在信息爆炸的时代，知识型工作者的时间正被信息搜索的低效所吞噬。根据硅谷科技评论（SVTR）AI数据库的分析，企业级 SaaS 生态的过度扩张（SaaS Sprawl）已成为全球企业运营效率的隐形杀手——当平均每家企业使用 112 款软件应用，员工每天花费 3 小时寻找信息，生产力损耗已不容忽视。特别是在金融、法律和咨询等高度依赖信息精确性的行业，传统搜索工具已无法满足从业者的需求，拖慢了尽职调查等关键业务流程。

在AI创投榜AI搜索赛道排名第4位的Hebbia 试图解决这一痛点，其核心产品 Matrix 通过神经搜索技术，让用户能够在海量非结构化数据中精准提取关键信息，并以类 Excel 的方式呈现结果，为资产管理、私募股权和法律领域的专业人士提供了更智能的搜索与决策工具。值得注意的是，截至 2024 年 7 月，全球按 AUM 计算排名前 50 的资产管理公司中已有 30% 采用了 Hebbia 的解决方案，这一数据无疑验证了市场对高效企业搜索工具的迫切需求。

Hebbia 的崛起不仅是企业搜索领域的一次技术升级，更是对知识型工作者生产力提升的重新定义。面对海量数据、复杂决策和时间压力，未来的企业搜索是否能真正成为知识型工作者的 “第二大脑”？

根据世界经济论坛的数据，全球约有20亿劳动者从事知识性工作，占全球劳动力的60%。知识型工作者指的是依靠思考进行工作的群体，包括作家、销售人员和工程师等。然而，现代知识型工作者面临的一个主要问题是 SaaS 过度使用（SaaS Sprawl），即企业内部过度依赖各种 SaaS（软件即服务）应用程序。到 2023 年，平均每家企业使用的软件应用程序数量已达到 112 个。如此庞大的应用生态导致员工平均每天要花 3 小时 搜索所需信息，而根据 2022 年的一项调查，47% 的数字化员工 表示难以找到完成工作所需的关键信息。

在金融服务、法律和咨询等专业服务行业，信息检索的效率尤为关键。这些行业的从业者常常需要执行尽职调查，而这一过程通常涉及大量密集文件的人工分析。例如，私募股权专业人士需要长时间待在数据室（Data Room）——一个用于存储和共享机密信息的空间，以处理复杂的尽职调查任务。这一过程通常涉及审阅和分类 数百份 财务报表、法律协议和公司记录等文件。尽管研究表明，虚拟数据室（VDR） 可将尽职调查时间缩短 40%，但文件审查和实时协作方面的低效问题仍然存在。

此外，律师在进行尽职调查时也面临诸多挑战，例如：

• 需要手动审查大量法律文件，耗时且易出错；

• 工作流程分散于多个平台，难以形成统一管理；

• 缺乏对交易进度的全面可见性，影响决策速度。

这些问题不仅拖延交易完成时间，还增加了错误和遗漏关键信息的风险。

Hebbia 旨在通过神经搜索技术，帮助投资银行和私募股权分析师解决复杂且模糊的查询问题。其核心产品 Matrix 允许用户上传 PDF、演示文稿、电子邮件、图片 等各种类型的文档，并输入具体问题，系统能够即时提供详细分析结果，并以 类似 Microsoft Excel 的表格 形式呈现数据。

Hebbia 最初专注于 金融服务行业，截至 2024 年 7 月，全球按 资产管理规模（AUM）排名前 50 的机构中已有 30% 采用了 Hebbia 的解决方案。未来，Hebbia 计划扩展至更多 高度监管行业，为知识型工作者提供企业级搜索解决方案，提升决策的 速度 和 准确性，帮助他们高效获取关键信息，从而优化工作流程。

创立故事

Hebbia公司成立于2020年8月，由乔治·西武尔卡（George Sivulka）担任首席执行官（CEO）。西武尔卡从小便展现出非凡的创新能力。他在12岁时就能制造出可以点燃火焰的激光器；16岁时，他便获得了在NASA戈达德空间研究所（Goddard Institute for Space Studies）的实习机会，并在2014年至2016年期间参与相关研究。2016年，他进入斯坦福大学攻读本科学位，并在三年内完成数学学士和应用物理硕士学位。本科毕业后，他原本计划进入电气工程的全额资助博士项目，但最终选择了另一条道路。

在斯坦福大学期间，西武尔卡在一个计算神经科学实验室工作，他的同事向他介绍了早期的Transformer模型，这激发了他对这类技术模拟人类记忆检索能力的兴趣。同时，他也注意到身边许多朋友毕业后进入摩根士丹利、高盛等金融公司工作，但当他们重逢时，往往表现出疲惫不堪，甚至“几个月都没笑过”。

