2026年以来，国务院国资委密集发布三份关键文件——《关于推动中央企业加快财务数智化转型升级的指导意见》（1号文）、《关于加强中央企业穿透式监管的指导意见（试行）》（2号文）以及《关于做好2026年中央企业内部控制体系建设与监督工作有关事项的通知》（15号文），明确全域数字化资源管理平台（DRP，含司库体系）建设要求，推动国资监管向全级次、全链条、全过程、全要素穿透深化。
2026年7月，国务院国资委召开穿透式监管工作会议，再次强调“加快构建智能化穿透式监管体系”、“建强建好智能化监管系统，加强重点领域穿透监管，健全监管闭环”。
对各级国资委和央企集团来说，现实问题摆在桌面上：平台建好了、数据通了、报表齐了，可风险预警仍靠人盯，事前预警普遍不足。
01
现状：平台加速落地，数据逐步打通
——数据通了，只是起点。
近两年，各地国资监管数字化建设持续推进，省市级国资委及央企集团的数字化平台陆续落地，相关系统体系逐步完善。
按照1号文提出的建设要求，DRP平台正分阶段推进，产权、资金、投融资、采购等重点业务领域的数据整合与贯通成为重要建设内容。
对于各级国资委和央企集团而言，数字化平台的建设为监管提供了更加全面的数据基础。
通过整合企业经营、财务、资金、采购等业务数据，监管部门能够更及时地掌握企业运行情况，提高信息获取和业务监测效率。
但随着监管要求不断深化，仅依靠数据汇聚和报表展示，已难以充分满足复杂业务场景下的风险识别需求。
面对跨企业、跨层级的关联交易和潜在风险，监管系统还需要进一步识别业务关系、风险信号和责任链条。
02
挑战：数据贯通之后，穿透式监管仍面临哪些问题？
——穿透式监管不仅要求监管信息能够覆盖企业各级组织和业务环节，更强调识别经营活动背后的真实关系，实现风险预警与责任追溯。
2026年1月1日起施行的《中央企业违规经营投资责任追究实施办法》（国务院国资委令第46号），将追责情形由11个方面72种扩展至13个方面98种，并强化重大决策终身问责要求。
与此同时，2号文提出“全级次、全链条、全过程、全要素”的“四全穿透”要求，强调以事中预警为主、事后追责为辅，推动监管关口前移。
结合相关制度要求，穿透式监管的实际挑战主要体现在三个方面。
主体关系识别
企业组织结构、股权关系及关联主体可能涉及多个层级，部分风险隐藏在复杂的控制关系和关联交易之中。
监管不仅需要掌握企业及相关主体的基本信息，还需要识别其背后的实际控制关系和利益关联。
业务实质研判
资金流转、采购交易、投融资等业务往往涉及多个系统和参与主体，仅依靠单一业务数据，难以全面判断交易真实性及潜在风险。
监管需要综合内部业务数据与外部信息，分析交易对手、资金流向及业务关联，辅助识别异常经营行为。
监管责任追溯
随着重大决策终身问责等要求进一步强化，监管不仅需要发现风险，还需要记录风险识别、分析研判、预警处置等关键环节，将相关事项与责任主体、决策过程及具体时间节点关联起来，为后续核查和责任认定提供依据。
上述问题涉及多个业务系统、监管层级和关联主体，仅依靠单一系统或静态规则难以全面识别。
要实现对复杂业务关系和潜在风险的有效监管，还需要进一步加强多源数据关联分析、动态风险监测和全过程追溯能力。
03
研判：从风险识别到责任追溯，构建智能监管闭环
——穿透式监管不是“建一套平台”就结束，它本质上是“平台层 + 智能层”双层结构。平台层（数据底座）解决“看得到”；智能层（外部情报 + 风险预警 + 责任留痕）支撑“看得懂、管得住、追得到”。
平台层以DRP等数字化系统为基础，承担业务数据汇聚、资源管理和系统协同等功能，为穿透式监管提供数据支撑；智能层则进一步融合外部情报、业务知识和智能分析能力，开展主体关系识别、风险研判、预警提示及责任留痕，提升监管系统对复杂业务的分析和处置支撑能力。
针对前述主体关系识别、业务实质研判和监管责任追溯等需求，智能层可从多源信息关联分析、风险动态识别和研判过程留痕三个方面提供支撑。
