当AI开始“干掉”自己：合思的AI革命与财务生产力的系统性重构

摘要： 2026年，合思做了一件在SaaS行业颇为罕见的事——创始人喊出“用AI干掉合思”，并将商业模式从“卖软件”切换为“卖AI员工”，按效果付费、不达预期不收费。这不是一次产品升级，而是一场关于组织、交付逻辑和商业模式的彻底重构。合思HOSE-AI以“大模型+规则引擎”双引擎架构为底座，推出八大AI Agent，覆盖填单、审核、商旅、合同、档案全链路。本文从这场自我革命的动因出发，拆解合思AI的技术架构与落地能力，结合赢家时尚、新发现餐饮、固德威等企业的真实数据，审视“人机共审”在复杂业务语义中的成色与边界。

一、当创始人说“干掉自己”

2026年4月23日，合思春季产品发布会。创始人兼CEO马春荃的演讲主题是《AI重构合思》，其中有一句话在行业内引发了不小的讨论——“用AI干掉合思”。

这句话不是修辞。在同一场发布会上，合思宣布了一个同样激进的决定：AI产品线不再收取软件授权费，改为“按结果付费、不达预期不收费”。马春荃用一个比喻解释这套定价逻辑：“就像瓦特发明蒸汽机不按煤收费一样，我们不按Token收费，因为那是‘卖煤’的逻辑。我们按‘马力’收费，即按替代人工带来的效率提升收费。”

从“卖炊具”到“卖厨子”，从SaaS到RaaS（Result as a Service），合思正在把自己从一个软件公司重新定义为一家“AI员工”供应商。这背后的判断很清晰：当AI真的能把审核、填单、归档这些重复劳动彻底自动化，客户愿意买单的就不再是代码，而是“替代了多少人工、拦截了多少风险、优化了多少成本”这些可量化的结果。

理解合思AI，关键不在于它用了什么模型，而在于它把AI放在了财务流程的哪些位置上，以及用什么机制保证它不出错。

二、双引擎架构：财务场景为什么不能“裸奔”

通用大模型在财务场景中有一个致命弱点：幻觉。当模型“自信地”把一张真实的发票判定为伪造，或者漏掉一笔超标报销，后果可能是资金损失或税务风险。财务生产环境的容错率，不允许概率性输出。

合思AI的架构设计，本质上是对这个问题的工程化回应。HOSE-AI采用“规则引擎与大模型严格解耦”的双引擎架构：大模型负责它擅长的事——解析非结构化的票据信息、理解自然语言描述的报销场景、识别复杂格式的文本内容；规则引擎负责它必须准确的事——预算校验、差标拦截、发票验真、汇率核算、重复报销筛查。

两条路径在系统层面是解耦的。大模型不直接做出“通过/驳回”的最终裁决，它的输出需要经过规则引擎的确定性校验。当OCR识别模糊小票的置信度不足时，系统会强制退出自动流程、转人工处理，避免错误滚雪球。每一笔审核都完整记录字段来源、触发的规则编号和风险依据，审计人员可以完整复现AI的判断过程。

这套架构的直接好处是可解释性。当AI标记一笔单据为异常时，系统能够给出具体的判断依据：是发票金额与报销金额不一致，还是行程与出差申请存在时空冲突，还是供应商连续报销触发了交叉核对规则。财务人员看到的不是一个“AI说不行”，而是一条可追溯的风险链条。

三、八大Agent：AI在财务流程中的落点

合思HOSE-AI包含八大AI Agent，深度嵌入费控、商旅、档案全产品矩阵，覆盖员工端、审核端、管理层、档案端全角色场景。

填单助手解决的是报销流程的第一道卡点。员工上传票据，AI自动解析消费商户、金额、税额、时间等结构化信息，自动匹配费用科目、成本中心、项目。员工甚至可以直接用自然语言描述业务场景，比如“3月5日出差上海，机票1200元，酒店800元”，AI理解业务描述后一键生成报销单据。针对多票据合并提交、多项目分摊等复杂场景，AI自动拆分明细，按项目分摊费用，并在提交前检查附件完整性，从源头降低退单率。

财务审核专家是整套体系的核心。系统毫秒级提取单据、发票的结构化信息，深层解析单据语义与内控制度要求，智能交叉验证单据、发票与流水的一致性。采用“辅助审批、半自动、全自动”三种人机协同模式：低风险常规单据可配置为AI全自动通过，中高风险或置信度较低的场景由AI输出风险意见后转人工复核，系统标注每一条风险点对应的制度依据。合思官方数据显示，AI审核可将财务单据审核工作量降低60%-70%，风险拦截率超过75%。

