|
在美国，Kensho的B轮资方有S&P Global、高盛、摩根大通、花旗集团、富国银行等；AlphaSense的数百名客户中有摩根大通、Parnassus Investments、瑞士信贷、甲骨文等。但在中国，我们还没看到智能投研领域的独角兽。36氪此前报道过一些“将AI应用到投研工具”的国内公司，大多集中在A轮或更早期，讲述的故事很美，但产品落地缓慢。 庖丁科技CEO高大光在认识到投行业务中存在的诸多痛点后，在2016年结识了来自腾讯和中科院的技术专家，并合伙成立了庖丁科技。团队决定走2B路线（现阶段看，2C的智能投顾确实不像是好方向），并先从金融文档结构化做起，将AI与金融数据分析结合，帮助投行提高投研的效率和能力。 今年4月，庖丁科技在微信公众号“债有主”上发布了债券存续期管理工具，用户通过PC上传Word版债券募集说明书后约半小时，微信会显示AI在后台核验到说明书中可能出现的财务数据错误和冲突；5月，庖丁科技又上线了一款基于人工智能的复核工具，能帮券商比较标的和竞品间的同一指标，智能甄别和尽调。 目前复核工具免费开放，一是为了节约金融从业人员的时间和成本，二是在投行圈里扩大知名度和口碑影响力，庖丁科技在下一阶段BD券商时，有落地产品做说明和参照，增强其付费意愿。B端粘性强，庖丁科技将发掘需求，在尽调和投研上定制更深层的产品和服务。 高大光对金融机构的付费意愿持乐观态度，高大光表示，虽然在金融领域，AI产品还处于教育阶段，但是目前已经有许多机构主动找到庖丁科技，希望通过部署产品来升级成为“AI金融机构”。除了趋势利好以外，目前其AI复核工具已经可以将券商中复核文件的团队人数从20人降低至5人，帮助金融机构节省下了大量的人工成本。 同时，庖丁科技也在研发“AI自动撰写金融文档”。对于机器来说，这件事也许比复核更简单，因为文档的结构更清晰，即使处理非结构化的数据，也有规律可循。金融知识图谱在底层提供支持，供计算机搜索、比对和分析。 庖丁科技的金融知识图谱主要来自于二级市场公开信息。此外，用户还上传了超过1000份金融文档，考虑到数据保密问题，庖丁科技已经完成开发支持私有部署的版本。当然，光有数据源还不够，准确度更重要，毕竟金融从业者们知道AI也会犯错。 庖丁科技对已上市的1000多只债券的募集说明书做了自动分析和人工确认，发现其中70%存在数据不一致。在用户上传的金融文档中有98.4%存在数据冲突；每篇出错的文档，平均包含6.5个错误。因此，专家组做出模块，按规则预处理数据，教AI采集和处理数据的逻辑，学习组再复核计算机的错误和冗余，教机器不犯重复错误，以此训练AI的精度。 “AI分析文档”的可延伸性强，金融外也有不少应用场景（比如法律文书），不过高大光表示，金融需求巨大，比如一、二级市场虽然知识库不同，但财务模型、报表和商业逻辑却是相通的，庖丁科技会专注自身基因和资源所在的领域中。 盈利方面，高大光告诉36氪，未来除了目前产品本身的收费以外，产品本身可以收集到一二级市场各个行业的数据，通过对比核对，可以推算出各个行业的背后的资本市场，资金动态等宏观信息。而了解各种行业的所有数据只可能使用AI技术实现，庖丁科技正在构建不同于传统知识图谱的新一代“资本全景动态系统”。而这些数据将是投资人做决策时的主要依据，未来通过这类数据变现的想象空间自然也是巨大的。 团队方面，联合创始人兼董事长林得苗，毕业于清华大学，曾就职于惠普和腾讯，曾开发Top 10的App应用，如限时免费大全等产品。联合创始人兼CEO高大光，金融及法律背景，曾供职Power Corporation of Canada、香港联交所、中信证券。联合创始人兼首席科学家罗平，中科院计算所研究员及博士生导师，10年智能算法研究应用经验，拥有10项美国专利，微信人工智能首席科学顾问。 庖丁科技曾于2017年9月获得千万元级的融资，目前正在寻求新一轮融资。 |