多源信息的关联分析
将企业内部的财务、采购、资金等业务数据，与工商、司法、舆情、招投标等外部信息相结合，识别不同数据之间的主体关系、业务联系和潜在风险。
风险信号的动态识别
围绕重点监管领域建立风险识别模型和分析规则，持续监测异常交易、关联关系变化及外部风险事件，为监管人员提供预警线索和研判建议，推动风险识别由事后发现向事中监测、事前预警延伸。
研判过程的全程留痕
将风险识别过程中涉及的对象、关系、规则、分析依据和处置动作进行关联记录，形成可查询、可审计、可追溯的证据链，为监管核查和责任追溯提供支撑。
根据相关政策要求，穿透式监管覆盖投资、产权、财务、会计、薪酬分配、金融风险、军品业务、采购与供应链、境外单位、合同管理等重点领域。
其中，采购与供应链、资金管理、境外单位等场景涉及大量跨主体、跨系统信息，对数据关联分析和智能风险识别能力提出了较高要求。
04
拓尔思的定位：补上穿透式监管的“智能层”
——不做平台重复建设，做智能预警与责任留痕。
在国资监管数字化建设过程中，拓尔思（300229）聚焦现有平台之上的智能化能力建设，通过标准接口与既有业务系统对接，将数据资源、动态本体和智能体技术相结合，形成面向重点监管场景的智能分析与风险预警能力。
数据：提供多源信息支撑
拓尔思（300229）累计入库数据记录超1万亿条（内部统计口径），覆盖工商、司法、舆情、招投标等多个维度，持续准实时更新。
相关数据均来源于合法公开或已获授权渠道，经脱敏、标签化后合规使用，可为企业主体识别、关联关系分析和风险研判提供外部信息支撑。
动态本体：构建业务关系网络
通过对多源异构数据进行近实时融合，围绕对象、关系、时间、空间、状态、规则等要素开展业务知识动态建模，将分散的数据转化为可关联、可分析、可推理的业务知识，支持对复杂企业关系、资金链路和交易行为的穿透分析。
智能体：提升风险研判效率
基于拓尔思（300229）自研的拓天大模型底座，将业务知识、分析规则与工具调用能力相结合，构建面向采购、资金等重点场景的监管智能体，辅助生成风险预警线索和研判建议。
关键预警环节设置人工复核机制，确保研判过程可解释、可追溯。相关能力支持私有化部署，也可接入用户私域大模型。
在上述技术能力基础上，拓尔思（300229）围绕产业关联分析、金融风险预警、境外经营风险监测、采购合规及资金穿透等重点场景，形成了相应的产品与智能体能力。
数星产业大脑：产业关联与供应链风险分析
基于产业数据中心与全产业链知识引擎，数星产业大脑能够围绕企业及其上下游产业关系开展分析，辅助识别供应商背后的产业风险传导与关联方风险。
在采购与供应链领域，可为供应商风险画像和关联关系分析提供支撑；在资金领域，可结合交易对手的产业背景和经营情况，辅助判断业务真实性及潜在风险。
金信网银“冒烟指数”：金融风险监测预警
依托企业金融风险大数据与量化预警模型，金信网银“冒烟指数”已服务多地金融监管部门及地方金融办，应用于非法集资、违规经营等风险的早期识别。
在穿透式监管场景中，相关能力可辅助识别隐性关联交易、融资性贸易及交易对手资金异常等风险线索，为资金类风险的动态监测和预警提供支持。
Global Insight：境外经营与合规风险监测
Global Insight基于全球多语言公开资讯与开源情报，覆盖130多种语言、196个国家和地区，可持续获取境外经营相关的政策、市场及风险信息。
面向境外单位穿透监管需求，可为国别风险分析、国际制裁与跨境合规监测、境外企业经营风险识别等提供外部情报支撑。
招采合规智能体：供应商全生命周期风险管理
招采合规智能体融合企业内部采购数据与外部工商、司法、舆情等信息，围绕供应商准入、在库管理及交易行为开展动态风险分析，辅助识别供应商资质异常、关联方利益链、围标串标等潜在风险，推动供应商管理由静态信息核查向动态风险监测延伸。
