1. 引言
随着数字经济的深入发展，审计领域面临“审计资源有限与审计全覆盖需求”“海量数据与精准分析能力”“事后监督与实时风险防控”三大核心矛盾[1]。2021年修订的《审计法》为审计机关利用电子数据开展综合分析提供了法律依据，《“十四五”国家审计工作发展规划》进一步明确“坚持科技强审，深化审计信息化建设”的战略方向。在此背景下，智慧审计作为传统审计的升级形态，通过融合大数据、人工智能、区块链等新兴前沿技术，逐步解决传统审计“抽样误差大、效率低、风险响应滞后”等问题，成为推动审计行业数字化转型的关键路径[2] [3]。本文以2018~2025年中国知网收录的智慧审计领域50余篇核心文献为研究对象，采用文献计量法与内容分析法对国内研究成果进行分析，为后续智慧审计体系的完善以及技术创新和场景应用提供参考。
2. 智慧审计的理论内涵与发展演进
2.1. 内涵界定
胡秀梅指出，智慧审计不仅是技术工具的革新，更是审计思维与治理模式的重构，需通过数字化技术为结构化、半结构化与非结构化数据“智慧赋能”，提升审计数据的准确性、时效性与完整性[4]。陈苗则认为智慧审计是基于人工智能技术的智能化审计模式，其核心依托是数据、算力、算法三大要素，主要通过多维度的数据挖掘和风险分析模型提前预警来实现从被动核查到主动防控的转型，提高审计效能[5]。
当前学界对智慧审计的共识在于：其本质是技术驱动下的审计范式升级，核心目标为提升审计的准确性、时效性与主动性。然而，二者亦存在视角差异：胡秀梅强调“治理模式重构”，偏向宏观制度变革；陈苗则聚焦“数据–算力–算法”三要素，更具技术导向，这一分歧也反映出了当前研究在“技术工具论”与“治理变革论”之间的张力。
2.2. 理论基础
智慧审计的理论体系以多学科交叉为特征，核心理论框架主要包括以下几方面。
2.2.1. 协同治理理论
包函莱在公立医院智慧审计研究中提出，需协同审计委员会、政府审计、社会审计等多个主体，构建“事前预防–事中监督–事后追责”的常态化体系[6]。该理论适用于权力分散、利益多元的组织环境，有助于打破部门壁垒。
2.2.2. TOE框架理论
李晓雅基于技术、组织、环境三个维度，分析J市审计局案例，发现技术应用滞后、组织活力不足、环境支撑缺失是制约智慧审计发展的核心因素，为优化路径提供了理论依据[7]。该模型具有较强的解释力与实践指导价值。
2.2.3. 技术–个体–组织动态平衡理论
张莉等通过对天津市审计局的调研，提出智慧审计需实现“技术适配、个体能力提升、组织架构优化”的协同，倡导审计组织信息共享，激励审计人员知识合作，避免技术与业务脱节[8]。此理论特别关注人在数字化转型中的核心作用。
值得注意的是，目前智慧审计的理论建构仍处于“借壳生长”阶段，尚未形成专属于智慧审计的原创性理论框架。既有研究多引用外部成熟理论，且应用范围有限——如协同治理集中于医疗领域，TOE框架偏重政府审计。未来亟需构建跨行业、普适性强的本土化理论范式，弥合理论与实践间的断裂。
2.3. 发展阶段
结合文献发表时间与研究重点进行分析，结果显示：2018~2020年，发表文献高频关键词为“大数据审计”“人工智能”“RPA”，研究集中于单项技术可行性探讨，代表性成果多聚焦于技术概念引入与初步应用；2021~2023年，发表文献关键词扩展至“医疗审计”“电力审计”“乡村振兴”，显示研究重心向多场景迁移与应用拓展转移；2024~2025年，发表文献中“知识图谱”“大模型”“协同治理”“标准体系”等复合型关键词显著增多，研究主题呈现技术整合、组织变革与制度设计的多维交织。由此可见，国内智慧审计发展可分为三个阶段。
2.3.1. 技术探索期(2018~2020)
此阶段聚焦基础技术应用，研究集中于大数据、人工智能在审计中的初步探索。例如，王文华提出加快智慧审计标准建设[9]，李向前将无人机遥感技术引入政府投资项目审计，实现技术与审计场景的初步结合[10]。
