让“皮包公司”无所遁形

　　近几年，注册资本虚高、实缴资金长期不到位的“皮包公司”如同隐形地雷。它们以巨额注册资本为幌子骗取合作方信任，一旦爆雷，往往引发连锁债务危机，甚至滋生诈骗、非法集资等犯罪行为。今年以来，北京市率先在朝阳区开展试点，针对2024年6月30日前登记设立并存在认缴出资期限30年以上或者注册资本十亿元人民币以上情形之一的公司开展综合研判，对被认定为明显异常的，依法要求公司及时调整认缴出资期限或注册资本。如何精准识别这类异常主体？朝阳区市场监管局探索出一条创新路径——通过企业年报数据构建AI模型，穿透数字表象，捕捉经营实质。
　　这一创新路径并非简单的数据堆砌，而是将散落在年报中的社保参保人数、纳税记录、利润总额、主营业务收入等看似孤立的指标，编织成一张动态监测网。当一家注册资本高达十亿元的公司，其参保人数为零、纳税长期“挂零”、利润却异于行业规律时，模型便会自动预警。这种“用经营行为验证资本真实性”的逻辑，让“皮包公司”无所遁形。

虚高注册资本的背后：从市场活力到监管挑战
　　2014年公司法修订后，注册资本从“实缴”改为“认缴”。这项改革大幅降低了创业门槛——创业者无须立刻拿出真金白银，只需承诺未来出资即可成立公司。政策红利的释放催生了经营主体的繁荣，但也埋下隐患：“天文数字”的注册资本与真实经营能力严重脱节，逐渐演变为新型信用欺诈工具。
　　外地曾破获一起典型案件：不法分子注册多家注册资本虚高的空壳公司，冒充大型电商平台合作伙伴，以“优先采购商品”“提供仓储服务”为诱饵，骗取全国数千家商户的保证金。当商户发现承诺的服务迟迟未兑现时，骗局崩盘，涉案金额高达数千万元。类似案件揭示了一个残酷现实：注册资本本应是企业信用的“压舱石”，却被异化为诈骗的“障眼法”。
　　更严峻的是系统性风险。部分企业将认缴期限设定为几十年，股东在出资前转让股权即可金蝉脱壳。债权人以为手握注册资本担保，实则面对的是一个空洞承诺。一旦债务链断裂，波及的将是整个市场交易安全。

数据驱动的监管革命：从人工筛查到AI透视
　　面对海量经营主体，传统人工核查监管模式已力不从心。朝阳区市场监管局另辟蹊径——让企业自己“说话”。每年企业提交的年报，就是一份动态经营体检报告。关键在于，如何从中提取识别异常的关键信号？
　　第一步：构建“企业健康指标”体系。朝阳区从三个维度提炼特征：
　　生存体征。社保参保人数直接反映企业是否真实雇佣员工。数据显示，近六成异常企业参保人数为零，而正常企业该比例不足三成。零参保企业如同“幽灵”，仅剩注册外壳。
　　经营活性。纳税数据是核心验证指标。异常企业中，超六成纳税总额为零或负数，两成企业长期“零申报”；而正常企业近八成有小额稳定纳税记录。一家声称注册资本十亿元却常年不纳税的企业，其资本真实性必然存疑。
　　财务合理性。通过毛利率、主营业务占比、净资产收益率（ROE）等指标交叉验证。例如，异常企业出现“高毛利率”的比例是正常企业的十倍，这种背离行业规律的异常盈利，往往指向财务造假。而ROE均值趋近零甚至负数，则暴露持续亏损的经营困局。
　　第二步：AI模型的学习与验证。将这些指标输入机器学习模型后，XGBoost算法展现出强大优势。它能自动识别复杂规律：
　　一家成立仅两年、注册资本数十亿元的科技推广公司，若参保人数低于5人、主营业务收入占比不足三成，毛利率却高达80%，极可能被标注为高风险；而注册资本同样较高的能源集团，若拥有数百名参保员工、稳定纳税且ROE处于行业合理区间，则被视为正常经营。
　　模型在测试中展现出近九成的准确率。更关键的是实地复核：当监管人员走访模型标记的83家异常企业时，近九成企业已人去楼空，印证了数据预警的可靠性。

