广汽汇理汽车金融有限公司（以下简称“广汽汇理汽金”）是由广汽集团持股50%的核心金融企业。依托广汽集团作为中国汽车产业领军者、产销量长期稳居国内前列的深厚背景与强大的渠道影响力，广汽汇理汽金深度嵌入汽车产业链，业务覆盖全国300余座城市，合作经销商超2800家，零售贷款客户数已突破380万，在汽车金融领域占据举足轻重的标杆地位。
在这种“集团级”的业务规模下，每一笔车贷申请都伴随着首付收据、发票、合同、银行流水等“一摞票据”。庞大的进件量使得传统审核模式遭遇了严峻的挑战：
人工审核压力大：放款周期长，材料多且繁琐，面对日均海量影像，肉眼比对效率低下且易因疲劳产生差错。
规则维护成本高：材料板式频繁变动，传统“点状识别”系统需不断人工重写规则。
材料异构且识别难：纸质、电子、手写、盖章件混杂，尤其是手写信息与复杂印章难以自动提取。
为打破这一增长瓶颈，广汽汇理汽金数字化创新中心基于百度文心大模型及PaddleOCR文档解析方案，将原有系统重构为覆盖全流程的智能审核系统。该系统实现了日均 5000份票据影像的自动化处理，从传统的“人工逐张审核”升级为“智能化、可迭代”的自动流水线，为“AI+金融”场景提供了可复用的技术范式。
项目思路：覆盖“全票据”的审核链路
系统以车贷审核流程为中心，构建三大能力：
材料全覆盖：智能处理首付凭证（含手写及印章）、发票（纸质/电子）、婚姻证明、银行流水等三大类核心材料；
要素自动审：精准提取并自动审核客户姓名、车型、金额、印章等八大关键字段；
信息实时核：将提取结果与贷款申请单进行实时比对，自动预警信息不一致或异常情况。
系统整体架构如下图所示。上层通过业务系统与AI Gateway统一接入；中间的核心编排层负责文件类型分析、要素交叉校验、数据组装和规则纠错；底层以PaddleOCR和文心大模型为核心支撑，其中PaddleOCR提供文字识别、版面分析与要素抽取能力，文心大模型承担语义理解与智能推理。整体实现了从影像感知到智能认知、再到业务落库的完整闭环。
手写体+印章：拆开做、拆细调
首付收据是目前处理难度最高的票据类型之一：信息往往以手写形式呈现（如姓名、车型），同时加盖的印章也尺寸不一、形状各异、方向不同。广汽汇理汽金团队并未依赖单一“大模型”，而是基于PaddleOCR的文档解析能力对问题进行拆解：
版面理解：运用PP-DocLayout-L模型，定位关键区域并识别其包含的版面元素（如文字、印章）；
方向校正：结合文档方向分类模型，自动校正票据或印章的倒置、旋转等问题；
文字提取：采用PP-OCRv5文字识别方案，统一识别票据中的印刷体与手写文字；
印章专识：针对印章区域，使用经专门数据微调的检测与识别模型进行处理。
印章识别的关键挑战
实际业务中印章形态多样；
缺乏高质量、规模化的开源印章数据，数据标注难；
印章方向不统一，识别效果差。
团队通过改进的印章数据合成算法，生成多背景、多字体、多扰动的训练样本，扩充数据多样性；并基于飞桨框架完成模型微调。结合前置方向校正，最终将印章识别准确率提升至约97%。
电子发票：交给PaddleOCR-VL解决“版式焦虑”
电子发票的核心问题在于版式频繁变化。如果系统依赖固定模板或规则，每次版式更新都意味着规则重写和系统改造。
为此，研发团队引入PaddleOCR-VL多模态大模型文档解析方案，实现了从“按模板识别”向“理解文档结构”的转变。PaddleOCR-VL以ERNIE-4.5-0.3B作为核心大语言模型，相较于传统的小模型串联方案，能够更准确地理解复杂、多变的文档结构。在此基础上，系统具备了以下能力：
自动划分并识别发票中的标题、表格等元素，精准定位标题区、主体信息区、金额区等关键逻辑区域；
自适应处理不同服务商、不同样式版本的电子发票，无需针对每种版式单独训练；
当发票版式发生迭代时，系统无需重构规则或调整代码即可平滑适配。
该能力使发票版式升级对审核系统的影响趋近于零，有效避免了规则系统持续维护带来的成本。
从模型能力到系统能力：AI Gateway+规则引擎
为实现能力的可靠交付，广汽汇理汽金团队在模型层之上，系统化地构建了四大支撑能力：
统一服务入口：通过AI Gateway统一接入贷款申请系统与影像系统；
流程智能路由：在核心编排层，根据票据类型（首付收据、发票、印章等），将任务分发至对应OCR处理产线；
数据格式标准化：将识别结果转换为标准数据结构，再交给规则纠错与交叉核验引擎处理；
高并发优化：通过缓存与数据库的底层协同优化，实现高并发下的稳定响应。
仅依赖模型本身无法支撑长期效果，关键在于数据闭环能力的建设。广汽汇理汽金团队基于飞桨开发套件，自建了一条完整的“AI生产线”：
从冷启动到自动挖掘样本
初期通过人工标注解决冷启动问题，让模型先“能用起来”；
上线后，通过自动化脚本持续从日志中挖掘错误样本，精准定位模型薄弱环节；
针对高频错误类型（如特定车型、复杂手写、边缘印章等），通过微调进行持续、定向的模型优化。
标注与回归自动化
在PaddleLabel的基础上进行了二次开发，构建了适配自身业务的“增强”标注工具：
标注提效：对模型识别结果进行预标注+人工抽检，显著降低标注成本；
评估自动化：将模型回归验证标准化为脚本，每次训练后自动在固定回归集上评估，并生成可视化报告；
流程流水线化：将模型训练、回归验证与部署环节串联成自动化流水线，将“发现问题到修复上线”的周期从数周缩短至数天。
通过本地部署的PaddleLabel工具和自动化回归流水线，确保金融敏感数据在不出域的前提下，实现模型的敏捷迭代。
业务价值：把审核压力从“人”交给系统
系统上线后的核心效果包括：
非标准材料方面：在首付纸质材料场景（手写、印章）中，通过模型训练，单字段识别准确率稳定在90%以上，八要素全匹配率超70%，自动通过率约40%；
标准材料方面：在发票以及结婚证场景中，发票识别准确率稳定在99%以上，结婚证稳定在95%以上，且无需维护版式规则；
性能表现：推理侧单请求响应时间约1秒，满足在线放款业务对实时性的要求。
审核人员可将精力集中于异常与高风险单据，管理团队可持续量化跟踪系统效果。
经验总结
复杂票据审核不应依赖单一“大模型”
更可持续的方式是将问题拆解为版面理解、文本识别、要素校验等子任务，组合模型与规则实现稳定性。
数据闭环能力决定AI是否“跑得久”
只有将数据、模型与业务流程形成闭环，AI才能从“能用”走向“持续好用”。
结语
真正的技术价值，不在于模型指标本身，而在于能否在真实业务中长期稳定运行。
广汽汇理汽金的实践表明：只有选准关键业务链路，结合成熟的技术方案与企业自建的数据闭环体系，AI才能在真实业务中持续创造价值。
期待与更多行业伙伴携手，共同拓展PaddleOCR与文心大模型在金融及其他复杂文档场景中的落地空间，探索“AI+产业”的广阔未来
