Qwen藏进印尼企业，阿里云发现AI出海的新入口

作者：Marco / 数智猿

责编：陆易斯 / 数智猿

在印尼持续经营多年后，阿里云近期又与当地数字基础设施服务商CBN（PT Cyberindo Aditama）建立长期战略联盟，在合作清单里，企业联网、云基础设施、AI平台和实施服务被放在了一起。既然Qwen已经能通过API供海外客户调用，阿里云为什么还要找一家本地服务商来推进AI服务的出海业务呢？

在现实中，AI服务会遇到一系列运行问题：模型读出了单号和重量，财务系统未必能直接接收；员工向ERP提问，答案得对应公司自己的订单、合同和审批记录。接口谁来改，错误谁来查，上线后找谁维护，这些工作不会随着模型开放调用而自动完成。

在印尼，阿里云已经找到了两种接法。物流企业Lion Parcel用Qwen读取财务单据，把结果送回原有系统；软件商HashMicro则将Qwen写进ERP，再把相关功能卖给企业客户。一家买模型服务来处理自己的业务，另一家把模型做成软件功能，阿里云借此接触到更多潜在客户。

在如今的生产环节中，企业越来越重视AI的能力，预算也在向AI倾斜。UOB在2026年1月在线调查了272名印尼中小企业主和高管，90%的受访企业计划提高当年的AI预算。以2025年为基准，在全部受访企业中，近四成企业准备把预算提高超过一半，但这仍是投入意向，钱最终花到哪里，要看后续采购。

图1｜受访印尼中小企业2026年AI预算增幅计划（相较2025年）。来源：UOB《Business Outlook Study 2026（Indonesia）H1》；

预算加了，先改哪一笔业务

企业愿意增加预算，并不意味着AI已经用得很深入。同一份UOB调查显示，74%的受访企业已采用AI，但约一半受访企业仍处于早期阶段，进入高级阶段的占26%。 给员工添一个助手，可以先试用起来；要AI参与财务录单、采购审批，就得接上公司原来使用的软件，梳理其中的数据和权限。

财务人员希望少花时间录单、核对，采购人员则要看，查询省事以后，审批能否照常往下走。这些要求涉及的系统和人员并不相同。表格里的数据能不能送进财务软件，查询结果能否接着用于审批，都需要技术人员和业务部门一起确认。若让一个智能体连续处理跨部门任务，一旦中途停下来，还要分辨究竟是模型理解出了偏差、没有取到数据，还是缺少执行下一步的权限。

把改造范围先收在录单环节，哪些工作省下了、哪些还得由人来做，就比较容易看清。拿同一批真实文件测试，可以对照原来录完一张需要多久，改造后还有多少字段需要人工修改，过去的文件是否方便查找。核对也不能只看文字有没有读对：单号、数量和重量提取出来后，要填进对应的栏目，使用正确的计量单位。数字识别无误，却填错了位置，财务人员仍然要返工。

这些问题需要放到日常收到的文件里检验。几张清晰样本可以用来演示，却不足以判断一整批材料能否顺利处理。格式不同、字迹模糊的文件也要拿来测试，看看哪些字段容易漏读，哪些结果必须交给员工复核。识别失败后，是再调用一次模型，还是直接退回人工处理？前面测出的错误和耗时，会接着影响这项功能的使用成本。

因此，采购时只比较模型的调用单价，还算不清这笔账。一次失败后的重试费用、人工复核花掉的时间，都要算进去；上线前整理文件、设定字段规则，上线后培训员工、检查模型更新是否影响旧流程，也需要安排人手。UOB列出的数据和系统准备不足、资金与人才约束，在这类项目中便有了具体对应。 财务人员少录一遍单据，背后可能多出一些校验和维护工作。企业需要把两边的时间与费用放在一起，才能判断这项改造究竟省下了多少。

Lion Parcel

先让财务少录一遍单据

Lion Parcel的财务人员，过去就花了不少时间与纸打交道。按阿里云公开的客户案例，运营部门提交纸质Delivery Order（DO，送货单），财务逐张查看，把单号、起讫地、数量和重量录入表格。单据越多，录入和核对越慢，日后追查一笔记录，还得从分散存放的纸质文件中翻找。

改造后，财务录单从上传单据图像开始。应用通过Alibaba Cloud Model Studio调用Qwen-VL-Plus，读取印刷体和手写内容，返回结构化JSON，即程序可以继续处理的字段，后端随后校验数据、统一格式、应用业务规则，再写入数据库，交给下游财务系统使用。原有财务系统没有被整套换掉，变的是它接收数据的方式。

