金融领域的知识处理，是当前金融行业面临的最大挑战之一。以资管机构为例，市场信息和数据以碎片化方式存在于各式研究报告和电子邮件中，信息的收集消耗了企业大量人力资源。其次，数据文件类型大多以PDF为主，研究员只能通过机械重复的工作去逐条记录并处理。在分析过程中，研究员必须在大量的数据中去选择和甄别，这导致信息的正确性和准确性都存在不确定因素。
金融作为一个劳动密集型产业，工作效率和员工体验是企业亟待解决的问题。金融从业者自嘲为“表哥、表妹、金融民工”，是因为重复机械的数据处理工作占据了大部分时间，不仅使得从业者本身工作体验极差，也让金融公司面对了人力资源的浪费和高离职率的双重困扰。
由于工作内容的机械性以及准确性的问题，人工智能技术在金融领域的应用变得越来越多。同期国内外经济形势的变化，也让金融机构更加重视科技的作用和价值。
阿博茨成立于2016年7月，其创始人杨永智曾是中国最早的移动互联网产品海豚浏览器创始人。作为一家金融科技公司，阿博茨专注于推动人工智能在金融领域应用落地，主要向银行、交易所、资管机构等提供人工智能解决方案。
基于成熟的产品销售团队和人工智能、大数据、金融量化领域的专业人才，阿博茨具备了较强的技术产品化和产品商业化能力。通过与国内外数十家金融机构合作，阿博茨打磨了一套成熟的AI+金融解决方案体系，目前客户已覆盖交易所、保险资管、券商、公募基金、主权基金、FOF、私募在内的数十家金融机构及企业，典型客户如香港交易所、新加坡国家主权基金、中金公司、汇添富基金等。
阿博茨的人工智能解决方案依托的底层核心技术包括计算机视觉、机器学习、自然语言处理（NLP）和知识图谱。
基于底层技术，阿博茨将金融机构内部的报告、文件等利用计算机视觉识别，包括文字和图表，用NLP技术解析，将结构化数据汇集后形成知识图谱然后再进行加工分析，最终以BI的形式展示出来。
阿博茨的产品，基于底层核心技术，构建了非结构化数据机器学习、结构化数据搜索可视化和知识图谱三大引擎。例如客户通用性需求智能搜索，阿博茨向客户提供可视化搜索引擎，在特定场景中，重复性工作可以通过系统固化下来，主要应用于投研、风控等场景。阿博茨通过私有化部署将公司研发的各类工具赋能给客户。
在投研场景中，研究员需要把财务报告、招股书、债券募集书、合同、单据等材料中的数据提取出来，将数据结构化，继而进行研究分析，图表是研究分析中最常见的表现形式。从AI的角度讲，这是对于数据从感知到认知到可视化的过程。
阿博茨通过让AI阅读大量的研报，使之具备了感知能力，能够将非结构化数据，包括研报、公告、邮件、新闻和图片中的数据提取出来。例如，计算机视觉技术将图片中的内容转换为文字，即像素转化为文字。
认知层面，是通过自然语言理解的方式在金融领域进行模型训练，帮助AI理解数据内容和意义，再帮助客户把信息导入系统或者Excel中。例如财务报表中逗号是单位的分隔符还是一个金融单位。招股书中，该公司发行了多少股票，每股价格等等。
阿博茨通过可视化搜索引擎向客户展示分析结果。举个例子，将五粮液和茅台过去二十年的利润进行比较，AI会将自然语言翻译成机器语言，帮助研究员把相关数据从海量数据中选择出来，再进行可视化展示。
阿博茨创始人杨永智指出：“AI公司亟需解决两个问题，技术产品化和产品商业化。公司的产品是否对客户有价值，能否把客户服务好，这是最大的挑战和壁垒。”
