当前，数智化转型已成为推动企业高质量发展的核心引擎，AI技术正深度重塑财务职能。在此背景下，中央财经大学举办第五届CFO高峰论坛，以“AI落地，财领新章”为主题，汇聚企业CFO、学界专家与行业领军者，共同探讨财务数智化路径、AI技术融合实践与未来财经人才发展。

中兴新云总裁陈虎受邀出席论坛，并发表题为《从“算数”到“算法”，AI引领财务数智新未来》的主旨演讲。

我们整理了现场发言内容，以飨读者。

从“算数”到“算法”，AI引领财务数智新未来

*本文正文1862字，预计阅读时间4分钟

一、企业财务数智化建设的五个阶段

企业财务部门所处发展阶段不同，对财务职能的认知也相应有所不同。企业财务数智化建设可以划分为五个阶段： 

▲ 财务数智化建设五个阶段

• 信息化完善阶段（重视系统）：处于第一阶段的企业重视系统建设，属于信息化完善阶段，为企业财务数智化转型奠定IT基础。
• 数智化初始阶段（重视报表）：处于第二阶段的企业重视报表出具，属于数智化初始阶段，这一阶段企业的信息系统大多已建设完成。企业希望系统能够充分发挥作用，满足日常工作需要，核心诉求是实现“一键出表”。
• 数智化发展阶段（重视BI应用）：当企业步入第三个阶段，财务部门的核心诉求转变为部署可视化大屏，以支持管理层按需自主查看数据。
• 数智化规范阶段（重视数据）：这一阶段企业开始高度重视数据，推动数据治理、提升数据集质量，确保数据“一致、可用、可见、可懂”。
• 数智化优化阶段（重视算法模型）：这一阶段的核心在于企业如何利用数据发现规律，并进一步让机器通过自主学习挖掘隐藏的关联关系。处于这一阶段的企业重视算法模型，属于数智化优化阶段，结合内外部数据，主动以数智化形式寻求企业创新发展。

二、对AI的六个理解层次

面对财务智能化转型与人工智能发展的交汇，财务从业者需主动拥抱时代机遇。建立以下六个层级的认知框架至关重要：

▲ 对AI的六个理解层次

第一层，好莱坞式幻想：将AI理解为自动驾驶、人机大战等影视化场景，属于概念性想象阶段。

第二层，掌握工具应用：理解ChatGPT、DeepSeek、豆包、Kimi等大模型工具，正如过去“百团大战”演变为如今的“百模大战”。

第三层，了解技术演进：认识AI在图像识别、人脸识别、机器翻译、文本生成、视频生成等领域的具体作用。

第四层，理解技术流派与学习模式：明确AI发展的三个阶段——专家系统阶段、机器学习阶段与大模型阶段，知晓其技术演进路径。

• 专家系统阶段：这一阶段尝试将人类知识与经验结构化后交由计算机学习，历经十年探索后发现难以持续，因为人类知识体系浩如烟海且持续演进，计算机难以完整复现。
• 机器学习阶段：这一阶段其实质是统计学在计算机领域的应用，将算法回归、聚类、分类等统计模型转化为算法，让机器从数据中自主寻找函数关系，从而处理高维数据，揭示人类难以直接理解的复杂规律。在此基础上，通过模拟神经元连接形成多层神经网络，发展为深度学习，赋予机器一定的理解能力。
• 大模型阶段：在深度学习基础上引入Transformer架构，推动大语言模型出现，实现了文生文、文生图、代码生成、多模态理解等“生成式”能力，在问答、翻译、图像识别等任务中准确率超过99%，超越人类平均水平，已具备替代人工完成相关任务的基础。

