海致BDP

海致科技推出首个知识图谱融合大模型应用平台

中国青年报客户端讯（中青报·中青网记者 王聪聪）9月8日下午，中国工程院院士、清华大学计算机系教授、海致科技首席科学家郑纬民在北京演示发布了由海致科技与高性能图计算院士工作站共同开发的“Atlas LLM知识图谱与大模型融合应用平台”，该平台面向广大B端（企业）用户，运用知识图谱这项人工智能基础技术，实现基于行业与场景的精准推演。该产品目前已经在能源、金融、政务等领域的场景中进行部署和应用，力图打通通用人工智能进入B端和工业应用的“最后一公里”。   日前，由中国电子技术标准化研究院、全国信标委等单位发起，海致科技全程参与的《知识图谱与大模型融合实践报告》已经正式发布，上述成果以及部分应用案例也将为业界共享，推动更多市场主体和技术力量参与到通用人工智能的多技术融合之中。“当大模型从C端（消费者）走向B端，它就像从玩具走向工具，而工具的精确性至关重要。”郑纬民院士表示，“知识图谱作为更加类脑的人工智能工具，其精确的知识推导能力就可以跟大模型构成非常好的相互补充，反过来，大模型的快速学习能力，对于知识图谱的知识生成也产生了很好的促进。”据了解，海致科技创业已有十年历程，推出了全球领先的国产分布式云原生图数据库Atlas Graph，作为中国数据库代表入选Gartner《全球图数据库管理系统市场指南》，填补了国产分布式图数据库的空白。2022年10月，郑纬民院士带领设立在海致科技的“高性能图计算院士工作站”的年轻科学家，开始跟踪全球各种大模型研发动态，致力于将知识图谱与大模型在技术上进行深度结合，并将其在一些金融、能源、政务企事业单位部署试用。  

国内首个知识图谱融合大模型平台推出 有效克服大模型技术可能的“幻觉”与错误

今年以来，以ChatGPT为代表的大语言模型和生成式人工智能成为全球科技热点，并影响到人类的生活和生产方式。不过全球用户也很快发现，在与大语言模型交互的过程中，会碰到它“一本正经的胡说八道”，输出似是而非甚至荒谬的结果，这种被称作“大模型幻觉”的技术特点阻碍了它在企业和行业的应用与发展。9月8日，由中国工程院院士郑纬民领衔的科研团队，推出了国内首个“知识图谱与大模型融合应用平台”。知识图谱是公认的“类脑”人工智能技术，被广泛应用于知识推理。该平台将两者快和准的特性相结合，为大语言模型的工业化应用探索出一条新的技术路径。 据郑纬民介绍，该平台运用知识图谱与大模型技术的全过程结合，有效地克服了大模型技术可能产生的“幻觉”与错误。 中国工程院院士、清华大学教授 郑纬民：如果全是大模型做，准确率有些系统只有37%，而基于知识图谱的，把知识图谱加进去，准确率达到百分之九十几，这个就是非常好。 大语言模型自问世以来，其跨领域的通用性、快速自主学习和自我改进的能力无疑是革命性的。 中国工程院院士、清华大学教授 郑纬民：大模型你问它什么问题，工业的、农业的、国民经济的，它都能回答，还回答得很快，它过一会儿就告诉你。这个是非常好的一件事，但是我们也发现什么问题呢，它的回答有时候是不准确，有时候有人说是胡说八道。 在郑纬民院士看来，当大模型从个人应用走向企业应用，它就从玩具变成了工具，而工具的精确性至关重要。因此，知识图谱作为更“类脑”的人工智能工具，其精确的知识推导，可以跟大模型相互补充。而大模型的快速学习能力，又加速了知识图谱的知识生成，从而实现科技为人所用。  

