2022世界人工智能大会于今日在上海世博中心举办，天云数据受邀参展。

在2022世界人工智能大会召开之际，谈谈天云数据AI体系如何向未来？

根据牛津经济研究院的分析，数字经济的增长率是全球经济增长率的2.5倍；数字经济的投资收益率为非数字经济的6.7倍；到2025年，数字经济规模将高达23万亿美金。数字经济已成为全球经济增长的新引擎，数据是未来最重要的生产资料，对应的生产工具必然要同步升级。

No.1
从"感知智能"走向"认知智能"，颠覆才刚刚开始

在当下的世界里，我们一说人工智能首先想到的就是人脸识别、语音计算。但现实是不能从场景去定义人工智能，要从实践应用中去看人工智能。人工智能本质是解决生产力升级的问题，人工智能走入产业后，可以分为感知智能、认知智能和行为智能，后两者更与生产力相对应。随着人工智能技术应用的普及，认知智能被视为人工智能热潮能否进一步突破天花板以及形成更大产业规模的关键技术，正如2022WAIC所说“认知智能，改变世界”。

天云数据AI体系框架共分三层结构：

第一层：计算智能

计算智能能完成一些复杂问题的推理逻辑，可以用专家系统把一些碎片化的知识封装在一起，变成一个超长长程推演的逻辑序列。也可以用复杂网络图计算把一些隐藏的关系变成清晰的逻辑，通过一个大的数据结构，图数据库来把它转化成一个计算结构。

我们知道，通常在不具备建模分析的条件下，专家经验可作为最重要的决策依据。如果我们能将专家经验沉淀、封装，固化成知识包，使其标准化、可继承并且被高效运行，那么建模将变成轻工程且可规模化。这样不仅不再需要组织一个庞大的java团队，也保障了千人千面营销的实效性。最好是非技术业务人员就可以直接管理业务规则，使受限于流程的业务实现决策自动化。

天云数据人工智能专家系统Gaea通过输入人工定义的业务规则，即“在某种条件下执行某动作”这种范式，然后以‘如果……那么……’的形式对模型调用进行科学配置：比如我们做客户的小微贷审批，我们可以配置个人征信、工商数据、税务数据、有抵押、无抵押等情况，综合快速评估可为客户放贷金额，这样业务分析人员无需IT支持就可以快速部署和实施业务规则和决策。

Gaea实际上是一系列风控规则的集合，就是将Know How技术方案融会贯通发挥到极致，进而通过三个维度为金融机构提供高价值服务：

首先，Gaea是专家经验的沉淀，将专家经验程序化、标准化，便于继承和调用。

其次，Gaea引入AI技术训练获得模型，形成数据驱动加专家经验的完整分析系统。

最后，Gaea输出的是知识包，不仅可以为企业生产系统供给决策支持，还可以反过来作为企业管理其专家系统的工具。

在某大型金融保险企业的实践，实现业务决策逻辑和系统逻辑彼此独立存在；为销售人员提供客户的精准需求信息；帮助客户分析未来风险损失、储蓄需求；降低人工成本，提高准确率。

第二层：感知智能

感知智能就是人机交互类这些计算视觉，可以通过天云数据Sail平台数据标注实现对知识图谱的快速生成能力，还可以实现一些视觉计算服务，比如3D点云、数字原生的模型的物理模型城市的快速刻画。

在“数智化转型”中，感知能力是重中之重，也是智慧建设的能力基础。但是在当前技术条件下，智慧感知硬件设备面临采集能力有限，数据的处理能力有限，使用场景比较局限，且造价高昂。因此，在不对感知设备更新升级的背景下，采用先进的感知处理技术手段是必不可少的。

