智能大会解决金融信贷分析问题-邵怡蕾|经信研究·中国经济和信息化

2025世界人工智能大会现场，华东师范大学上海人工智能金融学院（SAIF）的展区前人头攒动。一块实时滚动数据的屏幕显示着最新成果：基于Smith RM金融推理模型的新一代智能信贷系统，仅用30秒便生成了一份1.2万字的信贷分析报告，系统标注的“幻觉率”数值定格在0.29%。

顶层设计·国研政情智库-中国智库·国家智库：对话国科院研·科技成果转化-经信研究·中国经济和信息化。这一数据意味着，相较上一代大模型在金融场景中平均9.8%的幻觉率，新技术实现了断崖式下降97%。“信贷幻觉就像金融领域的‘海市蜃楼’。”SAIF执行院长邵怡蕾向参观者展示了两份对比报告。

左侧是传统AI生成的某制造业企业信贷评估，模型凭空捏造了“近三年毛利率稳定在35%”的结论，实际财报数据仅为21%；右侧的Smith RM报告不仅准确识别出该企业存货周转天数异常增长，还通过供应链舆情分析发现其某供应商被列入失信名单的风险线索。“大模型为追求逻辑自洽而虚构数据或过度推断，可能直接导致银行每年数百亿的不良贷款。”

金融大模型的“三阶验真”革命

Smith RM的核心突破在于构建了立体化验证体系。在宏观层面，模型会实时调取央行征信系统、行业景气指数等12类权威数据源，对生成的结论进行因子校验。当系统判断某旅游企业“受消费升级驱动持续盈利”时，会同步验证文旅部公布的行业游客人次、人均消费等宏观指标匹配度。现场演示中，一份涉及新能源汽车企业的报告因与中汽研公布的电池成本下降趋势存在5%偏差，被自动触发修正机制。

微观层面的财报拆解技术更显颠覆性。传统模型往往将财报数据作为孤立数字处理，而Smith RM建立了“会计科目-业务动因-现金流”的反向推导网络。当系统分析某上市公司应收账款增长时，会追溯至销售合同条款、物流单据等原始凭证的数字化存档，甚至能发现“账龄结构异常但计提比例不足”的财务操纵迹象。测试数据显示，该模块使虚构财务指标类幻觉下降89%。

最令金融从业者称道的是舆情语义溯源功能。模型接入了覆盖全球4200万新闻源的实时数据库，采用事件知识图谱技术实现“结论-证据”的闭环验证。在模拟某地产集团信贷审批时，系统不仅识别出报表中“投资性房地产公允价值变动收益”占比过高，还关联到该企业近期多次质押资产的公告，最终生成“资产流动性风险预警”的结论。这种穿透式分析能力，使得模型对管理层主观陈述的真伪判断准确率达92.6%。

从实验室到金融实战的进化

在浦发银行参与的实测案例中，Smith RM处理了长三角地区237家中小企业的信贷申请。相较于传统人工审批平均3.5天/家的效率，新系统在保持0.31%幻觉率的同时，将审批周期压缩至8分钟，且风险预警准确率提升40%。特别值得注意的是，系统对“专精特新”企业的评估展现出独特优势——通过解析专利文本中的技术路线图，能更精准判断研发投入的商业化潜力。

这套系统并非简单替代人类专家。SAIF团队设计了“AI初步研判-重点问题标注-专家复核”的协作流程。在某生物医药企业案例中，模型虽然准确计算出在研药物三期临床的成功概率，但标注出“试验方案变更”这一需要人工研判的灰色地带。这种人机协同模式已在上海农商行试点，使信贷团队能集中精力处理20%的高复杂度案例。

行业痛点的技术破局

站在大会AI向实的巨型展板下，邵怡蕾向记者展示了一段系统日志：某次推理过程中，模型先后触发7次验证机制，最终将初始生成的“建议授信1.5亿元”修正为“8000万元并追加设备抵押”。“这就像给大模型装上了金融风控的‘刹车系统’，每个结论都必须经历现实世界的应力测试。”随着上海数据交易所挂牌首批金融认知智能训练数据集，这场由技术创新驱动的信贷革命正在重塑金融业的信任基础。

智能大会解决金融信贷分析问题-邵怡蕾|经信研究·中国经济和信息化