中国工程院院士郑纬民发布海致科技知识图谱融合大模型

【网易科技9月9日报道】日前，中国工程院院士、清华大学计算机系教授、海致科技首席科学家郑纬民在北京演示发布了由海致科技与高性能图计算院士工作站共同开发的“Atlas LLM知识图谱与大模型融合应用平台”，该平台面向广大B端用户，运用知识图谱这项人工智能基础技术，帮助大模型在企业级和工业界应用中克服“幻觉”，实现基于行业与场景的精准推演。 记者获悉，海致Atlas LLM大模型融合应用平台有三个定位：一是在全过程实现了知识图谱与大模型的交互，有效克服大模型幻觉对工业应用的干扰；二是更好管理了客户已有的丰富的数据资产，将其与大模型成果统一整理，避免重复造轮子，使得计算更高效，应用更精确；三是能够帮助客户切换和灵活应用不同的开源大模型，实现更高性价比的场景应用。 “人工智能发展的一个标尺是对人脑智能的学习。我们看来，知识图谱的严谨推演类似人类的左脑，而大模型快速学习的认知跟右脑的灵动颇为类似。”郑纬民表示：“我们的产品就是要用一套知识映射、校验、优化的架构打通左右脑，推动通用人工智能深入企业级场景应用。” 据介绍，该产品目前已经在能源、金融、政务等领域的场景中进行部署和应用，力图打通通用人工智能进入B端和工业应用的“最后一公里”。 与此同时，日前，由中国电子技术标准化研究院、全国信标委等单位发起，海致科技全程参与的《知识图谱与大模型融合实践报告》已正式发布。(定西)

海致科技推出首个知识图谱融合大模型应用平台

9月8日下午，中国工程院院士、清华大学计算机系教授、海致科技首席科学家郑纬民在北京演示发布了由海致科技与高性能图计算院士工作站共同开发的“Atlas LLM知识图谱与大模型融合应用平台”，该平台面向广大B端用户，运用知识图谱这项人工智能基础技术，帮助大模型在企业级和工业界应用中克服“幻觉”，实现基于行业与场景的精准推演。 大语言模型（LLM）所表现出的跨领域通用性、快速自主学习和自我改进的能力无疑是革命性的，也已经为人们广泛认知。但由于它的基本工作方式是分析文本中的词汇、句法结构、语义信息等，并捕捉它们之间的模式和概率分布，因此，它更倾向于基于统计规律生成回答，而非进行深入的逻辑推理或形成高级的认知能力。另外，它在生成文本时可能会受限于训练数据中存在的偏见和误导性信息，在某些情况下可能会产生不准确或不合理的回答。对于这种基于技术特征产生的瑕疵，人们将其形象比喻为“大模型幻觉”。这种不期而遇的“幻觉”正是以大模型为代表的通用人工智能进入严谨B端应用的最后、也是最大的挑战。 “当大模型从C端走向B端，它就像从玩具走向工具，而工具的精确性至关重要。写文章时查询爱因斯坦提出相对论的时间错了不太要紧，但是如果大模型对电网故障的维修提出了错误的选项，结果可能是一场灾难。”海致科技首席科学家郑纬民院士表示：“短期来看，单纯依靠大模型自身的迭代，‘幻觉’问题难以解决，在这方面，知识图谱作为更加类脑的人工智能工具，其精确的知识推导能力就可以跟大模型构成非常好的相互补充，反过来，大模型的快速学习能力，对于知识图谱的知识生成也产生了很好的促进。” 该产品目前已经在能源、金融、政务等领域的场景中进行部署和应用，力图打通通用人工智能进入B端和工业应用的“最后一公里”。 2022年10月，郑纬民院士带领设立在海致科技的“高性能图计算院士工作站”的年轻科学家，开始跟踪全球各种大模型研发动态，致力于将知识图谱与大模型在技术上进行深度结合，并将其在一些金融、能源、政务企事业单位部署试用。瞄准B端行业客户长期积累起来的庞大结构化数据体系、计算分析应用体系，郑院士和海致创新性地将知识图谱作为中介桥梁，打通既有数据体系与大模型的连接，全面提升大模型在行业落地的可解释性、可交互性和可验证性。 “我们不生产大模型，我们致力于将大模型应用于生产。”海致科技CTO杨娟博士介绍说，海致Atlas LLM大模型融合应用平台有三个非常独特的定位：一是在全过程实现了知识图谱与大模型的交互，有效克服大模型幻觉对工业应用的干扰；二是更好管理了客户已有的丰富的数据资产，将其与大模型成果统一整理，避免重复造轮子，使得计算更高效，应用更精确；三是能够帮助客户切换和灵活应用不同的开源大模型，实现更高性价比的场景应用。 日前，由中国电子技术标准化研究院、全国信标委等单位发起，海致科技全程参与的《知识图谱与大模型融合实践报告》也已经正式发布，上述成果以及部分应用案例也将为业界共享。   文/北京青年报记者 温婧 编辑/田野