天云数据四维地质—构建智能地质科学分析平台，实现城市地下四维重建，支撑轨交建设。城市浅层地下空间探测作为城市地质工作的一个重要内容，实际上是一个世界性的难题，根据其应用场景、探测深度、目的、技术要求的不同，采用的技术方法也不同。同时，随着城市轨道交通建设规划项目的逐步推进，城市出现大规模轨道交通网络化建设及高速铁路建设等新业务，新业务需要通过在四维可视化信息系统基础上实现物探大数据云平台建设与智能物探方法的研究，从而进一步提升工程物探能力的同时实现地质数据的精准认识，对设计、施工、运维给予准确的地质数据支撑。天云数据公司利用数据库和AI PaaS平台技术优势搭建地质数据AI科学平台，提升四维可视化系统海量数据的处理能力与模型三维展示能力。同时能依托研发域和生产域的业务系统设计实现应用落地。

图片

利用新一代Hubble数据库，构建济南轨道交通工程物探数据从采集、存储、融合与应用多维物探数据融合管理引擎。形成多维地球物理背景场的数据管理机制，采用多种智能算法体系，从而深化施工建设过程中对水资源的评价等应用场景的数据模型支撑。

第三层：认知智能

认知智能强调新知识的生产，而不像计算智能使用先验知识，用一个复杂的数据结构把它组织起来，而是通过机器学习，能够完成类似于人类的逻辑。比如预测，比如关联，就需要通过认知智的机器学习/深度学习来完成。

比如，在证券行业，原来伞型配资在同一个实体账户上同时有多个配资者进行交易，非常容易抽象的刻画行为。但到了一个实体账户上，同时只有一个配资者进行交易，大量实体账户被使用，隐蔽性越来越强，如何快速捕捉交易风格的快速切换？深度学习通过组合底层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布特征表示。

与人工规则构成的方法相比，利用大数据来学习特征，更能够丰富客户数据的内在信息。

首先，通过联邦学习构建一个隐私保护机器学习系统，使得拥有数据的多方能够联合训练一个或多个模型，并且任意一方的数据不会泄露给其他参与者。

其次，采用深度学习孪生神经网络模型，建模识别、监测账户的使用一致性，找出潜在配资行为。再采用联邦学习技术，实现“数据不出门，可用不可见”，在保障数据安全情况下，最大化利用行业跨机构数据价值。

最后，通过行业云SaaS服务和联邦学习技术，监测系统从点到面、横纵结合。

天云数据在国内一流大型综合类券商智查系统的技术创新实践：应用神经网络技术：在定性成果上，完成风险监测操作指引、风险控制指标动态监控系统管理指引、异常交易行为管理指引。在定量成果上，通过对该券商200多万资金账户进行判定，发现高度疑似配资账户170个。今年初，中国证监会公布的首批纳入资本市场金融科技创新试点项目，该项目从51个优质申报项目中脱颖而出、位列三甲，成为“证监会版”监管沙盒项目之一。

No.2
攀登世界科技高峰上，天云数据获多维度权威背书

在数据供给侧，天云数据荣膺Gartner代表性中国数据库厂商TOP5。十二年前就布局国产自研数据库，潜心耕耘另辟蹊径，在没有行业经验可借鉴的情况下，通过自研数据库的道路逻辑计划融合SQL、Graph、ML、3D点云、NL2SQL等实现AI-Native数据库。通过更多的逻辑计划丰富数据消费能力和形态，更好地成为各行各业数据基础设施的重要驱动力。

在数据消费侧，天云数据荣膺Forrester魔力象限图“认知层”第一象限公司。提供AI模型流水线生产平台AI PaaS平台，高速生产知识包，最大限度地放大数据生产要素价值。我们知道，以往的商业决策多基于经验、规则、流程，数字化以后复杂问题被清晰的界定和量化，算法解构、重构商业实践，那么AI PaaS平台就会成为产业升级的基石。移动互联时代有安卓，天云数据AI PaaS平台打造的就是AI生态自己的“Android”。

在实际应用中，在某大型石油AI认知平台项目，天云数据以2个月构建12个石油应用模型PK掉IBM和微软的2年2个应用模型。不仅提高了模型生产的效率，也批量化地解决石油勘探、开发、运输等一系列生产问题。天云数据CEO雷涛基于项目荣获国家级AI最高奖—吴文俊人工智能科学技术发明奖。

