作者：刘新海
一、引言：为什么要纪念征信业185年
今天，2026年7月20日，是全球现代专业征信业诞生185周年。
1841年7月20日，美国商人和社会活动家刘易斯·塔潘（Lewis Tappan）在纽约创办商业征信所（The Mercantile Agency），通过分布在各地的通讯员收集企业经营、偿债能力和商业信誉信息，并向订阅客户提供信用报告。该机构后来发展为R.G. Dun & Company，并于1933年与Bradstreet Company合并，成为今天的邓白氏。美国国会图书馆将其视为美国第一家成功实现商业化运营的专业信用报告机构，也是现代企业征信业的重要起点。[1]
当然，人类共享债务和交易信息的实践更为久远。英国伦敦和曼彻斯特的商人早在1826年前后就已建立信息交换组织，互相通报未按期付款的客户。[2]因此，更准确地说，2026年7月20日是以专业机构、持续调查、标准化报告和商业订阅为主要特征的“现代专业征信业”诞生185周年。
185年来，征信业经历了从人工调查到数据库归集、从文字评价到统计评分、从企业征信到消费者征信、从金融服务到多场景风险管理、从信用报告到数据分析和智能决策的巨大变化。但是，征信解决的核心问题始终没有改变：在陌生人之间、跨地域交易和未来履约存在不确定性的情况下，如何利用可信信息建立信任。
今天，当数字经济进入以大模型、智能体和自动化决策为特征的新阶段，回顾征信业185年的意义，已经不只是纪念一个行业的诞生。更重要的是，征信业长期形成的信息共享机制、数据治理规则、消费者权益保护制度和经验决策方法，为数字经济乃至智能经济提供了一套经过长期实践检验的“信任基础设施”。
二、历史掠影：征信始终与时代同行
征信并不是1841年突然出现的。在专业征信机构诞生以前，信用信息共享的雏形早已存在。
1803年，在当时全球最重要的商业中心之一伦敦，一批裁缝成立了“伦敦互助信息交流社”。当时，定制服装通常采用赊购或“先享后付”的方式，一些顾客在一家裁缝店欠账后，又会转向另一家继续赊购。为降低损失，裁缝们开始在行业网络内部交换欠款和违约客户名单。
这种信息交换主要局限于会员之间，尚未形成面向外部客户、持续收费的商业化征信服务，但它已经具备了征信最基本的逻辑：通过共享历史履约信息，判断未来的交易风险。 [3]
回望这段历史，征信几乎见证了现代经济和信息技术的每一次重要变革：它诞生于工业革命和跨区域贸易快速发展的年代，经历了19世纪末的电气化浪潮、20世纪后半叶的计算机革命，又走过互联网、移动通信和大数据时代，如今正在进入人工智能驱动的智能时代。
征信服务的对象和场景也在不断变化：
– 从调查商人的个人声誉，发展到评价企业的经营和偿债能力；
– 从零售商之间交换赊销黑名单，发展到服务银行消费信贷；
– 从记录小镇肉店和杂货铺的赊账，发展到识别平台交易、跨境贸易以及按Token计费、按月结算的智能算力交易风险；
– 从信用调查员骑马到处打听企业主的财产、家庭和社会关系，发展到通过移动终端和数字平台形成实时更新的数据画像；
– 从信用经理依靠面谈和个人经验决定是否授信，发展到信用评分、机器学习和大模型支持的自动化决策。
这些变化看似复杂，背后实际上一直存在两股基本推动力量。
第一股力量是信用交易的发展。从商业赊销到消费贷款，从信用卡到平台经济，再到数字服务和智能算力交易，只要交易的一方先提供资金、商品或者服务，就会产生了解另一方履约能力和履约意愿的需求。
第二股力量是信息技术的进步。纸张、印刷、电报、电话、计算机、数据库、互联网、移动通信和人工智能，不断改变信用信息的采集、传递、储存、分析和使用方式。信用业务决定了征信“需要解决什么问题”，信息技术则决定了征信“能够怎样解决问题”。
因此，征信并不是一个静止的行业，而是一套不断适应新交易、新数据和新技术的信任机制。
