在手机上保存，获得更好体验
本字幕由天琴实验室独家AI技术生成
我们不是每个人都要去提一个问题
要自己去解决它才叫成果
其实真的是提出来重要的问题
从零到一的原创问题是我觉得这个其实是咱们国家科技发展里面非常重要的一步
像阿尔法go 对吧
他用的技术他做完了
我们后面每个人也可以做一次
但是每次定义这个目标的都是别人
就是我们都是跟在后面做一个更好的
我觉得是到了这个时候
我们需要去更好的去定义问题
所以其实定义问题才是解决问题的第一步
发现更多从零到一的问题
然后做真正的原创性的这种技术创新
带你认识100个最有潜力的科技创业者
哈喽
大家好
欢迎收听本期的创业真人秀
我是本期的主播王
是这一期呢
我们继续来聊聊突击算
如果你听过前面武器的博客
你可能会知道
所谓的图计算其实并不是只针对于图片的计算
而是研究人类世界的事物和事物之间的关系
对其进行描述、刻画、分析和计算的一门技术
有点抽象啊
但我们不妨举个例子
其实图计算已经有了一些非常重要的应用
比如在618 的购物中
系统如何保证交易的每一笔钱都是合法的
如何才能够在竖一笔交易中立刻识别出异常情况
图计算其实都在里面有着重要的表现
当然
除了金融反欺诈领域
图计算在制造能源的领域有着巨大的应用前景
甚至在前沿的脑科学研究中也能够看见他的身影
所以这一期节目呢
我们特别邀请到清华大学的计算机系教授
蚂蚁集团的图计算技术负责人陈光
以及我们另一位的
节目主播s Li 来一起聊聊图计算的发展以及未来
啊
现在陈教授大家可以看到啊
因为他其实现在就要做学术研究
与此同时其实也在蚂蚁集团里面来去任职
那这样的话就可以把很多呃科研上面的一些洞察
然后包括一些最新的一些学术研究的东西可能放到产业里面去
那相对应的
其实产业里面的很多实际的问题也能够去给啊我觉得学术上面的一些解决问题
可能会带来一些新的视角
或者说是一些新的思路
因为我觉得很难得的一个视角吧
就是完全是学术和产业的
这个产业非常非常相结合
估计可能应该是蚂蚁集团那个里面应该有非常多可以去运用这种新技术的场景
对当然我可以再补充一点啊
其实我们成教授不仅是就是学者科学家其实之前也自己创立一个公司叫飞马科技
也做这个图计算
包括图数据库领域是也是做了一家非常优秀的公司
呃
我自己会觉得我们请这个陈教授来讲
它是能够用产学研综合的视角给大家更全面的去介绍哎这这
这个技术目前发展怎么样了
是她未来又会到何方
我觉得咱也别啰嗦了
是吧
赶快这个邀请陈教授来跟咱一块儿来
大家好
我是清华大学计算机系的晨光啊
现在也兼任蚂蚁集团呃计算技术的负责人
非常感谢极客公园的邀请啊
很高兴今晚跟大家一起来聊一聊
那咱们我觉得直接开题吧
就是我觉得还是有必要给大家把这个图计算这件事儿做一做科普是不是哦
我觉得一上来还是蛮有必要的
因为很多如果对这个领域比较感兴趣的新的朋友进来
他都会一一上来就问
到底什么是图计算
包括a 这里边儿的图跟我所理解的图是一样的吗
那我们不妨把这个问题给分开层次吧
就先理解一下a 就是这里边儿的图到底指的是什么
是我们平常理解的这样的一个图片的一个概念吗
他是怎样的概念
嗯
是这样
我我们在讲图计算的时候的这个图数据呢
它不是我们说的那个图像啊
也不是这个图形啊
就是呃
像我们说GPU 显卡
那就是图形
对吧
然后照片就是图像
它都不是
那他是什么呢
呃
我们很多
我们在大学的时候
有很多同学
特别是计算机系的同学学过一门课叫图论
那么这个图论里面这个图就是我们今天讲的这个图计算的图
当然可能有些听众今天没有学过图论啊
我稍微再介绍一下
图论里的图是一个什么东西呢
他这个图是由节点和边组成的
你可以想象这个节点代表实体
然后边代表他们之间的关系
我们举个例子
可能大家就比较容易明白了
比如说呃
我们都在用这个新浪微博
那新浪微博我们要把它很常见的把它抽象成一个图是怎么抽象的
你可以把美你的账号
每一个账号都抽象成这个图上的点
然后把这个关注关系呢
抽象成这个图上面的边啊大家可以看到说这个抽象其实还是有方向的啊
那这种图我们叫有向图
那有些时候是没有方向的
我们就把那个图叫做相图
那还有比如说我们的路网
对吧
那么路网怎么用途图来表示呢
那就可以把这个地点啊
特别是这个交叉口作为一个作为一个这个节点
然后把这个路本身当作一条边
那这个时候这个边上面呢
大家可以看到它其实还可以有属性
比如说它可以有距离
对吧
当然可以有其他的属性
比如说这个路有多宽等等
都可以变成这个图边上面的这样的一些属性
所以呢
也就是说大家可以看到这个图数据呢
它可以很好的描述事物之间的联系啊
他可以包括描述这个联系的方向
可以描述联系的一些属性啊
而且特别可能要注意的是呢啊
这种图可能非常的大啊
像我们刚才说的路网图
他可能就有上亿的节点
那如果说这个社交网络构成账号之间构成的图
他可能是有几亿节点
甚至10亿节点
会有几百亿啊这样的一个边的这样一个规模
所以说可能是非常大的
就是呃
当我们去谈这样的一个图数据a
他会是在我们认识世界上会有和之前不一样的一些点吗
啊
是的是的啊
那我我还是用这个我们大学中学过的一些东西来做一些例子
让我们学过这个数据结构的课
对吧
大家一开始学的是什么呢
是链表啊
或者一个线性表
对吧
那他其实这基本上是一个一维的结构
我们可以顺着这个链表一直追下去
然后这个之后呢
我们就学到了数
那数就是说我一个节点不一定只连另外一个节点
我可能可以连多个节点
那树的应用也是非常广的
比如说我们现在机器学习里面有个模型叫决策数
对吧
那也就是说你给定一个问题
它它可以通过不同的节点不断地分裂下去
最后找到一个
他应该采取这样的行动啊
他拥有很多
但数他其实要有一个限制
就是它上面不能有还
就是如果有还的话
就不能叫数了
那所以说图是一个什么东西呢
它允许有还
所以说我们如果从刚才的这个数据结构的这个眼镜上可以来看呢
就是说图它其实是一种最一般的一种数据结构
它用来表示关联的时候
他的描述能力要比链表啊
树啊这些东西要强得多
所以说用途来认识世界
特别是用来认识世界的关联的时候
它是一种更加直接
更加先进的这样的一个方式
哎
陈教授
我我代表小白问一个问题啊
就是因为其实中文里面这个图
就是他大家还是难免会直观上面会跟图片啊什么这些东西去产生这个这个关联
因为我知道像刚刚讲的就是它既不是picture
对吧
也不是video
他在英文里面是怎么来说的
我觉得是不是讲英文的这个失忆可能能更好的帮大家去理解这个事儿似的
这是个非常好的问题啊
就是其实图片呢
在英文中更准确的是image
对吧
就是image 教大家说图图像处理啊
Processing 啊
就是图像处理
然后像这个图形啊叫graphics
这个graph 后面还有ICS 这三个字啊叫graphics
然后图呢
他反而就叫graph
你可以你可以看
可以看出来
其实图可能是一个更基本更老的一个词
对吧
