中國知識圖譜行業(yè)研究報(bào)告

1、中國知識圖譜行業(yè)研究報(bào)告Inc.一圖勝萬言，一目了然2前言研究背景：2020年，艾瑞已經(jīng)發(fā)布了2020年中國知識圖譜行業(yè)研究報(bào)告、2020年面向人工 智能“新基建”的知識圖譜行業(yè)白皮書，初步對知識圖譜的概念定義、行業(yè)場景、整體 市場規(guī)模與產(chǎn)業(yè)鏈等進(jìn)行了梳理與分析。2022年，艾瑞將發(fā)布第三篇知識圖譜行業(yè)報(bào)告，深入探討知識圖譜技術(shù)在通用知識圖譜 與行業(yè)知識圖譜的企業(yè)訴求，剖析各行業(yè)的核心業(yè)務(wù)痛點(diǎn)，闡明知識圖譜技術(shù)與應(yīng)用對業(yè)務(wù)痛點(diǎn)的針對性與價(jià)值，對比各行業(yè)的知識圖譜發(fā)展現(xiàn)狀與潛力，展現(xiàn)知識圖譜技術(shù)的建 設(shè)重點(diǎn)與未來趨勢。希望通過本報(bào)告，為讀者呈現(xiàn)現(xiàn)階段知識圖譜行業(yè)發(fā)展的要點(diǎn)，提供 辨析和判斷知識圖

2、譜行業(yè)趨勢的方法啟發(fā)。當(dāng)然，限于研究周期與行業(yè)理解水平，報(bào)告仍 有不足之處，敬請各界讀者指正。研究對象：本報(bào)告研究對象分為：通用知識圖譜與行業(yè)知識圖譜，包含互聯(lián)網(wǎng)、金融、政務(wù)與公 安、醫(yī)療、工業(yè)與電力5大行業(yè)的行業(yè)痛點(diǎn)、知識圖譜應(yīng)用場景及價(jià)值、市場規(guī)模；知 識圖譜現(xiàn)階段的行業(yè)熱點(diǎn)與建設(shè)痛點(diǎn)；知識圖譜的行業(yè)參與者類型及業(yè)務(wù)特點(diǎn)。研究方法：本報(bào)告通過業(yè)內(nèi)資深的專家訪談、桌面研究、案例實(shí)證研究、行業(yè)對比研究、投融資數(shù) 據(jù)統(tǒng)計(jì)與行業(yè)規(guī)模數(shù)據(jù)推算輸出相應(yīng)研究成果。報(bào)告撰寫艾瑞咨詢產(chǎn)業(yè)數(shù)字化研究部 人工智能研究組3Inc.摘要來源：艾瑞咨詢研究院自主研究繪制。未來，知識圖譜廠商、大數(shù)據(jù)廠商、NLP廠商、互

3、聯(lián)網(wǎng)大廠與信息化廠商等知識圖譜業(yè)內(nèi)參 與者將從強(qiáng)化技術(shù)實(shí)力與深化行業(yè)認(rèn)知的角度出發(fā)，結(jié)合自身原有業(yè)務(wù)優(yōu)勢，持續(xù)深化發(fā)展 行業(yè)知識圖譜業(yè)務(wù)。知識圖譜業(yè)務(wù)場景也將不斷迭代，行業(yè)應(yīng)用場景邊界拓寬，垂直應(yīng)用場 景被做深做透。知識圖譜生態(tài)也將繼續(xù)由監(jiān)管引導(dǎo)方、供給方、需求方、投資方、高校及科 研院所融合共建，匯聚建設(shè)合力，促進(jìn)產(chǎn)業(yè)生態(tài)成長壯大。感知到認(rèn)知的跨越式發(fā)展，須引入發(fā)展認(rèn)知技術(shù)，知識圖譜在此形勢下成為了破局的關(guān)鍵技 術(shù)。數(shù)字經(jīng)濟(jì)的持續(xù)發(fā)展將加速知識圖譜產(chǎn)業(yè)化進(jìn)度，推動知識圖譜與傳統(tǒng)產(chǎn)業(yè)融合。高性 能圖計(jì)算可為圖計(jì)算輸送更快更準(zhǔn)的計(jì)算能力，服務(wù)于知識圖譜運(yùn)算，算力規(guī)模化部署也為 知識圖譜計(jì)算的高密

4、度、高功耗要求提供了有利發(fā)展條件。深度學(xué)習(xí)技術(shù)、NLP技術(shù)、知識 圖譜技術(shù)協(xié)同并進(jìn)，尤其是NLP技術(shù)近幾年的快速發(fā)展為知識圖譜產(chǎn)業(yè)化提供了機(jī)會。知識圖譜建設(shè)需面臨的建設(shè)難點(diǎn)主要在于數(shù)據(jù)治理、行業(yè)專家儲備、底層圖數(shù)據(jù)庫存儲、算 法生產(chǎn)流程與性能待提升、客戶認(rèn)知待培養(yǎng)以及產(chǎn)品封裝形式待優(yōu)化。攻克知識圖譜的建設(shè) 重難點(diǎn)將有利于從源頭保證知識與智慧真實(shí)可靠、可用正確，儲備培養(yǎng)深厚行業(yè)專家與技術(shù) 復(fù)合型專家，升級底層圖數(shù)據(jù)的存儲方式，改善算法性能，為知識圖譜建設(shè)減少阻礙。2021年，知識圖譜核心市場規(guī)模預(yù)計(jì)達(dá)到107億元，而到2026年，相應(yīng)規(guī)模將超過296億元，2021-2026年CAGR=22.5%

5、。金融與公安兩大行業(yè)的知識圖譜占比較高且增長速度較快， 其業(yè)務(wù)與知識圖譜可密切結(jié)合，同時(shí)具備建設(shè)意愿與資金投入，因而成為了市場規(guī)模的主要拉力。未來，隨著政務(wù)數(shù)字化建設(shè)的完善，政務(wù)對知識圖譜的業(yè)務(wù)需求會逐漸喚醒，成為未 來市場的拉力之一。行業(yè)背景行業(yè)規(guī)模建設(shè)重點(diǎn)探討趨勢展望4研究范圍界定及賽道評估1行業(yè)場景分析2優(yōu)秀案例實(shí)踐3建設(shè)重點(diǎn)解讀4行業(yè)趨勢洞察5概念與研究范圍界定人工智能知識圖譜實(shí)體事物作為主體， 對應(yīng)知識 圖 譜 中 的 節(jié) 點(diǎn) / 頂 點(diǎn) （Point/Vertex）事物與事物之間的外部聯(lián)系， 對應(yīng)知識圖譜中的邊（Edge）事物內(nèi)部的本質(zhì)特征，是實(shí) 體的固有特性，一般不體現(xiàn) 在圖表征

6、結(jié)構(gòu)中，而是蘊(yùn)藏 在實(shí)體內(nèi)部或關(guān)系內(nèi)部節(jié)點(diǎn)邊同一類型的邊和節(jié)點(diǎn)不同類型的邊和節(jié)點(diǎn)描繪實(shí)體之間關(guān)系的數(shù)據(jù)結(jié)構(gòu)語義網(wǎng)絡(luò)知識圖譜是人工智能的一大底層技術(shù)，是描繪實(shí)體之間關(guān)系的語義網(wǎng)絡(luò)，自帶語義、邏輯含義和規(guī)則，通過三元組即“實(shí) 體關(guān)系屬性”集合的形式來描述事物之間的關(guān)系。知識圖譜將非線性世界中的知識信息結(jié)構(gòu)化、可視化，輔助人類進(jìn) 行推理、預(yù)判、歸類。知識圖譜中的圖并非圖像概念，而是類似化學(xué)分子式的結(jié)構(gòu)，一個(gè)知識圖譜往往存在多種類型的實(shí) 體與關(guān)系。知識結(jié)構(gòu)網(wǎng)絡(luò)化、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、網(wǎng)絡(luò)由三元組構(gòu)成、數(shù)據(jù)主要由知識庫承載是知識圖譜的四大基本特征。一 般而言，知識圖譜的數(shù)據(jù)以文本化數(shù)據(jù)為主，數(shù)據(jù)化數(shù)據(jù)為輔。知

7、識圖譜概念界定抽象出來的事物或具體的Entity關(guān)系Relation屬性PropertyPart1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估屬性 屬性來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。5Inc.主要任務(wù)介紹r1e3 r1r1r2r3 e6e5 r3 e2r2e4e2、e4e3r2利用關(guān)聯(lián)的三元 組補(bǔ)全缺失的關(guān) 系， 實(shí)現(xiàn)圖譜完 整構(gòu)建e3 r1e4 r1e2 r1r2e5 r3e1e1e1r1r3r2 e3r3e2r3e4e5r4？KG1KG2把實(shí)際含義、屬 性一致的實(shí)體統(tǒng) 一為1個(gè)將不同屬性的實(shí) 體按相同屬性歸 為一大類五大任務(wù)，復(fù)雜關(guān)聯(lián)推理為突破重點(diǎn)一般而言，知識圖譜需執(zhí)

8、行的主要任務(wù)包括知識圖譜構(gòu)建與補(bǔ)全、實(shí)體統(tǒng)一（消歧）、實(shí)體分類、知識檢索問答（簡單推 理）、復(fù)雜關(guān)系推理。現(xiàn)階段的復(fù)雜關(guān)系推理需要更多依賴人類預(yù)測與推斷各種可能的情況，并優(yōu)先推薦可能性大的情況。知識圖譜主要任務(wù)Task1：知識圖譜構(gòu)建與補(bǔ)全Task2：實(shí)體統(tǒng)一（消歧）Task3：實(shí)體分類Task4：知識檢索問答（簡單推理）Task5：復(fù)雜關(guān)聯(lián)推理水和二氧化碳反應(yīng)可以生成什么？碳酸復(fù)仇者聯(lián)盟黑寡婦的扮演者是誰？斯嘉麗 約翰遜并聯(lián)電路各支路電壓的特征？各支路電壓相同蒙娜 麗莎巴黎埃菲爾 鐵塔小明男生達(dá)芬奇喜歡性別朋友感興趣曉莉創(chuàng)作位于盧浮宮位于級別 城市去過預(yù)測缺失的信 息，推斷行為 與影響坐落于

