在企業(yè)、行業(yè)應(yīng)用AI時(shí)，我們一般都會(huì)說需要具備三大條件：算力、算法、數(shù)據(jù)。而企業(yè)在獲取這三大要素過程中的難題，也被稱為AI的“三座大山”。

但可能很多人不知道，除了“三座大山”之外，還有一個(gè)困擾企業(yè)應(yīng)用AI的難題，叫做——知識(shí)。我們總是說，AI需要與行業(yè)Know-How結(jié)合，需要與行業(yè)特性相融，需要掌握幫助企業(yè)降本增效的具體方法。這些提法最終都指向AI需要與行業(yè)知識(shí)結(jié)合，才能在商業(yè)世界中產(chǎn)生真正的價(jià)值。

或許可以說，知識(shí)是企業(yè)與AI之間的軸承和連接器，是整個(gè)產(chǎn)業(yè)智能化系統(tǒng)中必不可少的一部分。

但也正由于“知識(shí)”這個(gè)概念的特殊性和差異化，AI與行業(yè)知識(shí)結(jié)合是AI產(chǎn)業(yè)化命題中最抽象，也最難標(biāo)準(zhǔn)化的一項(xiàng)。可以說，擺在企業(yè)應(yīng)用AI面前的除了“三座大山”，還有一道“知識(shí)之墻”。

近兩年，AI產(chǎn)業(yè)的一大變化就是越來越多的研究力量、產(chǎn)品力量，開始向“知識(shí)”這個(gè)神秘且復(fù)雜的領(lǐng)域進(jìn)發(fā)，嘗試在這道AI之墻上打開一扇門。

而如果你對(duì)AI感興趣，應(yīng)該會(huì)知道其中一個(gè)代表性方案：2020年9月，在華為全聯(lián)接2020上，華為云發(fā)布了知識(shí)計(jì)算解決方案，這被稱為業(yè)界首個(gè)全生命周期知識(shí)計(jì)算解決方案，填補(bǔ)了一片非常重要的產(chǎn)業(yè)空白。

時(shí)至如今，知識(shí)計(jì)算的落地案例不斷豐富，這個(gè)產(chǎn)業(yè)方向背后的故事也被更多披露出來。我們希望跟大家一起探索這樣一個(gè)故事：面對(duì)抽象莫測(cè)的知識(shí)，繁雜多元的行業(yè)，知識(shí)計(jì)算究竟是如何聚沙成塔，完成這個(gè)特殊領(lǐng)域的產(chǎn)業(yè)落地與標(biāo)準(zhǔn)化方案推出的。

有這么一群人，當(dāng)他們面向AI產(chǎn)業(yè)的“知識(shí)之墻”時(shí)，沒有選擇嘆息或者回頭，而是要打開一扇門。

知識(shí)墻：AI落地的巨大挑戰(zhàn)

從上世紀(jì)70年代專家系統(tǒng)興起以來，AI的商業(yè)化需求始終與行業(yè)知識(shí)、專業(yè)知識(shí)緊密相連。但直到今天，行業(yè)知識(shí)智能化這個(gè)根本需求也沒有得到很好滿足。這也直接導(dǎo)致了AI在傳統(tǒng)行業(yè)、實(shí)體經(jīng)濟(jì)中的滲透率始終難以提升。

事實(shí)上，AI與行業(yè)知識(shí)的結(jié)合經(jīng)歷了漫長(zhǎng)的產(chǎn)業(yè)化探索。從邏輯機(jī)到專家系統(tǒng)，再到目前依舊盛行的行業(yè)知識(shí)圖譜，種種方案都存在根本性的問題。比如說，傳統(tǒng)的企業(yè)知識(shí)圖譜方案缺乏標(biāo)準(zhǔn)化、統(tǒng)一的構(gòu)建流程。每個(gè)方案差異化巨大，耗時(shí)漫長(zhǎng)，并且缺乏可驗(yàn)證的應(yīng)用價(jià)值檢測(cè)。企業(yè)既缺乏動(dòng)力去推動(dòng)，也很難在長(zhǎng)期使用中獲得持續(xù)價(jià)值。

