2026 年可能是各行各业 AI 叙事的一个分水岭。过去问的是"要不要做 AI",现在问的是"AI 怎么走入业务场景"。 这两个问题之间隔着的,不是模型能力的差距,是一整套业务规矩。 一个模型能写出一份像模像样的报告,和一个模型能跑出一份业务敢签字的审核报告,中间差的不是参数。是这家企业知不知道什么材料必须核、什么异常必须停、什么结论签了要担责。 这套规矩,通用大模型给不了。它只能从垂类业务里一笔一笔长出来。 01 / FOUR GENERATIONS 十年,四代: 一家垂类 AI 公司的迭代史。 今天做 AI,最不缺的就是模型。可选的基座十几家,开源的、闭源的、本地化的、云上的,能力都在快速逼近。缺的是把模型放进业务之后,它知道该干什么、按什么标准判断、要承担怎样的业务责任。 联易融成立于 2016 年,正好踩在中国供应链金融数字化的起点上。十年里,AI 技术迭代历经四代,公司的作业方式也跟着完成四次跃迁。 站在 2026 年这个 AI 落地的关键节点回望,这四代演进,恰好对应全球 AI 技术浪潮的四次落点。 GEN 01 / 2016—2017 人工阶段: 把专家经验“写下来” 那时候没有AI,靠的是风控专家的经验:看单据、核贸易背景、逐笔人工作业。一笔产品发行审核,周期长达1—2个月。 这一阶段技术上没什么可讲的,但它给后面十年留下了最贵的一笔资产——专家脑子里的判断逻辑,被一条一条写成了规则。 什么算贸易背景真实,什么算关联交易,什么异常必须停下来问——这些今天看起来理所当然的规则,是当年用一笔笔业务喂出来的。 GEN 02 / 2018—2022 小模型阶段: 学会什么叫“准确” OCR成熟了,NLP有了BERT,公司开始用"OCR + 人工打标训练小模型"的方式做发票、标准合同这类制式单据的要素抽取。 作业方式从"人看"变成"机器识别、人工复核"。 这一阶段解决