但是他就是我们今天用的这个图论
Graph theory 啊
就是就叫graph
所以英文上我觉得还是区分的比较清楚的
其实我最近看了很多技术上的词
有一个词还还蛮印象深刻的
就叫原声
比如说最近一直流行这个云原生
呃
我我会突然会觉得
诶那个图其实是不是也是人对于这个世界最原生的一种理解呢
他刚好其实抽线抽练出来了这世界的一种复杂上的一种关系
呃
我不知道我这样理解就是陈教授觉得对不对
呃
我觉得是这样的
我应该是对关系的一种原生的描述
但是我们这个世界还是相对会更复杂一些啊
就是说除了关系那个本体
那个实体本身它也有很多的属性
那个属性可能并不一定是图这个工具能够很好描述的
但是图我们觉得应该说它是关系原生的一种表达方式
我觉得这样来讲
我认为是没问题
就这这样其实就是非常准确的给我们就是解释清楚了这里边的一个点
就是我们其实谈完什么教徒
包括什么是这个图数据下面其实就是紧接着落到了我们这样的一个今天一个
主题吧
就是不计算
就是我们好像简单的能理解了什么是图
什么是图数据啊
蛋蛋到底什么是图计算吗
是不是就是简单理解
就是基于数据的计算吗
对我觉得这个刚才这个简单的理解
我觉得是没有太大的问题的
它就是一种非常朴素的直接的理解
但是在在这个领域里面呢
由于图计算啊
我们我们可以从广义和狭义来来区分它
广义就是刚才那个定义
就是我们对图做各种各样的处理
基于图的数据来做各种各样的处理
我们都教徒计算
那么如果我们在从技术上再稍微把它区分一点
就是说狭义的图计算
就是我们说最窄的那个图计算
说的是什么呢
说的是我们在这一个图不变的情况下
就刚才我们说那个路往你可以想象他基本上比较稳定
对吧
就是这个绿很很很久才修一条
所以比如说在路网图上面
我们做某种操作
比如说我要找一个从呃朝阳区这个这个呃这个水立方到蚂蚁所在地的这个WFC
我要找一条路
最短路径在上面
那那这个事情其实就是一个典型的土计算的问题
就是我们在图上找一个最短路径
实施一个最短路径的算法
而且这个图呢是固定不变的
对吧
就是这个这个就是非常典型的
然后另外还有比如说呃搜索引擎
呃互联网中搜索引擎用的是非常多的
那搜索引擎你可能呃像Google
他在一开始的时候
他其实会有一个先爬通过爬虫爬到了很多网页
这个网页之间通过这个URL 是有链接的
所以你可以想象它也是一个非常大的图啊
那每个图的点呢
就是那个网页
然后他们
那边就是那个链接
那如果当时遇到一个问题说我怎么能够知道哪些网页比另外一些网页更重要呢
你搜一个关键词
这些关键词在这些网页中都出现了
那我应该把谁放到先显示
把谁放倒后显示呢
当然有有有各种各样的方法
但是当时Google 的创始人就提出了一个方法叫做page rank 啊
就是网页重要性排序的这样一个方法
他不一句其他的信息
他只根据这张图啊
就是由网页和这个URL 超链接之间构成这么一个大图
在这个图上来做计算
然后最后找出来说哪一个网页比另外的网页更加的重要啊
所以这个就是我们说的
就是在确定不变的图上面来做刚才我们说的各种各样的图计算的这种这种算法
比如说page rank 算法
做最短路径算法等等
这个我们把它叫做狭义的图计算的
广义的图计算呢
就比这个要干的事儿更多一些
比如说我这个数据可能要更新呀
这张图可能不是不变的
对吧
就包括我们刚才说的路网图
那如果我们只以这个节点和这个边
这个上面这个路的宽度作为这个边的属性
那它可能就是不变的
但如果我们以上面的一个拥堵程度作为属性的话
那这个图其实是在变的
这个边上面的这个数字在不停的变化
那你你应该有一个系统能够去处理这个变化
而这个变化就很复杂
因为我们知道像数据库这个领域啊
它其实就是专门就是处理变化的
那我们知道它会有什么更新的这个事务性
R 原子性啊等等各种各样的这种复杂性都要来了
所以说你能不能去有效地处理更新
能不能去处理这个事务性
另外还有其他的一些形式的这个图计算
比如说流图计算
这个图他这个数据不断的以流的方式到来
你应该怎么样去处理它
那么这些呢
都不在这个狭义的
刚才我们说的那个侠义
在固定图上做计算的这样的一个范畴里面
但是呢
呃
他都包括在广义的图计算的这个范畴里
广义的图计算
你可以认为它包括了数据库
如果说狭义的图计算呢
他是不处理这个更新的
还是在这个固定的图图上面来做计算的
ER 图数据库更多的是要处理这个更新
那图数据库和这种其它的传统型的这种关系型的数据库
就他们两者之间有什么优劣之分
又或者说有什么区别吗
这个其实刚才我们在谈到这个关系原生的这个这个概念的时候
其实做了一个非常好的一个总结啊
就是非常有意思的是传统的这个关系数据库啊
他的他的名字叫关系数据库
但其实他的这个数据组织形式不是关系人生的
他是什么呢
它其实它的数据主要是以表的形式组织的
就一张一张的表
然后这些表联系起来呢
是靠这个表上面的这个这个键键值
来来连起来的
那所以就是说
呃
这样的一种方式
其实他并不是一个关系原生的一个表示
所以其实关系数据库应该叫表数据库
ER 图数据库呢
反而应该叫关系数据库啊
就是它是一种关系原生的这样的一种表达方式
那么在实际的这个
里面这两种呃系统啊有什么样的差别呢
就是关系数据库呢
一方面他其实还是有很好的理论基础的
它基于这个关系代数啊
所以给他整个他发展了这个
呃从70 年代开始发展了50 年
发展的非常的成熟啊
就是有很多的产品
包括性能啊功能都很完善
但是另一方面呢
在处理关系的时候啊
他并不是非常高效的
特别是在处理复杂关系的时候啊
关系这个传统关系数据库并不是那么高效的
比如现在疫情过程里面啊
我们其实经常要知道这个密接密接就是一个人和他联系的人对吧
然后我们可能要知道刺秘籍啊
就是和我这一个人联系的这些人关系有关系的人
又和哪些人有关系
然后可能还要次次密接
对吧
就是就是你不停的往外扩
你可以想象就是一层一层的往外扩
在处理这种复杂关系的时候呢
实际上现在的关系数据库
他这个表非常大的时候
他其实做这种操作是效率非常非常低的
而用途数据库处理起来呢
就快捷得多
所以我也知道现在很多的这个抗议的这个系统里面
图的数据库的应用应该说已经啊已经很多了啊但是另一方面呢
我认为图数据库他也不会完全替代替代关系数据库
我们也举一个例子
比如说我们很常见的这个电子商务里记账
对吧
就是从我的这个银行账号里扣掉五块钱
然后放到你的账号里面去
那这个事情用表格来做可能就是非常合适的
嗯
就是说用关系数据库来做这种账务记账类的啊
我们我们这个在业界有一个数据叫l ti p 啊
就是就是这种关系类的这种在线连接处理啊
就是这种
操作相对比较简单
但是它的特征是它很很很很多很密啊
就是这种情况
其实用关系数据库就是一个更加成熟更加稳定的一个选择
所以我觉得这两者呢
更多的是一种互补的关系啊
就是图数据库在在这种复杂关系的分析方面会更加的有优势
而这个关系数据库呢
