主要的 AI 厂商,如 OpenAI、Google、xAI 等均已推出多款 AI 代理,这些代理可以代表用户在互联网上进行详尽或“深度”研究,花费数分钟时间编撰引用详实的白皮书和报告,其成果在最理想的情况下可直接分发给同事、客户和商业伙伴,无需额外的人工编辑或改写。
但这些工具都有一个显著的局限性:它们只能搜索互联网以及展示于公众网站上的内容,而无法访问企业客户内部的数据库和知识图谱。当然,除非企业或其顾问花时间使用诸如 OpenAI 的 Responses API 等工具搭建一个检索增强生成 (RAG) 流程,但这将需要相当多的时间、费用和开发者专业知识来完成。
而现在,作为市场情报领域早期应用 AI 平台的 AlphaSense 正在为企业——尤其是金融服务业和大型企业( 它的客户中有 85% 来自 S&P 100 )——提供更优的解决方案。
今天,该公司宣布推出其自主研发的“Deep Research”,这是一款自主 AI 代理,旨在自动化复杂的研究工作流程,其搜索范围不仅涵盖互联网内容,还包括 AlphaSense 不断更新的专有非公开数据源(例如 Goldman Sachs 和 Morgan Stanley 的研究报告)以及企业客户自身的数据(客户可自行选择将哪些数据接入平台)。
如今,所有 AlphaSense 用户均可使用该工具,它能在传统方法所需时间的一小部分内生成详尽的分析输出。
AlphaSense 产品高级副总裁 Chris Ackerson 在接受 VentureBeat 独家采访时表示:“Deep Research 是我们首个能够在平台上代表用户进行研究的自主代理——将曾需数天或数周完成的任务缩短到仅几分钟。”
底层模型架构与性能优化
为了驱动旗下的 AI 工具——包括 Deep Research 在内,AlphaSense 构建了一个围绕动态大型语言模型 (大语言模型) 套件的灵活架构。
公司并未局限于单一供应商,而是根据性能基准、使用场景适配以及大语言模型生态系统的持续发展来选择模型。
目前,AlphaSense 使用三大模型系列:通过 AWS Bedrock 接入的 Anthropic 模型,适用于高级推理和代理工作流程;以平衡性能和处理长上下文提示能力著称的 Google Gemini;以及通过与 AI 硬件初创公司 Cerebras 合作集成的 Meta 的 Llama 模型。
在此次合作中,AlphaSense 利用 Cerebras Inference 在 WSE-3 (Wafer-Scale Engine) 硬件上运行,从而为高负荷任务优化推理速度与效率。该多模型策略使平台能够在各种复杂研究场景中持续提供高质量的输出。
全新 AI 代理旨在以高速度和高精度复制资深分析团队的工作
Ackerson 强调了该工具在速度、深度和透明度上的独特结合。
“为了减少幻觉效应,我们将每一个由 AI 生成的见解都根植于原始内容,用户还可以直接追溯到原文中的具体句子,”他表示。
这种细粒度的可追溯性旨在增强商业用户的信任,毕竟许多用户在波动剧烈的市场环境中依赖 AlphaSense 做出高风险决策。
每份由 Deep Research 生成的报告都包含可点击的引用链接,指向底层内容,便于验证和深入跟进。
依托十年的 AI 研发积累
AlphaSense 推出 Deep Research 是其多年来 AI 产品演进最新的一步。Ackerson 表示:“自公司成立以来,我们就一直利用 AI 支持金融和企业专业人士的研究工作,从改进搜索以扫除盲点和避免 Ctrl+F 痛苦开始。”
他将公司的发展路径描述为一个持续改进的过程:“随着 AI 技术的进步,我们也从最初的基本信息发现转向真正的分析——不断自动化更多的工作流程,但始终以用户为导向。”
在过去几年里,AlphaSense 推出了多款 AI 工具。Ackerson 补充道:“我们推出了 Generative Search,可以对 AlphaSense 所有内容执行快速问答;推出了 Generative Grid,可以并排分析文档;现在又有了 Deep Research,能针对数百份文档进行长篇综合分析。”
使用场景:从并购分析到高管简报
Deep Research 旨在支持一系列高价值的工作流程,包括生成企业和行业的基础介绍、筛选并购机会以及准备详尽的董事会或客户简报。用户只需提出自然语言指令,代理便会返回包含支持性理由和源链接的定制化输出。
专有数据与内部集成成就差异化优势
AlphaSense 的主要优势之一在于其独有的内容库。Ackerson 解释说:“AlphaSense 汇聚了超过 5 亿份优质专有文件,其中包括像卖方研究报告和专家电话访谈等独家内容——这些数据在公共网络上无法找到。”
该平台还支持客户内部文档的集成,构建出一个融合各类研究资源的环境。Ackerson 表示:“我们允许客户将其机构内部知识接入 AlphaSense,使内部数据与我们的优质内容相结合后更具价值。”
这意味着企业可以将内部报告、幻灯片或笔记输入系统,并与外部市场数据一起进行分析,从而获得更深层次的背景理解。
持续更新信息与安全保障的承诺
AlphaSense 上的所有数据源均为持续更新状态。Ackerson 说道:“我们所有的内容集都在不断增长——每天新增数十万份文件,每月有数千次专家通话,并不断获得新的高价值内容的授权。”
此外,AlphaSense 还高度重视企业安全。Ackerson 指出:“我们构建了一个安全、企业级的系统,能够满足最严格监管企业的要求。客户可完全控制自己的数据,同时享有全加密和权限管理。”
部署选项同样设计得十分灵活:“我们提供多租户和单租户部署,包括客户内部基础设施内全量运行的软件的私有云选项。”
精确度提升与定制化企业 AI 的日益增长需求
Deep Research 的发布响应了企业向智能自动化转型的更广泛趋势。根据 Gartner 的预测(由 AlphaSense 引用),到 2027 年,50% 的商业决策将由 AI 代理增强或自动执行。
Ackerson 相信,AlphaSense 长期以来对 AI 技术的投入使其在满足这些需求方面具有优势。他表示:“我们的策略始终是乘着更优 AI 的浪潮,带来更多价值。在过去两年里,我们见证了模型能力的爆发式增长——如今它们不仅能够整理内容,还能对其进行推理。”
复杂商业环境下的新工具
借助 Deep Research,AlphaSense 继续致力于简化在快速变化和数据密集环境中工作的专业人士的工作。通过结合高质量的专有内容、可定制的集成方案以及 AI 生成的综合分析,该平台旨在以高速、大规模交付战略上的清晰洞察。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。