9、Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。6Inc.歸一技術(shù)架構(gòu)原理技術(shù)架構(gòu)分五步走，旨在構(gòu)建實(shí)體語義網(wǎng)絡(luò)數(shù)據(jù)獲?。褐饕@取半結(jié)構(gòu)化數(shù)據(jù)，為后續(xù)的實(shí)體與實(shí)體屬性構(gòu)建做準(zhǔn)備。結(jié)構(gòu)化數(shù)據(jù)則為數(shù)值屬性做準(zhǔn)備。知識獲?。?從文本數(shù)據(jù)集中自動識別出命名實(shí)體，包括抽取人名、地名、機(jī)構(gòu)名等；從語料中抽取實(shí)體之間的關(guān) 系，形成關(guān)系網(wǎng)絡(luò)；#從不同的信息源中采集特定的屬性信息。知識融合：!完成指示代詞與先行詞的合并；完成同一實(shí)體的歧義消除；#將已識別的實(shí)體對象，無歧義地指向知 識庫中的目標(biāo)實(shí)體。知識加工：!構(gòu)建知識概念模塊，抽取本體；進(jìn)行知識圖譜推理，

10、并對知識圖譜的可信度進(jìn)行量化評估，評估過關(guān)的知識圖譜流入知識圖譜庫中存儲，評估不過關(guān)的知識圖譜返回一開始的數(shù)據(jù)環(huán)節(jié)進(jìn)行調(diào)整，而后重復(fù)相同環(huán)節(jié)直到 評估過關(guān)。知識存儲與計(jì)算：存儲是為了快速查詢與運(yùn)用知識，需支持底層數(shù)據(jù)描述與上層計(jì)算，有的主體計(jì)算包含在存儲中。知識圖譜技術(shù)架構(gòu)圖Step1：數(shù)據(jù)獲取結(jié)構(gòu)化數(shù)據(jù)半構(gòu)化數(shù)據(jù)實(shí)體抽取 關(guān)系抽取 屬性抽取第三方知識庫知識推理質(zhì)量評估本體抽取知 識 圖 譜采用NLP等技術(shù)提 取結(jié)構(gòu)化信息存儲計(jì)算Step2：知識建模Step3：知識融合Step4：知識加工Step5：知識存儲與計(jì)算 與知識獲取Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估標(biāo)準(zhǔn)化數(shù)據(jù)

11、*通用知識圖譜先進(jìn)行數(shù)據(jù)獲取，而行 業(yè)知識圖譜先完成知識建模，再進(jìn)行 數(shù)據(jù)與知識獲取，具體可見第四章知識融合指代消解 實(shí)體對齊 實(shí)體鏈接非構(gòu)化數(shù)據(jù)來源：艾瑞研究院根據(jù)公開資料、專家訪談自主研究繪制。Inc.7主流產(chǎn)品類型強(qiáng)調(diào)知識深度：行業(yè)知識圖譜有哪些產(chǎn)品類型？覆蓋哪些知識？用于哪些場景？搜索引擎、智能推薦、智能問答通用/垂類泛知識、百科常識、泛學(xué)科 領(lǐng)域知識互聯(lián)網(wǎng)的信息檢索、商品/服務(wù)/視頻/交友推薦、KBQA、KGQA等有哪些產(chǎn)品類型？行業(yè)知識圖譜解決方案覆蓋哪些知識？某一領(lǐng)域內(nèi)專業(yè)的知識，如醫(yī)學(xué)領(lǐng)域的腦卒中診斷依據(jù)哪些行業(yè)已經(jīng)投入使用？金融、公安、醫(yī)療、電力、軍工等產(chǎn) 品 處 于 成 熟

12、 期成熟產(chǎn)品：通用互聯(lián)網(wǎng)知識圖譜；起步產(chǎn)品：行業(yè)知識圖譜知識圖譜的產(chǎn)品類型以通用知識圖譜與行業(yè)知識圖譜為典型代表。通用知識圖譜經(jīng)過開拓性構(gòu)建階段后，逐漸演變?yōu)橥ㄓ?互聯(lián)網(wǎng)知識圖譜，形成搜索引擎、智能推薦、智能問答三大產(chǎn)品類型，產(chǎn)品發(fā)展較為成熟。行業(yè)知識圖譜處于起步期，但 其價(jià)值及效果逐漸被客戶所認(rèn)可，是知識圖譜當(dāng)前乃至未來一段時(shí)期內(nèi)的發(fā)展熱點(diǎn)。通用知識圖譜與行業(yè)知識圖譜強(qiáng)調(diào)知識廣度：通用知識圖譜產(chǎn) 品 處 于 起 步 期產(chǎn)品成熟度時(shí)間產(chǎn)品成熟度時(shí)間Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估來源：艾瑞研究院根據(jù)專家訪談自主研究繪制。8Inc.產(chǎn)品形態(tài)解析升級：大數(shù)據(jù)知識圖譜聚焦：

13、內(nèi)部搜索引擎知識范圍：局域網(wǎng)中的專業(yè)知識目標(biāo)：形成某一領(lǐng)域或企業(yè)內(nèi)的知識搜索庫，核心以搜 索為主特征：通用性收縮，專業(yè)性變強(qiáng)舉例：企業(yè)內(nèi)部的業(yè)務(wù)知識檢索與問答知識范圍：某一領(lǐng)域內(nèi)的大數(shù)據(jù)成為知識資源目標(biāo)：完成數(shù)據(jù)治理，進(jìn)行知識與關(guān)系抽取，服務(wù)于組織的后續(xù)應(yīng)用與業(yè)務(wù)分析特征：是數(shù)倉與BI數(shù)據(jù)分析的形式引申，原來純知識搜 索引擎的知識圖譜變?yōu)榇髷?shù)據(jù)組織形式舉例：數(shù)據(jù)中臺/平臺等大數(shù)據(jù)產(chǎn)品的知識圖譜模塊起源：網(wǎng)絡(luò)搜索引擎知識范圍：廣域網(wǎng)中的通用知識目標(biāo)：形成通用知識圖譜，使檢索更準(zhǔn)確，并進(jìn)行相關(guān)推薦特征：通用性強(qiáng)，適合生活領(lǐng)域，需強(qiáng)大的爬蟲能力舉例：百科詞條搜索、關(guān)鍵詞相關(guān)推薦與問答點(diǎn)睛：知識圖譜可

14、視化目標(biāo)：進(jìn)行知識與關(guān)系網(wǎng)絡(luò)的直觀展示，讓人感知到圖 譜的存在特征：屬于知識圖譜行業(yè)解決方案/大數(shù)據(jù)產(chǎn)品中的子模塊，是產(chǎn)生人機(jī)交互的節(jié)點(diǎn)舉例：可視化大屏深化：行業(yè)知識圖譜知識范圍：某一領(lǐng)域內(nèi)的數(shù)據(jù)、專業(yè)知識組合形成知識資源目標(biāo)：將數(shù)據(jù)與知識轉(zhuǎn)換為行業(yè)知識庫，服務(wù)于輔助問答、推理、決策、判斷特征：側(cè)重于行業(yè)知識應(yīng)用，具有強(qiáng)烈的行業(yè)屬性，依賴于領(lǐng)域內(nèi)專業(yè)專家的數(shù)據(jù)標(biāo)注，每個(gè)行業(yè)都要設(shè)定特有的數(shù)據(jù)標(biāo)準(zhǔn)，需要單獨(dú)構(gòu)建行業(yè)知識庫舉例：行業(yè)知識圖譜解決方案滿足其一即可認(rèn)定為知識圖譜產(chǎn)品，五種形態(tài)可相互嵌套知識圖譜的產(chǎn)品形態(tài)頗有“盲人摸象”之意。各類廠商分別通過自然語言處理、知識庫、數(shù)據(jù)庫、數(shù)據(jù)平臺或中臺、

15、機(jī)器 學(xué)習(xí)等產(chǎn)品逐步接觸到知識圖譜，在已有的業(yè)務(wù)基礎(chǔ)上疊加知識圖譜產(chǎn)品，或開發(fā)出獨(dú)立的知識圖譜產(chǎn)品業(yè)務(wù)線。就當(dāng)前 的五大產(chǎn)品形態(tài)而言，其中的任意一種都可算作知識圖譜產(chǎn)品，且知識圖譜產(chǎn)品一般為五類產(chǎn)品形態(tài)的排列組合復(fù)合體。主流的知識圖譜產(chǎn)品形態(tài)Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估來源：艾瑞研究院根據(jù)專家訪談自主研究繪制。9Inc.熱點(diǎn)探討一：KG在數(shù)據(jù)產(chǎn)品中的存在感注釋：KG即Knowledge Graph，知識圖譜的英文縮寫。業(yè)務(wù)了解不透徹、產(chǎn)品開發(fā)承接性等原因誘發(fā)的有限存在感在各類知識圖譜的產(chǎn)品形態(tài)中，大數(shù)據(jù)知識圖譜的數(shù)據(jù)產(chǎn)品屬性強(qiáng)于知識圖譜屬性。在數(shù)據(jù)中臺、大數(shù)據(jù)平臺