另一方面，行業(yè)知識(shí)圖譜主要還是以一個(gè)數(shù)據(jù)集的方式呈現(xiàn)，價(jià)值在于查找答案，但缺乏自動(dòng)化、智能化的能力去解決問題。企業(yè)真正需要的往往不是去查詢知識(shí)，而是讓知識(shí)系統(tǒng)給出進(jìn)一步的運(yùn)算結(jié)果。這就需要AI+知識(shí)系統(tǒng)擁有“可運(yùn)行”“可計(jì)算”的能力。

因此，真正想要讓行業(yè)知識(shí)與AI結(jié)合，成為各行業(yè)、企業(yè)能夠普遍應(yīng)用的產(chǎn)業(yè)底座，就需要一套整體的方法、技術(shù)、工具，幫助解決企業(yè)從獲取知識(shí)、轉(zhuǎn)化知識(shí)、獲得智能化價(jià)值的全流程問題。

而這里面就涉及幾個(gè)方面的技術(shù)難點(diǎn)。

首先，行業(yè)知識(shí)的真正存在形式，是行業(yè)技巧、專家經(jīng)驗(yàn)，以及大量口傳耳授的心得。這些內(nèi)容之間不一定有著緊密關(guān)聯(lián)，也缺乏統(tǒng)一邏輯。但如果想要讓AI擁有行業(yè)經(jīng)驗(yàn)，就必須把這些碎片化、非結(jié)構(gòu)化的內(nèi)容轉(zhuǎn)化為數(shù)學(xué)語(yǔ)言，變成AI可以聽懂、能夠踐行的數(shù)據(jù)化路徑。

其次，AI應(yīng)用行業(yè)知識(shí)來創(chuàng)造價(jià)值本身還是新生事物。這里涉及大量實(shí)踐性挑戰(zhàn)，比如模型泛化能力、模型可解釋性等問題。想要在知識(shí)領(lǐng)域獲得突破，還需要一系列AI模型本身的優(yōu)化與升級(jí)。

此外，AI與行業(yè)知識(shí)的結(jié)合落地，還受到行業(yè)場(chǎng)景、組織流程、企業(yè)生產(chǎn)方式等一系列外在的、非技術(shù)因素的條件制約。AI+行業(yè)知識(shí)能否落地，很大程度上取決于行業(yè)生態(tài)本身的智能化升級(jí)空間與技術(shù)獲取能力。

知識(shí)的挑戰(zhàn)、AI的挑戰(zhàn)、行業(yè)的挑戰(zhàn)，三大難題讓這道“知識(shí)墻”難以突破。而就是面對(duì)這樣一個(gè)現(xiàn)狀，華為云的AI人決定試一試。

開門者：推開知識(shí)計(jì)算的新路

2018年，袁晶博士加入華為云。袁晶博士是一名在AI學(xué)術(shù)界和產(chǎn)業(yè)界的跨界專家，曾在頂級(jí)國(guó)際期刊會(huì)議上發(fā)表80余篇論文，并多次獲得最佳論文獎(jiǎng)項(xiàng)。2020年，袁晶博士獲得了ACM SIGSPATIAL十年影響力論文榮譽(yù)獎(jiǎng)；2021年，他獲得了SIGKDD China 時(shí)間驗(yàn)證獎(jiǎng)(Test of Time Award)。

在云計(jì)算產(chǎn)業(yè)中，華為云有一個(gè)鮮明的標(biāo)簽，就是一手抓新技術(shù)，一手抓商業(yè)落地。以二者之間的強(qiáng)聯(lián)接作為一大產(chǎn)業(yè)特色，這也是華為云吸引袁晶博士的一個(gè)特點(diǎn)。

