——从美国 AA+ 到 AI 时代的可验证信用市场
2011年，标准普尔取消了美国长期保持的AAA主权信用评级。2023年，惠誉也把美国从AAA降到AA+。2025年，穆迪将美国长期发行人和高级无担保债务评级从Aaa下调到Aa1。
可是，美国国债并没有因此退出全球安全资产的核心位置。它仍然是世界上最重要的储备资产、流动资产和抵押品之一。于是产生了一个很有意思的问题：德国是AAA，美国是AA+，是不是意味着德国国债在所有意义上都比美国国债安全？
当然不是。
问题也不在于评级公司简单地“评错了美国”。评级机构本来就没有声称，一个AAA或者AA+能够回答关于一个国家、一家企业或者一张债券的所有问题。信用评级主要评价的是一个主体或者一项债务按时、足额履行金融义务的相对信用风险。这只是信用问题中的一个维度，评级公司提供的是其中一把重要的尺子。
美国国会预算办公室（Congressional Budget Office，CBO）、美国政府问责局（Government Accountability Office，GAO）、美联储（Federal Reserve，Fed）、美国财政部（U.S. Department of the Treasury）、评级机构和市场投资者都在研究美国，但他们研究的并不完全是同一道题。美国长期财政是否可持续，是一个问题；巨额债务能不能不断滚续，是另一个问题；美国国债（Treasury securities）市场在压力时期还能不能保持正常运行，又是一个问题；美国政府会不会按时履行债务义务，仍然是另外一个问题。因为信用是多维的，衡量方式不同也就是尺子不同。
这也解释了为什么美国可以一边失去AAA，一边仍然拥有全球最重要的安全资产之一。市场对评级公司多有抱怨，评级并没有因此失去意义。真正容易出错的是我们自己，认为评级公司的尺子代表了全部。
问题由此往前走了一步。既然现实中的信用本来就是多维的，为什么最后却要把这样一个复杂世界压成AAA、AA+、AA几个字母？
一、AAA不是错误，它是人类处理复杂世界的一种办法
与信用有关的知识和研究分散在不同机构。
评级公司研究偿债能力，财政机构研究债务，央行研究金融稳定和市场流动性，投资者研究价格，学者研究安全资产和资本流动。研究一家企业也是如此，财务部门知道资产负债，银行知道授信，供应商知道付款情况，客户知道交付能力，审计师掌握财务报告，评级分析师研究行业、竞争能力和资本结构。
一个普通投资者不可能长期跟踪几十个机构、几百个指标和不断变化的假设。即使专业机构内部，也必须把复杂判断变成可以沟通、可以引用、可以执行的结果。
于是人类发明了一种非常重要的工程办法：压缩。
AAA、AA+、AA、A就是一种压缩语言。
这种压缩并不落后。合同需要明确的标准，投资授权需要边界，指数、抵押品制度、风险限额和内部治理也需要共同语言。即使未来AI能力再强，一个投资委员会也不可能每买一张债券，都先讨论几百个信用节点。
为了得到一个简明结论，我们仍然需要压缩；有了AI，被压缩掉的复杂世界却不必随之消失，需要时还可以重新展开。所以AI不会让AAA消失。AA+继续存在，下面却可以保存形成AA+的事实、假设、模型、判断、不同意见和历史变化。需要一个快速结论的人，只看AA+；希望知道为什么的人，可以继续往下查询。
这一步看似不大，实际上改变了评级产品的结构。
二、评级可以从一个结果，变成一个可以不断展开的入口
如果最后只是用AI重新计算出“美国综合信用94分”，其实没有太大意义。那只是把一把旧尺子做得更复杂。
更值得做的是让同一个AA+能够展开。
这种展开至少有三层含义。
第一层是把一个字母展开成它背后的不同信用状态。
同一个美国，可以同时存在这样的情况：长期财政继续恶化，债务滚续压力上升，经济生产能力仍然很强，美国国债融资能力仍然很强，正常时期市场流动性极高，压力时期又可能暴露局部脆弱性，美元仍然处于全球货币体系中心，同时债务上限这样的政治风险周期性出现。
这些判断完全可以同时成立。没有必要为了得到一个“完整答案”，把它们强行平均成92.7分。
传统评级继续承担压缩功能，状态层负责把复杂性保留下来。两者并不冲突。
第二层是同一套事实可以根据不同的问题重新展开。
