人工智能已經在“聽、說、看”等感知領域取得了比較大的突破，但是在邏輯推理、知識遷移的認知智能領域方面還處於非常早期的階段。知識圖譜作為實現機器人認知智能的底層技術，能夠幫助機器更好地理解數據，進行高精度的知識提煉，並且通過知識挖掘、推理、可視化分析等手段，更好地解釋現象，輔助人類的決策分析。
知識圖譜的應用可以分為兩大方向。一類是通用知識圖譜，以谷歌、百度、必應、搜狗為代表；另一類是行業知識圖譜，例如早在2015年就已經估值超200億美金的Palantir，面向國防公安領域，還有面向能源領域的美國公司MAANA。由於人工智能在落地的過程中，需要擁有對業務全流程Know-How的認知，知識圖譜起到了很關鍵的作用。
在構建知識圖譜的過程中，可以利用平臺解決企業多源異構數據難以融合、數據模式動態變遷困難、非結構化數據價值難以挖掘，數據難以統一消費等問題，降低了行業知識圖譜落地門檻。但在工程落地方面，還存在圖譜建設週期長，應用構建專業程度高，跨行業遷移成本高等難題。由此帶來的挑戰會體現在——產品是否可以開箱即用，是否有相關行業的schema可以借鑑，多源異構數據梳理高成本如何解決，用戶是否可以自助式構建應用等方面。
為了解決以上問題，PlantData提出了將知識圖譜構建與應用平臺升級為認知智能中臺。
PlantData成立於2017年，目前業務主要面向軍工和金融領域。PlantData結合用戶業務場景需求搭配產品組件，通過幾十種配適器方便用戶將數據快速轉換到知識圖譜中，實現知識建模、知識獲取、知識融合、知識存儲、知識計算、知識應用的
知識圖譜全生命週期解決方案。在降低企業大數據向知識轉化的成本方面，PlantData通過組件微服務化，模型&數據模式預構建、業務編排等方式形成開箱即用的體系結構，並且幫助用戶提高數據庫梳理效率、同時支持自助式構建應用，提高企業數字化轉型的效率。
此外，在知識圖譜存儲環節，PlantData沒有用行業普遍採取的圖數據庫，而是自研了混合存儲引擎來強化系統的分析性能，並且與圖數據庫相比具備更好的擴展性。引擎支持高效存儲圖形類、文檔類、 記錄類等各種類型的數據，同時擁有數據語義消費和圖結構消費兩方面的特性。
基於知識圖譜的認知智能中臺
PlantData圍繞知識圖譜認知智能中臺已經形成產品體系，包括：知識圖譜全生命週期管理平臺（KGMS）、智能問答機器人（KGBot）、知識圖譜自動化構建平臺（KGBuilder）、企業級智能助手（KGAssist）、智能文本抽取平臺（KGText）以及輕量級構建產品（KGLite）。目前已積累40家左右的行業標杆用戶，以大型央企、國企為主，客單價百萬級，包括中國電科、中航工業、中船重工、中航聯創、國家電網、中信建投、中國銀行、華為、新華社等。也與軟通動力、國電南瑞、藍凌等建立了渠道合作關係。
PlantData創始人丁軍告訴36氪，目前客戶基本可分為三大類：第一類是自身有一定開發能力的客戶，第二類是有純產品採購需求的客戶或集成商；第三類是需要提供定製化的端到端服務的客戶。前兩類客戶是主要客源，公司以出售標準化產品為主。
PlantData團隊60人左右，主要為研發人員。36氪瞭解到，其核心團隊在語義網及知識圖譜領域有超過十年的研發經驗，公司提出知識圖譜全生命週期管理的方法論是在2017年CCKS（全國知識圖譜與語義計算大會）上。PlantData透露，2019年營收已達數千萬，2020年預計將以3倍速度增長。PlantData在2017年12月獲松禾資本投資的1000萬元天使輪，2019年6月完成動平衡資本和中航聯創的1500萬元Pre A輪融資，2019年12月已完成盛宇投資的數千萬元A1輪融資。
閱讀更多 36氪 的文章