2.3.2. 场景拓展期(2021~2023)
技术应用从单一领域向多行业渗透，医疗、电力、乡村振兴等场景成为研究热点。陶春华等开发“八项费用”智慧审计系统[11]，陈秀莲探索工程招投标智慧审计路径，有显著场景化特征[12]。
2.3.3. 深度融合期(2024~2025)
研究重点转向技术与业务的深度融合及价值创造。胡秀梅通过知识图谱技术实现审计数据“智慧赋能”[4]，周婷提出中小会计师事务所智慧审计“四位一体的智慧化转型路径”[13]，时亮等构建国网安徽电力知识图谱审计体系，智慧审计从“工具革新”向“治理升级”转型[14]。
3. 智慧审计的核心技术体系
智慧审计的技术体系可划分为三个递进层级，体现从数据基础到智能中枢再到系统集成与治理支持的演化路径。
3.1. 数据层：多源异构数据的整合与结构化
3.1.1. 多源数据整合技术
汪芳以中国移动为例，基于HADOOP技术搭建“全息数据集市”[15]，整合业务、财务、外部数据，实现审计数据全覆盖。
3.1.2. 非结构化数据处理技术
陶春华等在“八项费用”审计中，结合光学字符识别技术识别发票、合同图像，人工录入误差率从15%降至3%以下[11]；陈运文研发的系统通过自然语言处理技术，从PDF、Word等非结构化文本中抽取实体与关系，转化为结构化数据[16]，解决了“数据孤岛”与“语义壁垒”。
3.2. 模型层：智能分析引擎的构建
3.2.1. 机器学习与深度学习
李云香等基于深度学习开发了多源异构数据特征提取方法，工程审计异常识别效率提升40% [17]；陶敬鸿提出，机器学习算法可应用于审计风险预警，通过训练历史数据模型，自动识别异常交易，提升审计效率[18]。
3.2.2. RPA与审计机器人
李莹娇等构建的RPA审计机器人，可在审计准备阶段自动采集数据、实施阶段自动抽样核对、报告阶段自动生成底稿，审计周期缩短30% [19]；刘梅玲等在广西中烟经责审计中，通过RPA与文本挖掘结合，能够实现审计报告一键生成，人力成本降低25% [20]。
3.2.3. 知识图谱技术
时亮等以国网安徽电力为例，构建“数据层–知识层–应用层”知识图谱体系，通过实体关联分析识别“围标串标”风险[14]；柳絮提出“审计画像”技术，基于知识图谱刻画企业多维度特征，精准审计率提升50% [21]。
3.3. 系统层：可信交互与跨域协同
3.3.1. 区块链技术
王延刚在国网青海电力审计中，基于区块链开发审计整改工具，电子证据公信度提升80% [22]；毕小凡等提出区块链的去中心化、不可篡改性可以解决电子证据“易篡改、难追溯”的问题[23]。
3.3.2. 数据可视化技术
苏霞等基于熵权模型构建了国网雄安新区智慧审计评价平台，实时监控系统运行效果，风险识别响应时间缩短至5秒内[24]；曾丽雅在乡村振兴审计中，通过可视化工具呈现“点–线–面”审计逻辑，能够更加直观地展示扶贫资金的流向[25]。
3.3.3. AI大模型技术
吴花平等分析ChatGPT对智慧审计的赋能，认为其对话交互能力可优化审计问答、文档生成场景[26]；王冬探讨多模态大模型在高校审计中的应用，通过整合文本、图像、语音数据，构建“人机共生”交互关系，审计治理能力显著提升[27]。
4. 智慧审计的典型应用场景
4.1. 医疗领域：DRG/DIP付费与质量管控
医疗行业的智慧审计核心应用集中于内部风险防控与DRG/DIP付费监测。
包函莱以H医院为案例，构建“法规制度–审计数据–审计模型–审计疑点–审计取证–问题定性”的闭环流程，实现全流程自动化，审计周期缩短40%，问题整改率提升至90%以上[6]。马驭与孙娟蔻等聚焦医院内部审计，利用大数据技术挖掘药品耗材采购、经济合同管理中的风险，例如通过对比同类医院采购价格识别“高价采购”等，为医院高质量发展提供保障[28] [29]。陈苗基于智慧审计技术构建医院DRG/DIP付费监测体系，通过智能模型实时识别“诊疗资源异常消耗”“分组偏差”“合规风险”，推动医院向“主动优化资源配置”转型，医保违规率降低40% [5]。但医疗行业智慧审计仍面临“DRG分组规则动态调整适配难”“数据隐私保护”等问题，需进一步加强数据治理与模型迭代。
