應用生成式人工智能建構智能財務體系研究

【摘 要】 隨著生成式人工智能技術的普及和廣泛應用，各行各業(yè)都面臨著巨大的機遇和挑戰(zhàn)。財務管理是受到生成式人工智能影響較大的行業(yè)之一，生成式人工智能的應用正在顛覆和創(chuàng)新企業(yè)財務管理的原理、組織、方式和技術。通過將生成式人工智能分為應用層級、平臺層級、模型層級和基礎設施層級四個相互關聯(lián)的層級，從而創(chuàng)造出全新的內容。企業(yè)財務人員迎來了應用生成式人工智能技術的新機遇，可以將生成式人工智能技術應用到整個財務管理工作中。建構智能財務體系的實現路徑主要有建構挖掘數據的智能財務共享系統(tǒng)、利用數據的智能司庫管理系統(tǒng)、數據驅動的智能財務決策系統(tǒng)、數據精準的智能財務風控系統(tǒng)和垂直型財務管理大模型系統(tǒng)。

【關鍵詞】 生成式人工智能； 智能財務； 財務管理； 司庫管理

【中圖分類號】 TP18；F234.4 【文獻標識碼】 A 【文章編號】 1004-5937（2024）24-0026-05

目前，生成式人工智能（Generative artificial intelligence）正改變和影響著人類社會的生產方式和生活方式，在企業(yè)應用中的需求日益增強。生成式人工智能是運用繁多的算法、多模型和復雜的規(guī)則，通過學習大規(guī)模數據集，以創(chuàng)造真實的、全新的、有用的符合原創(chuàng)內容的人工智能技術，是新一代人工智能。生成式人工智能全面超越了傳統(tǒng)人工智能的模擬能力、數據處理能力和分析能力，可以生成文本、圖片、聲音、視頻和代碼等內容?？梢灶A見，生成式人工智能在財務管理行業(yè)中的應用不是一道選擇題，而是一道必答題，將會席卷財務管理各個層級、各個角落。因此，財務人員應有一個清晰的認識，研究和實踐生成式人工智能在財務管理領域中的應用，建構智能財務體系是財務管理未來發(fā)展的必然趨勢[1]。

一、生成式人工智能及其運用原理

生成式人工智能是一種能夠模擬人類的創(chuàng)造性思維，基于深度學習技術，通過學習大規(guī)模數據集生成全新的、與原始數據相似但又不完全相同的語言文本、圖像、音頻等內容。這種新型人工智能技術通過現有的海量數據的深度學習，了解和掌握數據中的分布模式和內在規(guī)律，并生成真實的、全新的、有用的數據，正在改變和提升傳統(tǒng)人工智能的數據處理能力。生成式人工智能在文本創(chuàng)作、圖像生成、語音合成等多個領域取得了顯著的進展，正是這種能力提升的體現。事實上，生成式人工已經實現了一個歷史性的跨越，從純粹的理論研究轉變?yōu)榫哂袕V泛的實踐價值的最新技術。生成式人工智能應用范圍很廣泛，已經從商業(yè)行銷、社會管理等發(fā)展到金融、財務管理等行業(yè)的廣泛應用，并引發(fā)革命性變化。為了更全面系統(tǒng)了解生成式人工智能的應用，可以通過分析該技術的價值鏈，將其分為四個相互關聯(lián)的應用層級、平臺層級、模型層級和基礎設施層級，這些層級共同作用從而創(chuàng)造出全新的內容。生成式人工智能的應用系統(tǒng)中每一個層級在整個過程中都發(fā)揮著獨特的作用，從而增強了生成人工智能的強大數據處理、模擬和創(chuàng)新能力。

（一）生成式人工智能的應用層級

生成式人工智能的應用層級是通過算法，允許動態(tài)創(chuàng)建內容來簡化人類與人工智能的交互。這些算法提供自動化或者定制的B2B（企業(yè)對企業(yè)）和B2C（企業(yè)對消費者）應用程序和服務，而用戶應用程序和服務不需要訪問底層基礎模型。這些應用程序的開發(fā)，可以由基礎模型的所有者（如OpenAI和ChatGPT）和包含生成式AI模型的第三方軟件公司（如MiniMax）來承擔。生成式人工智能的應用層級涵蓋了廣泛的應用程序，從創(chuàng)建逼真的游戲環(huán)境到為電子商務網站生成逼真的產品圖像，再到自然語言處理領域的文本生成。

