做數據生意的“愛智慧”：華爾街“叛徒”的中國門徒

“讓華爾街人神公憤的‘叛徒’。”2014年，《福布斯》雜志給一家美國創業公司冠以了這樣一個吸引人眼球的名號。當時，這家名為肯碩（Kensho）的公司成立尚不滿一年。

肯碩位于馬薩諸塞州劍橋市，由哈佛大學經濟學博士納德勒與程序員彼得·克魯斯卡爾（Peter Kruskall）聯合創立。它宣稱將撼動金融分析行業，就像當初谷歌給搜索領域所帶來的沖擊一樣。

比如，你可以像在谷歌進行搜索一樣，詢問肯碩的軟件“沃倫”一些復雜的問題——當三級颶風襲擊佛羅里達州時，哪只水泥股的漲幅會最大？當蘋果公司發布新iPad時，哪家蘋果公司供應商的股價上漲幅度會最大？……肯碩的軟件都能在短時間給你一個明確的答復。

其背后的黑盒子其實是機器學習以及知識圖譜。機器學習系統通過抓取數據和市場信息，搜尋并建立起國際事件與資產價格之間的相關性，而知識圖譜則提供實時的國際事件的畫像。肯碩為平臺信息配備了直觀的搜索工具和數據可視化功能。

2017年，來自福布斯最新報道顯示，肯碩已在B輪拿到了5000萬美元的融資，由標普國際領投，華爾街最大的6家投行（高盛、摩根大通、美銀美林、摩根士丹利、花旗集團和富國銀行）都參與了肯碩的B輪融資。這家成立三年多的初創公司，總市值已經達到了5億美元。

伴隨著大數據、算法驅動的人工智能已經進入金融領域，肯碩這位華爾街“叛徒”的成功經歷正在吸引中國門徒的加入，智能投研成為一條火熱的創業賽道，愛智慧科技正是其中的競逐者之一。

這家志在對標肯碩的創業公司由華為公司離職創業、百米生活前CEO梁新剛創辦。團隊包含了人工智能、數理統計和金融經濟人才，以知識圖譜和機器閱讀為核心能力，幫助證券投資、醫療、物流行業企業做經營仿真、預測，利用人工智能（artificial intelliqence, AI）專家系統幫助企業提升運營效率，輔助決策。

“整個IT就是Excel”

作為一名圍棋愛好者，梁新剛決定放棄上市公司CEO的身份的契機是2016年的那場AlphaGo與李世石的大戰。在研究闡釋AlphaGo算法的論文之后，梁新剛發現，人工智能確實已經達到了能與人類博弈的水平。人工智能對人的替代來勢洶洶，銳不可當。

但為何選擇以證券投資作為主賽道？原因在于梁新剛發現了二級市場投資機構的“落后”面貌。在他看來，二級市場投資雖然看似光鮮，但仍是一個“相當傳統的作坊式的產業”，尤其是小型證券機構的IT基礎設施非常薄弱。肯碩公司創始人納德勒同樣也有類似的經歷，他當年在美聯儲工作期間驚奇地發現，這家全球最具權勢的金融監管機構仍然依靠Excel來對經濟進行分析。

眾所周知的是，傳統投資方式主要是投研人員根據自己去上市公司調研，了解財務數據、行業信息等來做投資決策。他們主要依靠的投研工具仍是萬得等金融數據服務商，而目前的金融數據提供商只能提供數據資訊，其商業模式也是以賣終端或者賣數據庫為主。

這正是智能投研的機會所在。

智能投研，指利用大數據和機器學習等技術，將數據、信息、決策進行智能整合，并實現數據之間的智能化關聯，從而提高投資者工作效率和投資能力。簡而言之，智能投研以AI輔助投資機構進行投資決策。

觀察愛智慧旗下的金融投資分析問答系統“查爾德”的表現，或許可以一窺目前國內智能投研的產品現狀。

在查爾德系統輸入熱門話題、重要事件，系統可自動聯想歷史相關新聞事件，以及相應時間段的股票走勢，提示當下有哪些股票值得關注。

在該系統輸入熱門投資領域的關鍵詞，如“化工”“能源”，還會顯示該行業上下游產業鏈、行業動態、原材料價格走勢以及投資建議。

梁新剛介紹，查爾德采用了事件驅動型投資策略，分析A股基本面資訊對上市公司股價的影響并加以量化，將數據信息轉換為投資信號。所謂事件驅動型投資策略，就是通過分析重大事件發生前后對投資標的影響不同而進行的套利。

