穿透一线｜规则模型还是AI大模型？——穿透式监管的两条技术路径辨析
发布时间：2026-06-03
作者： 陶光辉
最近与多家央企交流穿透式监管系统建设时，发现一个与技术密切相关的认知问题，非常值得重视。
不少参与穿透式监管建设的专业人员，包括一些企业分管领导和一些在尝试研究穿透式监管的技术人员，对于AI大模型和穿透式监管中常说的“规则模型”到底是什么关系，存在明显的混淆。
一种比较典型的误解就是：规则模型就是用AI大模型来生成监管结论，把数据喂进去，让大模型自己判断哪里有问题、哪里有风险，然后输出预警信号。
这个理解，显然是把两条截然不同的技术路径，混为一谈了。
这完全是两条路径，从底层逻辑到工作机制，都存在本质区别。
1. 第一条路径，可以说是“规则模型之路”，即基于自有业务和管理数据，加上确定性的“规则模型”，形成预警信号。
它的原理是业务人员根据监管政策和风险经验，定义出明确的规则逻辑。如，“同一供应商在一年内累计中标金额超过某个阈值，且与特定采购经理存在关联，应触发预警”。然后，技术人员将这套逻辑转化为可执行的计算代码。 系统在数据流上持续运行这些规则，满足条件即输出预警。
这套路径的本质是一个专家系统。它的智能来源不是算法本身，而是嵌入在规则中的业务专家的知识和经验。
规则是人写的，逻辑是透明的，输出是可解释的。
任何一个预警信号，都可以追溯到触发它的具体规则、具体数据和具体计算过程。
它不会产生“幻觉”。规则说一不二，满足条件就预警，不满足就不预警，没有中间的模糊地带。输出是稳定的一贯的，同样的数据输入，无论运行多少次，输出结果完全相同。
但这条路径也有它的约束。最大约束是数据的充分性。规则模型能发现的风险，受限于它能够接入的数据范围。
数据不全、数据不准、数据割裂，规则写得再好也跑不出有效结果。这是为什么穿透式监管的前置条件是业务系统线上化和数据底座建设，也是为什么15号文反复强调数据标准统一和数据质量治理。
2. 第二条路径，可称为“AI大模型之路”，即基于AI大模型（生成式人工智能），直接生成预警判断。
它的原理是将数据输入大模型，由大模型基于其预训练的知识和推理能力，对数据中是否存在风险进行判断，并生成自然语言形式的分析结论。
这条路径的优势很明显。效率高，不需要人工逐条定义规则，可以快速处理大量非结构化信息。依赖的数据可多可少，即使数据不完整，大模型也能基于已有信息给出判断建议。
它的智能来源是模型本身的参数化知识和推理能力，不需要把每一条业务经验都翻译成规则代码。
但这条路有一个在监管场景中致命的弱点。
生成式大模型的工作原理是概率预测，它的每一次输出本质上是在计算“下一个词最可能是什么”，而不是在执行确定的逻辑判断。
这意味着它的输出天然带有不确定性。不管怎样优化，它都可能产生“幻觉”。生成出看似合理但实际上不存在的问题，或者遗漏了实际上存在的风险。
输出的稳定性无法保证，同样的数据输入，在不同时间运行，可能会得到不同的结论。
在穿透式监管的场景中，这个问题不是可以容忍的小瑕疵，而是关系到系统能否被信任的根本问题。
如，一条围标串标预警信号，如系统自己都不能解释“为什么认为这是围标串标”，后续的核查派单和整改跟踪就无从谈起。
一个融资性贸易的误报，可能导致对正常业务的错误干预。一个真实风险的漏报，可能意味着国有资产损失。
穿透式监管对可靠性的要求，不是“大概率正确”，而是要“确定性地发现问题”，或者至少“发现的问题线索是可追溯、可验证的”。
对这两条路径的特点及其各自未来，可再做一个全面对比。
规则模型路径是成熟、可靠、可解释的。它适合处理那些违规特征明确、可以被结构化描述的监管场景——围标串标、资金违规拆借、虚假贸易、关联交易未披露等等。
这些场景的特点是，制度上有明确红线，业务上有可识别的特征，数据上有可获取的来源。
规则模型在这些场景中的效果已经被大量实践验证。它的未来方向是规则库的持续丰富和精细化，从覆盖主要风险场景走向覆盖更多细分场景，从单规则预警走向多规则关联分析。但它受限于规则定义的效率——每一条规则都需要业务专家提炼、技术人员实现，规则库的积累是一个渐进过程。
AI大模型路径则是新兴、高效、但尚不成熟的。它适合处理那些规则难以精确定义、但大模型可以凭借常识和推理能力给出参考意见的场景。
如，对一份复杂合同的整体风险评估、对某个投资项目的多维度风险提示、对新兴业务模式的合规性初步判断。
在这些场景中，大模型的输出可以作为人工研判的辅助输入，但不能直接作为监管结论。它的未来方向是提高可控性和可解释性，通过检索增强生成、思维链推理、规则约束生成等技术手段，逐步降低幻觉率。但它不可能完全消除不确定性，这是生成式模型的根本属性决定的。
由此，对穿透式监管系统的技术架构，一个符合实际的判断应当是这样的：主干道走规则模型，辅助道引入大模型。
穿透式监管的核心过程——风险自动识别、预警、派单、整改——必须建立在确定性规则模型的基础上。这是监管的底线要求。
大模型可以在这个主干道的某些环节发挥辅助作用，包括协助业务人员梳理规则逻辑、辅助分析预警信号的前因后果、自动生成核查报告摘要、在规则模型跑出异常后提供多维度的信息归集和背景分析。但它不适合承担最终判断的角色。
从中长期来看，这两条路径不会是谁取代谁，应当会是走向互补融合之路。
规则模型保证底线和确定性，大模型提供效率和覆盖面。但这仍然需要一个前提条件：大模型的可控性和可解释性达到监管场景能够接受的水平。
在达到这个水平之前，穿透式监管的核心功能还是应当牢牢建立在规则模型的基座之上。
—— 以上是本人对近期多次技术交流的记录和思考。
如果你在推进穿透式监管落地过程中也有类似困惑或难题，欢迎加本人微信krokso（注明来源于“穿透记”），我们一起交流国资央企穿透式监管建设的痛点和难点问题。
关于穿透式监管的方法论、数字化落地路径和典型业务场景实践，我在我的线上课《穿透式监管：从体系设计到平台落地全流程》以及《穿透式监管体系指南》团体标准系列研讨活动中，有更加体系的梳理，欢迎了解和参与。
—— 为法务人赋能，助企业家化险