海致科技推出知识图谱融合大模型应用平台

从ChatGPT引发的追捧到“百模大战”，大语言模型和生成式人工智能发展十分迅速。9月8日，清华大学计算机系教授、海致科技首席科学家郑纬民发布了由海致科技与高性能图计算院士工作站共同开发的“Atlas LLM知识图谱与大模型融合应用平台”，该平台运用知识图谱技术，实现基于行业与场景的精准推演。目前已经在能源、金融、政务等领域的场景中进行部署和应用，力图打通通用人工智能进入工业应用的“最后一公里”。 日前，由中国电子技术标准化研究院、全国信标委等单位发起，海致科技全程参与的《知识图谱与大模型融合实践报告》也已经正式发布，上述成果以及部分应用案例也将为业界共享，推动更多市场主体和技术力量参与到通用人工智能的多技术融合之中。 郑纬民表示，知识图谱作为更加类脑的人工智能工具，其知识推导能力可以跟大模型相互补充，反过来，大模型的快速学习能力，对于知识图谱的知识生成也产生了很好的促进。 大语言模型的基本工作方式是分析文本中的词汇、句法结构、语义信息等，并捕捉它们之间的模式和概率分布，因此，它更倾向于基于统计规律生成回答，而非进行深入的逻辑推理或形成高级的认知能力。另外，它在生成文本时可能会受限于训练数据中存在的偏见和误导性信息，在某些情况下可能会产生不准确或不合理的回答。对于这种基于技术特征产生的瑕疵，人们将其形象比喻为“大模型幻觉”。这种不期而遇的“幻觉”正是以大模型为代表的通用人工智能进入商用最大的挑战。 在这一背景下，另一种被广泛应用的人工智能基础技术——知识图谱作为公认“类脑”的知识表达方式，通过对语义网络进行建模，以结构化的形式描述客观世界中实体及关系，被广泛应用于知识推理。 海致科技高级副总裁瞿珂列举了该平台已经验证的一个工业场景：在工业制造设备运检领域中，复杂生产系统的故障识别因其故障组合类型复杂、数据异构、以及要求反应速度很快，一直是人们对人工智能寄予厚望的领域。“过去我们通过利用知识图谱技术，可以将设备间关系以及关联设备量测信号构建成故障知识特征子图来帮助机器自动实现故障识别，但是这一过程需要业务专家配合技术人员开展大量的实体构建和配置工作为先决条件，才能实现知识生成。但是今天我们可以通过大模型极大地提高这一知识抽取和融合的过程效率，一方面，通过大模型对故障设备及关联量测值的快速提取，帮助知识图谱完成特征图的快速构建，提高效率；另一方面，也可以通过业务专家对大模型自动生成的特征图进行更为高效的校验，固化和校准故障特征的经验知识，确保质量。”  

郑纬民院士：大语言模型出现“幻觉”可用知识图谱技术辅助解决

经济观察网 记者 沈怡然  9月8日，在海致科技知识图谱与大模型融合应用平台发布会上，中国工程院院士郑纬民表示，建议将知识图谱技术与大模型技术深度融合，有效解决大模型在企业级和工业界应用中出现的“幻觉”问题。      郑纬民是中国高性能计算和存储系统等方面的泰斗和先行者，也是清华大学计算机科学与技术系教授。海致科技成立于2013年，专注知识图谱和图计算技术，郑纬民曾在该公司设立“高性能图计算院士工作站”。   郑纬民在会上演示发布了由海致科技与高性能图计算院士工作站共同开发的“Atlas LLM知识图谱与大模型融合应用平台”，该平台面向广大B端用户，运用知识图谱帮助大模型在企业级和工业界应用中克服“幻觉”，实现基于行业与场景的精准推演。   大语言模型具备跨领域通用性、快速自主学习和自我改进能力，不仅用于内容创作产业，还被政府、金融、医疗机构当作新的生产工具。郑纬民表示，目前大模型存在“幻觉”问题，难以应用在容错率低、精确度高、较为严谨的工作领域。   简单说，“幻觉”就是大模型在人机对话中给出一些事实错误、推理错误，难以实时更新信息、没有时间概念，无法给专业领域提供可靠的回答。   郑纬民具体解释，由于大语言模型的基本工作方式是分析文本中的词汇、句法结构、语义信息等，并捕捉它们之间的模式和概率分布，因此，它更倾向于基于统计规律生成回答，而非进行深入的逻辑推理或形成高级的认知能力。另外，它在生成文本时可能会受限于训练数据中存在的偏见和误导性信息，在某些情况下可能会产生不准确或不合理的回答。     郑纬民表示，可以看出，模型并不能真正地理解语言，知识根据某些统计规律来连接它之前见过的片段，模型也不懂数据，缺乏严格的演绎推理能力。短期来看，单纯依靠大模型自身的迭代很难解决该问题。一个有效办法是，利用知识图谱技术帮助模型解决这些问题。   知识图谱也是人工智能学术体系中的关键技术之一，自2012年开始流行，是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法，这种技术具备可靠程度高、可解释性强、复杂推理能力强等优势。 郑纬民表示，知识图谱技术作为公认“类脑”的知识表达方式，通过对语义网络进行建模，以结构化的形式描述客观世界中实体及关系，已经被广泛用于知识推理。   可以说，知识图谱具备精确的知识推导能力，可以与大模型技术形成互补。郑纬民表示，在具体操作中，利用知识图谱对大模型进行辅助训练，可提高大模型的可控性，给大模型做领域适配，提高模型在某些专业领域的推理能力。  

