在当前宏观环境不确定性上升、行业分化加剧以及监管对实质风险穿透要求不断提高的背景下，对公信贷业务正从传统的“经验驱动+人工尽调”模式，逐步过渡到“大数据驱动 +专家判断辅助”的综合决策框架。银行引入大模型，并不是为了用新技术简单替代原有流程，而是在不改变审慎经营基本原则和审批权责体系的前提下，显著提升对公授信的分析深度与处理效率。

国有大行和头部股份制银行在对公信贷领域的大模型应用，大致可以归纳为三个方面：

• 一是围绕尽职调查和授信方案设计，利用大模型自动或半自动生成尽调和信审报告；
• 二是财务、行业、区域和客户经营等多维度风险信息的提炼与结构化表达；
• 三是存量授信资产的贷后监测、风险信号解读和处置建议生成，逐步形成以大模型为枢纽的人机协同风控新范式。

（一）贷前自动生成尽调和信审报告

在传统对公授信流程中，客户经理和信审人员大量时间耗在资料收集和模板化撰写上，一份中大型企业授信报告往往要反复查阅工商登记、股权结构、财务报表、审计意见、行业研究、舆情信息及通过银行账户流水反映的交易记录，既费时又容易因经验差异导致报告质量不均。引入大模型后，许多银行将对公尽调环节拆解为“数据抓取—标准化分析—风险结论抽取—风险解读与行动建议—人工复核”几个层次：首先，通过与工商、司法、税务、征信、舆情等外部数据源以及内部信贷、交易、评级系统对接，获得较为完备的结构化数据；其次，结合规则引擎、指标体系和嵌入专家经验的小模型，对企业经营活动、融资及投资活动进行模块化、组件化分析，输出经营分析、财务分析和其他风险识别的标准化结论和标签；大模型在此基础上调用这些结论和标签，自动生成结构化文字，对关键指标进行专业化解读，并给出后续跟踪要点、授信方案调整方向和风险缓释措施等行动提示；客户经理和信审人员在此框架上补充现场访谈、管理层评价和业务判断，形成最终报告。在这种模式下，大模型的价值更多体现在对已有分析结果的“抽象、归纳和表达优化”上，而非替代客户经理或信审人员完成底层判断。

对公条线还在探索让大模型对历史授信决议以及行业研究等资料搭建知识库进行学习，使其编写报告时自动提示行业常见风险点、类似客户既往暴露问题以及监管关注要点，甚至有银行尝试探索大模型提供自动化客户初始额度建议，希望未来对审批人员起到知识传承和经验提示的作用，缓解人员更替带来的专业能力波动。

无论在尽调还是审批环节，关键的授信结论始终是由相关负责人依据自身专业判断做出的，大模型的辅助仅作为参考信息。

（二）非标准化数据的提炼与风险分析

传统对公风险分析长期以财务报表主表为核心，辅以工商登记、行政处罚、司法诉讼、知识产权数量等标准化信息，但这些信息难以充分揭示企业真实经营模式和关键风险点。许多关键信息往往藏在财报附注、尽调报告、处罚决定书、诉讼文书以及舆情和行业评论等长文本中，完全依赖人工阅读不仅成本高，而且难以做到口径统一和系统化沉淀。

在这一层面，大模型的作用可以对这些文本材料进行深度提炼和特征抽取，把“表层指标”背后的实质经营风险还原出来。例如，大模型可以从在信贷客户财报与尽调报告中自动识别和结构化上下游合作模式、客户和供应商集中度、应收应付账款账龄分布、管理层经验与稳定性、或有负债条款等关键信息，为内部评级和授信决策提供支撑；在知识产权相关材料中，大模型可以计算专利、商标等与企业主业及经营范围的匹配度，通过提炼“与主营高度相关的核心技术资产”来判断专利质量；在工商处罚或司法诉讼文本中，大模型则可以抽取处罚力度、诉讼性质、涉案金额、持续时间等要素，区分一般性合规瑕疵还是可能影响持续经营的重大风险事件。在舆情信息方面，大模型可以对与目标企业及其核心股东、主要高管相关的新闻报道、论坛帖子等文本进行语义分析，自动归纳“经营扩张与融资活动”“重大投资与并购”“产品质量与安全事件”“劳资纠纷与高管变动”等主题维度，并用大模型技术分析事件性质或是大致的影响方向，用以刻画企业在声誉风险、合规风险和治理稳定性方面的画像。

在行业与区域以及产业链视角上，大模型通过对行业研究、监管文件、产业规划和新闻评论的语义分析，自动识别与行业前景、周期波动、产能出清、技术替代、政策支持强度等相关的维度，为每个维度打上正面、负面或中性情绪标签，并结合地方政府报告、区域规划和园区文件提炼主导产业、重点扶持方向和财政压力，形成对行业景气度、区域政策稳定性和产业链位置的定性刻画。这些标签和要点清单，开始逐步尝试被纳入授信准入、组合限额和集中度管理框架。此外，在产业链分析中，大模型可以从企业尽调报告、工商登记经营范围、招股说明书及公开年报等文本中，准确识别企业所属产业链节点以及在产业链中的功能定位，以便银行更早评估其对组合的传导影响，在授信策略上做出前瞻安排。

