引用本文著录格式：李瑞雪.DeepSeek与AI技术协同赋能财务人员数智化能力提升的机制与路径[J] .商业会计，2025，（9）：4-9.
· 会计专家 ·
李瑞雪 副教授/博士
李瑞雪，女，山东财经大学会计学院院长助理兼智能会计实验教学示范中心（省级）副主任，海岱学者青年英才，副教授，硕士生导师，南京航空航天大学管理学博士，加拿大滑铁卢大学国际访问学者，中国商业会计学会智能会计分会秘书长，一带一路暨金砖国家技能发展国际联盟数智财经工作委员会专家委员，山东省大数据研究会数智会计与财务分会常务理事。研究方向：智能会计与数字企业、数据治理与数据资产、智能财务决策与企业价值实现。
【基金项目】 国家社会科学基金项目（项目编号：22BGL104）；中国商业会计学会“全国青年骨干教师能力素养提升培养项目（第一期）”阶段性成果。
【关键词】 DeepSeek；AI技术；财务数字化转型；数智化能力提升；案例应用
【中图分类号】 F232；G77 【文献标识码】 A 【文章编号】 1002-5812（2025）09-0004-06
一、引言
随着DeepSeek等大语言模型和AI（Artificial Intelligence，人工智能）技术的普及与发展，其在会计领域的应用愈来愈广泛，会计工作内容与职能也随之发生了重要的转变，业界对于财务人员能力的需求也有了新变化，尤其是财务人员数智化能力的提升成为了关键之关键［1-3］。如何借助DeepSeek等AI产品与AI技术赋能会计工作提质增效，如何提升财务人员数智化能力与水平，成为业界和学界共同关注的问题。
现有关于DeepSeek等大语言模型在会计工作中应用与财务人员数智化能力提升的研究多聚焦于大语言模型对会计行业的影响、DeepSeek影响下财务工作演化趋势［4］、DeepSeek和ChatGPT等大语言模型在财务工作领域中的直接应用［5-6］等方面，鲜有文献从DeepSeek助推大数据技术、AI技术在会计领域应用的视角研究其协同赋能财务人员数智化能力提升的机制与路径。而在数智化时代，以DeepSeek等大语言模型为代表的AI产品在财务工作中的直接应用实则有限［7］，大语言模型的应用应当结合财务工作具体场景及AI技术特点适用性进行合理选择与协同赋能，即应将合适的数智化技术应用于合适的财务工作场景中。
基于此，本文基于DeepSeek等AI产品和数智化技术在会计工作中的适用性，以及由于数智化技术使用所带来的会计工作内容与职能变化而引发的财务人员数智化能力需求的具体维度，分析DeepSeek如何有效与AI技术相结合协同赋能财务人员业财数据分析能力、数据治理能力、业财数据应用能力提升的机制与路径，并借以案例对DeepSeek与不同数智化技术相结合在财务工作中的经典应用场景进行了详细阐释与说明，完善与丰富数智化技术在会计应用研究中的同时，也为业界财务人员进行数智化能力提升提供实践指导。
二、数智化技术发展与会计体系变革
（一）数智化技术与大语言模型
数智化技术包括大数据技术和智能化技术。大数据技术是指用于海量数据采集、存储、分析的技术体系，主要包括以SQL（Structured Query Language，结构化查询语言）数据库为代表的数据存储与管理技术、数据处理与分析技术、数据挖掘与机器学习技术、数据可视化技术和数据治理与安全等方法；智能化技术（也可称为狭义人工智能技术）是指通过计算机系统模拟人类智能的理论、方法和和技术，旨在实现感知、学习、推理、决策和和自然交互能力，其核心技术为机器学习（Machine Learning，ML），即通过算法让计算机从数据中学习规律，大语言模型、图片识别、机器人等均属于人工智能技术的应用。
大语言模型是人工智能技术应用的一个跨越式发展，相较于人工智能技术早期多应用于语音识别和图像识别，以DeepSeek、GPT、BERT等为代表的大语言模型（Large Language Model，LLM）在自然语言处理领域取得了突破性进展，这些模型通过海量数据和强大算力的训练展现出惊人的语言理解和生成能力［8］。DeepSeek作为国内领先的大语言模型，在中文理解和生成任务上表现出色，其自然语言处理能力、多模态数据融合和基于RAG技术的海量数据检索能力突出，但对于Excel、PPT和Word等的直接生成却表现的差强人意。大语言模型在财务工作中的有效使用应与其他数智化技术相结合。