來到華為云之后，袁晶博士同時(shí)負(fù)責(zé)AI算法、技術(shù)研究創(chuàng)新團(tuán)隊(duì)和AI面向行業(yè)的產(chǎn)品商業(yè)化團(tuán)隊(duì)，這讓他和他的團(tuán)隊(duì)有意識(shí)地去審視行業(yè)真正需要的是什么，從而全流程參與AI技術(shù)的落地閉環(huán)。

就是這樣一個(gè)具有突破以往領(lǐng)域限制的自由度，讓袁晶博士團(tuán)隊(duì)看到了行業(yè)知識(shí)與AI結(jié)合的必要性與緊迫性。相比于傳統(tǒng)的行業(yè)知識(shí)突破、數(shù)據(jù)獲取等碎片化服務(wù)，團(tuán)隊(duì)認(rèn)為當(dāng)務(wù)之急是構(gòu)建整體性的、囊括一系列工具與能力、能夠?qū)崿F(xiàn)全周期行業(yè)知識(shí)與AI結(jié)合的方案。

在這一過程中，袁晶博士與團(tuán)隊(duì)在NLP、多模態(tài)等領(lǐng)域的前沿技術(shù)視野與能力成為關(guān)鍵推力之一，構(gòu)成了“AI+行業(yè)知識(shí)”中“AI技術(shù)”的那一面。例如在2021年，袁晶博士團(tuán)隊(duì)就有多篇論文被ACL 2021，CVPR2021等頂會(huì)接收，并且獲得CCKS篇章級(jí)事件抽取技術(shù)評(píng)測(cè)冠軍、國(guó)際權(quán)威WSDM CUP大賽金牌等。

另一方面，華為云已經(jīng)在多個(gè)行業(yè)中實(shí)踐了超過600個(gè)AI項(xiàng)目，從而積累了大量的行業(yè)需求、行業(yè)經(jīng)驗(yàn)，這些實(shí)踐經(jīng)驗(yàn)構(gòu)成了“知識(shí)”的那一面。

“AI技術(shù)”和“知識(shí)”二者相遇，讓華為云有了推動(dòng)一個(gè)全新方向的可能性。雖然前途依舊充滿挑戰(zhàn)，但至少有了打破僵局的機(jī)會(huì)。

一系列的研發(fā)、產(chǎn)品化與行業(yè)融合實(shí)踐之后，“知識(shí)計(jì)算”解決方案終于在2020年正式發(fā)布，共包括四個(gè)方面的技術(shù)能力與產(chǎn)品服務(wù)：

首先是知識(shí)獲取，通過對(duì)多模態(tài)的行業(yè)知識(shí)，比如生產(chǎn)系統(tǒng)中的機(jī)理模型、專家經(jīng)驗(yàn)進(jìn)行解析和處理，完成由現(xiàn)實(shí)經(jīng)驗(yàn)向數(shù)學(xué)模型轉(zhuǎn)化的第一步。

之后是知識(shí)建模，根據(jù)業(yè)務(wù)場(chǎng)景的具體需求，向客戶提供方便快捷的知識(shí)建模工具，比如流水線式的自動(dòng)化知識(shí)圖譜，極大縮短行業(yè)知識(shí)圖譜的構(gòu)建時(shí)間，并且實(shí)現(xiàn)圖譜的自動(dòng)更新。

繼而是知識(shí)管理，讓用戶獲得行業(yè)知識(shí)的存儲(chǔ)和高性能查詢能力，并且實(shí)現(xiàn)自動(dòng)化更新、沖突管理等功能。

最后在知識(shí)應(yīng)用層面，華為云可以提供知識(shí)搜索、可視化分析、知識(shí)推薦等基礎(chǔ)能力，以及智能對(duì)話、預(yù)測(cè)分析、知識(shí)推理等高級(jí)能力。這些能力接口將華為云多元化的技術(shù)向企業(yè)開放，突破了企業(yè)應(yīng)用知識(shí)的最后一公里。