这段流程没有省掉核验，阿里云在案例中列出了重复检测、基于置信度的核验等安排，拦住可能出错或重复的记录。原始单据和提取结果也一起保留，便于查找和追溯。财务人员发现字段有疑问时，仍能回到对应的单据核对；若只留下模型生成的一串数字，账目出了问题，找原始凭证还是得从头来过。

图2｜Lion Parcel将单据图像转成字段，校验后送入财务系统。画面来源：Lion Parcel官网；流程依据：阿里云客户案例

模型读一张单据，和系统处理一批单据，遇到的问题也不同。印尼语、英语、缩写和手写批注可能混在同一批材料中，扫描件与手机照片的清晰度也不一样。某张文件反复识别失败，技术团队得分清是文字没读准，还是字段配错了。失败样本留存下来，调整规则后再测，才能检查旧错误是否解决、新错误是否出现。

Lion Parcel选型时，先拿自己的业务样本比较识别效果。据阿里云介绍，Qwen-VL-Plus在这项比较中表现较好。但选型并没有到此为止：平台能否托管推理，费用能否按调用量估算，API能否接入现有技术栈，本地有没有方案支持，都在客户的考虑范围内。模型的识别成绩只是其中一项，技术团队还要知道接下来由谁把它装进现有系统。

Model Studio替客户承担了模型服务和部分推理设施的运维，客户后端继续处理财务字段，本地支持协助解决接口与实施问题。按Token计费，方便客户随单据量估算调用开销；哪些错误由程序拦下，哪些结果交给员工检查，则要依照账务规则安排。省去自建推理设施的工作后，团队仍有一批与单据、财务软件有关的事要做。

阿里云称，方案提高了DO处理速度和数据准确性，上传、识别、核验、入库和导出表格也得以连贯完成。公开案例尚未给出人员节省、成本降幅或投资回收期，能看到的变化落在日常操作上：财务人员不必再对着每张纸，逐个把字段敲进表格，核验则继续留在系统中。

企业买的是ERP

Qwen留在后台

HashMicro走的是另一条路。这家2015年成立于新加坡的ERP软件商服务东南亚企业，阿里云客户案例称，其多数客户位于印尼。它既是云服务的买方，也是企业软件的卖方：自己使用阿里云，再把Qwen集成进产品。对于阿里云，一次对接面对的不再只是一家企业的财务部门，还有一家软件商及其服务的客户。

财务、人力、采购、合同，原本就在HashMicro的ERP里流转。公司希望员工用自然语言查询数据、跟进任务，却不准备为此抛开已有的业务逻辑。提问之后，系统仍得找到相应的记录；任务往下执行，也要遵循原有工作流。模型能够读懂文档、理解指令，ERP则提供它接下来要处理的业务内容，两边得接得上。

文档处理已经用到了这套配合。Qwen的视觉语言能力被用于发票匹配、合同版本管理和表单分类。采购申请、供应商合同、送货单中的内容被提取出来，填写到ERP字段中，再与不同系统的数据匹配。阿里云披露，在会计、采购和合同管理等模块里，人工文档校验工作量减少了40%以上。这个降幅对应的是文档校验环节，不能直接当作企业全部人工成本的降幅。

拿发票来说，读出金额和日期只是开始。它对应哪笔采购，由谁审核，异常时交给谁，都还在ERP里。HashMicro的案例提到，模型结合业务规则、用户角色和历史信息，参与多步骤审批中的任务分派。员工得到的因此不能只是一段回答，提取的字段要与业务记录对应，后面的审批也要找得到负责的人。

图3｜HashMicro将文档处理与自然语言交互嵌入ERP。界面来源：HashMicro官网；图中40%以上指阿里云客户案例披露的人工文档校验工作量降幅

员工接触到的助手叫Hashy。印尼国家通讯社ANTARA在2025年8月的报道中介绍，它由Qwen集成和改造而来，直接连接ERP，可以调用跨模块数据辅助决策，用提示指令触发工作流，并保留交互记录。员工通过对话发起查询或操作，任务在ERP中继续执行，不用先到一个独立的模型应用里完成提问。

Hashy随HashMicro的软件提供给客户，Qwen的名字退到了后台。企业商量的是买哪些模块、怎样配置，遇到问题先找软件团队。一笔ERP采购里，可以包含文档识别和对话查询，客户不必再单独找一家模型供应商，协调双方开放接口。对阿里云而言，对接ERP团队的价值也在这里：模型接入、字段适配和后续更新，可以先在产品中完成，再随软件交付，已有客户有机会通过升级获得新功能，软件商也多了向客户介绍新产品的理由。

