会用AI的审计师，和不会用的，差距跟在哪个所无关
最近跟不少同行聊AI，发现一个有意思的现象：
大部分事务所对AI的态度，要么是"买了几个账号让大家试试"，要么是"立了个项目但还在调研"，要么是"花了一笔钱做了个系统但用的人不多"，还有不少是因为担心数据安全，干脆不敢碰——知道AI有用，但不知道怎么用才合规。
真正把AI用到日常审计工作里的，反而是一些自己折腾的个人。
这让我开始想一个问题：在AI这件事上，事务所花钱搞的东西，真的比审计师自己用大厂的工具强吗？
事务所追不上的，不是技术，是迭代速度
先看一组数字。
阿里训练Qwen系列模型，最新的Qwen3.6-Plus刚刚发布，投入以百亿计。DeepSeek的V3到即将发布的V4，背后是幻方量化的算力集群。智谱的GLM-5，745亿参数，MIT协议完全开源。这些模型背后都是几十亿上百亿的训练成本。
再看四大的投入：
- EY（安永）：2025年在AI平台和产品上投入超过10亿美元，已部署1000个AI Agent，计划2028年扩展到10万个 [1]
- 德勤：2025年10月与Anthropic签署全球协议，向47万员工部署Claude AI，这是Anthropic迄今最大的企业级部署 [2]
- PwC（普华永道）：推出agent OS平台，部署25000个智能代理；同时因AI影响，英国校招从1500人砍到1300人 [3]
但这些投入和工具，四大在国内能不能直接用，我们不得而知。
真正值得关注的，不是四大砸了多少钱，而是大厂的模型在以月为单位迭代。Qwen3去年4月发布，7月出了Qwen3-Coder，今年2月Qwen3.5上线，上周Qwen3.6-Plus又来了——不到一年，四个大版本。智谱从GLM-4.5到GLM-4.7再到今年2月的GLM-5，半年一个台阶。DeepSeek R1去年1月发布，5月就出了0528升级版，V4也在路上了。
事务所的系统呢？上线之后每次更新要走开发、测试、部署的流程，周期以季度计。
大厂一个月一个样，事务所的系统半年一年才能动一次。
一个人 + AI编程工具，能做出什么？
这才是真正让事务所尴尬的事。
2025年有个概念叫"vibe coding"——用自然语言描述需求，AI帮你写代码。
工具已经成熟了。国外有Claude Code、Cursor，国内也有一批好用的：
- Trae：字节跳动出品的AI IDE，最新的SOLO模式是全自主编程Agent，从需求到部署全程接管，SWE-bench排名第一，免费使用 [4]
- 通义灵码：阿里出品，深度适配Qwen3-Coder系列，支持Agentic Coding，免费不限量 [5]
- CodeBuddy Code：腾讯出品，支持IDE和命令行两种模式，深度集成腾讯云生态，从代码编写到项目部署全链路AI辅助 [6]
- 豆包MarsCode：字节跳动的AI编程助手，集成在IDE中，支持多种模型
这些工具配合Qwen3.6-Plus、GLM-5、Claude Sonnet 4.6这些强模型，一个完全不懂代码的人，可以在几天内做出一个能用的应用。
一部分喜欢折腾 AI 的已经利用这些工具解决实际工作问题了。
事务所花几千万、找外包团队、开发大半年做出来的"AI审计平台"，一个懂业务的审计师，用这些工具可能两周就能做出类似的东西。
而且有一个巨大的优势：他懂审计。
外包团队或者所内开发人员不懂审计。他们只能按需求文档写代码，需求文档写不清楚，做出来的东西就不好用。这就是为什么很多事务所的AI系统"验收了但没人用"——做系统的人不懂业务，懂业务的人不会做系统。
AI编程工具把这个鸿沟填上了。懂业务的人可以直接做系统了。
而且不只是简单的工具。Claude Code能直接读你的文件、分析数据、写脚本、执行命令。你给它一堆审计底稿的Excel，它能自己分析、自己写处理逻辑、自己出结果。这种端到端的能力，不需要事务所去"开发"，开箱即用。
数据安全：国内平台已经铺好了路
审计数据敏感，这个担忧是对的。
中注协今年3月发了《关于提示会计师事务所在2025年年报审计中使用人工智能技术的风险防范》，核心就是提醒数据安全和审计质量。英国FRC从去年6月起连续发布AI审计指南，点名四大在用AI但没有正式评估对审计质量的影响；今年3月又发了更新版，把监管范围扩展到了Agentic AI，并明确强调：不管用了什么AI工具，审计师的责任不变 [7]。
但"数据安全"不等于"不能用AI"。国内的大模型服务平台，已经把这条路铺好了。
第一档：直接调国内API
阿里云百炼、火山引擎方舟、智谱开放平台、百度千帆——这些平台都通过了等保三级认证，明确承诺API调用的输入输出数据不会用于模型训练，数据传输加密，调用完即销毁，不留存。
