一、引言 在数字经济时代，企业面临着经营与市场环境的持续动态化、业务数据非结构化和舞弊风险隐性化的巨大压力。而传统的“瀑布型”审计模式已经无法满足企业内外部对内部审计敏捷、高效的高质量要求，二者之间产生了突出矛盾。传统审计模式的主要局限和困境体现在三个方面：一是主要依赖“切片式”审计抽样和结构化数据分析的数据式审计模式，难以完全应对海量业务数据的爆发式增长和业务的多元化发展，导致审计响应效率低下，风险识别存在滞后性与局限性。二是现场审计依然是审计实施的主要方式，而“作业型”的审计软件对审计资源分配、审计数据分析和审计决策的支持力度十分有限，无法有效支持对多源异构审计数据及关联数据的逻辑分析，从而无法快速和有效地识别风险点、确定疑点和锁定审计证据。三是在审计实施的过程中，大量的审计工作底稿、审计结果解析和审计报告主要以“静态”的文档进行存储，而未能深度挖掘其内在的“动态”关联性，也未能将其有效转化为“知识价值”。 近年来，大语言模型(LLM)在自然语言识别、非结构数据处理方面的技术创新突出，尤其是DeepSeek等生成式人工智能(AI)在非结构化数据的整合处理、信息快速检索与交互、多模态数据处理与动态推理、知识的归集与整理等方面显示出极为强大的颠覆性创新(陈智，2025；蒲清平和漆钰，2025)，为多源异构审计数据的处理和逻辑推理分析以及审计数据向审计知识的转化等提供了强有力的技术支撑(田萱和吴志超，2025)。国际内部审计师协会(IIA)于2024年发布的《全球内部审计准则》(新修订版)也强调，审计部门应高度关注技术驱动对内部审计功能的优化作用，并提升自身对复杂业务环境变化的响应能力。故如何将大语言模型和生成式AI有机融入审计数智化转型工作中，科学规范地推进审计工作高质量发展，成为研究的重点。 需要指出的是，生成式AI在审计领域中的融合应用为审计理论的创新提供了新视角，促进学术界和实务界重新思考审计数智化模式和实践方法论。故本研究将对DeepSeek等生成式AI与审计之间的融合进行多维审计场景的实证检验。本研究的潜在贡献可能在于：一是总结和归纳了DeepSeek在审计场景中的一般性应用流程，为生成式AI在各类审计场景中的深度应用提供了路径参考；二是基于真实数据和测试案例，对DeepSeek在关键审计场景中的应用进行测试，总结了生成式AI在审计应用中的优缺点。 二、DeepSeek等生成式AI与审计的融合性分析 近几年，生成式AI与审计的融合逐渐引起学术界和实务界的关注。学术界对AI与审计融合的研究主要呈现三个演进阶段：第一阶段(2020年之前)，主要集中于机器人流程自动化(RPA)在具有重复性或规则性特征业务中的审计应用(陈虎等，2019)；第二阶段(2020-2024年)，逐渐转向RPA及机器学习对财务数据的违规特征或异常检测的研究(程平和钱涂，2021；吴世农和陈智瑜，2023)；第三阶段(2024年至今)，关注大模型技术在审计等领域中应用的可行性(张莉，2024；邵景奎等，2024)，并就如何在不同审计流程和审计场景中应用大模型技术展开研究(黄佳佳等，2025；田挺和梁燕，2025)。相关研究着重从技术应用适配性、伦理规范适配性视角展开。 传统审计主要以“瀑布型”审计模式为主，在审计抽样方法选择、多源异构数据分析和审计知识转化等方面存在技术短板。而生成式AI的核心功能主要包括自然语言处理(NLP)、逻辑推理和智能生成(撰写)等(白卓玉，2025)，其技术特性与审计需求呈现高度契合性。相关研究归纳如下： 1.在数据处理能效的满足方面。DeepSeek等生成式AI主要依靠NLP、知识图谱、机器学习、大模型计算等核心技术的深度融合，有效解决审计实施中的交互性差、审计逻辑复杂和多维数据整合难度大等难题(田挺和梁燕，2025)。生成式AI在审计领域的数据处理环节，通过NLP技术快速理解和分析非结构化数据，如审计文档、电子邮件等，将其转化为结构化数据进行进一步分析，大大提高了审计数据的可用性(黄佳佳等，2025)。 2.在大模型应用的本地化方面。在通用大模型基础上注入审计领域专业知识后，DeepSeek可通过混合微调(MFT)技术和规则引导的强化学习机制(RLHF)，促使审计模型输出符合审计准则要求(陈雪嵩，2024)。在实施本地化部署后，可开发审计专用提示词工程，形成符合审计规则和需求的结构化指令，有效降低幻觉发生概率(黄佳佳等，2022)。同时，可以高效处理符合企业特点和需求的复杂信息，挖掘数据中的潜在规律，为审计决策提供有力支持。 3.在审计场景拓展与流程优化方面。生成式AI还可以为审计数智化转型拓展新的建设场景，如信息智能搜索、数据智能搜索、摘要分析支持、信息比对和信息抽取等基础应用，以及信息生成、专业知识学习、企业级(个人级)知识库建设和自动化报告等进阶应用(赵浜和曹树金，2025)。另外，生成式AI有助于优化审计流程，将审计的监督“触角”向更深层次的企业业务及产品数据延伸，实现对业务流程的审计监督全覆盖，快速识别和挖掘“高价值点”和“高风险点”，从而实现迭代式的敏捷审计模式(相小红和周雪萍，2025)。