我們可以發(fā)現(xiàn)，袁晶博士在華為云推動(dòng)的全新方向——知識(shí)計(jì)算，并不是一項(xiàng)單一產(chǎn)品或服務(wù)，而是一個(gè)關(guān)于全生命周期完成AI與行業(yè)知識(shí)融合的理念、方法，以及由此產(chǎn)生的一系列工具、能力。這些理念、能力、工具與具體行業(yè)、具體案例進(jìn)行結(jié)合，獲得了各行業(yè)客戶、合作伙伴的深度共建，最終才凝結(jié)出全周期、可生長(zhǎng)、具有行業(yè)特性的華為云知識(shí)計(jì)算解決方案。

在知識(shí)計(jì)算筑造和推廣的過程中，相關(guān)團(tuán)隊(duì)非常重視其在不同行業(yè)、不同場(chǎng)景中的差異化表現(xiàn)與能力局限。只有承認(rèn)行業(yè)差異，才能尊重行業(yè)知識(shí)，逐個(gè)攻破行業(yè)應(yīng)用AI的挑戰(zhàn)。

或許可以說，知識(shí)計(jì)算并不是一條捷徑，而是一個(gè)AI落地趨勢(shì)下的必經(jīng)之路。這條路雖然并不好走，但總算是已經(jīng)有了“開門人”。

沖鋒時(shí)：面向行業(yè)，AI突圍

或許，知識(shí)計(jì)算的價(jià)值聽起來會(huì)感覺有點(diǎn)過分抽象和模糊。這是因?yàn)檎捉鉀Q方案涉及的技術(shù)領(lǐng)域眾多，總結(jié)起來較為理論化。確實(shí)，想要理解知識(shí)計(jì)算的價(jià)值，只有進(jìn)入行業(yè)場(chǎng)景中這一個(gè)選擇。因?yàn)橹R(shí)計(jì)算本就是為行業(yè)而生，也應(yīng)該在行業(yè)中進(jìn)行理解。

例如，在石油勘探的一個(gè)重要環(huán)節(jié)“測(cè)井”中，地球物理學(xué)家需通過對(duì)電阻率、自然電位、聲波等綜合信息的研究進(jìn)行油氣層識(shí)別。但要對(duì)數(shù)千米以下的地下構(gòu)造和油藏特征進(jìn)行準(zhǔn)確判斷還是非常困難的，這需要對(duì)大量信息的綜合計(jì)算，還需要經(jīng)驗(yàn)豐富的專家準(zhǔn)確分析才能做到。

以往時(shí)候，可能需要好幾個(gè)老專家?guī)讉€(gè)月時(shí)間完成的測(cè)井解釋工作，在知識(shí)計(jì)算幫助下可以在不到一星期內(nèi)完成，而且油氣層識(shí)別準(zhǔn)確率達(dá)到了專家的水平。這就是知識(shí)計(jì)算的必要性，它將專家的碎片化、經(jīng)驗(yàn)化知識(shí)轉(zhuǎn)化為可計(jì)算的模型，并將其遷移到更多工作的智能化處理中。目前，中石油集團(tuán)已經(jīng)基于華為云知識(shí)計(jì)算解決的打造了全球首個(gè)油氣領(lǐng)域人工智能平臺(tái)，為我國(guó)油氣行業(yè)的創(chuàng)新發(fā)展提供了智能化的驅(qū)動(dòng)引擎和開發(fā)生態(tài)。

當(dāng)然，在探索石油測(cè)井解釋的知識(shí)計(jì)算解決方案時(shí)，團(tuán)隊(duì)也經(jīng)歷了不少交流中的磨合期。比如在華為云的AI專家給石油專家講解知識(shí)圖譜時(shí)，很自然地會(huì)舉一個(gè)在知識(shí)圖譜領(lǐng)域常用的例子：比如“劉德華”作為一個(gè)“實(shí)體”、他的妻子是“朱麗倩”、他們建立了“夫妻”的“關(guān)系”。但油氣領(lǐng)域的專家卻對(duì)明星的例子非常不解——他們面對(duì)的是地層、油井這些數(shù)據(jù)，娛樂圈的例子好像和油氣一點(diǎn)關(guān)系都沒有。但也正是在這種從不解到了解、相互磨合和溝通的過程中，知識(shí)計(jì)算逐漸真正與行業(yè)結(jié)合了起來。

