达观数据

先说结论

达观数据是那种你大概率没听过名字、但你存在银行里的钱和买的理财每天都在被它处理文档的公司。它不是做聊天助手的，不是刷榜的，不搞通用大模型——它就做一件事：帮银行、券商、政府这些机构处理海量的文本和文档。自研曹植大模型700亿参数专门做金融文本理解。它的OCR能识别带水印的PDF——识别率98.2%，行业最高。它的AI审核系统把风险漏检率从18%压到3%以下。如果你在金融行业工作、每天跟合同财报票据打交道，达观可能不是「可选的AI工具」，而是已经渗透到你工作流程里但你不知道的那种基础设施。

达观到底是什么——不是又一个大模型公司

达观数据2015年成立，创始人陈运文是复旦大学计算机博士，创业前在盛大、百度、腾讯做过搜索和NLP。公司总部在上海张江。达观从一开始就没卷通用赛道——不跟你比谁写作文得分高、不跟你比谁高考数学拿了多少分。它们切的是最苦最累但离钱最近的活：把银行里堆成山的合同、票据、报告用AI自动读、自动审、自动写。

自研的曹植大模型只有700亿参数——在今天万亿参数横行的时代，700亿听着不算大。但达观的逻辑是：垂直场景不需要万亿参数，需要的是准确率、安全性和可审计性。金融行业对AI的容错率是零——你说「大概率没问题」银行不敢用。所以达观走的路线跟百川智能有点像：垂直打透，不贪大。

OCR——金融文档处理的硬功夫

达观在2026年3月的第三方评测里拿出来的数据很硬：

• 带水印PDF识别率98.2%——行业最高。对比：智谱GLM只做到92.8%
• 浅水印识别率99.1%，深水印95.7%——都是行业最高
• 复杂表格识别率96.8%——合同发票里那种密密麻麻的表格，机器能准确读出来
• 公式识别率94.9%——数学公式和财务公式也能读

为什么水印识别这么重要？因为银行收到的很多文件是带水印的——房产抵押合同上有红章「仅供XX银行使用」、发票上有税务局的防伪水印。如果OCR读不懂水印下面的文字，审核就断了一环。普通OCR遇水印基本报废，达观在这块打通的壁垒是多年金融场景磨出来的，不是那种「实验室里干了99%但上线就变80%」的纸面数据。

曹植大模型——垂直场景的「手术刀」

曹植大模型跟通用模型最大的区别是它不需要你详细描述业务场景——它已经被预训练了大量金融语料：债券募集说明书、上市公司财报、银保监会监管文件、信贷合同条款。你对它说「审核这份供应链贸易合同里有没有风险条款」，它立刻知道该关注哪些条款、该比照哪个监管文件、该标出哪些异常点。

达观的AI Agent架构设计得比较务实——不是把所有事情都交给大模型做。它的架构是「眼睛（OCR/IDP识别文档）→ 大脑（NLP+曹植模型理解意思）→ 双手（RPA机器人自动执行）」的串联。大模型负责理解文档内容，但具体的业务流程——比如审核完合同自动归档到CRM——走RPA。这个设计比纯靠大模型从头到尾做更稳定，因为金融场景需要的是可重复的结果而不是每次给不同的答案。

落地数据——不是在卖Demo

达观披露的2026年实际落地数据相当具体：

• 文档审核效率提升90%+——原来一个人审一天的文件，机器几分钟审完
• 风险漏检率从18%降到3%以下——以前审100份合同漏18个风险点，现在漏不到3个
• 关键信息提取准确率≥95%——从合同里自动抓公司名、金额、日期这些核心字段
• 流程自动化人工减少80%——大部分人工操作被AI+RPA替了
• 报告写作效率提升60%+——AI帮你写贷前调查报告、财务分析这些

这些数字如果只来自达观自己的PPT我会打折扣，但行业拿的奖和入选的案例集可以作为旁证：2026年入选了国家数字经济实践优秀案例集、拿了DataFun的年度科技创新突破奖、在华为云大会上作为重点案例展示。

信创适配——金融行业选AI的门槛

金融行业有个硬要求叫「信创」——信息技术应用创新产业，简单说就是软硬件都得适配国产的。银行不能用一个只跑在英伟达GPU上的大模型——万一哪天被断供呢。达观拿下了30项信创认证，全面适配国产化软硬件，曹植模型能在华为昇腾上跑。这是金融客户选择达观的一个重要原因——不是它比别的模型聪明多少，是它能过了合规和供应链安全的审核门槛。

基本信息