从技术产品化角度来看，阿博茨通过AI技术赋予产品数据结构化能力。与其他智能投研公司使用的OCR技术不同，阿博茨通过计算机视觉和NLP提取和结构化数据，形成知识图谱后进行加工分析。OCR仅仅将一个自然语言翻译成了一个字段，无法向客户输出有效信息。
在投研、风控等高频次、核心场景中，阿博茨用人工智能技术完善了了产品的功能，形成了较为完整的闭环。对于通用性工具而言，阿博茨与业内头部客户进行合作，使用市场公开数据和客户内部数据来优化模型，经历优化之后模型可以复制至其他同类型客户。
Ui Path在今年5月份完成了5.68亿美元的融资，间接刺激了RPA在国内的火热发展。尽管阿博茨不属于RPA公司，但杨永智表示，阿博茨与RPA公司之间界限非常模糊，业务上很容易自然而然延伸过去。目前大部分RPA公司并不接受给第三方接入，阿博茨却将RPA平台化，向合作伙伴提供应用和工具。
在产品商业化的过程中，阿博茨提供标准化产品，仅需第三方实施即可。合作伙伴可以根据自己的需求开发和训练模型，接入实际业务场景中。
近期，爱分析对阿博茨创始人、CEO杨永智先生进行了访谈。访谈中，杨永智对于AI在金融行业的应用、以及阿博茨业务、战略进行了阐述，摘选部分内容如下。
爱分析：金融行业有哪些特点？
杨永智：金融行业的特点主要有三点；第一是劳动密集型，即大部分金融从业者从事着简单重复的劳动。第二是关系驱动系。第三点是premium focus，即金融机构80%的业绩来自于20%的客户。
爱分析：阿博茨如何定义金融从业者的工作流程？
杨永智：我们将金融从业者的工作分为两个步骤：首先是数据结构化，即把报告、合同、单据等文件中的数据提取出来并结构化。其次数据结构化之后需要做分析工作。
爱分析：人工智能技术应用到哪些环节？
杨永智：基本技术流程是将金融机构内部的报告、文件等利用计算机视觉识别出来，包括文字和图表，用NLP技术解析，将结构化数据抽取出来，形成知识图谱然后可以再进行加工分析，以可视化方式输出。
爱分析：交付形式是怎样的？
杨永智：一般都是私有化部署，这个过程中很少需要驻场，布署时间在3-6个月。私有化部署之后阿博茨可以将优化的引擎拿出来，阿博茨具有该引擎的知识产权。
爱分析：与其他智能投研公司在技术层面上有什么区别？
爱分析：很多公司用OCR技术在做，阿博茨是用机器视觉和NLP去处理数据。其中区别在于，OCR仅将文字识别出来，但是并没有做到数据结构化这一步骤。举个例子，仅用OCR是无法知道哪个是X轴，哪个是Y轴。阿博茨在前期研发过程中做一些数据的训练，帮助AI对于X轴或者Y轴表头进行理解。
爱分析：阿博茨从前端数据处理到后面可视性分析和可视性展现的产品跟其他BI公司的产品有什么区别？
杨永智：阿博茨与传统BI公司的区别在于；阿博茨更深入的挖掘应用场景，同时需要对业务有一定的理解，不是简单的把一个自然语言翻译成一个字段，这背后需要知识图谱技术支持。
爱分析：阿博茨的客户主要是那些群体？
杨永智：最开始以买方为主，从前台的研究员，基金经理开始，后来到风控，其实前中后台可能都需要数据处理。目前公司的主要客户是金融机构，但是其他类型公司也有一些，例如赌场、酒店等。因为技术是通用的，只是应用于不同的场景而已。
我们目前核心客户群是资管机构，今年也在尝试拓展银行客户。
爱分析：银行客户目前以哪类为主？
杨永智：目前以城商行为主，股份制银行也有一些。今年预计会签5到10家银行。
爱分析：银行端的话，阿博茨会切入哪类客群？
