Snowflake构建面向企业真实文档的 AI Parse Document 解析能力

企业每天摄入的文档形态杂乱：原生 PDF、扫描合同、满是表格的财务报表与多语种报告，而市场上不少方案按理想数据集优化评测，与企业真实条件脱节。Snowflake 团队据此构建 AI Parse Document：重建逻辑阅读顺序、保留文档层级、按结构精度抽取表格并保留视觉上下文，输出可直接进入下游确定性处理的结构化表示而非纯文本。评测不按理想数据集打分，而按影响下游可用性的维度衡量：阅读顺序、文档结构、图像处理、表格重建保真度、结构化抽取准确率、OCR 鲁棒性与 LLM readiness。团队自建刻意刁难的多语种数据集，包含多页合并为单图、重度旋转与多栏混排等场景，由人工对照原件逐份打分；表格基准以人工标注的50份财务文档为基准真值，采用含精确等价校验与形状级比对的三层评测策略。官方称布局模式在复杂场景下仍能保持结构边界与正确阅读顺序，并以准确率与价格效率定位企业级市场。口径为供应商官网自述，未见独立核验，文中未给出与竞品的完整对照数据。