【观点】恒丰银行金融科技部副总经理赵毅：基于大模型的绿色供应链金融生态服务实践

本文来源于：金科创新社，作者：关键词：金融科技,绿色金融,大模型

【观点】恒丰银行金融科技部副总经理赵毅：基于大模型的绿色供应链金融生态服务实践

当前国内银行业数字化转型迈入深度落地阶段，绿色金融作为落实国家“双碳”战略、践行中央金融工作会议“做好绿色金融大文章”部署的核心业务主线，已成为各机构刚性经营考核指标。行业发展呈现两大鲜明趋势：其一，绿色政策供给持续扩容，全国共计31个中央部委常态化发布绿色产业、低碳转型相关制度指引，政策条文更新频繁、口径分散，部分文件存在表述互斥、衔接不足问题，银行传统人工研读、拆解规则的模式难以为继；其二，人工智能大模型逐步从概念验证转向业务深水区应用，但行业普遍存在预期偏差，业务端普遍认为AI可实现全流程自动化、无人工干预，而落地过程中又持续遭遇绿色主体识别不准、“漂绿”风险难穿透、认定结果无法审计、模型幻觉等现实卡点，缺少适配中小股份制银行轻量化、低成本落地的成熟解决方案。

在此背景下，2026金融科技创新发展论坛暨第九届金融科技管理人年会召开，恒丰银行金融科技部副总经理赵毅围绕“基于大模型的绿色供应链金融生态服务实践”分享一线落地成果，分享摒弃宏观顶层规划，聚焦绿色供应链细分场景，完整复盘AI政策解析、产业链智能风控、审计追溯全流程落地路径，客观剖析大模型固有短板，提出“大模型广覆盖+规则引擎强兜底+人工专业校验”人机协同落地路线，为同业绿色金融智能化转型提供可复制实操范本。

一、行业发展多重瓶颈，传统模式无法支撑绿色供应链规模化落地

绿色供应链金融是银行服务实体经济低碳转型的核心载体，但国内外标准体系、同业方案、传统技术架构均存在系统性短板，纯人工、静态代码规则模式无法同步满足业务拓展、监管考核、内部审计三重要求，四大核心瓶颈制约业务扩张。

1.绿色金融四大底层业务痛点

一是绿色主体识别缺少标准化工具，市场无成熟可嵌入供应链流程的绿色金融产品，批量判定上下游企业绿色资质难度大；二是合规判定时效性不足，海量分散政策无法同步至业务端，人工核对极易错配最新监管要求；三是“漂绿”风险防控缺乏产业链穿透能力，传统ESG评级仅覆盖单一企业主体，上下游资质无法核验，企业易通过包装资质骗取绿色低息贷款；四是绿色认定结果无完整溯源依据，审计、监管核查时无法举证判定对应的政策条款，存在合规问责隐患。

2.国内外绿色标准适配性存在明显缺陷

国际层面，标普、MSCI等ESG评级仅聚焦单体企业，无产业链穿透能力，且国际绿色分类规则与国内部委产业政策差异巨大，无法直接落地；欧盟绿色分类为静态条文，更新缓慢，缺少适配多产业场景的动态模型支撑。国内层面，三十余个部门分头出台绿色指引，监管依靠银行存量报送数据事后梳理规则，政策与一线业务场景匹配度极低；国有大行自研ESG体系依托专家人工规则，迭代慢、改造成本高，不适配中小股份制银行轻量化运营；科技大厂具备大模型技术，但对银行供应链流程、绿色信贷合规、审计监管要求认知不足，技术方案脱离业务实际。

3.传统信息化开发模式效率低下、投入成本高

恒丰银行前期尝试传统代码开发模式搭建绿色政策知识库，依靠人工拆解政策、定制开发判定规则，实践中暴露显著短板：绿色政策每周持续新增，条文冲突、断层频发，人工拆解、代码开发周期长，无法跟上政策更新节奏。同时客户经理检索政策全靠人工翻阅文档，企业绿色资质、上下游链路核验全部线下人工复核，业务流转效率极低。叠加监管、地方政府年度绿色金融考核硬性指标，银行亟需轻量化AI方案破解传统模式桎梏。

