Kensho和AlphaSense是怎樣煉成的
前言——工業精神
工業革命既不是棉花時代，也不是蒸汽時代，而是進步的時代。
18世紀60年代，工業革命首先從英國的棉紡織業開始，然後傳播到采礦、冶鐵、交通運輸等行業。從飛梭和珍妮紡紗機到蒸汽機和內燃機，無數凝結著人類智慧的技術發明開啟了這浩浩蕩蕩的近代五次工業革命。
蒸汽機的發明人瓦特曾以第三人稱寫了壹本自傳，他在書中這樣寫道：“他的腦海中縈繞著如何制造既 便宜又優良 的發動機。” 除了功能和美觀之外，這種對 經濟價值 的探求代表了壹千年來歐洲技術理性的發展頂峰。
在技術急速引領著社會變革的時代，無數先鋒人物被某種“誘發因素”所吸引，這壹誘發因素不僅僅是技術突破，使其如此強有力的原因還在於 低廉的價格 。這種因經濟價值而產生的“誘發因素”象征著壹種新的潛力，能夠點燃這群機敏而堅毅的先鋒人物在技術和商業的想象力。換言之，誘發因索清楚地顯示出，基於相關創新的企業將在成本上富有競爭力[1]。
金融與技術創新
技術革命每隔40年至60年爆發壹次，它所帶來的轉型過程影響到社會的各個方面。而在每壹次的技術革命中，金融資本都是新技術革命帶來的產品和服務的最有意願和最大膽的客戶，它時刻為加快交易速度和擴大經營領域準備著，同時以壹種間接但是極為重要的方式推動了每壹次技術革命。
在每壹次基礎設施、技術和組織的創新當中，都有壹些加速了貨物運輸和信息傳輸。這些創新通常又可以接著作為變革之源服務於貨幣、銀行和金融部門。蘇伊士運河開通之後，對於蒸汽船，國際電報線路和其他有利於迅捷國際貿易的事物都在廣泛地收到資本的資助。而在由美國發起的幾次信息革命中，銀行就是廉價郵局、全國性鐵路和電報的早期客戶，也是最先使用電話、打字機和計算器的機構。
芝加哥期貨交易所(The Chicago Board of Trade)建立於1848年，這正是電報線路架設到這壹城市的那壹年。在接下來的幾年內，商人們在其他的幾個主要的商業中心建立了類似的期貨機構。
1887年，時任美國最大的電報公司西聯公司（Western Union）總裁格林說道，西聯公司傳送的電報中至少有87%與商業相關，且絕大部分商業電報都是投機買賣。這種投機電報交流的大部分都是“沒有運輸且常常沒有商品交割”的買賣。因此格林堅信，電報從“本質上”來講是“商業和投機買賣的附屬品，需要即時通信及答復”，並不是壹種大眾通信手段[2]。
當時，壹位商業編輯曾評論說，在電報商用之前，商人們能夠利用預先知道的遠處的價格信息進行大規模的農產品投機買賣。而在電報商用之後，既然價格數據能夠通過電報的方式快速傳輸，商人原先那種投機套利的方式就不復存在。取而代之的是，他們開始通過猜測在未來某個特定日期農產品可能的價格進行投機。這樣， 時間就取代空間作為最大的未知數 。據這位編輯估計，之前這些農產品的種植者們每年都會因為這種投機行為損失大約4000萬美元，但電報商用之後，這壹損失減少到原來的二十分之壹。
金融的本質是信息的傳遞，是產生對行動和結果的預期。金融系統，無論是銀行、壹級市場、二級市場都是信息的傳遞網絡。通過信息網絡，當這種預期在其間被傳遞越精確、越快，財富就被創造出來。因而，每壹次信息的革命：語言、書寫、印刷、電報、電話、互聯網、手機……都創造了金融的革命。
而我們當下所處的時代，就是壹場新的金融革命即將發生的年代。這壹次的誘發因素是人工智能。人工智能將重塑金融的信息網絡，把那些傳統上由經驗和人脈承載的信息傳遞和處理渠道，漸次由機器來輔助，並且做到自動化和智能化。
要信息工業不要信息農業、礦業
在金融信息這個領域，我們已經看到無數科技企業前仆後繼地湧入，江山易主、成王敗寇卻也存下了大大小小的各類企業，我們且將這些企業從金融數據加工成金融信息的角度來將他們審視壹遍。