16、以及其他數(shù) 據(jù)解決方案中，可頻繁觀察到知識圖譜這一畫龍點(diǎn)睛的模塊或組件，多數(shù)大數(shù)據(jù)廠商也常常自詡自己具備知識圖譜能力。 然而，一旦深究其中的知識圖譜行業(yè)能力、底層技術(shù)能力，多數(shù)廠商的知識圖譜工具往往難以覆蓋知識圖譜本該具備的完 整生產(chǎn)流程，并且缺失核心的Schema建模技術(shù)，現(xiàn)階段知識圖譜在大數(shù)據(jù)產(chǎn)品中的地位及作用就顯得十分有限。知識圖譜在大數(shù)據(jù)產(chǎn)品中存在感有限的原因大數(shù)據(jù)廠商視角視角1：盡管廠商看到了行業(yè)知識圖譜的市場規(guī)?？臻g，但有很多的業(yè)務(wù)場景沒想好 要怎么設(shè)計(jì)與實(shí)施，對業(yè)務(wù)了解不透徹，就先做數(shù)據(jù)匯聚和治理，疊加簡單的知識 圖譜套件，并把知識圖譜作為潛在的產(chǎn)品發(fā)展目標(biāo)。視角2：出于品牌宣傳

17、效果考慮，做簡單的知識圖譜套件疊加。一般而言，大數(shù)據(jù)產(chǎn)品包括企業(yè)搜索、BI功能，為提升產(chǎn)品科技感與新穎度，會添加知識圖譜套件。視角3：嵌入基本的知識圖譜模塊即可滿足諸如內(nèi)部檢索這類較簡單的需求，客戶也沒有更深層次的場景挖掘需求。大數(shù)據(jù)產(chǎn)品視角視角1：大數(shù)據(jù)產(chǎn)品通常會配置企業(yè)搜索功能，而企業(yè)搜索功能依賴于基本知識圖譜套件（專業(yè)性偏差），二者具有互補(bǔ)性。視角2：數(shù)據(jù)需要進(jìn)行知識表示，彰顯數(shù)據(jù)要素價(jià)值。大數(shù)據(jù)產(chǎn)品必定會考慮治理好 的數(shù)據(jù)要用在哪、怎么用的問題，數(shù)據(jù)治理與知識圖譜具備前后環(huán)節(jié)的承接性，知識 圖譜是數(shù)據(jù)應(yīng)用的一大方向，所以知識圖譜是大數(shù)據(jù)產(chǎn)品的一大商業(yè)增長點(diǎn)。用戶視角視角1：一些大數(shù)據(jù)類

18、產(chǎn)品使用了知識圖譜能力，但業(yè)務(wù)前端的用戶對知識圖譜的 了解有限，其很難察覺產(chǎn)品中使用了知識圖譜能力。數(shù)據(jù)中臺大數(shù)據(jù)平臺其他數(shù)據(jù)解 決方案知識圖譜 嵌 套都帶“ 我” ， 但 “ 我” 在其中的 作用、地位又沒 那么重要？Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估來源：艾瑞咨詢研究院根據(jù)公開資料、專家訪談自主研究繪制。Inc.10熱點(diǎn)探討二：場景知識圖譜為發(fā)展方向知識圖譜行業(yè)發(fā)展點(diǎn)大數(shù)據(jù)知識圖譜行業(yè)知識圖譜簡易知識圖譜高價(jià)值、實(shí)用 性強(qiáng)的垂類場 景知識圖譜*從原先的高預(yù)期認(rèn)知恢復(fù)為理性認(rèn)知，行業(yè)參與者認(rèn)識到大數(shù)據(jù)知識圖譜要想超越情報(bào)分析人員，還有很長的路要走*從“行業(yè)專家”這一概

19、念火熱期逐漸降溫至“建設(shè)不易”這一冷靜認(rèn)知 期，行業(yè)參與者意識到行業(yè)知識圖譜的建設(shè)要難于大數(shù)據(jù)知識圖譜，這 與行業(yè)專家儲備不足、知識建立不到位等有關(guān)殊途同歸：高價(jià)值、實(shí)用性強(qiáng)的垂類場景知識圖譜知識圖譜產(chǎn)品在當(dāng)下及未來的行業(yè)發(fā)展熱點(diǎn)主要圍繞大數(shù)據(jù)知識圖譜、行業(yè)知識圖譜兩大類產(chǎn)品展開。大數(shù)據(jù)知識圖譜側(cè)， 行業(yè)參與者主要分化為兩大陣營，一類選擇做簡單的知識圖譜可視化展示，不深究場景類產(chǎn)品的開發(fā)，另一類則在數(shù)據(jù)積 累的基礎(chǔ)上，效仿行業(yè)知識圖譜廠商做場景的深度挖掘與沉淀，以期實(shí)現(xiàn)數(shù)據(jù)治理能力與場景產(chǎn)品化能力的雙融合。行業(yè) 知識圖譜側(cè)，知識圖譜作為“行業(yè)專家”這一概念的火熱潮逐漸退卻，參與者在看到B端廣大

20、市場空間的同時(shí)，也深刻意 識到搭建高業(yè)務(wù)價(jià)值、強(qiáng)專業(yè)性知識圖譜的不易，因而招納更多的業(yè)務(wù)端人才，彌補(bǔ)業(yè)務(wù)短板，促成技術(shù)與業(yè)務(wù)的雙融合。當(dāng)下及未來行業(yè)發(fā)展熱點(diǎn)做簡單的可視化呈現(xiàn)、信息檢索，不深究場景開發(fā)與場景價(jià)值，此類產(chǎn)品 的替代性高，成熟期相較于場景類圖 譜會較快到來大數(shù)據(jù)廠商基于大數(shù)據(jù)產(chǎn)品積累好 數(shù)據(jù)要素，用數(shù)據(jù)驅(qū)動知識工程， 挖掘細(xì)分場景，聘請行業(yè)專家參與 其中，做好場景沉淀，提升場景的 產(chǎn)品化能力目前行業(yè)知識圖譜最大的價(jià)值領(lǐng)域在 B端，B端的業(yè)務(wù)專家與知識圖譜專家 融合以后，找到合適的場景模型，高 業(yè)務(wù)價(jià)值+大市場空間+強(qiáng)專業(yè)性的行 業(yè)知識圖譜不僅能夠擊中B端客戶的 需求痛點(diǎn)，也能為供給

21、側(cè)玩家指明產(chǎn) 品路線Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估來源：艾瑞咨詢研究院根據(jù)公開資料、專家訪談自主研究繪制。Inc.11驅(qū)動力一：認(rèn)知智能發(fā)展的關(guān)鍵技術(shù)構(gòu)建知識工程，推動認(rèn)知類產(chǎn)品商業(yè)化，拉動第二曲線專用人工智能是當(dāng)前人工智能產(chǎn)業(yè)的主流發(fā)展方向，主要包括計(jì)算、學(xué)習(xí)、感知與認(rèn)知能力，是在某個(gè)特定領(lǐng)域的單一人 工智能，依賴大規(guī)模的標(biāo)注數(shù)據(jù)進(jìn)行監(jiān)督訓(xùn)練，以單模態(tài)交互技術(shù)為典型特征，呈現(xiàn)出強(qiáng)感知、弱認(rèn)知的特點(diǎn)。為提升當(dāng) 前人工智能的認(rèn)知水平，需要對機(jī)器賦予知識能力，搭建高質(zhì)量的知識庫供機(jī)器學(xué)習(xí)訓(xùn)練，而知識圖譜正是知識庫搭建的 核心技術(shù)之一。知識圖譜為機(jī)器語言提供豐富的背景知識

22、，使機(jī)器能夠理解人類的語言與知識，是認(rèn)知智能落地的關(guān)鍵技 術(shù)。如果將感知智能作為人工智能產(chǎn)業(yè)發(fā)展的第一曲線，認(rèn)知智能則為第二曲線。從感知到認(rèn)知的跨越式發(fā)展，難免會經(jīng) 歷探索的陣痛。但若想突破人工智能產(chǎn)業(yè)在感知領(lǐng)域的商業(yè)增長瓶頸，必須引入發(fā)展認(rèn)知技術(shù)，掀起新一輪的人工智能產(chǎn) 業(yè)革命，知識圖譜在此形勢下也就順理成章成為了破局的關(guān)鍵技術(shù)。來源：艾瑞研究院根據(jù)公開資料自主研究繪制。來源：艾瑞咨詢研究院自主研究繪制。人 工 智 能專 用通 用計(jì) 算學(xué) 習(xí)感 知認(rèn) 知有監(jiān)督無監(jiān)督強(qiáng)化計(jì)算芯片底層機(jī)器學(xué)習(xí)及深度 學(xué)習(xí)算法視覺音頻語音可提升智能水平，但不等于強(qiáng)人工智能分析推理決策學(xué)術(shù) 概念 人工智能分類及用途

23、AGI，其可像人一樣思考、像人一樣從事 多種任務(wù)，具備與人同等的智慧與能力第一曲線：感知智能 第二曲線：認(rèn)知智能未 來 將 接 近極限點(diǎn)破局點(diǎn)過渡區(qū)行業(yè)開拓早期，技術(shù)、 產(chǎn)品、服務(wù)不完美，與 預(yù)期有差距所導(dǎo)致的消 沉、迷茫階段知識圖譜是破 局的關(guān)鍵技術(shù) 之一， 拉動認(rèn) 知智能發(fā)展感知智能與認(rèn)知智能市場增量發(fā)展曲線探討Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估弱人工 智能， 感知能 力強(qiáng)， 認(rèn)知能 力弱12Inc.Inc.驅(qū)動力二：數(shù)字經(jīng)濟(jì)創(chuàng)造發(fā)展機(jī)遇來源：中國信通院2021年中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書、艾瑞咨詢研究院自主研究繪制。77.0%77.4%79.5%80.2%80.9%2