对于不涉及核心客户财务数据的场景——查准则、写报告初稿、整理模板、学习新政策——直接调国内API就够了。成本极低，Qwen3系列的API价格已经降到几乎可以忽略不计。
而且这些平台本身就在国内，数据不出境，天然满足国内的数据合规要求。
第二档：云上私有化部署
如果涉及客户的财务数据，可以用云平台的专属实例方案。
阿里云PAI-EAS支持在企业自己的VPC（虚拟私有云）内部署模型，数据不出企业的网络边界。火山引擎方舟也有专属推理实例。智谱提供企业级私有化部署方案。
数据在你自己的网络里跑，模型在你自己的算力上推理，跟本地部署的安全级别一样，但不需要你自己运维GPU服务器。
成本比事务所自己买服务器、自己部署开源模型低得多，而且省去了运维的麻烦。
第三档：完全本地部署
安全要求最高的场景，开源模型本地部署仍然是选项。Qwen3.5有从0.8B到397B的完整开源尺寸，GLM-5用MIT协议开源，一台工作站就能跑中小尺寸的模型。数据完全不出本地。
但要说一个趋势：最强的模型正在走向闭源。
Qwen最新的3.6-Plus只提供API，不开源权重。之前的Qwen3.5基座模型虽然开源了，但Plus版本（能力最强的那个）也是闭源的。这不是阿里一家的选择，而是整个行业的方向——开源模型够用，但最好的那个永远在云端。
这意味着，完全依赖本地部署的事务所，用到的永远是"次一档"的模型。对于简单任务够了，但要真正形成生产力——比如处理复杂的审计判断、分析大量非结构化数据——可能还是得回到第一档或第二档。
所以对事务所来说，第二档（云上专属实例）才是最现实的选择：既能用上最强的模型，又能守住数据安全的底线。
当然，如果将来监管机构明确第一档就行，那么这可能才是最强、最便宜、最省事的方案。
事务所到底该怎么用AI？
不是花几千万去"自研"，而是三步走：
第一步：让每个审计师都会用AI
这是投入产出比最高的事。
不需要开发任何系统。培训审计师怎么用百炼的API、怎么用通义灵码或Trae写工具、怎么写好的提示词、怎么让AI帮他分析底稿。
一个会用AI的审计师，效率可以翻倍。一千个会用AI的审计师，比一个两千万的AI系统有用一百倍。
EY给近10万员工发了"AI徽章"，完成AI培训才能拿到 [1]。PwC说未来新人进来就要管理AI Agent，而不是手工做底稿 [3]。
四大在培训人，不是在开发系统。
第二步：把审计经验变成Skill和Agent
这才是事务所真正的护城河。
大厂的模型再强，它不知道你们所审过哪些行业、踩过哪些坑、积累了哪些判断标准。这些经验存在合伙人的脑子里，存在几十年的底稿档案里，但从来没有被结构化。
什么叫"把经验变成Skill"？
一个资深审计师做收入确认测试，他脑子里有一套完整的判断框架——不同行业的收入确认时点、常见的跨期调节手法、哪些合同条款容易藏雷、什么样的客户回款模式需要警觉。这套东西教科书上没有，是他审了十几个行业、踩过无数坑之后沉淀下来的。新人可能干了三五年，遇到复杂的收入确认场景还是拿不准。
现在，用AI编程工具，可以把这套逻辑变成一个自动化的Skill——一段可以被任何人直接调用的能力。新人调用这个Skill，就能直接用上资深审计师十年的经验。
函证核对Skill、收入确认测试Skill、关联交易识别Skill、合并报表检查Skill……每个资深审计师贡献一个自己最擅长领域的Skill，串起来就是一个Agent。
事务所应该做的，不是花几千万找外包开发一个大而全的"AI平台"，而是搭建一个让员工自己把经验变成Skill、别人可以直接调用的平台。
新人入职第一天，就能站在所有资深审计师的肩膀上工作。
这不是"AI系统"，这是把整个事务所的集体智慧变成了可调用的能力。
第三步：用专属实例处理敏感数据
在国内云平台上开通专属实例，把涉及客户数据的AI任务放在VPC内运行。安全合规，成本可控，不需要自己运维。
三步加起来花多少钱？培训成本 + 云平台费用。可能连一个"AI审计平台"项目预算的十分之一都不到。
大所、小所、个人，差距是大了还是小了？
在AI能力上：差距几乎消失了。
同样的大模型API，大所能调，小所能调，个人也能调。同样的AI编程工具，大所的人能用，小所的人也能用。大所花几千万做的"AI审计平台"，一个审计师用Trae或者Claude Code两周就能做出类似的东西。
模型能力这一层，已经被大厂拉平了。
在经验资产上：差距还在，但在被快速侵蚀。
大所几十年积累的行业经验、底稿模板、风险数据库——这些确实是小所和个人短期内追不上的。
但AI让知识的获取和整理变得极其容易。一个勤奋的审计师，用AI帮他整理行业资料、分析公开案例、构建个人Skill库，三年能积累的东西可能相当于过去十年。
而且小所如果也学会了"把经验变成Skill"这套方法，积累速度会更快——因为船小好调头，不需要走大所那套漫长的立项审批流程。