在这种类似于记账啊这种交易啊处理的这种上面
可能是更加成熟稳定的选择
嗯
陈教授
我能不能比较凶的这么来理解
就是嗯
就是我们所在的这个世界
它其实是非常真实
而复杂就是真实
其实就意味着复杂嘛
所以像现在我们用到的很多服务
其实背后都是这个复杂世界的某一种印象啊
那复杂世界他可能某种程度上有些时候他是能够用一些已经非常比较简单或者说成型的一些数学模型来去描述he 来去理解的
但是很多时候它的复杂性当他超越了一定程度的时候
如果想要比较准确的去理解这件事情
就需要用更复杂的这样的方式来去理解
它就可能不是一个某个单一的模型可以去解释的
那这个时候我们就需要用到这种图计算
是可以这么理解吗
对我觉得你的整个逻辑是非常对的
就是说我们现在的任何一个系统啊
它都是针对他一定范围的场景去设计的
那超出这个场景以后呢
这个系统可能就不那么适用了
那么我们可能就需要另外一个系统来来来处理呃这种其他的这个情况
但是其实这个核心的问题就在于
当一个场景它足够大
它它的市场足够大
大家有足够的这个成本啊来投入来来开发这种专业机械化这个专业的问题就会长得非常的非常的大
我们其实也能够看见
当世界的复杂性在逐渐爆炸的时候
我们的确需要有非常好的工具来帮我们去降低复杂性
能够能够帮我们去更好地理解这个世界的复杂性
就是反而就是图计算它其实就是目前我们看见的非常好的一个工具
然后下面呢
我其实还是对我们就是陈教授自己的一个成长经历是比较比较感兴趣的
就是我自己其实又翻了一下
陈教授在分享自己的研究的一个成长的时候
曾经分享过这样的一个点
就是听说对您的成长比较
呃
触动比较大
就是当时你提到
就是在那个曾经遇到
就是编译原理的这本书的合作者
就是莫妮卡拉姆
然后他曾经说a 好的软件不是靠程序分析查错查出来的
而是由正确的人构建出来的
当时接受采访的时候
你说这个点其实对你触动比较大
我们其实会比较好奇说
哎
这样的一个触动对你到底产生什么样的影响啊
能不能跟我们分享一下
实际上这是对我应该说对我的这个影响是非常大的
我是零三年在清华大学开始工作的
然后呢
呃
大概一开始的五六年的时间呢
是做这个编译器里面的编译优化啊
就是在一个开源的编译器啊
叫OPEN64 啊
然后它上面来做这个编译优化的这样的一些工作
那么那时候呢
我们
呃
经过几年的努力吧
然后也培养了几个学
几个博士生
然后也在那个编译优化的上面
就编译领域有一个最好的会啊
叫p l re programming language design and implementation
然后我们就在上面发表了一篇论文
然后这个论文呢
就是能够被录用了
就是大家还认为这个工作工作不错的
但是他最后的效果是什么呢
它最后的效果是在当时啊
就是CPU 有一就是大家测这个CPU 的性能啊
测你的鞭策编译器的性能
就拿你去编一组程序
然后这组程序是个标准的
然后看你提高多少
我们就编译了这一组标准的程序啊
所有的都变异了
然后
最后性能提高了1%
当时那个Google 的这个呃负责研究的人啊
当时也来访问嘛
然后就说对Google 也很好
对吧
就是说能能省1 %
那它的数据中心可以省很多的机器
对吧
那这个这个技术是有用的
并不是没用的
但总体上影响没那么大
所以后来我就转了一个方向我说
我说那这个编译器吗
它不仅能优化程序
他还能理解程序
对吧
那我来我来这个增加1 %
这个这个不太显著
那我我看看我能不能找错误
对吧
我把程序你们写的程序里面有问题
我把它查出来
那我先在编译器把它查出来
比你后面运行或者到系统里面直接去使用到生产系统上使用的时候能找出来就好很多
所以我觉得这个事情很好
但后面做着做着我也发现说好像大家并不是那么需要这个东西啊
然后就碰到了莫妮卡拉姆
他这个当时是来呃北大参加一个中美合作的这样一个教学的论坛
他就当时讲了这么一句话
我就觉得对我的影响是很大的
他就是说好的软件
不是靠你这个做程序分析器分析出来查错查出来的
这东西有用
然后呢
你做这些研究的人也都是很很好的人呐
我也很愿意雇佣这些人来来做软件
但是呢
这个分析器本身其实不是主要的
那好的软件必须是要由对的人把他构建出来
就是你做的时候就基本上做的是对的
那再加这些软件的辅助
才能够把一个软好的软件做好
所以从那个时候开始啊
大概到了一零年前后啊
我其实就在想说
呃
我可能不能再一直做这种u
就是简单优化类的
就优化的这个空间很小
或者是做这种辅助性的啊
我去别人做好一个软件
我去分析分析
大家看看有没有错
对吧
就是这种工作都有用
但是呢
他都不是那么有用
我要我是不是要做一个更加有用的这样的一个事情
所以就是去
啊从头去构建一个系统
就是变成了我后后期研究的一个主要的这个这个工作
然后当然你选一个方向去构建的时候啊
可能还是要在这个领域的这个初期发展的时候
那你这时候有机会啊
把这个系统的能力显著的提升
比如说你有提升十倍或者100倍的潜力
对吧
那这个时候你去做一个系统
那你就可以比现有的东西好非常多
所以所以我觉得我觉得就是波尼卡lamb 当时跟我的这个谈话
我觉得对我的影响是非常大的
我的整个这个研究工作走上了这个从头构建一个先进的软件系统的这样的一条道路
其实从做科研的人的角度上来看的话
我觉得陈教授还是非常幸运的
就是找到了一个自己又热爱
然后又有很大发展潜力的这样的一个区域来去做研究
那那个时候您决心要投身到图计算这个领域的时候
呃
它的发展水平大致是什么样子的
我是其实就是跟莫妮卡拉姆大概前后脚啊
就是他讲的那个话对我产生影响之后
我其实因为当时在在清华有一个好处
就是大家的这个学术交流还是非常活跃
就当时的一个状况呢
是呃社交网络和互联网搜索引擎都已经兴起了
那兴起了以后呢
其实对图计算这个领域就提出了一个呃很强的这么一个要求
然后当时也很巧啊
就Google 的一个研究员啊
当时来清华做报告啊
就是它这个文章其实是之后才发的
但是他在发表文章之前就来查报告
就讲到他正在研究的这个分布式的图计算系统呢
我们当时就脑子里就留下了这个印象
正好当时国内的这个
呃像新浪微博呀等等也已经开始非常非常的活跃
所以呢
我们就呃受到这个工作的启发吧
就是觉得说哎这个图计算是不是很有趣啊
然后呃我们当时又又去调研了一下当时的现状
发现这个当时的系统啊
总体上来说已经有一些人在开展工作了
但总体上还是比较早期的啊
所以我们就当时就投身了这样的一个图计算的这样一个领域
那个时候好像后来你就创立了算是飞马科技
是不是对
然后那那个是一个是什么想法
人家创创立完了之后说那这个这个领域这么心
它能不能够足以支撑说去成为一家公司这个事儿是这样的啊就是我大概在10年11年开始呢
就网图计算这个方向去做
然后呢
但是一开始的工作其实不是特别顺利啊
直到这个一五年才取得了一些就是积极的成果
就是我们第一篇比较好的论文啊
就是在那个时候发表了
因为一六年的时候
我在清华已经工作13年了