大数据技术与人工智能技术在财务工作场景中的应用是相辅相成的，例如，在业财数据分析中既会应用到Python语言，也会应用到SQL数据库知识；而Python语言既可以应用于业财大数据分析，也可以应用于数据挖掘与机器学习模型训练。为避免概念混淆，本文将企业数字化转型和财务智能化转型中所用到的数字化和智能化工具统称为AI技术，即广义的AI技术。
（二）会计体系变革与AI技术适用性
会计工作自结绳记事起，随着各种作业工具与技术的使用，其工作内容与职能不断发生着变化。相较于传统手工会计阶段，会计电算化使财务会计核算工作效率大幅提升、工作流程得以优化；相较于会计电算化阶段，会计信息化使会计管理职能得到一定程度的释放，与业务系统有了一定程度的对接；相较于会计信息化阶段，会计智能化使大数据技术和智能化技术全面应用于业财数据融合和辅助企业决策，会计工作内容与职能更是发生了巨大变化，既可实现精准自动化会计核算，又可为企业提供更全面的决策信息。会计体系也成为了财务会计与管理会计深度融合的大会计体系，主要包括自动化财务会计核算体系、全面化外部数据采集体系、标准化业财数据管理体系、可溯源业财数据分析体系、智能化业财数据应用体系和数智化内部控制与审计体系六个方面。
在上述六大会计工作体系中，由于工作内容与场景特点不同，不同的AI技术就体现出了不同的适用性。
1.自动化的财务会计核算体系。数智化时代的财务会计核算，从会计信息采集、会计信息处理及会计信息生成均可以实现一键式自动化生成，即经济业务一发生就可自动生成证账表的过程。AI技术在自动化财务会计核算体系中的应用与会计核算各阶段工作特点相关。在会计信息采集阶段，企业所有业务信息均可通过数字化技术采集到数据库中，进而使用数据库技术存储信息。目前，业务信息数据采集主要有以下三种模式：一是企业内部业务系统中产生的数据，例如采购系统中的订单数据、生产系统中的产品数据、库存系统中的出入库数据等，均可通过企业内部系统连通的方式进行自动化采集与传输，也可使用财务机器人（RPA）等技术实现大量数据自动化处理；二是与企业外部系统产生的电子化数据，例如与银行对账单、与第三方差旅系统对接等，则可通过API（Application Programming Interface，应用程序编程接口）等方式完成数据的传输与采集；三是内外部产生的纸质数据，则可以通过OCR（Optical Character Recognition，光学字符识别）和NLP（Natural Language Processing，自然语言处理）等方式完成数据的采集与电子化。
在会计信息处理与会计信息生成阶段，数据库技术则可以依照借贷记账法和会计准则、规则定义式地自动完成原始凭证到记账凭证再到报表的一键式生成。在此阶段，数据库技术因其准确率可以达到百分百的原因，其在证账表自动生成过程中的适用性是最强的。相较于数据库技术，自然语言处理和机器学习等人工智能技术受准确率限制的原因，并不适合于财务会计核算工作中证账表的自动生成。
值得一提的是，自动化的财务会计核算体系也是业财数据融合的过程，企业内部的业务数据和财务数据在此阶段可以实现全面地、自动化地采集与存储，但往往在企业实际数据应用过程中并不会用到全量数据，尤其是在财务会计报告和管理会计报告生成过程中，一般是根据企业对外信息披露和内部决策所需而确定业财数据使用范畴，这就涉及到业财数据取数标准制定的问题，这属于业财数据管理体系内容，后面再进行讨论。
2.全面化的外部数据采集体系。财务会计核算体系可以自动化地生成企业内部数据，而形成辅助企业决策的管理会计报告时，往往也会用到企业外部信息，如GDP信息、行业信息、竞争对手信息等。在海量外部数据信息中如何取到对企业有用的信息，大数据技术和网络爬虫技术等就会发挥其较大优势。从目前技术发展情况来看，Python工具中的网络爬虫技术是获取全面外部数据的一个较好用的技术，而DeepSeek等大语言模型也可以借助其强大的检索功能和自然语言理解能力帮助企业进行非结构化数据的采集，例如政策法规、行业信息等。