壹種模式的企業我們可將其稱之為“信息農業”，他們依靠人力從壹些“自然資源”裏刨數據，缺乏規模化擴大再生產的能力。這種“農業”，很難做數據的深加工，數據增值有限且產業鏈條不長，產出的信息價值也有限。
另壹種模式是“信息礦業”，他們通過壹些機械工具把壹些現有的結構化數據給開采出來，在某種場景下組裝成壹些更有價值的信息。這種比農業要好，但是缺陷在於開采品類有限，能做開采的人很多，技術壁壘還是不夠高，所以增值有限。
那什麽叫做“信息工業”呢？我們都知道是福特汽車敲響了現代工業的大規模生產方式的鐘聲，在歷史的進程中究竟是什麽讓大規模生產成為可能呢？讓我們回到20世紀初，福特改良T型車的那段時間。
1908年，在推出T型車的前夕，福特公司每壹個裝配工的平均工作周期，即開始重復同樣作業之前所經歷的工作時間，總計為514分鐘。而到了1913年春天，福特在底特律海蘭公園的新廠房裏有了新的創舉，就是裝設了移動的總裝線。工人們站在壹個地方，不必走動，而總裝線將汽車送到他們的面前，這壹革新使工人們的工作周期從514分鐘縮短為1.9分鐘，汽車的生產效率以十倍、百倍的效率在增長，而這條移動總裝線就是現代工廠俗稱的“流水線”。
福特之所以能進行大規模集約化生產方式的革新，是因為技術攻克了 “機械零件經過熱處理會產生的翹曲變形” 的難題，這是過去零件不能標準化的禍根，總是依賴於機械師們壹遍又壹遍手工打磨。而壹旦零件翹曲變形的間題得到了解決，就使零件的數量得以減少，而且使它們變得 易於相互連接在壹起 。
那麽，使金融信息工業成為可能，則也需要壹種能夠攻克各類“金融數據標準化”的技術。我們需要做數據的深度加工，把段落、句子、實體級別的分析做到極致，我們要把各種金融的文檔都結構化化繼而實體化，提取它們的元數據，進而產生千千萬萬種數據的重組合和自動化。從數據到信息，最後再建立壹個深度的金融知識網絡，這就是我們要的金融信息工業。
AlphaSense——新壹代金融知識引擎
在2016年福布斯美國金融科技公司50強的榜單上，出現了壹家叫做AlphaSense的上榜公司。
通過對AlphaSense及其競品的剖析，相較於金融信息數據平臺或者金融信息引擎，這些產品的形態更像下壹代金融知識引擎系統。不過在介紹他們之前，我們先來回顧下數據、信息、知識這三者的概念和遞進關系。
數據是反應客觀事物運動狀態的信號，通過感覺器官或觀測儀器感知，形成了文本、數字、事實或圖像等形式的數據。
信息則是對數據進行加工處理，使數據之間建立相互聯系，形成了回答某個特定問題的文本，以及被解釋具有某些意義的數字、事實、圖像等形式的信息。
知識不是數據和信息的簡單積累，知識是可用於指導實踐的信息，知識是人們在改造世界的實踐中所獲得知識和經驗的綜合。
在投資研究的場景下，分析師通常都需要從新聞、財報、研報各種行業網站等獲取大量數據、信息、知識形式的“素材”，然後再通過自己的邏輯和世界觀將這些素材再組織成投資決策。我們依據素材的獲取的難易程度，把它們從簡到難分成5個等級：
1.公司、行業、市場等新鮮的信息和數據（公司、股價、交易量等）
2.相關指標、數據類信息（CPI、貨運量、行業規模各種圖表等）
3.新鮮的論斷、結論（各種看多看空的結論）
4.新鮮證據（支撐論斷的成為論斷的事實依據）
5.別人的邏輯、研究框架（全網的知識網絡）
對於那些做信息工業和礦業的金融信息公司來說，其產品無外乎金融數據終端或者信息平臺。前3個層級的數據信息對於用戶來說都是可得的，而他們在後兩層的深度信息和知識上的處理則顯得有些無力。那麽AlphaSense這類公司是如何通過產品在這個層面上為機構內的分析師們或多或少解決問題的呢？
