..........................................................................................118 7.1 财务报表审计............................................................................................... ........................................................................................123 7.1.2 财务异常检测............................................................................................... ...............................................................................203 1. 引言 近年来，随着企业财务数据规模的指数级增长和审计合规要求 的日益复杂，传统审计模式面临巨大挑战。审计人员需要处理海量 结构化与非结构化数据，同时应对不断变化的会计准则和监管框 架，人工分析效率低下且容易遗漏风险点。以某国际会计师事务所

备制造；互联网信息服务；互联网新闻信息服务。（依法须 经批准的项目，经相关部门批准后方可开展经营活动，具体 经营项目以相关部门批准文件或许可证件为准）（不得从事 国家和本市产业政策禁止和限制类项目的经营活动。） 12 财务数据分析 2015 2016 2017 2018 2019 2020 2021 2022 2023 1.1 1.14 1.05 1 1.16 0.98 1.19 0.96 1.1 / / / / 09 -0.07 -0.69 / / / / / / / / / 0.8535 0.1077 0.1252 0.2672 1.9993 0.3655 1.5972 -0.7264 -0.5754 财务指标 销售现金流/营业 收入 扣非净利润同比增 长(%) 资产负债率(%) 营业总收入同比增 长(%) 归属净利润同比增 长(%) 摊薄净资产收益率 (%) 实际税率(%) 营活动；不得从事国家和本市产业政策禁止和限制类项目的 经营活动。） 14 财务数据分析 竞争优势 用友网络科技股份有限公司，是中国及亚太地区领先的企业数智化软件与服务提供商，专注于信息技术在企业与公共组织中的应用。用友不断深化AI技术的 开发和应用，通过其智能软件研发业务为客户提供包括但不限于智能制造、财务管理、供应链管理等领域的智能化解决方案，帮助企业实现业务在线、数据 驱动以及智能运

此外，在供应链管理方面，AI 智能体能够实时监控库存水平，预测 市场需求，并自动调整采购计划，以确保供应链的高效运转。 其次，商务 AI 智能体的应用不仅限于单一的业务环节，而是能 够贯穿整个企业价值链。从市场营销到财务管理，从人力资源管理 到产品研发，AI 智能体都能够通过智能化的数据处理和分析，帮助 企业实现精细化管理和创新驱动。例如，在市场营销中，AI 智能 体可以通过社交媒体数据分析，识别潜在客户群体，并精准投放广 高效、个性化的客户服务，提升客户满意度和忠诚度。 为了实现这些目标，方案将聚焦于以下几个关键领域的应用：  业务流程自动化：通过 AI 智能体自动处理重复性高、规则明 确的任务，如订单处理、库存管理和财务核算，降低人工成本 并减少错误率。  智能决策支持：利用机器学习和大数据分析技术，从海量数 据中提取有价值的商业洞察，协助管理层制定更科学的战略决 策。  智能客服系统：部署基于自然语言处理（NLP）的智能客服， 客户群体提供定制化的产品推荐和营销方案，提高转化率和客 户粘性。 本方案的实施范围将根据企业的实际需求和技术基础分阶段推 进，优先选择关键业务场景进行试点，逐步扩展至全业务流程。例 如，在初期阶段，可先在企业内部的财务和供应链管理领域引入 AI 智能体，验证其效果后再推广至其他部门。此外，方案的落地将遵 循数据安全和隐私保护的原则，确保 AI 技术的应用符合相关法律 法规和行业标准。 通过以上目标与范围的明确，本方案旨在为企业提供一套切实

