智慧稅務如此之能，那是否偷逃騙稅、發票虛開就此銷聲匿跡了？

當然不是。因為利益驅使，全球范圍內稅收逃逸與反逃逸的斗爭是長期的，涉稅犯罪智能化程度也在提高，而智慧稅務要道高一丈，技術環境上亦有許多現實之難，人工智能通用大模型所固有的缺陷和風險，行業垂直大模型也依然存在。

一、外部技術環境與風險挑戰

大數據分析是模型認知、推理和生成決策的基礎，智慧稅務系統作為一個智能體（Agent），自然也離不開大數據及其技術運行環境的優化。

一是數據集成難。涉稅數據屬于半公共產品，實踐中數據開放的約束很多，智慧稅務系統作為專業平臺，要集成所有相關大數據難度很大。首先，納稅人資產和收入數據涉及商業秘密或個人隱私，大多數企業不愿直接開放自用平臺API接口，只能由企業在自身ERP、SAP平臺取數，再通過稅企端側平臺對接調用。而橫向平臺數據，無論是基礎數據、經濟數據、社會數據還是司法數據，也因涉及保密和安全責任，大多數部門都按“最小權限”原則謹慎輸出，跨境涉稅信息也只能通過CRS系統對等合作獲取，不是一個部門就可以集成的。目前能集成的還只是縱向申報、發票數據和少部分橫向數據，當然，就專業系統而言，集成數據也非越大越好，否則反而會成為燙手山芋。

二是數據清洗挖掘難。數字化有兩個痛點，其一就是數據雜亂挖掘成本高。未經清洗脫敏的數據難以集成共享，而數據的清洗、挖掘和加工，要有先進算法和充足算力，耗費不菲的成本，公共部門有限的財力要生產高增值數據產品難度很大。目前國內大模型研發能力以大數字企業為強，市場化清洗和挖掘公共數據，因為專業部門數據安全和數據價值不確定性因素，條件也不成熟?，F行智慧稅務系統各算法模型所投喂的數據，多為系統內垂直集成的發票原生數據和體外清洗過的申報數據，只能依靠現有算力，最大限度地挖掘數據價值，去實現“精確、精準、精細”治理效果。

三是法理與機理兼容難。大數據技術算法可靠、判斷客觀，其一致性標準所產生結果可避免人為主觀干擾，實現同問同答、同案同判和同罪同責的效果。但在現行責任體系下，結果公平絕對化會使人產生機器依賴而放棄主觀判斷。如對涉稅違法案件處罰標準的裁量，稅法有一個0.5～5倍的幅度區間，由執法主體根據案件情節自由裁量，而情節很難作為模型參數量化，大數據結論也是類似案件處罰倍率均值或眾數N，但對執法主體而言，N會自然成了同案同判的標準答案，由于從眾意味著不會被追責，于是，放棄主觀判斷、服從一致性就成為其最優選擇，但這顯然不是法律設定自有裁量權的本意。

況且，由于人工智能訓練數據的質量缺陷和不完整性，機生結論也會有數據偏見、錯誤預測和不公平歧視性問題，過度信任系統的準確性和可靠性，長期依賴系統決策，會忽視人類自身的專業知識和判斷力，而使錯誤行為得不到糾正。

大數據集成共享和一致性標準，有利于關聯穿透和聯合懲戒，但集成共享信息越廣，多重負面信息被關聯后，又容易形成連累和牽連，出現縱向追溯期過長、橫向多重處罰、累及牽連面太廣等問題。法網恢恢、疏而不漏，多重累及，不僅法律本身難以負載，也不符合黨的二十屆三中全會要求建立輕微犯罪記錄封存制度的精神。

四是算法歧視甄別排除難。源于技術本身的信息幻覺因素，大數據模型容易形成一種對某些特定要素的算法歧視，這種歧視一旦形成，某些特定區域、特定人群或特定物品的被針對性很容易固化。反映在稅收風險防控上，如歷史上某些虛假出口和騙稅高發地區、敏感產品和敏感人群，一旦留痕，即使其線下實體信用已修復，但風險疑點指向仍可能在系統中提示。

由于監控大模型技術上要界定和排除算法歧視因素難度也很大，而且人工智能邏輯算法可解釋性不強，輸出結果清晰但過程不透明，人工干預則需要基層執法人員的認知能力及權限、責任和風險抉擇的勇氣，聰明的選擇均會依賴機器決策保持一致性，但這些曾經敏感的地區、產品和人群因為算法歧視受到不公正待遇且長期得不到糾正，則可能會成為不穩定因素。

