Hebbia 是一家利用生成式AI技术搜索大型文档并返回答案的初创公司。该公司的AI产品支持使用自然语言提问，并可以一次性查看数十亿份文档，包括PDF、PowerPoint、电子表格和转录，并快速返回具体答案。
Hebbia主要面向金融服务公司，包括对冲基金和投资银行，但其产品也可用于律师事务所和其他专业领域，在最新的B轮融资中获得1亿美元融资。
Hebbia还入选了今年福布斯第六届年度人工智能 50 强，该榜单由红杉资本和 Meritech Capital 合作发布，旨在表彰最有前途的人工智能企业。
▍团队介绍
Hebbia 由George Sivulka在2020年创立，当时他正在斯坦福大学攻读电气工程博士学位。Sivulka在NASA工作过，并在16岁时发表了一篇在国际科学会议上获奖的计算模拟论文。他在斯坦福大学以优异成绩获得数学学士学位，并在两年多的时间内完成了应用物理学硕士学位。然后，Sivulka着手攻读斯坦福大学的人工智能博士学位（后来辍学）。
▍融资信息
Hebbia的股东非常豪华，在2022年9月完成了3000万美元的A轮融资，由Index Ventures领投，除此之外，还包括雅虎创始人杨致远（Jerry Yang），以及谷歌创始董事会成员兼首批投资者之一拉姆·施里拉姆（Ram Shriram）。
2024年6月，Hebbia完成了近1亿美元的B轮融资，由Andreessen Horowitz领投，此轮融资使公司估值达到7亿至8亿美元之间。至此，Hebbia的总融资本达到了1.3亿美元。
▍企业为什么需要AI搜索
企业AI搜索市场正在迅速崛起，成为现代企业提高效率和竞争力的关键工具之一。Hebbia在A轮融资时介绍说：所有搜索引擎只索引了全球 10% 的数据。Hebbia 正在释放其余 90% 的资源，使其成为知识工作者经济的中心平台。
随着数据量的爆炸式增长，传统的搜索工具已难以满足企业对高效信息检索的需求。企业AI搜索通过利用人工智能和机器学习技术，能够处理大量非结构化数据，如文本文档、电子邮件、报表、图像和视频等。
这些先进的工具不仅可以快速、准确地检索信息，还能理解上下文和复杂查询，提供更有价值的见解。
企业需要AI搜索的原因有很多。首先，AI搜索工具具有自然语言对话能力，使用户能够以自然语言提问，系统能理解并返回精确答案，大大提升了用户体验和操作便捷性。其次，这些工具能够自动分析和处理大量数据，帮助企业从海量信息中提取关键见解，加速决策过程。
特别是在金融和法律行业，AI搜索技术显得尤为重要。这些行业需要处理和分析海量的文档，且对准确性和安全性有极高要求。AI搜索工具可以快速检索、分析并理解复杂的专业术语和概念，提供高效且精准的信息支持，帮助从业者在关键时刻做出明智决策。
企业AI搜索市场的增长受到多个因素驱动，包括数据量的爆炸式增长、对实时信息和决策支持的需求、以及技术进步带来的更高效和智能的解决方案。随着越来越多的企业认识到AI搜索工具的巨大价值，这一市场预计将在未来几年内继续快速扩展，为各行业带来深远的影响，推动企业向智能化和高效化迈进。
▍为什么是金融和法律行业
Hebbia的目标市场主要是金融和法律服务行业，已经吸引了包括世界上一些最大的私募股权公司、对冲基金、咨询公司和政府项目在内的20家付费企业客户。
金融服务和法律行业对文档问答有巨大需求的原因主要包括以下几点：
庞大的文档量: 这两个行业需要处理和分析的文档数量巨大。金融服务行业需要分析大量的市场报告、研究文档、合同和交易记录等，而法律行业则需要处理大量的案件文件、法律文档、合同和判决书等。手动搜索和分析这些文档非常耗时且低效。
高准确性需求: 在金融和法律行业中，准确性至关重要。错误的信息可能导致重大的财务损失或法律后果。因此，这些行业需要高效且准确的文档问答工具，以确保获取到的信息是准确和可靠的。
复杂性和专业性: 这些行业的文档通常涉及复杂的概念和专业术语，需要专业知识才能正确理解和解释。AI驱动的文档问答工具可以理解这些复杂的概念和术语，提供更加准确和深入的分析。
