第一模块

从经典人工智能到以Deepseek为代表的生成式AI大模型

lDeepseek的先辈： 从早期人工智能算法到机器学习，到人工神经网络和深度学习：

Ø人工智能是一类计算机模拟的，完成传统上认为只有人类可以执行的任务的硅基智能

Ø机器学习是一类让算法从数据中找到规律、模式的设计:从判断信用卡交易是否套现的实现，看程序代码方式和机器学习方式的差异

Ø深度学习/人工神经网络是一类机器学习算法，通过模拟生物神经网络，处理相对抽象的信息：人工神经网络怎么能识别小狗的照片？其实跟我们教小朋友认小狗非常类似

l生成式AI大模型兴起 - 从分析式AI到生成式AI，AI从做判断题/选择题，到做填空/问答题

l从“偏科专才”到“通才”，通用人工智能的曙光：GPT和Deepseek为何如此令人兴奋？

l以Deepseek和ChatGPT为代表的等大语言模型基本核心原理

ØDeepseek和ChatGPT有何异同？Deepseek有何优势和应用潜力？

ØDeepseek会对国际和国内人工智能领域的算法、数据和算力产生何种影响？

ØDeepseek会为AI应用提供何种基础和机遇？

l其他主流生成式大模型主要类别和基本原理

Ø以扩散模型为代表的文生图模型：训练机器对像素的“组装”和“组合”

Ø数字三维构建模型：算法对世界的“脑补”

Ø“世界模拟器”：OpenAI的视频生成模型SORA

lAI大模型的企业个人的主要运用模式

Ø提示词工程 – 为大模型描述上下文环境和方法论

Ø外接“硬盘”RAG - 为大模型加上“海马体”（大模型的长期记忆机制）

Ø精调 — 通过训练调参真正提升大模型“智商”

ØAgent - 使大模型从一个“大脑”成为具有数字/物理空间行动能力的智能体

第二模块

人工智能和Deepseek类大模型在财税领域的应用赋能和实践

l发票处理与验证

Ø自动读取信息：通过OCR技术自动从纸质或电子发票中提取关键数据。

Ø解析内容：使用NLP技术理解并解析提取的信息，确保准确无误。

Ø真伪验证与错误检测：利用机器学习算法验证发票的真实性，并检查可能的错误或异常。

Ø提高效率和准确性：减少人工输入时间，加快报销流程，提高数据录入的准确性。

Ø案例分析：一家全国性的连锁超市面临着每天处理数千张供应商发票的压力。传统方式下，这需要大量的人力资源进行手动输入和核对，不仅耗时而且容易出错。引入了基于AI的发票管理系统后，该系统能够自动扫描、读取并验证所有发票信息。结果是处理时间减少了85%，错误率降低了90%以上。此外，系统还能够自动识别重复提交的发票，防止了不必要的支付。这一举措显著提升了财务部门的工作效率，并且减少了因错误导致的资金损失。

lDeepseek类大模型赋能的税务申报与合规性检查

Ø自动化税务报表生成：根据最新税法规定自动生成税务报表。

Ø实时合规性检查：持续监控税务文件以确保符合当地法律法规要求。

Ø避免罚款风险：帮助公司避免因人为疏忽造成的罚款。

Ø简化工作流程：减少繁琐的手动操作，使财务团队能够专注于更有价值的任务。

案例分析：一家国际科技公司在多个国家运营，每年面临复杂的跨国税务申报挑战。该公司采用了一套集成AI的税务管理系统，该系统能够自动生成多国税务报告，并在提交前进行严格的合规性检查。自从部署这套系统以来，公司成功地将税务申报准备时间缩短了60%，并且在过去两年内没有出现任何因违规而产生的罚款。更重要的是，财务团队现在可以将更多精力投入到战略规划和其他核心业务活动中去

