这是一家,很清晰自己要做什么的企业。
当前,金融产业环境仍存在众多不确定因素,面对此,或许我们祈祷,“黑天鹅”事件不再出现,或许,我们也可以积极一些,沉淀形成数字化、智能化能力,来应对不确定性挑战和风险。
合合信息给出的答案,是三个「很确定」。
合合信息「很确定」,只有人工智能和大数据的技术沉淀,才能顺利实现金融业数字化转型;合合信息也「很确定」,只有将市场进一步下沉,拿出匹配的行业和用户的产品,才能更有效地催生新的商业模式,带来全面的产业升级;合合信息还更加「很确定」,只有坚持用户体验为王,坚持取得行业与用户的高度认可,才能更大地释放金融业智能化潜能。
深耕AI十余年
没听过「合合信息」?但你或许听过,名片全能王(CC名片)。通过微信小程序就能交换名片,使用者还可以通过关联的企业信息查询企业情况,管理企业人脉,寻找行业合作伙伴。除了这款产品,也有扫描全能王、启信宝,这三款面向C端的产品,在全球,累计了10亿下载用户。
这些产品成功的背后,离不了合合信息打造的“AI+大数据”技术能力的支撑。以扫描全能王为例,每年这款产品扫描识别的文档的页数,超过120亿份,如果全部人工录入,需要9亿小时。而AI元素的加入,节约了大概45万人/年的工作量。
当然,在成立之初,合合信息也没有想到,11年之后,会在产业生态中,占据如此有利的位置。2009年,镇立新和其他创始人一起,创立合合信息。五位创始人,有四位,就是做人工智能出身。热爱AI,也成为其一直坚守的品质。
合合信息联合创始人、启信宝CEO陈青山
“从最开始的AI感知技术,包括图像处理、模式识别、文本识别、场景识别,一直到高阶层的认知智能,包括自然语言处理、知识图谱,我们在这个领域深耕了十几年。”合合信息联合创始人、启信宝CEO陈青山表示。
如今,基于自身的技术和产品,以STR(场景文字识别)+DATA(数据)+AI(人工智能)+Service(服务)模式,合合信息正进一步为金融、供应链、生产制造、房地产、保险、征信等多个行业领域提供价值,创造服务。
从C端产品发力,到C+B端联动,合合信息走的路子,始终离不开AI。
感知AI到认知AI
按照应用场景分类,陈青山把AI分为两类,感知AI和认知AI。其实引用人体智能概念,更好理解。人类通过视觉、听觉、嗅觉、味觉、触觉,来感知物理世界,机器也是如此,用计算机完成人类的感官器官的一些工作,这是感知AI。认知AI,是“最强大脑”,其存在无数个神经元,每个神经元,又包含千余个信息分发收支,它能够像人一样整理信息、推理信息,从而进行思考,这便是认知AI。
从2012到2017年,合合信息将感知AI技术不断深化和应用。“合合信息提供了各种各样的AI识别功能,例如,证件识别功能、身份验证功能等,在金融行业中得到了比较深入的应用。”陈青山介绍道。如今,其识别能力已经拓展到了160多个、奖金200个模块的金融场景下的文档AI识别。
近两年,随着信息技术和大数据技术的发展,自然语言处理、知识图谱、情感分析等等,这些认知AI技术,正在更多地应用到业务场景中去。
2018年,合合信息和招行总行一起,共建了一个知识图谱的项目。合合信息把数据全量整理后,实现信息智能化,单向传输到招商银行的安全网络环境中。同时结合招行内部的业务数据,对企业内外部通过数据模型,完成评分,这样就建立了一个招商银行内部的风险门户。招行的所有的工作人员,包括信贷经理、信审经理、管理人员等,都能够在业务流程中,自动地应用这些数据产品。
同样的模式,还用在了证券行业,例如,合合信息帮海通证券开发了各种各样风险的模型,使用合合信息自身的底层数据治理能力,结合客户的数据和应用场景,把它转变为知识,转变为信息,内化到他们业务中间,实现智能风控、智能拓客,以及智能合规等等业务场景。
从感知AI到认知AI,我们势必要迎接智能时代出现一系列技术升级,但依然要面临与技术产品、业务场景、解决方案的不断权衡。对于陈青山来说,过去几年,从早期的技术模块服务提供商,转型到“一揽子”综合解决方案提供商的过程,跨步之大,这是合合信息产品/服务不断升维的一个过程。
但不管是处于哪个阶段,合合信息的出发点,都是用户。
“以什么样的形式、什么样的渠道,将我们的产品和服务,更好地提供给我们的客户,这是合合信息一直以来思考的问题。”在陈青山看来,客户的需求、客户的场景,以及技术和产品的边界,要二者结合,这是一个非常动态的过程。但本质的东西,是不变的。“我们要把技术不断地创新,不断地突破,不断满足我们用户和客户的需求。”这点,陈青山很确定地说。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。