Interview with Xiao Yumin, CTO of TorchV AI: Harnessing unstructured data for business advantage

• TorchV AI 首席技术官肖宇民是技术开发专家，专注于 RAG、向量搜索和非结构化数据解析。
• 肖宇民讨论了公司如何专注于提供 B2B 解决方案，利用非结构化数据，以及 AI 驱动技术不断发展的格局中独特的挑战和机遇。

最近，我们有机会与 TorchV AI 的首席技术官肖宇民进行了交流。TorchV AI 是平台即服务（PaaS）写作辅助领域的领先创新者。自 2023 年成立以来，它凭借支持营销内容创作和正式文档起草的尖端平台引起了广泛关注。

肖宇民介绍

肖宇民担任 TorchV AI 的首席技术官。肖宇民曾使用 Java 和 Python 进行技术开发，在技术架构、微服务、开源框架方面拥有丰富的专业知识，尤其专注于 RAG（检索增强生成）、向量搜索和非结构化数据解析。目前，他负责 TorchV AI 的产品和研究活动，专注于大模型、RAG 和向量搜索。此外，肖宇民还是开源中国 GVP 项目 Knife4j 的作者。 另见: 阿尔贝托·普列托.

另请阅读：专访 Pigsty 作者冯若航：简化 PostgreSQL 管理并推动中国开源社区发展

问：我了解到贵公司的产品主要面向 B2B 客户。与百度“文心一言”和阿里巴巴“通义千问”等专注于文档检索的生成式 AI B2C 产品相比，什么促使您决定专注于服务 B2B 客户？

“在企业环境中，非结构化数据具有重要价值。就像为车辆加油一样，数据可以为企业注入活力，持续释放其价值。” 另见: AI芯片通胀：设备制造商受挤压，影响超越数据中心.

肖宇民，TorchV AI 首席技术官

最初，我们的目标是开发一个软件即服务（SaaS）解决方案，目前提供两个版本。其中一个是在线 SaaS 服务，自 RAG 和大模型出现以来一直在运营。早在 2019 年，我们就从事智能客服产品的开发，尽管技术栈有些过时。随着大模型的出现，我们彻底改变了技术栈。以前，我们运营的知识库需要大量人力资源来维护信息。例如，如果用户询问上海的天气，我们的方法是维护特定的回复，要么使用天气 API，要么利用其他基于文本的知识，这对我们的知识库工作人员来说要求很高。 另见: D2C用户增长掩盖季节性使用差距.

抓住大模型带来的机遇，并基于以往的经验，我们决定以知识库为基石开展业务。此外，正如您提到的，百度和阿里巴巴等大公司也在这一领域活跃。然而，小公司也有自己的独特优势。首先，许多中小企业可能尚未完全实现数字化转型。随着人工智能的出现，我们开发的知识库使我们能够在早期数字化工作的基础上进一步发展，使人工智能成为一个强相关的产品。此外，在我们的实际工作场景中，大约 80% 的时间用于处理非结构化数据。 另见: 沃达丰与吉利扩大车联网合作关系.

此外，我们坚信，在企业环境中，非结构化数据具有重要价值。如何充分释放这些数据的潜力？这就像为车辆加油一样，数据可以为企业注入活力，持续释放其价值。在与众多客户交流时，他们经常表达类似的担忧。这类数据（包括文档）通常存储在员工个人的电脑中。他们希望有一个集中的数据平台，就像数据枢纽一样。然而，当我们之前讨论数据枢纽和大数据时，重点主要放在大公司建立大数据中心，这并未充分利用数据枢纽的价值，因为重点主要放在结构化数据上。 另见: Bergen Engines赢得Liberty Energy 500MW AI电力订单.

大公司拥有面向消费者的产品，如微信和钉钉，这些产品深度集成到办公环境中，并拥有大量数据积累，能够进行数据分析和挖掘。然而，在中小企业中，这些类型的产品并不符合他们的需求。他们拥有各种文档，包括财务记录、员工信息、合同和其他相关文档。因此，挑战在于如何在人工智能时代有效利用这些数据。我们目前的重点是通过公司内部的协作方法有效利用这些工具，以简化整个工作流程。 另见: Sparkle与Entel玻利维亚推出南美光纤路线.

