，存在数据安全隐私、技术与业务融合、技术选型、投资回报不确定及复合型人才稀缺等问题。AI 技术本身，尤其是生成式 AI，存在结果透明度与可解释性不足的问题。对毕马威中国而言，境内外 AI 生态差异带来挑战，如境外 AI 模型与云服务在境内不适用，且需满足中国更高的安全标准。总体而言，人工智能为审计行业带来巨大变革机遇，但需克服挑战以实现可持续发展。
（三）天职国际在AI领域的投入与应用情况
李铭扬介绍，天职国际自2020年起积极推进数智化转型，深度融入战略规划与质量管理目标体系，累计投入3.5亿元，目前整体处于由数字化向智能化跨越的关键阶段，2025年数智化转型预算投入为4500万元，其中智能应用建设预算约600万元。
李铭扬认为，从技术发展周期来看，生成式人工智能正处在加速进入“冷静沉淀”期，预计2-5年进入“成熟生产”阶段，天职国际认为2-3年可能性较大，因技术进化速度高于互联网时期。当下行业领军者应组建专门队伍进行场景的POC，验证AI应用的准确性和稳定性后再规模化投入，且要关注问题的解决方案而非盲目追求使用AI解决所有问题，同时应当坚定的投资基础设施以支持数据治理和模型部署。
2025年被视为“智能体元年”，智能体是能感知环境并行动以实现目标的代理体，具备自主性、适应性和交互能力。Anthropic提出的MCP协议框架相当于大模型时代的USB协议，让大模型可按标准接入智能工具，目前OpenAI、Google、阿里等模型服务商已宣布适配该协议。谷歌在2025年宣布开源首个标准智能体交互协议A2A，该协议确立Client Agent核心地位，打破信息孤岛，提升智能体协同能力、拓展能力边界和执行效率。
天职国际人工智能应用路线图规划非常清晰，2024年3月完成智能化转型规划，5月召集各分所代表挖掘应用场景并每半年更新；2025年3月提前完成AI能力底座与应用平台建设，4月推进知识底座建设，其能力层基本就位，正在进行前端功能的开发；6月进行单智能体应用及工具箱构建，已完成文档处理、报表分析智能体和Office插件工具等开发；12月计划完成垂类多智能体应用建设；天职计划于2026年6月基于微调训练垂类专家模型，打造具备初级审计员能力的智能审计助手。
天职国际应用平台框架设计完善，应用层有合同/报表审计、风险分析、智能问答等；知识服务层含知识库、知识图谱等；大数据基础与中间层涉及数据仓库、实时/离线计算等；基础设施层包括私有云中的算力、存储单元等，且模型私有化部署在阿里云的私有云中，保障数据安全。
此外，天职国际重视数智化人才培养，培训部联合多部门推出课程体系，涵盖基础科普、工具使用、编程入门等，助力作业人员适应数智化审计模式，储备数智化人才。
（四）信永中和对AI领域的洞察与实践
周峰主要从大模型对于行业的冲击和影响、大模型在企业端应用的挑战和困难以及信永中和在AI应用方面的尝试和案例等三个方面展开分享。
1.大模型对行业的冲击与影响
大模型在GPQA测试中表现已超专业博士水平，如Sonnet达87.7%，接近人类领域专家（65%）。但在财务、税务等专业领域及中国本土环境理解上存在不足，需解决知识体系构建和回答准确性判断问题。
DeepSeek作为全球LM Arena竞技榜唯一开源的第一梯队模型，在数学推理、编程能力上可与国际巨头比肩。其开源策略降低行业应用门槛，推动央国企超55%的AI采购倾向搭载DeepSeek的硬件与开源环境。其MoE架构通过动态激活相关参数降低运行成本，为行业将专家经验、准则逻辑融入模型训练提供技术路径。
2.大模型在企业端应用的挑战与困难
企业端应用存在数据安全和跨界人才缺失两大瓶颈。企业核心数据未参与模型微调，导致通用模型难满足专业需求；技术与业务跨界人才缺失，阻碍专业知识与技术融合。
落地面临三大挑战：开放场景下模型“幻觉”问题与专业场景对输出确定性的要求存在矛盾；场外开源模型（如DeepSeek、千问）与企业内部知识融合需复杂工程实现；多节点Agent流程可靠性低，如10节点成功率仅30%，需聚焦固定场景实现AI功能。
3.信永中和AI应用尝试与案例
信永中和构建了“私域AI工厂”，以GPU资源和算力调度为基础，整合专业知识、专家经验等，产出贸易风险判断、工程竣工报告审核等应用。收集244个场景需求，落地89个，涵盖知识库构建、文档处理、数据分析、流程优化和风险预警。
