用AI抓明星逃税，我發現了“幾個億”的商機_風聞

爆鄭爽偷税億元，我發現了 AI 金融“幾個億”的新商機

雷鋒網2021-05-02 

搬磚間隙摸魚衝浪，突然發現所有社交平台被“鄭爽日薪 208 萬元”刷屏了：

女藝人鄭爽的前男友張恆爆料，鄭爽通過陰陽合同在《倩女幽魂》項目中獲得收入 1.6 億元，按 77 個工作日計算，日薪超 208 萬元。

那按月薪 1 萬來算，咱們大概要工作 17 年才能賺到爽子一天的錢（……）

你以為我還會在乎嗎，這個數字已經傷不到我了，我在大潤發殺了十年的魚，我的心已經和我的刀一樣冷了。

根據張恆的描述來估算，爽子這一年勞逸結合能賺 6.4 億。

……BATJTMD 看了都直呼好傢伙

相比之下，逛超市不付款、對寵物狗不負責之類的瓜好像都是灑灑水了……

重點是，在張恆的“雷神之錘”五分鐘小視頻裏，各種證據還錘了鄭爽涉嫌“偷税漏税”“陰陽合同”：

網友怒生一計，建議以後明星的實績就以納税額來算。

什麼專輯銷量電影票房品牌代言雜誌封面，都不如為國繳税來得直接√

虛假的打工人還在被明星的高薪水深深刺痛，但真正的打工人，已經發現了一個巨大的商機。

作為本行業資深 Top 500000 的一位觀察者，我敏鋭地意識到：

AI 用於反偷漏税，用於審查陰陽合同，這不就是現成的 AI 金融應用場景嗎！

這要是能安排上，前面的按税排番，肅清娛樂圈風氣，豈不是指日可待？

但是不是真的可行，當然還是要大膽假設小心求證。

我們與數家 AI 金融公司簡單聊了聊，發現這類技術解決方案做得並不算多，只是有些風控方案中會考慮納入税務數據作為參考維度。

真正做 AI + 反偷漏税的玩家，似乎十分低調。

一位較著名的杭州 AI 獨角獸透露，他們與杭州某區曾經合作搭建税務平台，由他們提供部分模塊的建設，但他們也強調：

“這事兒還是得政府牽頭完成。”

啊這，難不成這事兒很有難度？

相關人士表示：

“我認為這沒有任何技術難度，但難就難在税務數據的打通，和税務模型的構造上。常見的避税手段就這麼多，可以拿足夠多的財務報表去訓練模型，去計算相關結果有沒有偏離財税比率。我覺得這沒有什麼太強的科研要求。”

