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。
從65438年到60年代，工業革命首先從英國的棉紡織業開始，然後蔓延到采礦、冶鐵、運輸等行業。從梭子、珍妮紡紗機到蒸汽機、內燃機，無數凝結著人類智慧的科技發明，開啟了這場浩浩蕩蕩的現代五大工業革命。
蒸汽機的發明者瓦特曾經以第三人稱寫了壹本自傳，他在自傳中寫道:“他的腦海裏縈繞著如何制造壹臺廉價而優秀的發動機。”除了功能和美觀，這種對經濟價值的追求代表了歐洲技術理性在過去1000年的發展高峰。
在技術迅速引領社會變革的時代，無數先行者被某種“誘導因子”所吸引，這種“誘導因子”不僅是技術上的突破，更是低廉的價格。這種由經濟價值引起的“誘導因素”象征著壹種新的潛力，它可以點燃這些精明而堅定的技術和商業先驅的想象力。換句話說，誘發原因清楚地表明，基於相關創新的企業將在成本上具有競爭力[1]。
金融和技術創新
技術革命每四六十年爆發壹次，它帶來的變革過程影響著社會的方方面面。在每壹次技術革命中，金融資本都是新技術革命帶來的產品和服務最願意、最大膽的客戶。它時刻準備著加快交易速度，拓展業務領域，同時以間接但極其重要的方式推動著每壹次技術革命。
在基礎設施、技術和組織的每壹次創新中，有些都加速了貨物運輸和信息傳遞。這些創新通常可以為貨幣、銀行和金融部門帶來變革。蘇伊士運河開通後，輪船、國際電報線等有利於國際貿易快捷的東西，被資本廣泛資助。在美國發起的幾次信息革命中，銀行是廉價郵局、國家鐵路和電報的早期客戶，也是最早使用電話、打字機和計算器的機構。
芝加哥交易所成立於1848年，也就是這個城市架設電報線的那壹年。在接下來的幾年裏，商人們在其他幾個主要的商業中心建立了類似的期貨機構。
1887年，時任美國最大電報公司西聯公司總裁的格林說，西聯公司傳送的電報中，至少有87%是與商業有關的，大多數商業電報都是投機性的。這種投機性的電報往來，大多是“不運輸，往往不發貨”。因此，格林堅信電報“本質上是商業和投機的附屬品，需要即時的交流和回復”，並不是大眾傳播的手段[2]。
當時，壹位商業編輯曾評論說，在電報商業化之前，商人可以利用事先知道的遙遠的價格信息來投機大規模的農產品。電報商業化後，由於價格數據可以通過電報快速傳遞，商人原有的投機套利方式不復存在。而是開始通過猜測未來某個特定日期農產品可能的價格來進行推測。這樣，時間取代空間成為最大的未知數。據編輯估計，這些農產品的種植者每年因為這種投機行為損失約4000萬美元，但在電報商業化後，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，產生對行動和結果的預期。金融體系，無論是銀行、壹級市場還是二級市場，都是信息傳遞網絡。通過信息網絡，當這種預期被更準確、更迅速地傳遞時，財富就被創造出來了。所以，每壹次信息革命:語言、文字、印刷、電報、電話、互聯網、手機……都造就了壹場金融革命。
而我們現在所處的時代，正是壹場新的金融革命即將發生的時代。這次的誘發因素是人工智能。人工智能將重塑金融信息網絡，逐步輔助傳統上由經驗和與機器接觸承載的信息傳輸和處理渠道，並使其自動化和智能化。
想要信息產業而不是信息農業和礦業。
在金融信息化領域，我們看到了無數的科技型企業紛紛湧入，但大大小小的各類企業也都得救了。我們將從把財務數據處理成財務信息的角度來考察這些企業。
壹種企業模式可以稱為“信息農業”。他們依靠人力從壹些“自然資源”中挖掘數據，缺乏大規模擴大再生產的能力。這種“農業”很難做數據的深加工，數據增值有限，產業鏈短，產出的信息價值有限。
另壹種模式是“信息挖掘”，通過壹些機械的工具挖掘壹些已有的結構化數據，組裝成某個場景下的壹些更有價值的信息。這種挖礦比農業好，但缺點是挖礦的品類有限，很多人都可以做挖礦，技術壁壘還不夠高，增值有限。
那什麽叫“信息產業”？我們都知道福特敲響了現代工業大規模生產模式的鐘聲。是什麽讓歷史進程中的大規模生產成為可能？讓我們回到20世紀初福特改進T型車的時候。
1908年，T型車上市前夕，福特公司每個裝配工的平均工作周期，即開始重復同樣的操作之前所經歷的工作時間，共計514分鐘。到了1913年春天，福特在底特律高地公園的新廠房裏有了新的舉措，那就是安裝壹條移動裝配線。工人站在壹個地方，不用走來走去，但是流水線給他們送車。這壹創新將工人的工作周期從514分鐘縮短到1.9分鐘，汽車的生產效率在十倍百倍地提高。這種移動流水線在現代工廠中俗稱“流水線”。