24、3.0%22.6%20.5%19.8%19.1%2016201720182020產(chǎn)業(yè)數(shù)字化2019數(shù)字產(chǎn)業(yè)化來源：中國信通院2021年中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書、艾瑞咨詢研究院自主研究繪制。6.2%6.5%7.3%8.2%8.9%16.8%17.2%18.3%19.5%21.0%29.6%32.6%35.9%37.8%201620202017第一產(chǎn)業(yè)2018第二產(chǎn)業(yè)2019第三產(chǎn)業(yè)數(shù)字經(jīng)濟(jì)時(shí)代來臨，企業(yè)數(shù)據(jù)利用意識覺醒數(shù)字經(jīng)濟(jì)是以數(shù)據(jù)為關(guān)鍵生產(chǎn)要素、以現(xiàn)代信息網(wǎng)絡(luò)為重要載體、以數(shù)字技術(shù)應(yīng)用為主要特征的經(jīng)濟(jì)形態(tài)。數(shù)字經(jīng)濟(jì)之下， 數(shù)字技術(shù)的發(fā)展與應(yīng)用，使得各類社會生產(chǎn)活動能以數(shù)字化方式生成為可記錄、可

25、存儲、可交互、可分析的數(shù)據(jù)、信息與 知識，數(shù)據(jù)由此成為當(dāng)代社會的新生產(chǎn)資料和關(guān)鍵生產(chǎn)要素，推進(jìn)產(chǎn)業(yè)數(shù)字化成為了企業(yè)順應(yīng)時(shí)代發(fā)展、打造數(shù)字化優(yōu)勢 的主動選擇，而知識圖譜作為產(chǎn)業(yè)數(shù)字化的技術(shù)工具，迎來了難得的發(fā)展機(jī)遇。這一機(jī)遇體現(xiàn)為企業(yè)的數(shù)據(jù)利用意識覺醒。 諸多企業(yè)開始采購數(shù)字化與智能化解決方案，盤活自有數(shù)據(jù)資產(chǎn)，構(gòu)建內(nèi)部知識庫與行業(yè)知識庫，開發(fā)各類知識圖譜場景 與應(yīng)用，輔助企業(yè)的產(chǎn)品研發(fā)、安全質(zhì)量控制、風(fēng)控管理、精準(zhǔn)營銷等業(yè)務(wù)，知識圖譜產(chǎn)業(yè)也由此得到落實(shí)。數(shù)字經(jīng)濟(jì)的 持續(xù)發(fā)展將加速知識圖譜產(chǎn)業(yè)化進(jìn)度，推動知識圖譜與傳統(tǒng)產(chǎn)業(yè)融合，而知識圖譜產(chǎn)業(yè)將逐漸向傳統(tǒng)產(chǎn)業(yè)橫縱拓展，不斷 催生新場景、新應(yīng)用、新

26、模式。2016-2020年我國三大產(chǎn)業(yè)數(shù)字經(jīng)濟(jì)滲透率2016-2020年我國數(shù)字經(jīng)濟(jì)內(nèi)部結(jié)構(gòu)占比40.7%Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估13Inc.Inc.驅(qū)動力三：計(jì)算方式與算力規(guī)?；苿觼碓矗褐袊磐ㄔ?021年中國算力發(fā)展指數(shù)白皮書，艾瑞咨詢研究院自主研究繪制。注釋：胖節(jié)點(diǎn)，即通過大內(nèi)存、多網(wǎng)絡(luò)進(jìn)行單一結(jié)點(diǎn)計(jì)算的服務(wù)器。圖計(jì)算新計(jì)算方式，大算力規(guī)模，高智能比重知識圖譜為二維鏈接圖，屬于圖數(shù)據(jù)結(jié)構(gòu)。圖達(dá)到一定規(guī)模后，對計(jì)算的要求會隨之提升。若想實(shí)現(xiàn)低延遲、高精準(zhǔn)的圖 計(jì)算，需引入高性能計(jì)算。高性能計(jì)算能夠加快圖的運(yùn)算速度，滿足對大規(guī)模復(fù)雜圖數(shù)據(jù)的實(shí)時(shí)處理與存儲需

27、求。目前主 流的HPC架構(gòu)能夠支持異構(gòu)結(jié)點(diǎn)，性能接近超級計(jì)算系統(tǒng)，可為圖計(jì)算輸送更快更準(zhǔn)的計(jì)算能力，服務(wù)于知識圖譜運(yùn)算。 算力規(guī)模的持續(xù)擴(kuò)大及算力結(jié)構(gòu)的不斷演化也助推著知識圖譜發(fā)展。知識圖譜對海量數(shù)據(jù)的處理與讀寫操作意味著對內(nèi)存 存取與帶寬的高密度、高功耗，知識圖譜算法包含大量卷積、全聯(lián)接計(jì)算需求，因而對算力規(guī)模與算力結(jié)構(gòu)都具備高要求。 2020年，我國算力規(guī)模已達(dá)到135EFflops，相比去年增長55%；智能算力比重增加至41%，相比2016年增加了38%。高性能圖計(jì)算為知識圖譜運(yùn)算賦能中國算力規(guī)模及智能算力增長情況計(jì) 算 集 群胖節(jié)點(diǎn) 存儲設(shè)備集 群 管 理 系 統(tǒng)數(shù)據(jù)網(wǎng)絡(luò)大規(guī)模圖數(shù)據(jù)圖

28、遍歷圖算 社區(qū)發(fā)現(xiàn)法 最短路徑關(guān)系挖掘知識推理 事件溯源計(jì) 算 功 能輸送計(jì)算能力高性能計(jì)算輸送圖數(shù)據(jù)8713520 1920 20中國算力總規(guī)模 (EFlops)增長55%3%20 1620 20智能算力占總算力比重（%）2019-2020年中國算力總規(guī)模2016與2020年中國智能算力比重增加38%41%Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道驅(qū)動力評估MPI節(jié)點(diǎn)GPU加 速節(jié)點(diǎn)來源：艾瑞咨詢研究院結(jié)合公開資料自主研究繪制。Inc.14Inc.2012201520262016人工智能產(chǎn)業(yè)2018NLP產(chǎn)業(yè)2019知識圖譜產(chǎn)業(yè)驅(qū)動力四：算法協(xié)同并進(jìn)算法進(jìn)步的關(guān)聯(lián)連鎖反應(yīng)知識圖譜的迅速

29、發(fā)展與人工智能、NLP近幾年取得的巨大進(jìn)步有很大關(guān)系。從發(fā)展的關(guān)鍵時(shí)間點(diǎn)來看，人工智能在2012 年取得了深度學(xué)習(xí)第三代神經(jīng)網(wǎng)絡(luò)的技術(shù)進(jìn)步，此后人工智能技術(shù)在我國便開始了技術(shù)商業(yè)化之路，在2015年人工智能 產(chǎn)業(yè)正式邁入萌芽階段。作為深度學(xué)習(xí)技術(shù)進(jìn)步的受益者，NLP技術(shù)隨后頻繁出現(xiàn)在人工智能的舞臺，并攜帶較多驚喜的 成就。ELMo模型、GPT模型、BERT模型三大NLP模型均在2018年出現(xiàn)，標(biāo)志著NLP對文字語義的處理進(jìn)入了新的歷史 臺階。NLP技術(shù)與知識圖譜發(fā)展極為緊密，是知識圖譜搭建的前置技術(shù)環(huán)節(jié)，常在知識圖譜生產(chǎn)流程中用于自然語言信息 抽取，對各類詞性進(jìn)行識別標(biāo)注。2018年后NLP的

30、泛化能力與自動化能力的增強(qiáng)，降低了NLP模型的訓(xùn)練成本，為知識 圖譜的知識庫構(gòu)建創(chuàng)造了有利機(jī)會。2019年前后，國內(nèi)不少行業(yè)知識圖譜廠商與客戶開始規(guī)模簽單，行業(yè)知識圖譜正式萌芽。注釋：產(chǎn)業(yè)發(fā)展曲線為定性判斷。來源：艾瑞咨詢研究院自主研究繪制。Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道評估第三代神經(jīng)網(wǎng)絡(luò)模型出現(xiàn)，深度學(xué) 習(xí)在圖像、語音領(lǐng)域取得重大突破人工智能產(chǎn)業(yè)萌芽AlphaGo戰(zhàn)勝人類，深度學(xué)習(xí)大熱，人工智能技術(shù)商業(yè)化步伐加快ELMo模型提出，模型可根據(jù)上下文推斷每個(gè) 詞對應(yīng)的詞向量；大規(guī)模預(yù)訓(xùn)練語言模型GPT出現(xiàn)，可用于分類、 推理、問答、相似度任務(wù)；BERT模型在機(jī)器閱讀理解水平測試

31、中獲得優(yōu) 異表現(xiàn)，成為NLP發(fā)展史上的里程碑模型， NLP對非結(jié)構(gòu)化數(shù)據(jù)處理獲得大量研究與進(jìn)步行業(yè)知識圖譜萌芽，知識圖譜產(chǎn)業(yè) 規(guī)模興起，行業(yè)知識圖譜的廠商與 客戶開始規(guī)模簽單15Inc.三類AI技術(shù)與產(chǎn)業(yè)發(fā)展關(guān)鍵時(shí)間點(diǎn)57.5%50.6%25.3%20.7%19.5%18.4%13.8%12.6%8.0% 6.9% 6.9% 4.6% 3.4% 2.3%1.1% 1.1% 1.1% 1.1% 1.1% 1.1% 1.1% 1.1% 1.1%2.3%金 融醫(yī) 療工 業(yè)政 務(wù)公 安營 銷互 聯(lián) 網(wǎng)司 法交 互 服 務(wù)電 力電 信零 售教 育能 源交 通智 慧 城 市物 流招 聘建 筑文 旅客 服制

