10月17日，就是訊兔科技Alpha派發(fā)布新版AI會議助手產(chǎn)品一周年的日子。若追溯至早期的AI紀要、會議機器人，這個功能已陪伴用戶走過了一個完整的市場牛熊。根據(jù)后臺數(shù)據(jù)，過去一年，Alpha派每天為全體用戶節(jié)省聽會時間超過5000小時。據(jù)不完全統(tǒng)計，在二級市場的各類電話會、線上會議中，超過80%都有我們的AI助理在場幫聽。
這個產(chǎn)品也因此受到了除產(chǎn)品用戶外的很多AI應用投資者、分析師的關注，被認為是AI Agent技術在垂直行業(yè)（金融）內的首個落地乃至盈利的應用。作為Alpha派產(chǎn)品的研發(fā)者，我們很愿意和大家分享下這個產(chǎn)品既往研發(fā)迭代的心路歷程，談談我們的AI產(chǎn)品價值觀，希望為整個AI應用行業(yè)的研發(fā)貢獻一線實踐思考。
訊兔科技聯(lián)合創(chuàng)始人、Alpha派產(chǎn)品負責人 崔予淳
1.緣起：一個多年未盡的“心結”
在兩年前開始研發(fā)會議機器人時，這個場景對訊兔科技團隊來說，就已不是一個新鮮的“需求”。
早在2020年，訊兔創(chuàng)始團隊研發(fā)投研數(shù)字化系統(tǒng)時就發(fā)現(xiàn)，疫情將大量線下路演轉為線上，讓基金經(jīng)理、研究員參會變得“更卷”。我清晰記得，到了2021年，許多基金經(jīng)理團隊都有專人助理，每天辛苦地錄制、整理會議紀要。一位基金經(jīng)理曾開玩笑說“跑步聽會、開車聽會、洗澡也要聽會”。后來我們創(chuàng)業(yè)，和不同機構的朋友聊起這段經(jīng)歷，發(fā)現(xiàn)大家彼此彼此，不禁會心一笑。
2020年，大語言模型尚未問世，我們只能依賴RPA和基于BERT框架的傳統(tǒng)AI模型，打造一個“半自動化”的系統(tǒng)。用戶需手動錄入?yún)畔?，有時甚至需要人工輔助錄制；AI也只能做語音轉寫，不僅談不上“紀要”，內容也有不少錯誤?？傊?，用戶體驗亟待提升。
當我們離開機構創(chuàng)業(yè)時，這個產(chǎn)品從工作流、用戶體驗上看依然是個半成品。但這個場景的痛點確實太強，成為一個我們未盡的“心結”，時時盤旋在產(chǎn)品團隊腦子里，每次有新的AI技術突破就想到它，希望能夠徹底攻克——這大概也是我們能成為全市場第一個在GPT-3.5發(fā)布后，最快將AI應用于會議紀要與會議全流程的底層邏輯。
2.破局：在技術爆炸中，交出“AI紀要”的第一份及格答卷
幸運的是，2022年底 AI 技術迎來爆發(fā)期，大語言模型應運而生。我們敏銳察覺到，破解會議紀要難題的曙光終于出現(xiàn)。
說實話，2023年初的GPT-3.5，能力遠不及今天的模型，甚至有些“菜”。若只是粗暴地將生活中隨機的會議文本丟給它，根本無法生成合格的紀要。但我們研究發(fā)現(xiàn)，投研領域的會議紀要范式相對統(tǒng)一，基本遵循“要點+QA”的框架。這意味著，只要給予模型清晰的指令和范例，讓它在框架內輸出一份70分的紀要，是完全可行的。
當時模型的另一大局限是上下文長度太短（僅4k輸入token），一場1小時的會議需要拆分成6-8段分別處理，待模型處理完成后再將結果重新組裝。好在我們團隊在處理研報、長文本方面早有技術儲備，自研的金融領域語義切割模型正好派上用場，再疊加各類技術技巧與規(guī)則優(yōu)化，第一版AI紀要程序就這樣誕生了。