今天，人工智能正在把征信带入新的阶段，但征信发展面临的约束也在增加。一方面，地缘政治和数据主权使跨境征信与跨境数据流动更加困难；另一方面，数据安全、个人隐私、算法公平和自动化决策正在进入全球强监管周期。未来征信业不仅要回答“如何更准确地识别风险”，还必须回答“数据能否合法使用”“算法是否公平透明”“错误如何纠正”以及“跨境信任如何建立”等更复杂的问题。
这也意味着，人工智能时代的征信竞争，不再只是数据数量和模型精度的竞争，更是数据治理能力、权利保护能力和可信智能能力的竞争。
三、征信在数字经济和智能经济时代的价值：提供实践检验的制度经验
征信虽然进入中国已有多年，但作为一套舶来的专业制度，仍然经常被简单理解为信用报告、风险评分，甚至失信惩戒。要真正理解征信的价值，既要知道它从哪里来，也要思考它将向哪里去。
回望近两个世纪的历史可以发现，征信不仅服务于信贷风险管理，还为今天的数字经济、数据要素市场、个人信息保护和数字金融创新提供了一套经过长期实践检验的制度经验。
（一）征信是信息产业和数据产业的“活化石”
1841年，刘易斯·塔潘创办商业征信社，最重要的创新并不是发明了信用信息，而是把散落在不同地区、掌握在不同人手中的商业信息，组织成可以持续收集、加工并出售的专业服务。征信由此成为现代信息服务业最早的商业模式之一。
1851年11月，一位商人在《纽约每日时报》上评价征信服务：“我每支付1美元购买信息，就能节省100美元。”这句话非常形象地说明了信息的经济价值：信息本身可能价格不高，却能够帮助交易者减少远大于信息成本的风险损失。
因此，把征信称为信息产业和数据产业的“活化石”并不为过。这里的“活化石”并不是说征信已经落后，而是指征信在近两个世纪的发展中，几乎完整经历了数据价值实现的全过程：信息从哪里来，如何持续采集，如何核实和更新，如何建立标准，如何形成产品，如何确定价格，如何控制使用范围，以及信息错误后如何更正和追责。
今天，我国高度重视数据要素市场建设，已经成立国家数据局，并在推进国家数据集团的筹建。与其从抽象概念出发重新设计数据市场，不如认真研究征信业近两百年的实践。征信所解决的，正是数据要素市场面临的基本问题：信息为什么值得共享、数据怎样形成产品、使用者为什么愿意付费，以及如何在数据利用与主体权利之间建立平衡。
进一步看，征信长期运行还形成了五项具有普遍意义的信息经济学原理，可以为以数据资源为核心的数字经济发展与创新排忧解难。
第一，信息不对称是征信产生的根本原因。贷款人不了解借款人的真实负债、还款能力和履约意愿，交易就可能面临逆向选择和道德风险。数字经济的重要价值之一，同样是利用数据减少平台、企业、消费者和监管者之间的信息不对称。
第二，信息共享是释放数据价值的关键机制。单个机构只能看到客户与自己的交易，只有在合法、安全和责任明确的前提下进行共享，才能形成更完整的风险判断。征信业形成的“数据共享—共同受益”机制，对数据要素流通具有直接参考价值。
第三，大数定律是信用评价和规模化数据应用的统计基础。单个主体的行为具有不确定性，但在足够大的样本中，可以识别相对稳定的风险规律。数字经济的规模优势，也来自对大样本的持续积累和分析。不过，大数据并不自动等于正确结论，样本质量、代表性和适用场景同样重要。
第四，经验主义是征信分析的基本方法。征信并不是抽象判断一个人是否“诚信”，而是根据其过去的实际履约行为，估计未来履约的可能性。信用评分、机器学习和人工智能模型，本质上都建立在这种从历史经验中发现规律、再由实践检验规律的方法之上。经验主义同样可推动数字产品和制度迭代；
第五，信息闭环反馈是系统持续改进的动力，让征信机制像一个“看不见的手”自动调整经济运行。征信形成了“行为—记录—评价—决策—新行为—新记录”的循环。贷款发放后的实际表现，可以检验原有判断是否准确；信息主体提出的异议和纠错，也会推动数据质量改善。没有结果反馈和纠错机制，再复杂的数字系统也可能不断复制和放大错误。
