達(dá)觀數(shù)據(jù)的春天

楊松

“2023年，我覺(jué)得是人工智能進(jìn)入新階段的一個(gè)起點(diǎn)。”

提及當(dāng)下大熱的ChatGPT，達(dá)觀數(shù)據(jù)董事長(zhǎng)、CEO陳運(yùn)文興奮地告訴《21CBR》記者，其寫(xiě)出來(lái)的內(nèi)容，相較之前的計(jì)算機(jī)寫(xiě)作有了質(zhì)的飛躍，寫(xiě)作能力已經(jīng)超過(guò)了普通人。

陳運(yùn)文覺(jué)得，ChatGPT與自己的創(chuàng)業(yè)項(xiàng)目，有“非常強(qiáng)的相關(guān)性?！边_(dá)觀對(duì)文本進(jìn)行智能化處理，與ChatGPT本質(zhì)上是一致的，都使用到了自然語(yǔ)言處理技術(shù)。

人工智能技術(shù)主要應(yīng)用在三個(gè)方面，語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理。前兩個(gè)領(lǐng)域進(jìn)展迅速，已經(jīng)上市的商湯、科大訊飛等公司，業(yè)務(wù)均集中在圖像、語(yǔ)音方面。

2008年從復(fù)旦大學(xué)博士畢業(yè)后，陳運(yùn)文的工作一直圍繞著“人工智能”和“文本”，先后擔(dān)任盛大文學(xué)首席數(shù)據(jù)官、騰訊文學(xué)高級(jí)總監(jiān)、百度核心技術(shù)研發(fā)工程師等職務(wù)。

2015年，陳運(yùn)文創(chuàng)辦了專注于智能文本機(jī)器人公司達(dá)觀數(shù)據(jù)。創(chuàng)業(yè)初期，他組建了一個(gè)算法團(tuán)隊(duì)，參加全球算法競(jìng)賽，兩次獲得世界冠軍。

自然語(yǔ)言處理技術(shù)（NLP）因其復(fù)雜和高難度，被業(yè)內(nèi)稱為“人工智能皇冠上的明珠”。陳運(yùn)文覺(jué)得團(tuán)隊(duì)的技術(shù)實(shí)力并不比海外同行差，一頭扎進(jìn)了自然語(yǔ)言處理技術(shù)這個(gè)頗具挑戰(zhàn)的領(lǐng)域。

經(jīng)過(guò)7年技術(shù)研發(fā)，達(dá)觀首創(chuàng)了國(guó)內(nèi)第一套文本智能處理IDP處理平臺(tái)，行業(yè)無(wú)錨點(diǎn)OCR文字提取系統(tǒng)，以及獨(dú)家開(kāi)發(fā)RPA（機(jī)器人流程自動(dòng)化）文字元素自適應(yīng)穿透捕獲算法。

產(chǎn)品應(yīng)用方面，達(dá)觀的業(yè)務(wù)已遍布金融、制造、政務(wù)等細(xì)分領(lǐng)域，陳運(yùn)文透露，國(guó)內(nèi)排名前30的券商公司，均是達(dá)觀的客戶。

天眼查數(shù)據(jù)顯示，2022年3月，達(dá)觀數(shù)據(jù)完成C輪5.8億元融資，投資方包括中信證券、招商證券、廣發(fā)證券、中信建投等券商，累計(jì)融資額超過(guò)10億元。這4家券商，投資前均是達(dá)觀多年的客戶。

在陳運(yùn)文看來(lái)，AI文本領(lǐng)域的市場(chǎng)規(guī)模，并不比視覺(jué)領(lǐng)域小。隨著ChatGPT類似技術(shù)應(yīng)用到各個(gè)領(lǐng)域，將是千億甚至萬(wàn)億級(jí)別的市場(chǎng)。

達(dá)觀數(shù)據(jù)也迎來(lái)了文本AI的春天。陳運(yùn)文透露，今年公司的營(yíng)收有望超過(guò)歷史上任何一年，預(yù)計(jì)會(huì)完成新一輪融資。

加速研發(fā)

ChatGPT 大火，其運(yùn)用的技術(shù)原型，在2017年就誕生了，我們叫做Transformer模型，既可以用來(lái)做文檔資料的閱讀理解，也可以用來(lái)寫(xiě)作。

我印象中人工智能上一次這么熱，還是2016年AlphaGo下圍棋。6年之后又有一個(gè)非常巨大的技術(shù)突破，挺鼓舞人心的。

行業(yè)內(nèi)有句話，自然語(yǔ)言理解，是人工智能皇冠上的明珠。我之前估計(jì)，人工智能的水平超過(guò)人類，需要5-10年，現(xiàn)在時(shí)間進(jìn)程大大加快。2023年人工智能進(jìn)入一個(gè)新的階段，標(biāo)志著新時(shí)代的開(kāi)始。

ChatGPT背后的大模型技術(shù)，是通過(guò)海量文檔資料進(jìn)行深度學(xué)習(xí)，智能程度已經(jīng)達(dá)到非常高的水平。不僅能直接給出選擇題的答案，還可以幫用戶寫(xiě)代碼、找bug，寫(xiě)各種各樣的文檔資料。