同樣，系統在納稅信用等級評定和發票授信額度確定中，也可能會因為納稅人歷史信用等因素而自動排除某些特征的群體，需要人工干預修正。

五是人機責任界定難。系統對稅收執法的運行監控，很多是在人機交互場景下實現的。大模型時代，機器理解專業語言已沒有障礙，傳統的圖靈測試也不能區分人與機器的作用痕跡，人機作用邊界和責任邊界因融合而模糊。這又帶來新的問題，因為人工智能也會出錯，如經納稅人確認的AI預填納稅申報表，或者人際交互過程中涉密稅項被泄露，一旦出現法律責任引發訴訟，很難清晰界定是人的責任還是機器的責任。

如系統預填的數據質量，很大程度上取決于模型訓練和標注階段所投喂的申報數據質量，反過來也會影響納稅人預期和納稅遵從度，沒有距離、過從密切的服務，反而會使服務對象產生“又愛又怕”的感覺。這也是人工智能融合性特征與邊界治理清晰性要求的長期矛盾，安全可靠、值得信賴的人工智能，除了鼓勵創新和競爭公平，還應擔當起維護公民權利平等的責任。

六是技術運行環境難。智慧稅務系統實行“技術產品國產化、算法標準國際化”的軟硬融合技術架構，在國產云平臺基礎上運行的Web服務器、Oracle數據庫和Linux操作系統，均是基于國際上開源軟件技術研發的。由于可用于商用和推廣的開源技術本身相對落后，發展中國家借鑒開源技術開發的套殼拼裝大模型，原創性不足，而訓練大模型需要先進算法、高端芯片和充足算力，我國的高端芯片國際依存度高，在美國對AI/Ml技術“小院高墻”政策封鎖下，模型運行和技術升級面臨的“卡脖子”瓶頸很多。

而國際上，基于神經網絡Transfomer大模型的預訓練算法架構和GPT系列的超級語言模型的出現，以其逼真的自然語言交互、多場景內容生成能力、多模態理解能力和強大的推理能力，實現了大數據、大算力、大算法的緊密融合。這對基于CPU和NLP文本理解語言的國產側端模型和稅企交互模式而言，其交互能力和技術運行環境都是很現實的壓力。而且，Transfomer是一種基于注意力機制、可高效并行處理序列數據的深度神經網絡，其不以效用函數最大化、不分類、無需標簽標注的機器學習理念和范式，大大降低了數據采集、標注、訓練和運算成本，系統性提高了運行效率，對標簽化、要素化的算法模型也是新的挑戰。

此外，稅企、稅銀和部門平臺之間，因為數據標準和技術環境兼容性問題，目前也只能以信息傳輸方式對接或交換數據，技術上無法實現數據集成。這一問題也是世界性的，2023年歐盟委員會就要求，歐盟各國之間增值稅發票系統和電子申報系統應相互兼容，但實現成本和難度均很高。

七是“三算”融合難。實現算力、算量、算法的三算融合，也是智慧稅務的技術環境目標，其中算力稀缺是現階段困擾數字經濟發展的瓶頸。人工智能有個“不可能三角”，即算力稀缺條件下，來自不同數據源和傳感器的信息難以快速融合，人機交互要同時實現通問通答、同問同答、答案準確是不可能的。

我國算力總規模占全球31%，世界第二，但分布結構不平衡。算量集聚在頭部企業多、網絡節點集中的東部地區，算力則主要分布在電力資源豐富的西部地區，智慧稅務系統的算量分布與數字經濟分布結構一致。為此，國家實施了“東數西算”戰略，利用西部算力資源承接東部數據處理業務，以降低運算成本。但因傳輸距離遠，“熱數據”難以西算，融合效率還需要提高。而在算法上，國際上性能和能耗完全碾壓CPU的GPU和LPU的出現，也給系統的算法升級平添了壓力，實現三算融合任重道遠。

八是新的風險應對難。電子稅務局和數字發票平臺服務范圍擴大到自然人和移動端后，系統的風險接觸面明顯擴大，數以十億級自然人群體的發票監管風險也明顯加大。原系統交互軟件和發票數據只在B端的一般納稅人層面流動，而新系統直接面向C端自然人，而且人機交互更頻繁、納稅服務更精細后，業務需求和應用場景更為復雜，系統外購或外包開發軟件、調用外部開源軟件需求增多，對軟件供應鏈的依存度也會提高，系統的外源性風險加大。而人工智能環境下的新一代黑客可用機器學習算法和自適應系統識別和利用專業系統模型的弱點和信息，惡意生成似是而非的可退稅虛假信息，營造信息繭房，以削弱納稅人對涉稅行為的認知和判斷能力，從中謀取非法利益。

