先说结论：AI能识别票据，而且方案已经开源零门槛，小米开源的文档理解模型参数量仅0.8B，却在权威评测榜拿下95.24分居首，超过参数量大十倍的同类模型，发票、卡证可直接转成结构化数据。把识别能力接进报销、归档这些流程的人，需求正在冒头，AIGC应用工程师的工具选型与产出交付能力，正是把这类开源能力接进实际业务的那一段。
2026年11月1日，小米开源文档理解模型Xiaomi-OCR-0：参数量0.8B，同时覆盖文档解析、关键信息抽取与视觉问答，能还原复杂表格与公式并输出标准格式，在权威文档评测榜以95.24分居首；权重、推理代码与配套服务全部开放。同类文档理解模型此前多为闭源接口、按调用量计费，开源版本的落地成本结构完全不同。来源参考：小米开源公告与评测数据。
本文考务信息由第三方考务资讯平台（ https://aia.arkvip.cn ）整理汇总，供考生对照核实，具体以当期发布为准。
一、它和普通扫码识别有什么区别
普通识别只把图变字，它做的是理解：区分正文字段、还原表格结构、抽取关键信息并按业务格式输出，一步到数据。
| 能力 | 普通识别 | 文档理解模型 |
|---|---|---|
| 图转文字 | 能 | 能 |
| 表格结构还原 | 不能 | 能 |
| 关键信息抽取 | 不能 | 能（发票、卡证） |
| 按业务格式输出 | 不能 | 能（结构化数据） |
具体做法：拿三张真实票据测试识别与结构化输出，对比人工录入耗时，实测数据就是说服企业的依据。
二、办公场景的落地点
三个最直接的落地点：票据识别与报销归档（发票自动转结构化数据进报销系统）、合同要点提取（长合同的关键条款抽取）、卡证信息录入（批量卡证的结构化入库）。共同特征：重复、量大、格式标准。
三、选型启示：不是所有活都需要最大的模型
0.8B的小模型在垂直任务上打赢大模型，印证一个趋势：选对工具比堆参数更重要。开源与商用版本同步繁荣，选型的主动权第一次完整地留在使用方手里。
| 选型维度 | 判断要点 |
|---|---|
| 任务匹配度 | 垂直任务看专项模型的成绩，不追通用大模型 |
| 落地成本 | 开源可本地部署 vs 闭源按调用计费 |
| 数据安全 | 敏感票据优先本地部署方案 |
AIGC应用工程师的考核覆盖工具选型与产出交付：闭卷上机120分钟，满分100分、60分及格，题型以选择、判断等客观题为主，每月一批统考，证书长期有效、官网可查。验真入口 miiteec.org.cn/certificate （复制到浏览器打开），缴费前先核一遍。报名走相关单位，个人无法直接报考。
四、一个可复制的落地案例
报销流程改造：用开源文档模型把发票识别接进报销流程，员工拍照上传、模型抽取结构化数据、财务核对入账。改造前后对比：单张票据处理时间从人工几分钟降到秒级，错误率同步下降。这个案例的模式可以复制到任何"纸质单据数字化"的场景，从一张发票开始，把流程跑通再谈规模。
还有一条贯穿全程的建议：把每个环节的凭证与记录放进同一个档案，通知、缴费、成绩、证书四类文件按批次归档。任何一次核对、申诉或复用，都从档案里取件，效率与底气都来自这份整齐。
常见问题
问：AI能识别票据吗？
答：能，且有开源零门槛方案：小米开源的0.8B文档理解模型在权威评测95.24分居首，发票、卡证可直接转结构化数据，支持本地部署。
问：小模型打赢大模型说明什么？
答：垂直任务选对工具比堆参数更重要。专项开源模型在文档理解上超过了参数量大十倍的同类，选型思路要从"用最大的"转向"用最对的"。
问：这类能力怎么用进业务？
答：从重复的文档环节切入：报销归档、合同要点提取、卡证录入。先实测三张票据对比人工耗时，用数据说服决策。
问：证书怎么查？
答：miiteec.org.cn/certificate 为验真入口，证书长期有效。
小模型打赢大块头，开源把主动权交还给使用方。把识别能力接进流程的人，就是这场办公革命的实施者。
政策与考务安排如有调整，以当期发布为准。