大家對(duì)人工智能的未來(lái)前景也越來(lái)越樂(lè)觀，以前覺(jué)得人工智能做不了的事情，接下來(lái)會(huì)一點(diǎn)一點(diǎn)實(shí)現(xiàn)，超過(guò)人類的相應(yīng)能力。

達(dá)觀所從事的研究領(lǐng)域，是文檔資料的智能處理，與ChatGPT的工作原理類似。達(dá)觀的產(chǎn)品則應(yīng)用在企業(yè)級(jí)領(lǐng)域，面向更為垂直的行業(yè)。

不過(guò)，通用大語(yǔ)言模型與專用模型，有很大差異。如果用戶問(wèn)ChatGPT一些專業(yè)性問(wèn)題，會(huì)發(fā)現(xiàn)它的回答可能東拉西扯，說(shuō)不到重點(diǎn)或不夠深刻。

我曾問(wèn)過(guò)關(guān)于自然語(yǔ)言處理領(lǐng)域特別專業(yè)的技術(shù)知識(shí)，它的回復(fù)不太好。在垂直領(lǐng)域，還是需要類似達(dá)觀所提供的專用語(yǔ)言模型。

在自然語(yǔ)言處理領(lǐng)域，OpenAI（ChatGPT背后的公司）的模式已經(jīng)走通，我們可以跟隨，并在垂直領(lǐng)域做得更好，未來(lái)會(huì)有非常優(yōu)秀的國(guó)產(chǎn)語(yǔ)言大模型。

達(dá)觀在2021年建立了一個(gè)專家工作站，與復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院教授黃萱菁合作，她也是國(guó)內(nèi)自然語(yǔ)言處理領(lǐng)域的知名專家。

今年，達(dá)觀和復(fù)旦大學(xué)聯(lián)合實(shí)驗(yàn)室的重點(diǎn)任務(wù)，在AIGC（AI Generated Content，利用人工智能技術(shù)生成內(nèi)容）領(lǐng)域，爭(zhēng)取推出優(yōu)秀的成果。

ChatGPT的大熱，也給我們研發(fā)團(tuán)隊(duì)更大的壓力。以前覺(jué)得技術(shù)沒(méi)那么快成熟，而美國(guó)同行做出了這么優(yōu)秀的產(chǎn)品，我們需要加速研發(fā)進(jìn)度。

我自己是研發(fā)出身，現(xiàn)在也是管研發(fā)更多一些。時(shí)不我待，近期研發(fā)同事都在加班。我對(duì)達(dá)觀今年的研發(fā)期望很大，希望在專用語(yǔ)言模型和知識(shí)圖譜方面均有所突破。

深入場(chǎng)景

過(guò)去幾年，我們圍繞文檔資料處理，研發(fā)了很多相關(guān)技術(shù)和產(chǎn)品。

比如，針對(duì)文檔掃描環(huán)節(jié)，我們開(kāi)發(fā)了達(dá)觀OCR（文字掃描）相關(guān)平臺(tái)；推出模擬重復(fù)性操作文檔資料的RPA功能模塊，不管是紙質(zhì)還是電子版的文檔資料，達(dá)觀平臺(tái)都能處理。

針對(duì)不同行業(yè)，我們?cè)谘邪l(fā)產(chǎn)品時(shí)，需要行業(yè)內(nèi)大量專有語(yǔ)料數(shù)據(jù)，對(duì)系統(tǒng)進(jìn)行強(qiáng)化訓(xùn)練。達(dá)觀招聘了很多垂直行業(yè)的業(yè)務(wù)專家，也跟行業(yè)領(lǐng)先的公司合作。

比如，和很多金融行業(yè)的頭部銀行、證券公司合作，將業(yè)務(wù)專家的專業(yè)知識(shí)引入語(yǔ)音模型中，讓系統(tǒng)擁有專家能力。

在金融行業(yè)，達(dá)觀產(chǎn)品實(shí)現(xiàn)大規(guī)模落地。金融行業(yè)的文書(shū)工作很多，比如各種信貸報(bào)告、招股書(shū)、研報(bào)等，需要大量的文檔處理工作，且對(duì)準(zhǔn)確率要求高，AI系統(tǒng)非常有優(yōu)勢(shì)。

這個(gè)領(lǐng)域的人才成本比較高，期望利用AI系統(tǒng)提高效率，達(dá)觀產(chǎn)品內(nèi)嵌到金融公司內(nèi)部的作業(yè)系統(tǒng)中，幾乎是員工日常工作的標(biāo)配工具。

比如銀行的流水核查，甚至更復(fù)雜的財(cái)報(bào)中數(shù)據(jù)出現(xiàn)矛盾，通過(guò)系統(tǒng)都能鑒別出來(lái)。

計(jì)算機(jī)處理文字資料的效率，大概是普通白領(lǐng)員工的100倍。在持續(xù)工作狀態(tài)下，準(zhǔn)確率保持一致，可以24小時(shí)工作，對(duì)很多行業(yè)來(lái)說(shuō)是非常有價(jià)值的。