为了探索神经搜索技术的潜力，同时帮助身边的朋友解决实际问题，西武尔卡决定开发一款更智能的信息检索工具。他在Jupyter Notebook上创建了一个早期的神经信息检索模型，试图突破传统CTRL-F搜索仅基于文本匹配的局限，让计算机能够理解用户意图，并精准识别文档中最相关的内容。最初，他选择以DEFM 14-A文件为训练对象，这是一份超过400页的监管申报文件，投资银行家通常需要手动阅读和分析。这一选择凸显了自动化处理复杂文档任务的潜力。

他最初将这一模型的早期版本分享给摩根士丹利门洛帕克办公室的一些银行家，没想到工具很快在更广泛的圈子里传播开来，甚至影响到了他未曾直接接触的人。意识到这一技术的广泛应用前景后，西武尔卡决定暂停博士学业，全身心投入到这个项目中，最终创立了Hebbia公司。

公司产品

Hebbia 致力于为知识工作者打造专门的企业搜索工具。公司首席执行官乔治·西武尔卡（George Sivulka）在2024年7月指出，目前市场上已有成千上万家公司开发聊天机器人或搜索引擎，能够很好地处理简单的用户查询，但尚无产品能应对金融服务、法律、咨询等行业知识工作者每天需要解决的复杂、多步骤问题。

CTRL-F Chrome 插件

西武尔卡在博士研究期间开发的 Jupyter 项目成为 Hebbia 第一款产品的基础。这款产品于 2020 年 10 月推出，是一个 Google Chrome 插件，其功能远超传统的文本模式匹配搜索。它利用 神经搜索 技术，能够理解用户搜索意图，并在网页中智能突出最相关的信息，而不仅仅是返回用户输入的精确词组。

该插件发布后，迅速吸引了 法律专业学生、金融分析师以及斯坦福大学的研究人员，他们纷纷表示该工具能够提升单页搜索的效率，并期待这一功能扩展至整个知识库，以支持更大规模的信息检索需求。

Matrix——核心产品

Matrix 作为 Hebbia 的核心产品，于 2024 年 3 月 正式发布，旨在帮助用户处理复杂、端到端的任务，并以 类似 Microsoft Excel 的表格形式 组织数据。它支持用户上传各种格式的结构化或非结构化文档，包括 PDF、演示文稿、电话会议记录、电子邮件、电子表格等，并能从这些文件中自动提取关键信息，回答复杂问题。

例如，用户可以提出以下问题：

• “我们的投资组合对硅谷银行的风险敞口是多少？”

• “当前增长最快的电商公司收入板块是什么？”

在 Matrix 的表格界面中，每个用户上传的文档都会占据表格中的一行，而用户提出的问题则显示在列标题中。Matrix 会根据这些问题，从每个文档中提取相关信息，并填充到相应的单元格中。例如，在投资分析场景中，Matrix 可以自动从 12 份投资文件中提取投资亮点和潜在风险。Matrix 的优势包括：

• 提高工作效率： 一位曾在大型金融机构工作的分析师表示，以往在公司数据室中整理数据并生成简要报告需要 约 10 小时，而使用 Matrix 后仅需 2 小时。

• 精准信息提取： 传统搜索工具难以精准查找 某一年公司的利润率 或 利润下降的原因，而 Matrix 通过直接提供答案及详细来源，大幅提升查询效率。

• 可追溯性： 用户可点击表格中的某个单元格，查看答案来源的具体文档位置，并获得详细的推理步骤，确保数据透明度和可验证性。

市场格局

公司客户

Hebbia 的核心产品专为那些需要快速且精准决策的行业专业人士设计，主要聚焦于金融服务行业，其客户包括：

• 资产管理公司

• 投资银行

• 私募股权公司

• 对冲基金

• 其他各类金融机构

Hebbia 首席执行官 George Sivulka 曾表示，公司最初专注于私募股权行业，但后来逐步拓展，现已与北美和欧洲的众多大型资产管理公司达成合作。

在金融服务领域，Hebbia 主要优化尽职调查和研究流程。传统上，分析师在评估潜在投资机会时，需要手动阅读大量公司提供的文件，包括数据室中的文档及公开资料。Sivulka 形象地描述道，

“作为私募股权分析师，你需要填写一份长达 400 个问题的跟踪表，其中涉及各种业务问题”。

Hebbia 通过其技术，即时解析所有文档，直接为分析师提供所需的关键信息，大幅提高工作效率。

扩展至法律行业 2024 年 7 月，Hebbia 开始拓展金融领域以外的市场，首个新目标是法律行业。公司新成立了一支专门面向律所的销售团队，以推动业务增长。

Hebbia 法律部门负责人 Ryan Samii 指出，法律行业与金融行业面临类似的挑战，低效的工作流程和繁琐的文档处理使得专业人士难以专注于高价值任务。例如：

