AI终于能读懂你的手写——企业为何关注

在人工智能数据摄取管道对语言、数字和表格数据的需求持续增长的同时，另一片未被充分开发的领域——非结构化文档——正逐渐成为企业AI应用的关键瓶颈。Valantor公司近日宣布收购非结构化信息RAG专家EyeLevel，正式推出企业视觉智能平台，旨在连接企业内那些无模式、自由格式且未经整理的海量信息。

据EyeLevel首席执行官兼联合创始人Benjamin Fletcher介绍，约80%的企业知识存在于数百万页视觉复杂的PDF、PPTX和DOCX文件中。这些信息远超任何大语言模型上下文窗口的容量，实际上对大模型和AI代理来说是不可访问的。更令人担忧的是，人工构建的“黄金数据集”通常存在10%到25%的错误率，但团队对AI的要求往往远高于对自身人员的要求。

在事务性工作流（如发票和索赔处理）中，文档的视觉复杂性和多样性使得企业仍然依赖人工处理，而人工处理速度慢、成本高且易出错。Valantor注意到，大多数AI公司专注于模型本身，而Valantor则聚焦于“模型无法看到的信息”——这些信息被锁定在文档、合同、图表、报告等视觉复杂的内容中。

Valantor的旗舰平台产品GroundX运行在数据所在的位置，包括私有云、主权基础设施、本地部署甚至完全离线的环境。GroundX是一个针对非结构化文档的摄取和检索层，所有功能通过REST API、SDK和MCP暴露。作为收购的一部分，Valantor还推出了GroundX Studio，其工具集与现代化AI开发环境集成，使开发者能够构建运行在企业知识之上的安全AI应用，同时保持基础设施不变。GroundX Studio还向业务用户扩展了能力，使其无需大量定制开发即可创建AI驱动的工作流。

对于数据摄取可能带来的延迟和成本问题，Fletcher表示，他们从不将整个文件发送给语言模型，而是先由视觉模型将页面拆分为元素，处理在多个层级并行运行，代理只执行小型任务，因此可以使用更便宜的模型，团队甚至可以用Helm在自己的硬件上运行整个堆栈以控制成本。

在手写识别方面，Valantor声称其专有视觉模型在超过一百万页的企业文档上进行了微调，能够像人类一样看待页面：表格、段落和图形。手写标记作为页面元素被捕获，并保留其布局上下文，窄代理随后将每个元素提炼为适合搜索和LLM补全的上下文对象。

实际案例包括Air France-KLM使用GroundX开发基于AI的客户服务助手，在复杂政策问题上达到96%+的准确率；AskVet则利用该平台将超过十年的专有兽医数据投入运营，实现高达85%的客户咨询自主解决。

尽管文档管理可能仍像“吃蔬菜”一样不受欢迎，但随着AI工具开始分析企业长期积累的非结构化信息，这一领域正变得愈发重要。