Credit世界
2026年8月24日，在有关外国专家项目调研交流安排下，经国家信息中心有关方面介绍，OECD经济部中国经济政策研究室主任Margit Molnar（马吉特·莫尔纳）访问全联并购公会信用管理专委会位于西苑饭店的办公室，与全联并购公会首席信用专家、北京信用学会副会长刘新海博士，旅韩数据与信用专家安光勇交流。
刘新海博士是国内较早长期从事金融科技与信用科技研究的专家之一，长期深耕征信与信用科技、个人数据与MyData、人工智能等领域，在相关研究、技术应用和国际交流方面积累了较为丰富的成果，并与多个国家和地区的专业机构保持长期交流合作，在国内外信用科技和数字金融专业领域具有一定影响力。
此次经国家信息中心介绍，OECD专家基于对其专业背景和研究成果的关注，与其就人工智能、数字金融和征信创新等前沿问题进行了深入交流，详细讨论了替代数据与普惠金融、MyData与数据治理、企业关联风险监测、知识产权与数据资产融资等热点话题，并就数字技术发展给金融体系和信用基础设施带来的新机遇与新挑战进行了深入探讨。
OECD专家长期关注中国经济与结构性改革
Margit Molnar女士长期从事中国经济、结构性改革及企业生产率等领域研究。她拥有中国人民大学国际经济系本科学习经历（匈牙利的政府奖学金），并先后在日本立命馆大学、庆应大学完成硕士和博士阶段学习。
2000年起，她长期在OECD经济部、贸易部和发展中心从事研究工作，2014年以来担任OECD经济部中国经济政策研究室主任，负责中国经济预测及OECD《中国经济调查》等重要研究工作。2016年中国担任G20主席国期间，她还曾借调中国财政部工作。
长期以来，Margit Molnar持续关注中国经济增长、企业生产率、市场改革、金融发展及数字化转型，对中国经济发展和政策实践具有深入了解。
从“大数据征信”迈向“AI信用科技”
交流中，刘新海回顾了中国征信和金融科技过去二十余年的发展历程。
随着中国个人和企业征信基础设施逐步完善，过去十余年间，支付、电信、交易以及其他替代数据（Alternative Data）开始广泛应用于信用风险管理，在服务传统信贷记录不足群体、改善小微企业融资和推动普惠金融发展等方面发挥了积极作用。
进入人工智能时代，征信技术正在发生新的变化。与传统大数据技术相比，大语言模型和人工智能智能体的重要价值之一，在于显著降低海量数据特别是非结构化信息的采集、理解、整理和分析成本。
与会专家讨论了大模型在企业信用分析、信用报告智能解读、风险信息提取以及个人信用助手等领域的应用前景。
例如，传统企业信用报告往往包含大量专业指标和复杂信息，普通中小企业和消费者难以理解。通过大模型和智能体技术，可以将专业信用信息转化为更加直观、易理解的解释，并进一步提供信用管理、风险提示和融资准备等辅助服务。
同时，与会专家也认为，人工智能在严格的信用审批和复杂经济分析中的应用仍需要保持审慎。大模型不能简单替代传统信用风险模型和金融专业判断，需要与结构化数据分析、统计模型、专业规则以及人工审核相结合，并通过模型验证和持续评估提高可靠性。
探讨MyData：在隐私保护与数据流通之间寻找平衡
数据既是数字金融发展的重要生产要素，也涉及个人信息保护和数据安全。
围绕这一矛盾，双方重点讨论了国际上近年来受到关注的MyData理念及其在金融领域的应用。
MyData强调以个人为中心的数据治理，即在充分保护个人权益的前提下，使个人能够更有效地控制、授权和使用自身数据。其重要制度基础之一是数据可携带权，通过个人授权促进数据在不同机构之间合规流动，从而降低数据孤岛和大型平台数据垄断带来的问题。
交流中还比较了韩国、欧洲等不同模式。韩国近年来通过法律和制度建设推动MyData在金融领域落地，为消费者授权使用分散在银行、信用卡公司和其他机构中的个人数据提供了新的基础设施。OECD专家还介绍了爱沙尼亚在数据的流通应用的成功经验，对中国有很好的借鉴意义。
对于中国而言，MyData具有一定借鉴意义，但也需要充分考虑中国大型互联网平台、金融机构、征信机构和公共数据体系的特点，探索符合中国法律制度和数字经济发展阶段的数据流通机制。
