2024年以來，隨著大模型應用爆發(fā)（如ChatGPT、文心一言），“token”作為“AI處理信息的最小單元”成為核心技術概念，其譯法的統(tǒng)一性與精準性需求日益迫切。

2026年3月，全國科學技術名詞審定委員會責成計算機科學技術名詞審定委員會，將AI領域的“token”正式定名為“詞元”，理由是：

信：準確反映“AI模型處理的最小語言/信息單元”的本質（“詞”源于語言學本源，“元”強調“基礎單元”）；

達：適配AI領域的衍生表述（如“詞元化”“詞元計費”），符合現(xiàn)代漢語表達習慣；

雅：摒棄“代幣”“令牌”等行業(yè)偏見，彰顯AI技術的專業(yè)性。

名正言順！

我還早關注“審元”大模型：審計行業(yè)數(shù)字化轉型的智能引擎，而且在智能審計中經常解讀。27日給審計培訓班講課也提到。

在數(shù)字經濟浪潮席卷全球的當下，審計行業(yè)正面臨著從傳統(tǒng)“經驗驅動”向現(xiàn)代“數(shù)據(jù)智能驅動”轉型的歷史性交匯點。“審元”大模型應運而生，它是由南京審計大學首創(chuàng)、審元科技（南京）有限公司進行商業(yè)化運營的國內首個審計垂直領域大模型。作為審計學科領域的標志性成果，“審元”不僅承載著學術科研的深厚積淀，更在產業(yè)落地與政務應用中展現(xiàn)出強大的生命力。

一是研發(fā)歷程：從科研尖兵到產業(yè)先鋒

“審元”的誕生并非一蹴而就，而是經歷了從基礎研究到產品落地的漫長淬煉。

早在2019年，南京審計大學便敏銳捕捉到大模型技術的潛力，聯(lián)合中國工程院院士鄭緯民團隊、武漢大學何炎祥教授團隊（認識）啟動了審計大模型的研發(fā)工作。該項目依托南審在計算機審計領域四十余年的學科積累，旨在攻克傳統(tǒng)審計在大數(shù)據(jù)環(huán)境下數(shù)據(jù)質量參差不齊、通用模型“幻覺”頻發(fā)、訓練效率低下等核心痛點。

隨后的幾年里，研發(fā)團隊深入審計一線，與各級審計機關緊密合作，構建了覆蓋財政、金融、自然資源等關鍵領域的審計知識圖譜。這一圖譜囊括了超百萬個審計專業(yè)實體和千萬級實體關系，為模型提供了堅實的專業(yè)知識底座。2023年9月，南京審計大學正式發(fā)布“審元”大模型，定位于“審計源頭”（審源），強調對數(shù)據(jù)要素的穿透式審查分析。初期版本便展示了智能問答、代碼隨行、案例推薦和報告生成等核心功能。

2025年初，“審元”迎來了關鍵的技術躍遷，與DeepSeek-R1推理大模型完成深度技術耦合，實現(xiàn)了通用大模型的語義理解能力與審計專業(yè)邏輯的完美融合。同年4月，審元科技（南京）有限公司正式成立，標志著“審元”大模型從實驗室走向市場，進入了商業(yè)化運營的新階段。

二是核心技術特點：構筑可信審計的護城河

與傳統(tǒng)通用大模型不同，“審元”的核心競爭力在于其對審計行業(yè)特有規(guī)律的深刻洞察與技術實現(xiàn)。

首先是“知識圖譜+大模型”的雙輪驅動機制。通過將結構化的審計知識圖譜與非結構化的文本生成能力相結合，“審元”不僅能流暢地生成文本，更能基于圖譜進行嚴密的邏輯推理，顯著提升了審計專業(yè)判斷的準確性，解決了通用模型“一本正經胡說八道”的問題。

其次是獨創(chuàng)的“三重驗證機制”。該機制采用“知識圖譜+規(guī)則引擎+概率推理引擎”的混合架構，對每一個關鍵推理節(jié)點進行多重校驗。這種設計確保了審計結論的可追溯、可解釋，滿足了審計行業(yè)對證據(jù)鏈完整性和結論嚴肅性的嚴苛要求。

“審元”深度融合了審計專業(yè)邏輯，針對審計問題定性、合規(guī)審查等復雜任務進行了深度建模，并能支持動態(tài)知識演進，及時響應審計準則和法規(guī)的變化。作為國內首個擁有完全自主知識產權的審計大模型，其研發(fā)還聯(lián)合了華為、科大訊飛等頭部企業(yè)，構建了產學研用一體化的自主可控生態(tài)。

