達觀數據的春天

楊松

“2023年，我覺得是人工智能進入新階段的一個起點。”

提及當下大熱的ChatGPT，達觀數據董事長、CEO陳運文興奮地告訴《21CBR》記者，其寫出來的內容，相較之前的計算機寫作有了質的飛躍，寫作能力已經超過了普通人。

陳運文覺得，ChatGPT與自己的創業項目，有“非常強的相關性。”達觀對文本進行智能化處理，與ChatGPT本質上是一致的，都使用到了自然語言處理技術。

人工智能技術主要應用在三個方面，語音識別、圖像識別、自然語言處理。前兩個領域進展迅速，已經上市的商湯、科大訊飛等公司，業務均集中在圖像、語音方面。

2008年從復旦大學博士畢業后，陳運文的工作一直圍繞著“人工智能”和“文本”，先后擔任盛大文學首席數據官、騰訊文學高級總監、百度核心技術研發工程師等職務。

2015年，陳運文創辦了專注于智能文本機器人公司達觀數據。創業初期，他組建了一個算法團隊，參加全球算法競賽，兩次獲得世界冠軍。

自然語言處理技術（NLP）因其復雜和高難度，被業內稱為“人工智能皇冠上的明珠”。陳運文覺得團隊的技術實力并不比海外同行差，一頭扎進了自然語言處理技術這個頗具挑戰的領域。

經過7年技術研發，達觀首創了國內第一套文本智能處理IDP處理平臺，行業無錨點OCR文字提取系統，以及獨家開發RPA（機器人流程自動化）文字元素自適應穿透捕獲算法。

產品應用方面，達觀的業務已遍布金融、制造、政務等細分領域，陳運文透露，國內排名前30的券商公司，均是達觀的客戶。

天眼查數據顯示，2022年3月，達觀數據完成C輪5.8億元融資，投資方包括中信證券、招商證券、廣發證券、中信建投等券商，累計融資額超過10億元。這4家券商，投資前均是達觀多年的客戶。

在陳運文看來，AI文本領域的市場規模，并不比視覺領域小。隨著ChatGPT類似技術應用到各個領域，將是千億甚至萬億級別的市場。

達觀數據也迎來了文本AI的春天。陳運文透露，今年公司的營收有望超過歷史上任何一年，預計會完成新一輪融資。

加速研發

ChatGPT 大火，其運用的技術原型，在2017年就誕生了，我們叫做Transformer模型，既可以用來做文檔資料的閱讀理解，也可以用來寫作。

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

行業內有句話，自然語言理解，是人工智能皇冠上的明珠。我之前估計，人工智能的水平超過人類，需要5-10年，現在時間進程大大加快。2023年人工智能進入一個新的階段，標志著新時代的開始。

ChatGPT背后的大模型技術，是通過海量文檔資料進行深度學習，智能程度已經達到非常高的水平。不僅能直接給出選擇題的答案，還可以幫用戶寫代碼、找bug，寫各種各樣的文檔資料。