第五层，理解算法特点：了解机器学习中涉及的回归、聚类、分类等关键算法，理解算法适合哪些特定的任务和业务场景。

第六层，认识数学与工程底层：统计学、微积分、线性代数及计算机科学是AI得以存在的数学与工程实现基础。

三、财务部门未来的变革方向

1、思维转变：从流程驱动到数据驱动

未来财务部门需从IT思维转向DT思维，从流程驱动转向数据驱动。传统 IT 模式以流程驱动为核心，聚焦规则、流程与功能的整合，其发展的高级阶段是“应建尽建、应连尽连”，实现系统间全面互联。但这类系统仅能完成数据沉淀，缺乏数据的分析与应用能力。真正的数据价值不仅源于内部系统，也来自外部数据源。因此，必须将数据科学系统性地引入财务领域，以推动数据从沉淀向赋能转化。

2、构建体系化的数据治理能力

财务部门必须补上的一门课是数据治理，其核心在于实现数据的可见、可懂与可运营。包括建立统一的数据标准、确保数据质量、维护主数据的一致性，并实施数据的全生命周期管理，最终将数据沉淀为可复用的数据资产、数据服务乃至数据产品。此外，在数据量爆发式增长的背景下，数据采集范围必须突破财务与内部业务的局限，延伸至整个产业链以及宏观经济层面。唯有将数据源扩展至产业链与宏观经济维度，才能深刻理解数据的真正内涵与价值。

3、构建数据加工能力

财务部门必须具备数据价值链的加工处理能力。传统会计本质上是简化的数据价值链：采集原始凭证即数据获取，审核凭证即数据清洗，生成会计凭证即数据标签化，形成明细账与总账即数据关联，出具报表即数据服务输出。这一流程在凭证量为几十万、数百万的“小数据”时代尚可运行。然而，当数据量跃升至数亿甚至数十亿级别时，传统的数据加工能力已显不足。因此，财务部门必须构建起规模化、体系化的数据加工能力，推动所有财务工作向模型化、算法化演进，实现经验的抽象提炼。

4、工具革命：AI驱动“无系统”智能协同

AI在财务中的应用主要体现在两方面：一是取代传统录入工作，二是实现对信息的理解与处理。我们已实现AI在财务中的三项关键应用：一是发票自动识别与填单，实现无表单化处理；二是将审核规则内置，由AI自动完成合规审核；三是通过AI为每笔费用打标签，自动关联交易对手信息并映射至地理位置，结合知识图谱穿透集团关联，这些任务以往依靠人力难以完成。

从2026年起，AI的深入应用将推动财务系统向“无功能、无界面、无系统”演进。过去，财务人员需要操作众多独立系统（如报销、报账、发票、资金、账务、合并报表等），未来AI将整合这些环节，成为每位财务人员的智能助手，如同为每个人配备一位“AI秘书”，实现从被动操作到智能协同的转变。

5、价值跃迁：从报表输出到决策推演

财务部门的价值创造可分为四个阶段：第一阶段依赖管理者经验与直觉决策；第二阶段进入数据辅助阶段，财务提供基础数据支持；第三阶段需通过算法理解业务运行规律；第四阶段则由机器学习挖掘数据间隐性关联。财务部门应致力于实现第三、四阶段的价值提升。

与此对应，财务部门的能力呈现不同层级：若仅能出具会计报表，如同提供手绘地图；能出具管理报表，则相当于高精度地图；而实现BI与大屏展示，可类比电子地图。财务部门应至少达到第三层次，即具备预测与导航能力。因此，财务部门必须具备处理海量数据的能力，能够管理上万个数据标签，构建上千个指标，并运行上百个模型，最终建立“数据—报表—图表—模型”的全面能力。这要求财务工作超越传统的制表与绘图，转向构建可计算、可推演的算法体系。

财务的未来并非简单的算数或计算，而是算法与模型。其核心在于将业务规律转化为统计学的表达，并教会机器自主学习。财务的产出不应局限于静态报表，而应实现数据的实时展示、孪生与虚拟推演，达成“过去可追溯、现在可镜像、未来可推演”的数智化目标。