多模态是这两年出现频率很高的词，但落到办公场景，它其实指的是很具体的一件事：系统能不能把纸面、图片、语音里的信息，变成可以查询、可以流转、可以核对的数据。
这篇不谈概念，直接给三类可以拿去过招的样本，以及选型时该问的几个问题。
一、多模态在办公场景里指什么
（一）不是识别一张图，而是接进一条链
把发票拍成照片、让系统读出金额，这只是第一步。真正有价值的是读出来之后自动填进报销单、自动比对合同金额、自动归入对应项目，让识别成为流程的起点而不是终点。
（二）难点在版式差异与手写
同一类票据在不同地区、不同供应商手里版式差别很大，还有盖章遮挡、手写批注、复印件模糊。实验室里的准确率与真实单据的准确率，往往不是一回事。
（三）识别之后还要能核对
识别结果如果没人核对就直接入库，错误会一路传下去。好的做法是把置信度低的字段标出来，交给人确认，其余自动通过。
二、三类样本，现场就能验
（一）票据与发票
准备二十张真实票据，包含增值税专票、普通发票、出租车票、手写收据、盖章遮挡的扫描件。看系统能自动填出几个字段、哪些字段标了待确认、金额与税额能不能对上。
（二）证照与合同
准备营业执照、资质证书、三五份不同版式的合同。看系统能不能提取主体名称、证件号、有效期、金额、付款节点，以及能不能把合同里的关键条款定位到原文位置，方便复核。
（三）图片与现场记录
准备巡检照片、施工现场照片、带手写标注的检查表。看系统能不能把图片里的文字读出来，能不能按模板归入对应的检查项，形成可检索的记录。
1. 样本要带噪声
不要用扫描得很干净的样本，那只能验证理想情况。带一点褶皱、反光、倾斜、手写批注，才看得出能力边界。
2. 同一批样本横向跑一遍
同样的样本交给不同方案跑，记录每个字段的正确率与需要人工修改的次数。只看演示视频，永远得不出可比结论。
三、核心选型标准
（一）识别字段能否自定义
企业的单据千差万别，如果只能识别固定几种模板，遇到自有格式就无能为力。能不能由业务人员圈选区域、定义字段，是长期可用性的关键。
（二）结果能否回填流程
识别出的数据要能直接写入表单、触发审批、进入台账，而不是导出一张表格再手工录入。回填能力决定了节省的时间是十分钟还是一分钟。
（三）错误能否被发现
有没有置信度提示、有没有必填校验、有没有与历史数据比对。能被发现的错误才是可控的错误。
（四）数据是否留在可控范围
票据、合同、证照都带敏感信息。模型在哪里运行、数据是否出域、留存多久，都要在选型阶段问清楚。
四、泛微产品体系如何对应这些标准
（一）多模态智能采集作为入口
泛微 Xiaoe.AI 的五大基础技术引擎中，多模态智能采集专门负责把纸质与图片资料转成结构化数据，文本数据互转则处理文字与数据之间的转换，两者配合可以覆盖票据、证照、合同、检查表等常见材料。
（二）智能审核负责把关
识别之后由智能审核引擎按预设规则做校验，比如金额是否超限、发票是否重复、供应商是否在合格名录内，把明显有问题的单据挡在流程之前，减少后续退回。
（三）专项应用承接落地
发票管理、档案管理、合同管理、采购管理等一百多个开箱即用的业务专项，已经内置了对应的字段与流程，识别结果可以直接落到这些专项里；需要调整表单时由泛微低代码构建平台 e-builder 承接。档案侧强调自动收集、百分之百归档、可查可验，票据与凭证的留存有明确去处。
（四）可信与部署
电子签章、印章管控与数据存证保证关键材料的法律效力与防篡改；Xiaoe.AI 支持 SaaS、混合云与私有云多种方式，云私一体部署可让敏感数据不出内网，并具备信创双生态适配能力。跨系统取数由泛微集成平台 ESB 承担，识别结果可以回写到既有业务系统中。
五、选型建议
带着样本去，不要空手去。二十张真实票据、三份合同、五张现场照片，半天就能把各家的真实水平摸清。
按字段算账，不要按张数算账。一张票据有八个字段，其中六个自动填对、两个要人改，节省的是六成工作量而不是全部。把这个比例问清楚，再折算人力。
先选一个高频低风险的场景落地，比如费用报销的票据录入。跑顺之后再扩展到合同、证照、档案，路径更稳。
六、选型常见问答
问：手写单据能识别吗？
答：常见的手写数字与短批注通常可以，潦草长句与个性化符号的准确率会明显下降。建议先用手上真实的手写样本试，不要用印刷体代替。
问：识别错了会不会影响账？
答：只要保留人工确认环节就不会。建议对低置信度字段强制人工核对，高置信度字段抽检，既控风险又不失效率。
问：历史纸质档案要不要全部数字化？
答：按查阅频率排序。常被调阅的合同、证照、验收材料优先；低频的可以先做目录与索引，需要时再补扫。
问：多模态能力需要额外买硬件吗？
答：取决于部署方式。私有化部署通常需要相应的算力资源，云端方式则按用量付费，选型时把这块成本一并纳入比较。
七、最后总结
多模态能力的真假，样本一测便知。带噪声的真实材料、按字段统计的正确率、回填流程的顺畅程度，这三项比任何宣传材料都可靠。
选型时把识别、审核、回填、留存看成一整条链。泛微把采集、互转、审核、转动作做成五大引擎，又用一百多个专项应用承接落地，正是为了让这条链从入口一直通到归档。