4.2. 电力行业：工程审计与全流程监督
电力行业作为资金密集型领域，智慧审计形成“整合协同、体系量化”的特色模式。
王延刚研发的国网青海电力智慧审计平台，整合大数据、区块链、OCR、语音识别技术，支撑72个常规审计项目、1720个工程审计项目在线管理，累计发现问题2911个，涉及金额49.37亿元，年节约审计成本500万元[21]。时亮等以国网安徽电力建设项目为例，基于知识图谱技术构建智慧审计知识体系，通过问答、检索交互模式，对工程进度、资金使用、质量安全等进行实时追踪，相较于传统审计模式，工程审计效率提升将近50% [14]。
4.3. 政府与乡村振兴领域：预算监管与资金防控
政府审计聚焦预算执行、乡村振兴等领域，助力国家治理现代化。
郑荣祥针对政府预算执行审计难点，提出“加强人才培养–提高数据采集效率–深化分析方法”三位一体策略，通过智慧审计平台实现预算资金的全链条追踪，对“挪用资金”“预算超支”等相关风险的识别率提升了60% [30]。而乡村振兴领域强调“知识流转”与“跨部门联动”。齐永金等构建了“知识获取–共享–应用–创新”闭环机制，通过“人才培养型–共享型–数字应用型–研究型”四类审计场景，动态响应政策调整需求，解决传统审计问题[31]。
4.4. 企业与中介机构：风险防控与效率提升
企业智慧审计以“内部风险防控”与“运营优化”为目标。商业银行作为金融领域核心主体，陈艳丽提出构建流动性风险管理智慧审计系统，通过整合相关数据，开发风险预警模型，解决“流动性风险评价指标多、审计难度大”的问题[32]；马静指出，集团型企业通过智慧审计实现“工程建设–审计管理–综合监督”三线结合，内部审计成本降低30%，子公司违规风险下降50% [33]。
中小会计师事务所通过智慧审计突破发展瓶颈。周婷借鉴A会计师事务所经验，提出“四位一体的智慧化转型路径”[13]：优化资源配置使“人员、法规、技术更智慧”，重构流程使“非现场预审更智慧”，创新质控使“风险防控更智慧”，运用“一拖多”模式使“审计成果更智慧”，为中小所高质量发展提供“智慧引擎”。
5. 智慧审计发展现存问题
即使智慧审计在理论和实践方面都实现了一定的应用，但是仍然在技术、组织、环境层面存在一些问题。
5.1. 技术层面：适配性与安全性不足
5.1.1. 数据治理不规范
黄嫦娇通过江浙沪企业调研发现，60%以上企业存在“内部系统数据格式不兼容”“外部数据获取难”等问题，导致智慧审计模型训练效果较差[34]；齐永金等指出，乡村振兴审计中基层信息化基础薄弱，数据标准化程度低，这对知识的流转落地是一个很大的制约[31]。
5.1.2. 技术与业务融合较浅
陈秀莲在工程招投标审计中发现，BIM技术与审计业务适配性不足，难以识别“投标文件雷同”等较为隐蔽的风险[12]；杨道广等批评“数智崇拜”现象，部分审计系统仅实现“流程自动化”，未深入理解业务逻辑，风险识别有误判风险[3]。
5.1.3. 数据安全风险
陶敬鸿指出，部分审计平台尚未建立“数据分级分类保护”等相关机制，存在医疗隐私、财务数据泄露风险[18]。
5.2. 组织层面：人才缺口与协同机制弱
5.2.1. 复合型人才匮乏
赵辉指出，基层审计机关中仅30%人员掌握数据分析技能[35]；师佳英通过12家会计师事务所调研发现，地方高校审计人才培养仍以传统财务审计为主，缺乏AI、数据分析等课程，人才供给与市场需求不匹配[36]。
5.2.2. 部门协同机制不完善