这五项原理也适用于社会信用体系建设。社会信用体系的出发点，应当是减少政府管理、市场交易和社会活动中的信息不对称，而不是对企业和个人进行泛化的道德评价。公共信用信息共享应当具有法定依据和明确边界，信用评价规则应经过实践检验，错误信息应当能够异议、更正和修复，治理结果也应反向推动制度调整。
进入智能经济时代，这些原理的重要性进一步上升。人工智能依赖大规模数据扩展认知范围，依靠历史样本发现统计规律，通过经验学习建立模型，再根据结果反馈不断迭代，其最终目的仍然是降低决策中的信息不对称。
因此，征信所积累的并不只是一套信贷技术，更是一套关于数据如何产生价值、算法如何接受检验、错误如何得到纠正的制度经验。
（二）征信是个人信息保护制度的重要先驱
征信既是最早大规模利用个人数据的行业之一，也是最早受到个人信息保护法律严格约束的行业之一。
随着消费者征信在20世纪中期迅速扩张，信用报告开始影响个人获得贷款、保险、就业和住房的机会。与此同时，信用信息错误、隐私侵犯、身份混淆和不当使用等问题也日益突出。在20世纪六七十年代的消费者权益保护运动中，征信因此成为个人数据治理最早受到关注的领域之一。
1970年，美国出台《公平信用报告法》（FCRA）。同年，德国黑森州通过了被普遍视为世界第一部综合性数据保护法的《黑森州数据保护法》。两者虽然制度路径不同，却共同反映出计算机化数据处理带来的新问题。
《公平信用报告法》被美国联邦贸易委员会称为美国第一部消费者金融隐私法。它不仅保护隐私，还围绕信息准确、公平使用和程序救济建立了一套完整规则，包括限定信用报告的合法使用目的、赋予消费者查询和异议信息的权利，以及要求使用信用报告作出不利决定时向消费者进行告知。[5]
此后，随着信用卡、互联网、身份盗用、大数据和自动化决策的发展，美国不断修订和补充有关规则。征信机构既可能因数据泄露、报告错误或异议处理不当面临监管处罚和消费者诉讼，同时又可以在合法边界内不断开发信用评分、身份核验、反欺诈和消费者服务产品。
这说明，个人信息保护与数据价值创造并非只能二选一。真正可持续的数据产业，需要在两者之间建立动态平衡：数据可以依法使用，但用途必须明确；机构可以从数据中创造价值，但必须承担保证准确、安全和公平的责任；消费者不仅是被分析的对象，也应当拥有知情、访问、异议和救济的权利。
数字经济正在把越来越多的生活和经营活动转化为个人数据。如何在隐私保护与数据利用之间取得平衡，仍然是各国面临的共同难题。征信业近两百年的经验未必能够提供全部答案，但无疑是寻找答案的重要起点。
（三）征信是数字金融发展的创新引擎
金融的核心活动之一，是在不确定条件下跨时间配置资金，而信贷又是其中最依赖信息的业务。我国金融体系长期以银行信贷和间接融资为主，借款人的信息能否被识别、验证和合理使用，直接影响金融服务的覆盖范围、风险成本和资源配置效率。
因此，以征信、信用评分和智能风控为代表的信用科技，始终是金融科技发展的重要主线。没有征信和风险评价能力，线上贷款只能把线下流程搬到互联网上；只有建立持续的数据共享、身份核验、风险定价和贷后反馈机制，数字金融才可能真正实现规模化运行。
韩国的实践具有代表性。韩国一方面建立了由个人征信、个体户征信、企业征信和科技信用评价等共同构成的多元征信体系，另一方面通过金融MyData推动个人在授权基础上汇集、查询和使用自己的金融数据。在GDPR及全球个人数据监管不断强化的背景下，MyData提供了一条解决替代数据/大数据合规应用的新路径：不是绕开个人信息保护使用替代数据，而是通过个人知情、授权和参与，使数据能够在可控条件下流动和创造价值。
