吴凯棋：工业认知互联网的枢纽-Datayes! 知识图谱

区块链、隐私计算、知识图谱，是分布式认知工业互联网的三大基石。万向区块链执行总裁王允臻和矩阵元首席运营官谢红军已经分享了区块链和隐私计算为工业互联网带来的赋能，知识图谱在这其中又有什么作用呢？且听通联数据首席算法专家吴凯棋在第六届区块链全球峰会-分布式认知工业互联网论坛上的分享。

很开心今天来分享一些关于知识图谱的探索。我来自Datayes，我们和万向区块链是兄弟公司，大家在分布式认知工业互联网领域联合进行了探索。

为什么说工业互联网的枢纽是知识图谱呢？先回答一个问题，什么是知识图谱。我给知识图谱做了一个定义：它是连接万物的网络，是人工智能的根基。为什么这么说呢？因为人对世界的认知是基于对世界规律的不断总结，以及对相关信息的处理，而知识就构成了人类社会进步的基本能力，知识图谱是人工智能更好认知这个世界的能力。

大家一般将知识图谱视作一项技术，但我更愿意把它理解为一种世界观。因为知识图谱把哲学概念上的实体连接成一个网络。这个网络现在讲起来比较抽象，我说几个形象的例子。

这里展示了企业股权之间的关系，包括企业在上下游里面的供应商、相关的信息等。从更高层次来说，知识图谱是计算机在真实世界的一种刻画。这里有一个假设，世界是一个高层次的网络，万物之间有一个关系。在网络构建过程中，帮助计算机更好地理解这个世界，帮助人类利用计算机的赋能更好地做预测和分析的过程。如果说知识图谱是万物连接的话，那么如何把知识图谱用在工业互联网里面呢？在工业互联网的应用里面可以碰撞出什么奇妙的火花呢？

Detayes经过八年的时间，积累了非常庞大的底层数据，也有AI算法，并且在很多产品端都有应用，之前是聚焦在投资研究领域。随着工业认知互联网的探索和实践，我们发现知识图谱可以作为一项认知智能的基础设施，赋能给工业互联网。这里涉及到如何在分布式认知工业互联网里落地。我们需要解决的是数据如何让计算机去感知，也就是数据要客观地反应工业互联网中的数据源，比如公司的基本生产数据，包括行业、产业、供应链之类的外界数据。

再往上的话，就是让计算机更加容易理解的认知互联网的图谱数据层。相当于将计算机在各个领域汇集的数据刻画成对真实世界关系的反应网络，这是我们认知智能的数据基础。在此之上需要构建相应的算法能力，这些算法能力有些是通用的AI算法能力，有些是基于特定行业所产出的和专业知识相关的模型。

虽然我们把知识图谱当作一项单独的技术，但我更愿意叫它“认知智能”，因为它是一系列技术的综合。正如上图所展现的，算法层对很多能力进行了模块化的拆解。在此之上，通过对数据的管理，以及相关知识的积累和沉淀，用人机结合的能力把认知智能更好地赋能给各种场景的应用，比如公共服务层利用底层汇集的数据，以及相关政策、专家知识等，帮助政府、企业更好地对行业的动向进行判断。同时基于隐私计算收集上来的数据，通过认知智能的能力，可以让信用得到政府部门的背书。

对企业来讲，可以借助这种认知智能的能力，去透视企业经营中面临的一些挑战或者市场上的一些机会。并且可以帮助企业更好地监控市场动向，同时发现一些潜在的合作机会，后面我会根据一些案例来展开说明。对于生态中的金融机构来说，可以基于认知智能的能力，包括政府的信用背书，为企业提供更好的资金方面的支持，更好地利用金融去赋能制造业、实体行业。

这是Detayes在金融领域的一项应用。这是对一家上市公司股权结构的展示，通过股权结构和管理的层级关系，可以知道企业的基本经营情况。有了基础数据还可以做什么事情呢？可以分析这家企业的盈利构成、收入来源。

除了基本的股权关系整理，我们整合了非常多的非上市公司，可以更好地帮助投资机构或者企业做决策。但是光有这些还不能发挥认知智能的能力，除此之外还需要对企业所在的产业链上下游进行更加深入的刻画。产业链可以理解为从行业和产品所勾画的供应链上下游的关系，或者行业之间的关系、企业之间的关系。知识图谱可以帮助工业互联网更好地寻找上游的供应链或者寻找下游的商业机会。这是认知智能的基本能力，结合区块链，就可以构建一个更加高效的产业链上下游的协同体系，更加有利于企业去判断市场的实际需求，更好地发现一些商业机会。除此之外，还可以对企业的经营情况进行深入的考察。

这张PPT想表达的是除了认知能力可以帮助企业之外，还可以实现人和机器的交互。对于人工智能来说，很难凭借自己的能力独立去认知这个世界，所以需要人类帮助它。我们把人类的知识结合计算机认知智能的能力，整合出一个对行业洞察的景气度预测框架。基于认知智能的能力，把收集到的数据整合到认知智能基础设施里面，对行业的景气度预测有非常强的先瞻性。这种景气度预测，可以加深对市场未来走势的判断和行业走势的基本认知。

对没有上市的中小企业来讲，如何让生态中的各个合作伙伴更好地认识到自己？认知能力不仅能帮助上市公司，也可以帮助到中小企业。比如把一些相关的经营类因子、财务因子集合在认知框架里，预测在未来可能的营收表现。这个应用已经有落地案例，确实取得了比单纯凭借人的经验来判断更好的结果。

针对分布式认知工业互联网场景，企业在生产过程中沉淀了大量的数据，如果以有效的隐私保护方式，将数据共享到认知网络上，将对整个生态中各个角色的判断起到很大的指导性作用。这还是一个开放性话题，大家可以针对自己的行业特点，以及具体的业务特征，畅想可能的应用场景。

为了更好地支持应用中的决策，结合认知智能和工业互联网应用，可以把认知智能透明化、白盒化，可以知道企业发展过程中有哪些因素帮助到了企业的营收，有哪些因素对营收是不利的，这就是各个指标的归因性分析。