今年初，中國人工智能（AI）初創公司深度求索發布了一款名為DeepSeek的AI新模型，在全球引發廣泛關注。在稅務領域，DeepSeek能夠處理報表提取、數據分類的基礎工作，并模仿現有案例作出分析、形成報告。基于此，稅務部門、企業及涉稅專業服務機構都在探索DeepSeek這個“外腦”怎么用。圍繞這個話題，記者采訪了這方面的“先行者”——國家稅務總局重慶市稅務局第一稽查局黨委書記、局長陶炯，國家稅務總局西安市高陵區稅務局黨委書記、局長劉勇，中科迅聯智慧網絡科技（北京）有限公司聯合創始人陳玉剛。

應用價值顯而易見

記者：DeepSeek自推出以來，已應用于教育、醫療健康等多個領域。您認為在稅務領域，DeepSeek是否有應用價值？原因是什么？

劉勇：作為計算機專業背景的稅務干部，我對DeepSeek在稅務領域的應用十分看好。當前，稅收治理效能的提升主要面臨兩大挑戰：一是數據密集型挑戰，表現為涉稅數據體量龐大、分布分散，依靠傳統方式處理數據面臨效率不高、數據解析和應用能力有限等問題；二是政策復雜性挑戰，即稅收法律法規體系龐雜、更新頻繁，征納雙方需要投入更多精力理解政策。而DeepSeek在常識問答、編程輔助、數學推理等任務處理中表現卓越，具有海量非結構化文本處理、復雜規則解析以及多模態數據分析能力，其開源模式可以有效賦能涉稅數據的深度挖掘、復雜政策的精準解讀與動態適配，為應對上述挑戰提供技術支撐。

陶炯：的確，DeepSeek在稅務領域具有顯著的應用價值。DeepSeek的數據分析功能可以幫助我們高效解析海量發票、申報表、銀行流水等涉稅數據，通過多模態分析識別異常交易模式，推動稅務領域從“經驗驅動”轉向“數據智能驅動”。同時，DeepSeek基于深度學習的算法可挖掘隱蔽關聯，如虛開發票團伙、跨區域逃稅網絡等，并通過動態風險模型實時預警高風險企業，提升稽查精準度。DeepSeek還可以自動關聯散落在財務系統、供應鏈和第三方平臺的信息，生成可視化證據鏈，輔助稽查人員鎖定關鍵線索，降低取證難度。此外，DeepSeek支持預測與決策，可以結合歷史案例和行業數據，預測逃稅新手法（如加密貨幣避稅），為稽查策略優化提供建議。

陳玉剛：從我個人的實踐情況看，DeepSeek的應用價值顯而易見——能夠推動企業稅務管理從“被動合規”向“數智治理”躍遷。一方面，企業將DeepSeek接入財務系統，通過自動化稅務流程（如增值稅、企業所得稅自動計算與申報）和智能合規監控（如發票異常實時標記、走逃失聯“黑名單”掃描），顯著降低為合規而設立不同崗位的成本。以樂企試點的某央企為例，通過算法進行納稅申報，一個納稅人識別號的申報時間可縮短至1小時，錯誤率下降90%。另一方面，DeepSeek能夠動態匹配企業特征（如研發費用率、專利數量）與稅收政策，通過多維度指標（如稅負率偏離行業均值95%置信區間）預判稅務風險，將事后應對稅務風險轉為事前防控稅務風險。