然后培养的博士生大概有十多位了
他们即使在国际上啊
在写系统软件方面都是非常优秀的学生啊
但是另一方面呢
就是至少到2006年为止啊
我们自己开发的系统软件还是非常少的
所以我一直在想说这这个原因是什么
然后我发现了有一个原因呢
是说前面的毕业生啊
他基本上毕业了
呃有有几位当老师的
但是主要还是进入工业界
然后进入工业界以后呢
可能很多工作都是在这个现有的一个大的软件上去做一些增量式的改进
就很少有机会去从头去
去再一个我们自己做的这个新的这个软件上面去去集中工作
所以我我当时就想说
呃
是不是能够成立这样一个公司啊
就等于说我们已经有一个很好的软件的基础了
我们的研究的基础
它它是一个领先现有的呃产品
呃一到两个数量级的这样的一个一个东西
那么我们如果能够成立一个公司呢
把这几年毕业的这个优秀的学生啊
能够把它聚拢在一起
然后能够持续的去完善和扩展这个
啊这个软件
然后再把它推广到整个的这个使用上去
那就可以呃某种程度回答我一直的疑惑
就是说我们到底怎么着能把这个自己做的系统软件能够做出来
然后还能用起来
所以就当时就成立了这个啊飞马科技这样一个公司
就是听下来我自己还是蛮有感触的
从最开始就是受编译原理
就是它的一个启发
其实我们走向了一条
我觉得叫从从头开始构建一个完整的系统吧
而不是像以前就是峰峰补补啊把系统做提升
反而选所以选择了其实图它其实是一种新的数据类型
上面长出了新的计算
然后欣欣的就是这个数据
呃就是数据分析
就是他其实整体就就完完全全是一个系统级的工程
然后当我们去啊在这个在这样的一个研究领域
其实已经有一定的成就
但是突然发现
哎
这样的一个领域里边的人才其实很难留得下来
因为其实当当时我理解其实也没有特别多的一些商业类的一些公司
其实
供我们的毕业生去施展他们的才华
这样很多人才其实就流失了
然后我们的就是陈老师又依然决然的走上了创业之路
给给了这样一群人
就是更多施展的一些空间
就是我们其实现在回头去看很多呃
非常好的科技
如果真正要想发展的非常好
那反而应该是产学研结合
就是齐头并进的一种阶段
我我觉得就是就是陈老师去创立了这个费马科技
但是他之后其实加入了蚂蚁
我觉得就是他加入蚂蚁这一块的背后的一些思考
据我了解
他们的飞马科技这两家公司其实在业内做的还挺好的
有非常多就是国国内非常好的大客户
就是当时就是做的挺好的
为什么还远又去加入了蚂蚁呢
就这个背后的一个思考是基于怎么样怎么样呢
对这这其实也是个非常好的问题啊
就是说因为前面一步呢
其实最先要解决做出来
第二个呢
要决定要做有人用
其实第三部呢
实际上就是要规模化的使用
就是说我们怎么能让这个技术啊
不仅仅是少数的样板客户能用
你要能让它变成一个大规模的能使用的这样的一个一个产品
这不到底应该怎么走
嗯到2020年的时候啊
就是我们就觉得有一个自身啊
我们发现了自身的这个局限性
就等于创业四年以后啊呃就是费马的团队呢
是包括了我的四个博士生
还有呃清华毕业的这个
呃两位硕士生
还有还有几位本科生为主组成的这个团队
就总体上呢
技术上是很强的啊
就是我们因为
做博士他要求创新嘛
对吧
然后然后我们这些同学都是水平非常高的啊
这个技术上是非常强的
但是呢
管理和市场销售啊
特别是市场销售
我们相对是比较弱的
所以呢
就是说虽然也取得了一些成绩啊
但是整体化的这个商业路径
就是我们怎么能够去复制这些案例
其实是不清晰的啊
其实包括我最近呃一些观察和思考
就国内的纯系统软件类的To B 的商业模式
实际上好像很难
就是没有看到很多成功的例子
然后另一方面呢
呃
蚂蚁啊
应该说拥有业界最先进的这个场景啊
在这个因为它是一家金融科技公司
又服务啊非常多的人
那么他在这个反欺诈反洗钱这些金融风控场景中啊
对图的需求是非常强烈的
而且蚂蚁原有的这个图计算的相关团队做的也是不错的啊
就是图数据库啊
图流系统啊
在这些图的处理的这个数据规模呀
吞吐率啊啊这些指标上其实都做得很好了
所以我们当时觉得呢
这个这个土计算要想更好的发展
他可能还是需要这个技术加场景的这个双轮驱动
所以回头看呢
我们啊当时决定了
就在2020年的呃接近年底的时候吧
就是加入蚂蚁
我们觉得还是个很很重要也很正确的一个选择
那咱们后面呢
其实应该会聊到就是图计算在更多这个行业当中的一些具体应用
但是这个这个讲到这个话题之前
我我觉得可以让这个
销售更多的来跟我们来聊一聊
就是图计算现在到底处于一个什么样的发展阶段
图计算现在处于一个什么样的阶段
如果我用一个词简单的来形容的话呢
这个整体阶段应该叫做方兴未艾
这个你经常会看到土计算这样的一个的说法了
对吧
各行各业可能都会要提他
就是大家都很关注他啊
那比如说像这个DB engines 啊
就这样的一个数据库的这个媒体上趋势的这样一个网站
那么它上面的这个可以看到这个图计算啊
图数据库的这个关注度啊
在过去十年内是比所有的其他的数据库都要高啊
就是关注度很高
另一方面呢
也有一些功能已经比较成熟的一些产品出现了啊
像美国的像呃no g 呀
或者是tIgEr graph 在各个行业啊
像金融啊
证券啊
啊公共卫生啊
电力啊
一会儿我们可以展开一下
就在这些领域啊
都有一些典型的案例
但是呢
整体上呢
我我认为还处于比较早期的阶段
就是整个
的这个产品形态
还有应用性能等等阿
功能都还有很大的呃发展的空间
就是到底最后我们最后这个图计算的产品
它到底一个什么样的形式出现
我认为这件事儿目前都没有100%的定下来啊
因为比如说我们刚才讲到的从数据库和图计算这样两类狭义的两类的系统
那这两类系统应该是什么关系呢
他们应该合在一起呢
还是说可以分离出来
然后通过某种机制在把它连起来
那么包括还有一些其他形态的这个计算
就是整个的这个形态产品形态
还有包括整个的这个技术的深度和应用广度啊
我觉得和呃
如果我们拿关系数据来做对比的话
呃
我觉得还处于相对比较早期的这个阶段啊
就是还没有说我们现在已经出现了非常成熟的啊
已经在往下发展已经不不太有机会了
这个这样的一个阶段
我觉得还远远不是这个阶段
我觉得呃从技术上还有应用的这个
呃
广东上面我觉得还有很大的这个发展空间
嗯
那咱们其实刚刚陈教授已经自己出自己了
除了这个行业应用准备要这个准备要好好的这个展开来讲
因为我觉得这其实肯定也是大家最感兴趣的话题
对吧
就是我们知道了这个世界可以用这样的方式来去还原它的复杂关系
那然后呢
对吧
然后这个它能应用到哪些场景里面呢
陈教授可以给我们好好讲一讲
呃我首先还是拿大家呃或者说拿蚂蚁最拿手的这个金融啊风控啊
风险控制的这么一个例子啊来来给大家来介绍这个呃计算的应用风控在蚂蚁应该说在各个场景都有啊
比如说我们有花呗
对吧
花呗其实就等于是一个信用卡
那我们这时候要防止了
呃
比如说一种行为就是套现
对吧
就相当于信用卡套现
那你怎么去怎么去发现他另外呢
还有比如说很多这个给企业的贷款
对吧