3.标准化的业财数据管理体系。业财数据管理体系是业财数据采集标准制定、数据存储标准制定与数据存储介质选择的体系，具有数据预处理、数据治理与数据资产生成的功能。由于企业信息化阶段，多数业务系统与财务系统并不相通，各系统间存在孤岛问题，目前大多数企业标准化业财管理体系的形成是以大数据平台建设的形式所呈现，存在着大量的历史数据治理问题与新数据形成标准的问题。随着国家越来越强调数据资产形成与数据要素作用的发挥，企业大数据平台与业财数据管理体系的优劣也决定了数据资产是否可以完成全生命周期管控、数据资产是否可溯源评估，以及数据要素是否真的能发挥作用。同时，业财数据质量的高低也会直接影响着后续业财数据的使用情况，数据质量过低，再优异的机器学习模型也无法发挥其作用。因此，业财数据管理体系在整个会计体系中起着非常重要的承上启下作用，上接财务会计核算系统中业财数据和外部数据采集和处理问题，下启业财数据分析与应用体系中的数据使用问题。标准化的业财数据管理体系需要大数据技术与数据治理方法的全面应用，需要财务人员熟知业务流程与业财数据存储原理，且具备数据治理能力与大数据思维，对于人员素质有较高要求。
4.可溯源的业财数据分析体系。传统业财数据分析往往是基于财务报表与部分业务数据，很难做到真正溯源，即很难从财务指标变动查找出其具体业务原因。例如，利润变动是否可以追溯到是由于哪笔收入或费用变动所引起的？而引起该收入或费用变动的业务原因又为何？数智化时代，由于业财数据融合的自动化，及业财数据存储的全面性，基于高质量的业财数据，企业可以借助大数据技术与商业智能（Business Intelligence，BI）技术进行溯源分析。在业财数据分析过程中，我们既可以使用Python语言、SQL数据库技术、BI可视化技术完成业财数据的清洗、统计分析、可视化展示等功能，也可完成数据联动分析。多角度、全方位、可溯源的业财数据分析体系能够帮助企业更全面地查找问题、寻找原因、优化管理流程与作业流程。
5.智能化的业财数据应用体系。标准化业财数据管理体系所形成的高质量业财数据一方面可进行溯源分析，另一方面可进行智能化应用。智能化的业财数据应用主要包括智能化财务决策与管理会计报告智能化生成。会计的一大职能就是要为企业提供决策有用信息，但在会计信息化及以前阶段，由于数据存储能力有限、数据采集不够全面、数据标准不统一带来的数据质量较差、技术条件受限等原因，企业进行决策时多为人工决策，如预算编制、销量预测、生产排产量确定等问题，多靠人工经验值，而非基于历史数据寻找规律。
大数据存储技术的应用与人工智能技术的发展，使得借助现代科学技术从历史数据中寻找规律、使用机器学习和神经网络等先进模型进行预测从而帮助企业进行科学决策变成了可能。智能化财务决策就是利用机器学习等人工智能技术对企业需决策之关键节点进行提前预测，相较于人工预测，基于AI技术的智能预测会有更高的准备率与可信度。而这一预测与决策的结果则可以放于管理会计报告中，管理会计报告的生成也可以借助Python语言、大数据技术与BI技术进行智能化生成，并进行动态化展示。数智化时代的业财数据应用体系拓宽了会计工作职能，拓展了会计边界。
6.数智化的内部控制与审计体系。由于会计工作职能与内容的变化，企业内部控制与审计体系也会发生相应变化。例如，由于财务会计核算工作自动化完成，相应的审计内容与审计形式也会随之发生变化，审计重点会由原来的审单据转变为对核算自动化系统的审计。这是数智化时代内部控制重点与审计内容的重大变化。
数智化技术的应用，对于审计工作手段也会有着相应的影响。大数据技术对于结构化数据的审计有着极强的作用，可以完成全样本的数字化审计；DeepSeek等大语言模型强大的自动语言处理功能则对于非结构化数据有着较强的处理能力；大数据技术与人工智能技术的有效结合对于数智化内控体系发展和数智化审计水平提升有着极强的促进作用。
数智化时代会计工作体系与AI技术适用性如图1所示。
（图略）
三、DeepSeek与AI技术协同赋能财务人员数智化能力提升机制与路径
（一）数智化时代财务人员能力需求分析
由于数智化时代会计体系变革与会计工作内容和职能变化，财务人员所需具备的能力也会发生相应变化。具体而言，数智化时代财务人员需具备智能会计核算能力与大数据思维、业财数据分析能力、业财大数据治理能力、业财数据应用能力（含可溯源分析能力与智能预测与决策能力）和智能审计能力。
第一，财务人员应该能够掌握使用数智化技术和核算平台完成会计核算自动化的方法，且不仅要知其然还要知其所以然，要懂得OCR、RPA和NLP等技术在会计信息采集中的应用范围及作用，能够熟悉业财数据形成的原理及在数据库中的存储过程，能够使用简单SQL语句完成财务会计核算。这不仅是自动化会计核算能力的需求，也是大数据思维形成的重要过程。
