【中兴新云】财务领域“AI+”：DeepSeek驱动下的财务创新.docx

中兴新云

中国企业全球梦想

北京国家会计学院

1.人工智能与大模型发展概述

1.1.人工智能与大模型的相关概念

1.2.认识Deepseek

3

2.Deepseek的核心能力与优势

5

2.1.Deepseek的核心能力

5

·文本生成

·自然语言理解与多模态处理

7

·逻辑推理与数据分析

8

·编程与代码

2.2.Deepseek的差异化优势

·算法与系统工程颠覆性创新

·全链路成本集约化管理

。本地垂直场景适配度更优

·促进开源生态与AI普惠化

3.Deepseek的部署与使用

3.1.如何部署Deepseek

3.2.如何设计提示词

·提示词概述

·Deepseek提示词具体实践指南

3.3.Deepseek在企业中的应用路径

·Deepseek+提示工程

·Deepseek+检索增强生成

·Deepseek+小模型

·Deepseek+指令微调

3.4.通用大语言模型的局限性

22

4.Deepseek在财务领域的应用

23

4.1.智能交互与自动化支持

24

。智能采集

24

·智能填报

25

·智能审核

·智能问答

27

4.2.财务规划与资源配置

28

·预算编制

28

。税务筹划

28

·成本优化

28

4.3.数据分析与报表报告

数据治理

·数据分析

·合同分析

·财报分析

·报表生成与检查

32

·管理报告生成

32

4.4.风险防控与预警预测

33

·司库风险防控

33

·财务风险预警

34

·客商信用风险评估

35

·收入预测

·现金流预测

37

4.5.战略决策与业务优化

38

·市场选择决策

38

·产品选择决策

·智能产能规划

·投资组合推荐

结语

财务领域AIt:Deepseek驱动下的财务创新人工智能与大模型发展概述

人工智能(ArtificialIntelligence,Al)是计算机科学的-个分支,旨在开发能够模拟、延伸和扩展人类智能的技术。它通过算法和数据分析,赋予机器感知、学习、推理、决策和交互的能力。机器学习(MachineLearning)作为实现人工智能的核心技术,聚焦于通过数据驱动的经验学习范式,使系统能够从样本数据中自动发现统计规律,并据此优化决策性能。作为机器学习重要分支,深度学习(DeepLearning)通过构建多层神经网络架构,每一层都将数据进行一系列非线性变换,逐步提取和抽象数据的特征,奠定了处理复杂模式识别任务的模型基础。

典型的深度学习模型包括卷积神经网络、循环神经网络、Transformer模型等,其中,Transformer模型开创性地采用自注意力机制(self-Attention),能够高效捕捉序列中各部分的关系,支持并行计算,适用于语义理解、文本生成、问答等自然语言处理任务。基于Transformer架构的大模型(LargeModels)通过百亿至万亿级参数规模的预训练和指令微调等,在知识涌现能力、多模态处理能力、逻辑推理能力等方面取得突破性进展。其中,大语言模型(LargeLanguageModels,LLMS)是以自然语言处理为核心方向的大模型,通过对海量未标注文本数据的自监督预训练,结合标注数据的指令微调,捕捉语言统计规律,进而实现意图理解与连贯文本生成。

①厦门大学大数据教学团队.大模型概念、技术与应用实践[R].2025.

人工智能与大模型发展概述财务领域AIt:Deepseek驱动下的财务创新

2022年11月,随着chatGPT的发布,大语言模型广泛进入公众视野,推动全球AI产业迎来爆发式增长,Gemini、Llama、文心一言、通义千问等众多国内外大模型相继涌现,模型参数规模不断膨胀(如图1-2所示),技术突破不仅体现在语言任务性能提升,更扩展至多模态(音频、图片、视频等)理解、逻辑推理等方向。且随着算力基础设施升级、训练数据规模扩大与算法持续改进,大语言模型的能力边界持续拓展。

2025年1月,Deepseek-R1模型发布,迅速成为全球人工智能领域的焦点,该模型在继承Transformer架构的基础上,进行了多项技术的创新优化,通过引入多头注意力机制、混合精度训练等技术,显著提升模型的推理分析能力,并实现了训练成本的大幅降低。Deepseek以其技术普惠化的理念,通过高性价比的解决方案降低了AI技术的使