这个企业的贷款可能你需要这个担保
担保其实也是有欺诈
那么像这样的一些场景
那我我分头来来介绍啊
比如说套现的这样一个场景啊
你可能会观察到这么一个现象
就是说一个人啊
他给一个商店付了一笔钱
这个商店的所有者从他的个人账号里面
把一笔钱给了另一个人
然后另外这个人呢
他会
他其实是这个第一个付钱的这个人的一个亲戚啊
或者他们之间有某种比较紧密的关联
我们也知道
那么像这样的一个场景
我们我们就可以把它抽象成这个图上面的一个找环的问题
那么比如说刚才说的企业担保的问题
对吧
就是说我要给一个企业贷一个款
那么这个企业说我找a 企业担保
然后呢
A 企业呢
其实它本身他又找了B 企业担保
然后B 又给C 担保过
这就是你最后发现这个ABC 的啊呃
他最后形成了一个环
那最后你真的出问题的时候
这个担保等于是无效的
因为你一层一层的下来
他回到了最初的这个出问题的这个节点这儿
出问题的这个公司这儿
那你等于整个这个呃担保就就起不到它的作用
所以这两类的东西的一个综合的综合起来
他们在图上面就变成了一个什么问题呢
变成了一个找环的问题
对吧
那么找还这个问题啊找还这个问题在传统的方法是不能做的啊
比如说我们知道有些银行呃
她就用这个呃
我前面讲过这个大数据处理的方法map reduce 啊什么这样的方法来做
但是他大概只能找到长度为六个还
就是在更长的还
他就他就找不到了啊这是在企业这个担保里面
那么像套现分析的这类的场景里面呢
实际上我们不仅是需要找还
我们还需要非常非常快的找出来
因为你想你你去刷一个信用卡
你肯定不希望这个后台算上两个小时
然后告诉你说对不起
你这个我觉得有风险
你不能刷这个卡
对吧
你其实是希望非常无感的
那么在蚂蚁里面呢
这个很多的风控场景
我们都需要在什么什么样的时间内完成呢
我们希望在20 毫秒内
就是我们这个环节可以完成
因为它整个的这个呃计算啊
就是风控的环节非常的非常的长非常的多
那么要在图上面找还的这个环节
我们可能希望他非常快的能够完成
那么你怎么让怎么样能有一个系统能够在巨大的这个图上
而且这个图还在飞速的变化
对吧
还能够做这样复杂的查询
还能很快来完成
这实际上就是一个巨大的挑战
就是给图计算的一个巨大的挑战性的这样的一个问题
那么呃是
像我我们讲到
如果把这个时间稍微放松一点用途计算的方法
其实可以找到任意长度的话啊
就是有一些方法啊来做这个事情啊所以说呃当然我刚才只是举这么一个例子啊
但是但是类似的这个例子啊
实际上啊
在金融里面
他就是找一些呃特定的这种模式啊
这种模式比如说呃钱的聚合或者全的分散啊
在一段时间内啊
出现了这样的一些呃模式
那么可能都会被认认为是一些恶意的模式啊那么呃用用在这个图计算的用途计算的方法来解决
所以他其实就像您刚刚讲的那个例子
他其实里面这个数据的维度是很多的
它其实包含了时空两个大维度的一个数据
但是在每一个大维度里面
他其实又有很多细分的维度
然后中间又有很多这种交叉呀
各种各样复杂的关系图
你理解它只是一种实体之间的关联
对吧
但其实他是在某种某种时间窗口里面的
关联啊
或者是由于共享的一个空间产生的关联
就是这些其实是一个一个
呃产生这个图的一些原因
我觉得是非常非常有趣的
这样的一些问题理解好
然后包括您还提到了一个概念
就是那个找还骂那找还这个事情我们怎么来理解
他是说是呃但凡是异常关系风险关系
呃
它就会在数据结构当中形成一个环的一个状态吗
还是什么啊其实像刚才那个金融里面这种套现
因为套现的逻辑就是说我把钱花出去了
你最后总得有个某种形式
那个钱能回来
对吧
这才叫套现
要不然叫叫付款嘛
对吧
这钱没有形成环
就没有欺诈没有成功
对吧
像担保函那个也是就是担保上面
如果你ABCD 一路担保下去
最后没有回到诶那其实没关系
我最后总能找到人来为这笔贷款负责
对吧
就这个担保他是有效的
那就没问题
所以就是说我刚才举那两个例子呢
我觉得呃这个
的特点
它是一个不定长的深度关系啊
就是这个东西正好是呃关系数据库啊关传统的关系数据分析可能比较难处理的
所以我主要是讲了这样的一些例子
其实还是有很多其他的这个模式啊
就我我没有展开
就是比如说你看到一段时间内
一些人都往一个账号去
打钱对吧
然后这个钱突然在某个时间
他一笔都会出去了
或者反过来对吧
就是一笔大钱进来
很多小钱出去
就就这样的
就是类似呀这样的一些模式
其实也都是在图上可以找到的一些
呃
可能是有风险的这样的一些模式啊在金融这样的一个场景中
是不是我记得之前有一个词叫实施风险监测是吧
他其实比较难的点
失实这两个字是吧
是的就是就是你可以想象他的挑战
呃
就是说我随时像蚂蚁在2020年的双11
它的最高的交易数数每秒58万笔吗
就是你在这么快的吞吐率下
就是正常的
你也要处理
而且你要去处理它的
去检测他是不是异常
对吧
就是就是这个事情
就是你你你不是说我检测异常
我别的正事儿我就不用干了
你的正事儿是大部分正常的这个交易你要让他能够按时完成
然后你还要在这么快的时间里面把那个异常挑出来
我觉得这个挑战其实是是非常大的
那刚好
就是陈教授提到了双11 啊
就是哎
那我们现在的图计算在相应双11 里边儿有什么相应对应哪些应用呢
刚好我们再展开一下
呃
其实主要还是刚才说的这些风控的应用
就是其实你在支付宝上面去付一个钱的时候啊
他都要经过下面的这样地一层一层的这个风控
就是图计算恶徒势能的这个风控
是我们整个风控环节的一部分
它并不是全部啊但是啊
是目前越来越重要的一部分啊
都已经在这个呃双11 已经在开始使用
哎
那非金融场景飞这种电网领域这个场景里面还有什么比如说跟我们生活场景或者大家能日常接触到的东西更近一点儿的案例吗
老师说呀
就是说就是我们在国内啊
实际上没有做太多的这方面的例子了
我们之前其实尝试过
像比如制造业
其实呃
中国商飞其实也是我们原来的飞马石油的客户啊
就是它是一个智能制造领域的啊
就是它怎么它的应用呢
是在这个智能排产这个方面
但是呢
整体上呢
我们的感觉是
呃
在这些工业场景里面
总体上他的这个数字化的这个水平啊
还没有那么高啊
就是说呃
我们要处理这个复杂数据的关联
那你整个的行业的数字化本身应该是是有基础的啊
你有了很多的数据以后才能够体验到这个数据的关联啊那么呃
如果说你的这个行业本身都还没有把很多东西数字化的
然后实际上也很难把这个呃他们的关联变成一个需求来解决啊
就是所以这个我们只能说在智能制造这个领域呢
有过一些尝试
但是并没有取得看到说他是一个大面积可复制的这样的一个状况
陈教授也说说就是图计算你能够把它大规模去应用它其实对于数据基础还是有要求的
就是这个产业这个场景还是要完成一个比较基本的一个数字化的这样的一个转型
所以那如果未来我们要把图计算应用到更多的这个场景里面去
他需要这个场景
比如说具备什么样的一些呃基础的这样的一些特点
或者说第一你肯定要数字化
对吧
你首首先要要有这么多数据