生成人工智能的應用層級由通用應用程序、特定領域應用程序和集成應用程序所組成。通用應用程序是指應用各種軟件，以各種形式生成全新內容，包括文本、圖像、視頻、音頻、軟件代碼和設計。特定領域的應用程序是指為滿足特定行業(yè)（如金融、財務管理、教育、審計）的特定需要而量身定制的軟件解決方案。集成應用程序是指由現有應用軟件以集成方式融合而成，這些集成應用程序融入了生成式人工智能以增強其應用程序的功能。

（二）生成式人工智能的平臺層級

生成式人工智能的平臺層級是通過托管服務提供對大型語言模型的訪問。這個平臺層級簡化了通用預訓練基礎模型的微調和定制過程。盡管目前領先的GPT-4，可以使用其經過訓練的鎖定數據集立即回答大多數問題，但通過微調，可以顯著提升這些大型語言模型在特定內容領域的服務能力。微調涉及解鎖現有大型語言模型的神經網絡，使用新數據進行額外的訓練。通過微調可以使用戶將其專有或特定的數據無縫集成到這些模型中去，以用于定制應用。

建設生成式人工智能的平臺層級的目的是簡化大型語言模型的使用，降低用戶使用的相關成本。這個平臺層級解決了用戶需要獨立從零開始開發(fā)這些大型語言模型的難題，從而為用戶節(jié)約了巨額資金投入和數年開發(fā)的時間。與此同時，用戶可以通過支付月度訂閱費用或租用基礎設施即服務（IaaS）實現大型語言模型的使用。而且，用戶還可以訪問諸如隱私性、安全性和各種平臺工具等有價值的功能，所有這一切都可以一種簡化的方式使用大型語言模型。

（三）生成式人工智能的模型層級

生成式人工智能的模型層級匯集了概率模型和變換模型的主要內容。概率模型是一種可以根據數據的概率分布生成新數據的模型，它可以捕捉數據的多樣性和不確定性。變換模型是一種可以根據數據的變換規(guī)則生成新數據的模型，它可以捕捉數據的結構和語義。

概率模型的代表有變分自編碼器（VAEs）和生成對抗網絡（GANs）等。生成對抗網絡由一個負責生成新數據的生成器和另一個負責判斷數據真實性的判別器兩個相互競爭的神經網絡組成。變分自編碼器是一種可以將數據編碼為一個潛在的隨機變量的模型，然后根據這個隨機變量解碼出新的數據。典型的變換模型主要有自回歸模型（ARs）和變換器（Transformers）。自回歸模型是一種可以根據數據的前后關系生成新數據的模型，它可以捕捉數據的順序和依賴。變換器是一種可以根據數據的全局關系生成新數據的模型，它可以捕捉數據的上下文和語義。

（四）生成式人工智能的基礎設施層級

生成式人工智能的基礎設施層級是包含大規(guī)?；A模型及其半導體、網絡、存儲、數據庫和云服務的關鍵資源，所有這些資源在生成式人工智能模型的初始訓練和持續(xù)的微調、定制和推理中都發(fā)揮著至關重要的作用。

生成式人工智能的基礎設施層級主要通過訓練階段和推斷階段發(fā)揮作用。訓練階段：這是實施學習的階段，通常在云數據中心的加速計算集群中進行。在這個階段，大型語言模型從給定的數據集中學習，并結合參數和令牌進行訓練。參數是模型調整以表示訓練數據中潛在模式的內部變量，令牌是模型處理的文本的個體部分，如單詞或子詞。推斷階段：這是實際使用經過訓練的生成式人工智能模型生成響應用戶的文本、圖像、視頻、音頻、軟件代碼的過程。經過訓練的生成式人工智能模型需要超強的計算能力，并且應部署在靠近最終用戶的地方（邊緣計算），以保障實時交互、最小化響應時延。