第二，业财大数据分析能力是指财务人员应该能够使用Python等数字化技术完成对业财大数据的采集、清洗、数据预处理、数据统计分析及联动分析的能力，不仅可以解决当下财务工作繁杂工作中数据处理的问题，也能为未来使用机器学习等人工智能技术完成预测与决策工作奠定基础。
第三，业财大数据治理能力是指财务人员要有大数据思维，并能够使用基本的数据治理工具与SQL等大数据技术，完成杂乱历史数据的治理，与新数据采集标准、存储标准的制定。如前文所述，业财大数据治理工作需要既懂业务、又懂财务、还要有一定的数据库知识和大数据思维的人员来完成，这就对财务人员能力提出了更高的要求，也为财务人员未来发展带来了机遇。财务人员要主动拥抱数智化技术，才能完成自身职能转变，也可为未来可持续发展奠定基础。
第四，业财数据应用能力包括基于业财数据使用BI技术的可溯源分析能力和使用AI技术对企业需决策场景进行预测与决策的能力，这在未来会计工作发展中极为重要。随着业财数据质量的不断提升，AI技术和BI技术在企业应用中的场景也会越来越丰富，财务人员在掌握此类技术的同时，也要具备能够选择相应技术应用于工作场景开发的具体能力。
第五，智能审计能力是指财务人员能够使用大数据技术、自然语言处理技术和大语言模型进行稽核审计的能力。智能审计能力无论是对当前财务工作效率的提升，还是对未来数智化技术应用场景的开发都极为重要。
综上所述，数智化时代对财务工作人员掌握AI技术提出了更高的要求。然而，目前业界大多数财务人员对于AI技术均存在畏难情绪，不敢不愿不会去尝试使用。而DeepSeek的横空出世可以克服传统财务人员对于AI技术的畏难情绪，无需过多学习AI技术原理与程序代码的前提下，使用DeepSeek就能快速掌握AI技术使用方法与应用场景，提升财务人员的数智化水平与业务能力。
（二）DeepSeek与AI技术协同赋能财务人员数智化能力提升机制与路径
DeepSeek与AI技术协同赋能的原理是财务人员在不掌握程序语言和AI技术原理的情况下，可以通过向DeepSeek提问的形式，寻求DeepSeek帮助，让其代为完成相关代码撰写、AI技术选择、模型优化、错误更正等工作。在此过程中，财务人员仅需熟悉工作场景与DeepSeek提问技巧即可。
DeepSeek与AI技术协同赋能财务人员数智化能力提升的机制具体可表现为：DeepSeek赋能Python应用，提升无代码基础财务人员的业财大数据分析能力；DeepSeek赋能SQL应用，提升无大数据基础财务人员的业财数据治理与应用能力；DeepSeek赋能BI应用，提升财务人员可视化展示与溯源分析能力；DeepSeek赋能ML应用，提升无机器学习基础财务人员的智能预测与决策能力；DeepSeek直接或间接赋能SQL/NLP，提升财务人员的智能审计能力。DeepSeek与AI技术协同赋能财务人员数智化能力提升机制与路径如图2所示。
（图略）
1.DeepSeek与Python协同赋能业财大数据分析能力提升路径。此路径主要是通过使用DeepSeek，根据用户需求生成Python代码，然后将Python代码用于数据分析与处理及相应文档生成。以DeepSeek与Python共同处理Excel中的数据为例，其帮助财务人员进行业财大数据分析的步骤如下：第一步，将存储于Excel中的业财数据上传至DeepSeek对话框中，根据业务需求进行提示词设置，DeepSeek可根据业务需求对业财数据进行初步分析。第二步，请DeepSeek根据业财数据分析需求（如数据清洗、数据统计分析、数据可视化、分析后文档生成、PDF报告生成等）生成相应Python代码。第三步，财务人员将Python代码复制粘贴于Python运行工具（如Anacoda、PyCharm等），进而运行。第四步，若运行成功，则完成相关数据分析；若不成功或生成数据不合业务需求，则进行第五步。第五步，根据提示将错误或代码需优化点复制到DeepSeek对话框，DeepSeek会根据问题继续进行代码优化，直至按业务需求运行成功。
