来自微软亚洲，出走海豚浏览器，核心团队二次创业阿博茨科技

在金融行业，只有15%的知识是整理好的，85%的知识隐藏在公告、研报、图片、邮件中。“金融民工”在日常工作中需要花费大量时间找数据、抠数据、填数据和画图表，做这些基础性的重复工作，不但耗时，而且出错率高，还将导致企业的人力成本上升。

现实中，大部分企业还停留在将数据数字化的初始阶段，缺少挖掘数据、可供精细化运营和决策的工具，加上互联网企业的竞争与监管层的压力，让企业处于“内忧外患”的窘境。

得益于 云计算 、 大数据 、 物联网 、 人工智能 等信息技术的快速发展， 数据处理 技术近年来在基础理论、算法模型、创新应用、软件支持等方面不断取得突破。 亿欧金融专访北京 阿博茨 科技有限公司联合创始人兼首席产品官余宙 ，作为金融业的“变革者”，阿博茨是如何利用技术解决金融行业的痛点呢？

Al赋能，改进 金融数据 处理流程

阿博茨科技，英文名称为“Al、Big Data、Cloud”（ABC），也就是人工智能、大数据和云服务，是一家Al赋能金融业的科技公司。 致力于使用AI技术改进金融数据的产生、提取、分析、沉淀以及呈现，基于自然语言处理、机器视觉技术和知识图谱三项核心技术， 目前已拥有覆盖数据生产和流转、数据呈现和分析与决策支持全业务链条的AI产品矩阵。

余宙告诉亿欧金融，区别于替代别人实施决策的“雇佣兵”模式，阿博茨更像是“军火商”模式，为企业和专业人员提供可以适应各种环境的“武器”，起到辅助决策的作用。

那么，阿博茨如何通过自身的金融大脑，利用Al进行数据的处理，做好一个“军火商”呢？

AI的作用，在整个数据处理过程中，主要体现在以下三分层次：

第一层是认知引擎层。 从无到有，无论是人还是机器，都需要一个学习过程。

对于一些分析师，需要在长篇幅的研究报告里寻找特定数据，仅翻看理解专业内容这一过程，就需要耗费大量的时间，还不包括分析师因为疲劳而造成的低效和错误。

那么对于机器的话，是如何实现人类数据查询这个环节呢？机器首先要阅读大量的报告，不断地学习，然后才能把这些数据找到，认知层就是把所有非结构化的数据解析出来。机器相当于在做填空题，知道不同数据在什么位置。

第二层是感知层。 这是一个从有到精的过程，举个例子，认知层让机器知道水是无色、无味的液体，而感知层让机器知道水可以解渴，在口渴时会想到水。

在解析一张财务报表中，比如说里面出现了1.98，数据中间是一个“.”，这到底是属于分隔符，还属于金融单位呢？都是要结合上下文，并且具备专业的金融知识，才能把这些数据整理得更好，这就是对数据的理解，并不容易。

对于阿博茨这样的初创公司，余宙表示，AI的技术必须专注于非常垂直、非常细分的领域，才有可能做好。

第三层是可视化。 这是一个从精到美的过程，当机器找到信息，读懂信息之后，如何把这些信息通过一套能够绘图的引擎进行加工，用更美观的方式呈现给分析师，也是不可或缺的重要一步。

对于一个刚入门的新手分析师，可能对于手中的数据都不知道是什么含义，生成图表又谈何容易？

而阿博茨目前的可视化引擎经过反复的文本训练，已经学习并储存了超过3千万份金融的文档和报告，阅读了超过10亿张的金融图片和信息，几乎已经涵盖了金融数据的所有类型。

量的积累，带来的是质的改变 ，当分析师丢进去一些数据样本后，引擎可以迅速反应，输出标准化格式的表格、图纸。

三大核心技术，夯实金融领域专家地位

既作为阿博茨的核心技术，同时也是人工智能关注的三大信息类型（语音、视觉、语言）之一，自然语言文本是典型的无结构数据，由语言符号（如汉字）序列构成，作为人类使用的最庞杂的符号系统，其理解一般被认为是最难的一项。

数据来源：清华大学NLP实验室刘之远团队

阿博茨通过三步，理解文档内容以及自然语言互动：

1、解析非结构化文本，提取领域知识，分析出结构化信息，相当于上图中“Part of speech”与“Named entity recognition”这两个过程；

2、汇聚多数据源非结构化信息，理解关联关系，进行结构化分，相当于上图中“Co-reference”与“Basic dependencies”这两个过程；

3、理解客户自然语言输入，识别用户意图，转换为机器搜索指令；

以上市公司的一份普通增发公告为例，通常有三四百页内容，要实现对文本的完整理解，需要建立更完备的语义结构表示空间，这种更完备的语义表示经常成为上述NLP任务进行结构预测的依据。