二、應用生成式人工智能建構智能財務體系

生成式人工智能與傳統(tǒng)的人工智能相比，是一個實現了人與機的“請求—回應”互動方式，并且是一個自我完善、自我更新、自我演進的復雜系統(tǒng)?？梢哉f，隨著生成式人工智能在財務管理領域的深入應用，其將成為一種全新的財務管理技術和手段，有助于建構智能財務管理體系，并使人機共生成為財務管理工作的新常態(tài)。因此，生成式人工智能正在直接、間接地影響和改變著財務管理領域的各個方面和環(huán)節(jié)。所謂智能財務體系，是指覆蓋財務管理工作全流程的生成式人工智能應用[2]。企業(yè)財務人員應深入了解和熟練掌握生成式人工智能及其在財務管理領域中的應用，規(guī)則嚴密、邏輯性強、流程復雜的財務管理基礎性工作將由生成式人工智能去完成，而財務人員可以更好地集中精力從事支撐財務戰(zhàn)略、支持經營決策、防控財務風險等工作，用高效、高質量的財務管理促進企業(yè)高質量發(fā)展。

（一）建構挖掘數據的智能財務共享系統(tǒng)

企業(yè)的財務共享系統(tǒng)是依托現代數字技術，以財務與業(yè)務深度融合為基礎，以創(chuàng)造價值、強化管控能力、降低運營成本或提升流程效率為目的，提供財務管理專業(yè)服務的管理模式。企業(yè)財務管理工作的數字化，就是建構智能財務共享系統(tǒng)，推動集中管理財務工作，促進降本增效，及時提供預測和戰(zhàn)略決策數據[3]。

隨著生成式人工智能技術在財務共享系統(tǒng)中的廣泛應用和不斷發(fā)展，財務管理部門歸集了包括財務數據、業(yè)務數據及外部數據在內的大數據資源，為業(yè)務與財務管理轉型提供了大量有價值的數據，基于數據的智能財務共享系統(tǒng)，將會逐漸改變財務人員對于數據的認識、理解和應用。

1.掌握財務共享系統(tǒng)中的數據規(guī)律。對于財務共享系統(tǒng)中大量無規(guī)律的數據，生成式人工智能可以通過深度學習，發(fā)現業(yè)務與財務數據中的內在結構和相互影響，掌握業(yè)務與財務數據的規(guī)律。掌握數據的規(guī)律可以使財務人員更好地深入理解業(yè)務與財務數據的發(fā)展現狀、趨勢和風險，提高利用業(yè)務與財務數據的效率和質量，更好地將大量數據應用到企業(yè)生產經營過程中去，發(fā)揮降低成本、增加效益、減少損失等作用。

2.生成財務共享系統(tǒng)中的模擬數據。通過深度學習財務共享系統(tǒng)中海量的業(yè)務與財務數據，生成式人工智能可以根據業(yè)務與財務數據的結構和規(guī)律，生成大量真實的、全新的、有用的符合原創(chuàng)內容的模擬數據，財務人員充分利用模擬數據，解決財務數據不完整等問題。有時，財務人員提供給管理層預測和決策所需數據時，需要獲取大量高質量的數據，但成本很高且非常困難，而生成式人工智能可以根據已有的業(yè)務與財務數據，生成與真實數據相似的業(yè)務與財務模擬數據，提高管理層預測和決策所需數據的完整性、及時性和科學性。

3.揭示財務共享系統(tǒng)中的數據特征。通過對現有財務共享系統(tǒng)中雜亂、海量的財務與業(yè)務數據的深度學習，生成式人工智能可以自動揭示出財務與業(yè)務數據中的一般規(guī)律和隱含特征。財務人員可以利用財務與業(yè)務數據中的一般規(guī)律和隱含特征，更好地理解財務與業(yè)務數據的本質特征，進而為管理層提供更準確、更全面、更系統(tǒng)的財務與業(yè)務數據分析和預測數據。

（二）建構利用數據的智能司庫管理系統(tǒng)

“司庫”原指掌管國家財富的金庫和國庫，現指企業(yè)管理的資金資源庫，包括企業(yè)的全部資金管理、金融服務、運營管理和風險監(jiān)控業(yè)務。與傳統(tǒng)財務管理系統(tǒng)相比，智能司庫管理系統(tǒng)通過利用巨量財務與業(yè)務數據，及時識別企業(yè)資金管理中的問題并采取措施化解風險，發(fā)揮其降低資金成本、防范資金風險、提高資金管理績效的作用。生成式人工智能以數據為驅動力，而智能司庫管理系統(tǒng)依賴于利用海量數據[4]。因此，利用生成式人工智能賦能智能司庫管理系統(tǒng)建構是最佳的選擇。

