何川：流水破局——见知查流水助力案件资金穿透与关键线索挖掘

律新社编者按

当人工智能深度嵌入法律服务的各个环节，技术如何更有效应用于复杂案件的数据分析环节，成为法律科技在案件辅助分析中的重要课题。随着数字化交易不断深入，银行、微信、支付宝等电子化流水已成为还原交易事实、识别资金关系和发现财产线索的重要信息载体。财产线索隐匿于海量交易数据之中，传统人工核查不仅耗时耗力，也容易遗漏关键线索，而通用大模型又受限于“幻觉”与容量边界，难以胜任资金穿透这样严谨的场景。如何借助专业化的数据技术，从海量流水中穿透资金链条、识别隐匿财产、发现关联主体，成为法律科技赋能司法的关键突破口。

2026年8月29日，在“算法时代的正义——第十届新兴法律服务业发展论坛”上，见知数据科技（上海）有限公司总经理何川以《流水破局：见知查流水助力案件资金穿透与关键线索挖掘》为题发表主旨演讲。他结合深耕金融流水分析领域十一年的实践，剖析司法场景流水核查的现实困境与通用大模型的能力边界，结合执行积案、重大金融案件等实战案例，阐述资金穿透与关键线索挖掘的落地路径。何川的分享内容整理如下：

司法流水核查的三重挑战

谈到流水核查，首先需要强调一个重要前提：在全球主要经济体中，中国是交易电子化程度最高的市场之一。银行流水、移动支付高度普及，交易流程几乎全面电子化，为司法案件中的资金核查提供了非常丰富的数据基础。

但数据丰富，并不意味着核查容易。目前司法从业者在流水核查上仍面临三重挑战。

其一，财产与线索隐匿难寻。目标主体常借助多层账户嵌套、关联交易转移等方式隐匿财产，传统调查手段难以有效穿透复杂的资金网络，导致财产线索难以锁定。其二，海量流水分析如同大海捞针。以个人账户为例，微信、支付宝与银行账户合计年流水约2000-5000条，时间跨度拉长至三到五年可达上万条流水信息。企业主体往往开设多个账户，涉及重大刑事案件的企业的账户可能数以万计，人工逐笔核查无异于大海捞针。其三，执行回款落地难。以执行类案件为例，“胜诉易、回款难”是长期困扰实务界的典型痛点。如何从海量流水中精准发现财产线索并有效推动回款，已成为众多律师的迫切需求。

当前司法流水核查面临现实困局。传统人工核查效率低下，面对海量交易数据易产生疲劳疏漏，关键线索难以有效锁定。当资金流转涉及多个账户间的交叉互转时，人工核查难以穿透复杂的资金网络，无法系统还原完整的资金链路。与此同时，异常交易的识别高度依赖少数资深从业者的个人积累，缺乏标准化的方法论沉淀，导致办案经验难以规模化传承与复用。

02 /

厘清通用大模型的能力局限

在通用大模型能力日趋成熟的当下，一个核心问题随之浮现：既然通用大模型已具备强大的文本理解与生成能力，司法流水分析领域是否仍需要专业系统？见知数据的实测结果表明，将银行流水直接交由通用大模型进行分析，在数据量较大的情况下，模型可能出现统计错误、信息识别错误甚至“幻觉”现象。例如，即使最基础的总流入、总流出统计，也可能出现数值偏差；在人名、交易关系等细节上，识别错误的发生概率同样不容忽视。

上述局限的根源在于，银行流水并非普通文本，而是一类复杂的结构化数据。每一笔交易流水通常包含金额、时间、对手方、交易摘要等多个字段，若涉及扫描版PDF等非标准格式材料，数据提取与识别的难度将进一步加大。通用大模型擅长快速阅读、摘要总结与解释性任务，但面对司法场景对证据细节的精确性、海量结构化数据的处理能力以及分析结果的可追溯性等严苛要求时，仅依赖通用模型极易造成线索遗漏、信息过度概括甚至关键误判。

AI真正进入一个垂直行业，关键在于长期积累的行业数据、标签、业务规则和实务经验。司法流水分析同样如此，唯有将每一笔流水真正理解透彻，明确其可能代表的交易类型、对应的主体关系以及在案件中的证据价值，才能为司法实务提供可靠、精准的智能支撑。

03 /

深耕流水核查十一年

见知数据自创立之初，便专注于银行流水的深度研究与智能分析，十一年来始终深耕于此。

在金融领域，见知查流水长期服务于银行融资租赁、担保及企业IPO等业务场景，累计服务300余家银行及金融机构，每年核查企业与个人主体超过100万个，年处理流水金额逾1000万亿元。近年来，见知数据将这套在金融领域久经验证的能力体系引入司法领域。基于十余年金融领域的深耕积累，见知查流水在司法流水核查方面可以发挥五大效能：

