近日，中国工商银行基于Qwen-VL-Max通义千问多模态大模型推出了“商户智能审核助手”，该成果成功入选2025年北京市人工智能赋能行业发展典型案例，标志着人工智能前沿技术在金融领域的应用成效获得高度认可。

　　长期以来，以OCR为代表的自动化技术虽广泛应用于金融等关键领域，但其固有的局限性也日益凸显：

　　●泛化能力受限：高度依赖预设模板，难以适应格式各异的文档，针对新格式需额外开发。

　　●信息提取复杂：仅能“识别”文字，无法理解其业务含义，需配置复杂的规则引擎或NLP模型二次处理，系统拓展性不高。

　　●鲁棒性不足：对图像的旋转、反光、污损、倾斜等真实世界中的常见干扰非常敏感，识别准确率显著下降。

　　●语义理解缺失：难以进行跨文档的关联性与逻辑性判断，缺乏对业务上下文的智能理解。

　　而以通义千问Qwen-VL-Max为代表的多模态大模型技术有效突破了上述瓶颈，凭借其端到端的图像识别与理解的优势，实现了范式级革新：

　　●多模态深度理解

　　多模态大模型通过同步处理视觉特征与语义信息，让AI像人一样通盘理解整个文档的版式、内容和图像。

　　●强大的自适应学习

　　多模态大模型可以高效适应金融等专业领域的特定需求，相较于传统OCR信息提取技术，可无需为新材料开发模板，泛化能力显著提升。

　　●原生的智能解析

　　同时，多模态大模型能够实现基于上下文的语义级信息抽取与交叉验证，精准捕获所需字段含义，大幅提升审核智能化水平。

　　因此，多模态大模型在金融行业正逐步取代传统OCR成为新一代技术范式。

　　作为金融行业的领军者，中国工商银行敏锐洞察到技术趋势，率先选择将通义千问Qwen-VL-Max大模型应用在商户准入审核场景中，成功上线“商户智能审核助手”。

　　商户准入审核是金融支付领域风险防控的核心环节。此前，商户准入审核高度依赖人工处理，需核验海量多模态资料（证件、场所影像、风险信息等），并融合外部数据与经验进行风险评估，传统OCR难以处理格式版式各异的影像材料，更无法处理商户照片等数据。尤其在业务高峰期，审核人员需审阅包含营业执照、账户证明、申请书、影像、征信授权书等在内的繁杂图文信息，存在效率低、易出错、成本高等痛点。

　　中国工商银行的“商户智能审核助手”不仅能精准处理营业执照、法人证件等标准化材料，更能高效理解经营场所照片等非结构化图像，并进行交叉验证，在商户准入流程中实现了效率跃升、风控升级、成本降低、体验优化，加速了业务响应速度。

　　这一创新应用不仅体现了人工智能前沿技术在金融领域的深化落地，也意味着通义千问大模型在头部金融机构的核心场景中通过了严苛的检验，展现出了强大的业务价值。