本期特邀采访对象：
AFAC2025大赛初创组三等奖团队“金蝶征信有限公司首席技术官（CTO）李星，一位致力于让企业的每一笔交易数据都“会说话”的技术践行者。
他与其团队面临的核心挑战，并非从零开始的技术研发，而是如何将沉淀的企业场景数据，转化为金融机构“看得懂、信得过、敢放贷”的动态信用资产。他的探索，是大型科技企业依托深厚产业know-how进行内部创新、将前沿AI技术转化为普惠金融生产力的典型路径。
一家社区水果店，原贷款额度只有七万元，它既没有办公楼做抵押，也没有税务报表证明自己。直到柜台上那枚不起眼的收款码，意外为他打开了融资新通道——持续36个月的扫码交易记录，最终让银行将数据贷款额度提升至10万元。
授信的依据，正是这枚收款码所承载的高频且真实的流水数据。这不是个例，在中国，超过3亿商户的收银台上，类似的二维码正悄然成为数字信用的见证者。
据调研数据显示，使用收款码满六个月的商户，获得信贷的可能性超过60%，三年后这一比例跃升至90%。这些高频、实时、小额分散的流水数据，正在重构传统风控的逻辑：它不看出身、不看抵押，只忠实记录着每一笔交易背后的经营事实。
这个案例揭示了，金融机构“不敢贷”与小微企业“不愿贷”的僵局，其突破口或许并不在于更多数据的堆砌，而在于如何读懂数据背后企业真实的经营故事。
这正是“知识图谱增强与动态推理的智能金融风控大模型——赋能产业链风控与智能获客”项目正在实现的场景。金蝶征信首席技术官（CTO）李星带着这一项目登上AFAC大赛的总决赛舞台，旨在用更深刻的AI理解力，为破解这一行业难题提供一个全新的答案，让每个企业都能拥有被数字信用精准定义的未来。
从数据孤岛到信用大陆
740万家云服务场景的积淀
金蝶征信的洞察，源于金蝶集团32年来服务的740万家企业。这些企业每日产生的财务、人力、交易数据，构成了理解中国企业经营的活地图。当大多数征信机构还在围绕工商、司法等静态数据做文章时，金蝶已经能够通过发票数据解析出交易对手稳定性、结算周期偏离度等深度标签，甚至通过企业间的跨期交易图谱，识别出隐性担保和关联交易风险。
“我们的核心能力并非简单的数据聚合，而是基于金蝶ERP场景的深度逻辑理解。”李星解释道。这种理解让金蝶征信在2023年获得了广东省唯一的AI企业信贷风控大模型工程技术研究中心认定，也成为他们敢于直面行业痛点的资本。
在加入金蝶之前，李星曾在深圳证券交易所深耕八年。这段经历让他深刻理解金融市场的运作规律，也亲眼目睹了中小企业融资难的现实困境。“金融机构并不缺数据，缺的是对企业真实经营状况的数据还原和理解。”这句话成为他反复验证的观察。
破解风控迷局的知识图谱
从静态快照到动态导航
在AFAC总决赛路演现场，李星首先指出金融机构“不敢贷”与小微企业“不愿贷”的僵局，本质上是传统工具在数据孤岛、获客成本和动态风险面前失效了。”而金蝶给出的答案，是一个融合了知识图谱与大模型动态推理的智能风控系统。
金蝶征信构建的图谱包含了约4.45亿条交易关系，如同一张巨大的产业互联网，能清晰展示每家公司在产业链中的位置和上下游关系。路演现场，李星清晰地勾勒出这一模型的三大核心创新：
其一，是打破数据孤岛的穿透力。传统风控如同只看企业的一寸免冠照片，而金蝶征信的模型借助AI与GraphRAG技术，能穿透至多6层交易链条，让错综复杂的企业关系网变得清晰可见。结合内含10万条虚假交易信息的黑灰名单库，模型能精准识别潜在风险与优质客户，将营销转化率提升了20%。
其二，是实现精准匹配的“洞察力”。面对单客营销成本超500元、转化率不足5% 的行业困境，模型将数百家金融机构的信贷经验与企业信用专业知识注入知识图谱，通过大模型进行深度推理，实现了客户画像与信贷产品的精准匹配。这一能力已助力合作金融机构的放款额度大幅提升50%，推动了从“经验驱动”到“数据智能驱动”的转型。
其三，是构筑动态风控的“预警力”。针对75% 源于二级以上供应商的供应链风险，模型能实时解析企业的纳税、发票、财务及工商股权信息，自动识别虚假交易、循环套票等高风险行为，并在准入环节就实时拦截。与某国有大行的联合建模实践显示，该模型成功拒绝了7% 的高风险客户，使整体贷款逾期率降低了15%。
支撑这三大创新的，是项目独特的技术路径。李星坦言，单纯的大模型存在“黑盒不可解释、幻觉无法根除”等先天局限，难以独立承担信贷风控的重任。金蝶的解决之道，是让大模型与强可解释、规则可控的知识图谱深度协同。
多智能体协同处理