32、 造其 他智 能 家 居驅(qū)動力五：資本提供資金支持來源：艾瑞咨詢研究院根據(jù)公開融資數(shù)據(jù)自主研究整理及繪制。18.758.049.947.3312916433.3420 1820 22.320 1920 20融資金額（億元）20 21融資事件（起）金融、醫(yī)療賽道融資熱度領(lǐng)先，融資多處于早期2018-2022年3月中國知識圖譜獲投企業(yè)業(yè)務(wù)賽道熱度統(tǒng)計(jì)15.4%43.1%18.7%14.6%8.1%B輪相關(guān)天使輪及種子輪 C輪及以后A輪相關(guān)戰(zhàn)略融資及股權(quán)轉(zhuǎn)讓2018-2022年3月中國知識圖譜融資事件數(shù)、金額及輪次情況金融、醫(yī)療、工業(yè)、政務(wù)、公安為融資賽道 TOP5其他領(lǐng)域較為分散，呈現(xiàn)多點(diǎn)“開花局

33、面“2021年融資事件數(shù)最多，為43起；統(tǒng)計(jì)時(shí)間內(nèi)總?cè)谫Y事件數(shù)為123起，融資金額 為177.2億元融資集中在天使輪、種子輪、A輪的相關(guān)領(lǐng)域，占比高達(dá)58.5%，融資輪次靠前； 海致、明略、同盾等企業(yè)已完成C輪及以后融資累計(jì)獲投：87家企業(yè)Part1: 研究范圍預(yù)熱鋪墊Part2: 賽道評估16Inc.研究范圍界定及賽道評估171行業(yè)場景分析2優(yōu)秀案例實(shí)踐3建設(shè)重點(diǎn)解讀4行業(yè)趨勢洞察5行業(yè)總結(jié)：市場空間結(jié)構(gòu)與產(chǎn)業(yè)鏈?zhǔn)袌隹臻g結(jié)構(gòu)：所測算規(guī)模為TAM。整體市場規(guī)模尚處于增量爬坡階段，以金融、公安為主要行業(yè)拉力，行業(yè)知識圖 譜的市場規(guī)模潛力要大于互聯(lián)網(wǎng)通用知識圖譜。從供給側(cè)看，行業(yè)集中度較低，市場份

34、額分散，尚未形成穩(wěn)固的市場競 爭格局，但在某一行業(yè)領(lǐng)域存在市場份額偏高的玩家。整體市場規(guī)模方面，2021年中國知識圖譜核心產(chǎn)品的市場規(guī)模 為107億元，到2026年，核心規(guī)模可突破290億元，2021-2026年CAGR=22.5%。產(chǎn)業(yè)鏈：上游為硬件基礎(chǔ)設(shè)施與數(shù)據(jù)采集及治理服務(wù)，中游為知識圖譜表示與知識建模技術(shù)服務(wù)，下游為知識圖譜應(yīng)用。下游應(yīng)用圖譜中，金融知識圖譜應(yīng)用的參與玩家眾多，其他行業(yè)領(lǐng)域玩家偏少，普遍存在同一玩家跨界耕耘的現(xiàn)象。18801071391742062462962025e2026e19.4%18.8%16.2%10.7%8.9%5.1%21.0%互聯(lián)網(wǎng)政務(wù)金融 醫(yī)療公安工業(yè)

35、與電力 其他65產(chǎn)業(yè)總規(guī)模201920202021e2022e2023e2024e中國知識圖譜核心市場規(guī)模（億元）注釋：核心規(guī)模為軟件規(guī)模，包含后文金融、政務(wù)與公安、醫(yī)療、工業(yè)與電力的產(chǎn)業(yè)規(guī)模，以及其他細(xì)分行業(yè)的產(chǎn)業(yè)規(guī)模。 來源：艾瑞咨詢研究院根據(jù)專家訪談、采招數(shù)據(jù)、公開媒體咨詢、國家統(tǒng)計(jì)局、中國衛(wèi)生統(tǒng)計(jì)年鑒等數(shù)據(jù)自主建模測算。金融、公安為市場主要拉力隨著信息化與數(shù)字化建設(shè)的展開與NLP技術(shù)的進(jìn)步，知識圖譜不再局限于網(wǎng)絡(luò)百科式的搜索，其衍生出了互聯(lián)網(wǎng)內(nèi)容與社 交、大數(shù)據(jù)知識圖譜與行業(yè)知識圖譜等多種產(chǎn)品類型，產(chǎn)品專業(yè)化與場景化的趨勢日漸明顯，行業(yè)知識圖譜已經(jīng)成為市場 開拓重點(diǎn)。金融與公安兩大行業(yè)

36、的知識圖譜占比較高且增長速度較快，其業(yè)務(wù)與知識圖譜可密切結(jié)合，具備建設(shè)意愿與資 金投入，因而成為了市場規(guī)模的主要拉力。據(jù)艾瑞統(tǒng)計(jì)測算，在2021年的行業(yè)市場結(jié)構(gòu)中，金融與公安的市場份額合計(jì) 共占總市場的38.2%。未來，隨著政務(wù)數(shù)字化建設(shè)的完善，政務(wù)對知識圖譜的業(yè)務(wù)需求會逐漸喚醒，成為未來市場的拉力 之一。從市場整體來看，2021年中國知識圖譜核心市場規(guī)模為107億元，到2026年，核心市場規(guī)模可突破290億元， 2021-2026年CAGR=22.5%。2019-2026年中國知識圖譜核心市場規(guī)模2021-2026年 CAGR=22.5%19Inc.技術(shù)維度業(yè)務(wù)維度執(zhí)行維度信息化與數(shù) 字化基

37、礎(chǔ)數(shù)據(jù)數(shù)量數(shù)據(jù)質(zhì)量業(yè)務(wù)專家儲 備密集度業(yè)務(wù)場景明 確程度應(yīng)用開發(fā)簡 易程度建設(shè)預(yù)算建設(shè)周期客戶配合度行業(yè)細(xì)分賽道表現(xiàn)總覽互聯(lián)網(wǎng)最成熟，金融為興起標(biāo)桿，政務(wù)與工業(yè)長路漫漫各行業(yè)賽道知識圖譜產(chǎn)業(yè)情況可從技術(shù)、業(yè)務(wù)、執(zhí)行三大維度進(jìn)行評價(jià)和對比?；ヂ?lián)網(wǎng)是知識圖譜產(chǎn)業(yè)最成熟的賽道，一 般提供輕量級的應(yīng)用服務(wù)，開發(fā)難度較低。相比之下，其他行業(yè)的知識圖譜產(chǎn)業(yè)仍處于建設(shè)期，以金融的表現(xiàn)為標(biāo)桿。政 務(wù)、工業(yè)都有巨大的數(shù)據(jù)量，但業(yè)務(wù)專家儲備密集度、業(yè)務(wù)場景明確程度、客戶配合度的評價(jià)偏低，需要較為漫長的磨合 過程。盡管醫(yī)療領(lǐng)域的專家儲備與業(yè)務(wù)場景明確度表現(xiàn)較好，但因各級醫(yī)院資源利益不統(tǒng)一，文本數(shù)據(jù)理解難度大，其產(chǎn)

38、業(yè)發(fā)展遠(yuǎn)不如人們所希冀的高專家水準(zhǔn)。各行業(yè)賽道知識圖譜產(chǎn)業(yè)表現(xiàn)情況20Inc.* 色階條 越長代表 該行業(yè)在 該細(xì)分維 度上評價(jià) 越高互聯(lián)網(wǎng)金融公安政務(wù) 醫(yī)療電力 工業(yè)來源：艾瑞咨詢研究院根據(jù)專家訪談自主研究繪制。產(chǎn)業(yè)鏈流程務(wù) 前 端數(shù)據(jù)源結(jié) 構(gòu) 化 數(shù) 據(jù)數(shù) 據(jù) 治 理知 識 圖 譜 知 識 庫第 三 方 知 識 庫基礎(chǔ)層芯片計(jì)算芯片存儲芯片服務(wù)器PC機(jī)網(wǎng)絡(luò)連接設(shè)備、數(shù)據(jù)安全與運(yùn)維算法開源框架實(shí)體 抽取關(guān)系 抽取屬性 抽取概念層 融合數(shù)據(jù)層 融合本體 抽取質(zhì)量 評估知識 圖譜知識 推理知識圖譜表示與知識建模技術(shù)服務(wù)知識圖譜應(yīng)用數(shù) 據(jù)產(chǎn)業(yè)生數(shù)據(jù) 關(guān)存 系儲 型數(shù) 據(jù) 庫半 結(jié) 構(gòu)化非數(shù)標(biāo)據(jù)準(zhǔn)數(shù)

39、 據(jù)非流結(jié)入構(gòu)治化理數(shù)環(huán)據(jù)節(jié)標(biāo) 準(zhǔn) 化 數(shù) 據(jù) 入 庫 存 儲以 圖 結(jié) 構(gòu) 存 儲以圖結(jié)構(gòu) 存儲補(bǔ) 充知識圖譜產(chǎn)業(yè)鏈流程圖上游著重?cái)?shù)據(jù)處理，中游搭建模型，應(yīng)用服務(wù)前端形成閉環(huán)一般配置知識圖譜平臺， 供快速建模管理，最終形 成應(yīng)用上游中游下游應(yīng)用模型服務(wù)于前端業(yè)務(wù)對數(shù)據(jù)治理提出具體要求，重塑模型數(shù)據(jù)標(biāo)準(zhǔn)，產(chǎn)生新的數(shù)據(jù)治理工作應(yīng)用場景反饋，模型修改與調(diào)優(yōu)知 識 圖 譜 查 詢 & 建 模 & 權(quán) 限 配 置 等可用圖的 直接存儲行 業(yè) 知 識 圖 譜業(yè) 務(wù) 前 端 用 戶互聯(lián)網(wǎng)內(nèi)容與社交新零售消費(fèi)與用戶分析金融：信貸風(fēng)控、精準(zhǔn)營 銷、業(yè)務(wù)流程優(yōu)化政務(wù)與公安：公安研判分析與預(yù)警、司法輔助審判與執(zhí)行