让信用回归真实：从数据预警到监管闭环
　　识别风险只是起点，朝阳区的实践更在于构建“监测—处置—预防”的全链条治理。
　　精准干预，拒绝“一刀切”。对模型识别的异常企业，市场监管部门发放行政提示书，给予企业自我纠错机会。已有部分企业主动将注册资本从十亿元级下调至合理区间。这种柔性监管避免误伤诚信企业，也降低执法成本。
　　信用惩戒，筑牢防火墙。对拒不整改的企业，市场监管部门启动调查程序。无法证明资本真实性的企业，将收到责令改正通知书并设定整改期限。逾期未改者，其“注册资本异常”标签将直接公示于国家企业信用信息公示系统，成为市场交易中的醒目风险提示。
　　动态进化，引入大模型深度洞察。现有模型仍在持续升级。未来计划引入舆情、司法诉讼、招聘动态等外部数据，结合大语言模型（LLM）的推理能力，生成更全面的风险评估报告。若某企业注册资本虚高，同时曝出大量劳务纠纷或供应商欠款诉讼；或在招聘平台长期挂出“高薪聘高管”广告却无实际入职记录。这些多源信号将使风险画像更加立体。

让数据成为监管“鹰眼”
　　朝阳区的实践揭示出数据化监管的核心逻辑：企业经营是肌体，注册资本是外衣。当外衣与肌体严重不匹配时，风险必然滋生。而年报数据中的“生存体征”“经营活性”“财务合理性”指标，恰是肌体健康的真实映照。
　　这一模式的成功，得益于三大突破：一是从静态监管到动态感知。年报数据逐年更新，模型可对企业进行持续“健康追踪”。二是从单点筛查到全局画像。社保、税务、财务等十余项指标交叉验证，避免因单一数据失真误判。三是从人工经验到AI研判。算法处理数万条数据仅需分钟级，效率远超人工核查。
　　注册资本的本质，是企业对市场承诺的责任底线。当这一底线异化为投机工具时，不仅侵蚀商业信用根基，更将动摇市场经济的基本秩序。朝阳区用数据智能重建“资本真实性”的验证体系，其价值远超技术本身——它是对“认缴制”改革的必要补位，让宽松准入与严格监管形成闭环。
　　未来，随着模型接入更多维度的动态数据，市场监管的“鹰眼”将愈发敏锐。而更大的启示在于：所有监管科技的终点，都应是让企业信用回归真实，让资本真正服务于创造价值的实体经济。唯有如此，改革红利的释放才不会受到暗流涌动的风险的影响。

□赵建国 姜 皓 周 能 阚明浩

短评

年报数据是企业治理的富矿

　　当“皮包公司”披着虚高资本的外衣如幽灵般游荡市场，当认缴制红利下暗藏信用欺诈的隐忧，北京市朝阳区市场监管局以一场数据驱动的监管革命，揭示了企业年报这座长期被低估的“治理富矿”的真正价值。其创新实践远超技术范畴，直指企业治理现代化的核心命题。
　　朝阳区的智慧，在于以AI为炼金术，将沉睡的年报数据点石成金。它敏锐捕捉社保参保人数、纳税记录、利润等看似孤立指标背后的治理密码，将其编织成一张动态监测的智能网络。当十亿元资本与零纳税、零参保的荒诞组合出现，模型即刻预警——这本质是以真实的“经营肌体”检验“资本外衣”的匹配度，穿透了传统形式审查的迷雾。这种用经营行为反证资本真实性的逻辑，为识别信用欺诈提供了一双锐利的鹰眼。
　　更深层的治理智慧，在于构建“监测—处置—预防”的韧性闭环。柔性监管发放《行政提示书》给予纠错空间，刚性惩戒则将“注册资本异常”标签公示于信用系统，形成震慑。这不仅是监管技术的飞跃，更是治理思维的进化。
　　朝阳区的实践昭示，年报数据绝非沉睡的档案，而是企业信用的透视镜。唯有深挖数据富矿，以科技赋能治理，方能让资本回归实体经济的坚实大地，使认缴制改革的红利真正惠及诚信经营者。未来治理的竞争力，正蕴藏于将数据炼为黄金的智慧之中。

□菓 瞾