一个准备持有三十年美国国债的投资者问：“我最大的风险是什么？”系统自然要更多调用长期财政、实际利率、通胀、生产率、长期税基和美元体系这些因素。
另一个投资者持有的是三个月期美国短期国库券（Treasury bill，T-bill），问的却是近期债务上限风险。此时真正重要的可能是具体到期日、财政部现金余额、财政部预计现金和非常规措施可能耗尽的“X日”（X-date）、支付安排和短期市场流动性。
如果提问者是一家央行的储备管理机构，它最关心的又可能是市场容量、流动性、美元支付网络、储备资产功能和抵押品体系。
面对的是同一个美国，使用的是共同的事实底座，最后展开的内容却不一样。
这恰恰是AI相对于一份标准PDF报告最大的优势之一。它不是为了给不同用户制造不同事实，更不能偷偷改变正式评级的方法，而是可以从同一套事实中，把与当前问题真正有关的部分调出来。
第三层是判断本身可以沿时间展开。
今天看到AA+，用户不应该只能问“为什么是AA+”，还可以继续问：这里面最重要的三个判断是什么？哪一个判断最不确定？什么事实出现以后评级机构会承认原来的判断需要改变？去年为什么不是这样判断？去年哪一项预测后来没有发生？
这时展开的已经不只是数据，而是评级机构自己的判断历史。
这一层非常重要。
因为信用评价中最难验证的，恰恰不是一个数字有没有抄错，而是一个判断当时为什么形成，后来为什么改变。
三、只有AI还不够，展开以后必须能够验证
大模型可以迅速读取大量材料，也能够把这些材料组织成一个逻辑完整的故事。
但故事完整并不等于判断可靠。AI同样可能忘记自己过去怎样判断，把后来发生的事实偷偷写进原来的预测，混淆事实和假设，或者在不同时间使用不同的标准。几个AI给出同样答案，也不能自动证明答案更可靠，因为它们可能引用的是同一组数据、同一篇报道，甚至只是重复同一条证据链。所以，真正的AI信用系统不能只保存今天的答案。它还要知道原始事实来自哪里，当时使用的是什么数据口径，哪些是事实，哪些是假设，采用什么模型，分析师作了什么判断，委员会最后为什么接受或者修改这个判断。以后模型改变了，旧版本还应当能够回放；判断变了，也应该知道是什么事实促成了变化。
如果最后错了，至少可以重新追问：错在事实，错在模型，错在假设，还是错在人？
这就是可验证和普通“AI评级”的分界线。
确定性的事实可以核验，过程可以回放；认知性的判断不可能像银行余额那样被简单证明为“真”，但判断形成的依据、过程和历史可以复核。
评级正是一个非常典型的认知性判断场景。因此，可验证评级不是声称“我能够证明AA+绝对正确”，而是允许后来的人知道：评级机构当时依据什么作出AA+，什么条件会支持这个判断，什么条件会削弱它，什么事实出现以后它应该修改。
四、这套系统其实不需要一开始就做得很大
如果今天真的让一家评级机构试着做，我反而不主张一上来建设一个庞大的“全球信用操作系统”。
第一步完全可以很小。
传统的“AA+ / Stable”继续保留，只要在它后面允许用户进一步看到四类内容就已经很有价值：这个评级最关键的假设是什么，当前最大的几个不确定性在哪里，出现什么事实会使当前判断失效，以及评级机构过去怎样修改过自己的判断。
用户看到AA+以后，可以继续问：“为什么？”
系统展开最重要的事实和判断。
再问：“哪一项最不确定？”
系统告诉他当前判断最薄弱的部分。
再问：“什么情况下你会改变？”
系统给出原来就记录下来的削弱条件或者失效条件。
再问：“你去年为什么不是这样判断？”
系统把旧版本和修订原因调出来。
做到这里，其实已经比再发明一个“美国信用94分”重要得多。
因为它并没有推翻现有评级制度，却把原来压在一个字母下面的判断过程打开了。
交叉验证也应该遵守同样原则。三个AI说AA+并不重要。首先应该核对底层事实是否来自相对独立的来源；然后比较不同模型在同一事实下是否得出相近结论；再观察评级判断是否和收益率、信用违约互换（Credit Default Swap，CDS）、回购交易市场（repo market，repo）、国债拍卖等市场信号出现值得解释的异常背离；最后才是让不同AI去解释这些材料。
