当前位置：主页 > 新闻 >

一家供应链金融科技公司如何成为产业链神经中枢？

时间：2026-06-10来源：网络作者：admin2

总部位于深圳前海的港股上市公司联易融科技（9959.HK）近期在非公开会议上多次表达，"联易融 = 供应链产业链的AI智能操作系统,让金融机构的服务像水电一样渗透在产业链的每个环节。"

这句话值得仔细拆解。

"AI智能操作系统"这个定位,不是偶然选择的。联易融的管理层深知,"金融科技解决方案提供商"已经是一个过于普通的标签,在当下的市场环境里几乎丧失了区分度。他们要讲的是一个不一样的故事:联易融不只是在帮企业和金融机构解决一个个具体的金融服务问题,而是要成为整个供应链产业生态的数字化神经网络——就像操作系统对于计算机硬件,就像水电对于日常生活,成为"不可见但不可或缺"的基础设施。

"水电一样渗透"的比喻,揭示了一种特定的商业理想:服务应当无处不在,同时消费者(核心企业和中小供应商)感知不到它的存在。这是效率的极致——摩擦系数趋近于零。

要实现这个理想,联易融面临的最核心的技术命题,是如何在海量、异构、不规则的供应链数据中,快速、准确地"看见"交易的真实性,并在这个基础上完成风险判断和资金流转。这正是联易融七年AI投入的根本逻辑所在。

LDP-GPT:一个用7年时间炼成的垂直大模型

2019年,联易融开始系统性地向AI技术倾斜战略资源。

今天,这条路的阶段性成果,就是LDP-GPT——联易融自研的供应链金融垂直大模型。

LDP-GPT的与众不同,来源于它的训练数据。普通大模型用互联网公开数据训练,而LDP-GPT的训练语料,是联易融九年业务历程中真实处理过的海量供应链金融数据:超过1.7万亿元的资产处理记录、数百万份合同和单据文本、来自3145家核心企业和428家金融机构的真实交易行为,以及从中提炼的2029条风控规则。

这些数据的价值,在于它们是在真实的商业压力下产生的——不是模拟的、也不是从网上爬取的,而是在每一笔真实的融资交易中经过风险检验的。当一条风控规则被触发时,背后是真实的坏账或欺诈案例;当一类单据格式被标注为"高风险"时,背后是真实的损失记录。

这种"血与泪"的训练数据,赋予了LDP-GPT一种通用大模型很难复制的能力:对供应链金融特定场景的风险判断,在实战中更准,更稳,容错率更低。

2025年,联易融将DeepSeek-R1的推理能力接入LDP-GPT的技术架构,形成"通用推理层+垂直知识层"的双层大模型结构,进一步扩展了LDP-GPT在复杂场景下的处理能力——例如,分析涉及多个关联合同、跨越多个时间节点的复杂交易结构。

联易融的AI应用层,被称为SKILL(技能单元)架构。

每一个SKILL,是一个独立封装的、可复用的技术能力模块。它可以像乐高积木一样,根据不同客户的具体需求快速组合和调用。

现有的SKILL模块包括:

——OCR文档识别SKILL:支持154种供应链单据格式,包括多模态识别(表格、印章、签名的位置和语义含义)

——NLP语义理解SKILL:基于LDP-GPT,自动提取合同关键条款,生成结构化审单报告

——规则引擎判断SKILL:覆盖中登登记规则、ABS发行标准、反洗钱规定等2029条规则,支持动态加载

——RPA流程自动化SKILL:在决策完成后自动触发数据录入、备案登记、邮件通知等后续流程

SKILL架构的设计哲学,反映了一种对"标准化与定制化如何统一"的深度思考。

供应链金融的痛点在于场景极度碎片化:建筑行业有建筑行业特有的单据体系,新能源有新能源特有的技术参数验证需求,汽车行业JIT模式对实时性要求极高,医疗行业有严格的资质核验要求。如果联易融的产品无法快速适配这些差异,就意味着在每个新行业都要从头定制,耗时数月,人力消耗巨大。

SKILL架构的答案是:将所有这些场景共有的"共性能力"(OCR、NLP、规则引擎、RPA)抽象为可复用模块,将各行业特有的规则和知识封装为特定SKILL组件,当进入一个新行业时,只需调用对应的行业SKILL组合,而无需重新构建底层能力。

新行业场景部署周期从30-60天压缩至1-7天。

蜂联AI Agent,是SKILL体系的调用层。2024年初代版本发布时,蜂联AI更像一个"高度智能的审单助手";经过2025年和2026年两轮迭代,它已经进化为一个能够在审单、风控、中登登记、客户准入等多个系统之间自主调度的AI协作者——"数字同事"的称谓,正是来自于这种能力的质变。

目前,蜂联AI已服务42家头部金融机构,包括国有大行、股份制银行、外资银行和城商行。联易融的目标,是在未来几年将这一数字扩展至200-500家。

从解决"一级供应商"问题,到穿透"整条产业链"