在MyData基础上，韩国进一步建设线上贷款比较和转换服务，使消费者能够通过数字平台查询原有贷款、比较不同机构的利率，并将贷款转换到条件更有利的金融机构。根据韩国金融委员会2026年3月公布的数据，截至2025年末，约42万人使用线上贷款转换服务，累计转换贷款22.8万亿韩元，平均贷款利率下降1.44个百分点，使用者人均每年节省利息约169万韩元。[6]
这可能正是未来数字金融的发展方向：征信不再只是帮助银行决定“贷不贷”，还可以帮助消费者了解“为什么被拒绝”“是否存在更好的金融产品”以及“如何改善自己的信用状况”；数据也不再只是金融机构内部的生产资料，而逐步成为消费者可以依法调用、管理和利用的个人经济资源。
从这个意义上说，征信不仅是数字金融的风险控制工具，也是推动金融市场更加开放、透明和以用户为中心的重要创新引擎。
四、中国征信的现状与展望： AI将重塑征信服务
现代征信制度进入中国的时间并不算长。
中国并非没有早期征信实践。1932年，中国银行联合多家银行和工商机构在上海发起成立“中国征信所”，开展企业和个人信用调查。不过，由于战争和社会经济环境变化，这一探索没有延续为现代征信产业。
改革开放以后，随着市场经济恢复和商业交易扩大，现代征信重新起步。按照部分行业史资料，1989年成立的北京中贸远大商务咨询有限公司，是改革开放后较早开展专业企业征信和国际商账服务的机构之一。1999年，人民银行批准在上海开展个人征信试点，上海资信有限公司成立，以此为起点，中国现代个人征信的发展至今只有27年。
（一）基础设施成就显著，市场生态尚未成熟
征信业的发展需要几个基本条件：相对统一和活跃的市场，大规模跨区域信用交易，具有一定购买能力的消费群体，以及持续流动的人员、资金、商品和信息。
美国征信业能够率先实现规模化发展，与其统一的国内市场、发达的消费信贷和高度流动的人口密切相关。欧洲虽然拥有成熟的征信机构，但各国法律、语言、数据来源和金融制度仍存在差异，跨境征信市场的整合相对复杂。许多发展中国家则受到消费信贷规模、数据基础和居民收入水平的制约。
中国拥有超大规模市场、完整的金融体系、庞大的消费群体，也是全球最主要的数字经济市场之一。从这些条件看，中国本应具有发展征信业的良好基础。
过去近三十年，中国征信体系已经取得显著成就，互联网金融、金融科技、大型科技平台信贷和助贷业务，也带来了一些创新，对全球新兴市场也有参考意义。
但如果从“是否形成一个成熟、活跃并具有持续创新能力的征信产业”来衡量，中国征信仍然处于发展过程中，而且还有点全球独特的牌照驱动的特色。
造成这种状况的原因值得深入思考。中国用不到三十年时间建成了强大的征信基础设施，但建立成熟的市场化征信产业，仍然需要时间。
（二）很多传统征信工作其实国内还没有真正开始
与国际成熟征信机构相比，中国征信行业的差距也意味着巨大的发展空间。
全球头部征信机构通常拥有数百种数据、分析和决策产品，服务范围早已超出传统信用报告，延伸到身份核验、收入和就业验证、反欺诈、供应链风险、企业关联分析、市场营销、催收决策、合规审查和宏观经济监测等领域。它们还通过持续研发、并购和战略投资，将新数据、新技术和新场景纳入征信服务体系。
反观国内，很多传统意义上的征信工作尚未充分开展，产品和服务比较单一。如果再考虑平台经济、数字贸易、企业出海、智能算力交易和个人数据经济带来的新场景，中国征信行业可以开展的工作远比现在丰富。
（三）AI智能体将改变征信服务模式
征信天然适合应用新技术。从电报、电话到计算机和互联网，每一次信息技术进步都改变了征信。人工智能和AI Agent同样会带来新的产品形态，但技术必须围绕真实的信用场景展开。尤其值得关注的是，很多面向信用主体的个人和企业的征信服务过去高度依赖人工服务，具有非标准化、专业性强和合规要求高等特点。AI Agent使得这些繁琐的工作成为可能、可以降低基础分析和材料准备成本，使这些服务更加标准化和普惠化， 将真正开启“信用为民，信用为企”的征信服务模式。