这里尤其要注意，市场价格也不是评级的“真值”，不同政府机构的数据也并非统计意义上的完全独立。真正需要检查的是来源、方法和观测对象究竟有多少独立性，哪里存在共同依赖。
有时候出现冲突反而更有价值。因为冲突往往正是下一轮研究的入口。
五、可验证首先要约束评级公司自己
评级行业还有一个不能绕过去的问题：评级公司本身也不是站在利益关系之外的上帝。
美国有全国认可统计评级组织（Nationally Recognized Statistical Rating Organization，NRSRO）注册与监管制度，评级还被投资政策、融资安排、风险管理和其他制度广泛使用。与此同时，大量评级业务长期采用发行人付费（issuer-pay）模式，也就是由发行人、承销商或者相关债务人支付评级费用。监管机构长期把这种商业模式可能产生的利益冲突作为需要管理的问题。
AI进入以后，并不会自动把这些问题消灭。相反，“可对话评级”可能带来新的风险。
假如发行人可以和评级AI不停试验各种假设，直到找到一个最有利的解释；付费客户能够获得别人看不到的重要信用判断；商业部门可以影响AI突出哪一类事实、淡化哪一种风险，那么技术越先进，问题可能反而越隐蔽。所以系统必须保留几条边界。
共同事实、正式评级、对外公开解释和客户自己的情景分析不能混为一谈。客户当然可以问：“如果明年收入下降20%会怎样？”但这种情景分析不能偷偷变成另一套只对某个客户有效的正式评级。
评级委员会如果决定推翻模型建议，当然可以，但理由必须留下来。
AI参与判断，但不能变成责任的黑洞。
专业分析师、评级委员会、合规和监管不会因为AI出现而失去价值。AI更适合做的是把过去容易被最后一个字母遮住的专业过程保存下来，让需要复核的人能够在适当权限下重新进入。
这也回答了文章标题的一半：评级公司在评价别人之前，自己的判断方式也应该进入可验证时代。
六、评级公司真正可能打开的新市场——企业市场
如果文章到这里结束，它仍然只是一篇关于评级产品怎样改进的文章。
但一旦企业模型进入这个框架，市场边界就开始变化。
现有评级体系本来就区分发行人信用和具体债项信用。评价一家企业整体履行金融义务的能力，与评价它发行的某一张具体债券，并不是完全相同的事。具体债项还要继续考虑偿付顺序、抵押、担保和契约结构。
也就是说，企业信用原本就是债券评级的重要底座。
这带来一个很自然的问题：如果企业本身已经有一个由AI持续维护的信用模型，为什么每发行一张新债都还要从头开始理解这家公司？
企业的资产负债、现金流、债务期限、行业状况、竞争能力、管理层、重大诉讼和担保情况，本来就在持续变化。如果这些信息长期维护在同一个企业信用底座上，新发行一张债券时，只需要在主体信用基础上进一步分析这张债本身的结构。
于是债券评级就可能逐渐变成企业信用模型的一种输出。
企业在某种意义上还比国家更适合做这件事。一个国家涉及征税能力、货币能力、政治制度、政策意愿、社会稳定和地缘关系，大量因素没有统一的会计口径。企业至少有明确的法律主体，有资产负债表、利润表、现金流量表，有审计，有合同和相对清楚的责任边界。
当然，把几份财务报告输入AI，并不能自动产生一个可靠的AAA。
但过去大量需要分析师反复完成的基础工作，已经越来越能够机器化。长期财务数据、债务变化、资本开支、重大交易、诉讼、担保、行业和竞争关系不断加入以后，一个持续维护的企业信用状态就可能逐渐形成。
“AAA企业”在这里也不能被理解成“最好的企业”或者“最值得买的股票”。
它只讨论信用。一家增长不快、估值也不高，但负债很少、现金流稳定的公司，可能拥有非常好的信用；一家增长惊人、技术领先的公司，因为资本结构或者现金流风险，也未必拥有最高信用等级。
股票投资价值和偿债信用仍然是两把不同的尺子。
真正把市场打开的问题在后面：如果企业信用模型能够长期存在，为什么只有准备发债的企业才值得被评价？
一家从来没有公开发债的企业，银行仍然要决定是否贷款给它；供应商要决定是否给它账期；客户要决定是否预付款；保险公司要决定是否承保；另一家公司要决定是否签长期合同；政府采购也要判断一个承包商几年以后是否还能正常履约。