第二个呢
其实还是对这个复杂的关系分析是有需求的
就是你你这个数据之间不是不是孤立的啊
而是你比如说有一些像现有的像那个
呃物联网的一些数据啊
它其实就是一些传感器
对吧
每个传感器按时间把一些数据放上来
那这些可能就用一些时序数据库来处理
可能就比较直接
就是说他传感器之间可能不见得有那么强的这个图的这样的一个呃关系的这样的一个一个分析啊但是也有一些呃领域啊
就是说他如果是对关系的分析更加重要的话
那么显然它就呃让土计算的用武之地就会更大很多
所以我们之前开玩笑就是现在如果再抓这个杀猪盘
就是图计算
可能在里边儿非常非常有用
是的是的
实际上就是在这种呃金融啊证券啊这些场景里面
其实这些
因为这些这些欺诈他其实都是靠各种各样的关系呃完成的啊
就是说所以所以所以确实统计算是非常有用的啊
我们之前其实做过一个叫这个信用卡团伙欺诈的这样一个案例啊
就是说它主要是通过这个犯罪团伙可能会服用一些手机号码和这个地址啊
这样的一些特征来把它找出来的啊
就是把它构成一个图以后
采用一些这个社区发现的一些方法呢
可能能够找出来其中的这样的一些团伙欺诈啊
就跟刚才说的这个啊
查找杀猪盘啊
这些可能是比较比较有关的
嗯
其实我们也能够感觉到它的应用啊
其实就像刚刚总结的
首先要有这个数据
然后要对处理这个复杂数据之间的关联要有这样的需求啊我不知道能不能建立这样的一种认知啊
就是其实我们随着数字化不断往深入发展
其实很多领域肯定要要有数字化
然后要不断的数据之间的
复杂关系给给挖掘出来了
就是随着这个数字化水平往深入发展
就是图计算呀
包括图数据库
其实在这里边儿有有更好的一个发展似的
其实这个图数据库的这个应用啊
还有一类的应用啊
就专门叫做MDM 叫master data management 就元数据管理
意思就是说你们多元的各种各样的数据尽管来
然后我我来负责把里面整到一起来
就是所谓的元数据管理
这个呃
在国外的一些企业级的应用中也也也看到
但是说实话
我们我们我们在马也开始做一些尝试啊
主要是做一些数据血缘的尝试啊
就是说因为我们里面有很多的表格
那么它有一些从某些数据生成另外一些数据
对吧
那你怎么去管理这些事情
我们也尝试用这个呃图数据库来解决这样的一些问题
基于GPU 的图计算与基于CPU 的图计算性能优势上面能有多大提升
GPU 一般来说
我们我们大致认为啊
它的计算能力和生存能力都是普通CPU 的十倍
所以呢
一般来说
你可以认为他大概能提高十倍的性能
但是呢
拿GPU 来算
这个普通的就是我们刚才说的某些类型的图计算
比如说在上面算这个page rank 啊
就是这种网页排序或者最短路径这类算法呢
可能不一定特别适合
原因是因为我们经常要处理的图相对来说比较大
它可能在这个GPU 里面放不下啊
那这个时候你你就要去通讯了
对吧
你一通信
呃
就很麻烦
数据要从这个CPU 的内存里拷到GPU 上算完了还要再考回来啊
这个开销就很大
但是呢
因为像page rank 或者是最短路径之类的算法呢
它本身计算复杂性度不是特别高
你与其把它传到GPU 上去算
还不如在CPU 里面就给他算完了得了
对于这些简单算法
GPU 上它虽然有性能优势
但是他只能处理相对来说比较小的图
当然有一些技术啊
就是说呃
我可以把这个数据分块儿的把它倒上去啊然后其实跟跟我们早期的一个工作啊
就是12015 年提出来这个图的二维划分的这样的一些工作是有关的
如果你把它分块儿的放进去的话
呃
可能会取得一些效果啊
但总体上还是会面临我刚才说的啊这样的一些问题
但是对于上面啊
计算非常复杂的
比如刚才正好提到的图神经网络的这类的计算
它的计算量其实是非常大的
那么如果对于相对来说比较小的图
你能够在GPU 上完全的把这个图放下的时候
那你这时候用GPU 就相对来说会取得啊比较好的性能
就我刚才说的
你可能大概觉得他可以快上个十倍
当然跟具体的实现是有关系的啊
但是大概会有这样的一个一个这个性能的差别啊
咱们接着往下捋啊
因为我觉得就是图计算这个技术方向
其实也有人会去问到说是不是跟很多技术方向都会有
一些交叉结合点
而且这种交叉结合点可能会迸发出来非常多的呃可能性以及应用的场景
我觉得首先首当其冲就是AI 吧
就是图计算跟AI 的这个结合啊
现在是怎么结合的
以及图计算在AI 领域里面的应用
那它能够帮助AI 解决什么样的问题
对我觉得这是个非常非常好的问题啊
其实刚才提到过这个图神经网络了啊
就是啊图神经网络显然就是这个AI 和图计算融合的一个啊
非常非常重要
而且在飞速发展的这样的一个领域
我们知道原来这个神经网络它处理一开始就处理一些图片
对吧
然后后面可以比如说自然语言啊
或者一些呃时间序列的一些语音的这样的一些东西
那么我们刚才说了我们的这些关系对吧
人和人之间的或者各种实体之间的关系的这些数据
他怎么和这个神经网络能够结合起来呢
所以现在的这个图神经网络的这个方法呢
实际上他是把这个表示学习啊啊进一步的呃发展
也就是说我们通过这个图的结构来先把每一个上面这个节点或者边上面都表示成这个一个向量的特征啊
就是向量来表示的特征
然后后面再进一步的使用这个神经网络来对它来做处理
那么这样的一个方式呢
就扩展了这个神经网络使用的范围
把这个实体之间的关系也引入到这个AI 的处理中
而且这样的系统呢
其实目前已经获得了很多的应用啊
干嘛已经有很多的应用
然后像我们这个图计算团队做的这个呃一个图神经网络系统啊啊叫志议论
然后他在芝麻信用的这个
呃
就是我们用支付宝
你可以看到有一个芝麻信用
在这个芝麻信用里面呢
它用来呃来给这个
评估我们的分数啊
但是它其实是其中的一个
因此啊
不是说全都用它
那么效果呢
是提高了这个分数的这个准确率啊
给很多的用户提高了这个信用分
因为提高了信用分以后
有一些大家这个知道说可以免抵押呀
或者是有一些优惠的这样的一些政策
就使得整个的这个呃效果还是啊非常业务效果还是非常好的
然后另外一个我觉得可能也是比较核心的技术
就是图机上有机会跟这个区块链相结合吗
这个也是比较热的一个领域
对
其实现在如果大家去看这个
看这个WEB 3 的这些东西啊
包括区块链的一些东西的话
其实有一个重要的模块儿叫做链上交易分析啊
就是专门有一个公司叫tan analysis 啊
就是它其实专门就是做上面的各种的这个交易分析的
我觉得阿胶一分就这类的交易分析
其实用途计算来做
应该是非常有恶是原生的区块链这样的原生分析技术
我认为是啊
对技术是有通信的
对的确是碳中和溯源啊这样的这个就整个碳中和这个领域里面
我觉得是不是可能也会试图计算应用的未来的一个比较大的一个厂景
是的是的
就是像SG
就是这种环境啊啊社会责任啊
就这个方面呢
嗯
它其实牵扯到非常多方面的这个信息和数据
那么你最后把这些数据整体怎么管理起来
怎么最后呃做分析和决策
就这个方面呢
我觉得计算应该也是有它的这个用武之地的
