在加快建设世界一流企业进程中，中央企业呈现股权层级长、混合主体多元、风险隐蔽分散等特征，传统审计监督面临看不透、管不住、防不及的困境。因股权比例与控制能力错配，可能引发国有资产运营效率低下、内部人控制风险，亟需通过技术赋能实现监管模式的根本性变革。

近年来，党中央、国务院对国有企业数智化转型、强化内部审计、健全穿透式监管机制作出一系列重要部署。国务院国资委多次强调，要运用大数据、人工智能等新一代信息技术提升国资监管智能化水平，推动监管从事后查处向事前预警、事中防控转型。与此同时，中国式财务管控模式的理论与实践不断深化，强调以出资人资本权益保护为核心，通过治理嵌入、流程嵌入、信息嵌入实现监督型管控，这为破解央企治理难题提供了理论遵循。

国家电力投资集团有限公司（以下简称国家电投）立足监督定位，以AI技术深度嵌入监督全过程为路径，构建控股不控权穿透监督模型，实现全层级、全链条、全自动的智能化监管。本文系统阐述该模型的建设背景、体系构建、技术创新与治理成效，为央国企强化穿透式监管提供实践参考。

（一）控股不控权问题的治理困境

随着混合所有制改革持续深化、投资布局不断拓展、股权层级逐步拉长，中央企业下属控股企业、项目公司、特殊目的载体数量持续增加，部分企业出现名义控股、实际失权的治理困境。国有控股股东虽在股权层面实现控股，但因制度和章程条款设置不当、关键岗位被外部股东把控、股东会董事会运行失效、资金管理脱离监督、关联交易缺乏约束等原因，无法正常行使法定权利，导致公司治理失灵、经营决策偏离、利益输送风险上升，甚至造成国有资产流失。

传统监督模式以人工翻阅凭证、现场抽样核查、经验判断为主，面对多层级股权嵌套、海量非结构化章程文本、跨主体资金往来、隐蔽性关联交易等复杂场景，普遍存在监督深度不足、覆盖范围有限、预警响应滞后、问题发现不精准等短板，难以适应新时代国资监管的精准性、时效性、穿透性要求。

（二）AI技术赋能是穿透监管的必然选择

人工智能技术的深度应用为穿透监管理论落地提供了核心技术支撑，可补齐传统监管能力短板。AI技术从四方面赋能穿透监管升级：一是依托大数据算法整合多源数据，打破信息壁垒，破解复杂股权与资金关系穿透难题。二是借助知识图谱搭建智能风控模型，实现隐蔽性风险实时筛查与精准预警。三是通过自然语言处理技术，完成非结构化文本自动化解析与合规研判，大幅缩减重复劳动。四是依托动态数据分析，构建常态化监管闭环，强化监管时效性。

在此背景下，以保障国有控股股东合法权利为核心，以穿透式监管为路径，将大数据、知识图谱、自然语言处理、光学字符识别（OCR）、大模型语义解析等技术深度融入监督全过程，搭建控股不控权穿透监督模型，成为强化公司治理、防范国有资产流失、落实出资人监督责任的关键举措。

（一）模型总体设计理念

控股不控权穿透监督模型严格遵循公司法、企业国有资产法以及国资监管关于完善公司治理、强化穿透监管的相关规定，以控制权真实落地为核心目标，构建数据驱动、智能研判、闭环管控的全流程数智化监督工具，总体架构如图1所示。

模型整体采用“基础设施层—数据层—业务层—应用层—表现层”五层架构设计，层层支撑、可扩展可复用。

基础设施层：依托私有云、国产化算力与中间件，构建稳定、弹性、安全的技术底座，为上层应用提供高性能、高可用的运行环境。

数据层：重点解决“用什么监”的基础问题。依托统一数据底座，深度整合内部“三重一大”、合同管理、司库、财务报表、法人治理、主数据系统重结构化与非结构化数据，同步对接外部工商、司法等第三方数据，建立以统一社会信用代码为唯一标识的企业全息档案，为穿透式监管提供高质量、标准化的数据支撑。

业务层：重点解决“怎么监”的核心能力问题。本层以数据中台和大模型为双核驱动，综合运用AI大模型语义解析、OCR/语音识别（ASR）、知识图谱构建、智能股权算法等核心技术，构建非结构化文本理解、多层级股权穿透、跨系统数据关联等核心能力，推动监督工作从人工核查向智能模型驱动与语义化推理转变。