大家對人工智能的未來前景也越來越樂觀，以前覺得人工智能做不了的事情，接下來會一點一點實現，超過人類的相應能力。

達觀所從事的研究領域，是文檔資料的智能處理，與ChatGPT的工作原理類似。達觀的產品則應用在企業級領域，面向更為垂直的行業。

不過，通用大語言模型與專用模型，有很大差異。如果用戶問ChatGPT一些專業性問題，會發現它的回答可能東拉西扯，說不到重點或不夠深刻。

我曾問過關于自然語言處理領域特別專業的技術知識，它的回復不太好。在垂直領域，還是需要類似達觀所提供的專用語言模型。

在自然語言處理領域，OpenAI（ChatGPT背后的公司）的模式已經走通，我們可以跟隨，并在垂直領域做得更好，未來會有非常優秀的國產語言大模型。

達觀在2021年建立了一個專家工作站，與復旦大學計算機科學技術學院教授黃萱菁合作，她也是國內自然語言處理領域的知名專家。

今年，達觀和復旦大學聯合實驗室的重點任務，在AIGC（AI Generated Content，利用人工智能技術生成內容）領域，爭取推出優秀的成果。

ChatGPT的大熱，也給我們研發團隊更大的壓力。以前覺得技術沒那么快成熟，而美國同行做出了這么優秀的產品，我們需要加速研發進度。

我自己是研發出身，現在也是管研發更多一些。時不我待，近期研發同事都在加班。我對達觀今年的研發期望很大，希望在專用語言模型和知識圖譜方面均有所突破。

深入場景

過去幾年，我們圍繞文檔資料處理，研發了很多相關技術和產品。

比如，針對文檔掃描環節，我們開發了達觀OCR（文字掃描）相關平臺；推出模擬重復性操作文檔資料的RPA功能模塊，不管是紙質還是電子版的文檔資料，達觀平臺都能處理。

針對不同行業，我們在研發產品時，需要行業內大量專有語料數據，對系統進行強化訓練。達觀招聘了很多垂直行業的業務專家，也跟行業領先的公司合作。

比如，和很多金融行業的頭部銀行、證券公司合作，將業務專家的專業知識引入語音模型中，讓系統擁有專家能力。

在金融行業，達觀產品實現大規模落地。金融行業的文書工作很多，比如各種信貸報告、招股書、研報等，需要大量的文檔處理工作，且對準確率要求高，AI系統非常有優勢。

這個領域的人才成本比較高，期望利用AI系統提高效率，達觀產品內嵌到金融公司內部的作業系統中，幾乎是員工日常工作的標配工具。

比如銀行的流水核查，甚至更復雜的財報中數據出現矛盾，通過系統都能鑒別出來。

計算機處理文字資料的效率，大概是普通白領員工的100倍。在持續工作狀態下，準確率保持一致，可以24小時工作，對很多行業來說是非常有價值的。

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

而在證券領域，目前，前30大券商都是達觀的客戶。其中4家頭部企業在幾年前已經使用產品，后來也成為了我們公司的股東。

行業類產品，從研發到成熟到大規模復制普及，整個過程需要一定周期性。所以，達觀會對行業有所選擇，看潛在客戶在文檔資料領域的需求，是否有行業普適性。

我們通常從市場容量高的行業優先切入，目前布局了金融、制造等板塊。

在自然語音處理領域，國內外有很多大平臺，比如百度、谷歌都有多年積淀。相較這些巨頭，達觀的優勢在于垂直領域。

達觀團隊通過與行業客戶合作，可以積累很多專用的語料大數據，即便是搜索引擎也是很難獲得的。

就整個行業來看，互聯網巨頭未來可能會推出面向個人用戶端的通用語言大模型，而類似達觀這類TOB初創公司，則專注于垂直領域的專用大模型，會有一個差異化發展路徑。

在文檔資料領域，除了審核還有寫作環節。智能化寫作將是達觀重要的技術突破點，完成之后就能形成產品閉環。

萬億市場

在去年的艱難環境中，我們是AI行業增長最快的公司，團隊做了很多努力，挺不容易的。

今年整個經濟形勢及市場信心回暖得非常快，我覺得今年的收入和業務發展，應該超過公司歷史上任何一年。

我今年更關注產品研發，有了優秀的產品，可以迅速帶動業務。

年內我們會推出國產的語言大模型，并且會用于幾個垂直領域，比如工業制造、零售供應鏈、金融等。

2030 年，AIGC 市場規模將超過萬億人民幣

未來，人工智能并不是完全替代人力，而是變成“人機協同”。

寫作也是很多客戶的痛點之一，人寫作的速度是非常慢的，我們做過測算，一個人平均寫1000字左右的文檔，A4紙大概一頁半紙，差不多需要2到3個小時。

如果用AI系統去寫作，這個時間可以縮短到一分鐘之內，對效率的提升是非常巨大的。我相信未來AI工具和人結合，能夠讓各行各業的專業文書寫作更為高質高效。

我們預估過，把所有文本文字資料處理的工作加起來，未來有AI滲透進去的話，將是一個萬億級市場。

目前，市場上有相關技術能力的創業公司并不多，行業門檻挺高的，需要很強的研發能力，并在行業中有很深的技術積淀，才敢啃自然語言處理這塊“硬骨頭”。

隨著ChatGPT大熱，近期想找達觀投資的機構挺多的，我們考慮今年推進新一輪的融資。

科創板目前還沒有自然語言處理或者文本語義處理的上市公司。圖像、文字、語音是人工智能的三個大賽道，圖像已經有幾家公司上市了，語音有科大訊飛，文字則沒有。

所以，我們有機會扛起這面大旗，做科創板文字AI“第一股”。