如果拿不到政府機構內部的數據，用外部數據來操作，可行嗎？

技術大佬：倒也沒有很可行。

一位不怎麼知名的機器學習工程師，就跟我們詳細地掰扯了一下 AI + 反偷漏税的應用邏輯：

AI 本質上能做的是學習相關性。

那對查偷税漏税來説，可以尋找某些數據指標和真實收入之間的關聯性，預測大概能掙多少錢，然後實際報税收入沒那麼多就是一個懷疑的理由。

從最單純的情況開始 ——

假設某平台上一億粉絲、每日一億互動的明星一年拍 2 部戲有 10 億收入，2 千萬粉絲、2 億互動的可以有 1 億收入。

抓取的數目項目越多，比如囊括更多平台更多數據、囊括每年有多少廣告合作，對實際收入的預測就有可能越準確。

▲ 榜單很多，不要問我哪個才是最準的

但這仍然是很難的：比如公開的數據並沒有標準格式、需要大量的清洗整理；

比如娛樂圈的市場報價，對外行人來説，也根本就不是公開的。

另一方面，明星每年實際報了多少税，只有税務局自己知道；

這些報税數據，也本來就應該屬於個人隱私，所以也只有税務局自己建立一個這樣的系統，才能拿到這一頭的數據。

再接下來，即便模型顯示預測的收入和實際報税收入有差距，也還是一個很弱的證據，為了能具體確認數額和處罰，還是需要人工找到具體的偷漏税的合同。

説到底，就算真有這樣的系統，幫助也不是很大吧。

還有業內人士接着吐槽數據打通問題：

中國證券公司系統發展二十幾年了，交易所之間、證監會和交易所之間的數據都還沒打通呢，估計税務部門也是一樣。

此前也有報道：

目前，各省的數據庫都是相互割裂的（企業在全國各地有分支機構的逃税更容易），在 AI 系統下，政府所有的數據庫，包括財產、商品、國際貿易、商業登記等數據信息，將會連接互通。

比起技術本身實現的難度，對於税務數據的來源、歸屬和打通，其實才是問題的關鍵吧。

不過之前 AI + 税務有沒有呢？其實是有的。

在國外，這種應用已經紅紅火火地用起來了，比如 Intuit 就是一家智能財税軟件巨頭，C 端拳頭產品 Turbo Tax 就是幫用户準備報税。

但説實話國情差異比較大，外國要填的税單複雜到三天三夜都説不完，這部分的詳細介紹我們有空再説。

具體到 AI + 税務的應用方向，之前就已經有人梳理出了這麼幾類：

第一種，幫税務人員做表，重複的流程都替代掉。

第二種：掃描税務報告。

這就與 OCR（光學字符識別）有關了，OCR+AI 這對組合拳可以讓文本內容掃描並上傳至數據庫內，這不比翻紙質文件香嗎？

第三種：幫税務人員看文檔。

這個大致也涉及語義理解方向，比如分類憑證和文檔，從中提取關鍵數據，像是企業營收，應收應付款項，税單折扣額度之類的。

前三種可能算是青銅級別的難度，其實最近兩年大熱的 RPA 已經在做類似的工作了，財税也正好是 RPA 在金融領域規模化部署跑得最快的一個場景。

白銀級別的，就上升到預測税負、分析税收趨勢。

黃金級別的，就是發現逃税、漏税，提高税務領域透明度的水平了。

比如藉助機器學習算法，快速識別出大型數據集內包含的異常條目；

比如基於多種指標檢測欺詐活動，例如對方的就業情況、以往是否曾經接受審計，以及與非法收入來源相關的蛛絲馬跡。

其實早在 2019 年底，就有報道講過 AI 反偷税漏税了：

AI 系統已嵌入到金税系統的核心，後者是國家税務總局使用的軟件，是國家金税工程中開具國税增值税發票的開票子系統。

據瞭解，該 AI 系統由北京金税的主要承包商航天信息股份有限公司，與哈爾濱工業大學和北京郵電大學的科學家合作開發。

航天信息旗下的航天金税，就是國家重點工程“金税工程”的北京地區服務商。

給大家畫幾個重點：

可以標記超過 95％的違法行為，包括一些大多數税收徵收者不熟悉的新手法；

已經在東部幾個城市進行試點，取得了“非常積極正向”的效果；

過去三年（那就是 2016~2019 期間？），有近 30 萬税務稽查人員，一直在參與調試；

這套系統能自動升級算法，保證與最新的税收法規保持一致；

能連通政府的所有數據庫，税務稽查更高效；

AI 通過交叉檢查，從中找出虛假數據，做出標記，最終查出逃税；

不僅是企業逃税，個人逃税也在調查範圍。

報道舉了兩個例子：

1. 一家建築公司在報税時，為了增加抵税，誇大了水泥的價格。AI 能把公司的報價，與當時的市場均價比較，數據異常則做出標記。

2. 有的企業為了減少應税收入，會以不合理的低價格，將產品出售給關聯公司。數據連通後，公司的分支機構，產品的市場價格，都會被自動檢測出來，然後被標記。

當時南華早報的報道里還説到，研發人員表示，范冰冰那樣的九億事件將會成為歷史！

但那個時候鄭爽已經過上了日薪 208 萬的快樂日子。