应用层：重点解决“监什么”与“监完怎么用”的逻辑与闭环问题。围绕股权控制、治理运行、关键岗位、关联交易等核心监管维度，将分散的监管要素整合为系统化、场景化的智能模型集群。按照先过滤、再穿透、后比对、再研判的运行逻辑，对风险进行分级预警，并通过风险管理，形成“监测—预警—核查—整改—销号”的全周期管理闭环，确保监督成果落地见效。

表现层：作为统一交互门户，为公司管理层、审计人员、业务部门提供风险可视化、模型管理、整改跟踪等交互界面，实现监管信息直观呈现与便捷操作。

（二）模型构建原则与步骤

控股不控权穿透监督模型构建主要遵循三大原则：一是优先采用质量高、成熟度好的国资央企共性数据，特别是国资监管明确要求上报的数据，从源头保障数据的权威性与可比性。二是采取“先简后繁、先共性后个性”的渐进路径，优先解决普遍性、基础性问题，再攻克个性化、复杂场景。同时，强调算法必须可解释，确保模型输出结果具备清晰的业务逻辑与依据，满足监管审计的严谨性要求。三是采用先进、开放、易用、可扩展的技术体系，避免技术锁死，为模型的持续迭代与跨场景复用奠定基础。

模型从设计到上线主要分为五大步骤：一是场景设计。以防范控股不控权相关监管文件中的问题情形为根本遵循，紧密结合业务实际与数据可得性，设计出涵盖股权、治理、关键岗位、关联交易等维度的17个具体监督建模场景，为模型开发提供精准的业务框架与目标。二是方案设计。围绕17个场景制定详细的实施方案，系统规划数据采集、核验、分析及展示四大环节。引入AI大模型技术，将其作为风险智能识别的关键技术保障，推动监督从规则匹配向语义理解跃升。三是模型及数据溯源。全面梳理各场景的业务逻辑与数据需求，逆向追溯至源头系统。据此，设计并规范数据采集的审计中间表，覆盖全部17个场景，从源头统一数据口径与采集标准，从根本上保障后续分析所用数据的合法性、准确性与一致性。四是AI人工校核。针对章程、会议纪要等非结构化数据，利用AI进行关键要素自动提取。为确保AI识别结果的可靠性，建立了“AI提取+人工校核”的协同机制。专业人员对AI输出结果进行多轮校验与反馈，持续优化AI模型，不断提升要素提取的准确性与可靠性。五是结果验证。模型开发完成后，将其识别的疑点线索在真实业务场景中进行实际核实与运用，持续评估与调优，确保模型的风险识别能力不断逼近业务实质，实现“在实践中检验、在运用中优化”的良性循环。

（三）模型数据底座构建

模型依托国家电投数智化穿透监督体系的统一数据底座，结合财务管控核心需求，进一步细化数据分类、强化数据治理，实现内外部数据、结构化与非结构化数据、跨层级跨部门数据的深度融合，为模型精准识别、穿透分析、智能研判提供高质量数据支撑，确保模型与财务管控数据同源、同步、同标准。

1.内部数据梳理与整合。内部数据是模型运行的核心基础，重点整合与控股不控权、财务管控相关的各类数据，主要包括：一是组织主数据，涵盖集团企业所属组织数据，为股权穿透计算提供分析基础。二是财务管控相关数据，包括财务并表信息、资金流水、关联交易信息、资产管控数据等。三是人员任职数据，包括董监高任职信息、法定代表人信息、员工主数据、关键岗位配置信息、财务岗位人员信息等，为关键岗位研判提供支撑。四是治理相关数据，包括章程、重大决策会议纪要、公司治理决议记录等，为治理穿透监督提供支撑。五是其他相关数据，用于补充验证与风险识别。通过统一数据标准、清洗加工、关联匹配，形成以统一社会信用代码为唯一标识的企业全息档案，实现一户一档、一数一源、一源多用，确保数据的一致性、准确性与完整性。