他們產品組成由三大部分組成：高級語義搜索引擎、交互式知識管理系統、文檔（知識）協作系統。 投研人士通過高級語義搜索引擎獲得各類“素材”；在交互式知識管理系統裏可以有選擇的對素材進行收集和管理；在知識協作系統裏，可以對素材進行加工和再組織使用。
當知識切片變的足夠細，並可供人們搜索、管理、再組織，這就是金融信息工業化的壹個萌發階段，這就是某種程度上初步的金融知識網絡。
Kensho——挑起新壹輪軍事競賽
我們再來看另外壹個大熱的Fintech公司——Kensho，其創始人是哈佛大學博士生，工程團隊是從谷歌、蘋果等帶來的頂尖工程師，並被谷歌和高盛投資。據說他們的人工智能技術讓華爾街人人自危，其公司本身具有相當高的話題性。再拜各種媒體大肆的渲染所賜，我們提起它的時候總免不了帶著壹些敬畏，難道機器真要取代人類了嗎？甚至還要取代那些站在人類智力巔峰的華爾街分析師們。
因為渠道關系，Kensho的產品對於我們絕大部分人來說仍然是個“黑箱”，我們只能通過各種外圍信息來去小心翼翼的揣摩它。Kensho的創始人兼CEO Daniel Nadler是壹個典型的精英，他有著哈佛大學的經濟學博士學位，並曾經在美聯儲做過壹段時間的訪問學者。
在MIT舉行的2015年Fintech年度會議上，Daniel和大眾講述了他做Kensho的始末[3]：
“ 我在Fed（美聯儲）的時候，桌面上有壹堆像彭博、路透、Capital IQ這樣的工具，但是根據我對政治、天氣現象、地理環境等信息得到的洞察，我使用的這些軟件依然不能解決我要買什麽的問題，特別是對壹些事件驅動的數據分析……後來我到了西海岸找到谷歌，谷歌的願景是組織全世界所有的信息，但是谷歌為什麽依然不能組織我作為壹個金融學者使我得到洞察的這些金融信息。
“……我在谷歌待了幾個月並告訴他們，既然妳們的目標是組織全世界的信息，既然在金融領域有那麽多沒有結構化和被組織的信息，難道不應該有人去做些什麽嗎？我說服了谷歌，於是他們成為了我們最初的支撐者，並給了我們很多傑出的工程師。”
Daniel Nadler 直言批評 Mike Bloomberg (彭博終端的創始人）的生意是old-fashioned-style，說他就像懂得怎麽打贏第二次世界大戰的將軍（而不是未來世界戰爭）。
但是也存在壹些對Kensho自身的批評。在知乎上有壹位在紐約的用戶分享了他使用Kensho產品的感受，他做了這樣壹句總結：“Bloomberg can easily replicate this little tool and make it 100 times better” 。 拋開哪些虛虛實實的喧囂，我們來真正梳理下Kensho究竟在做什麽[4]。
在壹次采訪中，Daniel介紹到Kensho是由兩個部門的兩條業務線組成。壹個是風險分析部門，幫助大型的銀行和其他金融機構理解非交易性風險，那種風險不是市場風險，而是用歷史數據幫助他們分析諸如地理、天氣這種影響因素帶來的風險敞口。而另外壹個大的業務線是全球商業媒體的分析業務，Kensho重建了商業電視媒體的分析引擎。所以kensho壹方面是壹個媒體公司，另壹方面是壹個銀行風控服務機構。
我們先來看銀行風控這條業務線。作為曾經在Fed工作過的金融專家，Daniel是有能力和渠道來開展業務的。而作為CNBC的（美國NBC環球集團所持有的全球性財經有線電視衛星新聞臺）戰略投資對象，媒體業務的順利開展也在意料之內。商業電視的媒體屬性使得CNBC不會對Kensho的分析能力做過高要求，畢竟對壹個電視媒體來說，最重要的是新聞的速度，畢竟壹個新聞在觀眾腦海裏停留的時間非常有限。在某事件發生之後以最快的速度給出壹個站得住的分析結論，這才是戰勝媒體同行的關鍵。所以我們看到Ask-Kensho壹方面可以為媒體帶來壹個噱頭，二來則真是提高其競爭力的手段。