三是主要應用場景：全鏈條賦能審計生態(tài)

“審元”的應用場景已覆蓋了審計作業(yè)的全生命周期以及審計教育領域。

在對內賦能審計作業(yè)方面，“審元”提供了九大核心功能，貫穿審計全流程。從審前調查的資料收集、法規(guī)智庫的智能檢索，到審計實施階段的合規(guī)審計、定性診斷，再到最終的整改追責與報告生成，實現(xiàn)了審計工作的智能化輔助。這不僅大幅降低了審計人員的重復性勞動，更提升了審計工作的深度與廣度。

在對外支撐審計教學方面，“審元”通過“智慧教學+文獻智腦”雙模塊，為高校和培訓機構提供了革命性的教學工具。它能夠進行智能問答、案例解析、自動出題，甚至模擬審計現(xiàn)場，有效輔助培養(yǎng)具備數(shù)字素養(yǎng)的復合型審計人才。

在前沿探索方面，研發(fā)團隊正積極推進“審計智能體（Audit Agent）”計劃。這一計劃旨在實現(xiàn)自動抽樣、程序優(yōu)化等高級功能，最終構建起從風險評估到報告生成的全流程智能審計解決方案，將審計自動化水平推向新的高度。

四是落地實踐與影響：從央企巨頭到地方審計

“審元”的落地實踐已經呈現(xiàn)出多點開花的態(tài)勢，其影響力橫跨企業(yè)內部審計與國家審計機關。

在企業(yè)應用側，“審元”已成功在能源、電力、制造、航空等多個國民經濟命脈行業(yè)落地。國家電網、南方電網、中國石化、中國商飛、國家管網等大型央企集團，以及省級農墾、金鷹集團等行業(yè)龍頭，均已引入“審元”以提升內部審計效能。這些企業(yè)的應用實踐證明，“審元”能夠有效適應不同行業(yè)、不同規(guī)模企業(yè)的復雜審計需求。

案例：“審元”在國家電網的應用取得了顯著的效率提升與風險管控成效：

——審計效率顯著提升：在國網浙江電力的“審計風控洞察智能體”項目中，“審元”的自然語言轉SQL（Text-to-SQL）能力將審計人員從“手動編寫SQL語句”中解放出來，審前調查時間從“days”縮短至“hours”；其報告生成模塊將審計報告撰寫時間從“weeks”縮短至“days”。

——風險識別精準度提升：在國網江蘇電力的“智能審計系統(tǒng)”中，“審元”的知識圖譜+規(guī)則引擎組合將“營銷電費異常”識別準確率從“60%”提升至“90%”，有效識別了“虛假用戶”“違規(guī)收費”等風險。

——整改閉環(huán)管理強化：在國網山西電力的“審計整改全過程閉環(huán)管控系統(tǒng)”中，“審元”的整改效果評估模塊將“表面整改”問題發(fā)現(xiàn)率從“10%”提升至“30%”，推動整改從“被動應付”向“主動防控”轉變。

在行業(yè)方案側，最具代表性的案例莫過于與某地級市審計局的合作。雙方共同探索“通用大模型+審計專業(yè)模型”的融合部署方案，提出了“滿血版DeepSeek+審元知識庫”、“融合模型+外掛知識庫”以及“‘審元+DeepSeek’協(xié)同智能體”三種具體的技術路徑。這一合作為中央、省、市、區(qū)縣等不同層級的審計機關提供了清晰、可借鑒的技術選型藍圖，解決了基層審計機關“想用AI但缺算力、缺人才”的現(xiàn)實困境。

通過產學研合作的不斷深入，“審元”推動了審計知識庫在數(shù)萬用戶中的應用。從肥西縣審計局的實務培訓到合肥市瑤海區(qū)審計局的AI輔助系統(tǒng)探索，“審元”正在與行業(yè)伙伴一道，共建智能審計生態(tài)，為中國審計行業(yè)的數(shù)字化轉型提供強有力的技術支撐。

因此，“審元”大模型不僅是一項技術創(chuàng)新，更是一次審計生產關系的重塑。它正以其深厚的專業(yè)底蘊和靈活的落地策略，逐步成為推動中國審計事業(yè)現(xiàn)代化的重要智能引擎。