2.外部数据对接与应用。外部数据主要用于交叉验证、主体过滤、风险补充识别，提升模型判断的准确性与完整性，主要包括：一是工商登记信息，包括企业经营状态、上市状态、境外标志、股权结构、实际控制人、关联关系等，用于验证股权关系与企业主体合法性。二是股权关系数据，涵盖股权关系信息、统一社会信用代码、企业名称、股东名称、持股比例、股权层级、股权变动记录等，为股权穿透计算提供支撑。三是董监高信息，包括企业高管姓名、任职岗位等，用于补充识别风险。外部数据通过应用程序编程接口（API）与内部数据底座对接，实现自动同步、实时更新，为模型运行提供多维度支撑。

3.建立相关机制。一是建立数据治理机制，针对股权关系、人员身份、企业状态、章程文本、财务数据等重点数据，实行自动清洗、去重、补全、标准化、关联匹配，确保数据质量。二是建立数据溯源机制，每一条数据均明确来源、采集时间、处理流程，实现数据可追溯、可核查，满足取证与管控的要求。三是建立数据动态更新机制，实时同步股权变动、人员调整、财务数据更新等相关信息，确保模型始终基于最新数据开展监测与分析，提升模型精准性。

（四）模型监督场景设计

模型从股权控制、股东知情权、治理运行、关键岗位、章程条款、关联交易六大维度出发，围绕控股不控权的十类典型表现形式，综合运用智能股权穿透、非结构化数据解析、多模态数据关联分析三大核心技术，系统构建17个子场景监督模型，形成风险可识别、规则可校验、关系可穿透、行为可追踪的智能化监督能力体系。

在股权穿透与并表管控维度，模型通过自动计算直接持股、间接持股、联合持股比例，精准识别达到控股条件或为第一大股东但未纳入财务合并报表的企业，识别应并表未并表、体外运行、管控悬空等问题。

在股东知情权保障维度，模型将控股股东依法查阅会计账簿、会计凭证的法定权利转化为可监测、可比对的数字化监督规则，将控股企业清单与司库纳管清单进行比对，自动识别出资人无法正常行使查阅权、账证脱离监督的企业，将抽象权利监督转化为具体可核查、可整改的问题线索。

在关键岗位管控维度，模型构建人员、岗位、职权、身份四维联动判断机制，将董事长、执行董事等关键岗位人员信息与员工主数据全自动匹配比对，识别非内部人员担任关键岗位、关键岗位同步由外部人员把控、小股东委派高管与内部人员存在利益冲突等情形，实现对人控失位、权落外人问题的精准预警。

在治理机制运行维度，模型将公司章程约定的股东会、董事会召开频次与实际召开记录进行比对，自动识别长期不开会、召开不足、治理空转等问题；同时根据持股比例与央企委派董事数量自动计算董事席位占比，识别席位与股权不匹配、国有股东表决权被弱化等治理失衡问题，推动治理机制规范运行。

在公司章程条款维度，提取股东会职权、董事会职权、表决比例、决议条件、关键岗位任免等核心条款，识别章程未完整载明法定职权、违规设置一票否决、决议通过比例高于持股比例、关键岗位任免越权约定等问题。

在关联交易与利益输送防控维度，模型以资金流水和交易信息为基础，按年度自动聚合企业总支出与股东支出，结合阈值设置进行预警；同时结合交易对手、合同条款、资金流向、价格水平、商业实质等开展多维度关联分析，识别支出异常集中、价格不公允、无实质业务背景、隐性利益输送等风险，实现对关联交易失序问题的穿透监督。

（五）模型创新与应用

在技术架构上模型实现多项突破，形成可解释、可追溯、可迭代、可推广的智能化监督工具。模型采用AI大模型与规则引擎融合架构，兼顾语义理解的灵活性与监督判断的严谨性，支持非结构化文本解析、复杂股权计算、多维关联分析、风险自动分级。技术与监督场景融合构建如图2所示。

1.建立智能股权图谱，实现一键穿透式分析。利用外部工商数据，穿透10层以上嵌套股权结构，构建股权关系图谱，按照直接或间接合计持股比例50%以上、持股比例不足50%但作为股比最高的股东的控股判定标准，识别名义控股、实际失控的异常情形。模型支持代持股权等特殊场景的穿透规则配置，可精准识别应并表未并表、联合持股导致的控制权稀释等问题。实践应用中，基于动态股权链分析，通过统一社会信用代码关联外部股权信息表和财务信息表，打通股权信息表与财务并表系统，实现跨平台数据映射；设定筛查标准，筛选集团层面单一或联合穿透控股比例大于50%或为单一最大股东，自动标记应并未并企业。通过对4 413家样本企业穿透测试，经人工复核，综合准确率95.35%。