福特之所以能夠進行大規模集約化生產模式的創新，是因為技術上克服了“機械零件熱處理後翹曲變形”的問題，這是過去無法標準化的零件的克星，總是要靠機械師壹遍又壹遍地手工打磨。壹旦解決了零件的翹曲變形問題，就可以減少零件的數量，並且它們可以容易地相互連接。
那麽，要讓金融信息產業成為可能，還需要壹種能夠克服各種“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、實體的分析做到極致。我們需要將各種財務文檔結構化然後物化，提取它們的元數據，從而產生千千萬種數據的重組和自動化。從數據到信息，最後構建壹個深度的金融知識網絡，這就是我們想要的金融信息行業。
AlphaSense——新壹代金融知識引擎
在2016福布斯美國金融科技公司50強榜單上，出現了壹家名為AlphaSense的上市公司。
通過對AlphaSense及其競品的分析，與金融信息數據平臺或金融信息引擎相比，這些產品更像是下壹代金融知識引擎系統。但在介紹它們之前，我們先來回顧壹下數據、信息和知識的概念和遞進關系。
數據是反映客觀事物運動狀態的信號，由感覺器官或觀察儀器感知，以文字、數字、事實或圖像的形式形成數據。
信息是對數據的處理，使數據相互關聯，形成回答特定問題的文本，以及以數字、事實、圖像等形式被解讀為具有壹定意義的信息。
知識不是數據和信息的簡單積累，而是可以用來指導實踐的信息。知識是人們在改造世界的實踐中獲得的知識和經驗的綜合。
在投資研究的場景中，分析師通常需要從新聞、財務報告、研究報告中獲取大量數據、信息、知識形式的“素材”，然後通過自己的邏輯和世界觀將這些素材重組為投資決策。根據獲取材料的難易程度，我們從簡單到困難分為五個等級:
1.公司、行業、市場等新鮮信息和數據(公司、股價、成交量等。)
2.相關指標和數據信息(CPI、貨運量、行業規模的各種圖表等。)
3.新鮮的判斷和結論(各種看跌結論)
4.新證據(支持該主張的事實基礎)
5.別人的邏輯和研究框架(全網知識網)
對於那些從事信息產業和礦業的金融信息公司來說，他們的產品無非就是金融數據終端或者信息平臺。前三個層次的數據信息可供用戶使用，但他們對後兩個層次的深度信息和知識的處理有些薄弱。那麽像AlphaSense這樣的公司是如何通過產品為機構內這個層面的分析師解決問題的呢？
他們的產品由三部分組成:高級語義搜索引擎、交互式知識管理系統和文檔(知識)協作系統。投資研究者通過高級語義搜索引擎獲取各種“素材”；在交互式知識管理系統中，可以有選擇地收集和管理資料；在知識協作系統中，可以對材料進行加工和重組。
當知識切片變得足夠精細，可供人們搜索、管理和重組時，這就是金融信息產業化的壹個萌芽階段，某種程度上是壹個初步的金融知識網絡。
ken sho——挑起新壹輪軍事競賽
再來看另壹家炙手可熱的Fintech公司Kensho，其創始人是哈佛大學的博士生，工程團隊是從谷歌和蘋果帶來的頂尖工程師，由谷歌和高盛投資。據說他們的人工智能技術讓華爾街所有人都沒有安全感，其公司本身也頗具話題性。感謝各種媒體炒作，我們總是帶著些許敬畏提起。機器將取代人類是真的嗎？甚至取代那些站在人類智慧巔峰的華爾街分析師。
因為渠道的關系，Kensho的產品對於我們大多數人來說還是壹個“黑匣子”，只能通過各種周邊信息仔細琢磨。Kensho的創始人兼首席執行官丹尼爾·納德勒(Daniel Nadler)就是典型的精英。他擁有哈佛大學經濟學博士學位，並在美聯儲做過壹段時間的訪問學者。
在2015麻省理工學院舉行的年度金融科技大會上，丹尼爾向公眾講述了他作為壹名Kensho的整個故事[3]:
“我在美聯儲的時候，桌面上有壹堆像彭博、路透社、Capital IQ這樣的工具，但是根據我對政治、天氣現象、地理環境等信息的洞察，我用的軟件仍然無法解決我想買什麽的問題，尤其是壹些事件驅動的數據分析...後來我去西海岸找谷歌，谷歌的願景是組織全世界所有的信息，但是為什麽谷歌還是不能組織我這個金融學者呢？
"...我在谷歌呆了幾個月，跟他們說，既然妳們的目標是組織全世界的信息，既然金融領域有那麽多非結構化和組織化的信息，難道不應該有人做點什麽嗎？我說服了谷歌，所以他們成為了我們最初的支持者，給了我們很多優秀的工程師。”
丹尼爾·納德勒(Daniel Nadler)直言不諱地批評了邁克·彭博(彭博終端的創始人)老派風格的商業，稱他就像壹個知道如何贏得第二次世界大戰(而不是未來的世界大戰)的將軍。
但也有壹些對Kensho本人的批評。在知乎上，壹位紐約的用戶分享了他使用Kensho產品的感受，他做了壹個總結:“彭博可以輕松復制這個小工具，並讓它變得更好100倍”。讓我們真正梳理壹下Kensho在做什麽[4]。