杨永智：主要以银行资管子公司和下属部门为主。未来越来越多的银行会成立资管子公司，同时银行的风控、信用卡等部门有很多非结构化数据需要处理和分析。以风控部门为例，风控部门需要处理财务报告、合同单据数据等。这里面很多工作都可以被机器代替实现自动化处理。
爱分析：与银行的合作模式是怎样？
杨永智：阿博茨与银行客户合作模式是，先研发工具性产品，然后在某些场景内标准化。最后复制到不同的银行客户。
爱分析：目前经济形势对客户有什么影响？
杨永智：资管机构受到的影响比较大，银行、保险等以债券投资为主的客户对于短期经济的波动没那么敏感。同时在经济形势不好的情况下，科技的作用和价值逐渐凸显出来，客户更加看重科技的应用。
爱分析：阿博茨的产品在国内销售的时候，是否会打包成一个系统整体出售？如说投研、风控等场景下。
杨永智：看客户的需求，有些客户会专门采购数据处理的工具。更多的还是看场景，目前是风控和投研这两个场景比较多，同时阿博茨的产品也在慢慢的渗透到机构中后台，帮助客户就优化流程，提高效率。提高效率是一个方面，同时让员工满意度更高。
爱分析：通过什么样的契机从前台向后台切入？
杨永智：通过标杆客户去教育市场。
爱分析：产品的优势在哪？
杨永智：首先第一点是机器可以降低错误出现的频率，第二点就是效率的提升，获取信息的速度更快，做决策的速度就更快。
爱分析：阿博茨相比与同行竞品，其优势在哪？
杨永智：我认为To B的公司解决的是两个问题，技术产品化和产品商业化。是否对客户有价值，能否把客户服务好，这是最大的挑战和壁垒。
和同行竞品相比的话，我认为每家的打法或者切入点都各有千秋，没有完全一模一样的，跟阿博茨在不同程度上都一定的竞争关系。
目前来说，阿博茨的优势在于没有明显的短板，在技术产品化和产品商业化这两方面做的还不错。
爱分析：技术产品化的挑战在哪几个环节上？
杨永智：我认为第一个是场景的选择，包括场景的频次、痛点，是不是企业核心业务。第二点就是产品否能落地，客户体验如何，功能是否完善稳定。
爱分析：如何打通场景？
杨永智：某些场景如果具备高频、延展性强等特质，能够从研究端延伸到投资甚至是投后、风控等场景。阿博茨就会切入这种高频、核心的场景。
非核心场景中，阿博茨更愿意把能力开放出来，跟合作伙伴去合作，这个叫工具路线。
如果能形成闭环，且频次较高，阿博茨会把场景化的闭环做完整，因为频次高的场景具有足够的价值。如果这个需求很分散且非刚需，阿博茨就把这个能力开放出来，客户自建系统也好，与别人合作也行，因为通用性工具势必会远离场景，最后平台化、工具化。两种方式我们其实都有，不是绝对的。
爱分析：目前来看，投研和风控哪一部分做的更好？
杨永智：风控做的更好一些，阿博茨将客户内部数据和公开数据联合起来，根据客户的资产类别、风险偏好帮助他们训练模型。
爱分析：阿博茨如何切入决策环节？
杨永智：投研是做决策的前提，投研需要大量数据分析做支撑，如果不从投研场景做起，是无法切入决策环节。阿博茨希望从投研开始，逐渐切入决策环节。
爱分析：如何看待阿博茨在金融行业的发展前景？
杨永智：我认为眼下人工智能科技在金融领域的应用处于拐点之上。因为金融行业目前呈现了三个特征，第一点是服务同质化。第二点是金融行业是一个比较依赖人才的行业，同时人员流动性又导致行业经验、理论知识无法沉淀，模型和系统可以帮助金融企业去沉淀这些。第三点是科技本身在不断启迪金融从业者，居安思危吧。
爱分析：金融市场是否是阿博茨未来的发展方向？