阿博茨的另一项核心技术是计算机视觉，是人工智能关注的三大信息类型之二。不同于人脸识别技术，自20世纪60年代开始研究，到现在其技术成熟度已经达到较高的水平；文本的形式具有多样性，内容具有天然的复杂性。

余宙也表示，专业类型文档，很难进行信息的识别和提取，工具化是非常重要的能力

在文字识别技术（OCR）的基础上，阿博茨更进一步，不仅可以从纸质文件、PDF、图片中识别图表，直接生成Excel文档，还可以通过理解图表的坐标和数值关联关系，重建Excel公式、重新绘制可编辑的图表。

在具备了自然语言理解和机器视觉两项核心技术后，阿博茨利用知识图谱对数据进行存储，将行业经验和知识沉淀，构建领域知识大脑。

核心技术的实现，背后是阿博茨强大的技术团队作支撑。

8 位高管中5 位曾在微软亚洲研究院从事操作系统底层研发工作，公司技术人员占比80%。创始人兼CEO杨永智在2010年创立基于安卓移动端的海豚浏览器，在全球成功俘获2亿多用户，2014年被搜狐畅游并购后良性退出。

卓越的技术能力，让阿博茨一举囊获2019年全球文字识别(OCR)领域最顶级赛事——国际文档分析与识别竞赛(ICDAR)多项第一，并荣获2019年五道口金融学院主办的“全球 金融科技 创业大赛10强”荣誉。截至目前，阿博茨拥有20多项全球技术专利，核心AI技术已列入中美禁运清单。

  技术能力的最终体现，便是产品。 数据处理系统的模块化，使得阿博茨拥有较强的普适性，可以随意进行拼装，适应不同的环境；并且可以快速复制，应用到不同的场景中去。

截至目前，阿博茨在金融领域成为服务专家的基础上，触角已经在不断延伸。大资管领域的券商、基金、资管，泛金融领域的银行、保险、交易所，以及大数据领域的酒店集团、地产、电力、垂直电商都是阿博茨的服务客户。

生态闭环，助力阿博茨持续拓展

在拿下港交所的过程中，阿博茨综合运用了自身的技术、产品、销售优势，形成生态闭环。

在港交所全球招标，征集数据处理服务商的这场竞赛中，不乏像微软、Google、IBM这样实力强劲的国际选手参与其中。但他们大而不精，只做通用能力，针对具体的金融文档，却无从下手，是由下面具体的供应商来完成；而阿博茨已经过大量的训练和学习，能够从容应对和识别各种不同类型的文档。

在具体的合作阶段，余宙认为，“最差的生意就是只做IT的生意，不能服务业务部门，因为服务客户赚的更多。”

所以阿博茨选择与港交所的技术部门——技术创新中心进行前期的对接，最终的服务对象是港交所的业务部门——清算与投资代理人服务部门。

在具体的服务效果层面，在提取公告、处理文本信息的整个过程中，阿博茨可以极大的提高效率，降低80%以上的人工，决策时间从3-5天可以降低到2小时。

标杆式案例，也对上述生态闭环产生积极的正向作用。

未来，阿博茨将继续进行市场拓展，形成行业解决方案，并加大人才补充和研发投入。

在融资方面，自2015年成立至今，阿博茨已获得天使轮、A轮、B轮合计5亿元的融资，投资方包括源码资本、启明创投、SIG海纳亚洲等知名投资基金，技术与产品得到资本的青睐。亿欧金融通过观察发现，阿博茨的历次融资平均间隔时间一年左右。

目前，距离上次B轮融资恰好一年，当被问及阿博茨的C轮融资进展时， 余宙表示，C轮融资准备启动，主要是为了支持拓展海外市场、扩张销售团队、进行投资并购，并且，阿博茨会与之前实施服务的提供商合作，拓展业务渠道。

君盛投资合伙人兼副总经理李昊认为，国内企业的精细化运作一定是整体的趋势。而阿博茨用科技赋能B端，与金融业深度耦合，冲着解决企业数据处理的刚需问题，使得“数据化、专业化和国产化”成为自身的标签。

瑞·达利欧在《原则》一书中表示，人应该成为机器的一部分而不是机器。随着科技的发展，人工智能技术的迭代，人类越来越多的重复性工作会被机器人替代，而作为金融业的“变革者”阿博茨，所做的也仅仅是一个开始。

编辑：梁杰民

版权声明

本文来源亿欧，经亿欧授权发布，版权归原作者所有。转载或内容合作请点击 转载说明 ，违规转载法律必究。