40、、政務(wù)便民服務(wù)、應(yīng)急管理醫(yī)療：醫(yī)療流程輔助、醫(yī) 學(xué)科研、醫(yī)療用戶服務(wù)工業(yè)與電力：產(chǎn)品與工 藝創(chuàng)新研發(fā)、安全質(zhì)量控 制、供應(yīng)鏈管理互 聯(lián) 網(wǎng) 知識 交圖 互譜交 互提供計(jì)算存儲能力提供計(jì)算存儲能力知識 存儲圖數(shù) 據(jù)庫知識 計(jì)算知識 加工知識 融合知識 獲取來源：艾瑞咨詢研究院自主研究繪制。Inc.21中 游上 游核心產(chǎn)業(yè)圖譜注釋：Logo擺放以企業(yè)主營業(yè)務(wù)為主。圖譜中所展示的公司logo順序及大小并無實(shí)際意義，不涉及排名。從產(chǎn)品生產(chǎn)角度出發(fā)，挑選產(chǎn)業(yè)鏈中的關(guān)鍵模塊進(jìn)行展示?；?礎(chǔ) 層數(shù)據(jù) 治理算 力算 法知 識下圖游 譜 應(yīng) 用 層搜 索 引 擎智 能 推 薦 與 問 答金 融工 業(yè)電 力醫(yī) 療

41、行業(yè)解決方案及應(yīng)用2022年中國知識圖譜核心產(chǎn)業(yè)圖譜公 安政 務(wù)知 識圖開源譜工技具術(shù) 層閉 源 工 具KG抽取KG推理KG融合圖數(shù)據(jù)存儲KG概念架構(gòu)KG建模與訓(xùn)練數(shù)據(jù)商業(yè)關(guān)存儲系型數(shù)據(jù)庫開源關(guān) 系型數(shù) 據(jù)庫數(shù)據(jù) 開放鏈接資料知識庫數(shù)據(jù)源公開/封閉渠道數(shù)據(jù)：企業(yè)、政府、社交、 電商、廣播電信等數(shù)據(jù)物聯(lián)網(wǎng)信息傳感設(shè)備：定位系統(tǒng)、射頻識 別、傳感器、電子標(biāo)簽等快消/ 營銷農(nóng) 業(yè)互聯(lián)網(wǎng)通用知識圖譜教育圖數(shù)據(jù)存儲（自研）NESTAtlasGraph來源：艾瑞咨詢研究院自主研究繪制。Inc.2223通用知識圖譜：互聯(lián)網(wǎng)篇每一行業(yè)的知識圖譜內(nèi)容包括三個(gè)部分：行業(yè)信息化與數(shù)字化基礎(chǔ)觀察、場景應(yīng)用分析、市場規(guī)

42、模分析?？傮w評價(jià)：屬于知識圖譜應(yīng)用較為領(lǐng)先的賽道，在底層建模與內(nèi)容結(jié)構(gòu)化方面具備增量機(jī)會，因上層應(yīng)用開發(fā)一般由需求方自主開發(fā)，在上層的應(yīng)用開發(fā)方面增量機(jī)會小。行業(yè)信息化與數(shù)字化基礎(chǔ)：行業(yè)帶有深厚的科技基因，總體信息化與數(shù)字化基礎(chǔ)良好，大廠具備較為充足的投入預(yù)算與 建設(shè)實(shí)力，中小企業(yè)主要依托現(xiàn)有基礎(chǔ)夯實(shí)業(yè)務(wù)。場景應(yīng)用：以智能推薦與輔助決策為核心，推出網(wǎng)絡(luò)搜索、商品迭代開發(fā)、商品精準(zhǔn)導(dǎo)購、內(nèi)容個(gè)性化推薦等細(xì)分應(yīng)用。市場規(guī)模：所測算規(guī)模為TAM，2021預(yù)計(jì)中國互聯(lián)網(wǎng)知識圖譜市場規(guī)模為17億元，2026年可達(dá)51億元，2021-2026年CAGR=24.2%。信息化與數(shù)字化基礎(chǔ)巨頭的基礎(chǔ)設(shè)施建設(shè)全方

43、面展開市場風(fēng)口與底層技術(shù)的相互促進(jìn)盤踞存量下的產(chǎn)業(yè)擴(kuò)張之路：長短視頻、 即時(shí)通訊、網(wǎng)絡(luò)購物、新聞資訊等互聯(lián)網(wǎng) 大賽道基本被阿里、騰訊、百度、字節(jié)系 的產(chǎn)品所把控，基于以往的流量紅利與當(dāng) 下的存量基本盤，各家巨頭實(shí)現(xiàn)了基礎(chǔ)設(shè) 施建設(shè)的擴(kuò)張與升級，打造數(shù)據(jù)中心、云 計(jì)算等底層基礎(chǔ)設(shè)施，不僅服務(wù)于自身內(nèi) 部，還服務(wù)于外部企業(yè)服務(wù)，用以開拓傳 統(tǒng)企業(yè)端的產(chǎn)業(yè)互聯(lián)網(wǎng)業(yè)務(wù)。以阿里云為例：其自研了分布式通用云計(jì) 算操作系統(tǒng)飛天，并以飛天為核心，建立 了自研芯片（倚天710）、服務(wù)器（架構(gòu) 升級）、存儲（存儲硬件Aliflash）、計(jì)算、 網(wǎng)絡(luò)等軟硬一體的新型計(jì)算架構(gòu)體系，同時(shí) 還自研了新一代云原生數(shù)據(jù)庫Po

44、larDB。生于內(nèi)，對外進(jìn)行拓展服務(wù)：隨著數(shù)據(jù)量 的增加與底層數(shù)據(jù)處理技術(shù)的進(jìn)步，互聯(lián) 網(wǎng)的數(shù)據(jù)平臺快速迭代，數(shù)據(jù)產(chǎn)品、數(shù)據(jù) 產(chǎn)品經(jīng)理等詞匯獲得廣泛認(rèn)可， DMP、 CDP、CRM等專業(yè)的數(shù)據(jù)平臺工具成形， 數(shù)據(jù)中臺的概念被提出并大火。業(yè)內(nèi)數(shù)字 化產(chǎn)品與工具的封裝與沉淀，為外界企業(yè) 提供了數(shù)字化轉(zhuǎn)型的技術(shù)底座解決方案。數(shù)字化人才孵化地：在眾多中小型數(shù)據(jù)解 決方案廠商中，部分廠商的創(chuàng)始團(tuán)隊(duì)來自 BAT系，底層的數(shù)字化技術(shù)人才不乏有互聯(lián) 網(wǎng)行業(yè)背景，互聯(lián)網(wǎng)行業(yè)為數(shù)字化產(chǎn)業(yè)培 育了眾多的數(shù)字化人才。數(shù)據(jù)中心計(jì)算芯片服務(wù)器架構(gòu)數(shù)據(jù)庫操作系統(tǒng)云計(jì)算2010:電商 2011:團(tuán)購2013:在線出行2014

45、:外賣平臺2012:社交平臺2015:共享單車2016:直播2017:短視頻 2019:社交電商底層技術(shù)助推市場風(fēng)口：互聯(lián)網(wǎng)行業(yè)帶有 深厚的科技基因。過去十年間，底層的云 計(jì)算、物聯(lián)網(wǎng)、5G通信等信息化與數(shù)字化 技術(shù)的推陳出新，推動各類市場風(fēng)口的紛 至沓來，為產(chǎn)業(yè)創(chuàng)造了廣闊的流量池。風(fēng)口應(yīng)用助推底層技術(shù)：場景應(yīng)用觸達(dá)用 戶后，海量的內(nèi)容與數(shù)據(jù)需要存放與運(yùn)算， 助推著后端存儲與計(jì)算的擴(kuò)容與升級，甚 至是自研。因而，底層的信息化與數(shù)字化 技術(shù)得到鞏固與創(chuàng)新?；A(chǔ)扎實(shí)領(lǐng)先，為知識圖譜創(chuàng)造有利基礎(chǔ)環(huán)境從巨頭的基礎(chǔ)設(shè)施建設(shè)、業(yè)內(nèi)數(shù)字化產(chǎn)品與工具誕生、市場風(fēng)口與底層技術(shù)的促進(jìn)關(guān)系三大角度，可窺見互聯(lián)網(wǎng)行業(yè)

46、扎實(shí) 領(lǐng)先的信息化與數(shù)字化基礎(chǔ)，這為互聯(lián)網(wǎng)知識圖譜的構(gòu)建與應(yīng)用創(chuàng)造了有利的基本環(huán)境。中國互聯(lián)網(wǎng)信息化與數(shù)字化情況123專業(yè)的數(shù)字化產(chǎn)品與工具誕生數(shù)據(jù)平臺數(shù)據(jù)中臺DMPCDPCRM營銷 獲客用戶 運(yùn)營數(shù)據(jù) 采集數(shù)據(jù) 存儲數(shù)據(jù) 計(jì)算數(shù)據(jù) 治理知識圖譜搭建與應(yīng)用充足算力、大容量存儲空間、電子化文本數(shù)據(jù)、標(biāo)準(zhǔn)化數(shù)值屬性、可供訓(xùn)練建模的多維數(shù)據(jù)促進(jìn)來源：艾瑞咨詢2021年互聯(lián)網(wǎng)行業(yè)挑戰(zhàn)與機(jī)遇白皮書，艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。提供提供提供Industry: 互聯(lián)網(wǎng)24Inc.行業(yè)需求痛點(diǎn)分析注釋：信息是經(jīng)過收集與整理的數(shù)據(jù)，為數(shù)據(jù)的子集，本質(zhì)還是數(shù)據(jù)。 來源：艾瑞咨詢研究院根據(jù)專家訪談與公開