暗中布局的图计算

伴随着元宇宙、人工智能、云计算、大数据等前沿科技的兴起，支撑这类概念的一系列“黑科技”也正在加速布局，图计算正是其中之一。   图计算这项技术在学术理论发展史上可追溯至18世纪，发展至今已然成为支撑未来科技发展不可缺席的技术力量。进入21世纪，随着大数据、元宇宙、人工智能等前沿科技的兴起和迅速发展，图计算在多个领域广泛应用。   与此同时，与之相关的学术科研、相关产业布局、资本赛道等方方面面热度均在提升，“黑科技”的神秘面纱正逐渐被揭开。   图计算呈产学研同步发展趋势   某种意义上来说，图计算并不算是新近建立的学科理论。图计算可以溯源至18世纪，学术界普遍认为，著名数学家欧拉对哥尼斯堡七桥问题的研究是这项技术的起源。   七桥问题是一道颇具趣味性的数学题，即如何能够在不走重复路的情况下，走遍哥尼斯堡一个公园里连接4块陆地的7座桥，形式上与益智小游戏中的一笔画游戏类似。数学家欧拉在解决这个问题的同时，将其发展成为数学中的图论。   其后，图计算在图论的理论基础上发展延伸。在图论中，图被定义为一个由“顶点”和“边”组成的多元组，若干顶点由边连接，表达之间的关联和交互，形成“图”。在数据视域下，将数据按照图的方式建模，以此来表达问题并予以解决的过程即为图计算。   “以图之名，链接万物。”研究机构CB Insights中国以此概括图计算的应用前景。据其近期发布的《2022中国图计算技术及应用发展研究报告》中信息显示，近年来图计算学术研究领域发展迅速，从2014年到2021年间，图计算领域论文数量呈现翻倍增长趋势，其中以中美两国学者为首。   清华大学、北京大学、中国科学院以及华中科技大学等高校及研究机构是国内的图计算领域研究主力，主要研究领域涵盖了图数据、操作系统、人工智能、大数据、分布式系统等多个方向。   科研学术力量的重点聚焦促进了图计算在产业市场层面的落地，如今国内已悄然形成巨头与垂直企业并进的市场格局。具体布局此类业务的企业中，蚂蚁、阿里、腾讯等互联网巨头，以及海致星图、欧拉智能等头部垂直初创企业，成为这两种不同类型市场参与者的典型代表。   “小到社交圈，大到元宇宙”   “小到社交圈，大到元宇宙”，图计算一度成为各种科技论坛的热议话题，公众对其在应用层面的价值尤为关注，目前图计算的应用主要集中在金融、能源、政企、社交网络、搜索引擎、推荐系统等方面。   国内的新冠肺炎疫情防控工作中，各地卫健委通过大数据手段对部分病例、密接者活动轨迹进行精确追踪和分析最为公众所熟知，这其中也使用了图计算技术。   图计算技术在此项应用中，能够直观展示出相关人员的地理位置、活动轨迹等相关情况的数据。各个实体相当于图计算理论中的“点”，其相互之间的传播关系、关联关系，可以利用“图”的手段呈现出来，疫情的传播路径也在这一基础上得到准确绘制。   2020年的武汉疫情防控中，图计算技术被应用到大数据平台中，海致研发的知识图谱和数据中台为当地群体流调提供了便利。   海致集团总裁杨娟告诉《中国经济周刊》记者：“防疫科技人员可以在图之上进行计算、分析和挖掘，包括关系的发现、群体的识别、个体的更高维度分析、事件的传导和隐性知识的推理，帮助用户实现最快、最准、最全关系挖掘，以及知识推理、事件溯源。”   在元宇宙、人工智能等前沿科技成为科技领域热点的背景下，图计算技术在这些领域中的综合应用也成为学术讨论中的焦点。   “元宇宙的落地，有着不同的阶段和不同的路径，现在正在进行的是物理世界的数智化，图计算在其中发挥重要作用。”