2.构建规则语义模型，实现审计证据智能萃取。模型运用AI大语言模型攻克非结构化数据处理难点，将公司法等法律法规条款转化为可执行的风险规则库，构建公司章程、决策制度的智能解析模块，自动比对子公司治理文件与监管要求，识别不符合规定的条款内容，成功将海量非结构化文本转化为结构化数据。在公司章程合规维度，模型综合运用OCR、大模型语义解析等技术，进行全文本智能解析，自动提取股东会职权、董事会职权、表决比例等核心条款，识别章程未完整载明法定职权、一票否决等问题，将人工逐页审阅转变为机器秒级解析、自动判断、批量输出，大幅提升监督效率与覆盖范围。实践验证中，通过关联股权登记表与章程文件，实现持股比例、董事会席位、表决条款等方面多维度分析，识别表决权比例高于持股比例的异常条款（如持股51%但要求80%表决通过）。经验证，关键要素智能识别准确率达95%，极大提升审查效率。

3.多模态数据关联分析，构建智能审计新范式。模型整合法人治理、“三重一大”、司库、天眼查、财务报表、法务等10多个业务系统数据，通过AI Agent工作流、图计算等技术，实现结构化数据、非结构化等不同类型数据的深度融合与协同分析，形成股权、人员、决策、资金全链条业务数据，从而挖掘出单一数据类型无法提供的深层价值，精准发现审计问题，构建智能审计新范式。实践验证中，通过股权、人员、交易数据融合分析，构建小股东关联交易风险模型，实现隐性关联交易识别。例如，将控股企业清单与财务并表企业清单比对，快速找出控股未并表的企业；将控股企业高管与员工主数据比对，精准识别非正式员工担任核心职务的情况。

在创新监管模式方面，模型运用实现了风险预警一键输出功能，AI替代80%重复性基础工作，推动审计监督从人工抽查向数据赋能、从事后处置向事前预警、从分散核查向系统治理的转变，有效破解长期存在的查不深、查不透、查不全、效率低等难题，显著提升审计监督的穿透力、精准度和震慑力。传统人工核查动辄耗费数月、覆盖有限，模型实现全域一键筛查、全量自动分析，监督周期大幅压缩，人力投入显著下降，监督覆盖率从抽样不足30%提升至100%，穿透监督效率提升80%以上。

在风险识别精准度方面，模型精准识别应并表未并表、股东知情权无法保障、关键岗位失控、章程条款违规、治理运行失效、关联交易异常等突出问题，查实率稳定在较高水平，一批长期隐蔽的治理失控问题被及时揭示，为整改整治提供精准靶向。

在降本增效方面，非结构化文本解析效率提升90%、要素提取准确率超95%，节省数据处理成本超千万元，每年节约现场审计成本超百万元；精准识别防控风险，推动企业全面修订公司章程、规范董事委派与关键岗位管理、完善财务并表、强化司库纳管、健全关联交易管控，从制度、流程、人员、决策等层面补齐治理短板，推动国有控股股东权利依法落实，推动党的领导融入公司治理，推动中国特色现代企业制度更加健全。

在示范效益方面，模型荣获国务院国资委2025年智能监管业务模型创新活动卓越成果奖，为央国企破解控股不控权难题提供参考，引领审计行业数智化升级，助力国资监管体系现代化建设。

数智化转型是中央企业提升审计监督质效、强化穿透式监管、防范化解治理风险的必由之路。构建统一规划、统一组织、统一架构的数智化监督体系，能够从根本上破解传统监督模式的短板，推动监督工作系统性、整体性、重塑性变革。在此体系下，控股不控权穿透监督模型以股权穿透、AI章程解析、人岗权联动研判、资金交易关联分析、全周期闭环运行为核心创新，实现对控股企业控制权行使情况的全域、全量、全自动、全链条监督，有效解决治理失控、管控悬空、权利虚置等突出问题，实现智能监管赋能合规规范。