腾讯云×拉卡拉 | 商户进件审核最难一公里，通了

腾讯云AI

发布于 2026-05-29 09:56:44

280

文章被收录于专栏：腾讯云智能·AI公有云腾讯云智能·AI公有云

每天，数以万计的营业执照、身份证、门头照涌向各类三方支付机构的审核系统，这份名为“商户进件”的清单，是整个行业的业务入口，也是控风险的第一道关口。

对所有第三方支付机构而言，这道关口从未轻松过。伪造的营业执照图片、篡改过的身份证图片、PS过的门头照，虚假材料一旦混入，意味着一个“幽灵商户”悄悄进入了支付体系；它可能被用于洗钱、套现或诈骗，而机构将为此承担资金损失和合规风险。

这不是个别现象，而是整个行业都在应对的系统性挑战。

服务千万商户、每天处理海量进件的拉卡拉，对此有着更深的体感——进件量越大，守住这道门的压力就越大。

拉卡拉是国内领先的第三方支付机构。此前，在腾讯全球数字生态大会上，拉卡拉与腾讯云正式签署战略合作协议，双方明确将在数字鉴权、智能审核、商户全流程数字化等领域展开深度合作。

AI赋能支付风控，是这份战略协议最先落地的方向之一。从签约到跑通，速度很快。目前，拉卡拉基于腾讯云OCR搭建的AI审核智能体，日均处理上万件合规审查，审核准确率超过98%，人工审核量直接下降了三分之二。

那么，一家头部支付机构和一家云计算巨头的战略合作，是怎么从一纸协议变成了真正跑在生产环境里的AI风控能力？面对这类“又重又痛”的合规审核业务，腾讯云OCR这套方案可复用吗？

01、问题出在哪？

商户进件是支付行业的"高风险地带"

商户进件的本质是身份核验——确认申请商户是一个真实存在、合法经营的实体。这需要核查一系列材料：身份证、营业执照、银行卡、经营场所照片、协议识别等。

理论上，这件事并不复杂。但在实际操作中，它几乎是支付行业最容易被钻空子的环节。

材料伪造的手段在不断升级。 早期的造假还停留在收集真实图片、再借助PS等工具涂抹、篡改文字的"小作坊"阶段；如今已进化到利用AI直接生成逼真证件图片、门头照，甚至批量化输出的"工业化"阶段。尤其是营业执照造假，现有技术手段可凭空生成、肉眼难辨，且往往套用真实的企业信息，权威库的核验方式在此类造假面前几近失效。
传统审核方式跟不上造假速度。 人工审核依赖审核员的经验和肉眼判断，面对每天上万件的进件量，疲劳、疏忽、标准不一致是避不开的问题。更关键的是，很多精细的篡改和AI生成，常规手段不易识别。
商户管理要求越来越严格。 对第三方支付行业来说，商户管理要求越来越严格。合规、风控不是可选项，是生存底线。

问题清楚了：进件量大、造假手段高、人工审核扛不住、合规风险。这四个条件叠在一起，靠加人并非长久之计，只能靠技术。

但"靠技术"也不是随便接个方案就能解决。市面上基于通用大模型的方案，在Demo演示时效果看起来都不错，但真正放到第三方支付每天数万件进件审核的生产环境里，准确率、可靠性、响应速度，才是决定方案能不能上线的分水岭。在合规场景里，“差不多能用"远远不够，必须"安全稳定好用”才行。

02、拉卡拉的解法：

三把AI"手术刀"切入商户进件全链路

拉卡拉与腾讯云的战略合作协议覆盖了商户准入、运营、服务的全链路数字化，但双方没有摊开来什么都做，而是选了一个最痛、最急、ROI最容易验证的切入点——商户进件审核。

在这个场景里，拉卡拉针对风险最高的三个环节，分别部署了腾讯云文字识别（OCR）的三项能力：门头照识别、分类、鉴伪，卡证识别、鉴伪、核验，以及多模态文档抽取。思路很明确——哪里最容易出问题，就在哪里部署AI。

第一刀：门头照识别-分类-鉴伪——判断"这家店是不是真的"。

商户进件时需要提交经营场所的门头照，用来证明"这家店真实存在，正在营业"。听起来简单，但这里藏着一个高频风险点：提交的照片可能根本不是商户自己的店。

腾讯云OCR针对门头照做三件事：

一是识别门头照中的文字信息。在各类版式复杂的商户门头照中，准确识别并提取门头照上的店名，和商户申报的经营信息做交叉比对。如果门头写的是"张记面馆"，申报的商户名是"李氏快餐"，系统会自动标记异常，不予通过。

二是对门头照做分类标注。首先判断照片类型——是标准商铺门头照、店内照，还是经营场景照；其次对商户场景进行细分，支持快速匹配对应的MCC码，既能提升注册效率，也能验证注册场景是否准确。清晰的分类标注，有助于平台对商户实现精细化管理。

