以合思为代表的一批技术型财务服务企业正受到关注。它们不仅展示了 AI 在小票识别、风险控制、合同智能审阅等模块的最新落地能力，更重要的是，它们正在推动一个转向——从“自动化”走向“智能体编排”，让 AI 真正成为可协作、可推理、可判断的流程执行者。
3月28日，在北京举办的甦·新商业盛典2025上，第三届「未来财务先锋」评选正式揭晓。这项由《财经》杂志、未来财务人研究院联合发起、合思担任战略合作方的评选，历时四个月，汇聚了上百家企业的转型实践案例。最终脱颖而出的获奖者，不仅代表着行业对“数智化财务”探索的前沿成果，也映照出企业对AI 财务协同系统的真正期待。
活动现场，来自中国财政科学研究院、北京大学、澳洲会计师公会等机构的评委共同颁出“企业奖”“人物奖”“团队奖”等多个奖项，并围绕“AI+财务”展开高密度的思想碰撞。从讨论中可以看出，企业对 AI 技术的热度已经从“观望”走向“共建”，一个显著变化是：AI 不再仅仅是辅助识别和自动填表的工具，而开始走向具备交互能力和决策逻辑的智能协同体。
在本届评选中，以合思为代表的一批技术型财务服务企业正受到关注。它们不仅展示了 AI 在小票识别、风险控制、合同智能审阅等模块的最新落地能力，更重要的是，它们正在推动一个转向——从“自动化”走向“智能体编排”，让 AI 真正成为可协作、可推理、可判断的流程执行者。
合思在做的，不只是“自动化”
过去几年，财务 SaaS 服务的重点在于自动化填报、标准化流程、报销合规等场景。合思早在这一阶段建立了深厚的行业 know-how。但进入大模型时代后，它选择的不只是“接入大模型”——而是直接重构了底层逻辑，将 AI 引入财务流程的多个节点与角色之中，并推进向agent 协同演化。
在和极客公园的采访中，合思创始人马春荃将其比喻为“从 AI in the loop 到 AI as agent”的跃迁。比如一张合同现在不再只是机器识别的文本，它会被多个智能 agent 联合处理——一个识别合同内容，一个调用知识库完成风控比对，另一个决定如何派发到不同审批层级。这种多智能体的协同，正是合思最新财务 AI 架构的核心特征。
合思新一代财务 AI agent 的价值，最直观地体现在两个方面：更强的理解力与更快的反馈路径。过去，提交一张报销单需要填写三五十个字段，是为了满足后续审批链中多角色、多逻辑的需求。但 AI 出现后，只需上传一张消费截图，agent 就能判断出消费是否合规、是否涉及夜宵、是否来自高档会所，并主动向用户提问补全关键要素。
“现在你甚至不需要填写任何字段，AI agent 会先判断信息够不够，再主动向你提问要缺失的数据。”马春荃解释道。
特别是在小票识别和跨语种场景中，AI 展示了极强的实用价值。合思目前的小票识别功能已经支持阿拉伯语、西班牙语、葡萄牙语等多种小语种票据，识别精度媲美 GPT-4，但每张成本仅为去年的几十分之一——从几十块钱降到几毛钱。这一突破让大量出海企业原本无法处理的异地小票、地方税率、小费字段等问题，终于变得可解。
同时，在风控环节，AI agent 也不再仅仅依赖静态规则，而是能基于历史数据与业务关联关系进行模糊识别。例如 AI 可以自动判断：员工是否可能通过“大单拆小”逃避审批阈值，是否在本地打车却申请了异地差旅，是否在同一商户反复报销。过去需要手工设定复杂规则才能检测出的行为，现在通过推理能力一次性捕捉。
DeepSeek之后，AI 财务应用更加可用
大模型技术的演进，是推动财务 AI agent 从“概念”走向“落地”的关键拐点。合思的实践也印证了一点：不是 AI 能力到了，而是“AI 性价比”到了。
马春荃直言，在 DeepSeek 这样的国产基础模型出现之前，很多 AI 能力在技术上早已可行，但“用不起”。比如合思在2023年测试 GPT 系列用于小票识别时，准确率令人惊艳，但每张票据识别成本高达几十元，注定无法规模化应用。DeepSeek 降本之后，单张小票识别成本已低至 6 毛钱以下，而传统人工处理成本为 2.4 元——“AI 不止能用，而且比人便宜得多。”
成本临界点带来的不仅是可用性，更是尝试意愿的井喷。过去客户面对 AI 产品往往“好奇但迟疑”，而现在则普遍进入“先试再说”的状态：
“以前客户不敢用，现在客户说：我不管好不好用，先把数据导进去跑一遍。”
另一方面，合思并没有盲目拥抱“一个大模型解决所有”的方案，而是采取多模型组合策略：通用模型（如通义千问）用于语言理解与推理，DeepSeek用于识别与结构化，小模型则通过微调应对特定场景中的高频任务。这使得合思可以将大模型能力切实地“嵌进”财务流程每一个 agent 节点里，而不是悬浮在场景之外。
技术的可用，最终还要配合流程层的精细治理。在 agent 的行为边界设定上，合思也有清晰策略：低风险 agent 可完全自主，高风险 agent 必须转交人工，**配合规则库、知识库与历史数据训练，形成一个更“安全”的智能系统。**这种“工程化控场”能力，也成为当前财务 AI 能否真正部署的关键门槛之一。
AI 财务不是终点，而是重构的起点
财务工作的本质从未改变——围绕经营、控制风险、提升效率。但随着 AI agent 的能力进化与落地模式的成熟，企业对“财务”的组织形式、执行方式、甚至人才画像，正在被重新定义。
合思在 DeepSeek 之后迈出的这一步，既是一次从自动化到智能协同的技术演进，也是一次向“低门槛、高决策质量”迈进的行业转型试验。借助多模型组合策略、工程级安全边界设定和流程级 agent 编排，它正在探索一套真正能服务企业现实场景、兼顾精度与成本的智能财务路径。
未来的财务人，也许不再是擅长记账和报表的人，而是能调用多个 agent、设计交互流程、设定规则边界的“智能协作组织者”。他们的价值，不在于亲自完成一切，而在于如何调动智能体去协同完成最复杂的判断与行动。
如果说 DeepSeek 打开了技术之门，那像合思这样的探索者，则是在告诉行业：“你可以进来了。”
