今年初，中国人工智能（AI）初创公司深度求索发布了一款名为DeepSeek的AI新模型，在全球引发广泛关注。在税务领域，DeepSeek能够处理报表提取、数据分类的基础工作，并模仿现有案例作出分析、形成报告。基于此，税务部门、企业及涉税专业服务机构都在探索DeepSeek这个“外脑”怎么用。围绕这个话题，记者采访了这方面的“先行者”——国家税务总局重庆市税务局第一稽查局党委书记、局长陶炯，国家税务总局西安市高陵区税务局党委书记、局长刘勇，中科迅联智慧网络科技（北京）有限公司联合创始人陈玉刚。

应用价值显而易见

记者：DeepSeek自推出以来，已应用于教育、医疗健康等多个领域。您认为在税务领域，DeepSeek是否有应用价值？原因是什么？

刘勇：作为计算机专业背景的税务干部，我对DeepSeek在税务领域的应用十分看好。当前，税收治理效能的提升主要面临两大挑战：一是数据密集型挑战，表现为涉税数据体量庞大、分布分散，依靠传统方式处理数据面临效率不高、数据解析和应用能力有限等问题；二是政策复杂性挑战，即税收法律法规体系庞杂、更新频繁，征纳双方需要投入更多精力理解政策。而DeepSeek在常识问答、编程辅助、数学推理等任务处理中表现卓越，具有海量非结构化文本处理、复杂规则解析以及多模态数据分析能力，其开源模式可以有效赋能涉税数据的深度挖掘、复杂政策的精准解读与动态适配，为应对上述挑战提供技术支撑。

陶炯：的确，DeepSeek在税务领域具有显著的应用价值。DeepSeek的数据分析功能可以帮助我们高效解析海量发票、申报表、银行流水等涉税数据，通过多模态分析识别异常交易模式，推动税务领域从“经验驱动”转向“数据智能驱动”。同时，DeepSeek基于深度学习的算法可挖掘隐蔽关联，如虚开发票团伙、跨区域逃税网络等，并通过动态风险模型实时预警高风险企业，提升稽查精准度。DeepSeek还可以自动关联散落在财务系统、供应链和第三方平台的信息，生成可视化证据链，辅助稽查人员锁定关键线索，降低取证难度。此外，DeepSeek支持预测与决策，可以结合历史案例和行业数据，预测逃税新手法（如加密货币避税），为稽查策略优化提供建议。

陈玉刚：从我个人的实践情况看，DeepSeek的应用价值显而易见——能够推动企业税务管理从“被动合规”向“数智治理”跃迁。一方面，企业将DeepSeek接入财务系统，通过自动化税务流程（如增值税、企业所得税自动计算与申报）和智能合规监控（如发票异常实时标记、走逃失联“黑名单”扫描），显著降低为合规而设立不同岗位的成本。以乐企试点的某央企为例，通过算法进行纳税申报，一个纳税人识别号的申报时间可缩短至1小时，错误率下降90%。另一方面，DeepSeek能够动态匹配企业特征（如研发费用率、专利数量）与税收政策，通过多维度指标（如税负率偏离行业均值95%置信区间）预判税务风险，将事后应对税务风险转为事前防控税务风险。

不同细分领域均可应用

记者：目前，已有基层税务部门、企业、涉税专业服务机构等借助DeepSeek开展工作。从您的观察来看，该模型在税务领域的具体应用方向有哪些？

刘勇：从基层税收征管的角度看，我认为DeepSeek的应用价值主要体现在风险防控、纳税服务、数据处理三个方面。风险防控方面，DeepSeek借助其强大的逻辑推理能力，可以在总结典型案例特征的基础上，持续优化税收风险模型指标，高效识别异常数据，帮助税务干部精准完成风险预警与合规性核查。纳税服务方面，如果将DeepSeek模型嵌入到电子税务局或其他征纳互动平台中，通过“专业知识数字化”与“服务流程智能化”结合，可以发挥智能政策助手的作用，为纳税人提供实时政策查询、申报关键节点智能引导以及远程办税辅助，显著提高办税缴费的效率与便捷性。数据处理方面，DeepSeek能够将税务专业知识转化为数据处理规则，融合来自不同渠道的涉税数据，以此作为自动化工作流（如Coze平台）的核心组件，并对碎片化数据进行统一、高效地处理与分析，有效解决数据分散、处理效率低等痛点，显著提升数据应用价值，释放以数治税效能。

陶炯：从税务稽查角度看，我认为DeepSeek的应用价值也很高。在选案环节，DeepSeek可以助力精准选案，通过多维度分析资金流、发票流、业务流数据，识别虚开发票、私户收款等违规行为，并实时监测企业税负率、成本配比等指标，自动推送偏离行业均值的企业稽查名单，减少人工筛查的工作量。在检查环节，DeepSeek可以通过深度穿透分析，发现企业阴阳合同、账外收入等常见税务问题，识别个人卡走账、虚构工资等违规行为，提高税收检查的效率及精准性。在审理环节，DeepSeek可以快速检索相似稽查案例的裁判规则，分析稽查部门既往处理逻辑，为审理结论提供参考。在执行环节，DeepSeek可以关联银行、不动产登记等多源数据，智能绘制欠税主体财产图谱，如隐蔽股权、异地房产、关联账户资金流等，一键生成财产清单，为案件执行提供助力。