47、資料自主研究繪制。Industry: 互聯(lián)網(wǎng)三、商品與用戶信息的精準(zhǔn)化、個(gè)性化表達(dá)需求：商品方面：市場管理差異導(dǎo)致的商品信息差，線上商品存在多種表達(dá)方式，標(biāo)準(zhǔn) 化程度不足；線上商品缺乏個(gè)性化設(shè)計(jì)與表達(dá)，對用戶引導(dǎo)不到位，難以激發(fā)用 戶興趣，不利于用戶做出消費(fèi)決策。用戶方面：網(wǎng)頁端與移動端都會留下用戶的行為數(shù)據(jù)痕跡，用戶的消費(fèi)觀念隱藏 在這些數(shù)據(jù)以及數(shù)據(jù)間的關(guān)聯(lián)關(guān)系中。若要為用戶精準(zhǔn)推薦個(gè)性化內(nèi)容，將用戶 切實(shí)轉(zhuǎn)化為消費(fèi)者，需要對用戶的數(shù)據(jù)進(jìn)行挖掘，刻畫用戶畫像。一、互聯(lián)網(wǎng)信息碎片化與非結(jié)構(gòu)化的處理需求：互聯(lián)網(wǎng)的海量信息帶有碎片化與非架構(gòu)化特征。新興互聯(lián)網(wǎng)應(yīng)用的蓬勃發(fā)展，讓 完整信息被分類分解為

48、信息片段，信息被大量簡化，從而導(dǎo)致信息本身不全面、 內(nèi)在邏輯不完整。同時(shí)，文本、圖片、各類報(bào)表和音頻、視頻、HTML等非結(jié)構(gòu) 化數(shù)據(jù)廣泛存在于互聯(lián)網(wǎng)中?；ヂ?lián)網(wǎng)企業(yè)需要在現(xiàn)有的存量業(yè)務(wù)中，收集碎片化 信息，處理非結(jié)構(gòu)化數(shù)據(jù)，挖掘信息間的潛在聯(lián)系，還原完整的、有價(jià)值的信息。 然而，信息的關(guān)聯(lián)關(guān)系挖掘是一項(xiàng)工作量巨大且復(fù)雜的工程。二、互聯(lián)網(wǎng)產(chǎn)品迭代與發(fā)展的需求：互聯(lián)網(wǎng)產(chǎn)品的生命周期路徑規(guī)劃需求：任何的互聯(lián)網(wǎng)產(chǎn)品都會經(jīng)歷探索期、成長 期、成熟期、衰退期四大階段，每一階段各有其痛點(diǎn)。探索期的產(chǎn)品在設(shè)計(jì)規(guī)范 與方向上缺乏可參考的產(chǎn)品，難以找到產(chǎn)品的設(shè)計(jì)方向；成長期的產(chǎn)品往往同質(zhì) 化嚴(yán)重，難以找到產(chǎn)品的創(chuàng)新

49、點(diǎn)，并在競品競爭中取勝；成熟期的產(chǎn)品基本定型， 需要在產(chǎn)品細(xì)節(jié)上做設(shè)計(jì)與把控。針對每一階段的痛點(diǎn)，都需要做好路徑規(guī)劃， 持續(xù)進(jìn)行產(chǎn)品迭代，解決產(chǎn)品所處階段的核心問題。產(chǎn)品迭代設(shè)計(jì)規(guī)劃需要依賴 合理可靠的決策依據(jù)，而決策依據(jù)源自將已經(jīng)結(jié)構(gòu)化的商品表現(xiàn)數(shù)據(jù)、行業(yè)信息 等構(gòu)建成網(wǎng)絡(luò)，發(fā)現(xiàn)數(shù)據(jù)之間的潛在關(guān)聯(lián)。以存量產(chǎn)品迭代為例進(jìn)行解釋：某APP起初以本地生活服務(wù)為主打功能，但該 APP已經(jīng)較為成熟，同時(shí)期還存在一些競爭對手。產(chǎn)品設(shè)計(jì)師考慮在現(xiàn)有功能上 疊加旅游服務(wù)與電商服務(wù)，以增加產(chǎn)品的差異化程度。收集數(shù)據(jù)碎片化：信息量巨大而內(nèi)容分散，信息呈片段式，信 息的閱讀方式也變?yōu)槠问椒墙Y(jié)構(gòu)化：沒有統(tǒng)一標(biāo)準(zhǔn)的

50、文本、圖片、音視頻、 HTML數(shù)據(jù)數(shù) 據(jù) 匯 入依據(jù)數(shù)據(jù)開發(fā)/迭代產(chǎn)品探索期成長期成熟期衰退期時(shí)間 需根據(jù)每一階段的痛點(diǎn)設(shè)計(jì)迭代產(chǎn)品，設(shè)計(jì)迭代的依 據(jù)為前端的數(shù)據(jù)產(chǎn) 品 投 放互聯(lián)用網(wǎng)戶數(shù)活據(jù)躍更度新信息碎片化與非結(jié)構(gòu)化突出，產(chǎn)品需持續(xù)迭代滿足用戶需求互聯(lián)網(wǎng)行業(yè)需求痛點(diǎn)發(fā)現(xiàn)、創(chuàng)造、服務(wù)25Inc.并滿足需求依據(jù)投放效果調(diào)整商業(yè)化營銷策略對商品需求持續(xù)變化用戶商品商品表達(dá)方式多， 客戶難定位商品不能滿足用戶個(gè)性化需求需求多樣化、個(gè) 性化消費(fèi)行為與消費(fèi) 習(xí)慣數(shù)據(jù)待挖掘痛點(diǎn)下的知識圖譜應(yīng)用Industry: 互聯(lián)網(wǎng)三、商品精準(zhǔn)導(dǎo)購，以新零售網(wǎng)絡(luò)購物為例四、內(nèi)容個(gè)性化推薦，以餐飲消費(fèi)推薦為例預(yù)期目標(biāo)：

51、推薦與檢索詞條相關(guān)的 實(shí)體，將碎片化信息聚合為不同維 度呈現(xiàn)。核心原理：通過網(wǎng)絡(luò)信息與數(shù)據(jù)搭 建通用知識庫，將具有相關(guān)性的信 息聯(lián)系起來，將完整豐富的信息推 薦給用戶。核心價(jià)值點(diǎn)：盤活長尾冷門的實(shí)體， 實(shí)現(xiàn)碎片化信息聚合，還原完整信 息，補(bǔ)充用戶未知知識（尤其是時(shí) 效性與新奇知識），激發(fā)用戶搜索 興趣。對應(yīng)應(yīng)用：百度百科、搜狗百科、 360百科、微信搜索等。預(yù)期目標(biāo)：通過對客戶多維度信息的 挖掘，快速篩選出潛在商品需求。核心原理：基于用戶信息庫與商品信息庫，構(gòu)建商品決策知識圖譜，在導(dǎo) 購的具體場景中推送符合用戶偏好的 商品。核心價(jià)值點(diǎn)：對于用戶而言，快速觸達(dá)所需的商品種類，提高決策效率； 對于

52、商戶而言，輔助商品導(dǎo)購，實(shí)現(xiàn) 商品的個(gè)性化推薦與精準(zhǔn)營銷，增加 商品收益。對應(yīng)應(yīng)用：淘寶、京東、網(wǎng)易嚴(yán)選、唯品會等。預(yù)期目標(biāo)：尋找用戶最可能消費(fèi)的 商戶，為用戶推薦該商戶。核心原理：將用戶的消費(fèi)記錄、家 鄉(xiāng)、歷史口味偏好等信息構(gòu)建成知 識圖譜網(wǎng)絡(luò)，計(jì)算出不同維度下的 推薦分值，分值最高的路徑即為推 送結(jié)果。核心價(jià)值點(diǎn)：對于用戶而言，能夠 為用戶提供個(gè)性化、多維度的內(nèi)容 推薦，激起用戶興趣，減少對商戶 評價(jià)內(nèi)容的依賴，縮短用戶的篩選 時(shí)間 ；對于商戶而言，能夠幫助商 戶吸引客流，增加業(yè)務(wù)收入。對應(yīng)應(yīng)用：美團(tuán)、大眾點(diǎn)評等。別名小李子萊昂納多迪卡普里奧代表作擁有荒野獵人盜夢空間血鉆身高180cm擁有

53、獎項(xiàng)第88屆奧斯卡金像 獎最佳男主角獎第47屆柏林 國際電影節(jié)最 佳男主角獎?lì)A(yù)期目標(biāo)：提示決策人員業(yè)務(wù)的生 命周期階段，輔助其進(jìn)行業(yè)務(wù)規(guī)劃。核心原理：將存量業(yè)務(wù)數(shù)據(jù)反饋構(gòu) 建知識圖譜網(wǎng)絡(luò)，判斷業(yè)務(wù)的生命 周期階段，決定是否要迭代業(yè)務(wù)。示例：某公司已有的存量業(yè)務(wù)為電 商零售，基于信息后臺的知識圖譜 網(wǎng)絡(luò)反饋，業(yè)務(wù)的用戶活躍度基本 穩(wěn)定，舊業(yè)務(wù)已進(jìn)入成熟期，公司 可以尋找存量業(yè)務(wù)的突破口。圖譜 提示決策人員公司已經(jīng)具有物流配 送、生鮮供貨商、C端用戶的資源優(yōu) 勢，可考慮開拓生鮮市場。對應(yīng)應(yīng)用：盒馬鮮生、七鮮超市等。物流配送自建外包生鮮供貨商水果蔬菜肉蛋奶已有資源某企業(yè)電商零售業(yè)務(wù)C端用戶用戶活躍度