呃
我觉得后面因为还会有一些比如说跟脑科学相关的交叉领域
那后面我们再聊一聊
就是在脑科学领域里面
呃这个图计算上面的一些应用吧
对
这个其实也是非常热点的一个领域啊
我们最近其实之前也请过做这个脑科学相关创业公司来聊过
其实刚刚其实陈教授也聊过吗
像无神经就是这个仿真啊
这个这个方向
哎
感觉也是一个非常热点的一个一个大的一个领域
就是现在用这个图计算器进行神经元仿真
他想要去解决什么样的问题呢
就是为什么我们会觉得说
哎图计算在解决脑科学相关领域的问题里边儿是有机会的
嗯
是这样的
因为大脑呢
他作为一个研究对象啊
你可以认为他
他其实挺难的
对吧
就是你你想你怎么研究大脑呢
特别是人脑
你怎么去观察它呢
就是其实是非常困难的
所以呢
这个仿真啊
它本身它是一个呃解决这种复杂系统
就是理解这个复杂系统的一个基本的方法啊
所以就是广义上面的这个计算仿真
它其实呃从我们的科学发现的范式上来讲
对吧
就是第一范式是实验科学
第二范式是理论科学
第三范式其实就是以仿真模拟为这样为基础的这样的一个方法
那么我们我们在研究脑的时候
从这个实验方法和手段上很多都很缺乏
那这时候如果我们能够有一个神经元仿真的这样的一个工具啊
它其实主要的目标是验证你的一些猜想
比如说我我猜想你的这个听觉应该是怎么怎么做的
当然这个这个猜想也不是一个纯的猜的啊
就是说它也是根据过去的一些
不管是你通过呃显微镜观察
啊解剖啊还是一些呃电极的这个插入不一定是人脑啊
比如说老鼠对吧
就是数瑙
那么那么他通过这样的一些实验呢
得到一些猜想
那么我们可以通过仿真的这样一些方法呢
来Lai 来去模拟这个猜想的这样一个机制
那么这个机制最后可能会和你的实验的其他的结果能够能够这个匹配或者是不匹配
不匹配可能说明你这个你这个仿真是错的对吧
你不是你这个猜想是错的
但如果你是你你猜想的一个原理对吧
你模拟了这个原理
然后和实验中观察到的东西是一致的
那这个时候可能就你就觉得说
那我这个猜想可能可能是对啊所以是呃从这个角度讲呢
他给研究这个脑科学啊
神经科学提供了一种呃减少这个实验开销或者扩大你的这个研究范围的这样的一个一个方法
就是另外就是呃这一块
我们目前具体有什么样的进展
这个方向呢
其实国内外都非常的关注啊
欧洲他其实专门有一个叫蓝脑计划
Blue brain
他专门建一台非常大的计算机
说我要来模拟脑
但实际上我们的观察呢是
呃
这个领域最困难的点啊
其实是实验科学和计算技术的交叉和融合
也就是说这个大脑的这个神经元之间到底是怎么连的
每一个神经元它的行为应该是什么样的
就是这件事情不是我们计算科学
计算机科学家自己能够去编的
就是我们觉得他是这样的
其实他不是这样的
那你模拟出来的东西就不可能是对的
所以呢
就是我们目前是想在做一个事情啊
就是和神经科学家
呃合作
然后以这个鼠脑的听觉为一个基础
然后呢
先告诉我们什么事情呢
这个神经元到底我们以一个什么样的模型去模拟这个单个神经元的行为是力度合适的
因为你太细致了
你你就太慢
对吧
你太粗了
实际上他的行为是模拟不对
这就是你要知道单个神经元应该到底模拟成什么样
第二个就是说神经元之间到底是怎么连接的啊这个事情呢
其实非常的复杂
因为现在新的脑科学发现了
这个神经元的连接是不断的产生和消失的
就是就是它它还会增加
所以这个事情其实是个呃非常非常呃困难的一个事情啊
我们希望通过跟神经科学
呃实验神经科学家的合作啊
能够把我们刚才说的那两个问题能够有一个相对合理的一个解释啊
那么在这个基础上
我们来做这个脑的模拟
这个目前还在还在这个推进中啊
等有更进一步的成果
我们再再来几个公园来来来这个跟大家分享我们的研究成果
提前预约要提前预约
这个真的要提前预约
嗯
我觉得可能就是面向未来吧
就是突击战
包括他可能因为刚刚其实陈教授也帮我们定义了这个技术其实现在发展还处于早期阶段
我们比较好奇啊
这个技术
他如果往前发展
还会呈现出呃什么趋势啊
还会遇到的一些挑战呀
呃
我觉得整个这个领域还是需要时间来成熟
所以呢
最重要的挑战呢
我觉得其实是人才和这个市场的能够正向的反馈迭代啊
就说我们这个市场能够扩大
我们首先把一个产品做好
然后他可以服务很多的人
大家觉得很有用
那么人才就可以被吸引到这儿来
我觉得这个事儿很有意思
对吧
我愿意我愿意加入
那么有有这样的一个正向的
那么我们吸引更多的人才加入到这里面来来呃把这个产品啊
系统进一步的做好
然后再去服务整个更大的市场
我觉得这样的一个正向迭代
我觉得其实是非常重要的
因为我前面其实提提到过
就是费马当时的情况啊
现在做这个图计算的啊
有像呃
Oracle SAP 这样的大公司
也有像这个蚂蚁这样的
其实它的它的这个核心是这个金融科技的这样的一些呃公司
那么也有这种
呃呃中型的这个创业公司
那么到底谁能够在这个领域里面能够持续的去吸引人才会扩大自己的这个呃市场服务的市场对象
我觉得可能是进一步进一步要要解决的这个最最核心的问题
其实流完了基础上的一些挑战
我觉得逻辑上其实非常有前景
就是它目前就是在全球大概的一个竞争的
竞争的一个情况大概是怎么样的
比如说蚂蚁
它大概在里边出处在什么样的位置
能不能给我们介绍一下
就像刚才讲的
因为图计算其实引起了大家非常多的关注啊
所以其实竞争还是非常激烈的
就是大的功大概有这样几种啊
一种是像AR GU ES that 这样的传统数据库巨头
他们呢
其实不太会专门去做一个单独的产品叫图计算
图计算的东西啊
他会和他的关系数据库和在一起啊
他在关系数据库上来做扩展啊
这是这是一类公司
那么还有一类呢
啊
是以这个呢
和tIgEr graph 国外的这样两家公司啊
他们的整体上他们的商业化是非常成熟的
就是no g 呢
它是成立最早的图计算工啊图计算图数据库的公司
那么它也有一个很好的开源版本
所以它的影响是非常大的
我们在国内遇到非常多的客户都是在用开源的牛佛G
然后telegraph 呢
一直是一个呃很成熟
就是相对在目前来讲商业化比较成熟的一个分布式数据库的这样的一个公司
国内呢
这个创林其实做的也是不错的
这是一家啊有这个呃他创始人叫张晨啊
是从美国回来的这样的一家公司啊
它整个它是一个分布式的基于Java 的这样的一个呃图数据库啊
做的也也是相当不错的
蚂蚁呢啊是这样的
就蚂蚁我们在服务内部业务上面我们做的还是不错的
因为我们刚才其实也讲到阿玛以内部的这个地图的需求其实是啊非常非常大的
从
魔上吞吐率上
然后性能的要求上等等都是非常呃非常领先的
那么我们内部包括这个各种的产品形态啊
包括图的存储
其实我们都有很好的这个研究基础啊
但是呢
在这个呃就是说整体上我们在图计算系统的这个完整度还有深度上面呢
都还是有一定优势的
但是我们现在呃在产品的这个通用化方面
就是我们怎么服务外部的客户方面
其实还是没有呃像telegraph 这样的公司更加的成熟一些