二、项目顶层设计：三大核心目标，构建人机协同绿色金融一体化底座

结合行业共性痛点与行内业务、合规双重诉求，项目确立“小成本试点、场景先行、人机协同赋能”建设思路，破除AI“包治百病”的理想化认知，以绿色供应链金融作为大模型落地试验田，围绕三大核心目标搭建完整技术与业务体系。

1.搭建统一绿色金融数字化底座

依托银行现有同城双活、负载均衡微服务架构，打通政策、产业、企业经营数据孤岛，通过AI自动化采集、解析、标签化海量绿色政策，沉淀标准化、可复用的绿色规则库与政策信息库，为全行绿色信贷、绿色供应链业务提供统一底层数据支撑，实现采购、生产、物流全链路数据互联互通。

2.搭建全流程智能绿色风控体系

采用“大模型语义广覆盖+Drools刚性规则兜底”双轮驱动架构，搭建覆盖企业初筛、资质核验、产业链穿透、“漂绿”识别的全流程风控模型。融合税务、排污许可、行业分类等69项企业合规指标，实现上下游绿色资质穿透核查，精准识别虚假绿色主体，从源头降低绿色信贷合规与资产风险。

3.落地客户经理智能政策匹配推送服务

依托大模型语义泛化能力，自动匹配企业行业、区域与对应绿色政策，向一线客户经理精准推送政策依据、核验要点，替代人工大海捞针式检索，快速完成绿色主体判定，释放一线人力，支撑绿色供应链批量拓客。

围绕三大目标，项目形成“政策解析—企业评估—业务审核—规则迭代”完整闭环，落地一体化绿色供应链金融智能服务系统。

三、全链路标准化技术落地流程，多模协同+三层约束打造可信AI工作流

项目核心创新为自动化绿色大模型数据处理流水线，通过AI采集、多模型协同解析、三层规则校验、人工兜底修正分层流程，解决大模型幻觉、多模型输出偏差、政策匹配不准等核心技术问题，整套流程分为六大标准化环节。

1.AI智能爬虫实现海量政策自动归集存储

自研AI智能爬虫，每周自动遍历31个部委官网抓取新增绿色金融制度、产业指引，累计沉淀数十万条政策原始数据，按日完成增量更新；统一归档政策原文、发布时间、网页源码，替代人工搜集模式，解决政策渠道分散、信息碎片化问题。

2.大模型完成政策文本结构化抽取分类

清洗网页冗余信息，统一政策文档格式；自动组装场景专属提示词，调度Qwen、DeepSeek等国产大模型协同运算，自动完成政策分类、行业代码、文号、发布主体、适用场景等关键要素提取，将非结构化文本转化为机器可调用的标准化JSON数据。

3.三层刚性规则引擎校正大模型幻觉偏差

搭建“国标词典校正+时间逻辑校验+动态修正机制”三层约束引擎，依托Drools框架完成全维度校验，覆盖行业代码匹配、政策时间合规、条文逻辑一致性等硬性标准，过滤大模型错误、矛盾输出，从源头保障数据合规严谨。

4.多模型重试+人工复核构建可信闭环

规则校验未通过的数据自动切换模型重复解析，多次重试仍不达标的内容流转人工修正，修正后数据重新入库。“机器处理—多模型重试—人工兜底”模式，在压缩人工工作量的同时，规避纯AI自主输出带来的合规风险。

5.双阶段匹配架构完成供应链企业绿色识别

采用“模糊初筛+精准审核”两段式匹配平衡召回率与精准度：模糊初筛依靠大模型语义泛化能力，基于行业、区域粗粒度信息秒级圈定潜在绿色企业，突破关键词检索局限，做到合规企业零遗漏；精准审核依托规则引擎完成69项细粒度指标刚性校验，输出判定结果与未匹配原因，每条绿色标签绑定对应部委、政策文号、发布时间，实现全流程可追溯、可审计。

6.可解释评估体系筑牢审计合规防线

搭建政策、算法双驱动绿色评估模型，摒弃AI黑盒模式。以历年政策匹配频次、命中条数为核心特征，基于存量绿色客户样本训练，选用逻辑回归算法保障评估逻辑透明可推导。系统留存完整数字化认定档案，审计、监管核查时可一键调取对应政策原文，有效规避“刻意刷绿”质疑，从技术层面防范企业套利“漂绿”行为。