杨娟说，“在这个过程中，我们把万事万物，包括房屋、设备、人员、手机账户、车流、物流、行业知识融汇在一起做知识的提取和构建，形成能够映射真实物理世界的图谱，这些图谱之间相互交织连接在一起，在上面涌现出各种各样的业务场景、产业场景、生活场景、文旅场景、金融场景、政府场景等，从而将物理世界数字化和智能化。”   “图计算在元宇宙中的另一重要应用体现在数字人这一关键单元上。”杨娟说，“数字人是元宇宙中基础的交互单元，近年来数字人在视觉与语音、形象模拟、动作捕捉、场景渲染等方面的技术发展迅猛，但是数字人的互动、认知相关的部分，则仍然处于较为早期的阶段，很大程度上取决于我们能不能构建出足够丰富、足够延展、足够准确关联的超大规模知识图谱，让数字人真正拥有智慧和灵魂。”   中国工程院院士、清华大学计算机科学与技术系教授、海致科技首席科学家郑纬民在谈到人工智能的发展时表示，图计算是人工智能应用中认知智能的基石，“过去大数据处理都用SPARK，但是SPARK这个软件机损比较慢，还费内存，用图计算办法来处理复杂的问题，处理速度会比较快”。   郑纬民认为，更大规模、更复杂的数据实时进行计算是图计算的技术优势，高性能图计算是人工智能的核心。“图计算规模不断增长，比如说我们用导航的道路图很大，社交网络更大，Web图也很大，人的脑子更大，这都可以用图计算来解决问题。”   资本涌入“赛道”，图计算领域需要实质性的突破   “突破全内存高速数据引擎、高可靠数据存储引擎、分布式数据处理与任务调度架构、大规模并行图数据处理等关键技术，推动高性能数据库在金融、电信、能源等重点行业关键业务系统应用。”2021年11月，工信部发布了《“十四五”软件和信息技术服务业发展规划》，指示在数据库领域，应关注大规模并行图数据处理等数据库关键技术的突破。   政策的引导下，图计算在行业中的布局动作也吸引了资本的关注。   公开数据显示，2021年6月，国际知名的图数据库公司Neo4j完成由Eurazeo 领投、GV（原 Google Ventures）参投的 3.25亿美元F轮股权融资，创下图数据库与图计算赛道的最大单笔股权融资纪录。此次“破纪录”的投资事件引发业界一片热议。   视线转回国内，资本对图计算领域追捧与国外相比不遑多让。据CB insights中国观察，近3年中，国内图计算企业融资主要集中在pre-A至C轮，参与的投资方包括腾讯、高瓴创投、红点创投等多家机构，单笔投资额集中在数千万至数亿元左右。   据不完全信息显示，今年以来，国内图计算领域多家垂直企业获得大额融资。其中，年初海致科技完成超过5亿元的D轮融资，该轮融资由中国互联网投资基金领投，上海人工智能产业投资基金、高瓴创投、君联资本、微村智科、一村资本、亿宸资本、禾其资本跟投；2月，欧拉认知获GFC、启迪之星、方信资本数千万元人民币Pre-A轮融资；5月，渊亭科技获得达晨财智亿元人民币B轮融资。   “赛道”已然形成，如何在图计算领域实现真正的突破？   郑纬民著文分析，首先要坚持走自主创新之路，确保每一行代码都是安全可靠的；同时，政府部门的产业、税收政策和资金支持，要和社会资金、人力资源的投入共同发力，形成百花齐放春满园的局面；再者，要坚持应用拉动与创新驱动并重，走产学研结合的协同创新之路。通过应用引导学术研究的方向，确保科研成果快速转化为生产力；通过创新驱动完成技术的预研储备，培育并形成新的市场发展方向，确保技术的引领性和产品的竞争力。   （本文刊发于《中国经济周刊》2022年第21期）