在梁新剛看來，與傳統數據資訊提供商相比，智能投研的最大優勢在于可以帶著投資邏輯服務于專業客戶群體。如果廣泛加以使用，沃倫軟件可以撼動長期以來被彭博社和湯姆森路透社（Thomson Reuters）所壟斷的260億美元的金融數據市場。短期顛覆傳統金融數據提供商可能性不大，未來金融數據服務市場創新空間巨大。

梁新剛認為，通過海量數據、知識圖譜和深度學習能力，機器可以發現事件與事件之間的關聯關系，并通過知識圖譜實現信息向決策的一步轉化，并且這種轉化過程是可以通過機器學習逐步自我優化的，甚至可以說會比人類做得更好。圖2-2為愛智慧的客戶價值體現。

孵化試驗田

雖然理論上前景光明，但在AI+投資的實際落地中梁新剛遇到了不少難題。

首先，如何實現行業壁壘的建立？

關于智能投研行業，梁新剛描繪了AI從底層向上侵襲的發展路徑：機器學習、自然語言處理、知識圖譜、增強學習等技術分別對應數據、信息、知識、決策等漸進的投資層次，層層推進，越往金字塔頂端，實現的難度越大。行業優勢的建立只能通過一層一層的推進。

梁新剛對這一推進脈絡進行了具體解讀。

在數據層，數據源基本一致，行情數據皆來自交易所；而機器學習、深度學習技術的算法公開，技術本身的差異不大。

在信息層，通用型自然語言處理并不能適用證券行業的深入需求。要想實現對于海量財經新聞資訊的去重合一，只能依靠團隊自身實現。2017年5月，愛智慧以中文自然語言處理為核心支撐的A股事件驅動正式上線，其團隊負責人來自微軟小娜團隊。

在知識層，最關鍵的是知識圖譜的構建。所謂知識圖譜，即將人類的知識體系外在化，旨在描述客觀世界的概念、實體、事件及其之間的關系——簡而言之，就是誰是誰的“爸爸”、誰是誰的“兒子”這些概念之間的關系。運用在證券領域，即依靠知識圖譜可以實現推測宏觀環境和產業板塊演進的能力。但知識圖譜的構建無法通過自動化實現，耗時長且需要大量人工參與，因此誰先構建完成誰就具備先發優勢。梁新剛稱，愛智慧已優先構建了證券投資領域規模最大的知識圖譜。

梁新剛面臨的另一個問題是，對于一家證券行業面對B端的創業公司來說，如何自己蹚業務是一個難題。

一方面，AI系統對于基金業績的影響很難得到如實的反饋。梁新剛稱，基金經理傾向于將業績的良好表現歸因于自身決策，而表現不佳則歸因于AI系統的“不靠譜”，很難真正界定AI的價值并且找出問題。

另一方面，證券行業很難貼近客戶。“在華為工作期間，我甚至可以睡在客戶的機房內，新系統出現bug（漏洞），可以連夜修改，但是證券投資機構不允許近距離觀察。而直接問AI方面的需求，很難問出來。”梁新剛說道。

這讓梁新剛意識到，不自己操盤一只基金是難以獲知甲方的真正痛點所在的。因此，梁新剛決定發起一只規模為5000萬元的陽光私募基金，這只基金將應用查爾德系統，被梁新剛視為自己的“試驗田”。目前，該基金已經在備案中。

梁新剛坦言，自2016年7月創業，公司前一年半的主要營收來自向醫療、物流行業企業銷售軟件授權，針對證券行業的查爾德系統仍處于免費試用的階段，而最新的收費版本正在籌劃上線。“畢竟，客戶愿不愿意付費才是判斷你的服務質量的最重要標準。”梁新剛說道。

在對梁新剛的采訪中，我們感受到：創始人是技術出身，對于AI與行業結合的技術解讀很詳細和專業，對于創業過程中遇到的難題也比較坦誠。公司目前也已經有具體產品落地，但是未來在商業模式上能否成功，還有很長的路要走。