陈玉刚：从企业视角看，DeepSeek凭借其数据分析和自动化处理能力，能够为企业提供精准、高效的税务解决方案，实现纳税申报表的自动化生成，显著提高申报效率和准确性，降低人工操作风险。对于大型央企等企业集团，DeepSeek还能够建立全集团、全级次的数据统计分析体系，实现税务风险的精准预警和有效防控。从我们服务客户的实际案例看，某大型电力集团利用DeepSeek自动生成申报表单，每个税种申报平均节省20分钟，1000家单位每月节省6000小时。同时，该集团通过全集团数据统计分析，利用DeepSeek进行风险预警，有效防控了税务风险。

初步实践，工作效率大幅提高

记者：您能否结合具体的应用案例，分享一下借助DeepSeek处理具体税务事项的体会？

刘勇：在日常征管中，我们发现一些医药制造行业的工商股权变更信息与税务部门所掌握的股权变更数据存在脱节现象。为解决这个问题产生的存量涉税风险，我们最初对相关信息进行人工比对，2人耗时2天，梳理了上千条信息，发现辖区内26家医药企业中有20家企业的工商股权变更信息与税务股权变更数据存在差异。在复盘工作时发现，仅解析海量网络数据这一项，就占了工作总量的70%，且股权转让涉及的“阴阳合同”“低价转让”等隐蔽性问题难以有效识别。

为有效推进后续工作，我们探索测试了“DeepSeek-R1+Coze空间”的解决方案，并利用该方案对接国家企业信用信息公示系统进行数据提取，获取了辖区内20家异常医药企业共67条对外公开的股权转让记录（含转让方、受让方、股权比例、变更日期等关键字段），数据提取准确率达100%，并自动生成了清晰的数据表格。我们将提取的数据集与税务系统的股东登记信息等进行人工匹配，精准识别出15家企业存在股东信息不一致，且无对应的股权转让个人所得税申报记录。整个过程耗时仅1小时，有效提升了工作效率。其中，某企业于2020年发生股权转让但未申报个人所得税，目前已经查补税款约200万元。

陶炯：在税务稽查领域，我们也有着相关思考。我们测试了DeepSeek对部分行业涉税风险的分析能力，发现DeepSeek基于公开案例所归纳的风险点具有很强的针对性，能够帮助我们进行选案工作。同时，自然语言处理解析非结构化文本是DeepSeek的先天优势，我们正在思考利用DeepSeek对税务稽查报告等案卷资料进行智能分析的可行性，以期实现自动提取涉税主体、细分行业、违法手段、违法类型、检查方法、主要证据、处理处罚情况等核心要素，以此构建结构化知识库，从而为查办案件智能推送行业特征、会计处理方法、涉税疑点分析等，并给出检查方法、证据链组织、税收政策适用建议，辅助检查人员快速定位突破口。此外，还可以动态优化模型，建立可复用的风险规则库，推动税务稽查从“个案经验”向“系统智能”升级。

陈玉刚：DeepSeek作为智能化税务管理工具，能够为企业提供从政策法规响应到纳税申报的全流程方案。比如，某大型央企引入DeepSeek，实时收集和分析税收政策及法律规定，并结合企业业务特征，动态匹配其适用政策并提供精准提示，自动生成操作清单。同时，该集团利用DeepSeek自动生成增值税、企业所得税等主要税种的申报表单，申报时间大幅下降，并通过税务流程优化，降低企业办税人员工作量超过30%，每年节省直接成本超过1000万元。

高度警惕模型误判风险

记者：当前，DeepSeek在税务领域的应用仍面临数据安全、政策适配性等挑战，您认为持续优化DeepSeek在税务领域应用的过程中，需要特别注意哪些事项？

陶炯：我认为，人工智能算法能提高数据分析和决策的效率，但应用于税收稽查工作时需要注意基础数据的安全性及数据更新的及时性。由于税务稽查工作中涉及大量的企业财务数据、个人申报信息等敏感数据，还需要通过内部网络信息传输等私有化部署的方式，防止信息泄露和未经授权的访问，确保数据的安全性和隐私保护。同时，稽查工作所依托的税收政策、纳税人信息等数据，是人工智能平台运行的基础，人工智能软件的规则和模型如果不能及时更新和适配，可能导致错误的判断和决策，影响稽查工作质效。因此，应及时更新税务知识库，包括税收政策、行业检查指引、异常纳税人信息、重大税收违法失信主体、案例库等。

陈玉刚：随着DeepSeek等人工智能技术在税务领域的广泛应用，数据的收集、存储、使用和共享过程中的安全风险日益凸显，企业需要密切关注涉税数据的安全性与隐私保护。企业可以通过私有化部署实现内部数据自主可控、外部数据只进不出的安全可控与隐私保护策略，防范安全风险。企业还可以在确保数据合法性、合规性与合理性的同时，将涉税数据转化为重要的数据资产。以某涉密企业为例，该集团在引入DeepSeek时，采用高强度加密处理，保障数据传输与存储安全，同时将涉税数据作为战略资产，通过深度挖掘和分析，提高税务管理效率。

刘勇：除了常见的数据安全挑战，还需高度警惕“机器幻觉”引发的税务误判风险。由于DeepSeek模型的训练数据存在时间窗口限制，缺乏自动更新机制，在税收政策发生动态调整时，该模型可能输出过时或错误的解读。面对实务中的争议，DeepSeek也可能因训练数据标注不全面或缺乏深度的理解逻辑，生成片面、武断甚至与立法精神相悖的解释。上述DeepSeek应用风险的本质，是通用大模型固有能力与税务专业深度需求之间的适配矛盾，可以通过技术优化（如12366纳税缴费服务热线问答专项训练）和业务流程重构（如人机协同模式）等途径降低风险。