技术的未来属于善问者，而提问的艺术，终将定义人类的不可替代性 DeepSeek 金融审计应用场景 1000 问 发布单位 发布时间 南京审计大学金融学院 江苏省金融大数据审计信息工程研究中心 2025 年 3 月 16 日 写在前面的话 在数字经济与智能技术深度融合的今天，金融以及金融审计行业正经历前所 未有的变革。以 DeepSeek 为代表的大语言模型（LLM）作为人工智能领域的突 金融审计领域带来了新的发展机遇与挑战。如何借助大模型工具挖掘审计线索、 优化工作流程、提升风险预判能力，成为行业亟需探索的课题。本手册基于对银 行、证券及保险业审计场景的调研，结合大语言模型技术，系统梳理了金融机构 1000 个左右审计通用场景应用问题（侧重内部审计），并给出简要提示与典型 案例，旨在为金融审计领域的学习者及工作人员提供实用性的操作指南。以下是 本手册编写的核心逻辑与框架说明。 一、精准化问题拟定：用技术激活大模型价值的关键 政处罚等负面信息实时监测机制，强化信息披露合规性分级审查。 五、 自营和投资业务审计 （一）基础审计场景应用问题 1 、业务合规性 （1）是否持续满足自营业务资质条件？（如：核查净资产、净资本指标 是 否达到 2000 万/1000 万监管要求，是否每季度更新净资本压力测试报告。） （2）投资范围是否突破监管限制？（如：抽取投资标的清单，核对是否 包 含非公开发行股票、股指期货等禁止性领域，关注信托嵌套投资合规性。）

库存地点在一个工厂下以独一无二的四位字节的字母或数字来定义 组织机构 : 存储地点 © 2011 82 - All rights reserved 17 集团 公司代码 0001 公司代码 0002 工厂 1000 工厂 1100 工厂 2000 存储地点 0001 存储地点 0002 存储地点 0003 组织机构 © 2011 82 - All rights reserved 18 • 采 配的机制。它可以使你在任 何指定的时间都能够确定哪 一个是列在采购申请中物料 采购的有效来源。配额的设 定允许在一个时期内，在不 同供应来源之间自动分配物 料总需求的比例。 Material 1 Plant 1000 Period 01.01. - 12.31. To 10% 15 Plant Atlanta (internal) 70% 120 Vendor K1 (external) 10% Consignment 0 物料 H0122345 工厂 1000 期间 01.01. - 12.31. 到此为止 : 供应商 A (外部 ) 10% 10 供应商 B (外部 ) 10% 15 工厂 上海 (内部 ) 70% 120 供应商 K1 (外部

3.2 TO B TO C Lv1-Lv5 Lv1 Lv5 [2] 2035 To B 2035 To C 2025 2025 2027 [1] 1 100 100 1000 2025 1 2028 2035 2040 2045 1 Lv2 Lv1 Lv3 Lv4 Lv5 1 [2] 3 , TO B TO C ◼ ◼ 2025 AI AI AI 91 92 73 eVTOL 75 1.1 1 ABeam 2 Federation Aeronautique Internationale 100 3 1000 3000 (eVTOL) 300 4 electric Vertical Take-off and Landing 0km 0.3km 100km 0.1km - [1]. - 2016-09-05 85 km/h 350km/h 400-500km/h 3 S1 1000km/h 1000 - 2024 86 • 4 200 • 1997 863 2001 863 15 2004 600km/h 12 50 2020 2021 1 13 600km/h 1000km/h 2023 3 31 2024 2 + *ABeam 87 SpaceX

人工智能时代：算力开始不足，需大量高性能 Al 加速器 计算机算力的发展 人工智能大模型算力估计 ■ 人工智能大模型算力估计 ■ 1, 数据量 ( D ) >15* 模型参数量 ( N ) ■ 万亿模型 (N )=1000*109=1012 ■ 数据量 (D )>15*1012 =1.5*1013 ■ 2, 计算次数 C≈ 6* N * D H800(25 万 ):1.5*1010 秒 (174000 天 ) ■ 1000 张 H800(2.5 亿 ):1 .5*107 秒 (174 天 ) 算力 ( 每秒 ) 显存 运力 生态 政策风险 成本 华为 910B 320T=3.2*101 4 32GB 240 GB/s 较好 无 12 万 英伟达 H800 1000T=1015 80GB 900 GB/s 好 有 25 万 人工智能计算平台成本估计