整套技术形成循环迭代闭环：政策爬取清洗→多模型规则生成→企业涉绿评估→业务反馈→规则持续优化扩展，持续沉淀银行独有数字资产。

四、项目落地多维实践成效，实现效率、风控、业务创新全面突破

经过绿色供应链场景长期落地验证，系统在运营效率、风险防控、产品创新、数字资产沉淀四大维度实现显著价值提升，验证人机协同模式适配中小股份制银行绿色金融场景。

1.运营效率大幅提升，人力成本显著压降

系统日均处理政策匹配、资质核验请求超万次，赋能全行500余个业务岗位；政策检索由小时级压缩至分钟级，客户经理绿色审核人工耗时缩短70%，整体服务效率提升60%；企业绿色匹配准确率稳定超92%，彻底解决人工主观误判问题，低成本搭建可规模化复用的政策数据底座。

2.全链条风控升级，缓解监管审计双重压力

标准化、可追溯的认定体系实现产业链上下游穿透核查，精准识别虚假“漂绿”企业，源头降低信贷合规风险；绿色标签完整绑定溯源政策，监管、内审检查时业务端可完整举证判定依据，同步满足业务发展、监管考核、内部审计三重合规要求。

3.赋能绿色产品创新，覆盖全行核心绿色业务

系统作为全行绿色金融统一数字化底座，全面覆盖绿色供应链、绿色信贷核心场景，支撑“恒绿易链”特色绿色供应链产品落地，打通政策解析、客户画像、授信审批、贷后管护全链路，推动绿色金融由被动应对监管，转向主动数字化赋能实体产业低碳转型。

4.沉淀核心数字资产，统一全行AI认知共识

项目沉淀两大核心资产：标准化绿色政策信息库、动态迭代刚性规则库。规则库持续校正大模型迭代、政策更新带来的输出偏差，抑制模型不确定性；同时为全行各业务线提供标准化判定支撑。本次场景试点让全行业务条线清晰认知AI能力边界，破除“AI万能”误区，形成“AI负责广度覆盖、人工把控专业判断”统一共识，为全行大模型规模化落地夯实认知基础。

五、现存落地挑战与中长期升级规划

1.当前落地核心现存挑战

一是大模型天然存在不确定性，版本迭代、参数微调、政策更新后，同一主体判定结果易产生偏差，无法实现机器零差错，中长期仍需人工校验协同；二是31个部委政策发布节奏、口径不统一，自动爬取、结构化解析适配性仍有优化空间；三是产业链企业能耗、排污、绿色技改等外部政务数据获取渠道有限，多维数据融合不足，企业绿色画像精细度有待提升。

2.下一步中长期建设规划

结合现有成效与现存短板，恒丰银行从技术迭代、场景扩容、数据融合、生态共建、全行AI推广五大维度制定升级路径：第一，迭代多模型协同校验架构，训练绿色金融垂直微调模型，优化三层规则动态修正机制，进一步压缩人工复核工作量，降低模型幻觉风险，持续提升识别稳定性与准确率；第二，拓宽绿色业务场景边界，将现有大模型识别体系延伸至绿色园区贷、绿色建筑贷、绿色消费贷等细分信贷品类，实现全行绿色金融统一智能底座全覆盖；第三，深化跨政务平台数据融合，对接环保、工信、税务外部数据，扩充能耗、排污、绿色改造等合规指标，完善链属企业全维度绿色画像，强化全产业链穿透式防“漂绿”风控能力；第四，探索行业绿色政策知识库共建，依托现有数十万条政策沉淀成果，联合同业、产业平台输出轻量化AI政策解析工具，助力中小企业绿色资质数字化核验；第五，复制场景试点模式，搭建全行统一AI运营平台。以绿色金融实践为样板，将人机协同、小场景试点的落地逻辑推广至信贷审批、客户运营、风险监测、内部办公等领域，建立全行统一AI应用与认知体系，全面释放人工智能经营赋能价值。

面向行业长远发展，银行数字化转型不能片面追逐技术噱头，唯有立足业务真实痛点，平衡大模型技术能力与金融专业人工价值，持续迭代人机协同体系，才能推动AI深度扎根业务场景。未来，恒丰银行将持续完善绿色金融大模型服务体系，拓宽场景覆盖、深化数据融合、共建行业生态，以数字化智能工具持续驱动绿色金融高质量发展，为国内产业链绿色低碳转型提供稳定、合规、高效的金融支撑。