丹尼爾在接受采訪時介紹，Kensho由兩個部門的兩條業務線組成。壹個是風險分析部門，幫助大型銀行和其他金融機構了解非交易風險，非交易風險不是市場風險，而是利用歷史數據幫助他們分析地理、天氣等影響因素導致的風險敞口。另壹大業務線是全球商業媒體的分析，Kensho重建了商業電視媒體的分析引擎。所以kensho壹方面是媒體公司，另壹方面是銀行風控服務機構。
我們先來看看銀行風控的業務線。作為壹個曾經在美聯儲工作過的金融專家，丹尼爾有做生意的能力和渠道。作為美國消費者新聞與商業頻道(NBC環球集團持有的環球財經有線衛星新聞臺)的戰略投資標的，媒體業務的順利發展也在意料之中。商業電視的媒體性質使得美國消費者新聞與商業頻道對Kensho的分析能力不抱太大期望。畢竟壹個電視媒體最重要的是新聞的速度。畢竟壹條新聞在受眾腦海中停留的時間是非常有限的。事件發生後，盡快給出有效的分析結論，這是打敗媒體同行的關鍵。所以我們看到Ask-Kensho壹方面可以給媒體帶來壹個噱頭，另壹方面也確實是提高競爭力的手段。
通過上面的分析，我們可以看到Kensho的兩條業務線對它來說都是既稱職又有價值的，那麽是什麽原因造成了“Kensho取代華爾街分析師”的傳言呢？“罪魁禍首”應該是高盛，因為高盛不僅是Kensho的投資者，也是他們的客戶。讓我們看看下面的報道[5]:
Kensho在高盛的主要客戶是銀行交易大廳的銷售人員。最近幾個月，他們使用軟件來回答有關買賣能源股和大宗商品的咨詢。這些人想知道他們應該如何組合他們的投資，以應對敘利亞聖戰的熊熊烈火。
在以前，這些銷售人員會根據自己對近期事件和市場反應的理解進行總結，但受限於人的記憶。對於特別有價值的客戶，銷售代表可能會要求高盛的研究分析專員進行更完整的研究，挖掘過去的新聞事件，找出市場對每種情況的反應。這種方法的問題是，研究結果出來的時候，交易機會已經溜走了。
Kensho只服務於高盛的銷售部門，幫助他們快速回復客戶的詢問，讓這些銷售人員更好地整理淺層信息。Kensho的另壹個功能是幫助壹些研究人員完成壹些初級工作，而不是“我以前每周花兩天時間做這種事”或“我以前雇人除了做壹件事什麽都不做”的分析師任務。
Kensho的確可以為頂級投行服務，但要真正取代“分析師”，讓更多人失業在投行，可能只是壹個“美麗的誤會”，也可能只是壹個“美好的願望”。
但如果Kensho真的擁有了堪比華爾街分析師的分析能力，成為大眾投資者可以利用的工具，實際上會促進市場有效性。例如，少數機構基金觀察到壹個信號，並將其用於建立盈利策略。但以Kensho強大的分析能力，也會捕捉信息並公之於眾，頂尖機構因信息不對稱而產生的優勢將徹底消失。隨著越來越多的市場參與者使用相同的策略，最終會導致策略的失敗。因此，市場價格可以更快、更大程度地反映“所有可獲得的信息”。
就像19世紀的電報壹樣，並沒有完全杜絕商人對農產品的投機，但改變了投機的性質，減少了當時處於弱勢地位的農民的損失。如果Kensho真的將AI技術應用到壹個臨界狀態，從而再次改變現代金融投機的性質，那麽彭博、路透社甚至其他基金機構本身都將不得不被迫加入軍備升級競賽，以避免從領導者變成落伍者。
總結
人工智能時代，AlphaSense正在打造金融知識引擎，Kensho正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產業革命。革命的序幕吹響後，我們能預測誰的未來最光明嗎？
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壹樣，金融信息化的工業革命也不會在短短幾年內完成。這個初期，恐怕還處於構建“智能金融核心引擎”各個部分的階段。財務分析正從依靠手工作業的“農業”和依靠經驗的“手工業”逐步走向“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設計出合理的發展路徑。AlphaSense是基於金融碎片化知識的發現和重組，Kensho是基於淺層信息的快速傳播和發現，這些都是終極願景的必要中間環節。從前奏到高潮，都是實事求是，不要好高騖遠。
*註意:本文中的壹些觀點和信息來自以下參考文獻*
[1]財富的杠桿:技術創新和經濟進步
[2]“信息改變了美國”
[3]網絡用戶在YouTube上傳的Kensho創始人的發言。
[4]知乎問答:“為什麽Kensho被高盛看好？”
[5]阿爾法工坊:《人工智能公司Kensho如何改變華爾街》