做数据生意的“爱智慧”：华尔街“叛徒”的中国门徒

“让华尔街人神公愤的“叛徒”。”2014年，《福布斯》杂志给一家美国创业公司冠以了这样一个吸引人眼球的名号。当时，这家名为肯硕（Kensho）的公司成立尚不满一年。

肯硕（Kensho）位于马萨诸塞州剑桥市，由哈佛大学经济学博士纳德勒与程序员彼得·克鲁斯卡尔（Peter Kruskall）联合创立。它宣称将撼动金融分析行业，就像当初谷歌给搜索领域所带来的冲击一样。

比如，你可以像在谷歌进行搜索一样，询问一些复杂的问题——当三级飓风袭击福罗里达州时，哪支水泥股的涨幅会最大？当朝鲜试射导弹时，哪支国防股会涨得最多？当苹果公司发布新iPad时，哪家苹果公司的供应商股价上涨幅度会最大？Kensho的软件都能在短时间给你一个明确的答复。

其背后的黑盒子其实是机器学习以及知识图谱，机器学习系统通过抓取数据和市场信息，搜寻并建立起国际事件及其对资产价格影响之间的相关性，而知识图谱则提供实时的国际事件的画像。Kensho为平台信息配备了直观的搜索工具和数据可视化功能。

2017年，来自福布斯最新报道显示，Kensho已在B轮拿到了5千万美元的融资，由标普国际领投，华尔街最大的六家投行（高盛，摩根大通，美银美林，摩根士丹利，花旗集团和富国银行）都参与了Kensho的B轮融资。这家成立三年半的初创公司，总市值已经达到了五亿美元。

伴随着大数据、算法驱动的人工智能已经进入到金融领域，Kensho这位华尔街“叛徒”的成功经历正在吸引中国门徒的加入，智能投研成为一条火热的创业赛道，爱智慧科技正是其中的竞逐者之一。

这家志在对标Kensho的创业公司由华为公司离职创业、百米生活前CEO梁新刚创办。团队包含了人工智能、 数理统计和金融经济人才，以知识图谱和机器阅读为核心能力，帮助证券投资、医疗、 物流行业企业做经营仿真、预测，辅助决策，利用AI专家系统帮企业提升运营效率、辅助决策。

“整个IT就是excel”

作为一名围棋爱好者，梁新刚决定放弃上市公司CEO的身份的契机是2016年的那场AlphaGo与李世石的大战。在研究阐释AlphaGo算法的论文之后，梁新刚发现，人工智能确实已经达到了能与人类博弈的水平。人工智能对人的替代，来势汹汹，锐不可当。

但为何选择以证券投资作为主赛道？原因在于梁新刚发现了二级市场投资机构的“落后”面貌。在他看来，二级市场投资虽然看似光鲜，但仍是一个“相当传统的作坊式的产业”，尤其是小型证券机构的IT基础设施非常薄弱。Kensho公司创始人纳德勒同样也有类似的经历。其当年在美联储工作期间惊奇地发现，这家全球最具权势的金融监管机构仍然依靠Excel来对经济进行分析。

众所周知的是，传统投资方式主要是投研人员去上市公司调研，了解财务数据、行业信息等来做投资决策。他们所主要依靠的投研工具仍是万得等金融数据服务商，而目前的金融数据提供商只能提供数据资讯，其商业模式也是以卖终端或者卖数据库为主。

这正是智能投研的机会所在。

智能投研，指利用大数据和机器学习等技术，将数据、信息、决策进行智能整合，并实现数据之间的智能化关联，从而提高投资者工作效率和投资能力。简言之，以AI辅助投资机构进行投资决策。