企業(yè)智能司庫管理系統(tǒng)建構應強化生成式人工智能應用的頂層設計，利用數據實施在線運行和實時監(jiān)控，通過生成式人工智能技術手段將銀行賬戶管理、集中資金管理、統(tǒng)籌融資、對外投資、資金計劃、資金結算、風險管控納入智能司庫管理體系，真正實現資金資源“看得見，管得到，調得動，用得好，防得住”。以前，司庫管理的最大難題是大量缺乏相關數據，不能做到在線運行和實時監(jiān)控，難以及時、準確做出決策。生成式人工智能能生成真實的、全新的、有用的符合原創(chuàng)內容的數據，可以解決司庫管理過程中大量數據缺失的難題。

1.生成式人工智能可以生成全新數據。司庫管理中存在大量的半結構化數據和非結構化數據，如視頻、音頻、環(huán)境等數據，難以實行綜合利用。而生成式人工智能具有強大的數據處理能力和靈活性，能夠將半結構化數據和非結構化數據處理成為結構化數據，對現有數據進行進一步分類或者推導，并生成包括視頻、音頻、圖像、文本等全新的數據。這種生成的全新數據，有利于司庫管理人員完善資金內控體系，建立健全資金風險監(jiān)測預警機制。

2.生成式人工智能可以實施數據推理和決策。之前司庫管理人員只能根據現有數據進行分析和決策，在面對司庫管理中的新情況、新問題時可能束手無策，而生成式人工智能系統(tǒng)則可以通過對現有數據的進一步挖掘、分析和推理，在多方案中找到更切合要求的解決方案。因此，在司庫管理領域中，生成式人工智能具有廣泛的應用場景，如基于多語言、多幣種、多政策、國際資金清算系統(tǒng)（SWIFT）等多種選擇時，企業(yè)司庫管理可以挖掘境外全量資金資源，提升全球資金資源統(tǒng)籌配置能力，優(yōu)化資金資源配置結構，促使資金資源發(fā)揮最大價值。

3.生成式人工智能可以挖掘總結出數據規(guī)律。企業(yè)智能司庫管理系統(tǒng)可以通過接口實時獲取萬得、彭博、路透等市場數據，從業(yè)務系統(tǒng)動態(tài)獲取匯率及利率敞口數據，但是這些數據按何種原理進行編制、揭示什么問題，司庫管理人員難以知曉。但是，司庫管理人員可以利用生成式人工智能算法，從現有數據中了解、掌握數據形成的原理和結構，挖掘總結出生成這些數據的規(guī)律。這種挖掘總結數據的規(guī)律，使得司庫管理人員在利用生成式人工智能處理復雜數據時具有更強大的能力和創(chuàng)新性。

（三）建構數據驅動的智能財務決策系統(tǒng)

企業(yè)傳統(tǒng)的財務決策系統(tǒng)提供的數據嚴重滯后且不精準，決策方案缺乏科學性，難以被管理層采納和實施。而企業(yè)智能財務決策系統(tǒng)能借助生成式人工智能，及時處理海量數據，為管理層提供精準的數據、科學的決策方案和建議，幫助管理層更好地理解和解釋財務數據，以利于做出更科學的決策。

在企業(yè)的智能財務決策領域，生成式人工智能通過深度學習模型學習和掌握數據的結構、分布，了解和掌握市場趨勢數據和歷史財務數據，并生成真實的、全新的可用于財務決策的大量數據，用于支持資金籌措、對外投資等財務決策。與依靠經驗的傳統(tǒng)財務決策系統(tǒng)相比，生成式人工智能是基于生成對抗網絡（GAN）和變分自編碼器（VAE），通過對抗性學習和概率編碼解碼生成高質量數據，能及時、精準描述復雜的經濟環(huán)境和金融市場，并實時反映和揭示財務數據的變化趨勢，能提供更精準的數據、更科學的決策支持。

1.生成式人工智能可以實行數據驅動的決策支持。企業(yè)智能財務決策系統(tǒng)應用生成式人工智能，結合語音識別、人臉識別等智能技術，可以擴大數據收集的深度和廣度。與此同時，智能財務決策系統(tǒng)可以集成數量更大的數據，如移動互聯(lián)網數據、物聯(lián)網數據、行業(yè)網絡數據等，以實現更及時、精準的數據分析和業(yè)務決策。生成式人工智能幫助智能財務決策系統(tǒng)快速處理多層次、海量結構復雜的數據，并發(fā)現數據中隱藏的結構和規(guī)律，以提供更多、及時、精準、科學的財務決策方案，幫助企業(yè)管理層選擇和實施高質量的財務決策方案。