与会专家认为，未来数据治理的核心问题并非简单地在“保护”和“利用”之间二选一，而是需要通过制度、技术和市场机制，在个人权益保护、数据流动与创新应用之间形成更加合理的平衡。
从单个企业信用评价走向企业网络风险分析
企业信用风险也是此次交流的重要议题，特别是企业由于各种经济关联带来的系统性风险。
传统信用评价通常以单一企业为分析对象，但在现代经济体系中，企业之间通过投资、担保、供应链、贸易和资金往来形成复杂网络，一个企业的风险可能迅速向其他企业传播。
交流结合中国过去部分地区出现的企业担保链风险进行了讨论。相关实践表明，仅观察单个企业的财务状况和信用记录，并不足以完整识别风险。
利用企业、网络分析和人工智能技术，可以进一步分析企业之间的股权、担保、供应链和关联交易关系，识别风险集中度和潜在传导路径，为银行风险管理以及区域性、系统性金融风险监测提供新的技术工具。
与此同时，企业支付流水、税务发票、订单等高频经营数据具有较强的动态性，对于判断企业真实经营状况具有重要价值。但这些数据往往分散在不同机构和系统之中，在数据确权、授权使用、安全管理以及跨机构共享方面仍面临现实障碍。
如何在合规前提下推动高价值数据连接，是未来信用基础设施建设需要进一步研究的重要问题。
科技金融催生新的信用评价与资产评估需求
围绕科技型企业融资，与会专家还讨论了知识产权、数据资产以及算力等新型生产要素给传统信用评价带来的挑战。
科技型企业通常具有“轻资产、高研发、高成长性”的特点，传统依赖房地产等有形抵押物的信贷模式难以充分反映其真实价值。
国际上已经出现通过技术信用评价支持科技企业融资的实践。例如韩国技术信用评价（TCB）体系，将企业技术能力、知识产权和创新能力纳入传统企业信用评价框架，为科技企业融资提供辅助依据。
相比知识产权，数据资产的信用价值和担保价值仍存在较多需要研究的问题。数据具有可复制性、权益关系复杂以及涉及个人信息安全等特点，因此不能简单沿用传统有形资产抵押逻辑。
与会专家认为，在当前阶段，将数据、订单、交易网络和数字化经营能力作为企业信用能力和未来现金流判断的重要信息来源，可能比简单将数据本身作为传统抵押物更具现实意义。
随着人工智能产业快速发展，基于Token的信用交易也是OECD专家关注的焦点，算力、数据中心以及计算资源相关融资需求也在增加，其市场价格、技术迭代和快速折旧等特点，都对金融机构传统的资产估值和风险管理方法提出了新的要求。
数字化转型正在重新定义现代征信
此次交流显示，数字经济时代的征信体系正在发生深刻变化。
过去的征信更多解决“是否存在信用记录”的问题；大数据时代进一步解决了传统信贷信息不足的问题；而进入人工智能时代以后，信用体系开始更加关注如何连接分散数据、理解复杂信息、识别企业关联关系，并将信用信息转化为可理解、可操作的风险判断和金融服务。
与此同时，人工智能也进一步凸显了隐私保护、数据治理、算法可靠性和消费者权益保护的重要性。
因此，未来信用体系建设需要从单纯扩大数据规模，进一步转向提高数据质量、数据连接能力和智能分析能力，并建立与之相适应的治理规则。
展望：加强数字金融与信用科技国际交流
与会专家认为，人工智能、数据要素和数字金融正在成为全球经济转型的重要力量，中国近年来在数字支付、普惠金融、大数据风控和信用基础设施等领域形成了丰富实践，同时也面临个人信息保护、数据流通、科技企业融资和系统性风险监测等新的制度问题。
OECD在宏观经济、数字经济、中小企业发展、金融市场和国际政策比较等方面具有长期研究积累，中国在大规模数字金融应用和信用科技创新方面则拥有丰富实践场景。
未来可以进一步围绕人工智能与信用风险管理、MyData与个人数据治理、中小企业数字金融、企业关联网络风险、科技企业信用评价以及新型数据要素应用等问题加强交流，通过国际比较、案例研究和专业研讨，更好地总结中国实践，也为数字经济时代金融基础设施和信用治理创新提供新的研究视角。
会议结束时，刘新海博士赠送了OECD专家关于信用修复和金融科技的英文专著，双方也进行合影留念。
此次交流也为中国金融科技和征信领域实践与国际经济政策研究之间建立更加紧密的沟通渠道提供了有益基础。
