百望王志伟：行业模型是通用模型在产业实景中“长出来”的工作系统

事件概述

在2026 ITValue Summit数字价值年会上，百望股份CTO王志伟阐述了财税大模型在产业实景中的落地路径。他强调，随着大模型能力商品化，竞争焦点已从参数规模转向模型能否深入业务核心、实现数据回流并由业务验收。百望正从电子发票SaaS公司转型为以真实交易数据为基石的AI公司，旨在交付可量化的业务结果。

核心观点：行业模型的本质

• 非缩小版：行业模型不是通用模型的简单压缩，而是通用模型进入产业实景后“长出来”的一套工作系统。
• 数据价值重构：发票不仅是静态凭证，更是企业经营的“数字DNA”。其核心价值在于连接交易对手、订单合同及背后的商业行为，反映企业的经营实景和上下游关系，比公开知识更具训练价值。

落地挑战与解决方案

通用模型进入企业核心流程需跨越三道门槛：

1. 幻觉与事实风险：财税场景要求高可用性和严谨性。模型必须配备“事实校验器”，对发票、税票、工商登记及企业经营行为进行交叉验证，确保结论有据可依。
2. 数据主权与安全：财务与交易数据高度敏感，企业无法容忍数据外泄。因此，私有化部署成为技术前提，确保模型在企业内网独立运行，掌握AI主权。
3. 成本可控性：长期调用外部通用模型Token导致成本不可控，垂类模型结合私有化部署有助于降低治理和运营成本。

百望的数据飞轮与能力架构

• 数据底座：基于十年积累的260亿+交易凭证、千万亿元级交易金额及9000万+企业税号数据。数据具备广度（上下游关系）、长度（十年经营脉络）和新鲜度（T+1更新）优势。
• 五层能力定义：
  1. 持续更新的行业知识；
  2. 确定性表达行业规则；
  3. 真实交易行为理解；
  4. 嵌入企业工作流；
  5. 可验收、可追责的评价体系。
• 数据飞轮机制：真实业务产生交易数据 → 训练行业模型 → 支撑AI决策 → 产生业务结果 → 专家反馈形成高质量训练集。该闭环使模型越用越好用。
• 考核指标转变：从传统的“回答准确率”转向“异常发现率”、“申报差错率”、“人工审核命中率”等业务结果指标。

应用场景与商业模式

• 四大核心任务：
  1. 合规与风控：通过票、款、货、账、税数据形成风险线索（如空壳公司校验、产业链风险传导分析）。
  2. 财税作业执行：自动化处理发票审核、合同管理及税务申报。
  3. 方案分析与决策辅助：比较不同财税方案的成本与风险。
  4. 经营分析与洞察：将交易财务数据转化为各工种可理解的经营信息，辅助商机探讨。
• 典型场景：央国企穿透监管、医药行业合规审查等，强调AI负责“准备事实”与责任，人类保留最终授权。
• 商业模式：从卖软件转向“卖结果”，提供可进入生产系统的智能基础设施。