2.生成式人工智能可以提供個性化的財務建議。生成式人工智能可以通過大量業(yè)務和財務數據，深入了解企業(yè)的預期目標、財務指標、風險管控能力等，為企業(yè)提供個性化的財務規(guī)劃和財務建議。這種量身定做的財務規(guī)劃和財務建議能夠更好地滿足企業(yè)的特定需求，提高財務決策的針對性和有效性。如生成式人工智能可以根據企業(yè)的投資意向和風險管理能力，提供定制化的投資和風險管理建議；通過分析企業(yè)投資的歷史業(yè)績數據和現行市場相關數據，可以為企業(yè)提供更及時、精準的投資方向建議和風險管理指導。

3.生成式人工智能可以規(guī)范智能化的決策流程。生成式人工智能可以自動生成決策流程，規(guī)范決策過程，提高決策效率。生成式人工智能能夠自動收集、挖掘和分析大量數據，得出更精準的企業(yè)財務走勢和風險點，發(fā)現其中的潛在風險，及時建立風險管理的動態(tài)模型，識別和管控潛在的風險因素，并為企業(yè)管理層提供相關的對策建議和措施，并通過利用歷史數據和趨勢數據進行智能決策，幫助管理層做出更科學的決策，以應對環(huán)境和市場的變化。

（四）建構數據精準的智能財務風控系統(tǒng)

以往的財務風險管理，是在定期進行的風險框架評估基礎上進行的，而智能財務風險管理實行的是動態(tài)監(jiān)控，持續(xù)參與整個產品生命周期的財務風險管理。財務風險管理僅僅關注關鍵財務風險指標是不夠的，還必須了解這些指標與業(yè)務的關系及其動態(tài)變化。傳統(tǒng)的財務風險管控需要花費大量的人力和時間，而生成式人工智能可以自動完成這一過程，并且結果更加準確[5]。如生成式人工智能可以通過分析巨量數據，精準預測應收賬款的回收和違約概率，可以幫助企業(yè)財務人員更準確地評估回款人的信用等級，減少風險。

企業(yè)財務人員可以利用基于生成式人工智能的算法主動掃描大量財務數據，實時分析交易并立即發(fā)現問題，精準辨識出傳統(tǒng)財務風險管理可能遺漏的潛在風險，提前發(fā)現并及時處理財務風險，從而保障企業(yè)權益免受損失。同時，生成式人工智能強大的監(jiān)控功能可以實現對財務交易的實時監(jiān)控，對客戶、交易、金額異常的情況及時進行預警。因此，企業(yè)財務人員借助生成式智能，實行數據精準的智能化動態(tài)監(jiān)控，發(fā)現風險征兆，實時風險預警，從而提高其風險預防和應對能力。生成式人工智能可以模擬人類的創(chuàng)造性思維，生成全新的、真實的、有用的數據，這些數據有利于智能財務風控系統(tǒng)建構。

1.生成式人工智能可以彌補數據短缺難題。在企業(yè)財務風險管控過程中，經常需要大量的高質量數據，但是有時會遇到相關數據無法取得、數據量短缺、數據質量不高等難題，因而難以及時預警和及時采取控制措施，致使財務風險管控及時性差、質效不高。而生成式人工智能可以根據已有的海量財務數據，通過模擬和推斷，生成全新的、真實的數據，從而解決數據的不足難題，提高數據的精準性，以便于及時預警和采取有效措施。

2.生成式人工智能可以提高數據分析精度。在企業(yè)財務風險管控過程中，經常會存在相關財務數據的雜亂無章、噪聲、偏差等問題，導致財務數據分析及時性差、精準度不高的情況，最終會導致財務風控效果不理想。而生成式人工智能技術可以通過對面廣量大的數據的深度學習，理解數據的分布規(guī)律和內含特性，自動去除雜亂、噪聲和偏差的數據，從而提高數據分析的精準性，有助于促進財務人員對數據的深度理解，更好地利用精準的數據進行有效的財務風控。