lDeepseek类大模型赋能的风险评估与审计辅助

Ø全面财务审查：利用Deepseek类大模型赋能结合大数据分析及预测模型对企业的财务状况进行全面审查。

Ø快速定位问题：基于Deepseek类大模型帮助审计师迅速发现潜在的风险点和问题区域。

Ø提高审计质量：基于Deepseek类大模型提供详细的分析报告，增强审计过程的透明度和可靠性。

Ø持续风险监控：基于Deepseek类大模型提供实时的风险监测服务，帮助企业及时应对新出现的问题。

Ø案例分析：一家金融服务公司在其年度审计过程中遇到了大量的交易数据审核难题。为了解决这个问题，他们引入了一个AI驱动的风险评估平台。这个平台能够快速扫描数百万条交易记录，识别出异常模式，并为审计人员提供详细的风险报告。结果是审计周期缩短了40%，同时发现了几起之前未被注意到的高风险交易。这些发现帮助公司加强了内部控制，并提高了整体风险管理水平。

lDeepseek类大模型赋能的财务报告自动生成

Ø模板化报告创建：基于预设模板结合Deepseek类大模型自动生成定期财务报告。

Ø多源数据整合：基于Deepseek类大模型从多个来源收集并整合数据，确保报告的一致性和完整性。

Ø节省时间成本：大幅减少财务报告制作所需的时间。

Ø保证信息一致性：确保每次生成的报告都遵循统一的标准，便于比较和分析。

Ø案例分析：一家大型零售企业每月需要为其数百家门店生成财务报告。以前，这项任务需要一个专门的团队花费数周时间来完成。现在，借助AI驱动的财务报告工具，整个过程可以在几分钟内完成，包括数据收集、格式化以及最终报告的生成。这种自动化不仅提高了工作效率，也极大地减少了人为错误，使得管理层能够更快地获得准确的财务信息，从而做出更加明智的决策。

l基于Deepseek类大模型赋能的成本控制与预算管理

Ø实时支出监控：基于Deepseek类大模型实时监控实际支出情况并与预算计划进行对比。

Ø偏差提醒与调整建议：一旦发现偏差立即通知相关人员，并提出调整建议。

Ø优化资源配置：通过及时调整策略，帮助企业更有效地分配资源。

Ø降低成本：通过精细化管理和合理规划，有效降低不必要的开支。

Ø案例分析：一家制造业企业在实施AI支持的成本控制系统后，能够更有效地跟踪材料采购成本、劳动力成本等关键指标。当某个部门的实际支出超过预算时，系统会自动发送警报给财务经理。例如，在一次季度回顾中，系统发现某一生产线的原材料成本超出了预期。经过调查，发现是因为供应商价格上调所致。随后，公司重新谈判了合同条款，降低了成本，同时也调整了生产计划，确保未来的预算更加精确。

lDeepseek类大模型赋能的客户服务与咨询的智能化

Ø基于Deepseek类大模型的7x24小时服务支持：具备语义理解和逻辑能力的聊天机器人提供全天候客户服务支持。

Ø理解解答常见问题：能够处理客户提出的常见问题，提供即时回答。

Ø指导操作：引导客户完成相关操作，如在线报税、账单查询等。

Ø基于Deepseek类大模型的用户体验改善：通过高效的互动提升客户满意度，减轻员工负担。

Ø案例分析：某大型会计师事务所在高峰期常常接到大量客户的电话咨询。为了提高响应速度和服务质量，他们部署了一个基于AI的聊天机器人。客户可以通过网站或移动应用与机器人互动，获取关于税务筹划、会计准则等方面的即时回答。对于复杂问题，机器人会自动转接到专业人员那里。自上线以来，客户等待时间减少了70%，满意度大幅提升，同时减少了前台工作人员的压力。

lDeepseek类大模型结合机器学习的赋能的现金流预测与财务管理优化

Ø建立预测模型：基于Deepseek类大模型的基于历史交易记录及其他因素建立现金流预测模型。

•Deepseek类大模型结合机器学习算法的决策支持：

-基于历史数据和当前市场状况预测未来现金流趋势，辅助制定合理的资金管理策略。

-Deepseek类大模型结合机器学习算法分析成本构成并提出降低成本的有效建议。

-机器学习算法结合Deepseek类大模型评估不同投资方案的风险收益比，帮助企业做出更科学的投资选择。