杨永智：未来3到5年，金融市场肯定是公司主要收入来源，至少占到50%以上的收入，其中银行会占到一半以上。然后从整个行业的角度来讲，我认为一两年之后，海外市场的产值可能会超过一百亿，因为海外市场的付费服务习惯更好。例如，阿博茨的海外客户都是按页收费，阿博茨在海外市场一年的营收在几百万。阿博茨海外客户包括对冲基金、交易所、养老基金。
爱分析：国内金融市场能支撑阿博茨做到多大的规模？
杨永智：只是考虑金融市场的话，假设五年以后能进入一个比较成熟的阶段。预计阿博茨在国内市场的收入能达到二三十亿。
爱分析：阿博茨业务的发展趋势？
杨永智：未来阿博茨还是优先解决金融机构中通用需求，希望横向供给持续加强。至于业务场景的话，还是一个场景一个场景去扩展。
爱分析：阿博茨满足非金融类客户何种需求？
杨永智：非金融类客户也有数据结构化的需求，比如赌场需要对赌客的数据作分析，这类客户基本买的都是阿博茨的引擎。
爱分析：阿博茨是否会专注于引擎的研发，而将前端业务与其他合作伙伴分享？
杨永智：这是一个资源分配的问题，首先要保证阿博茨的引擎是领先，第一优先级定是确保阿博茨的核心能力在不断升级。如果有些场景阿博茨无法覆盖，也会愿意与合作伙伴合作。
目前，阿博茨专注于资管机构的投研和风控场景，运营系统会与合作伙伴一起合作。阿博茨提供标准化的产品，仅需要第三方实施。
这点与UI Path有些类似，只不过UI Path的AI是第三方提供的，而阿博茨的引擎是自己研发。
爱分析：金融市场中智能投研公司的存活率未来会是什么样子？
杨永智：我认为未来存活率会比较高，但是大部分公司规模会受到限制。
我认为核心原因，第一个是业务场景比较狭窄。没有足够多的资本支持，就无法做横向、长期的扩张。场景越垂直，与客户需求越贴近，公司业务可以触达到的客群就越狭窄。深度和广度相互排斥的两个因素，通用性越强，客单价越低，但触达到的客户群体就越多。
我认为大部分公司无法在业绩上实现快速增长，导致资本投入跟不上，继而无法覆盖更多场景。最后会导致公司在横向和纵向发展出现问题，形成了公司聚焦于原有客户，无法继续发展的局面。
爱分析：阿博茨的团队规模如何？
杨永智：目前阿博茨有250人左右，其中80%都是技术人员，七八十人在负责底层AI和算法的部分。
目前团队人数可能还会增加，主要是销售团队需要扩张。
爱分析：今年预计收入和客户数量在什么水平？
杨永智：阿博茨2018年的收入在几千万。今年的目标是上亿，增速预计是去年的3到5倍。
客户数量大概二三十个。
爱分析：目前获客的方式？
杨永智：主要是直销为主，慢慢开始有一些合作伙伴。
爱分析：这类合作伙伴以什么类型公司为主？
杨永智：一般是咨询顾问公司、人力外包公司为主。
爱分析：今年是否考虑融资？
杨永智：会考虑融资，具体看市场形势。上一轮融资是去年年底做完的。
爱分析：下一轮融资对融资人有什么需求？
杨永智：以财务投资为主，可能会加一些战略投资方。
爱分析：公司什么时候能实现盈利？
杨永智：明年估计可以，前期投入比较多。主要是研发人员的成本比较高。
爱分析：单个项目的毛利大概是多少？
杨永智：目前单个项目的毛利在6070%左右，实施成本在1020%之间。
因为销售规模还不够大，还需要进一步摊薄研发成本。
爱分析：客单价大概在什么水平？付费模式是怎样的？
杨永智：国内业务按项目付费，头部客户客单价三五百万，小一些的一两百万。国外市场全部算作SaaS工具服务费，按解析工作量付费，一页0.4~0.5美元，一次打包在500万以上。
来源：https://blog.csdn.net/qq_45504862/article/details/102462909