问：在设计贵公司的产品时，您是否会针对不同客户的具体问题，量身定制不同类别的定制产品？

关于您的问题，我们是否为客户专门定制产品，我们并不进行大规模定制。相反，我们正在构建一个基础的知识库，它作为我们数据生态系统的基石。一旦这个基石建立起来，我们就会在其上开发各种应用，例如旨在满足企业需求的应用中心。例如，今天我们可能需要创建一个用于合同审查的应用程序，以提高公司法律部门的效率。我们已经有了合同应用程序，明天可能需要用于写作的应用程序，特别是针对年度报告撰写等场景。我们根据客户的具体情况定制应用程序，以确保它真正帮助他们在企业中创建有用的 AI 场景。我们努力逐一巩固每个应用。在商业环境中，部署人工智能与生成有趣的图片、视频或音乐截然不同。在专业环境中，对人工智能的要求要高得多。 另见: INWIT因与主要电信客户基站纠纷下调展望.

另请阅读：专访 Datastrato 创始人兼 CEO 杜俊平：推动数据和 AI 创新

问：您能否谈谈在产品或解决方案开发过程中遇到的技术挑战？

确实有几个具有挑战性的问题。正如技术人员常说的，这个特定问题似乎没有止境。目前，在行业中，处理文档，特别是 PDF，可能是最困难和最成问题的方面。目前，即使是像 ChatGPT4 这样最先进的系统，也没有任何供应商能够保证从 PDF 文档中完整准确地提取信息。正如我们所见，这是一个持续的迭代过程，因为人工智能领域的每个人都在越来越关注解决这个问题。技术的发展无疑呈上升趋势，包括许多开源项目和各种人工智能模型都在这一领域不断进步。 另见: 博通和台积电警示AI芯片供应压力.

问：关于您对非结构化数据的观点，还有什么进一步的见解想分享吗？

“解析、分析和理解非结构化数据的能力不仅是一项技术挑战，也是企业寻求获得竞争优势的战略要务。”

肖宇民，TorchV AI 首席技术官

非结构化数据是一种庞大且尚未充分利用的资源，对组织具有巨大的潜力。鉴于非结构化数据的复杂性和数量，利用其价值需要创新的方法和技术的进步。大语言模型和人工智能的进步使我们能够以前所未有的方式从这些数据中解锁洞察。在我看来，未来在于我们将这些数据转化为可行情报的能力，我们正在朝着这个目标积极努力。

个人见解

肖宇民在人工智能和软件开发领域是一位具有远见和务实精神的领导者。他在 RAG、向量搜索和非结构化数据解析等领域深厚的技术专长，加上他在开发 Knife4j 等开源项目方面的实践经验，使他成为该领域可信的权威。肖宇民致力于利用人工智能技术解决现实世界的问题，特别是在 B2B 领域，这反映了他对市场以及中小企业所面临挑战的理解。

肖宇民的产品开发方法是有条不紊的，专注于创建可扩展的解决方案，这些解决方案可以进行调整以满足企业的多样化需求。他强调构建一个健壮的基础知识库作为各种应用的基础，展示了他的战略思维和长远眼光。通过优先开发可以根据特定客户要求定制的应用程序，肖宇民表现出对灵活性和适应性在快速发展的技术领域重要性的敏锐意识。

此外，肖宇民对处理非结构化数据的挑战的见解，特别是从 PDF 等文档中提取有意义信息的复杂性，揭示了他对持续改进和创新的承诺。他认识到非结构化数据的战略价值及其对企业的潜力，这强调了他的前瞻性思维和致力于为增长和竞争优势开辟新途径的决心。

总体而言，肖宇民是一位深思熟虑且积极进取的人，他结合了技术实力和对商业格局的清晰理解。他在 TorchV AI 的领导以专注于开发实用的人工智能解决方案为标志，这些解决方案可以真正改变企业在数字时代的运营和繁荣方式。