尹兰香等指出，高校智慧审计中“纪检部门与审计部门数据不互通”，监督存在盲区[37]；李晓雅在J市审计局案例中发现，审计机关与财政部门、发改部门缺乏常态化协同机制，数据获取效率低，影响审计效能[7]。
5.3. 环境层面：标准缺失与政策支撑不足
5.3.1. 行业标准体系不完善
吴花平通过国内外比较研究发现，国际研究聚焦数据完整性与算法验证，国内虽注重场景应用，但尚未形成全国统一的智慧审计标准[38]。
5.3.2. 政策与制度配套滞后
王文华提到，会计师事务所智慧审计建设缺乏财政补贴、税收优惠等政策支持，中小机构投入动力不足[9]；祁渊等指出，现有审计制度对“电子证据法律效力”“审计模型责任归属”尚未有明确规定，审计缺乏有力支撑[2]。
6. 智慧审计的发展趋势
6.1. 技术深化：破解“数据孤岛”与“融合断层”
6.1.1. AI大模型与审计深度融合
ChatGPT类大模型将优化审计交互体验，实现“自然语言问答–自动生成报告–智能提出整改建议”全流程赋能，极大降低使用门槛[26] [27]。未来审计模型或将具备“自主学习”能力，随政策动态调整风险识别逻辑，增强适应性。
6.1.2. 新兴技术融合拓展
无人机、激光雷达技术将从政府投资项目拓展至资源环境、生态保护审计[10]；区块链与智能合约结合，可实现“审计问题发现–自动触发整改–完成后自动销号”闭环，预计整改效率提升50%以上[21]。技术深化将帮助推动非结构化数据处理与跨系统集成能力升级。
6.2. 组织变革：弥合“人才鸿沟”与“协同壁垒”
6.2.1. 向中小企业与基层下沉
现有智慧审计集中于大型企业、政府，未来将向中小企业、基层延伸。赵辉所倡导的基层人才培养路径[35]、周婷提出的中小会计师事务所“智慧引擎”模式[13]，都将为中小企业与基层发展提供一定的参考，为资源有限单位提供可复制的转型模板，通过模式输出缩小人才差距。
6.2.2. 推动跨领域协同审计
围绕乡村振兴、碳达峰、碳中和等国家战略，整合农业、财政、环保、能源等多源数据，实现“多部门互联、多维度共治”，达成“跨领域协同审计”，做到整体机制创新[39]。
6.3. 治理升级：构建“制度护盾”与“角色重塑”
6.3.1. 审计角色转型
智慧审计将推动审计从“执行者”向“分析师 + 决策顾问”转型。例如集团型企业智慧审计可通过运营数据挖掘为资源配置提供决策依据[33]；医院智慧审计可基于DRG数据为科室诊疗方案优化提供建议[5]，真正发挥治理效能。
6.3.2. 标准制度完善
未来将构建“国家统一标准 + 行业特色规范”的智慧审计标准体系，明确数据采集、模型构建、结果应用全流程规范；同步健全电子证据法律效力认定、数据安全保护与责任归属机制，为行业发展提供制度保障[38]。
7. 结论与展望
7.1. 核心结论
本研究通过对2018~2025年国内智慧审计文献的系统梳理，得出以下三点核心结论：
智慧审计正经历从“技术嵌入”向“治理重构”的范式跃迁：审计目标正在由“查错纠弊”转向“风险预警 + 价值创造”；审计流程由“线性抽样”升级为“全量实时 + 智能判断”；而审计人员角色则由“执行者”进化为“分析师 + 决策顾问”。
技术应用呈现“场景分化”与“能力断层”并存的局面：医疗、电力等数据标准化程度高的行业已实现深度应用，而基层单位与中小企业受限于数据治理能力与人才储备，智慧审计渗透率较低，形成“数字鸿沟”。
研究存在“重应用轻理论”的倾向：尽管实践成果丰硕，但原创性理论建构不足，多数研究依赖借用其他领域理论，尚未形成独立的智慧审计理论范式。
7.2. 研究局限与展望
本综述研究仅纳入中文核心期刊文献，未涵盖外文研究与行业报告等，可能遗漏部分前沿动态。
未来研究可能更关注以下几方面：构建智慧审计专属理论框架，弥合理论与实践的断裂；加强对中小机构、基层场景的适配性研究；探索AI大模型背景下的审计伦理、责任归属与人机协同机制等。