海致科技集团总裁杨娟出席2022世界人工智能大会：知识图谱助力构建元宇宙运行逻辑

一个简单结构的知识图谱，就将一场论坛的时间、地点、人物、企业之间的关联关系、交叉节点清晰的呈现了出来，而这项技术不仅仅是人工智能进行思考和回答的基础，更能够帮助元宇宙的数字人(8.940, -0.05, -0.56%)去构建属于自己的知识和认知。同时，知识图谱所搭建的人、事、物、时、地之间的关联关系网络，能够更真实、更准确、更清晰的映射现实世界真实存在的情况，从而形成元宇宙运行的底层逻辑。 这张知识图谱来自于2022年世界人工智能大会（WAIC2022），由上海人工智能基金主办的“数智互联，创新启元“的分论坛上，海致科技集团总裁、海致星图CEO杨娟在分论坛上发表了主题为《知识图谱助力元宇宙运行逻辑构建》的主旨演讲，并以论坛相关数据为实体，生成了一张简单的知识图谱，引发了与会嘉宾浓厚的兴趣与关注。   　　这个图谱能够帮助像“威客”一样的虚拟数字人回答类似“WAIC2022的举办地点在哪里？”“WAIC‘数智互联，创新启元’分论坛的演讲嘉宾有哪些？来自什么样的机构？”等等问题。   　　同时，随着附着在图谱上的知识不断生长和延展，帮助虚拟数字人能够与人类进行更复杂更智能的交流。 杨娟指出，元宇宙的落地，有着不同的阶段和不同的路径，现在正在进行的是物理世界的数智化。   　　在这个过程中，我们把万事万物，房屋、设备、人员、手机账户、车流、物流、行业知识融汇在一起做知识的提取和构建，形成能够映射真实物理世界的图谱，这些图谱包括人的图谱、设备的图谱、企业的图谱、社区的图谱、行业的图谱等等，同时这些图谱之间相互交织连接在一起，在上面涌现出各种各样的业务场景，产业场景，生活场景、文旅场景、金融场景，政府场景等，从而将物理世界数字化和智能化。   　　数字人是元宇宙中基础的交互单元，近年来数字人在视觉与语音、形象模拟、动作捕捉、场景渲染等方面的技术发展迅猛，但是数字人的互动、认知相关的部分，则仍然处于较为早期的阶段，很大程度上取决于我们能不能构建出足够丰富、足够延展、足够准确关联的超大规模知识图谱，让数字人真正拥有智慧和灵魂。   　　“一图胜千言”，知识图谱是事物及其之间关联关系的抽象表达，它能够把碎片化的知识进行关联，能够在更高的纬度上对世界进行建模，将真实世界与虚拟世界交织连接在一起，构建成有机的整体，用以实现更好地分析与推理知识，最终有效描摹出一个“元宇宙”。   　　中国工程院院士、海致科技首席科学家郑纬民也出席了本场分论坛，他在论坛上表示，图计算非常接近于人脑在处理信息和思考问题时的建模方法，是认知智能的基石之一。   　　作为国内最早将知识图谱技术推及企业级应用的企业，海致已将知识图谱技术广泛的应用在了金融科技、数字能源、智慧城市、智能交通、疫情防控、智能制造、智慧医疗等多个领域，并在完成了应用层的创新之后，开始向着基础软件层突破创新，推出了一款自研高性能分布式图数据库AtlasGraph，助推着人工智能技术走向更底层的方向，通过底层的创新，推动人工智能、数字世界乃至元宇宙的构建。  

