当AI能把24个财务数据点逐项复核，智能投研才真正有了“基本功”
当AI能把24个财务数据点逐项复核，智能投研才真正有了“基本功”
智能投研产品正在从“会写分析”走向“能做研究”。
过去，我们判断一款金融AI是否好用，往往看它能不能快速生成公司概况、行业趋势和投资逻辑。但在专业投资研究中，语言流畅只是最外层能力。真正决定研究质量的，是系统能否准确提取财务数据、统一报告期和会计口径、展示计算过程，并让每一项关键结论都可以复核。
在近期开展的一轮对话式智能投研产品横向测评中，我们使用同一套问题、同一信息截止时间和相同的默认对话模式，对多款产品进行了测试。测评覆盖财务取数、盈利质量、同业比较、银行分析、公司估值、事件驱动、产业链研究、宏观变量传导、自然语言选股以及多轮纠错等十类专业场景。
评分不仅关注答案是否完整，还包括事实准确性、来源可追溯性、金融方法、逻辑严谨性、不确定性处理、多轮记忆和研究可用性。
其中，一道宁德时代财务数据核验题，尤其能够检验智能投研产品的基本功。QVeris Bot在这道题中给出了一份完整回答。
这道题究竟难在哪里？
我们要求QVeris Bot整理宁德时代2023年、2024年、2025年以及2026年第一季度的六项核心数据：营业收入、归母净利润、扣非归母净利润、经营活动现金流净额、期末存货和期末总资产。
这意味着系统需要一次性处理6项指标、4个报告期，共24个财务数据点。
但任务并不止于“找到数字”。它还需要明确年度数据是全年累计值，第一季度数据是2026年1月1日至3月31日的累计值；区分营业收入、利润和现金流等期间数据，与存货、总资产等期末时点数据；统一金额单位；避免混入TTM数据、年化数据和预测值。
在此基础上，还要计算各报告期的归母净利率，以及经营活动现金流净额与归母净利润的比值。
第一轮完成后，我们继续要求它逐项检查数字、单位和报告期，列出计算公式，说明数据来源，并对不同接口之间的结果进行交叉验证。
与一般的公司分析相比，这类问题几乎没有依靠语言包装的空间。任何一个期间错配、单位错误或计算偏差，都会影响整张财务底表的使用价值。
QVeris Bot完整交付了24个数据点
QVeris Bot将所有金额统一换算为亿元，并按照利润表、现金流量表和资产负债表三个层次进行整理。
数据显示，宁德时代2023年至2025年的营业收入分别为4009.17亿元、3620.13亿元和4237.02亿元，2026年第一季度营业收入为1291.31亿元。
利润表现更为突出：2023年至2025年归母净利润分别为441.21亿元、507.45亿元和722.01亿元，2026年第一季度达到207.38亿元。
对应的扣非归母净利润分别为400.92亿元、449.93亿元、645.08亿元和180.93亿元。
相比单纯列出数字，QVeris Bot更有价值的一步，是使用统一公式计算归母净利率：
归母净利率＝归母净利润÷营业收入×100%
计算结果显示，宁德时代归母净利率从2023年的11.00%提升至2024年的14.02%，2025年进一步达到17.04%，2026年第一季度为16.06%。
这组数据清楚呈现了一个重要变化：在收入规模波动的过程中，宁德时代的盈利能力持续增强，利润增长明显快于收入增长。
现金流让盈利质量更加立体
制造业公司的利润是否具有较高质量，不能只看利润表，还要检查利润能否转化为经营现金流。
宁德时代2023年至2025年的经营活动现金流净额分别为928.26亿元、969.90亿元和1332.20亿元，2026年第一季度为336.81亿元。
QVeris Bot进一步使用以下公式进行比较：
经营现金流与归母净利润比值＝经营活动现金流净额÷归母净利润
对应结果分别为2.10倍、1.91倍、1.85倍和1.62倍。
也就是说，在这四个报告期内，宁德时代经营活动产生的现金流均高于同期归母净利润。结合利润率变化来看，公司不仅实现了利润规模增长，也保持了较强的经营现金创造能力。
当智能投研产品能够主动把两张报表联系起来，它提供的就不再是一组孤立数字，而是一套可以继续展开的分析框架。
存货和总资产揭示扩张节奏
在资产负债表方面，宁德时代期末存货从2023年的454.34亿元增加至2024年的598.36亿元，2025年进一步达到945.26亿元，2026年第一季度末为1089.41亿元。
同期总资产分别为7171.68亿元、7866.58亿元、9748.28亿元和10463.29亿元。到2026年第一季度末，公司总资产已经突破万亿元。
存货变化可能与原材料储备、在产品规模、产成品备货以及业务增长有关。通过将存货、收入、利润与现金流放在同一张表中，研究者可以更容易发现需要继续跟踪的指标。
例如，后续可以进一步观察存货构成、周转效率、跌价准备以及存货增长与订单、产量之间的匹配程度。
第二轮复核体现了研究型AI的价值
在后续复核中，QVeris Bot进一步说明，原始金额数据以元为单位，表格展示时统一除以1亿并保留两位小数。
收入、归母净利润和扣非归母净利润对应利润指标；经营活动现金流来自现金流量表；存货和总资产对应资产负债表。衍生指标则按照前述公式自行计算。
它还对关键数据进行了多路径检查。例如，比较不同财务接口中的营业收入和归母净利润；通过负债总额与资产负债率反推总资产；通过每股经营现金流和总股本估算经营现金流总额。
复核结果显示，各组数据保持一致，单位转换和字段映射也能够相互验证。
这一过程很重要，因为专业研究的核心，不只是“得到一个数字”，而是知道这个数字属于哪个报告期、来自哪个报表科目、经过什么计算，以及能否通过另一条路径得到相近结果。
从这个角度看，QVeris Bot交付的不只是一张财务表，更接近一份可以进入后续研究流程的基础底稿。
智能投研正在从“写观点”走向“建证据”
这道宁德时代财务数据核验题，展示了QVeris Bot在结构化财务研究中的几项能力：它能够在多个报告期之间统一口径，批量整理核心财务指标；能够区分期间数据和时点数据；能够完成利润率与现金流质量计算；能够在后续对话中继续检查来源、公式和结果的一致性。
分析师真正耗费时间的，往往不是写出一句“公司具有长期竞争力”，而是整理底表、核对口径、检查单位、寻找异常，并判断一个结论是否拥有足够的证据支持。
当AI能够稳定完成这些基础工作，它才不再只是一个内容生成工具，而开始成为研究流程的一部分。
评价一款智能投研产品，也可以归结为四个问题：这个数字属于哪个报告期？采用了什么会计口径？使用了什么计算方法？能否通过另一条路径重新验证？
QVeris Bot在这道宁德时代财务数据核验题中的完整回答，提供了一个值得关注的样本：智能投研的价值，正在从“替人写观点”，逐步走向“为观点建立证据”。