资金穿透智能体：资金链路与异常交易分析
资金穿透智能体基于动态本体开展资金链路建模，将不同来源的资金交易数据映射为“人、账户、资金、交易、企业”等统一业务对象，形成可关联分析的资金关系网络。
通过生成疑似资金链路、标注异常节点、识别关键中间人与关联账户，辅助发现融资性贸易、虚假贸易、隐性资金嵌套等风险线索。
在实际业务场景中，拓尔思（300229）已将相关技术能力应用于大型央企的供应商管理。
以某大型能源（850101）央企集团为例，企业在供应商管理过程中面临准入资质核实难、在库供应商动态监管不足、关联方利益链难以识别等问题，围标串标等潜在风险也较多依赖事后审计发现。
针对上述问题，拓尔思（300229）依托拓天大模型与智能体平台，整合企业内部采购、SRM系统与外部工商、司法、舆情等数据，通过标准协议对接既有采购系统，并结合检索增强生（JNJ）成（RAG）机制，提高智能研判依据的可追溯性，降低大模型幻觉风险。
项目实施后，供应商风险管理逐步由被动处置向事前预警延伸，风险预警时效与招标流程效率较此前有所改善，具体成效以项目验收口径为准。
除采购与供应链领域外，相关技术能力还可进一步应用于境外单位穿透监管。境外经营涉及的国别政策、买方信用、项目履约等信息分散于不同国家和地区的多语种公开信息中，信息获取不及时、主体关系复杂等问题增加了风险识别难度。
针对这一需求，拓尔思（300229）可将Global Insight与动态本体技术相结合，利用全球多语种开源情报提供持续的外部风险信息输入，并围绕境外主体、国别、境外买方、项目、合同、资金及关联方等要素构建业务关系网络。
通过多源信息关联与动态分析，对国别主权与政治风险、国际制裁与跨境合规、买方信用、财务与公司治理、法律诉讼、供应链传导及海外工程项目等风险开展持续监测，辅助生成风险线索、关系图谱和研判轨迹，为监管人员识别异常主体、定位关键风险节点及开展后续处置提供支持。
05
数据：不出域、可审计
——“把能力接进你的环境，而不是把你的数据拿走”。
国资监管涉及大量企业经营、财务、资金及业务数据，对数据安全（885942）、系统自主可控和监管过程可审计提出了较高要求。
智能监管能力的建设既要满足业务分析需求，也需要适应现有系统环境，保障数据安全（885942）与监管责任落实。
在具体部署中，拓尔思（300229）通过标准API与数据交换规范对接既有DRP、司库等业务系统，将智能分析与风险预警能力接入现有监管体系。
能力下沉，数据不动
模型与预警引擎可部署于客户内网或政务云专域，外部情报经过脱敏、标签化等处理后，通过数据安全（885942）交换网关单向进入内网，原始明细不落地、不出域。
同时，可结合定时全量重算机制，降低标签化处理可能带来的信息损耗与漏报风险。
自主可控，适配国产化环境
底层数据库可采用拓尔思（300229）自研的海贝数据库，大模型基于自研拓天大模型底座，支持国产化软硬件环境，并按照实际建设要求推进信创（886013）适配与等保合规，具体以有效证明为准。
全程留痕，支持责任追溯
对数据获取、智能研判、风险预警等关键操作生成日志记录，支持查询、回溯与审计，并可采用哈希链、数字签名等防篡改技术，为监管核查和责任追溯提供证据支撑。
需要强调的是，智能化监管并不替代各治理主体应承担的责任。根据相关制度要求，智能化监管“不替代、减轻或免除各治理主体的责任”。
拓尔思（300229）提供的智能分析能力主要用于辅助风险识别、生成研判建议和预警线索，关键环节仍需通过人工复核与业务处置形成完整监管闭环。
随着穿透式监管建设持续深化，国资监管正从数据汇聚和业务贯通，向复杂关系识别、风险动态预警和全过程责任追溯延伸。
拓尔思（300229）将依托数据、知识与人工智能（885728）技术积累，推动智能分析能力与现有业务系统深度融合，为国资监管及更多行业的风险识别、业务研判和决策管理提供技术支撑。