按照確認增值稅發票虛開的一般規則，要稽核交易發生的貨物流、資金流和發票流，只有“三流一致”的貨物貿易才符合抵扣條件。但數字支付的普及，使這一規則很難有效落實。我國銀行業電子渠道分流率已達97.0%，年線上業務交易量4500多億筆，移動端的數字支付筆數更是達到數百萬億級。在現有“三算”約束條件下，金融監管部門也只能實時監管較大金額的賬戶資金往來，即使銀行有意向稅務開放數據接口，智慧稅務系統要實時在線監控納稅人的每一筆資金流水，既不可能，也沒必要。

因此，就原先高發的虛開發票風險而言，智慧稅務系統有效解決了發票載體的虛假、偽造和變造問題，但仍然無力消除真票虛開、變票（內容）問題。如不法分子設立空殼企業多環節循環開票、變票、暴力虛開發票的旋轉木馬欺詐行為，涉及電商和數字支付的發票虛開現象，仍不能及時發現和有效遏制。

二、在技術環境優化中逐步邁進算法治理新境界

從專管員治稅到征管查三分離，從算盤計算器到計算機網絡，從平臺治理、流程驅動到數據驅動、算法治理，隨著稅收征管改革和稅收治理模式的一次次演進，智慧稅務之路篳路藍縷、久久為功。面對第四次技術革命的到來，黨的二十屆三中全會要求繼續深化稅收征管改革，智慧稅務系統技術環境優化還有很長的路要走。

一是要抓住新一輪財稅體制改革新機遇，在稅制優化中完善升級智慧稅務系統。數字經濟作為數字化時代的新質生產力，其虛擬、融合、體現價值存在的新質特征，已使現行工商稅制以現實世界、清晰邊界和物理存在為目標的實質課稅原則難以適配。為此，黨的二十屆三中全會提出，要研究與新業態相適應的稅收制度。新一輪財稅改革的目標之一，就是要探索架構與數字經濟盈利模式相匹配的新間接稅制，以稅目稅率的融合適應征稅對象的要素融合，為新質生產力營造更加適配的規則體系和稅收環境。智慧稅務系統作為落實稅制運行的技術平臺，自然要圍繞新的稅制要素、設定新的參數而優化升級。

二是要抓住數字化技術革命新機遇，在自主創新基礎上，吸收運用國際最先進數字技術成果，使智慧稅務系統更加智能化。目前，我國在芯片、軟件和大模型技術上與國際最先進水平還有一定差距，三算融合之路也還很長，智慧稅務系統作為國產云平臺基礎上融合創新的稅收治理新平臺，也要順應全球稅收征管數字化趨勢，揚其新、盡其能、破其難，顯其功。在持續的數字化升級和智能化改造中自我革新，稅收治理能力和治理水平現代化才能方顯其成。

三是目標導向與問題導向相結合，以開放的心態逐步優化系統技術環境。智慧稅務系統作為行業垂直智能體（Agent），目前所面臨的技術環境問題，大多是人工智能通用模型同樣面對的共性問題，需要依靠更高層級或借外力統籌解決。而專業模型所面臨的數據集成量不足、質量不高，缺乏數據清洗挖掘能力和財力問題，也只能主動面對，盯著問題各個擊破，以開放心態加強橫向協作，以真誠守信尋求納稅人涉稅數據遵從，提升系統數據的質與量。

四是緊盯提升算法治理能力目標，實現稅收治理體系和治理能力現代化。體現數字經濟治理能力和水平的，技術上有三個階段，即平臺治理、數據治理和算法治理，平臺治理是初級階段，這種有形治理模式以邊界治理為核心，界內放任、越界嚴處，輕則罰款、重則關停。作為應急處置手段，簡單有效，但容易陷入“一管就死、一放就亂”的螺旋。

智慧稅務系統已將稅收治理帶入數據治理階段，以大數據分析結論驅動業務監管流程，治未病、防未然。但由于數據集成、數字技術本身的局限，稅收的數據治理尚處在探索階段。新目標是上升到算法治理階段，從算法的高度實現稅收有形治理到無形治理轉變，以算法的合理性、先進性和經濟性，引導納稅人的合規性和自覺性，這不僅需要智慧稅務系統技術環境的不斷優化，也需要稅務系統人才結構的優化和治理能力的與時俱進。

（作者嚴才明為上海財經大學公共政策治理研究院研究員，經濟學博士）