當時團隊里有研究背景的同事，在看到第一版AI會議紀要時當即驚呼“牛X”——要知道，這可是行業(yè)超級痛點首次通過AI技術達到超過60分的解決水平。我們隨即連夜攻堅，最終趕在2023年4月下旬——也就是機構投資者最繁忙的上市公司年報季，正式推出了AI紀要功能：用戶只需上傳會議錄音，幾分鐘后就能獲取AI整理完成的紀要文檔。
功能上線即“出圈”，不僅獲得圈內大佬與研究員們的熱情轉發(fā)，小紅書上也涌現(xiàn)出大量自發(fā)推薦與測評筆記。平臺連續(xù)幾日涌入數(shù)千名新用戶，這在垂直的投研行業(yè)已是相當可觀的規(guī)模。做投研產(chǎn)品這么多年，我們終于第一次真切體驗到了傳說中產(chǎn)品增長的“推背感”。
3.迭代：AI內卷中的克制——用好模型，而非“訓”模型
AI紀要“火”起來后，用戶反饋接踵而至，聚焦語音識別、要點邏輯、幻覺率等優(yōu)化方向。
回溯2023年，AI應用開發(fā)尚處于草莽階段，不少同業(yè)公司都在對外宣傳“自主訓練金融大模型”“Fine-tune（模型微調）”，仿佛模型只要做了 Fine-tune，檔次就瞬間提升了十倍。面對當時待優(yōu)化的AI能力與層出不窮的新需求，我們始終保持克制與冷靜，明確決定不在模型訓練和微調層面投入過多精力。支撐這個判斷的核心邏輯有兩點：其一，GPT-4發(fā)布后相比GPT-3.5實現(xiàn)了能力的巨大飛躍，我們預判，自主訓練或微調模型的成果，很可能會被大模型自身的快速迭代輕易超越；其二，F(xiàn)ine-tune的成本極高，是普通模型API調用成本的50倍以上。
基于這兩點，我們清醒地認識到：把過多精力和資金砸在模型訓練上，或許能讓對外宣傳更“體面”，但大概率是件性價比極低的事。我們更傾向于“與模型能力共同成長”，并達成了“挖掘場景、把模型用對”的共識。這個共識，在過去兩年多里幫我們避開了不少“坑”。
在AI紀要發(fā)布后的一年間，我們陸續(xù)推出了不少“微創(chuàng)新”：如講話人身份識別、關鍵數(shù)據(jù)提取、外文會議翻譯、分段摘要等。其中最關鍵的，是我們自研的語音轉文字糾錯算法——它能大幅解決投研會議中專有名詞識別錯誤的問題，大幅解決了醫(yī)藥、科技等行業(yè)專有名詞識別錯誤的問題。
這十幾次小版本升級，是用戶的使用反饋為我們指明了方向。我們就像搭積木一樣，把AI能力一點點拼裝整合，在解決用戶實際問題的同時，也讓大家切實感受到AI能力的持續(xù)進化。
4.躍遷：從單點到全程，全自動的AI“會議助理”誕生
盡管AI紀要工具已經(jīng)“出圈”，但用戶還是要親自參會、手動錄音，我們解決的只是“寫紀要”這個末端環(huán)節(jié)。而實現(xiàn)“全流程AI參會”，正是當年我們的“未盡事業(yè)”，我們一直裝在心里。
這其中最難的環(huán)節(jié)，就是讓機器人自動撥入并參與各類線上會議。無論是軟件端還是電話端，每種會議都有專屬的撥入方式和鑒權流程。我們不得不針對每一種類型，開發(fā)專用機器人。
軟件端機器人的難點在于應對各種復雜的異常情況：不少會議要填密碼、走報名流程，甚至有些特殊類型會議還會對參會環(huán)節(jié)設下專屬限制。更常見的突發(fā)場景是：客戶提前給了會議鏈接，可路演人遲到了，或是臨時改了會議時間……我們早期嘗試用視覺模型解決，但廣告彈窗等干擾因素使其很不穩(wěn)定，最終只能補充大量細分規(guī)則。