我们对全球1000名企业高管的调研进一步 印证了这些关键战略举措的必要性。调研表明， 自主智能供应链正是价值创造的新高地。近三分 之二的受访企业计划在未来十年内大幅提升供应 链的自主化水平。 由此产生的财务效益十分可观。本次调研的 受访企业预计，息税及摊销前利润（EBITA）有望 增长5%，已动用资本回报率则有望提高7%。在运 营层面，企业有望将订单交付周期大幅缩短27%， 生产力提升25%，碳排放量降低16%，同时，从运 的突发变化至关重要。 这种方法既能充分发挥AI驱动系统的强大 能力，又能保留人工监督，以进行战略决策与必要 干预。 例如，企业可以首先从财务成果入手，进而提 升运营速度、敏捷性，并优化成本。我们的受访者 预计，此举可将息税及摊销前利润提升5%、已动 用资本回报率提升7%。除财务指标外，他们还预 期在运营效率和生产力上取得显著收益。他们相 信，自主化系统不仅能够将订单交付周期缩短27%、 劳动生产率提高25%，从而使企业能够更快地响 广泛运用生成式设计、自动化和基于仿真的测试来增强产品开发，并通过算法优化实现快速的 机器设置。 • 完全自动化的生产流程，通过制造业数字孪生来引导流程，实现无人工干预的切换。 • • 利用预测、财务标准、产能和运营多约束优化计划与排程，并提供可借鉴的实用建议。 增强型人工决策，实现跨域跨组织的无缝计划变更。 • 超过95%的交易实现自动化流程及问题解决。 • 利用分析工具监督流程以提高流程效率。

场风险，并实现更高的投资回报率。项目将全面覆盖从数据采集、 预处理、模型训练到实际交易的全流程，确保系统能够在复杂的市 场环境中稳定运行。 在数据层面，项目将整合多源异构数据，包括但不限于历史交 易数据、实时市场数据、财务数据、新闻舆情数据等。通过 DeepSeek 的数据处理能力，系统将能够快速清洗、去重、标准化 这些数据，并构建高质量的训练数据集。此外，系统还将引入特征 工程模块，自动提取关键特征，为后续的模型训练提供有力支持。 动解析和分析市场情绪，帮助交易者更好地把握市场情绪波动对股 价的影响。 在技术实现方面，项目将分阶段推进。第一阶段，重点在于搭 建基础数据平台，整合各类数据源，包括但不限于历史交易数据、 财务报表、新闻资讯等。第二阶段，将引入深度学习模型，进行数 据特征提取和模式识别，优化现有的交易策略。第三阶段，将实现 实时交易监控和自动化决策，确保系统能够对市场变化做出快速响 应。最终，通过持 技术，优化股票量化交易策 略，提升交易效率和收益率。项目范围涵盖从数据采集、模型构建 到策略执行的全流程，具体包括以下几个方面： 首先，数据采集部分将涵盖多源数据的整合，包括但不限于历 史股价、成交量、财务数据、宏观经济指标以及社交媒体情绪数 据。DeepSeek 将用于自动化和智能化数据的清洗、去噪和特征提 取，确保输入数据的质量和准确性。 其次，模型构建部分将利用 DeepSeek 的深度学习算法，设计

Atlas 800T A2 算力集群，浦发银行完成 DeepSeek-R1 671B 大模型的部署 浦发银行 应用场景：融合“五横六纵”企业级知识库，嵌入数字员工助手应用，赋能智能问答、指标问答、财务分析、报告写作等多个应用场景 江苏银行 技术落地：部署 DeepSeek-VL2 多模态模型和 R1 推理模型 成效展示：合同质检准确率达 96% ，自动化估值对账场景日均节省 9.68 小时人工工作量，风险预警响应速度提升 任何责任。 n 投资者应注意，在法律允许的情况下，本公司及其本公司的关联机构可能会持有报告中涉及的公司所发行的证 券并进行交易，并可能为这些公司正在提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。本公 司及其本公司的关联机构或个人可能在本报告公开发布之前已经使用或了解其中的信息。 n 本报告版权归“中泰证券股份有限公司”所有。事先未经本公司书面授权，任何机构和个人，不得对本报告进

促进业务发展。华为提供的 ModelMate RAG+Agent 工具链及 AI 计算使能服务助力 XX 海关 突破三大智能场景： （一）智能问答：构建跨部门知识管理体系，支持财务、隶属海关等业务处室的财务制 度、属地查检等文件精准检索与业务流程智能指引； （二）智能问数：搭建报关数据分析平台，通过“漏斗式”筛查，基于历史走私人员通 关特征分析，通过多轮问答方式锁定走私嫌疑目标； 预警； 图 8 RAG+Agent 工具链及 AI 计算使能方案和价值 华为提供了 ModelMate RAG 工具链及 AI 计算使能-RAG 知识库构建服务，使能行业用户 构建财务制度、属地查检、蓝盾知库等知识库，通过对 1 万+多格式的文档进行分析、解析、 切片及入库等语料处理，采用了语料标准化、检索调优、切片调优等多种调优手段，最终保 障知识库答准率达到