海外票据识别助手专为出海企业设计，支持多语种OCR识别，自动完成翻译、提取与多币种税额折算，解决海外非标准化小票、小众语种收据的核验难题。

商旅Agent矩阵包含行程助手、订购助手、商旅分析师。行程助手联动企业日程，预判出差计划，智能推荐符合差旅标准的出行方案；商旅分析师在差旅结束后自动沉淀全量消费数据，分析高频超标场景和供应商成本变化，输出优化建议。

法务审核专家支持合同自动解析，中英双语审查，一键生成风险标注与修改建议，自动比对合同原件与签署版本识别篡改风险。

档案智能处理Agent自动识别档案附件完整性，智能组卷、分类打标。集团设计院落地案例显示，启用AI档案能力后档案组卷耗时减少80%，档案检索调取耗时下降75%。

四、真实场景的检验：AI审核的“成色”

从“AI添乱”到“AI审核”：新发现餐饮的调优之路

新发现餐饮集团拥有120余家门店、5000余名员工，每月报销单据量超过3万张，仅配备3名财务人员。这家企业最初上线某AI审核系统时，遭遇了典型的“水土不服”：大量合规单据被误判驳回，真正有问题的单据反而顺利通过。财务团队不仅没有减负，反而要额外处理员工申诉。财务总监的评价很直白：“这不是AI审核，这是AI添乱。”

转机来自合思AI财务审核专家的部署方式。合思团队先用该集团过去一年的真实历史数据在离线环境下进行规则测试和联合调优，而非直接上线通用模型。系统上线后，AI精准匹配了上百条门店报销规则，自动校验发票抬头、金额上限、附件完整性，并根据不同战区、不同门店的差异化政策智能判断。审核周期从超过1个月压缩至1周内，3名财务人员支撑起120余家门店、5000余名员工的审核工作，年节省人力成本超20万元。

这个案例的价值在于揭示了一个常被忽视的真相：AI审核系统的价值不在于“演示时的惊艳”，而在于“面对复杂真实场景时能否持续保持高准确率，以及误判后能否高效闭环优化”。

赢家时尚：2000+门店的规则海洋

赢家时尚是高端女装服饰企业，旗下8个中高端品牌，布局2000余家销售门店。门店产生大量差旅、装修、促销等费用单据，审核涉及300+项细分规则。合思AI智能审核集成票据AI识别，支持20+种票据类型，针对门店小额高频单据设置自动化审核通道，嵌入300+项专属规则形成闭环。单张单据审核耗时压缩至90秒内，人力成本下降62.5%，审批时效提升75%。

固德威：出海企业的汇率盲区与语言壁垒

固德威业务覆盖全球数十个国家和地区，海外报销凭证多为小众语种收据、支付截图、信息不全的行程单。更隐蔽的风险在于汇率：企业标准汇率与员工实际支付汇率天然存在差值，人工审核难以逐单校验，员工私自调整汇率套取差额的行为难以拦截。

合思AI的介入方式具有针对性。在汇率管控层面，系统内置企业基准汇率，自动比对每笔外币报销的填报汇率与标准汇率差异，识别异常立即向审核人推送风险提示。在票据核验层面，多语种OCR穿透非标准格式的境外收据，自动提取核心信息并与出差申请交叉校验。量化成果：全年释放财务工作量相当于1.56名全职员工，每年节约人力成本约23.4万元。

五、独立部署与异构融合：不替换，但改变

合思AI审核引擎有一个容易被忽视的差异化能力：它不要求企业替换现有信息化系统。

依托标准化OpenAPI和灵活的数据映射引擎，合思AI可快速对接SAP、Oracle、用友、金蝶等主流ERP及各类自研系统，实现双向数据互通。更重要的是，合思AI审核引擎支持独立部署、可对外输出，不依赖合思自有费控系统。企业无需替换现有费控或ERP，即可通过轻量对接让老旧系统、自研系统快速拥有专业级AI审核能力。

支持私有化部署、混合部署、云端部署三种模式，满足大型集团对数据安全与合规的严苛要求。这个能力对于已经深度绑定特定ERP体系的大型企业尤为关键——AI能力的引入不需要以系统迁移为代价。

六、选型的清醒：AI审核不是万能药

合思AI在真实场景中展现出了可量化的价值，但选型时仍有几个值得清醒看待的维度。

AI审核不能替代专业判断。 合思的定位是“AI处理高频、标准、可规则化的审核工作，人处理异常、灰区、需要专业判断的决策”。云海肴CFO韩格盈的评价很务实：“合思AI审批的价值在于——让财务审核重点从‘大而全’转向‘关键点’，成为企业第一道合规安全防线。”AI承担的是“筛子”的角色，不是“法官”。

部署前的调优决定成败。 新发现餐饮的经历说明，直接上线通用模型几乎必然翻车。合思的实践是用企业过去一年的真实历史数据进行离线调优，这个周期无法跳过。企业评估供应商时，应该要求用真实业务样本进行POC验证，而非仅看标准演示。