在電話會議端，最難的是解決硬件系統(tǒng)打通難題。我們早期的技術路徑是一套虛擬電話呼叫系統(tǒng)的軟件方案，但這套方案“重”到技術供應商一度以為我們是做微商的。后來因技術與成本等原因放棄，團隊重新研發(fā)了一套能真正模擬人類撥號行為的硬件方案。每當投資者或客戶了解到我們這套硬件方案，都將其作為一個真切的實例感慨：垂直領域的Agent的價值是在“最后一公里”，通用大模型很難完全替代專業(yè)應用。
還有個應當感謝大模型的技術環(huán)節(jié)，就是客戶“預約會議”消息的解析。有了多模態(tài)模型后，我們能輕松解析包含多場會議的文字通知，也能讀懂復雜的圖片版預約信息，而早在2020年我們得人工標注3000多份圖片、文字版會議通知，才能勉強達到如今大模型80%的解析準確率。
到今天，AI會議助手累計覆蓋了10多種主流會議平臺，拆解出近50個細分參會工作流，每個場景都對應一套參會規(guī)則和用戶的交互語言。
AI應用僅僅追求語感和氛圍的“擬人”是遠遠不夠的，要讓用戶真正建立信任感，終究得靠產(chǎn)品覆蓋其每一個細分需求。當用戶看到機器人能夠識別會議提前召開并進行提醒，會后又按時發(fā)送紀要——這一刻就是用戶的 “wow 時刻”，也是信任感大幅加分的瞬間。
5.快跑的背后：信任是核心，“情緒價值”也加分
會議助手這個產(chǎn)品讓用戶上手并熟練用起來，并不容易。它的初始化動作需要多個步驟：添加微信助手、核實身份、綁定授權、發(fā)送預約等一系列操作，每一步都可能因為麻煩或疑慮而流失。所幸通過前幾年的努力和鋪墊，用戶對我們已經(jīng)很信任，從第一步到第四步，用戶整體的留存率超過了60%。
有用戶形象地比喻道：“用PaiPai聽會，就是相當于我用了個更聰明的錄音筆”。
用戶同意我們幫其收聽和整理會議，是賦予我們?yōu)樗麄兎盏臋嗬?mdash;—這既包括了在用戶授權下獲取信息，也需要我們高效、準確地幫助他們處理信息。這份信任的基礎，是一個清晰的價值共識：我們通過AI工具將投資者從信息過載中解放出來，讓其專注于更高價值的思考與決策。
全方位提升投研信息獲取效率，提升信息處理質量，是機構投資者長期以來的根本訴求。Alpha派提供的AI助手工具，適應了新時代的行業(yè)生產(chǎn)力發(fā)展要求，解放了投資者的時間和產(chǎn)能，能夠代表廣大機構投資者的根本利益，從而通過不斷地創(chuàng)新，不斷摸索和引領了金融科技行業(yè)的前進方向——這一層的價值共識和認同，是用戶授予我們的權利基礎。
信任的另一面是責任。長久以來，我們將用戶個人信息安全、個人會議數(shù)據(jù)安全的重要性放在最高位置，信息安全的研發(fā)投入甚至優(yōu)先于AI創(chuàng)新的投入。所有用戶個人委托我們處理的私域信息，均通過分布式加密存儲，通過了國際標準的安全認證。在過去兩年，Alpha派沒有出過一起用戶私域數(shù)據(jù)泄露的安全事件。
在規(guī)劃產(chǎn)品時，我們把用戶對產(chǎn)品建立信任感的時刻分成兩類：一類是產(chǎn)品功能精準滿足真實需求的 “wow時刻”；另一類是產(chǎn)品通過精巧設計，觸達特定人群情緒價值的“會心一笑時刻”。