金蝶征信构建的图谱包含了4500万个交易关系对，如同一张庞大的产业“神经网络”。他们将这片知识的海洋，通过持续的预训练、微调和精妙的提示语工程，“浇灌”给大模型，使其输出的不再是概率性的猜测，而是基于严密数据关系的推理判断。这套100%国产化开源的技术架构，相比国外的同类组合方案，性能提升32%，成本则降低了69%。
4500万个交易关系对
技术的价值，最终由市场回应。某国有行反馈，联合建模助其小微企业信贷产品不良率下降46.6%；某股份行认可其对企业经营波动的精准刻画；某城商行则透露，借助其能力，旗下税贷产品授信已超34亿元。这些声音，共同印证了这条技术路径的现实可行性。
当知识图谱成为大模型的罗盘，金融机构在服务小微企业时，便如同拥有了看清迷雾的导航。
“我们尝试过ChatGPT、DeepSeek、千问等多种模型，关键是为不同的问题选择最合适的引擎。”
大赛组委会：在技术路径上，你们为何选择这种融合知识图谱与大模型的架构？未来模型选择上是如何考虑的？
李星：我们和金融机构交流时发现，原生大模型有些先天的弊病，比如幻觉问题、记忆短、黑盒等，在严谨的金融流程中不太适用。而知识图谱是结构化的、可解释的，它像一张知识的网，能把企业之间复杂的关系清晰地画出来。我们把这张“网”——也就是我们基于740万家企业数据构建的、包含约4.45亿交易关系的图谱，有计划地喂给大模型学习，相当于给它装上了“导航”，让它输出的答案既智能又精准可靠。在实际研发中，我们尝试过ChatGPT、DeepSeek、千问等多种模型，会根据不同问题的类型和需求，选用最合适的“引擎”，并持续优化，这是一个动态选型和迭代的过程。
两度参赛AFAC
寻找技术共鸣的试金石
值得一提的是，这并非李星第一次代表金蝶征信在AFAC大赛的领奖台上亮相。在2024年的比赛中，金蝶征信已获得过企业组三等奖。此次以新的项目再度参赛，也印证了金蝶征信在AI金融风控技术路线上持续的探索与迭代。
对于为何连续两年参加大赛，李星的回答很务实：“我们需要一个能听懂我们技术的舞台。”金融智能领域的概念层出不穷，但真正能落地、能解决问题的技术却凤毛麟角。AFAC大赛汇聚了金融与科技领域的顶尖专家，他们的质疑与认可，都是技术迭代的专业共鸣。
更重要的是，大赛提供了一个观察行业趋势的窗口。“去年我们主要做数据平台，今年加入大模型能力后，评委们的问题更聚焦于技术落地细节和业务价值验证，这说明行业正在从概念验证走向实际应用。
”从构建数据底座的“泾渭云”，到今年融合知识图谱与动态推理的“风控大模型”，金蝶技术演进的主线始终清晰：让AI更深度地理解企业经营的复杂关系，让数字信用不再是停留在报表上的静态数字，而是动态反映企业生命力的活水。
目前，金蝶征信的技术已服务超过200家金融机构，涵盖银行、供应链平台，为中国近1/3的企业在线税票信贷提供场景和数据服务。这些数字背后，是技术从实验室走向市场的坚实脚印。在李星看来，参加AFAC不仅是为了奖项，更是为了验证一个信念：当技术足够理解商业的本质，数字信用就能成为每个企业触手可及的资产。
技术的真正价值
在赛场外长久验证
“行业认知、需求强度和客户配合度，非常影响技术落地的最终效果”
大赛组委会：在项目落地过程中，您认为最大的挑战是什么？有哪些经验可以分享？
李星：谈不上经验，我们也在摸索。金融智能要赋能千行百业，深入理解行业运作逻辑非常关键。比如我们做医药流通落地快，是因为行业数字化程度高，链条清晰；而某些硬件初创企业，其资金需求节点和强度不那么明显，我们的推进速度就会相对慢一些。总结来看，行业认知、需求强度、客户配合度这三点，非常影响技术落地的最终效果。我们不能仅仅提供技术工具，更要成为懂得行业“语言”的合作伙伴。
“金融智能要赋能千行百业，深入理解行业运作逻辑非常关键。”李星这句话，道出了技术落地的本质。他们的模型不仅要准确，更要懂得每个行业的独特节奏，知道农企何时需要买种子，理解制造企业的回款周期，看清餐饮行业的季节性波动。
AFAC大赛提供了一个检验场。在这里，技术方案不仅要通过专家的审视，更要回答一个根本问题：这究竟能不能让金融服务变得更简单、更及时？当金融机构能够更放心地放贷，当小微企业能在最需要资金时获得支持，技术的价值才算真正实现。
此刻，金蝶征信的系统正持续运行着，而对AFAC大赛来说，见证并推动更多像金蝶这样的项目从赛场走向产业，正是其意义所在。未来的路还很长，但每解决一个真实的风控难题，每帮助一家小微企业获得贷款，金蝶就离“让每个企业拥有数字信用”的使命更近一步。
—END—