（四）AI时代还将重新定义信用
人工智能不仅会改变征信工具，也可能改变信用关系本身。未来，越来越多的搜索、采购、谈判、支付和融资活动可能由AI Agent代表个人或企业完成。届时，信用评价可能不再只关注“这个人或者这家企业过去是否按时还款”，还要判断其数据是否可信、算法是否稳定、授权是否有效、智能体是否按照约定规则行动。
信用主体、信用行为和信用责任都可能被重新定义，甚至AI时代的信用评估主要用于资源分配，那么征信服务也将随之变化。未来的征信，可能从记录人的信用和企业的信用，进一步发展为连接人、企业、平台与智能体的可信交易基础设施。
作者后记
写下这篇文章时，我正在等待凌晨三点开始的2026年世界杯决赛。四年一度的足球盛会令人感叹时间流逝，也促使我回望现代征信业走过的185年，并思考这段历史对中国以及广大新兴市场国家意味着什么。
我接受过系统的人工智能本硕博专业训练。2011年，当AI还处于相对低潮期时，我有幸进入征信领域。此后十余年，从数据处理、系统架构和信用模型，到行业制度、监管规则与商业模式，我一直在学习、思考和探索。征信并不是一个容易研究的领域，实践探索和合作更困难，有时甚至让人感觉陷入泥潭，但我始终认为，它虽然专业性高，但关系到信息、风险、公平与信任，具有重要而持久的社会价值和商业价值。甚至我还投入了大量时间研究征信的发展历史，希望从历史中理解它从哪里来，又将走向哪里。
今天，人工智能浪潮再次到来，我希望和团队能够更加坚定地投入AI，尝试做一些真正改善经济和社会运行方式的事情。当然，用AI重新理解和塑造征信，建立更加准确、公平、透明并以用户为中心的信用服务，也是一件很有意义的工作。
由于时间和精力有限，本文只能选取若干历史片段和基本判断。关于全球征信史、数字经济、个人数据、信用科技与智能征信，还有很多内容值得进一步展开。谨以此文作为一次阶段性的回望，也作为下一阶段研究和实践的新起点。
参考文献
[1] [美国国会图书馆]
https://guides.loc.gov/this-month-in-business-history/july/dun-bradstreet-founded
[2] [Experian历史资料]
https://www.experianplc.com/about-us/our-history
[3] [世界银行研究资料]
[4] [哈佛商学院贝克图书馆历史资料]
https://www.library.hbs.edu/hc/credit/credit3b.html
[5] [美国联邦贸易委员会]
https://www.ftc.gov/business-guidance/blog/2020/10/50-years-fcra
[6] [韩国金融委员会]
https://www.fsc.go.kr/no010101/86471?utm_source=chatgpt.com
[7] [中国银行历史资料]
https://www.boc.cn/aboutboc/ab7/200809/t20080926_6923.html
[8] 刘新海，征信与大数据，中信出版社，北京，2016年11月.
[9] [美]乔希·劳尔著，刘新海，刘志军 译著，《美国征信史：数据经济的崛起和个人隐私的博弈》，中国金融出版社，2024年6月.（获评2022经济人读书会十大好书第7名）
[10] [美] 罗威娜·奥莱加里奥（Rowena Olegario）著,刘新海 韩祎航 编译, 企业征信史，2026年10月（即将出版）
交流合作请联系张老师，电话：18811157736； 微信：18811157736； 邮箱：shanli.zhang@foxmail.com。