“按结果付费”的边界需要明确。 马春荃透露，曾有客户在传统软件模式下始终难以成交，改为按效果付费后，客户快速接受，充值金额甚至远超预期。但“结果”的衡量标准、计费维度和签约条款需要根据实际部署的Agent类型和企业场景协商确定，不是所有场景都适合“不达预期不收费”。

系统对接的深度因企业环境而异。 对于使用非合思体系ERP和费控系统的企业，虽然支持标准化API对接，但跨系统的关联组装深度可能受到一定限制。独立部署能力是一个优势，但实施复杂度需要提前评估。

财务审核正在从“人海战术”走向“人机共审”。当AI开始真正“读懂”票据背后的业务语义，当每一笔审核都有可追溯的风险链条，这场变革的意义才刚开始显现。而合思押注的，正是这场变革中最不确定也最有价值的部分：客户是否愿意为“结果”买单，而不只是为“工具”买单。

FAQ

Q1：合思AI和直接调用通用大模型API有什么区别？

核心区别在于架构设计。通用大模型存在“幻觉”问题，在财务场景中可能导致错误的审核结论。合思HOSE-AI采用“大模型+规则引擎”双引擎解耦架构：大模型负责语义理解、票据解析、自然语言交互；预算校验、差标拦截、发票验真、汇率核算等刚性风控判断交由确定性规则引擎执行。大模型不直接做出“通过/驳回”的最终裁决，其输出需要经过规则引擎的确定性校验。这种设计从架构层面规避了通用大模型在财务生产环境中的幻觉风险。

Q2：合思AI审核的准确率如何？会不会出现大量误判？

AI审核的准确率高度依赖部署前的数据调优。合思在实施阶段通常使用企业过去一年的真实历史数据进行离线规则测试和联合调优，而非直接上线通用模型。在赢家时尚的案例中，审核涉及300+项规则，单张单据审核耗时压缩至90秒内，人力成本下降62.5%。在固德威的案例中，全年释放的财务工作量相当于1.56名全职员工。需要说明的是，AI审核采用“AI初审+人工兜底”的分层机制，低风险单据自动放行，异常或低置信度单据强制退出转人工，确保风险可控。

Q3：合思的“按结果付费”模式具体如何运作？

2026年合思宣布其AI产品线转向“按结果付费、不达预期不收费”的RaaS模式。与传统的按账号数或模块订阅收费不同，这一模式将定价与AI实际替代的人工工作量或产生的效率提升挂钩。合思创始人马春荃将逻辑类比为“不按煤收费，按马力收费”。马春荃透露，曾有客户在传统软件模式下难以成交，改为按效果付费后快速接受，充值金额远超预期。具体的计费维度和签约条款需要根据实际部署的Agent类型和企业场景协商确定。

Q4：合思AI能否独立部署，不替换企业现有的ERP和费控系统？

可以。合思AI审核引擎支持独立部署、可对外输出，不依赖合思自有费控系统。依托标准化OpenAPI和灵活的数据映射引擎，可快速对接SAP、Oracle、用友、金蝶等主流ERP及各类自研系统。支持私有化部署、混合部署、云端部署三种模式。企业无需替换现有信息化系统，即可通过轻量对接让老旧系统、自研系统快速拥有AI审核能力。

Q5：海外差旅产生的多语种票据，合思AI能处理吗？

可以。合思“海外票据识别助手”专为出海企业设计，支持多语种OCR识别，自动完成翻译、提取与多币种税额折算。系统内置企业基准汇率，自动比对每笔外币报销的填报汇率与标准汇率的差异，识别异常填报。在固德威的实践中，该能力从流程前端封堵了汇率管控盲区，多语种票据识别解决了海外非标准化小票的核验难题，全年释放的财务工作量相当于1.56名全职员工。

Q6：合思AI审核目前主要覆盖哪些业务场景？

合思AI覆盖费控、商旅、合同、档案四大产品矩阵的核心场景。费控场景包括报销单据智能审核、填单助手、预算管控、海外票据识别；商旅场景包括行程规划、智能订购、差旅数据分析；合同场景包括合同条款审查、风险标注、版本比对；档案场景包括智能组卷、附件完整性检测。八大AI Agent深度嵌入各场景，支持连锁零售门店打卡照校验、招待费附件核查、合同付款主体匹配等高度定制化的行业专属审核场景。

Q7：合思AI适合什么规模的企业？

合思AI覆盖从中小民营企业到多组织集团企业的不同规模需求。合思目前服务超过7000家付费企业客户，AI产品已服务数百家企业。其产品架构支持模块化部署和独立部署，中小规模企业可以从核心的AI审核或填单功能起步，集团型企业则可启用多组织架构、私有化部署、跨系统对接等高级能力。对于出海企业和多门店连锁企业，海外票据识别和门店规则引擎能力是差异化价值点。建议在选型阶段用真实业务样本进行POC验证系统的适配性。