快速响应需求: 在金融和法律行业中，能够快速获取信息和作出决策是非常重要的。AI驱动的文档问答工具能够即时搜索和分析大量文档，大大缩短了信息检索的时间，提高了工作效率。
保密性和安全性: 这些行业处理的许多文档包含敏感和机密信息。AI工具可以在保证数据安全和保密的前提下，高效地处理和分析这些文档。
综上所述，金融服务和法律行业对文档问答的巨大需求源于这些行业的特点，包括处理的文档量大、对准确性的高要求、文档的复杂性和专业性、对快速响应的需求以及对保密性和安全性的重视。
AI驱动的文档问答工具，如Hebbia提供的解决方案，能够有效地满足这些需求，提高工作效率和决策质量。
▍AI搜索在to B的差异性
目前AI搜索是大模型落地最具确定性的方向之一，已经吸引了众多玩家入场，并获得了资本的认可，除了头部产品Perplexity外，还有前段时间介绍的Genspark。
AI搜索市场迎来强大对手，Genspark获6000万美元融资
Perplexity为代表的to c产品，主要基于搜索引擎的搜索结果去做二次处理，帮助用户提升获取信息的效率和体验。而Hebbia为代表的to B产品是基于企业的数据去做问答，例如企业中存在大量的不同类型的非结构化的文档，帮助企业提升获取信息的效率。
从技术角度来看，面向企业（B2B）的AI搜索产品通常会更加复杂。这种复杂性主要源于以下几个方面：
1. 数据的多样性和非结构化特征
企业内部的数据类型繁多，包括文本文档、电子邮件、报表、图像、视频等，这些数据往往以非结构化的形式存在。
to B的AI搜索产品需要能够处理这些不同类型和来源的数据，这就要求产品必须具备强大的数据处理和分析能力。例如，它需要能够提取和理解PDF文件中的文本内容、分析图像中的信息，甚至处理和解析视频数据。
2.高准确性和可靠性要求
企业决策往往依赖于搜索结果的准确性和可靠性。因此，to B的AI搜索产品需要具备高度精确的搜索和分析能力，这包括对复杂查询的理解、对大量数据的快速处理、以及高质量结果的呈现。实现这些功能需要复杂的算法和大量的优化工作。
3. 数据安全和隐私保护
企业数据往往包含敏感信息，如财务数据、个人信息、商业秘密等。因此，to B的AI搜索产品搜索产品在处理这些数据时，必须严格遵守数据安全和隐私保护的相关规定。这意味着产品需要实现复杂的权限控制、数据加密和安全审计等功能，以确保数据的安全性和合规性。
4. 高度定制化的需求
不同的企业有着不同的业务流程、管理结构和信息需求，这就要求to B的AI搜索产品搜索产品能够提供高度定制化的服务。这包括但不限于定制化的搜索算法、特定行业的数据处理规则、以及与企业现有系统的集成等。
满足这些定制化需求需要产品具备高度的灵活性和可配置性，这无疑增加了技术实现的复杂性。
5. 与企业现有系统的集成
企业往往已经拥有一套成熟的IT系统和数据管理工具，to B的AI搜索产品搜索产品需要能够与这些系统无缝集成。这要求产品不仅要支持多种数据源和格式，还要能够兼容企业现有的技术架构和标准。实现良好的系统集成同样增加了技术实现的复杂性。
总之，面向企业的AI搜索产品由于需要应对企业数据的多样性、满足高度定制化的需求、确保数据安全和隐私保护、提供高准确性的搜索结果，以及与企业现有系统的集成等方面的挑战，因此在技术上通常比面向消费者的to C产品更加复杂。
这些复杂性要求to B搜索产品的开发者不仅需要精通AI和大数据技术，还需要深入理解企业的业务需求和技术环境。
综上所述，Hebbia凭借其先进的生成式AI技术和强大的文档搜索能力，成功填补了金融和法律行业对高效、准确信息检索的巨大需求。随着大数据和人工智能技术的不断发展，Hebbia的解决方案不仅提升了文档处理的效率和准确性，也为这些行业的从业者提供了强有力的决策支持。在获得1亿美元B轮融资和入选福布斯年度人工智能50强后，Hebbia展现了其巨大的市场潜力和未来前景。通过不断优化技术和扩展应用场景，Hebbia有望在未来继续引领AI文档搜索领域，为更多行业提供创新的解决方案。
