有媒體將一覽群智比作“中國(guó)版Palantir”。文繼榮認(rèn)可這一說法，但強(qiáng)調(diào)一覽群智更看重技術(shù)，有更為深厚的AI基因。一覽群智用智語、智慧、智圖和智策，構(gòu)建了從感知、理解到分析到?jīng)Q策的閉環(huán)。一覽群智為什么打造這四大產(chǎn)品？背后的邏輯是什么？

有一點(diǎn)可以肯定的是，這四大產(chǎn)品不是一覽群智團(tuán)隊(duì)拍腦袋拍出來的，而是他們?cè)诮鉀Q問題的過程中，發(fā)現(xiàn)這幾個(gè)產(chǎn)品是必須要有的。比如數(shù)據(jù)，一覽群智做銀行場(chǎng)景、政府場(chǎng)景的時(shí)候，發(fā)現(xiàn)最大問題是數(shù)據(jù)的信息化程度有限，“70％以上的數(shù)據(jù)都是非結(jié)構(gòu)數(shù)據(jù)�！苯鉀Q問題，先過非結(jié)構(gòu)數(shù)據(jù)這道關(guān)，否則分析和決策就無從談起。

如何處理非結(jié)構(gòu)數(shù)據(jù)？在公安場(chǎng)景，一覽群智如何從一堆文檔里抽取出人、地、事物、組織、機(jī)構(gòu)、案件等最重要的信息？這需要先定義，再構(gòu)建不同的信息抽取工具，才能從大量的非結(jié)構(gòu)化數(shù)據(jù)中抽取所需要的信息。其次，抽取的信息還需與已有的結(jié)構(gòu)化數(shù)據(jù)融合在一起。因?yàn)閮蓴?shù)據(jù)的信息密度是不一樣的。非結(jié)構(gòu)化數(shù)據(jù)，準(zhǔn)確度低，需要被清洗。

這個(gè)過程，會(huì)碰到消歧問題。還會(huì)遇到圖數(shù)據(jù)庫的問題。比如大學(xué)畢業(yè)生小陳將戶口從A市遷到B市，數(shù)據(jù)庫里需要加一條新的籍貫信息。但是傳統(tǒng)數(shù)據(jù)庫無法支持新字段隨時(shí)加進(jìn)來的情況。但圖數(shù)據(jù)庫可以，圖數(shù)據(jù)庫還可以做關(guān)系性推導(dǎo)，推導(dǎo)出不同的人之間的關(guān)系�！拔覀儼l(fā)現(xiàn)，某種程度上，它跟知識(shí)圖譜的概念、推理關(guān)系是一致的。我們需要一個(gè)知識(shí)圖譜的構(gòu)建工具，所以有了智圖�！焙�健說，“解決了抽取問題，把非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化。圖數(shù)據(jù)庫加上知識(shí)圖譜解決了構(gòu)建問題，然后人機(jī)協(xié)同，幫助決策�！�

總的來看，一覽群智，基于自然語言處理的知識(shí)挖掘、文本挖掘平臺(tái)，將大量非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，基于結(jié)構(gòu)化的數(shù)據(jù)，構(gòu)建人、地、事物、組織之間的關(guān)系知識(shí)圖譜，提供人機(jī)交互的可視化分析引擎，讓知識(shí)與人直接銜接，最終與行業(yè)場(chǎng)景銜接，打造行業(yè)決策引擎。

而這背后更大的技術(shù)邏輯是人工智能即將邁入認(rèn)知智能技術(shù)時(shí)代。一覽群智團(tuán)隊(duì)認(rèn)為，未來是增強(qiáng)人工智能，是人與機(jī)器協(xié)作。“利用機(jī)器超強(qiáng)計(jì)算能力、存儲(chǔ)能力、加上分析推理能力，與專家經(jīng)驗(yàn)銜接來創(chuàng)造價(jià)值�！焙�健說。

動(dòng)態(tài)變化的產(chǎn)品化率

目前，一覽群智的產(chǎn)品化率約為70％。這意味著一覽群智需要針對(duì)不同場(chǎng)景下的不同企業(yè)做定制化的調(diào)整�！�，初期，我們跟用戶A共創(chuàng)，A提了十個(gè)方向，根據(jù)通用性與痛點(diǎn)，我們選擇幾個(gè)方向，把產(chǎn)品做好，然后拿著這個(gè)產(chǎn)品從A賣到B、C、D，這個(gè)過程中，定制不斷減少，定制化程度不斷降低�！�

比如在銀行場(chǎng)景，一覽群智找到的一個(gè)大的、通用需求是審單。審單產(chǎn)品可以用于國(guó)際結(jié)算審單，外匯審單，票據(jù)審核等。隨著審單產(chǎn)品落地越來越多的場(chǎng)景，該過程是一個(gè)不斷完善的過程，“越到上面越貼近用戶，越豐富，越往下走，不斷地抽象�！�

胡健提到，一覽群智聚焦在某些行業(yè)的、具體的產(chǎn)品和解決方案里，其目的是盡量減少客戶的定制化需求。這是從落地可行性的角度去考慮的�！懊看稳ビ脩裟抢锒家�定制30％。其實(shí)，難度很大。為什么？這不是30％的難度問題，而是對(duì)于行業(yè)的理解問題，我們要花很長(zhǎng)的時(shí)間去理解客戶的行業(yè)，要花很長(zhǎng)的時(shí)間去幫客戶出一個(gè)解決方案，要花很長(zhǎng)時(shí)間，把解決方案變成一個(gè)能夠Work的產(chǎn)品。甚至，我們還要去驗(yàn)證產(chǎn)品是不是有效。整個(gè)周期會(huì)變得非常長(zhǎng)。”

據(jù)了解，一覽群智的組織結(jié)構(gòu)中，有基礎(chǔ)研發(fā)部，負(fù)責(zé)技術(shù)組件的研發(fā)和維護(hù)。在技術(shù)組件的上層，是針對(duì)行業(yè)場(chǎng)景，利用技術(shù)組件打造的產(chǎn)品解決方案，因此也有政企事業(yè)部和金融事業(yè)部，“在具體的行業(yè)，業(yè)務(wù)部門用組件做產(chǎn)品，用戶可能無法感知你的技術(shù)組件，但他必然關(guān)心你是否幫我解決了問題�！�

但以上仍有兩個(gè)重要問題沒有被回答。第一，70％的產(chǎn)品化率是如何形成的？第二，一覽群智落地的場(chǎng)景愈加豐富，產(chǎn)品化率又將面臨什么樣的變化？

70％的產(chǎn)品化率是動(dòng)態(tài)形成的。在做同一場(chǎng)景的不同客戶時(shí)，在修改；在做不同場(chǎng)景的時(shí)候，也在修改。這是一個(gè)漸進(jìn)過程�！�70％也許永遠(yuǎn)停留在70％。這是因?yàn)椴煌�行業(yè)的差異還是很大的。你做得行業(yè)越多，就會(huì)發(fā)現(xiàn)越往下，底層的東西，甚至不是四層，會(huì)變成五層、八層，而越往上，則不斷細(xì)分。直到哪一天，你做了十個(gè)行業(yè)，發(fā)現(xiàn)萬事萬物皆出于這幾個(gè)組件，但這個(gè)時(shí)候，標(biāo)準(zhǔn)化層次可能就不是70％了，可能變成50％，甚至比50％更低�！焙�健提到。

“70％不是一個(gè)絕對(duì)數(shù)字�！爆F(xiàn)階段，一覽群智主要落地兩大場(chǎng)景：金融和政府，胡健認(rèn)為“70％是能夠解決的。”但當(dāng)一覽群智做得行業(yè)越來越多，產(chǎn)品化率可能無法達(dá)到70％�！霸絹碓蕉鄸|西是沒法通用，可能還要往下沉。最后的產(chǎn)品化率可能只有50％，但這個(gè)50％是完全不一樣的。應(yīng)用層以下，分層會(huì)越來越多，而現(xiàn)在只有三層。”

寫過程序的胡健用“面向過程”這個(gè)概念解釋這一產(chǎn)品化率的變化過程。公開資料顯示，胡健先后在微軟亞洲研究院、雅虎北京研發(fā)中心、騰訊從事搜索和廣告核心算法研究和研發(fā)管理。接任一覽群智CEO之前，胡健是36氪的聯(lián)合創(chuàng)始人，先后擔(dān)當(dāng)36氪CTO、鯨準(zhǔn)總裁等職務(wù)。

何為“面向過程”？據(jù)了解，一般的面向過程是從上往下步步求精，所以面向過程最重要的是模塊化的思想方法�！皩懗绦蚓褪�，我看到一個(gè)問題，從頭寫到尾，寫到一個(gè)函數(shù)里面。寫出來之后，發(fā)現(xiàn)在多場(chǎng)景之下，有些功能可以封裝成一個(gè)類……

問題在于這個(gè)函數(shù)或者組件被人使用的次數(shù)，被人使用得越多，大家對(duì)你的要求越來越高。你不斷地把它做得更通用。如果只有一個(gè)客戶，不用分層，一層就夠了。但當(dāng)你有一萬個(gè)客戶的時(shí)候，產(chǎn)品會(huì)因不同用戶的需求變得越來越復(fù)雜，層越分越多，越分越細(xì)�！焙�健強(qiáng)調(diào)，這個(gè)過程，越分越細(xì)并不意味著降低標(biāo)準(zhǔn)化，相反地，標(biāo)準(zhǔn)化程度越來越高�！