典型应用包括：关联关系分析系统，整合工商、股权等数据构建图谱，识别企业/个人关联关系；合同要素提取工具，结合OCR与大模型理解能力，提取合同关键信息；舞弊风险识别系统，整合85万条外部数据与专家逻辑；财务分析Chat DI产品，以对话形式生成分析报告，服务500强企业。
鉴于国内所资源有限，周峰呼吁行业协会牵头整合资源，形成联盟推动AI场景落地，避免重复投入。当前AI主要提升内部效率，在风险覆盖上仍有局限，未来将尝试与客户共建特定业务场景的AI能力转化。
（五）百度AI创新成果及行业应用
针对百度AI发展及金融行业应用，梁俊锋介绍了百度AI的三个发展曲线：移动生态、智能语音、自动驾驶。百度在AI领域已持续投入超十年，在模型技术方面积累深厚，近期发布4.5T新模型。同时，百度在算力领域不断发展，算力服务获得招行、中信等企业青睐。
在行业应用上，百度AI成果显著。金融行业中，智能人群排名上升，MCP服务增长迅猛。大模型重构行业模式，降低交易成本，提升业务渗透与识别能力，例如在保险核赔场景中，单据识别准确率从60%提升至90%。在电商等其他行业，通过大模型和算力优化实现降本增效。在视频、财经等领域，借助大模型深入核心业务，实现价值提升，如数字人助力业绩增长，以及在海底捞实现门店运营分析等。
但当前AI发展也面临诸多问题。在模型选择方面，机构面临商业模型采购与开源技术的抉择，需解决模型可解释性、可替换性等难题。算力层面，部分机构要在有限算力下支持AI创新，并确保算力稳定，同时解决算力跨部门、跨系统的共享及稳定性问题。对于企业自建大模型，关键在于获取垂直领域专业数据，建立有效的评价体系，提升专业训练评测能力，以满足实际生产需求。
未来，百度AI创新实践聚焦多个方向。一是挖掘非结构化数据价值，例如将客户经理话术等知识沉淀，构建知识驱动体系。二是推动智能体创新应用，例如赋能交易员自动处理交易信息，提升业务效率；辅助客户经理专业解答客户问题。三是优化企业级应用平台，降低使用门槛，实现“一句话设计应用”，助力企业更好地利用AI技术提升业务效率与竞争力。
三、圆桌会议交流讨论AI应用进展
张翠玲主持圆桌交流环节，邀请了德勤、致同、毕马威、天职、信永中和等业内同仁共同讨论AI应用进展。
（一）范为介绍德勤在AI应用的探索历程与当前进展
德勤自2023年初GPT技术出现后，便与清华大学相关团队展开合作，针对生成式AI展开探索。初期主要在研究院层面对开源模型（如DeepSeek）与闭源模型（如GPT系列）进行简单技术验证，历经两年多发展，目前已梳理出具备稳定性的应用场景，并构建了内部AI平台。
德勤双平台架构与核心应用场景。一是“帮你做”智能体平台：聚焦任务自动化，通过打通工作流实现查询类需求处理。例如将资料检索、初步数据整理等非核心业务流程交给AI执行，但因大模型在审计场景中稳定性与准确性存在局限，该平台主要用于低风险、低准确性要求的任务。二是 “跟你做”协作支持平台：如文档处理与翻译，开发多类型文档翻译工具，覆盖审计报告、合同等专业文件，目前已承担80%传统翻译工作量，每日调用量达对话助手的50%，显著释放人力至分析性工作；编程辅助，新上线“ycoding”编程助手，支持通过自然语言生成代码，助力审计人员实现简单数据处理脚本的自动化生成；对话助手，整合文档提炼、总结功能，可对审计底稿、会议纪要进行结构化处理，提升信息提取效率。
AI应用推广的挑战与反思。一是人员思维转型难，员工存在“懒”的心态，期望AI完成全流程工作，但审计高监管属性要求人工复核，需平衡自动化与质量控制；二是成本与技术投入压力，模型训练、算力采购及团队建设成本较高，且需持续跟进技术迭代，呼吁行业协同降低探索成本。
（二）赵冉分享致同AI应用的探索历程与实践案例
关于专业领域AI落地逻辑，赵冉认为，通用大模型（如ChatGPT，Deepseek等）虽具备强大推理与理解能力，但因缺乏财税领域知识架构，在专业场景中存在天然局限，如同地质学家与普通人对石头的认知差异；强调垂直领域模型需通过数百万级专业知识图谱（如财税法规、审计案例）进行二次训练与调优，才能构建基础能力底座。
