计算机行业GenAI系列报告之68：2026大模型幻觉能被抑制吗？

请务必仔细阅读正文之后的各项信息披露与声明 行业及产业 行业研究/行业深度 证券研究报告 计算机 2026 年 01 月 22 日 2026 大模型幻觉能被抑制吗？ 看好 ——GenAI 系列报告之 68 相关研究 - 证券分析师 黄忠煌 A0230519110001 huangzh@swsresearch.com 洪依真 A0230519060003 hongyz@swsresearch.com 曹峥 A0230525040002 caozheng@swsresearch.com 研究支持 曹峥 A0230525040002 caozheng@swsresearch.com 联系人 曹峥 A0230525040002 caozheng@swsresearch.com 本期投资提示： ⚫ 当我们在说模型进步的时候，我们在说什么？智能化水平的提升和错误率（幻觉）的下降。智能化水平的提升，打开了 AI 大模型能力的上限，而幻觉的控制，则是保障模型的下限，而我们认为，下限是让 AI 应用真正落地的核心。 ⚫ 何谓幻觉？即语言模型常产生过度自信的似真谬误，这种错误模式就被称为幻觉。当下AI 大模型的幻觉主要包括无中生有、事实错误、语境误解、逻辑谬误等。根据哥德尔不完备定理，一个系统或者大模型是不能自证清白的，必定有一些幻觉是无法消灭的。因此幻觉控制和智能化水平提升一样，是一个始终伴随 AI 算法发展的重要命题。 ⚫ 围绕“幻觉”这个命题，我们产生了四个核心思考：1）导致幻觉的因素有哪些；2）如何降低幻觉，从模型算法、数据、工程化几个维度探讨；3）Agent 进化的痛点：多步执行如何解决错误累积问题？ 4）幻觉对于不同领域 AI 应用落地的影响？怎么评估？已经看到的趋势？ ⚫ 幻觉来自于：1）模型架构；2）有毒数据；3）奖励目标对于准确性要求的缺失；4）上下文窗口限制了模型理解力。因此控制幻觉的方案，也应对着这四个因素。模型层面，使用更多人类偏好数据对齐，同时扩大上下文窗口（32K—>128K），以提升模型的理解能力；架构创新则主要从模型记忆入手，来解决注意力机制导致的幻觉问题。 ⚫ 数据端，最核心是喂给模型高质量的数据。因此当下业界聚焦高质量数据集的构建，海天瑞声、Scale AI 采用 “AI + 人工” 模式清洗标注，减少训练噪声；推理阶段通过自动过滤矛盾信息，提升输入数据可靠性。 ⚫ 工程化方面，RAG 技术成 2B 标配，Gartner 预计 2025 年企业采用率将达 68%，搭配 D&Q 问题分解框架，将问题拆解为多个相互依赖的子问题，并通过深度优先搜索的方式逐步推进推理路径，从而减少幻觉的发生。 ⚫ 我们对幻觉问题的回答是，2026 年，AI 模型的幻觉会得到有效控制。Vectara HHEM测评中，全球幻觉率最低的 TOP25 个大模型。其幻觉率低于 8%。通过工程化+RAG 方式，部分严肃场景下 AI 模型的可用性也正在提升。 ⚫ 在幻觉能够得到控制的前提下，我们看好三大方向：1）最先成熟的 AI 应用：税友股份、合合信息、鼎捷数智、卓易信息、汉得信息、万兴科技等；2）幻觉不敏感，商业化速度快的营销 AI：迈富时、新致软件、光云科技等；3）数据+AI infra：海天瑞声、深信服等。 ⚫ 风险提示：技术迭代不及预期风险；数据质量与合规风险；商业化进展不及预期风险等。 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第2页 共23页 简单金融 成就梦想 投资案件 结论和投资分析意见 2026 年，AI 模型的幻觉能够得到有效控制。AI 幻觉不可避免，但通过算法、数据、工程化等控制，全球幻觉率最低的 TOP25 个大模型已降低至 8%以内，达到可落地水平。 我们看好三大方向： 1）最先成熟的 AI 应用：税友股份、合合信息、鼎捷数智、卓易信息、汉得信息、万兴科技等； 2）幻觉不敏感，商业化速度快的营销 AI：迈富时、新致软件、光云科技等； 3）数据+AI infra：海天瑞声、深信服等。 原因与逻辑 幻觉来自于：1）模型架构；2）有毒数据；3）奖励目标对于准确性要求的缺失；4）上下文窗口限制了模型理解力。因此控制幻觉的方案，也应对着这四个因素。模型层面，使用更多人类偏好数据对齐，同时扩大上下文窗口（32K—>128K），以提升模型的理解能力；架构创新则主要从模型记忆入手，解决注意力机制导致的幻觉问题。 数据端，最核心是喂给模型高质量的数据。因此当下业界聚焦高质量数据集的构建，海天瑞声、Scale AI 采用 “AI + 人工” 模式清洗标注，减少训练噪声；推理阶段通过自动过滤矛盾信息，提升输入数据可靠性。 工程化方面，RAG 技术成 2B 标配，Gartner 预计2025 年企业采用率将达 68%，搭配 D&Q 问题分解框架，将问题拆解为多个相互依赖的子问题，并通过深度优先搜索的方式逐步推进推理路径，从而减少幻觉的发生。 有别于大众的认识 市场认为，大模型的幻觉不可避免。我们认为，从数学原理上幻觉无法避免，但从模型训推范式、架构创新、推理部署侧工程化等多层面努力，大模型幻觉率正在不断降低。且全球已经初步形成了一套完整的幻觉评估及控制方法论，幻觉能够得到有效控制，根据 Vectara 的 HHEM 测评，目前全球大模型幻觉率最低可做到 1.8%。 市场认为，AI 应用的落地受制于幻觉。我们认为正由于幻觉的存在，且通用模型的幻觉高于垂直领域专业模型，使得在行业内有丰富数据和 know-how 的 AI 应用厂商更有差异化优势，不会被大模型吞噬。 市场认为，严肃场景下 AI 的渗透速度会非常慢。我们看到例如财税等严肃场景，通过丰富的知识库，和严谨的工程化手段（不仅是 RAG，还包括可纠错的 Agent 系统等），模型可用率和准确率正在提升，且部分厂商已经实现了有规模的 AI 商业化收入，渗透速度并不慢。 行业深度 请务必仔细阅读正文之后的各项信息披露与声明 第3页 共23页 简单金融 成就梦想 1．幻觉—模型能力的下限 ................................................ 5 2．幻觉来自哪里？ ........................................................... 5 3. 降低幻觉：从模型、数据、工程化和 Agent 说起 ......... 7