2.DeepSeek与SQL协同赋能业财大数据治理能力提升路径。此路径主要是通过使用DeepSeek，帮助财务人员对原始脏数据进行解析，生成能够自动清洗数据的SQL语句来实现。同时，DeepSeek与SQL协同使用，可以帮助财务人员进行规则修正、数据质量与数据联通情况检查、数据治理报告输出等工作。同时，DeepSeek还可以帮助财务人员熟悉数据治理流程和数据标准制定，检查数据安全性、完整性等问题。DeepSeek通过与SQL编辑器的互动功能及与Python的互动过程，可以帮助财务人员编写代码、查核错误代码，即财务人员可以将DeepSeek视为代码编写小助手，对于不会写的代码、运行出现错误的代码，均可使用DeepSeek来完成。
3.DeepSeek与BI结合赋能业财数据可视化与溯源分析能力提升路径。此路径主要有两条：一是可视化能力提升。对于不会使用BI的财务人员来讲，可以根据业务需求形成提示词，将数据结构与提示词同时发给DeepSeek，DeepSeek会根据业务需求形成BI使用指南，财务人员可以根据使用指南完成相关可视化操作。二是溯源分析能力提升。溯源分析大部分情况下需要使用BI工具中的DAX函数功能，此时不仅需要掌握BI的使用方法，还需要掌握DAX函数撰写方法。如同DeepSeek与Python和SQL的互动一样，DeepSeek也可帮助财务人员完成DAX函数编辑，实现业财数据溯源分析功能的实现。
4.DeepSeek与ML协同赋能预测与决策能力提升路径。此路径主要包括三个方面：第一，DeepSeek可以根据业务需求和数据特点进行机器学习模型选择，并可根据模型运行情况进行拟合度比较等，以完成合适方法的选择。第二，DeepSeek可以生成机器学习模型运行的Python代码，包括特征工程、训练集划分、拟合度检验等等，均可由DeepSeek生成代码的形式来完成。第三，DeepSeek可以进行参数调优与模型优化。在财务人员对于机器学习不太熟悉的情况下，DeepSeek可以完成模型优化工作，以帮助财务人员更好地将机器学习等AI技术应用于预测与决策场景中，而无需进行从头学习。
5.DeepSeek与SQL、NLP结合赋能智能审计能力提升路径。DeepSeek的自然语言处理能力非常强大，对于日常财务工作中的一些审计问题，财务人员可以直接向其进行提问，让其协助完成。例如，差旅报销单的稽核审计问题、差旅报销制度的优化问题等。此外，DeepSeek也可以和SQL、NLP结合进行数智化审计。与SQL结合主要是对于结构化数据的处理，财务人员可以让DeepSeep生成SQL语句，帮助进行全样本的审计，如Select语句在异常点查找中的应用；与NLP结合主要是针对非结构化数据处理，尤其是文本处理，财务人员可以让DeepSeek帮助生成自然语言处理的Python语句，例如使用Python运行NLP模型进行文本分析，查找异常点等。DeepSeek与NLP结合在审计工作中的应用，同DeepSeek与机器学习相结合在财务预测场景中的应用类似。值得说明的是，使用DeepSeek与AI技术工具相结合进行财务数据分析与处理，可以解决DeepSeek未私有化部署情况下财务数据的保密性问题。具体处理方式是，上传至DeepSeek的数据可以是样例数据或脱敏后数据，DeepSeek根据数据结构生成代码，并将代码置于本地数智化工具的编译器（如Python编译器）运行，以不影响数据分析功能与效果。
四、DeepSeek与AI技术协同赋能财务工作场景应用的典型案例
本文以DeepSeek与Python技术结合协同赋能财务工作场景应用为例，阐述如何借助DeepSeek快速掌握AI技术使用方法，并将其应用于工作场景中，以提升财务人员自身的数智化水平与能力。
（一）案例简介
某县教育局各学校的“学生资助金发放表”因各校提交格式混乱（例如，日期格式有“2023/1/1”“2023.01.01”等），无法直接汇总，需要进行如下数据清洗与统计分析工作，并生成分析报告。
1.一键清洗：统一日期格式、剔除重复姓名、填充缺失字段（如“身份证号校验”）。
2.生成透视表：按学校统计“资助金发放总额”“未领取人数”。
（二）实现步骤
1.数据上传。将样例数据或脱敏数据（县教育局所有学校“学生资助金发放表”，Excel格式）上传至DeepSeek对话框。
2.数据清洗。在DeepSeek中输入数据清洗指令，指令如下：
（1）清洗数据：
– 统一日期格式为“YYYY-MM-DD”。
– 根据“姓名”和“身份证号”剔除重复记录。
– 填充缺失的“身份证号”字段，并校验其合法性。
（2）标记异常数据：
– 标记资助金额为0或负数的记录。
