在近期举办的宁波科技周上，一批本地科技企业的创新成果集中亮相。在令人眼花缭乱的新技术背后，问题也逐渐显现：如何看懂这些企业的技术价值和发展潜力？其含金量又该如何衡量？
围绕这一难题，宁波诺丁汉大学（简称“宁诺”）金融科技教授华秀萍团队开发了“基于AI与大数据的科技企业多维度全息画像技术”。
这项技术如同为企业进行 “CT扫描”和“基因检测”，更清晰地识别科技企业的技术价值和发展潜力。
AI与大数据赋能：
从“财务评价”迈向“创新能力识别”
“在传统融资评估中，金融机构依赖抵押物和稳定现金流，而科技型企业多为知识密集型组织，其核心资产往往是专利、技术、人才等无形资产，像‘黑箱’一样难以量化评估。”
华秀萍教授指出，由此产生的信息不对称，成为横亘在科技企业与金融机构之间的壁垒，也让真正具备创新能力的企业在融资发展中受阻。
因此，华秀萍团队深入研究近三万家企业的数据，突破以财务指标为主的传统评价方式，搭建起一套以创新能力为核心的评估体系。
在具体评估时，系统通过机器学习模型，对企业的研发投入、创新成果质量、成长情况和成果转化能力等进行量化分析，并借助AI大模型解析专利和技术资料，判断技术所处阶段及发展潜力。
在这一过程中，系统将晦涩的技术语言转化为清晰可读的信息，最终形成完整的企业画像，为金融机构和政府部门提供决策依据。
“对于一些初创团队，虽然尚未盈利，但可能掌握前沿核心技术，甚至是细分领域的开创者。在传统银行评分体系中这类企业往往得分不高，但在我们的评估体系中却可能获得较高评价。事实上我们也发现，许多优质科技企业的创新能力并不逊于一些知名上市公司。”华秀萍说道。
融合政策导向：
不仅“评估表现”更“捕捉关键技术”
更为重要的是，该系统并非单纯筛选高科技企业，而是结合政策导向和本地产业需求，判断技术与区域发展的适配性，从而识别出能解决实际问题、支撑区域发展的关键技术。
据悉，自2013年起，该技术已服务地方政府，并应用于宁波市科技企业创新能力评价与信贷政策“白名单”的生成。
目前已服务10家金融机构、2900余家企业，促成约470亿元授信支持，其中不乏多家战略性新兴产业、未来产业，以及致力于突破“卡脖子”技术、解决当前技术瓶颈的科创企业。相关指标持续动态更新，其中风险运营类指标已实现每三天更新一次。
“这一体系有助于政府更早识别具有潜力的科技企业，也为企业外部融资提供专业评估，从而更有针对性地配置科技金融资源，推动形成‘技术—资金—产业’的良性循环，加快区域新质生产力的培育。”华秀萍说道。
发布于2026年05月25日