比如，雖然用戶知道PaiPai會議助手是機器人，但我們仍為其注入了“乙里乙氣”的性格——回復時總帶著溫和的口吻與笑臉表情包。這個小細節(jié)常常讓專業(yè)、嚴謹金融機構用戶感到驚喜，還會友善地回復機器人“謝謝”“辛苦了”，這真切拉近了用戶與AI的心理距離，也讓我們作為開發(fā)者也感到溫暖。
另一個例子是2025年新年的“彩蛋”。當時我們明顯感受到2024年下半年市場迎來轉機后，用戶對新一年市場、行業(yè)繼續(xù)回升向好的期待，于是特意在 PaiPai 后臺植入了一系列帶A股特色的吉祥話，讓用戶預約會議成功后自動推送。比如：“新歲將至，春暉漸近，風正揚帆，2025年你的業(yè)績，想必是極好的”；“2024年就要過去了，黎明破曉，復蘇可期，這些年的研究和跟蹤，終究不會錯付的！”
PaiPai推送的這些新年祝福，讓機構投資者在新年之際會心一笑的同時，能感受到機器人背后不是冰冷的程序，而是一群懂他們、深耕投研行業(yè)的團隊，是一群真正的創(chuàng)新者。
6.人工“笨方法”不丟人，產(chǎn)品沒人用才丟人
PaiPai會議助手上線早期，不少用戶會問我們 “你們背后到底是機器人還是真人”，我們始終坦誠回應：必要時，真人確實會介入。
早期的機器人偶爾會出問題——比如預約失敗、無法登錄，或是報名卡住。為此，我們內部專門搭了個控制后臺，能隨時“接管”AI。如今，每天定時巡檢、耐心回應用戶，再手動解決每個人遇到的參會難題，早已成了公司內部的標準化流程。
我們總把后臺的人工巡檢系統(tǒng)和流程，比作Robotaxi蘿卜快跑的“后臺安全員”：他們不是真人代駕，而是為服務安全交付兜底的角色。有意思的是，每次客戶了解到這個流程后，不僅沒有笑話我們人工效率低，反而更加信任我們。
還有個事我們很坦誠：AI其實沒那么強，尤其是用戶和 AI 對話解決突發(fā)情況時——比如用戶本來預約了AI參會，后來改主意想自己聽。為搞定這些邊角難題，我們寫了不少“規(guī)則”，讓程序通過規(guī)定的if-else邏輯來處理各種異常情況。這些規(guī)則雖然很不“AI”，甚至有時稍顯刻板，卻實實在在幫用戶解決了很多具體需求。我們相信，隨著AI能力不斷提升，這些“寫死的規(guī)則”終會被純粹的AI Agent整合。
2025年AI應用，特別是Agent產(chǎn)品火了起來，不少產(chǎn)品“為了AI而AI”——界面花哨沒重點，用戶不知道用來做什么，我們把這叫“炫技型產(chǎn)品”。但訊兔不一樣，我們從不是唯技術論的公司，始終信奉“人工+規(guī)則不丟人，你開發(fā)的產(chǎn)品沒人用才丟人”。
7.深耕投研行業(yè)，讓“信息處理的效能平權”
會議助手上線后，在行業(yè)內快速滲透，我們也收到了不少“拓圈”建議，提到最多的就是向C端會議助手領域拓展。最典型的對標案例就是海外的Otter（AI代理參會軟件）與Plaud（AI錄音筆硬件），他們都是很優(yōu)秀的AI產(chǎn)品。C端市場的巨大想象空間確實誘人，但我們仔細評估國內市場環(huán)境與自身能力邊界后，明確決定不采取激進拓圈策略。
我們始終認為，通用會議場景拋開技術難題不談，從產(chǎn)品生態(tài)來看，必然是互聯(lián)網(wǎng)巨頭的必爭之地。而在我們深耕的投研行業(yè)，即便在線上會議相關場景里，仍有大量待解決的問題，我們還有很多價值可以在這個場景中延伸。比如近期，我們推出了兩個會議助手的衍生新功能：