真正拉开差距的，不是钱，不是规模，是谁先动手。
大所有钱但决策慢——一个AI项目要过立项、招标、开发、测试、上线，一年起步。
个人没钱但灵活——今天看到一个好用的AI工具，明天就能用到工作里。
EY的做法很说明问题：不是自己从头开发AI，而是跟Anthropic合作，让47万员工直接用Claude [2]。德勤也一样，跟英伟达合作搞Zora AI。
连四大都不自己造轮子了，国内事务所还在花几千万造轮子？
AI时代，审计行业的竞争力不在于"有没有AI系统"，而在于"审计师会不会用AI"。
这个能力，跟所的大小无关。跟谁先动手有关。
参考资料
[1] B-17 News, “4 key ways AI changed the Big Four in 2025”, 2025.12.31. EY told B-17 it has advanced 1,000 AI agents into development or production in 2025, with plans to scale to 100,000 by 2028, and is investing more than $1 billion annually in AI platforms and products. https://b17news.com/4-key-ways-ai-changed-the-big-four-in-2025/
[2] Anthropic, “Anthropic Deloitte Partnership”, 2025.10. The collaboration represents Anthropic’s largest enterprise AI deployment to date, available to more than 470,000 Deloitte people. https://www.anthropic.com/news/deloitte-anthropic-partnership
[3] Fortune, “PwC’s U.K. chief admits he’s cutting entry-level jobs and watching to see how AI changes work”, 2025.09.08; B-17 News 报道 PwC US 计划未来三年将校招削减三分之一. https://fortune.com/2025/09/08/pwc-uk-chief-cutting-entry-level-junior-gen-z-jobs-ai-economic-headwinds-like-amazon-salesforce/
[4] InfoQ, “ByteDance Launches New AI Coding Tool Trae with DeepSeek R1 and Claude 3.7 Sonnet Free for All Users”, 2025.03. https://www.infoq.com/news/2025/03/trae-bytedance-claude-37-free/
[5] 通义灵码官方博客, “通义灵码正式上线 Qwen3，编程智能体马上来了！”, 2025. https://www.cnblogs.com/tongyilingma/p/18853371
[6] 博客园, “国内AI编码工具哪家强 CodeBuddy+通义灵码+Trae”, 2025. https://www.cnblogs.com/itech/p/19009784
[7] FRC, “FRC publishes landmark guidance providing clarity to audit profession on the uses of AI”, 2025.06.27; FRC, “Innovative new guidance supports audit firm adoption of emerging AI technologies”, 2026.03.27. https://www.frc.org.uk/news-and-events/news/2025/06/frc-publishes-landmark-guidance-providing-clarity-to-audit-profession-on-the-uses-of-ai/ https://www.frc.org.uk/news-and-events/news/2026/03/innovative-new-guidance-supports-audit-firm-adoption-of-emerging-ai-technologies/