海致星图入选Gartner全球《图数据库管理系统市场指南》代表性供应商名录

近日，国际知名调研机构Gartner发布了聚焦图技术的调研报告——《图数据库管理系统市场指南》（以下简称“《指南》”），在全球范围内，甄选出了32家图数据库代表性供应商，海致星图依托自主研发的高性能分布式图数据库AtlasGraphDB，作为中国代表厂商成功入选。   Gartner认为，图数据库供应商正在扩展其技术堆栈，主要应用在两个大的方向，分别是企业级知识图谱和图人工智能（AI）平台以及相关的产品生态系统：企业级知识图谱平台能够进行数据融合和知识管理；图人工智能平台则支持图分析、数据科学和人工智能技术的发展。   全球图数据库市场迎突破性增长   图技术因其优秀的表达能力、灵活的分析能力正在成为当下数据分析、认知智能领域最炙手可热的技术之一。图的应用、普及和成熟度在不断提高，Gartner在这一份《指南》中做出了以下趋势性的预测：   “到2025年，包括图数据库管理系统（DBMS）在内的图技术市场将增长到32亿美元，复合年增长率为28.1%。”   “到2025年，图技术将用于80%的数据和分析创新，高于2021的10%，从而促进整个企业的快速决策。”   “大型传统数据库管理系统和平台供应商以及初创公司都在瞄准这些机会，因为兴趣和势头正在明显扩大。”   据了解，图的概念源自数学的一个分支《图论》，核心的构成要素是点和边，点代表着数据实体，边则代表着数据之间的关联关系。过往，人们使用的数据结构更多是二维或行列式，对世界进行描绘的时候丧失了很多原本结构的信息，这恰好是图数据能够补齐并超越的一个短板，尤其在处理更大规模更复杂关联关系时具备优势，能够更深层次的挖掘数据的价值。   “一图胜千言”，图数据是事物及其之间关联关系的抽象表达，能够把碎片化的知识进行关联，能够在更高的纬度上对世界进行建模，将真实世界与虚拟世界交织连接在一起，构建成有机的整体，以实现更好的分析与推理。   由于图技术的分析方法更接近于人脑在进行思考时的状态，因此，图技术被认为是人工智能中认知智能的基石，也是由知识和数据双轮驱动的第三代人工智能的核心。   2012年，谷歌提出了知识图谱的概念并将其应用在了搜索引擎领域，随后10年时间内国际、国内科技企业争先布局，Facebook、微软、亚马逊等在内的国际科技巨头纷纷进行分布式大图数据管理系统的研发。   据介绍，作为国内最早将知识图谱技术推及企业级应用的企业，海致星图已将图相关的技术广泛的应用在了金融科技、数字能源、智慧城市、智能交通、疫情防控、智能制造、智慧医疗等多个领域，并在完成了应用层的创新和市场落地之后，开始向着基础软件层突破创新，推出了自研高性能分布式图数据库AtlasGraphDB，助推着图技术走向更底层的创新，促进人工智能的快速发展。   国产图数据库AtlasGraphDB的性能优势   图数据库可以抽象的理解为图数据的“房子”，为图数据计算和分析等应用提供存储空间、响应速度、计算规模等基础性的支撑。伴随着图技术的应用越来越广泛，图数据库也步入了发展的快车道。   Gartner在《指南》中例举了几个用例：   程序开发员：正在将更多面向客户或者内部的项目转向图分析，利用图数据库作为存储和执行后端。   数据架构师：正在为内容管理、个性化和语义数据兼容性设计基于知识图谱的解决方案。   数据科学家：对数据点之间的连接和关系进行高阶探索，以获得更好的见解。   作为此次入选《指南》的代表性厂商，海致星图也已经将AtlasGraphDB落地在了诸多领域。   如在金融场景下，可以助力反欺诈、反洗钱团伙侦测从离线到实时。在疫情防控中对时空重合的分析，能够对大规模群体受染风险进行预测和排查，快速阻断疫情传播。在电力能源行业，能够将设备故障的产生与维修手册、保养手册、设计生产手册等知识进行深层关联，快速发现故障原因，找出维修方案。   值得关注的是，尽管市场对图数据库的部署表示出了极大的兴趣，但由于过去传统关系型数据库的广泛应用，以及出于对数据迁移过程中可能发生的风险的考虑，Gartner调研分析指出，目前图数据库市场上主要存在两种数据库：一种是原生图数据库，也就是纯图数据库，一种则是混合式数据库，支持图作为一种数据结构，优势是易于与现有数据集成，支持不同类型数据的计算和分析。   Gartner同时指出，虽然原生图数据库和混合式数据库都能够满足企业生产的需求，包括稳定性、可用性和安全性，但是当在非常大的图（通常是数十亿个节点）上的查询时，原生图数据库则能够提供性能增益，更具优势。   据了解，海致星图AtlasGraphDB背后的核心技术“高性能图计算”是由海致星图创新研发，融合了高性能计算技术的图数据库，能够对更大规模、更复杂数据结构进行实时计算和存储响应，提供高吞吐量、低延迟、高可靠等性能。   (作者：记者 陆宇航 编辑：余嘉欣 )