第一，全域数据融合。不同银行、不同地区乃至境外银行的流水格式存在显著差异，数据标准化是开展一切分析的前提。目前，见知查流水系统可以实现对全球两万多家银行流水格式的精准识别与自动清洗。

第二，数据真伪校验。司法与金融场景中的流水并不天然具备真实性与完整性，尤其是当事人自行提交的流水材料，更需审慎甄别是否存在缺页、篡改或其他异常情形。真伪校验是确保后续分析结论可靠性的关键基石。

第三，语义标签系统。流水分析的核心难点之一，在于同类交易在不同银行的摘要表达往往存在差异。见知数据依托长期积累的数据字典与行业经验，对流水进行语义识别，并将海量交易划分为工资、奖金、借款、税费等N种不同类别，为海量交易的快速分类与标准化标注提供重要参考。

第四，资金流向图谱。面对多个账户之间错综复杂的资金往来，人工核查难以直观判断资金的整体流向。查流水系统通过算法建模与图谱技术，可以将复杂资金链条进行可视化呈现。

第五，关键线索智能挖掘。司法流水核查的最终价值，不仅在于将流水“整理出来”，更在于从海量数据中精准挖掘案件涉及的财产线索、关联主体及行为轨迹，这也是流水分析的核心落脚点。

04 /

三类识别机制与实战样本

在司法执行实务中，大量关键财产线索往往隐匿于小额高频交易之中。针对此类隐蔽性资金流转特征，见知查流水系统构建了三种核心识别机制。

第一类，隐藏账户发现。通过账号字段反向比对、同名户转账识别、内部互转线索分析等技术手段，系统可以识别当事人未主动提交的微信、支付宝及银行隐藏账户，自动生成未提交账户清单，逐项标注银行、账号及金额，并构建开户网点地理位置网络以核实实际经营位置，为申请补充调查令提供重要的账户线索参考。

第二类，壳实体与异常交易对手识别，这类技术主要应用于建筑工程领域。通过分析交易对手的工商注册特征与交易行为模式，辅助识别壳公司与异常交易主体。在一个实务案例中，13名自然人开设了23家公司，在半年之内完成注册、交易、注销，以规避企业所得税与个人所得税为目的将1000多万元资金分散转移。针对此类案件，流水是发现线索最直接的切口。

第三类，过桥交易识别，常见于建筑工程与民间借贷场景。通过综合分析双向交易的金额匹配度、时间间隔、摘要内容与对手经营范围的匹配性，可以为识别资金过桥行为提供技术支持。

见知数据曾经处理过一起长达十年的执行积案。该案历经多年执行仍未完全解决，合作律师团队取得相关流水后，结合见知查流水系统的技术支持以及律师的专业研判，先后发现了房产、车辆以及关联人等线索，并进一步从微信流水中发现高频交易关系。最终，上述线索帮助案件实现了一定规模的回款。流水本身可能只是入口，但入口一旦找到，后面的财产和关系网络就有可能被逐步穿透。

在复杂案件中，巨额流水分析能力的重要性尤为凸显。无论是涉及大量关联账户的金融案件，还是企业内部舞弊案件，仅靠人工逐笔核查流水，工作量较为繁重。技术的核心价值，在于帮助律师实现从“逐笔阅读”转向“关系分析”，先通过系统筛查锁定异常，再回归证据细节进行精准判断。当前，除执行案件外，流水分析的应用场景已广泛覆盖破产管理、刑事案件、民商事纠纷、婚姻家事、诉讼融资以及企业内部合规与反舞弊等多个领域。不同案件类型的分析目标各有侧重，但底层逻辑始终一致：从复杂数据中还原事实关系，精准锁定下一步值得深入调查的方向。

05 /

探索“系统+专家”的双轮驱动

在司法场景中，见知查流水采用了“系统+专家”双驱动的服务模式。律师或者当事人取得相关流水后，可通过合法合规程序将银行、微信、支付宝以及部分境外银行流水交由系统处理。系统依托多年积累的系统、数据和AI能力，对流水进行自动化解析，随后由专业人员结合具体案件场景进行研判，最终形成结构化的流水分析报告。报告的核心价值不仅在于清晰地呈现“发生了什么”，更重要的是提示律师“下一步的核查方向”，例如可能存在的财产线索、关联主体、异常交易以及值得进一步核实的资金关系，均可以成为律师后续调查和谈判的参考。

流水数据是对资金往来最真实的记录，它所承载的不只是金额，更是人与人、企业与企业之间真实发生过的交易关系。但是，流水本身只是一个渠道，真正重要的是律师能够借此发现新的现象、形成新的判断，并最终转化为能够服务案件的有效线索。