关于致同在AI应用的实践案例。构建智能财税造价大模型，依据TC260-003《生成式人工智能服务安全基本要求》标准，已经通过中央网信办生成式人工智能服务备案，形成财税领域专属基座，实现从理论研究到业务落地的闭环。在典型业务场景的应用，如商誉减值评估复核AI项目，实现端到端自动化处理，整合16个关键节点、26个小模型以及7个大模型，将原本1 - 2周的工作压缩至10分钟内，提效480倍以上，并获得相关国家发明技术专利。再如通过AI模型分析被审计对象的财务数据、识别异常指标，辅助审计人员快速定位风险点；同时对优化审计流程，提高审计效率方面的作用也十分明显。
关于AI赋能行业发展的判断与策略。当前AI依赖“规模效应”（模型参数与算力堆砌），与人类低能耗思考模式相悖，未来5-10年难以实现“大一统”通用AI，需聚焦垂直领域。将采用双轨发展策略，同步推进AI底层技术研究与行业场景落地，通过“训练+微调”模式深化专业应用，避免仅停留在提示词交互的表面创新。
（三）其他观点
1.关于跨界人才培养与协作模式
周峰分享了信永中和的实践案例。信永中和通过组建128人报名、40人入选的业务导向创新小组，配备产品经理与技术人员，让业务人员学习Python编程与模型调用，自主开发Demo（如合同信息提取工具），实现需求到落地的闭环，验证了“业务主导+技术赋能”模式的有效性。
与会代表呼吁建立审计与IT跨界人才能力标准，通过培训体系与认证机制促进人才双向流动，解决IT人员职业发展迷茫、业务人员技术接受度低等问题。
2.关于数据安全与合规性边界
安永严格管控通用模型使用，仅允许处理公开数据，客户隐私数据需本地化部署。天职采取“端云结合”模式：私有云/本地机房处理合同、财务数据等敏感信息，云端模型用于行业分析等公开数据场景，通过数据分类管理（如核心数据、公开数据）划分安全边界。
行业存在的共性挑战。如审计数据使用权不明确，事务所能否利用客户提供的审计资料进行模型训练，存在法律模糊地带，需行业层面推动出台法规指引。跨项目数据隔离难题，内部部署模型可能导致不同项目数据混淆，需通过技术架构与管理流程进行双重保障。
3.AI输出准确性与应用边界
如技术局限性认知问题，大模型本质为概率统计模型，存在“幻觉”问题（如DeepSeek在复杂推理中可能输出错误结论），OCR等成熟技术仍有识别误差，AI结果必须经过人工复核。
优化路径探索：通过“大模型+工具”组合提升准确性，如搭配计算器解决数值计算问题，结合知识检索工具增强专业知识调用。同时，产品设计强化可解释性，如在合同信息提取中显示数据来源段落，便于审计人员快速复核，平衡效率与风险。
四、人工智能在行业应用的关键要点及展望
汪宁在会议总结发言中强调，人工智能在行业应用的关键要点包括：一是规划先行。人工智能应用投入大、风险高、统筹的资源多，必须要有一个科学的战略规划，这是纲，纲举目张。但因“日日有更新，周周有迭代”，人工智能规划不同于其他规划，具备敏捷性的特征，要对实施路径因变应变。同时，智能化发展要以信息化和数字化为基础，量力而行、循阶而上。二是人才跟进。人才培养要促进数字人员专业化与专业人才数字化的双向奔赴，通过知识图谱、AI社区、知识库等手段沉淀实践中的最佳案例和经验，让知识、经验接续传承，实现人才能力的跨领域提升。三是安全为重。要处理好发展与安全的关系，以“数据安全为核心、模型可信为基础、合规伦理为底线”，构建 “预防—监控—响应—改进”的闭环体系。四是合作共赢。科技公司提供底层技术，事务所注入行业知识，共同打造一体化平台。这不仅是技术的融合，更是生态系统的重构。通过技术协同、数据治理、人才培养、生态共建和风险管控，双方可打造“技术赋能专业，专业反哺技术”的良性循环，互惠互利，推动行业从“效率革命”迈向“价值创造”。
汪宁认为，人工智能将深刻改变竞争格局，特别是对于大型事务所来说，竞争力有可能会从拼规模、拼网络转向拼算力、拼模型。人工智能的应用能帮助客户防范风险、缩短审计周期、提供更多咨询产品，从而进一步增强客户粘性。一花独放不是春，百花齐放春满园，希望大型事务所发挥示范效应，贡献鲜活经验，形成可复制、可推广的工作法，让更多事务所少走弯路，带动行业整体人工智能应用水平的提升。
