识庐慧图，让Graph AI落地更容易

今天小编分享的互联网经验：识庐慧图，让Graph AI落地更容易，欢迎阅读。

识庐慧图主要专注于构建 Graph AI 基础设施，其核心产品 " 关联计算平台 "，致力于降低 Graph AI 技术的认知门槛与工程门槛。得益于在 Graph AI 领網域的领先优势，目前识庐慧图已经在金融科技、数字营销、生物医疗、军工安全、能源电力等行业有了诸多服务头部客户的案例。

随着各行各业智能化的脚步加快，传统机器学习与 AI 算法无法思考事物间关联关系与相互影响的弊端愈发明显，关联密切的事物虽然有着诸多的相似性，但在人类看来是常识的问题，传统 AI 却无法认知。

行业中，以知识图谱为代表的图技术兴起，也正是因为人们发现事物间的关联蕴含着大量信息，而这些信息并没有得到有效利用。据 Gartner 报告显示，到 2025 年，80% 的数据分析场景都会用到图技术。

然而目前以知识图谱为代表的图技术，主要实现了对事物间关联关系的表达，仅通过数据可视化后，再由人工分析的方式难以真正实现基于算法的智能分析。如何让算法能够真正理解事物间的关联，并做到结合事物自身属性及关联关系做出判断决策，仍然是摆在产业智能化路径上的难题。

识庐慧图 CEO 黄胜蓝认为，传统的数据分析主要基于对个体属性信息的分析，无法有效理解和使用数据中的关联信息，且随着业务数据量级增加，对关联信息的使用会更加困难。而 Graph AI 正是高效利用关联信息，解决复杂业务问题的全新方式，可以真正做到 " 从关联视角，重新认识数据 "。

Graph AI 由于引入了图结构来表示事物间关联，所以其更加类似于人类的思考方式——更自然、更准确也更加具有逻辑性。但在为业务带来巨大变革的同时 Graph AI 也给技术团队带来巨大考验。

比如更灵活的建模方式，需要考虑业务问题如何拆解为 Graph AI 模型，样本的准备将变得更加困难；对事物间关系的分析能力，意味着使用 Graph AI 模型需要更健壮的数据处理能力来保证业务数据持续构图；从利用事物本身属性上升到聚合多阶邻居信息，意味着模型决策更加复杂、更加 " 黑盒 "；同时，表达能力的增强也意味着模型提供的结果需要更复杂的处理才能真正驱动业务系统运行……这些困难，使得 Graph AI 依旧是少数人手中的工具。

现有产品也多是集成技术组件的建模平台，用户依然需要完整的思考建模思路、自己实现模型的持续学习与管理，并没有形成像数据库产品一样的标准化能力及完善的配套工具让一线工程师、业务人员能够便捷使用。

Graph AI 实现懂关联的智能化系统

基于此，识庐慧图 " 关联计算平台 " 以构建 Graph AI 技术基础设施为核心目标，将 Graph AI 的能力进行抽象，形成通用的计算范式，让业务人员不用思考复杂的模型构建思路、数据处理思路，而是通过直接使用或者组合使用计算范式即可享受到 Graph AI 带来的智能化能力，并且每种计算范式都涵盖了模型构建、模型持续管理以及结果使用三大环节。

比如，用户在选择了合适的范式并输入训练数据后，模型构建平台会基于 AutoML 技术搜索最合适的模型参数；模型管理平台会提供对应模型的持续学习、模型监控、结果干预、模型解释等能力；结果使用环节会提供高度抽象的 API 供业务系统调用……大大降低了 Graph AI 的工程门槛，使更多客户可以便捷地参与到智能化的浪潮中。

" 关联计算平台 " 业务模型

识庐慧图在不到一年时间，已经将 Graph AI 技术在银行、券商、保险、运营商、医院、科研院所、高校、军工等行业的头部客户中；另一方面与国内、国际头部公有云厂商、图数据厂商也建立了紧密的合作关系，共同帮助客户享受 Graph AI 的技术优势。

作为技术驱动型公司，识庐慧图团队已在图神经网络领網域有着多年经验积累，其创始人黄胜蓝保送武汉大学，曾担任极验验证 CTO、四叶草安全技术 VP，可以更好把握行业需求与技术的结合趋势；极验出版的行业书籍《深入浅出图神经网络：GNN 原理解析》，是第一本中文图神经网络书籍。

人工智能作为新基建的基础设施，涉及面广，识庐慧图从行业底层架构出发，专注于 Graph AI 领網域，帮助行业客户从关联视角重新认识数据，为行业实现智能决策提供新的数据分析技术基础设施。