例如，一家供应商要不要给客户90天账期，系统可以重点展开短期现金流、短期债务到期、银行授信、应付账款和历史付款记录，而不必把与这次交易关系不大的长期股价估值放在中心。企业信用底座没有改变，调用的只是与这次信用关系最有关的部分。
这些经济活动每天都在发生信用判断。
过去不同机构各自重新收集资料、各自建立风控。一个重要原因就是人工评价成本太高，没有一套成本足够低、能够长期维护、又能供不同场景调用的共同信用底座。
AI使评价成本下降，可验证又使机器评价能够给出依据和历史。
两者结合以后，评级市场的规模可能逐渐不再取决于“有多少债券需要评级”，而越来越取决于“有多少经济关系需要可信判断”。
过去评级市场主要由融资需求创造。未来，验证需求也可能创造一个新的市场。
七、再往前一步，评价对象会超过传统的“偿债能力”
企业评级还可以继续延展，但这部分没有必要在今天一次讲完。
一家基金管理公司有没有钱偿债，是信用问题；但投资人还会关心另一件事：它是不是按照自己承诺的制度管理客户资产，授权有没有真正执行，风险规则是不是只写在纸上，出了问题以后有没有留下可以复盘的过程。这已经不完全是传统意义上的债务信用，而更接近一个机构的运行信用或者制度信用。
评价人的问题也一样。
未来完全没有必要给一个人创造一个“信用72分”。一个长期公开作出判断的人——无论是企业家、基金经理、经济学家、分析师还是政治人物——都会留下大量公开记录。哪些是事实陈述，哪些是预测，哪些是承诺，后来事实怎样，判断是否修正，本来就是不同的问题。
AI使这些记录第一次可以低成本地长期整理。
中国人过去常说一句话：“老天爷都给记着。”
过去这主要是一种道德上的说法，因为人的记忆有限，时间一长，很多话就没人再去找了。
AI出现以后，公开记录长期保存和随时调用第一次变得容易很多。当然，AI不是老天爷，它自己也会记错，所以任何重要记录仍然应该能够回到原话、原始文件和当时的时间。
一旦人们习惯问一家评级机构“你五年前为什么这么判断”，自然也会想到，同样的问题为什么不能问一家企业、一个管理机构或者一个长期公开作出判断的人。
评级只不过是最适合开始的地方。
八、谁给评级公司评级
回到最初的问题。
评级公司评国家、评企业、评债券，那么谁来给评级公司评级？
如果答案仍然是再找一家更权威的机构，就会陷入一个没有终点的循环。
如果答案是AI，也只是把过去对机构的信任换成了对机器的信任。
更有意思的答案可能来自评级公司自己的历史。它十年前掌握了什么事实？当时作出了什么判断？哪些判断后来被证明有价值？哪些判断错了？错在哪里？它什么时候发现自己错了？后来有没有修改模型？下一次遇到类似情况有没有进步？
当这些记录长期存在以后，评级公司几十年积累下来的东西就不只是一个个AAA和AA+，而是一套极其宝贵的“事实—判断—结果”历史。
这甚至可能成为AI时代评级机构最重要的资产之一。
普通大模型当然可以读一份今天的财务报告，但评级机构几十年的真正优势，是它拥有大量“当时我们知道这些，后来世界变成这样”的专业历史。如果这种历史被结构化，同时又保留当时版本而不被后来结果重新改写，它就成为非常珍贵的训练、校准和验证材料。
过去评级公司的核心能力，是把复杂世界压缩成一个可信的字母。
未来最优秀的评级机构，还可能增加另一种能力：把字母背后的世界持续保存下来，在需要的时候展开，并让自己的判断接受后来事实的检验。
随着企业信用模型扩大，债券可能只是其中一个出口。银行、保险、供应链、投资、采购和其他机构都可能调用企业信用状态。未来如果AI智能体（AI Agent）大量参与经济活动，调用信用判断的甚至不一定是人。一个采购智能体签合同以前、银行智能体放贷以前、保险智能体承保以前，都可能先查询交易对手的信用状态。
到那时，评级可能不再只是一份报告，而逐渐成为经济活动中的一种信用基础服务。
AI使复杂世界能够长期保存、快速调用；可验证则让这种能力本身受到约束。评级机构能否把AI、历史数据、专业判断和可验证机制真正组织起来，决定了它能否从评级服务机构进一步走向信用基础设施。
三大评级公司最终能否继续获得市场信任，不应只看它今天给别人什么评级，也要看它自己的判断能否经得起长期验证。如果一家评级机构长期留下的记录和可验证的历史支持它，我们就有理由继续相信它。