在知識(shí)計(jì)算的發(fā)展歷程中，華為云知識(shí)計(jì)算團(tuán)隊(duì)真實(shí)意識(shí)到了各行業(yè)對(duì)相關(guān)能力的遠(yuǎn)見和渴求。在一些必然磨合之上，是華為云與行業(yè)客戶之間對(duì)于知識(shí)計(jì)算的高度認(rèn)同與惺惺相惜。在疫情爆發(fā)之后，袁晶團(tuán)隊(duì)與浙江大學(xué)計(jì)算機(jī)學(xué)院、浙江大學(xué)藥學(xué)院的師生建立了聯(lián)系和合作。在第一次線上溝通中就一拍即合，決定圍繞病毒、基因、蛋白等已有知識(shí)庫(kù)和科研文獻(xiàn)構(gòu)建新冠科研領(lǐng)域知識(shí)圖譜，用來幫助相關(guān)專家提升病毒家族數(shù)據(jù)分析、基因蛋白等分析的效率。在疫情疾風(fēng)暴雨一般襲來時(shí)，華為云的AI專家與高校專家第一時(shí)間投身到了智能抗疫的前線。這可能是知識(shí)計(jì)算值得被記憶的另一面。

真正身在一線的企業(yè)，對(duì)知識(shí)計(jì)算的價(jià)值敏感性往往遠(yuǎn)超于大眾想象。2020年，袁晶博士團(tuán)隊(duì)的一位成員在HDC.Cloud大會(huì)期間做了一個(gè)企業(yè)知識(shí)圖譜的直播內(nèi)容，同時(shí)發(fā)布了一篇技術(shù)文章。這篇文章被一汽集團(tuán)董事長(zhǎng)看到，馬上指示信息技術(shù)人員與團(tuán)隊(duì)進(jìn)行深入交流。通過線上、現(xiàn)場(chǎng)的多次溝通，最終孵化了一汽的知識(shí)計(jì)算智能維修項(xiàng)目，為上千維修技師提供智能化的維修助手，極大提升維修技師在定位問題和解決問題上的效率。通過使用一汽知識(shí)計(jì)算平臺(tái)，一汽紅旗某4S店的一次性修復(fù)率提升了4%，客戶維修等待時(shí)間下降了23%，廠家支持介入率下降了30%，維修技師的培養(yǎng)時(shí)間縮短了30%，為汽車維修帶來了全方位的價(jià)值提升。

各個(gè)行業(yè)、各個(gè)企業(yè)都可以基于華為云知識(shí)計(jì)算解決方案，打造屬于自己的知識(shí)計(jì)算平臺(tái)，并將知識(shí)計(jì)算能力應(yīng)用于研發(fā)、生產(chǎn)、運(yùn)營(yíng)、銷售、售后服務(wù)等企業(yè)核心流程。在煤炭行業(yè)，河南鑫磊集團(tuán)采用華為云知識(shí)計(jì)算解決方案后，煉焦業(yè)務(wù)實(shí)現(xiàn)了“降本提質(zhì)”的雙重效果：生產(chǎn)效率方面，傳統(tǒng)方式原料煤質(zhì)量檢測(cè)需要1天以上，現(xiàn)在配煤師只需要將配比輸入系統(tǒng)就會(huì)準(zhǔn)確預(yù)測(cè)焦炭指標(biāo)，預(yù)測(cè)準(zhǔn)確率都在95%以上；經(jīng)濟(jì)效益方面，以河南鑫磊集團(tuán)每年130萬(wàn)噸的產(chǎn)量來推算，每年至少可節(jié)省成本約3000萬(wàn)。