观察爱智慧旗下的金融投资分析问答系统“查尔德”的表现，或许可以一窥目前国内智能投研的产品现状。

在“查尔德”系统输入热门话题、重要事件，系统可自动联想历史相关新闻事件，以及相应时间段的股票走势，提示当下有哪些股票值得关注。

在该系统输入热门投资领域的关键词，如“化工”、“能源”，还会显示该行业上下游产业链、行业动态、原材料价格走势以及投资建议。

梁新刚介绍，“查尔德”采用了事件驱动型投资策略，分析A股基本面资讯对上市公司股价的影响并加以量化，将数据信息转换为投资信号。所谓事件驱动型投资策略，就是通过分析重大事件发生前后对投资标的影响不同而进行的套利。

在梁新刚看来，与传统数据资讯提供商相比，智能投研的最大优势可以带着投资逻辑服务于专业客户群体。如果广泛加以使用，沃伦软件可以撼动长期以来被彭博社和汤姆森路透社（Thomson Reuters）所垄断的260亿美元的金融数据市场。短期颠覆传统金融数据提供商可能性不大,未来金融数据服务市场创新空间巨大。

梁新刚认为，通过海量数据、知识图谱和深度学习能力，机器可以发现事件与事件之间的关联关系，并通过知识图谱实现信息向决策的一步转化，并且这种转化过程是可以通过机器学习逐步自我优化的，甚至可以说会比人类做得更好。

孵化试验田

虽然理论上的前景光明，但在Ai+投资的实际落地中梁新刚遇到了不少难题。

首先，如何实现行业壁垒的建立？

AI自底层向上侵袭

关于智能投研行业，梁新刚描绘了AI从底层向上侵袭的发展路径：机器学习、自然语言处理、知识图谱、增强学习等技术分别对应数据、信息、知识、决策等渐进的投资层次，层层推进，越往金字塔顶端实现的难度越高。行业优势的建立只能通过这一层一层的推进。

梁新刚对这一推进脉络进行了具体解读：

• 在数据层，数据源基本一致，行情数据皆来自于交易所；而机器学习、深度学习技术的算法公开，技术本身的差异不大。
• 在信息层，通用型自然语言处理并不能适用证券行业的深入需求。要想实现对于海量财经新闻资讯的去重合一，只能依靠团队自身实现。去年5月，爱智慧以中文自然语言处理为核心支撑的A股事件驱动才正式上线，其团队负责人来自微软小娜团队。
• 在知识层，最关键的是知识图谱的构建。所谓知识图谱，即是将人类的知识体系外在化，旨在描述客观世界的概念、实体、事件及其之间的关系——简言之，就是谁是谁的“爸爸”，谁是谁的“儿子”，这些概念之间的关系。运用在证券领域，即依靠知识图谱可以实现推测宏观环境和产业板块演进的能力。但知识图谱的构建无法通过自动化实现，耗时长且需要大量人工参与，因此谁先构建完成谁就具备先发优势。梁新刚称，爱智慧已优先构建了证券投资领域规模最大的知识图谱。

梁新刚面临的另一个问题是，对于一家证券行业面对B端的创业公司来说，如何自己趟业务是一个难题。

一方面，AI系统对于基金业绩的影响很难得到如实的反馈。梁新刚称，基金经理倾向于将业绩的良好表现归因与自身决策，而表现不佳则归因于AI系统的“不靠谱”，很难真正界定AI的价值并且找出问题。

另一方面，证券行业很难贴近客户。“在华为工作期间，我甚至可以睡在客户的机房内，新系统如果出现bug可以连夜修改，但是证券投资机构不允许近距离观察。而直接问AI方面的需求，很难问出来。”梁新刚说道。 

这让梁新刚意识到，不自己操盘一只基金是难以获知甲方的真正痛点所在的。因此，梁新刚决定发起一只规模为5000万的阳光私募基金，这只基金将应用“查尔德”系统，被梁视为自己的“试验田”。目前，该基金已经在备案中。

梁新刚坦言，创业一年半以来，公司的主要营收来自向医疗、物流行业企业销售软件授权，针对证券行业的“查尔德”系统仍处于免费试用的阶段，而最新的收费版本正在筹划上线。“毕竟，客户愿不愿意付费才是判断你的服务质量的最重要标准。”梁新刚说道。（本文首发钛媒体，作者/蔡鹏程）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App