例如進(jìn)出口企業(yè)，海外訂單可能是半夜才到，需要系統(tǒng)立即處理，而不是等到第二天員工上班才去處理。

而在證券領(lǐng)域，目前，前30大券商都是達(dá)觀的客戶。其中4家頭部企業(yè)在幾年前已經(jīng)使用產(chǎn)品，后來(lái)也成為了我們公司的股東。

行業(yè)類產(chǎn)品，從研發(fā)到成熟到大規(guī)模復(fù)制普及，整個(gè)過(guò)程需要一定周期性。所以，達(dá)觀會(huì)對(duì)行業(yè)有所選擇，看潛在客戶在文檔資料領(lǐng)域的需求，是否有行業(yè)普適性。

我們通常從市場(chǎng)容量高的行業(yè)優(yōu)先切入，目前布局了金融、制造等板塊。

在自然語(yǔ)音處理領(lǐng)域，國(guó)內(nèi)外有很多大平臺(tái)，比如百度、谷歌都有多年積淀。相較這些巨頭，達(dá)觀的優(yōu)勢(shì)在于垂直領(lǐng)域。

達(dá)觀團(tuán)隊(duì)通過(guò)與行業(yè)客戶合作，可以積累很多專用的語(yǔ)料大數(shù)據(jù)，即便是搜索引擎也是很難獲得的。

就整個(gè)行業(yè)來(lái)看，互聯(lián)網(wǎng)巨頭未來(lái)可能會(huì)推出面向個(gè)人用戶端的通用語(yǔ)言大模型，而類似達(dá)觀這類TOB初創(chuàng)公司，則專注于垂直領(lǐng)域的專用大模型，會(huì)有一個(gè)差異化發(fā)展路徑。

在文檔資料領(lǐng)域，除了審核還有寫(xiě)作環(huán)節(jié)。智能化寫(xiě)作將是達(dá)觀重要的技術(shù)突破點(diǎn)，完成之后就能形成產(chǎn)品閉環(huán)。

萬(wàn)億市場(chǎng)

在去年的艱難環(huán)境中，我們是AI行業(yè)增長(zhǎng)最快的公司，團(tuán)隊(duì)做了很多努力，挺不容易的。

今年整個(gè)經(jīng)濟(jì)形勢(shì)及市場(chǎng)信心回暖得非?？欤矣X(jué)得今年的收入和業(yè)務(wù)發(fā)展，應(yīng)該超過(guò)公司歷史上任何一年。

我今年更關(guān)注產(chǎn)品研發(fā)，有了優(yōu)秀的產(chǎn)品，可以迅速帶動(dòng)業(yè)務(wù)。

年內(nèi)我們會(huì)推出國(guó)產(chǎn)的語(yǔ)言大模型，并且會(huì)用于幾個(gè)垂直領(lǐng)域，比如工業(yè)制造、零售供應(yīng)鏈、金融等。

2030 年，AIGC 市場(chǎng)規(guī)模將超過(guò)萬(wàn)億人民幣

未來(lái)，人工智能并不是完全替代人力，而是變成“人機(jī)協(xié)同”。

寫(xiě)作也是很多客戶的痛點(diǎn)之一，人寫(xiě)作的速度是非常慢的，我們做過(guò)測(cè)算，一個(gè)人平均寫(xiě)1000字左右的文檔，A4紙大概一頁(yè)半紙，差不多需要2到3個(gè)小時(shí)。

如果用AI系統(tǒng)去寫(xiě)作，這個(gè)時(shí)間可以縮短到一分鐘之內(nèi)，對(duì)效率的提升是非常巨大的。我相信未來(lái)AI工具和人結(jié)合，能夠讓各行各業(yè)的專業(yè)文書(shū)寫(xiě)作更為高質(zhì)高效。

我們預(yù)估過(guò)，把所有文本文字資料處理的工作加起來(lái)，未來(lái)有AI滲透進(jìn)去的話，將是一個(gè)萬(wàn)億級(jí)市場(chǎng)。

目前，市場(chǎng)上有相關(guān)技術(shù)能力的創(chuàng)業(yè)公司并不多，行業(yè)門(mén)檻挺高的，需要很強(qiáng)的研發(fā)能力，并在行業(yè)中有很深的技術(shù)積淀，才敢啃自然語(yǔ)言處理這塊“硬骨頭”。

隨著ChatGPT大熱，近期想找達(dá)觀投資的機(jī)構(gòu)挺多的，我們考慮今年推進(jìn)新一輪的融資。

科創(chuàng)板目前還沒(méi)有自然語(yǔ)言處理或者文本語(yǔ)義處理的上市公司。圖像、文字、語(yǔ)音是人工智能的三個(gè)大賽道，圖像已經(jīng)有幾家公司上市了，語(yǔ)音有科大訊飛，文字則沒(méi)有。

所以，我們有機(jī)會(huì)扛起這面大旗，做科創(chuàng)板文字AI“第一股”。