• 合同分析

• 案件管理

• 文件审查

这些耗时的任务极大限制了法律从业者的工作效率。Hebbia 的技术可以帮助律所优化运营、简化流程，并提升客户体验，从而在竞争激烈的法律市场中创造更大价值。

市场规模

企业搜索市场 全球企业搜索市场在 2022 年的估值约为50 亿美元，预计到 2032 年将增长至122 亿美元，年均增长率（CAGR）达 9.6%。

企业搜索指的是从不同数据源中提取数字内容，并通过一个搜索框统一呈现。其主要价值在于快速提供高度相关的信息，提升企业员工的工作效率。

该市场的核心工具能够帮助企业员工在各种商业应用程序（如 CRM、文件管理平台、内部通讯工具等）中高效搜索信息，包括：

• Salesforce（CRM）

• Dropbox（文件管理）

• Slack（内部通讯）

金融行业 IT 投资 在银行和投资服务领域，2023 年全球 IT 支出估计为 6857 亿美元，预计到 2027 年增长至 9576 亿美元，年均增长率（CAGR）为 8.5%。

竞争对手

市场巨头（IBM、Microsoft）

• 具备强大的技术和资源，但其产品主要是 API 解决方案，而 Hebbia 提供的是 独立软件。

• 
  

• Watson Discovery 和 Azure AI Search 支持金融和法律行业，但在处理复杂查询方面不如 Hebbia 专精。

直接竞争对手（Glean、Harvey、Algolia、Vectara）

• Glean：企业知识搜索，市场更广泛，但不专注于金融行业的复杂查询。

• Harvey：专注于法律行业，Hebbia 近期也在进入该领域。

• Algolia & Vectara：主要提供 API 解决方案，Hebbia 则是完整的软件平台。

Hebbia 在竞争格局中最主要的优势在于：

• 专注于复杂、多步骤、高价值查询（如金融尽职调查、法律分析）。

• 独立的软件平台，无需开发者进行 API 集成。

• 扩展至法律行业，逐步扩大市场影响力。

  
  

商业模式

Hebbia未公开定价模式，但根据客户反馈，每个用户许可证年费约1.5万美元。一个企业客户（SkyKick）购买了10个许可证，总计年费10万美元，表明Hebbia采用按用户订阅模式，并提供用户数量增长的折扣。

重大进展

• 市场认可度：Hebbia在2024年入选《Forbes AI 50》榜单，是专业服务行业仅有的两家上榜公司之一（另一家是Harvey）。

• 收入增长：2024年7月时，Hebbia的年经常性收入（ARR）达到1300万美元，并在过去18个月内增长15倍。

• 市场渗透率：截至2024年7月，全球前50大资产管理公司中30%正在使用Hebbia，总计管理资产规模14万亿美元。其中包括Charlesbank、American Industrial Partners、Towerbrook、Crestline等。

• 法律行业扩张：2024年5月，Hebbia任命Ryan Samii为法律部门负责人，11月时已获得Fisher Phillips等法律客户。

• 团队增长：员工数量从2022年9月的15人增长到2024年11月的95人。

融资估值

2024 年 7 月，Hebbia 在 B 轮融资中筹集了 1.3 亿美元，使其估值达到 7.1 亿美元。本轮融资由 Andreessen Horowitz 领投，GV、Index Ventures 和 Peter Thiel 等知名投资人参与。本轮融资的前估值（pre-money valuation）为 5.8 亿美元，相较 2022 年 7 月的 A 轮融资，估值增长了约 4.6 倍。

截至 2024 年 11 月，Hebbia 累计融资总额达到 1.611 亿美元。此前的融资轮次中，还包括 Naval Ravikant、Floodgate、Human Capital 和杨致远（Jerry Yang）等知名投资人的参与。根据其在 B 轮融资时报告的 1300 万美元的年度经常性收入（ARR），Hebbia 的估值倍数约为 54 倍。这一估值略低于其直接竞争对手 Glean（67 倍）和 Harvey（54 倍）。

关键机遇

拓展法律行业

2024 年起，法律行业成为 Hebbia 计划扩展的下一个重点市场。据 2024 年的一项调查，79% 的律师事务所受访者预计 AI 将在未来五年内对他们的工作产生变革性影响，这一比例比前一年增长了 10%。为加速进军法律领域，Hebbia 在 2024 年 5 月聘请 Ryan Samii 担任法律部门负责人。他曾是 Paul Hastings 事务所的并购律师，同时创立了专注于合同起草和谈判的 AI 创业公司 Standard Draft。此外，截至 2024 年 11 月，Hebbia 的销售团队已扩展至 15 人以上，为其在法律市场的扩张提供了必要的人力支持。

