Adit Abraham，Reducto 联合创始人兼首席执行官——专访

Adit Abraham是 Reducto 的联合创始人兼首席执行官，专注于将复杂的企业文档转化为可靠的数据，供 AI 应用使用。在与 MIT 校友 Raunak Chowdhuri 共同创办公司之前，他曾在 MIT 学习计算机科学，在 MIT 媒体实验室从事机器学习研究，并在 Google 担任产品经理，负责广告和搜索业务。Reducto 源于两位创始人为大语言模型开发记忆工具的尝试；当时，不可靠的文档摄取成了反复遇到的障碍。Abraham 与早期客户的直接合作，帮助公司确定了对准确性、安全性、部署灵活性以及生产环境中可预测性能的重视。

Reducto开发文档智能基础设施，帮助 AI 团队将 PDF、扫描件、电子表格及其他文件转换为结构化且可用的信息。其平台结合光学字符识别、计算机视觉和视觉语言模型，用于解读文本、表格、图表、格式和复杂的页面布局。除了文档解析，平台还提供结构化信息提取、文档拆分、分类和编辑工具，并通过引用将提取的信息与其来源关联起来。其客户包括 Harvey、Scale AI、Vanta、Mercor 和 Rogo。该公司的业务涵盖金融、医疗保健和法律等领域的检索增强生成、搜索及文档工作流；在这些领域，准确摄取信息并提供可追溯的结果至关重要。

你和 Raunak Chowdhuri 在构建大语言模型记忆工具时遇到的挑战，促成了 Reducto 的诞生。现有文档处理工具具体在哪些方面无法胜任？你们又是在什么时候意识到，文档解析本身的问题足够重大，值得为此创办一家公司？

我们想让模型能够获取文档中的上下文，因此添加了文件上传功能，但处理质量一直存在问题。我们试用了当时市面上所有现有工具，但在处理人们实际上传的、杂乱无章的真实文档时，没有任何一种工具达到我们的标准。

因此，我们自行开发了解析方案，最初将其作为 LLM 记忆产品的一项功能。后来，我们发现许多开发者也遇到了同样的问题，他们非常认可我们的方案，对它的需求十分强烈。有些团队花上数周时间构建和维护自己的信息摄取流水线，因为现有工具无法可靠地处理他们的文档。这些交流让我们更清楚地看到了其中的机遇：尽管模型的智能水平不断提升，干净、准确的上下文仍然能带来巨大差异。

从技术角度看，PDF 的设计初衷是展示信息，而不是让信息可被机器读取。复杂文档为何如此难以让 AI 系统可靠理解？尤其是包含表格、图表、多栏布局或嵌入图像的文档。

我们人类阅读文档时，往往会把许多自然理解能力视为理所当然——我们几乎可以立即推断出事物之间的关系，因为我们看得出某个数字属于特定的列标题、某段文字会在另一栏继续，或某个说明文字指的是上方的图。

AI 模型其实很难做到这一点，因为 PDF 的设计并不保留这类关系信息或元数据；从本质上说，它们是信息密度极高的图像。解析器必须根据页面内容重建这些关系；遇到合并单元格、嵌套表格、图表、扫描件和特殊布局时，问题就会棘手得多。由于我们专注于文档理解问题，因此能够可靠地处理那些长尾文档；面对这类文档时，AI 模型往往会产生幻觉并出错。

Reducto 在文档处理流水线中结合了计算机视觉、光学字符识别和视觉语言模型。这些技术如何协同工作？传统 OCR 系统又在哪些方面仍容易力有不逮？

传统 OCR 已经发展了几十年，最初是为逐字符读取文字清晰、易于辨认的文档而设计的。一旦文档包含手写内容、扫描内容、倾斜文字或表格，传统 OCR 就很容易失效，而这些情况在企业数据中往往十分常见。

Reducto 开创性地将视觉语言模型引入文档处理领域，推出了“Agentic OCR”，因为我们看到了 VLM 理解文档中纯文本以外内容的潜力——真正的文档智能需要上下文、准确性和多模态能力。我们最新的 r-1 解析模型将 Agentic OCR 的能力与格式保留、引用和布局检测等功能结合起来，一次处理即可完成。

这项额外工作意义重大，因为即使解析器的整体准确率很高，只要它漏掉的少量信息中包含某人真正需要的图表、条款或表格条目，也可能造成严重问题。

随着 AI 模型的多模态能力不断增强，并能够直接解读图像和文档，你认为专业文档智能平台的作用将如何演变？基础模型最终能否自行完成其中大部分工作，还是专用基础设施仍不可或缺？

事实上，我们押注的是这样一个事实：AI 模型只会不断进步，变得更快、更强。随着新模型不断推出，我们会持续评估它们的弱点、及时跟进，并将其优势整合到自己的处理流程中，从而为客户提供整体最佳性能。Reducto 希望成为你的数据摄取团队，伴随你的业务成长，与你携手构建所需的解决方案。

对企业而言，独特的挑战仍在于，除了性能之外，还需要具备可扩展的吞吐能力、治理机制和可验证性；而在生产规模下实现这些要求，目前对基础模型来说仍然很困难。

我们最近使用 GDP.pdf 基准进行了测试，结果显示，前沿模型在对复杂、真实的专业文档进行推理时仍然力有不逮，在严格的任务级通过率测试中得分低于15%至25%。先让 Reducto 解析这些文档，再将结构化数据传递给前沿模型，与模型直接处理文档相比，宏观准确率提高了9个百分点，同时推理令牌减少了13%。