54、商戶偏好消費(fèi)家鄉(xiāng)用戶店菜餐館計(jì)算分值：0.3用戶偏好 口味計(jì)算分值：0.5 菜品特色 城市計(jì)算分值： 0.45菜品防曬指數(shù)小美 準(zhǔn)備去SPF50+ 海南度假需要品牌 歐萊雅小金管 防曬霜凈 含 量30ml功效防黑防曬老不適用人群成分含酒精敏感肌、油皮以智能推薦與輔助決策為核心，滿足用戶與企業(yè)決策者需求互聯(lián)網(wǎng)知識圖譜應(yīng)用舉例一、碎片化信息聚合，以網(wǎng)絡(luò)搜索場景為例二、存量產(chǎn)品迭代開發(fā)，以開拓新業(yè)務(wù)市場為例以上案例均為通用知識圖譜范圍，在互聯(lián)網(wǎng)的垂類知識圖譜類型體系下，如專業(yè)的汽車網(wǎng)站、美妝網(wǎng)站、健康養(yǎng)身知識網(wǎng)站等，知識圖譜的搭建原理類似，在此不再贅述。注釋：不同顏色的圓代表不同層次的實(shí)體。所展示的

55、四類知識圖譜均為列舉，知識圖譜可依據(jù)開發(fā)需求調(diào)整結(jié)構(gòu)。 來源：艾瑞咨詢研究院根據(jù)專家訪談與公開資料自主研究繪制。Inc.2657市場規(guī)模分析201920202021e2022e2023e2024e2025e2026e中國互聯(lián)網(wǎng)知識圖譜核心市場規(guī)模（億元）注釋：核心規(guī)模為軟件規(guī)模，且不包含企業(yè)內(nèi)部消化的部分。內(nèi)部消化指企業(yè)完全自主獨(dú)立開發(fā)知識圖譜并服務(wù)于其自身業(yè)務(wù)，不對外出售服務(wù)能力與產(chǎn)品。中小型互聯(lián)網(wǎng)企業(yè)對底層能力的采購成為市場主要拉力一般而言，中小型互聯(lián)網(wǎng)企業(yè)為互聯(lián)網(wǎng)知識圖譜的核心需求方，成熟的互聯(lián)網(wǎng)大廠、部分專業(yè)的大數(shù)據(jù)企業(yè)、知識圖譜企 業(yè)為互聯(lián)網(wǎng)知識圖譜的能力供應(yīng)者?；ヂ?lián)網(wǎng)大廠擁有成熟領(lǐng)

56、先的全棧式知識圖譜能力，其能力及應(yīng)用主要服務(wù)于自身業(yè)務(wù)， 基本沒有知識圖譜服務(wù)外采需求，故其并非市場的核心需求方。而中小型互聯(lián)網(wǎng)企業(yè)因業(yè)務(wù)內(nèi)容需要持續(xù)更新但底層開發(fā) 能力不足，會將知識圖譜建模與內(nèi)容結(jié)構(gòu)化的工作交給外部公司完成，并向這些公司支付授權(quán)費(fèi)與開發(fā)費(fèi)，成為了核心需 求方。授權(quán)費(fèi)為外部公司內(nèi)部數(shù)據(jù)平臺的授權(quán)使用費(fèi)，開發(fā)費(fèi)為業(yè)務(wù)模型建模費(fèi)，兩類費(fèi)用為市場規(guī)模的重要內(nèi)容。在上 層應(yīng)用開發(fā)方面，主要由需求方內(nèi)部結(jié)合業(yè)務(wù)內(nèi)容自主完成。隨著中小型企業(yè)數(shù)量的增加與互聯(lián)網(wǎng)產(chǎn)品的精耕細(xì)作，知識 圖譜的底層建模與內(nèi)容結(jié)構(gòu)化服務(wù)需求會逐漸釋放，拉動市場規(guī)模增長。據(jù)艾瑞統(tǒng)計(jì)測算，2021年中國互聯(lián)網(wǎng)知識圖譜

57、核心市場規(guī)模為17億元，2026年相應(yīng)規(guī)?？蛇_(dá)51億元，2021-2026年CAGR=24.2%。2019-2026年中國互聯(lián)網(wǎng)知識圖譜核心市場規(guī)模2021-2026年 CAGR=24.2%514437302317Industry: 互聯(lián)網(wǎng)來源：艾瑞咨詢研究院根據(jù)專家訪談、公開媒體咨詢等數(shù)據(jù)自主建模測算。Inc.2728行業(yè)知識圖譜：金融篇每一行業(yè)的知識圖譜內(nèi)容包括三個(gè)部分：行業(yè)信息化與數(shù)字化基礎(chǔ)觀察、場景應(yīng)用分析、市場規(guī)模分析?？傮w評價(jià)：屬于知識圖譜應(yīng)用較為成熟領(lǐng)先的賽道，在需求主體分類標(biāo)準(zhǔn)下的主要市場為大中型銀行市場，產(chǎn)業(yè)增量變現(xiàn)的空間與可能性較高。行業(yè)信息化與數(shù)字化基礎(chǔ)：金融總體的信息化

58、與數(shù)字化基礎(chǔ)良好，有持續(xù)的預(yù)算投入建設(shè)，科技應(yīng)用開發(fā)意愿強(qiáng)烈。場景應(yīng)用：以信貸風(fēng)控、精準(zhǔn)營銷、業(yè)務(wù)流程優(yōu)化為核心場景，信貸風(fēng)控應(yīng)用為重點(diǎn)高頻應(yīng)用。市場規(guī)模：所測算規(guī)模為TAM，2021預(yù)計(jì)中國金融知識圖譜市場規(guī)模為21億元，2026年可達(dá)68億元，2021-2026年CAGR=26.6%。信息化與數(shù)字化基礎(chǔ)注釋：技術(shù)投入統(tǒng)計(jì)數(shù)據(jù)含銀行、保險(xiǎn)、證券三類市場主體的信息化與數(shù)字化建設(shè)數(shù)據(jù)；前沿科技采購費(fèi)用包含銀行、保險(xiǎn)機(jī)構(gòu)的采購數(shù)據(jù)。所抽取數(shù)據(jù)足夠代表金融業(yè)情況。 來源：2021年中國金融科技（FinTech）行業(yè)發(fā)展洞察報(bào)告，銀保監(jiān)會，艾瑞咨詢數(shù)據(jù)統(tǒng)計(jì)模型；艾瑞咨詢根據(jù)專家訪談自主研究繪制。資金支

59、持下的信息化與數(shù)字化率先嬗變造就應(yīng)用開發(fā)條件知識圖譜應(yīng)用的搭建是建立在信息化與數(shù)字化建設(shè)基礎(chǔ)之上的，金融行業(yè)領(lǐng)先的信息化與數(shù)字化建設(shè)為其后續(xù)展開知識圖 譜應(yīng)用的開發(fā)創(chuàng)造了有利的先決條件。無論是從技術(shù)投入看，還是從部分前沿科技的采購情況看，金融業(yè)整體的資金投入 與采購都呈現(xiàn)持續(xù)增長趨勢，為行業(yè)變革與創(chuàng)新提供了充足的資金支持?；谫Y金的持續(xù)投入，金融業(yè)的信息化順利邁過 集中建設(shè)階段，從而快速投身于數(shù)字化轉(zhuǎn)型浪潮中，不斷進(jìn)行結(jié)構(gòu)化數(shù)據(jù)儲備，開發(fā)各類場景應(yīng)用。中國金融業(yè)信息化與科技建設(shè)現(xiàn)狀I(lǐng)ndustry1: 金融Industry2: 政務(wù)與公安Industry3: 醫(yī)療Industry4: 工業(yè)與電

60、力信息化建設(shè)邁過集中建設(shè)階段，頭部銀行 進(jìn)行核心系統(tǒng)升級改造數(shù)字化建設(shè)如火如荼，銀行引領(lǐng)行業(yè)數(shù)字 化轉(zhuǎn)型深入應(yīng)用場景進(jìn)行精耕細(xì)作，突破業(yè)務(wù) 卡點(diǎn)信息化早期建設(shè)先后經(jīng)歷過IT電子化與互 聯(lián)網(wǎng)金融，下級分支行的服務(wù)器集中由總 行統(tǒng)一管理，而在后期，進(jìn)行由底層分布 式計(jì)算框架至核心系統(tǒng)的整體升級改造， 主要建設(shè)主體為頭部銀行。數(shù)倉、數(shù)據(jù)湖、數(shù)據(jù)集市、數(shù)據(jù)中臺等 建設(shè)在銀行業(yè)大面積展開，很多銀行專 門成立了一級數(shù)據(jù)部門以引領(lǐng)自身整個(gè) 銀行系統(tǒng)的數(shù)字化轉(zhuǎn)型，承擔(dān)基礎(chǔ)數(shù)據(jù) 資產(chǎn)的管理。基于信息化與數(shù)字化建設(shè)，使用知識圖 譜等人工智能技術(shù)，針對信貸風(fēng)控、精 準(zhǔn)營銷、供應(yīng)鏈金融、保險(xiǎn)理賠等場景 做精細(xì)化應(yīng)用開