法律行业与金融服务业的分析师面临类似的痛点，尤其是在文件审查和尽职调查方面。律师通常需要翻阅大量复杂材料，阅读数千份合同，为诉讼或谈判做准备。而 Hebbia 的 Matrix 能够“精准分析海量数据，帮助法律专业人士管理复杂查询、执行详尽的尽职调查，并在谈判中占据战略优势”，这有望大幅提升法律行业的文件分析效率。

关于 AI 在法律行业的应用，哈佛法学院教授 David Wilkins 认为，这项新兴技术正在重塑法律实践模式。他指出，“法律行业正从通用型 AI 过渡到专门训练于法律材料的 AI，以解决特定的复杂法律问题。”

文件起草功能

无论是投资银行、私募股权还是法律行业，准备各类文件（如投资备忘录、案件摘要）都占据了大量时间。例如，一名律师通常需要花费 20 到 40 小时撰写一份案件摘要。Hebbia 的直接竞争对手 Harvey 已经提供了一项产品功能，能够自动从复杂文件中提取关键信息，并结合行业最佳实践生成新文件。这种功能有助于加快工作流程，提高效率。

如果 Hebbia 能够将 Matrix 拓展至这一领域，增加文件起草功能或子功能，将极大地优化用户的端到端工作流程。目前，Matrix 已经能够为用户提供复杂问题的深度见解，因此，下一步自然可以是引入自动化文件生成功能，以进一步提升生产力并增强其在法律市场的竞争力。

关键风险

数据安全疑虑

2024 年 1 月的一项调查显示，在 1400 多名高管中，85% 计划投资生成式 AI，但企业仍然面临诸多障碍。根据 IBM 2023 年的一项研究，61% 的 CEO 担忧数据的来源和可追溯性，57% 关注数据安全性，53% 则受到法规和合规要求的限制。

在受监管程度较高的行业中，这种担忧尤为明显。报告指出，在高风险、高监管的行业中，AI 的落地将较为缓慢。例如，AI 可能用于尽职调查阶段发现潜在问题，并辅助最终合同审查，但企业仍然不会完全放心，必须由人类最终审核信息。对于 Hebbia 来说，其进入这些行业的一个关键挑战是如何获得市场认可，因为数据安全、可追溯性以及合规问题可能会减缓 AI 采用进程，并增加对人工监督的需求。

具体到法律行业，2024 年 7 月的一项调查显示，93% 的法律专业人士将 AI 的准确性问题视为主要担忧。为了缓解这些疑虑，Hebbia 提供 SOC 2 I 和 II 级合规认证，并在数据传输和存储时采用加密技术，以提高安全性和合规性。

缺乏与大型科技公司的合作

Hebbia 面临来自 IBM Watson Discovery、Microsoft Azure AI Search 和 Amazon Kendra 等成熟产品的竞争。这些平台背靠庞大的客户群，具备专门的搜索能力，并依托各自的云计算生态系统构建了完整的合作伙伴网络。这使得它们能够利用自身的云平台，向现有客户交叉销售企业搜索解决方案，从而增强市场渗透率。

在私有市场中，Glean 通过战略合作加速扩展，例如与 Amazon Bedrock 合作，使其 AI 应用能够在 AWS 上运行，并借助 AWS Marketplace 触达庞大的企业客户群。此外，Glean 还与 Google Cloud 建立了合作关系，并成功入驻其云端市场。相比之下，Hebbia 目前尚未建立类似的合作伙伴关系，而这可能有助于其加速市场拓展，推动营收增长，特别是在金融服务行业之外的扩展过程中。

全文总结

Hebbia 专注于为知识型工作者开发 AI，目标是简化那些需要大量时间手动处理的复杂、开放式问题。其核心产品 Matrix 已成为金融服务行业中备受青睐的企业搜索平台，广泛应用于尽职调查和文件分析。截至 2024 年 7 月，Hebbia 已经为全球 50 大资产管理公司中 30% 的机构提供服务，并在 18 个月内将收入增长 15 倍，达到 1300 万美元。

2024 年 7 月，Hebbia 在 B 轮融资中筹集了 1.3 亿美元，计划在进一步渗透金融服务行业的同时，扩展至法律市场。然而，Hebbia 能否在法律行业复制其在金融领域的成功，并维持快速的收入增长，仍然是一个关键问题。

硅谷科技评论（SVTR.AI），在ChatGPT问世之际，由投资人Min Liu（Allen）发起于美国硅谷，依托#AI创投库、#AI创投会、#AI创投营 和风险投资，打造全球前沿科技（AI）创新生态系统。联系凯瑞（pkcapital2023），加入我们，共创未来。文末阅读原文，访问SVTR.AI，发现更多机会与内容！