这表明，专用的数据摄取基础设施仍然具有巨大价值，因为大多数企业数据尚未得到充分利用。

许多企业级 AI 应用最终都依赖检索增强生成或智能体系统，来访问埋藏在内部文档中的信息。这些系统的可靠性问题，有多大程度实际上源于更上游的文档摄取和解析环节？

相当多的问题都始于数据摄取环节。团队往往要到很久之后才发现问题，因为错误答案出现在流程末端。如果解析器漏掉表格中的一行、混淆两栏内容的阅读顺序，或遗漏一张图，那么检索就无法找回那些根本没有进入数据库的信息。

我们经常看到，客户将原有的数据摄取流程替换为 Reducto 后，终端用户的体验显著改善，RAG 和搜索系统也能更稳定地返回更好的结果。以 Harvey 为例，在将 Reducto 用作处理层后，其与 OCR 相关的客户支持工单大幅减少，产品使用量则成倍增长。

Reducto 已从解析拓展到结构化提取和更广泛的文档工作流。当系统能够准确理解文档的底层结构后，文档智能的下一层会是什么样？

数据摄取通常只是更大规模业务流程中的第一步。企业可能会收到一份500页的文件，需要识别其中包含哪些文档、对这些文档进行分类、提取特定信息、将这些信息与另一个系统进行比对，并把异常案例交由专家审核。我们花了2年时间训练市面上最好的文档理解模型，现在则投入更多精力，专注于简化后续环节。

一旦能够可靠地理解文档内容和结构，就可以将人们目前花时间整理、核对并在不同系统之间传递的信息相关工作实现自动化。几乎所有高风险业务工作流，都可以归纳为若干步骤：人们从其他文档中读取信息、据此做出决定，再将内容写入其他文档。我们希望未来成为人类或智能体与文档数据交互的默认方式。

你们的客户涵盖 Harvey、Vanta、Scale AI、Mercor 和 Rogo 等 AI 原生公司，也包括大型金融机构和《财富》美国 10 强企业。AI 初创公司的文档处理需求与大型受监管企业相比，有多大差异？

AI 原生公司通常行动迅速，其工程团队希望通过 API 处理复杂文档，而不必自行构建和维护处理技术栈。大型企业同样重视准确性，但往往还有其他要求，例如数据存储在哪里、如何部署软件、流量激增时会发生什么，以及用户能否追溯某个提取值在原始页面中的出处。以 Scale AI 为例，它在重视保密性和本地部署的政府环境中使用 Reducto；Harvey 则在投入生产前，从准确性、可靠性、成本、延迟和故障模式等方面对我们进行了评估，随后在大约六周内进入生产阶段。与这两类客户合作，促使我们同样重视 Reducto 在真实生产要求下的表现，以及它处理单份文档时的准确度。

据报道，在建立专门的销售团队之前，Reducto 主要通过创始人主导的销售，实现了超过500万美元的年度经常性收入。与早期客户直接交流，让你们了解到开发者真正想解决哪些问题？

这些交流让我们明白，与其泛泛而谈文档处理，不如多花时间了解客户实际想要完成什么。早期的销售沟通常常会变成工作会议：客户会拿出导致其处理流程出问题的文档，我们则会深入探究信息提取失败后会造成什么后果。在医疗领域，这意味着我们会看到，实验室报告中漏掉一行表格或误读一个单位，可能导致理赔延误，或让临床医生掌握的患者病史不完整。这样的风险重新定义了我们对准确性的要求：如果基准测试的高分掩盖了最关键的错误，那么这个分数就毫无意义。客户需要准确性，也需要可靠性、安全性、灵活的部署方式，以及可预测的规模化性能；直接听到这些需求，切实影响了我们的产品构建方向。

如今，Reducto 每月处理数十亿页文档。在这样的规模下会出现哪些工程挑战，尤其是在延迟、准确性、成本，以及确保不同类型文档的处理结果始终一致方面？

我已经记不清我们处理的页面数量了，因此即使是很小的低效，也会很快带来高昂成本。对每一页都进行不必要的推理，会同时增加成本和延迟；而过度追求速度，则可能降低处理复杂文档时的准确性。这意味着我们需要投入大量工程精力，判断每一页究竟需要多少处理。

借助 r-1，我们在提高解析准确性的同时降低了延迟，并将价格降至每页 1 美分。我们也在努力实现更自动化的路由，避免让简单页面消耗与含有复杂表格或图表的页面相同的资源。以目前的处理量，这些决策每天都会影响数百万页，因此效率本身就是核心工程问题之一。

展望未来几年，随着 AI 智能体日益频繁地处理合同、财务记录、研究论文、演示文稿及其他企业文档，您认为 AI 系统与世界上非结构化信息之间的理想交互界面会是什么样？

如今的 AI 智能体本质上是以文本为中心的。它们非常擅长对整洁的数字信息进行推理，但现实世界仍然离不开 PDF、电子表格、演示文稿、扫描件、合同和财务记录。长远来看，我认为智能体应该能够像现在处理文本文件一样，自然而然地与这些文档交互。

开发者不应该需要深入考虑 OCR、解析、模型选择或文档结构。智能体应该能够接收任意文件，理解文件内容，追溯重要信息的来源，并在完成所需任务时可靠地运用这些信息。底层基础设施应该负责决定如何处理文档、选择合适的模型，并在确实需要人工判断时上报不确定之处。

这最终就是我认为我们所追求的分工：由机器处理重复性的文档工作，让人们把时间用于需要背景信息、机构知识和判断力的决策。文档承载着企业运营所依赖的大量信息，因此，让这些信息真正能够被智能体直接使用，将极大提升 AI 在实际业务流程中的实用性。

感谢您接受这次精彩的采访。希望进一步了解如何将复杂文档转化为可供 AI 应用使用的可靠数据的读者，请访问 Reducto。