不同細分領域均可應用

記者：目前，已有基層稅務部門、企業、涉稅專業服務機構等借助DeepSeek開展工作。從您的觀察來看，該模型在稅務領域的具體應用方向有哪些？

劉勇：從基層稅收征管的角度看，我認為DeepSeek的應用價值主要體現在風險防控、納稅服務、數據處理三個方面。風險防控方面，DeepSeek借助其強大的邏輯推理能力，可以在總結典型案例特征的基礎上，持續優化稅收風險模型指標，高效識別異常數據，幫助稅務干部精準完成風險預警與合規性核查。納稅服務方面，如果將DeepSeek模型嵌入到電子稅務局或其他征納互動平臺中，通過“專業知識數字化”與“服務流程智能化”結合，可以發揮智能政策助手的作用，為納稅人提供實時政策查詢、申報關鍵節點智能引導以及遠程辦稅輔助，顯著提高辦稅繳費的效率與便捷性。數據處理方面，DeepSeek能夠將稅務專業知識轉化為數據處理規則，融合來自不同渠道的涉稅數據，以此作為自動化工作流（如Coze平臺）的核心組件，并對碎片化數據進行統一、高效地處理與分析，有效解決數據分散、處理效率低等痛點，顯著提升數據應用價值，釋放以數治稅效能。

陶炯：從稅務稽查角度看，我認為DeepSeek的應用價值也很高。在選案環節，DeepSeek可以助力精準選案，通過多維度分析資金流、發票流、業務流數據，識別虛開發票、私戶收款等違規行為，并實時監測企業稅負率、成本配比等指標，自動推送偏離行業均值的企業稽查名單，減少人工篩查的工作量。在檢查環節，DeepSeek可以通過深度穿透分析，發現企業陰陽合同、賬外收入等常見稅務問題，識別個人卡走賬、虛構工資等違規行為，提高稅收檢查的效率及精準性。在審理環節，DeepSeek可以快速檢索相似稽查案例的裁判規則，分析稽查部門既往處理邏輯，為審理結論提供參考。在執行環節，DeepSeek可以關聯銀行、不動產登記等多源數據，智能繪制欠稅主體財產圖譜，如隱蔽股權、異地房產、關聯賬戶資金流等，一鍵生成財產清單，為案件執行提供助力。

陳玉剛：從企業視角看，DeepSeek憑借其數據分析和自動化處理能力，能夠為企業提供精準、高效的稅務解決方案，實現納稅申報表的自動化生成，顯著提高申報效率和準確性，降低人工操作風險。對于大型央企等企業集團，DeepSeek還能夠建立全集團、全級次的數據統計分析體系，實現稅務風險的精準預警和有效防控。從我們服務客戶的實際案例看，某大型電力集團利用DeepSeek自動生成申報表單，每個稅種申報平均節省20分鐘，1000家單位每月節省6000小時。同時，該集團通過全集團數據統計分析，利用DeepSeek進行風險預警，有效防控了稅務風險。

初步實踐，工作效率大幅提高

記者：您能否結合具體的應用案例，分享一下借助DeepSeek處理具體稅務事項的體會？

劉勇：在日常征管中，我們發現一些醫藥制造行業的工商股權變更信息與稅務部門所掌握的股權變更數據存在脫節現象。為解決這個問題產生的存量涉稅風險，我們最初對相關信息進行人工比對，2人耗時2天，梳理了上千條信息，發現轄區內26家醫藥企業中有20家企業的工商股權變更信息與稅務股權變更數據存在差異。在復盤工作時發現，僅解析海量網絡數據這一項，就占了工作總量的70%，且股權轉讓涉及的“陰陽合同”“低價轉讓”等隱蔽性問題難以有效識別。

為有效推進后續工作，我們探索測試了“DeepSeek-R1+Coze空間”的解決方案，并利用該方案對接國家企業信用信息公示系統進行數據提取，獲取了轄區內20家異常醫藥企業共67條對外公開的股權轉讓記錄（含轉讓方、受讓方、股權比例、變更日期等關鍵字段），數據提取準確率達100%，并自動生成了清晰的數據表格。我們將提取的數據集與稅務系統的股東登記信息等進行人工匹配，精準識別出15家企業存在股東信息不一致，且無對應的股權轉讓個人所得稅申報記錄。整個過程耗時僅1小時，有效提升了工作效率。其中，某企業于2020年發生股權轉讓但未申報個人所得稅，目前已經查補稅款約200萬元。