在交通行業(yè)，交通管理部門可以運(yùn)用知識(shí)計(jì)算解決方案，完成城市路口和區(qū)域的通行優(yōu)化。目前，該方案已在深圳300多個(gè)路口進(jìn)行了驗(yàn)證，擁堵指數(shù)下降了8%。未來，知識(shí)計(jì)算將進(jìn)一步運(yùn)用到道路、機(jī)場(chǎng)、地鐵等立體化的交通治理。

在政務(wù)領(lǐng)域，知識(shí)計(jì)算解決方案能夠協(xié)助政府實(shí)現(xiàn)事件預(yù)警、處置措施推薦等功能。如此前在某城市12345熱線感知系統(tǒng)中，A通過熱線投訴小區(qū)鄰居噪音擾民問題，B在同一小區(qū)投訴小區(qū)垃圾比較多，這看似沒有關(guān)聯(lián)的兩個(gè)問題，用知識(shí)計(jì)算引擎去分析問題產(chǎn)生的根因，發(fā)現(xiàn)其實(shí)關(guān)鍵問題是這個(gè)區(qū)域有典型的群租現(xiàn)象，再通過智能分撥關(guān)聯(lián)相關(guān)處理部門，利用機(jī)器人引擎推進(jìn)流程和運(yùn)轉(zhuǎn)，通過數(shù)據(jù)分析研判、人機(jī)協(xié)同處置的閉環(huán)全流程，將“問題解決在開口之前”，極大提升政務(wù)服務(wù)滿意度。

石油、汽車、醫(yī)療、化纖、煤焦化、鋼鐵、交通，政務(wù)…種種事關(guān)國(guó)計(jì)民生的重點(diǎn)行業(yè)，都可以看到知識(shí)計(jì)算的落地案例、發(fā)展趨勢(shì)與價(jià)值突圍。在AI與知識(shí)的深入融合中，行業(yè)可以真正面向AI時(shí)代發(fā)起沖鋒。

而這些可能性的開始，在于知識(shí)計(jì)算這扇大門的推開。這扇門，并不僅僅是一種技術(shù)創(chuàng)新或者產(chǎn)品打造，而是一種方向和銜接。它把廣泛存在的行業(yè)知識(shí)智能化需求與AI執(zhí)行力聯(lián)接到一起，不再讓行業(yè)面對(duì)智能化時(shí)感覺茫然無(wú)措或者與我無(wú)關(guān)。

袁晶博士一直強(qiáng)調(diào)，知識(shí)計(jì)算是理念，是方法，是一系列像樂高積木一樣的工具。這些樂高確實(shí)需要企業(yè)用戶自己拼裝，但零件、規(guī)則和方法都已具備。企業(yè)可以用最大的效率、最簡(jiǎn)單的方式完成適合自己的組裝，把知識(shí)變成智能時(shí)代的生產(chǎn)力。

對(duì)于AI產(chǎn)業(yè)來說，知識(shí)計(jì)算是一扇全新的探索之門；但對(duì)于無(wú)數(shù)行業(yè)、無(wú)數(shù)企業(yè)來說，每個(gè)知識(shí)計(jì)算解決方案都是一扇獨(dú)一無(wú)二的門。推開它，也許就是新的時(shí)代。

據(jù)悉，今年11月11-12日在杭州舉辦的AIIA產(chǎn)業(yè)峰會(huì)中，中國(guó)人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟、華為、中國(guó)信息通信研究院三方將聯(lián)合發(fā)布知識(shí)計(jì)算白皮書。屆時(shí)學(xué)界和產(chǎn)業(yè)界大咖將齊聚一堂，共話知識(shí)計(jì)算如何賦能新一代人工智能與企業(yè)生產(chǎn)領(lǐng)域、流程環(huán)節(jié)深度融合，引領(lǐng)產(chǎn)業(yè)向價(jià)值鏈高端邁進(jìn)，加速推進(jìn)行業(yè)智能化升級(jí)。

推薦閱讀：華為開發(fā)者大會(huì)2021直播熱線 https://bbs.elecfans.com/jishu_2180406_1_1.html