系统中完成实战部署，证明了其不仅能用在边缘业务，更 能支撑核心系统。在政务领域，腾讯云已助力超过30个部委、20多个省、500多个市县数字化转型。在金融领域，腾讯云数据库 TDSQL已覆盖超过1000家金融机构，国内前10大银行中有7家使用，并助力40多家金融机构完成核心系统自主创新升级。在医疗、 传媒、交通等诸多领域，国产软件也经过了广泛的考验。 三是用户体验的优化：国产软硬件从可用、能 活的弹性扩展能力和开放兼容、一云多芯的生态支持。 在政务领域，广东省政数局基于腾讯云专有云TCE打造了全国最大的省级政务云，覆盖IaaS、PaaS、安全全栈云平台服务能力， 服务68个省级单位、1000多个业务系统，稳定支撑粤系列应用、财政、医保、人社、自然资源等核心业务。 TencentOS Server操作系统支持主流国产芯片，具备CentOS原地替换能力，其V3版本专为数据库与AI场景优化，已在千万级节 且已经服务了400余家企业客户。 腾讯云融合创新产品 国产数字化升级标杆实践报告 11 - - 12 国产数字化升级标杆实践报告 国内独家AI+操作系统，累计部署量1000+万套 六大核心产品优势 TencentOS Server AI 【内核性能优化/安全加固】 OS for AI 通过底层操作系统的优化，更好的支撑AI模型运行 AI for OS 利用AI

自动驾驶近年来一直未能进入 L3 时 代 资料来源： SAE J3016- 2018 100 亿公里 马斯克曾在推特点赞了这样的观点： 实现超越人类的自动驾驶能力至少 需要 100 亿公里驾驶数据。 1000 亿公里 自动驾驶初创公司 MOMENTA 在其 公众号上提出： 要实现 L4 级驾驶，至少需要千亿公 里驾驶数据。 我国 2022 年公里旅客运输周转 量 道路交通具有场景复杂、参与者多、场景异质性强等特点 要对车辆自动驾驶系统进行大量测试 ，以确保尽可能多地覆盖场景 ，但也会带来成本的大幅增加。 业界对 L4 级别自动驾驶所需测试数据的预估 为解决长尾问题，测试数据需达 10 亿 ~1000 亿公 里 资料来源：广汽集团，案头研究 2400 亿 人工智能大模型在汽车业的应用 ，首推它对自动驾驶的赋能 ，主要体现为城市导航辅助驾驶系统（城市 NOA ） 的量产应用上。从 2022 大模型可大幅减少长尾效应，提高自动驾驶安全 性 汽车的 图片来源：百度阿波罗， 毫末智行 100 亿公里 马斯克曾在推特点赞了这样的 观点： 实现超越人类的自动驾驶能力 至少需要 100 亿公里驾驶数据。 1000 亿公里 自动驾驶初创公司 MOMENTA 在其公众号上提出： 要实现 L4 级驾驶，至少需要千 亿公里驾驶数据。 2022 年， 特斯拉的自动驾驶算法已全面切换到 AI 大 模 型。 新版

诊断与临床经验，使误诊率降低至 0.8% ⚫ 跨域整合：将 AI 工具与行业经验结合，如老匠人用 DeepSeek 设计非遗数字化方 案 ③情感创造力 ⚫ 审美突破：设计师通过 AI 生成 1000 种图案，筛选出最具情感共鸣的设计 ⚫ 共情优势：心理咨询师借助 AI 分析数据，但治疗决策始终由人类主导 5.终极展望：硅基与碳基的共生文明 DeepSeek 预示的不仅是技术革命，更是文明形态的进化： 网络，即使遭遇全球灾难也能快速重建 ⚫ 文化传承：通过多模态 AI 还原失传技艺，如成功复现唐代青瓷秘法 ②星际探索联盟 地外智能体：搭载 DeepSeek 的探测器可自主分析火星地质，决策效率提升 1000 倍 宇宙语言库：构建跨物种沟通系统，为接触地外文明做准备 ③意识融合实验 ⚫ 记忆上传：临终患者可将人生经历转化为 AI 数字生命 ⚫ 伦理边界：立法禁止“完全意识复制”，保留人类独特性 的技术迭代正以“摩尔定律平方”的速度推进，未来 5 年将实现三大突破： ①量子智能融合 ⚫ 量子退火算法：解决传统计算机无法处理的组合优化问题（如全球物流路径规 划） ⚫ 超导量子比特：训练速度提升 1000 倍，模型参数突破百万亿级 应用场景： ⚫ 1 小时优化全国高铁时刻表，减少 30%能源消耗 ⚫ 破解蛋白质折叠难题，加速癌症药物研发 ②多模态深度对齐 ⚫ 跨模态