（1）導向投資決策的“邊際變化”信息提取
這個功能核心解決公司管理層本次與上次交流的表述差異問題。2023年開發(fā)AI紀要時，用戶便反饋單場紀要僅覆蓋“信息截面”，而“邊際變化”，才是更能導向投資決策的關鍵信息。開發(fā)這個工具并不容易：一是AI要理解公司模糊的表述口徑，二是依賴用戶高頻使用Alpha派，積累歷史上同一公司連續(xù)的會議交流數(shù)據(jù)。今年，算法成熟度與用戶數(shù)據(jù)基礎終于同時具備，用戶會后除AI紀要外，還能同步獲取產(chǎn)能、技術進展、公司治理等維度的經(jīng)營變化分析，節(jié)省交叉驗證時間，實現(xiàn)從“信息處理提效”到“賦能投資決策”的價值升級。
（2）“越用越強”的AI知識庫
大家非常熟悉的PaiPai 問答助手，核心是構建專業(yè)投研語料庫，且具備機構投研思維、能快速檢索語料。今年年中，用戶可將自己的知識納入檢索范圍。這意味著，用戶提問時，系統(tǒng)會自動檢索其歷史委托收聽的會議內容，輸出比公開資料庫更專業(yè)及時的分析（僅自己可見）。那么，深度用戶將形成“智能飛輪”：使用會議助手等工具越多，PaiPai掌握的信息越多、越專業(yè)，對該用戶的適配性越強、越“聰明”。
大家常說 “AI促進了信息平權”，但我們認為更準確的是：我們不解決“信息獲取”的平權問題（畢竟信息有其各自的權屬），我們解決的是 “信息處理的效能平權”——用好Alpha派，5人的研究團隊能快速達到傳統(tǒng)10人研究部的行業(yè)覆蓋能力；對新行業(yè)不熟悉的投資者，也能快速用專業(yè)研究工具入門新領域研究、實現(xiàn)個人能力拓圈。
寫在最后：真正的壁壘，是為用戶完成1000件小事
回顧Alpha派PaiPai會議助手的成長史，它既沒有高深的技術壁壘，也不是天才想法靈光一現(xiàn)，更像是AI時代里，無數(shù)產(chǎn)品從業(yè)者不斷開拓、持續(xù)探索的一個縮影。過程中我們突破過不少難關，踩過不少坑，也拒絕了很多“誘惑”。但我常常思考，這幾年AI應用層出不窮，我們能在行業(yè)里獲得部分用戶的認可與接納，甚至讓他們愿意向AI讓渡自身權利，核心原因到底是什么？
金沙江創(chuàng)投管理合伙人朱嘯虎曾說過，AI應用的最大壁壘，就是“完成用戶的1000 件小事”。對此我們深以為然。AI會議助手能走到今天，正是我們日復一日不懈拆解用戶的每一個細分場景、反復嘗試每一種技術方案、耐心回復每一個用戶問題沉淀下來的成果。
訊兔科技團隊本就脫胎于公募基金投研團隊，出來創(chuàng)業(yè)后，又憑借前沿AI技術研發(fā)出服務投研行業(yè)的Alpha派產(chǎn)品——這正是真正的“從用戶中來，到用戶中去”。如今AI技術正在經(jīng)歷翻天覆地的變革，但AI應用領域里，永恒不變的依然是對用戶價值的堅守與對用戶信任的珍視。
再次感謝全體Alpha派用戶對PaiPai AI的信任和支持，PaiPai能力的成長，是用戶與我們共同智慧的結晶。未來，訊兔科技將始終永葆初心，認真傾聽每一位用戶的反饋與意見，用前沿AI生產(chǎn)力，持續(xù)響應投資者對優(yōu)質信息的核心訴求。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
