一、引言 在国家战略层面对人工智能技术应用的持续推动下，财务领域正经历一轮由AI大模型驱动的深度变革。2024年财政部印发《会计信息化工作规范》提出要鼓励单位积极探索大数据、人工智能等现代信息技术在会计领域的应用，提升会计信息化水平。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，将“智能经济”写入政策文件，提出加快实施六大重点行动(“人工智能+”科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作)，并强化八大基础支撑能力(模型基础能力、数据供给创新、智能算力统筹等)，为人工智能与实体经济深度融合提供了系统性路线图。 政策层面的宏观指引为技术应用提供了制度保障，技术研发与产业化进程也在同步加速，AI领域的全球技术竞合格局亦逐步显现。截至2025年12月31日，累计有748款生成式人工智能服务在国家网信办完成备案，435款生成式人工智能应用或功能完成登记。其中特别值得关注的是，杭州深度求索公司于2025年1月20日发布DeepSeek-R1大模型，能够通过深度思考这种“慢思考”的方式解决复杂问题，在数学推理、代码生成和自然语言推理等核心任务领域展现出了卓越性能，且成本更低、拥有开源版本，以上特性均为大模型财务应用带来了前所未有的契机。 当前，AI大模型的财务应用正成为学术界与实务界共同关注的焦点。学者们也针对大模型财务应用的场景与困境展开了广泛研究。周婷婷等基于财务大模型应用的实践，从核心数据获取、模型运行不确定性、合规性监管、算法责任和伦理等多个层面剖析财务大模型应用面临的现实障碍。何瑛等从技术、组织及心理视角解构AI大模型赋能财务智能化转型的内在机理并探讨其融于企业业务经营流程、核算报告流程、决策管控流程与治理监督流程实现财务核算智能化的现实困境。 在困境应对层面，陈虎等针对企业在应用实践中面临的数据质量、模型计算能力局限及AI幻觉等问题，从数据质量优化、计算能力提升及AI幻觉应对三个维度提出相应的优化建议。白卓玉指出可以通过制定行业参考指南和建设公益知识库、强化数据安全与隐私保护、修订完善会计法规与实施细则，以及推动会计教育培训体系智能化变革等策略应对AI大模型应用过程中的挑战。秦荣生提出应通过将生成式人工智能分为应用层级、平台层级、模型层级和基础设施层级四个相互关联的层级，从而创造出全新的内容，以此搭建起全面的智能财务体系。 尽管已有研究在“AI大模型+财务”方面取得了一定进展，但仍存在明显局限。具体表现为目前多数成果侧重于技术实现、个案剖析或理论推演，缺乏基于大样本实际调研数据，对企业在大模型落地过程中所遇到实际困境及其破局路径的具体分析。 基于当前政策导向、技术演进与研究现状，本文依托问卷调查数据，以TOE(Technology-Organization-Environment)框架为理论支撑，系统分析大模型在财务应用中面临的核心障碍及其影响因素，并据此提出体系化的应对策略。本研究不仅弥补了“AI大模型+财务”交叉领域的相关研究空白，也为企业应对大模型落地难题提供了兼具学术严谨性与实践指导意义的解决方案。 二、AI大模型财务领域应用现状及困境 为了解DeepSeek等大模型在财务场景应用情况，上海国家会计学院2025年3月开展专项调查，并发布《DeepSeek等大模型在财务场景应用的调查报告》(以下简称“调查报告”)。调查共获得1569个有效样本。样本构成中，近80％来自财政部、省、市级高端会计人才或类似项目；68％来自中层以上职位；51％来自国有企业，24％来自事业单位，19％来自民营企业；64％所在单位人员规模超过300人。Cronbach's α系数为0.94，表明数据的可靠性非常高。以下为大模型在企业财务端的应用现状与对其困境的剖析。 (一)大模型企业财务应用普及率低 有关大模型在单位中的应用情况，调查结果如图1所示，在1569家有效样本单位中，仅6％的企业已实际应用大模型技术，49％处于筹备阶段，45％无明确计划。这说明大模型在企业财务领域的应用尚处于起步阶段，普及率较低，且大部分企业对大模型技术在财务中的应用持观望或保守态度；同时近一半企业已意识到大模型技术的潜在价值，正积极筹备相关应用，未来大模型在企业财务领域的应用有望进一步拓展。
图1 大模型技术在单位中的应用情况 (二)多重困境导致大模型应用程度低 1.适用场景认知不清：调查显示，48.23％的企业因“缺乏明确应用场景”而未在财务中部署大模型。这表明许多企业对大模型在财务工作中的具体价值认识模糊，难以判断哪些业务流程可与大模型有效结合。这种认知盲区造成技术与需求之间的错位，成为推广过程中的首要障碍。