陶炯：在稅務稽查領域，我們也有著相關思考。我們測試了DeepSeek對部分行業涉稅風險的分析能力，發現DeepSeek基于公開案例所歸納的風險點具有很強的針對性，能夠幫助我們進行選案工作。同時，自然語言處理解析非結構化文本是DeepSeek的先天優勢，我們正在思考利用DeepSeek對稅務稽查報告等案卷資料進行智能分析的可行性，以期實現自動提取涉稅主體、細分行業、違法手段、違法類型、檢查方法、主要證據、處理處罰情況等核心要素，以此構建結構化知識庫，從而為查辦案件智能推送行業特征、會計處理方法、涉稅疑點分析等，并給出檢查方法、證據鏈組織、稅收政策適用建議，輔助檢查人員快速定位突破口。此外，還可以動態優化模型，建立可復用的風險規則庫，推動稅務稽查從“個案經驗”向“系統智能”升級。

陳玉剛：DeepSeek作為智能化稅務管理工具，能夠為企業提供從政策法規響應到納稅申報的全流程方案。比如，某大型央企引入DeepSeek，實時收集和分析稅收政策及法律規定，并結合企業業務特征，動態匹配其適用政策并提供精準提示，自動生成操作清單。同時，該集團利用DeepSeek自動生成增值稅、企業所得稅等主要稅種的申報表單，申報時間大幅下降，并通過稅務流程優化，降低企業辦稅人員工作量超過30%，每年節省直接成本超過1000萬元。

高度警惕模型誤判風險

記者：當前，DeepSeek在稅務領域的應用仍面臨數據安全、政策適配性等挑戰，您認為持續優化DeepSeek在稅務領域應用的過程中，需要特別注意哪些事項？

陶炯：我認為，人工智能算法能提高數據分析和決策的效率，但應用于稅收稽查工作時需要注意基礎數據的安全性及數據更新的及時性。由于稅務稽查工作中涉及大量的企業財務數據、個人申報信息等敏感數據，還需要通過內部網絡信息傳輸等私有化部署的方式，防止信息泄露和未經授權的訪問，確保數據的安全性和隱私保護。同時，稽查工作所依托的稅收政策、納稅人信息等數據，是人工智能平臺運行的基礎，人工智能軟件的規則和模型如果不能及時更新和適配，可能導致錯誤的判斷和決策，影響稽查工作質效。因此，應及時更新稅務知識庫，包括稅收政策、行業檢查指引、異常納稅人信息、重大稅收違法失信主體、案例庫等。

陳玉剛：隨著DeepSeek等人工智能技術在稅務領域的廣泛應用，數據的收集、存儲、使用和共享過程中的安全風險日益凸顯，企業需要密切關注涉稅數據的安全性與隱私保護。企業可以通過私有化部署實現內部數據自主可控、外部數據只進不出的安全可控與隱私保護策略，防范安全風險。企業還可以在確保數據合法性、合規性與合理性的同時，將涉稅數據轉化為重要的數據資產。以某涉密企業為例，該集團在引入DeepSeek時，采用高強度加密處理，保障數據傳輸與存儲安全，同時將涉稅數據作為戰略資產，通過深度挖掘和分析，提高稅務管理效率。

劉勇：除了常見的數據安全挑戰，還需高度警惕“機器幻覺”引發的稅務誤判風險。由于DeepSeek模型的訓練數據存在時間窗口限制，缺乏自動更新機制，在稅收政策發生動態調整時，該模型可能輸出過時或錯誤的解讀。面對實務中的爭議，DeepSeek也可能因訓練數據標注不全面或缺乏深度的理解邏輯，生成片面、武斷甚至與立法精神相悖的解釋。上述DeepSeek應用風險的本質，是通用大模型固有能力與稅務專業深度需求之間的適配矛盾，可以通過技術優化（如12366納稅繳費服務熱線問答專項訓練）和業務流程重構（如人機協同模式）等途徑降低風險。