– 标记未填写“领取状态”的记录。
请生成Python代码，按上述要求完成原始文件的清洗，并将清洗后文件保存至E盘。原始文件也存于E盘中。
执行上述指令后，DeepSeek会生成相应代码，将生成的代码置于Python中运行，则会生成清洗后的Excel数据文件。
3.数据分析。在DeepSeek中输入数据分析指令，指令如下：
请生成Python代码完成数据分析，分析后的文件同样存于E盘中。数据分析要求如下：
（1）按学校统计：
– 资助金发放总额。
– 未领取人数。
（2）检测异常：
– 查找资助金重复发放的记录。
– 统计异常金额总数。
执行上述指令后，DeepSeek会生成相应代码，将生成的代码置于Python中运行，则会生成数据分析Excel文件。
4.数据可视化。在DeepSeek中输入数据可视化指令，指令如下：
请生成Python代码，创建以下可视化图表：
图表1：各学校资助金发放总额（柱状图）。
图表2：未领取人数分布（条形图）。
图表3：异常金额统计（饼图）。
执行上述指令后，DeepSeek会生成相应代码，将生成的代码置于Python中运行，则会生成可视化图。
5.生成PDF报告。请生成Python代码，将上述分析过程与结果生成PDF报告。
执行上述指令后，DeepSeek会生成相应代码，将生成的代码置于Python中运行，则会生成PDF报告。
（三）效果展示
按上述步骤，使用DeepSeek生成Python代码，在Python中运行后的结果是生成了含有文字分析和图表展示的PDF报告，且将清洗和分析后的数据（Excel格式）及可视化图均保存至了E盘。PDF报告部分内容如图3所示。
（图略）
五、结论与展望
本文首先通过分析数智化时代会计工作体系变革及不同AI技术特点在会计工作中的适用性，构建了会计工作体系与AI技术适用性框架，并基于此框架分析得出数智化时代财务工作人员应具备的五大数智化能力。然后，针对目前业界财务人员上述五大能力不足的问题，探索得出借助DeepSeek与AI技术相结合协同赋能财务人员数智化能力提升的机制与路径。最后，以财务工作中常见的数据统计分析与可视化展示场景为例，阐述了DeepSeek与Python相结合高效处理Excel数据的方法。此案例中上述方法的使用，不仅可以克服财务人员对于Python的畏难情绪，还可提高财务人员工作效率，提高财务数据分析质量，是为DeepSeek与AI技术相结合赋能财务工作提质增效的一条路径。
本文虽对DeepSeek与AI技术结合协同赋能财务人员数智化水平能力提升进行了一定的探索，但受篇幅限制，并未对所有协同赋能路径进行详细阐释与案例应用说明，后续可将DeepSeek与AI技术深度融合赋能财务场景应用的路径方法与案例应用开发作为进一步研究的方向。此外，随着AI技术与AI产品应用的不断推进，会计工作内容与职能会持续发生变化，后续研究也可关注新技术在会计工作中的应用，及其给会计体系所带来的变革，并探索其适用路径。
【主要参考文献】
[1]谢志华，杨超，许诺.再论业财融合的本质及其实现形式［J］.会计研究，2020，（07）.
[2]徐玉德.数字经济时代会计变革的反思与逻辑溯源［J］.会计研究，2022，（08）.
[3]谢志华，张琪，姜锡明.从财务共享服务到全面共享服务［J］.会计研究，2023，（03）.
[4]金源，李梦珂，李成智.DeepSeek影响下的AI财务演化趋势与应用框架［J］.商业会计， 2025，（07）.
[5]程平，冯璟逸，唐诗奇.ChatGPT在医院财务管理中的应用探析［J］.商业会计，2023，（09）.
[6]胡杰，李爱华. ChatGPT在财税审领域的应用、风险与对策［J］.商业会计，2024，（03）.
[7]李瑞雪，王爱国，任博宇，等. ChatGPT及其核心技术在智能会计中的应用［J］.会计之友，2023，（12）.
[8]Tom-B Brown，Mann Benjamin，Ryder Nick，et al. Language Models are Few-Shot Learners［J］. Advances in Neural Information Processing Systems，2020.
责任编辑 钟音
#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}