6月8日，派瑞股份（300831.SZ）停牌。
前一天晚上，公司发了公告——6月5日收到陕西证监局下发的《行政处罚事先告知书》。此前，2025年12月26日，证监会已经对公司立案。
处罚认定的事实很简洁：公司为平滑业绩，通过篡改商品验收单据的方式延迟确认销售收入。
具体数字——2024年年报虚减营业收入2271.50万元、虚减利润总额1711.73万元，分别占当期披露金额的11.84%和26.18%；2025年半年报虚增营业收入2271.50万元、虚增利润总额1711.73万元，分别占当期披露金额的26.87%和50.02%。
一边虚减、一边虚增，金额完全对等——典型的跨期腾挪。
处罚结果：公司罚款400万，董事长220万，总经理200万，财务总监200万，合计1020万。股票变更为"ST派瑞"。
看到这个新闻，顺手用AI跑了一遍——拿派瑞股份近几年的财务数据做了一轮舞弊分析。然后拿处罚结果当答案，对一下AI的分析跟真相差多远。
AI看到了什么
先说结论：AI不是什么都没看到。
2024年，派瑞股份更正后归母净利润7132万元，但经营现金流只有113万元。现金利润比0.02——每100块钱利润里，只有2块钱变成了现金。这个数字，AI直接标红。
同一年，Jones模型算出操控性应计占比+6.99%，超过5%的异常线。Beneish M-Score=-2.19，略高于-2.22的阈值，轻度高风险。两个经典模型都指向同一个方向：2024年存在盈余管理。
再看收入节奏——2025年Q4收入占比57.46%，全年超过一半的收入塞进了最后一个季度。Q1只占5.84%，Q4是Q1的近10倍。AI又标了一个红。
还有两个辅助信号：应收账款周转天数152天（功率半导体行业通常60-90天），存货周转天数535天（功率半导体行业通常180-360天）。AI都标了黄。
综合评分：42分，中等风险。
AI给出的核心判断是——2024年存在正向盈余管理，利润质量极低，Q4存在期末突击确认收入嫌疑。
这个判断，对了一半。AI漏了什么
拿处罚结果当答案，逐项对——
| AI的判断 | 处罚认定 | 匹配度 |
|---|
| 2024年利润与现金流严重背离 | 2024年虚减利润1711.73万 | 完全匹配 |
| Q4收入占比异常高 | 延迟确认收入导致跨期分布异常 | 完全匹配 |
| Jones DA=+6.99%，存在盈余管理 | 确实存在盈余管理 | 方向反了 |
| 存货周转535天 / 应收周转152天 | 未涉及 | 不相关 |
4个核心异常信号，3个被证实。信号识别率75%，不算差。
但问题出在方向上。
AI的判断是"2024年存在正向盈余管理"——也就是说，AI认为公司在虚增利润。Jones模型DA=+6.99%，利润远超现金流，逻辑上指向"利润做高了"。
处罚认定的事实恰恰相反——公司在虚减利润。2024年少确认了2271.50万收入，把利润压低了；2025年上半年再把这笔收入补回去，把利润抬高了。
AI看到了盈余管理，但把方向判反了。
这个偏差，不是数据的问题，是思维惯性的问题。
大多数人的直觉、大多数模型的设计，都是冲着"虚增收入、虚增利润"去的。Beneish M-Score检测的是财务操纵信号，Jones模型算的是可操控性应计利润，正值通常指向正向盈余管理——它们的底层逻辑，都是"利润做高了"才叫异常。但派瑞股份做的是反向操作：把已经赚到的钱藏起来，留到下一年确认。动机不是"今年不够好看"，而是"今年太好看了，明年怎么办"。
这种"业绩平滑"，比虚增利润更隐蔽。因为它看起来不像造假——公司甚至比真实情况更"低调"。
还有一个细节值得注意：AI标注了2024年现金利润比0.02，标注了Q4收入占比57.46%，标注了DA=+6.99%——但只是标注，没有追问。2024年利润7132万但现金流只有113万，那113万现金流是怎么来的？应收账款里具体是哪些客户？验收单据有没有异常？这些问题，AI没有往下挖。
AI的问题不是看不到信号，而是不会追问。这个细节，跟高鸿股份那次一样。
两次实战，两种偏差
上次分析高鸿股份，AI漏掉了2020年单年24.83亿虚假贸易。那次的核心瓶颈是信息盲区——虚假贸易有完整的"三流合一"，利润率低到0.62%，经典模型集体失灵。AI看不到审计报告之外的东西——工商穿透、资金流水、上下游关系，这些都在墙后面。
这次分析派瑞股份，核心瓶颈换了一个——认知盲区。信息都在报表里，信号也抓到了3/4，但理解反了。AI看到了盈余管理，却默认盈余管理就是"把利润做高"，对"把利润藏起来"这种负向操作缺乏识别逻辑。
两次恰好踩在AI的两个不同短板上：
| 高鸿股份 | 派瑞股份 |
|---|
| 瓶颈类型 | 信息盲区 | 认知盲区 |
| 核心问题 | 素材不够，看不到墙后面 | 框架不对，看到了但理解反了 |
| 模型表现 | 集体失灵 | 方向反了 |
| 信号识别 | 漏掉了2020年单年24.83亿 | 3/4信号识别对了 |
| 归因 | 审计报告里没有答案 | 答案在报表里，但模型默认"舞弊=做高利润" |
信息盲区是素材问题——给AI更多素材，它能做得更好。认知盲区是框架问题——给AI更多素材，它还是往"虚增利润"的方向想。
两次实战，两种偏差，但结论指向同一个方向：AI做不了最终判断。高鸿那次，信息盲区，AI看不到墙后面；这次派瑞，认知盲区，AI看到了但方向判反了。两次都说明，从"识别异常"到"认定事实"之间，还有一段AI跨不过去的路。
但AI能做的，是帮我们嗅出异常信号——利润与现金流背离、Q4收入占比异常、DA摆动超10个百分点。这些信号可能对也可能错，方向可能正也可能反，但至少帮我们锁定了需要重点关注的地方。接下来该往哪个方向追、追多深，是我们自己的事。
AI和我们的关系，像猎人和猎犬。
猎犬负责嗅，嗅出哪里有动静；
猎人负责判断，判断那是猎物还是风声。
猎犬可能嗅错，
但每一次嗅错，
都是在帮猎人缩小搜索范围。