（三）贷后监测与风险预警中的大模型应用

在企业获批授信并贷款投放之后，银行需要在贷款存续期内持续关注其经营、财务和外部环境变化，及时识别风险苗头并安排处置。传统贷后管理主要依赖报表报送、现场走访和逾期监测，对舆情、经营变动、股权转让等非周期性风险信号的响应往往偏滞后。引入大模型智能分析后，贷后环节通常由规则/小模型先对舆情、公告、行业新闻、交易行为等源数据生成具体风险信号和标签，再由大模型对这些分散信号进行解读、聚合和文字化表达：一方面，把风险标签翻译成通俗且符合信贷语言的描述，提示可能影响的还款来源、担保有效性和授信结构；另一方面，将来自报表变动、舆情事件、工商变更、资信履约等多来源信号，与现场人工贷后走访相结合，并进行综合归纳，形成一份结构化的贷后检查报告，既能反映系统自动监测到的风险线索，也能纳入一线人员更准确客观的实地观察，帮助客户经理和风险管理部门从整体视角理解客户当前风险状态。

面临的挑战

尽管上述实践不断推进，大模型在对公信贷中的应用仍面临几方面挑战：

（一）大模型专业度有限，难以充分反映信贷实质风险

当前通用大模型在银行信贷场景中的专业深度仍然不足，对复杂财务结构、交易安排和行业特有风险点的理解，很大程度上依赖提示词中嵌入的专家经验。如果仅基于公开披露的报表和舆情素材，由模型自行生成判断，结论容易停留在表层描述，甚至因样本和语料偏差出现“以偏概全”，难以真实反映企业的还款能力、现金流稳定性和经营韧性。

（二）非标准化数据标签的准确性和可用性仍然不足

目前大模型在银行信贷领域的应用，多数还停留在对公开材料和内部文档做文本归纳、风险点总结和行动建议撰写上，而不是直接产出可入模的高质量特征。对于财报附注、尽调报告、处罚与诉讼文书、舆情新闻等非标准化数据，大模型在标签提炼上的准确度和稳定性，尚未达到可以与传统结构化指标一并纳入风险计量模型进行训练和实现精准预测的水平，非结构化信息的价值还远未被充分挖掘。

（三）模型风险与数据偏差不可忽视

对公业务样本相对有限，且个体差异大，大模型训练和应用容易受到语料偏差和提示词设计的影响，一旦银行在授信环节过度依赖模型生成的文字结论，而缺乏充分复核，可能引发新的风险。需继续明确大模型在授信业务中的角色边界。

我们的建议

在通用大模型能力基础上，逐步建设面向银行信贷领域专业大模型，并通过闭环训练不断矫正。

一方面，以信审历史资料、内部评级结果、审贷会结论等为核心语料，在充分脱敏的前提下，构建面向对公信贷的专用大模型，使其在财务分析、经营分析和风险识别方面更贴近行内行文和信贷判断逻辑；另一方面，在实际业务中邀请信贷领域经验丰富的专家对模型给出的分析结论和风险提示进行抽样核查和系统性验证，将与专家判断明显不一致的案例作为“反例样本”回灌训练，逐步校正模型的关注重点和判断边界。通过“专家经验+历史案例+持续验证”的闭环迭代，有望将当前主要承担报告生成任务的通用助手，逐步打造为能够理解信贷实质风险、可在特定领域与专家形成有效分工的专业分析工具。

在非标准化信息提炼的应用上，实施分阶段路线，先尝试把少数核心标签打磨扎实，有步骤地纳入量化体系并做好配套管理，再进行大面积推广。

具体而言，可围绕经营风险中最关键的标签，利用大模型把语义理解做细做准，例如对应收账款集中度、主要上下游合作方的资质与稳定性、核心产品或业务的市场份额及变化趋势、技术路线的成熟度等，逐一明确标签的含义、口径和判定规则；待表现可靠后，再有选择地纳入违约预测、额度测算等量化模型，逐步提高非标准化数据在计量模型中的权重。同时配套建设特征管理与文档机制。为每一类文本标签建立统一的定义、抽取规则和适用范围说明，便于业务、风控和模型管理在日常使用以及后续审计、监管评估中理解和追溯。

在流程设计上，坚持“标准化特征和指标生成—大模型解读—人工终审”的三层结构。

底层特征由规则系统和小模型负责数据清洗、指标计算和风险信号识别；大模型承担报告撰写、要点归纳和行动建议生成的职责；最终由相关风险负责人基于模型输出和自身判断作出授信与处置决定，并在文档中记录理由。

在治理层面，设计好责任边界和可追溯机制。

在制度中明确大模型不得单独决定授信审批结果和客户风险分类，所有依托模型输出的关键性决策必须保留人工复核与签批记录。

此文章收录于《2026年中国银行业展望报告》。

本文内容仅供一般参考用，并非针对任何个人或团体的个别或特定情况而提供。虽然我们已致力提供准确和及时的资料，但我们不能保证这些资料在阁下收取时或日后仍然准确。任何人士不应在没有详细考虑相关的情况及获取适当的专业意见下依据所载内容行事。本文所有提供的内容均不应被视为正式的审计、会计或法律建议。

©2026毕马威华振会计师事务所（特殊普通合伙）、毕马威企业咨询（中国）有限公司及毕马威会计师事务所，均是与毕马威国际有限公司（英国私营担保有限公司）相关联的独立成员所全球组织中的成员。毕马威国际及其关联实体不提供任何客户服务。各成员所均为各自独立的法律主体，其对自身描述亦是如此。毕马威华振会计师事务所（特殊普通合伙）——中国合伙制会计师事务所；毕马威企业咨询（中国）有限公司——中国有限责任公司；毕马威会计师事务所——香港合伙制事务所。版权所有，不得转载。毕马威的名称和标识均属于毕马威国际的商标或注册商标。