能够根据不断变化的欺诈手段和风 险特征，动态调整风控策略和模型 参数，确保系统始终处于最优状态， 适应复杂的金融环境。 客户行为深度分析 大模型能够基于客户的实时行为和市场变化， 预测其未来的财务需求和投资倾向，为财富管 理顾问提供前瞻性建议，提升客户满意度和忠 诚度。 动态需求预测 智能化资产配置 结合客户画像和风险偏好，大模型可以自动生 成最优的资产配置方案，包括股票、债券、基 库构建过程中，严格遵守数 据隐私保护法规，采用脱敏、 加密等技术手段，确保敏感 信息的安全性和合规性，避 免数据泄露风险。 04 多源数据整合：通过整合银 行内部数据（如客户交易记 录、财务报表、业务规则文 档等）和外部公开数据（如 金融新闻、政策文件、市场 研究报告等），构建涵盖广 泛金融知识的语料库，确保 模型具备丰富的金融领域知 识。 01 金融领域预训练语料库构建方法

环节之一。 通过 DeepSeek 平台，银行可以实现对客户信用状况的精准评估， 从而有效降低信贷风险。首先，DeepSeek 利用大数据技术，整合 来自多个数据源的信息，包括客户的交易记录、财务报表、历史信 用记录以及社交媒体数据等。这些数据通过机器学习算法进行处理 和分析，构建出多维度的客户信用画像。 其次，DeepSeek 平台采用先进的模型算法，如随机森林、支 持向量机和神经 高的准确性和效率，能够有效地帮助银行防范和减少欺诈行为的发 生，保障客户的资金安全。 3.4.2 身份盗用检测 在金融银行领域，身份盗用检测是欺诈检测中的一个关键环 节。身份盗用不仅会导致客户财务损失，还会严重损害银行的声誉 和信任度。DeepSeek 平台通过先进的数据分析和机器学习技术， 能够有效地识别和预防身份盗用行为。 首先，DeepSeek 平台利用多源数据融合技术，整合客户的基 5 投资管理 在金融银行领域，DeepSeek 通过其强大的数据分析和机器学 习能力，为投资管理提供了全方位的解决方案。首先，DeepSeek 能够整合来自多个来源的金融数据，包括市场数据、公司财务数 据、宏观经济指标等，通过数据清洗和预处理，确保数据的准确性 和完整性。在此基础上，DeepSeek 利用其先进的算法模型，对市 场趋势进行预测，帮助投资者做出更为明智的投资决策。 具体来说，DeepSeek

分类逻辑可通过以下规则表实现： 工单特征 分类标签 路由策略 响应时效 “ ”“ 含 无法登录 错误代 ” 码 技术故障 转二级技术支持 ≤15 分钟 “ ”“ 含 退款 取消” 财务类 转财务专员+风控审核 2 ≤ 小时 自动化工单处理 模型支持以下场景的自动化响应： 1. 常见问题闭环 “ ”“ ” ：针对高频问题（如 密码重置 物流查询 ），模 型自动匹配知识库答案并生成回复，准确率可达 迟、错误代码分布等指标 权限层 级 功能范围 数据访问范围 典型角色 L1 模型参数调整 仅限测试环境数据 初级运维 L2 生产环境模型版本发布 全部客户数据 技术主管 L3 系统级配置修改 含财务/合同敏感数据 系统管理员 进阶模块 针对异常处理与性能优化展开深度培训： 1. 故障诊断流程： - 通过日志分析定位问题（如 429 错误需检查限流策略） - 掌握熔断机制触发条件与恢复方案 系统更新客服专员技能矩阵后，DeepSeek 动态优 化工单分配策略 o CRM 客户满意度数据反向推送至 HRM 绩效考核模块 3. 财务-销售闭环 o ERP 应收账款数据通过大模型分析后，在 CRM 生成客户 催款优先级列表 o CRM 合同审批流与 ERP 财务模块的预算控制实时校验 技术实现指标 集成类型 协议标准 吞吐量 安全要求 实时数据交 gRPC+Protob 2000 TLS