No.3
从无到有再重构，天云数据AI体系框架向未来

人工智能是一项具有颠覆性力量的技术，将打破时间约束挖掘时间财富，重构商业实践。数据AI ‘可解释’的突破不在AI技术本身，在于它面向的问题能否突破传统认知参照系。第一次工业革命以机器代替手工劳动，是一次技术变革，也是对人类认知的突破。

天云数据强大的数据库支撑底座，实现数据供给和数据消费的融合

从数据库的发展历程来看：IOE体系数据库利用位于系统中心的服务器统一管理所有的共享资源，并处理来自用户的请求，是面向数据结构的融合；分布式数据库是对IOE体系数据库的优化升级，是面向物理资源的融合；HTAP数据库满足互联网的数据产销合一方式带动了流程驱动向数据驱动的数据库架构转型，是面向IO资源的融合；而AI-Native数据库通过更多的逻辑计划丰富数据消费能力和形态，是面向机器数据生产面向服务的融合。在大量的算法消费的情况下，我们如何能够支撑？一个强大的数据库支撑底座是基石。而天云数据Hubble数据库通过自研数据库道路已实现AI-Native数据库。

某股份制商业银行数字化智能营销平台，Hubble数据库处于系统架构的最核心层—数据中台层，负责给数据采集、加工、服务、治理，提供数据最安全，最健全的保障。实现月均触客人次4亿+，日常支撑1亿+，支持亿级客群的个性化营销。

天云数据MaximAI新特性，支持云原生的自动化机器学习

天云数据MaximAI平台可以通过Pipelines实现贯穿模型开发生命周期的开发流程，内置多行业的特征组件，自动特征、隐私计算等模块，组件具有良好的可移植性和可扩展性；通过AI平台提供自动化机器学习(AutoML)，进行超参搜索和神经网络架构搜索，支持主流深度学习框架的自动调参，降低使用门槛。AutoML支持多种机器学习超参搜索算法和神经网络架构搜索，包含网格搜索、贝叶斯优化、基于ENAS的神经架构搜索、Sobol的拟随机数列、协方差矩阵适应进化策略（CMA-ES）、多元TPE、Parzen估计树、随机搜索、超频带等。云原生AutoML基于自动调度资源能力上，并发实现模型超参数的搜索；针对数据并行和模型并行，能够在单次搜索任务中运行分布式的训练；基于K8S实现简单的用户隔离，同时可以控制训练任务的资源限制；架构易扩展，能够集成不同的超参数搜索算法。

天云数据开放的感知网络推理平台，提供高效智能的云边协同服务

天云数据感知网络推理平台采用开放式架构，既支持天云MaximAI的发布部署外，还支持多源异构的第三方能力接入，基于对PMML等规范的支持，实现对tensorflow、pytorch等机器学习模型框架的集成，并提供一个可计量可计费的多租户算法商店。

天云数据感知网络推理平台采用云原生架构，提供量化算力调度和高效服务编排。通过模型统一封装，可以基于容器技术将推理服务发布到多源异构的边缘侧，实现云、边、端的协同，提供云侧高质量模型训练，边缘侧实时数据接入、边缘侧和云侧联动进行实时推理的能力。

天云感知网络推理平台内置从计算智能、感知智能、认知智能的众多算法模型，包含但不限于风险评估、行为分析、研判预警等等。支持诸如可疑人员徘徊检测、小区垃圾识别、违规停车识别、高空抛物识别、安全通道堵塞检测、烟火检测、人脸监测、安全帽识别、抽烟识别、烟火检测、越界识别、工作服检测、打手机检测、在岗离岗检测、在岗打瞌睡监测等等众多社会治理和安全生产的智能场景。且支持国产信创体系，完成主流国产芯片及操作系统兼容性认证，支持包括Intel、ARM、鲲鹏、CentOS等众多主流技术栈。