理解联易融为什么能在2025年的行业压力期保持增长,多级流转云是最关键的解码器。

供应链金融有一个由来已久的痛点:银行愿意为谁放款,取决于谁拥有被验证的信用资质。在传统模式下,一家大型央企的一级供应商,因为有直接的合同关系,可以凭借核心企业的应付账款向银行申请融资;但这家一级供应商的供应商(二级供应商),以及更下游的三级、四级供应商,与核心企业之间没有直接的合同关系,银行无从核验,融资往往无门。

这意味着,真正资金最紧缺的产业链末端中小企业,往往是融资最难的那一群——它们既缺乏信用评级,又缺乏抵押资产,传统银行贷款门槛遥不可及,只能依赖民间借贷,承受高昂的融资成本。

多级流转云的技术突破,在于用数字化手段穿透了这一信息壁垒。

其核心机制是将供应链上每一个层级的交易数据(合同、发票、物流记录、付款流水)在经过核实验证后,在整条产业链上进行加密流转和共享,使得银行即使面对四级供应商,也能通过完整的贸易数据链条,追溯到最终的核心企业应付账款,完成信用评估和授信放款。

在这个过程中,AI扮演的角色是"每一个节点上的实时验证者"——对每一份流转的单据和数据,完成真实性核验和风险判断。

2025年,多级流转云处理的供应链资产总量达3042亿元,同比增长47%,占联易融集团整体资产规模的60%。

服务覆盖面的数字是:3145家核心企业 + 428家金融机构 + 超过43万家中小微供应商。

这43万家中小微供应商,才是这个故事最深处的真实受益者。它们中的绝大多数,在过去是看不见供应链金融服务的——不是不需要,而是根本不知道有这种工具,或者资质不符合银行的门槛。

数据飞轮:为什么联易融的优势在加速而非减速

在AI时代,"数据飞轮"是一个被反复提及却并不总是真实存在的概念。在联易融的案例里,它是真实运转的。

机制如下:联易融每处理一笔供应链资产,就积累一份真实的交易数据;这些数据进入LDP-GPT的训练体系,让模型的风控判断更准确;模型更准确,就能为金融机构提供更高质量的风险评估;风险评估质量更高,就能吸引更多金融机构和核心企业进入平台;更多业务进入,又产生更多数据……这是一个正向循环。

现在,这个飞轮转过了九年,积累了超过1.7万亿元的历史数据体量。

竞争对手要建立同等数量级的数据积累,需要大量时间和真实业务量的支撑——这不是一个可以用资金直接购买的资产,也不是可以在实验室里模拟的数据集。

但飞轮也有其脆弱之处。AI技术的快速迭代,可能会在某些维度上缩短新进入者的学习曲线。通用大模型能力的持续提升,使得一些原本需要大量垂直数据才能解决的问题,变得越来越容易被通用方法处理。这是联易融需要持续加速技术投入的内在驱动力。

出海:Unloq,一张中国供应链金融科技的名片

2025年10月,联易融国际业务品牌更名为"Unloq"。这个名字的发音近似"un-lock",是"解锁",是"打开",也是"释放"。

Unloq的业务定位,聚焦于跨境供应链金融:帮助有跨境贸易往来的企业,解决应收账款融资、跨境保理、贸易真实性验证等核心痛点。

联易融的出海战略有一个清晰的初始切入点:跟随中国制造业供应链出海。

2020年代以来,中国制造业向越南、泰国、印度尼西亚、墨西哥等地的转移,不是单纯的工厂搬迁,而是整个供应链生态的迁移。大量中国核心企业(品牌商、整车厂、消费电子集成商)在海外建立了新的供应链网络,同时带走了它们在国内合作的一批供应商。

对于联易融来说,这些已经在国内完成了数字化供应链金融服务接入的核心企业,是它出海的天然冷启动资源——不需要重新建立信任,不需要从头教育市场,只需要把国内的服务延伸到它们的海外供应链。

技术差异化方面,Unloq在智能合约方向上做了深度布局。在跨境贸易中,最大的交易摩擦来自"合同执行的不确定性"——不同国家的法律体系差异导致合同的可执行性存疑,贸易真实性的跨境验证成本极高。基于区块链的智能合约技术,可以在双方认可的规则下,自动执行合同条款,降低跨境摩擦。

当然,出海的挑战也是真实的。Unloq布局27个国家和地区,跨境生态客户总数1550家——这个数字和联易融国内服务的43万家中小微企业相比,差距仍然悬殊。国际化业务在集团总收入中的比例,目前仍然有限。

联易融预测,2026年国际业务将进入"指数级增长轨道"。这个预测能否成真,将是判断联易融第二增长曲线是否成立的关键参考。

上一篇：垂直类AI大模型价值几何？以联易融供应链金融科技赛道谈起

网站首页 返回栏目

下一篇：大掌门门业荣耀入围 2025 中国别墅门十大品牌，以匠心铸就高端入户新标杆

最新文章

推荐文章