技术的挑战及能源电力市场的差异性。这些报告对美国智能算力增长和电力需求 的预期并不一致，而中国面临的首要问题是如何克服芯片能效提升的瓶颈。 第一章： 来源：Hugging Face，未尽研究，环球零碳 说明：对数轴。每进行 1000 次查寻，完成每种推理任务平均消耗的电能。 不同推理任务的用电量 10 1 0.1 0.01 0.001 2.907 图像生成 图像描述 生成 摘要生成 文本生成 对象检测 图像分类 本预测至 2030 年。不同结构给出的预测对象并不一致，部分明确称数据中心，部分称 AI 数据中心，IEA 的还包括加密货币。 用电量：TWh 3000 2500 2000 1500 1000 500 0 银河证券 高盛 高盛 EPRI IEA IEA IEA 华泰证券 华泰证券 银河证券 TechInsights semianalysis semianalysis 基准场景 安徽 北京 甘肃 河北 各省加总 全国规划 智算规模 EFLOPS AI 改变能源 智算如何引领新型电力系统 扫码了解更多 7 3500 3000 2500 2000 1500 1000 500 0 2023 2024 2025 2026 2027 2028 2029 2030 测算方法与结果 从2023年到2030年，中国智能算力规模将以每年70%的复合增长率持续攀升。

的预期并不一致，而中国面临的首要问题是如何克服芯片能效提升的瓶颈。 第一章： AI 改变能源 智算如何引领新型电力系统 来源：Hugging Face，未尽研究，环球零碳 说明：对数轴。每进行 1000 次查寻，完成每种推理任务平均消耗的电能。 不同推理任务的用电量 10 1 0.1 0.01 0.001 2.907 图像生成 图像描述 生成 摘要生成 文本生成 对象检测 图像分类 基本预测至 2030 年。不同结构给出的预测对象并不一致，部分明确称数据中心，部分称 AI 数据中心，IEA 的还包括加密货币。 用电量：TWh 3000 2500 2000 1500 1000 500 0 银河证券 高盛 高盛 EPRI IEA IEA IEA 华泰证券 华泰证券 银河证券 TechInsights semianalysis semianalysis 基准场景 上海 广东 江苏 安徽 北京 甘肃 河北 各省加总 全国规划 智算规模 EFLOPS AI 改变能源 智算如何引领新型电力系统 7 3500 3000 2500 2000 1500 1000 500 0 2023 2024 2025 2026 2027 2028 2029 2030 测算方法与结果 从 2023 年到 2030 年，中国智能算力规模将以每年 70% 的复合增长率持续

其二，简化流程。那些善于精简运营、标准化 流程的企业，将能更快地规模化应用技术，更迅 速地适应变革，并加速AI的学习周期。在当今的市 场格局中，这些无疑是一种核心的竞争优势。 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 供应链本身具备流程驱动和数据驱动的特性，使 其成为自主化AI等技术的理想应用场景。这些技 术能够以前所未有的速度和效率协调复杂的决 策，众多供应链与技术领域的领导者对此深表 认同。 我们对1000名来自10个行业的首席级高管的 调研显示，未来十年内，近66%的企业将致力于全 面提升其供应链的自主化水平。其中更有约40%的 企业期望达到高级自主化，即由系统处理绝大多 数运营决策。 那么，这对企业员工而言意味着什么？我们 能在未来五年内实现完全自主化，这 反映了业界对技术成熟度、运营复杂性、 监管环境以及人工监督必要性的现实 考量。 来源：埃森哲2024年自主智�供应链全球调研。样本基数：所有企业（样本量=1000）。 第25百分位数 当前中位数 第75百分位数 未来五年内 主要亮点 各行业当前及未来自主化水平概览 化工 5 零售 8 生命科学 9 汽车 1 半导体 2 航空航天和国防