三是对门头照进行鉴伪辅助检测，多维度防范造假风险。从最基础的“随手拍再用APP涂改加字”的局部篡改，到一张网图注册多家商户的模板合成，再到借助AI工具无中生有的AIGC合成——无论造假手段如何演进，系统均可检测拦截，让问题商户无处遁形。

这个能力不是在实验室里调出来的。第三方支付的商户类型极其多样——街边小吃摊、连锁便利店、写字楼里的公司前台、菜市场的档口……拍摄条件更是千差万别：光线不足、角度刁钻、招牌被遮挡、夜间拍摄、手机像素参差不齐。腾讯云的门头照识别正是在这类海量真实场景中持续打磨出来的，不是单纯Demo展示效果，是经得住每天上万件审核的生产级稳定性。

这一步解决的核心问题是：用机器替代人眼做"这张照片和申报信息是否对得上"的判断，速度快、标准统一、不会因为审核员换班而出现判断波动。

第二刀：卡证识别、鉴伪、核验——全方位审视卡证资料。

腾讯云OCR针对卡证同样提供三项核心能力：

一是基本但不基础的识别。除了业务环节中常见的各类证件、银行卡识别，腾讯云还针对国内多样的个人身份证件场景，推出了有效证件识别（鉴伪版），一站式覆盖身份证、港澳台居住证、外国人永居证等多类证件类型。在多证件类型识别的基础上，内置了辅助鉴别PS能力，一步到位。

二是全面且专精的鉴伪辅助。长期深耕金融行业，腾讯云OCR积累了覆盖三大维度的检测能力：图像质量检查，包括模糊、反光、遮挡、不完整等问题的识别；业务规范检查，包括屏幕翻拍件、复印件、临时证件、电子证件的识别；以及风险拦截，覆盖局部篡改、模板合成、AIGC合成等新型造假手段。全部检测在数百毫秒内完成，完全跟得上每天数万件进件的高并发节奏——对第三方支付行业来说，审核量一上来方案就排队，是不可接受的。

三是权威的核验。实时直连官方权威数据源，新领执照、新变更的执照信息都能快速同步，不存在数据滞后的盲区。核验范围不止于企业四要素，还支持事业单位、学校等机构的信息核验，覆盖更广的业务场景。

第三刀：多模态文档抽取——理解、抽取、核验三位一体。

前两步解决了"照片和证件是否真实"的问题，但商户进件还涉及一类更棘手的材料——非标准化文档。

在拉卡拉的业务中，一个典型场景是协议识别。协议文件需要核验姓名、签字、公司公章等关键信息，并与系统中营业执照上的公司名称做一致性匹配。问题在于，绝大部分协议文件没有统一的格式模板。不同公司的协议排版、措辞、盖章位置都不一样，传统OCR很难准确定位和提取关键字段。

第三方支付行业的非标文档种类特别杂——租赁合同、加盟协议、特许经营证、各类行业许可证……格式不统一、版式不固定，光靠识别文字远远不够。腾讯云的多模态文档抽取能力，融合了OCR技术和多模态大模型，不只是"读文字"，而是"理解文档"——能在复杂版式中理解表格结构、段落层级、关键字段之间的语义关系，精准抽取法人姓名、签字位置、公章内容等字段，然后自动与系统数据做一致性核验。

对第三方支付公司来说，这意味着审核人员从"翻文档找信息"变成"直接看结果"。系统把需要重点审核的字段自动提出来，直接进入校验流程。审核效率有质的提升。

这步打通了商户进件的"最后一公里"：从标准化的证件核验，延伸到了非标准化文档的自动审核，真正实现了进件审核全链路的AI覆盖。

03、落地效果如何？

三组数字说明一切

拉卡拉在年报中披露了AI审核的关键数据，三个数字足以说明腾讯云OCR这套方案的实际效果：

日均处理上万件合规审查。这不是实验室测试数据，而是生产环境中每天实实在在跑着的量，7×24小时不间断运转。
审核准确率超过98%。在合规审查这种容错率极低的场景下，98%的准确率意味着AI的判断质量已经达到甚至超过了资深审核员的水平。剩余2%的边界案例由人工复核兜底，形成了"机器初审+人工终审"的协同模式。
人工审核量下降三分之二。这是最直接的ROI体现，不是"辅助减轻了一些工作量"，而是实打实地把人工审核的工作量砍掉了66%。释放出来的审核人力可以聚焦在高风险案件的深度调查上，把人的经验用在刀刃上。

除了这三个核心指标，这套方案还带来了两个更深层的收益：

一是风控前置。以前虚假商户可能在入网后的交易异常环节才被发现，那时资金可能已流失，现在在进件阶段就被拦截。风控关口从"事后追查"前移到"入口拦截"，大幅降低了存量风险。
二是审核标准一致性。机器不会疲劳，不会有情绪波动，不会因为临近下班就放松标准。每一份材料都按照同一套规则被审查，消除了人工审核中最难解决的"标准不一致"问题。