我们这也是我们目前在努力提高的这样的一个方向
那我还是比较好奇
就是a 不计算他接下来会往前发展
还会呈现出哪些新的一些趋势
比如像实时啊像像这样的呃是不是都都非常重要
对象这样的点在给我们介绍一下
我觉得其实刚才我大概也讲过啊
就是说未来这个形态上的到底是什么
就是我们现在其实是有几套系统
如果你假定这个图不变
对吧
我就去专门去做计算
我们把这样的叫做离线处理
然后呢
数据库呢
是一种实时的在线处理
那么还有一种系统呢
我们其实叫做呃叫进线处理
就是这个图流系统啊
它一次它是采用一种批量更新和批量计算的这样一个方式
那么他们三种呢
都是用于某一种的场景
但是呃多
多种场景就意味着系统其实非常复杂
所以我们其实能够希望能够想象的一个终极的目标是说
我们能不能用一个系统来满足所有的三种东西的要求
而且同时在这三个场合都可以做到非常好的这个性能和功能
这是我
这是我们呃未来想想想推进的一个一个方向
然后另外呢
还有就是呃在这个
这个处理的这个任务上
就是现在其实就刚才其实我们都提到很多啊
像复杂的这个图的模式的挖掘呀
还有以及这个图神经网络这样的一些新的这样的一些应用的需求啊
他以后会越来越重要
那么这些东西也要融入到刚才我们说的这样的一个系统里面来
把它能够更好的去整合成一个呃更加可用的这样的一个啊好用可用的这样一个产品形态
这个我们觉得是呃一个比较重要的趋势
那我就还有一个问题吧
我觉得其实是我们刚刚其实把逻辑上本身呢
它的发展的一些关键点呀
包括未来的一些大概的一些走向
其实都有一个介绍
我其实最后有一个问题
其实想问陈教授
陈教授在推动这样的一个技术往前发展的时候
其实是带有非常强的教产学研都结合的一个一个色彩
并且也是非常成功的一个范例
就从陈教授来看的话
你会看见哎
目前产学研上遇到的一些问题有哪
那就是如果回到科研的话
就是科研到底应该如何进行高水平的一个创新
对这个问题可能太大了
而且这个不同的领域啊
它也有不同的特点啊我我只能说从我个人的一些经历和观察
就是稍稍微分享一点观点
你可以认为是基于我的有限经验的一个一个
呃对有限的这个领域的一个一个观察
我觉得一个问题呢是就是现在我们的很多的老师做的工作呢
他要他从他已经比呃十年前的水平要高很多了
如果我们现在去看这个发表论文的情况
呃
我们现在很多年轻老师发表论文的都能够在这个领域啊某就像我自己是操作系统或者数据库这样的一个领域
他们都能够在这个国际上最好的这个会上连续的发表论文
而且都发表多篇论文
所以呢
这个呃
应该说研究水平应该已经是比较比较高了
嗯
那么后面就是说
这是一个做出来的问题
就是后面其实我觉得要解决的其实是做出来的东西能够用起来的问题
那这个事情呢
实际上是有是有几条几条路线的
那一条路线就是说都去做
就去做创业公司
对吧
这是肯定是一个呃比较直接的路线
那么另外一个大家提到的一个事情呢
其实是知识产权的转让啊
就是说我通过我的研究做出来一些专利
对吧
然后我把专利呃交给企业去使用
但是这个方向目前到呃我们也就是如果我们看最近十年的数据
肯定比呃十年前的数据要好很多
但是可能没有好到
大家期待的那个水平啊
这里面的主要原因呢
我觉得嗯
还是两个方面
就是一方面呢
是我们大学的老师
很多时候我们不知道企业中你真实遇到问题的
你这个问题的核心是什么
然后或者我想去做研究的时候
我没有相关的数据资源来支持我来做这个研究
也就是说对需求和数据
我我没有那么从企业的角度来讲呢
他很希望老师帮他解决一个眼前的问题
啊而对于他比较深入的根本性的问题
呃往往也不太容易提炼出来
就是就是我我其实想大学合作
我想和老师合作
我到底合作什么东西啊定义这个问题本身也很难
然后想提供数据出去也非常的难啊就是这个数据要合规啊就是呃因为现在我们对这个数据的隐私保护各方面也非常的严格
就是数据想给到这个呃老师来做研究也是非常困难
所以所以J 这样两个方向呢
就会造成啊一定程度的啊就是这个研究和这个呃企业的这个需求啊之间是脱节的啊
就是某种某种程度的脱节
那我也我也比较高兴的看到
就最近其实还是有比较好的这个趋势啊
像华为啊
阿里啊啊就是呃包括蚂蚁在内啊也开始在做这件事情啊
就是说能够用更加开放的心态来这个
和大学和研究
呃和这个学术界的老师来开展这样的一些合作啊
就是说呃包括自己的一些呃呃专利的技术
包括自己的一些应用场景啊那么这个东西提出来以后呢
应该说我们预期啊
应该是对呃整个的这个双方的合作
会有比较好的这样的一个一个效果
也就是说通过企业界提炼自己的需求
把它变成一个可度量的问题
然后鼓励学术界在
在这种反映了企业界真实情况的啊数据和场景下面来开展研究
那么我们想通过这样的形式也是一个呃促进产学研的一个有益的尝试啊我们也觉得说啊之后啊
像嗯其他的就是我们呃产业界嘛
可能可以多采用这样的一个模式来和学术界展开一个更加有效的合作
来促进我们整个的这个产权的发展
所以其实定义问题才是解决问题的第一步
把问题定义好了
可能这个问题已经可以解决一半了
已经对
其实你说到这儿
我稍微补充一句啊
和这个没什么关系啊
就是我们最近看到那个学校在征集问题
在征集从零到一的原创问题啊
就我觉得这个其实是咱们国家科技发展里面非常重要的一步
就是说我们不是每个人都要去提一个问题
要自己去解决它才叫成果
其实真的是提出来重要的问题啊
像阿尔法go 对吧
就是他用的技术
他做完了
我们后面每个人就是腾讯也可以做一次
别人也可以做一次
但是每次定义这个目标的都是都是别人
就是我们都是跟在后面做一个更好的
我觉得是到了这个时候
我们需要去更好的去定义问题
就发现更多从零到一的问题
然后做真正的原创性的这种技术创新
而不是说在一个
当然我觉得修修补补这种优化性的提升也是有意义的
但是可能说我们呃
我觉得包括可能更多就是在这种科研一线的这些工作者来讲的话
那我们到底要把时间和精力投入在什么样的领域上面的
什么样的重大的问题上面
我觉得这个是一个
呃我觉得特别值得期待的吧
因为我相信其实呃
大家在这些方面上面的思考其实越来越多
关注其实也越来越多
特别期待到时候您有这个
不管是新的科研成果
还是有这个新的paper 的发布
新的书的发布
都特别欢迎这个陈教授再回到几个公园来
然后跟大家再来去做分享
然后我们也期待就是说更多的一些国内的一些前沿的一些技术啊
有非常有影响力的一些技术
也能够都有非常好的一个生态作为依托
然后去往前发展
对我觉得真的今天呢
真的特别感谢陈教授啊
学习到非常多
好好好
行
那咱们谢谢陈教授
谢谢陈教授
谢谢谢谢拜拜
这就是今天的这期播客
感谢今天嘉宾的分享
如果本期节目对你有启发
期待你的留言
如果你想听见我们和谁对话
也欢迎你在评论区写下公司或者创始人的名字
或者你有哪些建议
也期待在评论区看见你的想法
你还可以在微信视频号搜索创业真人秀来找到我们
每周我们也会邀请创业者来和大家面对面交流
感谢大家的收听
我们下期节目再见
拜拜