卖云和网络的老伙伴

接上了AI项目

HashMicro与阿里云的合作，其实早于这轮大模型热潮。公开资料显示，2021年底，阿里云即战略投资HashMicro，并将其列为云服务客户和重要渠道伙伴。双方先从云服务和企业软件做起，随着大模型进入企业应用，再把Qwen接入其中。

这段合作在产品里留有具体痕迹：阿里云的客户案例显示，HashMicro使用ECS云服务器承载应用，以负载均衡和扩容安排应对访问量变化。软件团队已在使用这套云产品，熟悉部署和维护。如今加上Qwen，AI功能能继续由原来的软件团队交付。阿里云无需为每家终端企业另建一套应用，HashMicro也可以先向已有客户提供新功能，不必从一批完全陌生的企业谈起。

CBN积累客户的方式又不同。它在印尼提供企业连接、专线、托管和云等服务，从企业联网到应用部署、日常运维，都有业务往来。公司在合作宣布时称，企业客户超过8000家。这个数字并非AI用户数，但对于正在寻找企业项目的阿里云来说，这些持续采购网络和云服务的客户，已经有了技术供应商和服务关系。新增AI需求可以沿着这层关系接洽。

双方的合作，将AI平台和实施服务纳入了这套安排。企业向CBN谈网络、云资源时，可以一并讨论AI应用部署、系统接口和售后；CBN则在原有业务上增加服务内容，阿里云也多了一家能够联系本地企业、参与实施的伙伴。客户购买的服务里，也就多了应用接入、运行维护这些工作，不必拿到模型账户后再另找人实施。至于谁负责云资源，谁处理应用故障，双方仍得在项目中约定。同在一份方案里，不代表接口测试和责任分工就能省去。

这类协调很少出现在模型演示中，却会影响项目进度。客户的哪些系统愿意开放接口，账号权限归哪个部门批准，出了故障先联系谁，往往要找企业内部不同的人。过去部署网络、云和企业软件时，本地服务商就得处理这些事。新的模型仍要用客户的数据测试，原有的沟通和现场支持经验却用得上，实施团队不必连联系人和办事流程都重新摸索。

图4｜CBN与阿里云签署战略合作。照片来源：CBN官网；

HashMicro把AI加入软件，CBN把AI加入企业技术服务，阿里云沿着已有业务往来寻找新项目。CBN这次合作尚未披露实际部署规模，但已有客户、软件团队和服务人员，使阿里云不必只靠一份API文档，等待企业自己完成接入。

下一家客户

还要从头做一遍吗

如果Qwen进入企业的方式，只是为Lion Parcel这样的客户单独做一次适配，那么每增加一家客户，就意味着重新理解业务流程、接入系统、调整模型和部署服务。这样的项目可以验证AI的价值，却很难形成规模。

HashMicro提供了另一种可能。当Qwen成为ERP中的底层能力后，下一家企业使用HashMicro时，并不需要再单独完成一次从模型到业务系统的完整接入。Qwen随着ERP一起进入企业，原本一次性的模型接入，也就有了继续复制的可能。

这也是“藏”在企业软件里的意义。

对企业用户来说，AI不一定需要以一个独立产品出现。它可以藏在ERP、财务软件或者其他企业应用的后台，处理文档、查询数据、生成内容，甚至触发后续业务流程。员工看到的仍然是自己熟悉的软件，只是原有系统多了一层AI能力。

对Qwen而言，进入企业的路径也随之发生变化：不一定要一家一家寻找终端客户，也可以先进入企业软件，再随着软件进入更多企业。

这种复制至少有两条路径：一条是Qwen随着HashMicro这样的本地ERP进入更多企业，并从单一场景向更多业务模块扩展；另一条则是把这种合作方式延伸到更多本地ISV、系统集成商和云服务伙伴，沿着不同的客户网络进入更多行业。

当然，目前公开信息还不足以证明这套方式已经在印尼形成规模。Qwen在当地的企业客户数量、收入和调用量尚未公开披露，现有案例更多说明了一种进入企业的路径，而不是已经形成的市场规模。

但这恰恰也是阿里云和Qwen在印尼接下来最值得观察的地方：下一家客户还要不要从头做一遍？阿里云把Qwen“藏进去”，完成了从一次接入走向规模化复制的重要一步，但能否真正持续下去，最终还要看AI能不能成为企业日常工作的一部分，解决真实而持续的需求。只有从后台的一次接入，变成用户每天都会使用的能力，Qwen才可能随着软件进入更多企业，并真正留下来。