3.生成式人工智能可以提高數據分析效率。在企業(yè)財務風險管控過程中，采集、存儲、清洗、挖掘、分析各種業(yè)務和財務數據，都需要耗費大量的成本、時間和人力資源。當今企業(yè)所擁有的數據量大、復雜程度高，財務人員面臨的現實挑戰(zhàn)就是從廣泛采集的數據中，清洗、挖掘、分析出相關的結論，供管理層決策時使用。而生成式人工智能可以自動獲取各類數據，并及時生成需要的相關數據，降低企業(yè)數據的采集、加工和處理成本，提高數據分析的質量和效率。

（五）建構垂直型財務管理大模型系統(tǒng)

隨著生成式人工智能的廣泛使用，生成式人工智能大模型也就應運而生，在推動生成式人工智能廣泛應用、提升生成式人工智能應用深度等方面發(fā)揮了越來越重要的作用。生成式人工智能大模型，是指在預訓練和訓練過程中應用了海量的數據和計算資源，具有非常強大的人機對話和數據處理能力的深度學習模型。目前，生成式人工智能大模型主要包括通用型大模型和垂直型大模型。通用型大模型（General-purpose Large Models）是指用來處理多種任務和數據類型的大型人工智能模型，通常在大量文本、圖像、聲音等多模態(tài)數據上進行訓練，以便能夠理解和生成多種格式的內容。通用型大模型的核心特點是靈活性和廣泛適用性，可以應用于多個不同的領域和應用場景。垂直型大模型（Vertical Large Models）是指針對特定行業(yè)或領域定制的大型人工智能模型。與通用型大模型相比，垂直型大模型更加專注于特定的任務和數據集，在特定領域內能夠提供更加精確和專業(yè)的結果。

隨著企業(yè)生產經營的快速發(fā)展與市場競爭瞬息變化，企業(yè)管理層迫切需要實時掌握企業(yè)經營狀況與財務數據變化，從而快速優(yōu)化經營決策。但是，傳統(tǒng)的財務管理系統(tǒng)高度依賴人工處理統(tǒng)計，不但效率低下，且容易產生偏差，無法滿足企業(yè)管理層的需要。目前，企業(yè)發(fā)展新質生產力，越來越需要財務數據的支持，這個支持不是傳統(tǒng)的流程支持，而是在不同場景、不同領域的大模型驅動的財務支持，要有一個隨時隨地都能發(fā)揮作用的財務人工智能助手。因此，企業(yè)迫切需要建構垂直型財務管理大模型系統(tǒng)。企業(yè)財務管理應有自己的垂直型大模型，這是一種基于生成式人工智能技術的財務管理系統(tǒng)，應該由企業(yè)根據其自身需求來研制，財務人員在工作中進行財務工作管控時，可以直接使用垂直型財務管理大模型，以提高財務管理工作的及時性和精準度。未來，垂直型財務管理大模型將成為企業(yè)財務管理的重要基礎設施，為財務管理工作高質量、智能化發(fā)展奠定堅實的基礎。

垂直型財務管理大模型擴展了財務管理的邊界，重構了業(yè)財數據的基礎。垂直型財務管理大模型服務于企業(yè)利益相關者，業(yè)財邊界模糊，財務數據廣泛化，業(yè)務即財務，財務即業(yè)務，業(yè)務數據與財務數據深度融合在一起，能夠幫助企業(yè)進行實時業(yè)務與財務智能管控，并做出更科學的決策。一方面，垂直型財務管理大模型可以持續(xù)深入到企業(yè)業(yè)務前端的價值鏈與全場景，成為“更懂企業(yè)”的財務管理大模型；另一方面，垂直型財務管理大模型還可以提升訓練效率與優(yōu)化成本，集成更豐富的開發(fā)工具與算法，通過大模型精調、大模型評估優(yōu)化、大模型推理和插件服務等，持續(xù)滿足企業(yè)財務管理數智化轉型過程的新需求。

【參考文獻】

［1］ 秦榮生.人工智能與智能會計應用研究［J］.會計之友，2020（18）：11-15．

［2］ 秦榮生.數字化轉型與智能會計建設［J］.財務與會計，2021（11）：6-9．

［3］ 秦榮生.數字化時代注冊會計師發(fā)展之路［N］.中國會計報，2020-09-18（003）．

［4］ 秦榮生.生成式人工智能與智能審計研究［J］.審計觀察，2023（3）：1-5．

［5］ 秦榮生.數據導向審計體系構建：風險模型、方法體系與實現路徑［J］.審計研究，2023（5）：3-10.