通過以上分析，我們看到Kensho這兩條業務線對它來說都是可勝任且產生價值的，那麽究竟是什麽導致了“Kensho取代華爾街分析師”的傳聞呢？ “罪魁禍首”應該就是高盛了，因為高盛不僅是Kensho的投資人且還是他們的客戶，我們來看下面壹篇報道[5]：
Kensho在高盛的主要客戶群是那些在銀行交易大廳裏的銷售人員。在最近幾個月，他們利用軟件對買賣能源類股票和大宗商品的咨詢來電進行回復，這些人想知道他們應該如何組合他們的投資，以便應對敘利亞聖戰的熊熊烈火。
在過去，這些銷售人員會根據他們自己對最近發生的事情以及市場反應的了解進行總結，但是會受到人類記憶能力的限制。針對特別有價值的客戶，銷售代表可能會要求高盛的研究分析專員進行更加完整的研究，挖掘過去的新聞事件，找出市場針對每種情況作出的回應。這種方法的問題在於，當研究結果出來時，交易機會早已溜之大吉。
Kensho只是服務於高盛部門的銷售部門，幫助他們快速來應對客戶的咨詢，以便這些銷售們能夠更好地完成淺度信息的組織工作。Kensho的另外壹個作用就是幫助壹些研究人員完成壹些初級的工作，以取代分析師“過去我每周得花兩天時間做這類事情”或“過去我得專門雇傭壹個人其他什麽都不用做只做著壹件事”的任務。
Kensho的確能夠為頂尖投行進行服務，但是如果說真正地取代“分析師”，讓投行有更多人的失業，也許只是壹個“美麗的誤解”或者“美好的願望”。
但是如果Kensho有壹天真正有了可以與華爾街分析師比擬的分析能力，變成了壹個大眾投資者可以使用的工具，那麽其實是促進的是市場有效性。比如有壹個信號被少部分機構基金觀察到並用來構建盈利策略，但隨著Kensho強大的分析能力，也將捕捉信息並供大眾使用，頂尖機構因為信息不對稱帶來的優勢就會完全逐漸消失殆盡。隨著越來越多的市場參與者使用同樣策略，最終就會造成該策略失效。因此， 市場價格得以更快、更大程度的反應“所有可以獲得的信息”。
就如同19世紀的電報壹般，它並沒有徹底消除商人們的農產品投機交易，但是它卻改變了投機行為的性質，並且減少了當時處於弱勢壹方的種植農們的損失。如果Kensho真的將AI技術運用到某種臨界狀態，使得現代金融投機的性質再次發生改變，那麽彭博、路透等甚至其他基金機構本身就不得不被迫加入這場軍備升級的競賽，以避免從領先者變成落後者。
小結
在人工智能大潮席卷的時代，AlphaSense在打造金融知識引擎，Kensho在挑起新壹輪軍備競賽，這些先行者正在發起壹場金融信息的工業革命。這在場革命的前奏曲被吹響之後，我們是否能預料到誰會有最為光明的前途呢？
我們也應該看到，正如第壹次工業革命是壹個漫長的歷史過程，金融信息的工業革命，也不會是短短幾年就能完成的。在這個早期階段，恐怕還處於構造“智能金融的核心引擎”的各種零件的階段。金融分析從依賴手工的“農業”、依賴經驗的“手工業”，逐漸走向“零件”的標準化，最關鍵的不是最終的願景，而是如何在市場的驅動下，合理設計發展路徑。AlphaSense立足於金融碎片知識的發現和重組織，Kensho立足於淺度信息快速傳播和發現，都是終極願景的必須中間環節。從前奏曲到高潮，在於實事求是，而非好高騖遠。
*註：文中部分觀點和信息來自以下參考資料*
[1]《富裕的杠桿：技術革新與經濟進步》
[2]《信息改變了美國》
[3] Youtube上網絡用戶上傳的Kensho創始人的演講
[4] 知乎問答：《Kensho為什麽會被高盛青睞》
[5] 阿爾法工場：《人工智能公司公司Kensho是如何改變華爾街的》