中国面向AI“新基建”的知识图谱行业研究报告

新型基础设施建设是为加快国家规划建设推出的重大工程和基础设施建设项目，面向新产业、新业态和新模式，同时助力传统基础设施的智能化改造。新基建三大规划领域中，两大领域都直接提及人工智能。新基建背景下，人工智能将迎来新一轮快速发展。

当前人工智能的发展仍然处于弱人工智能的状态，研究重心由感知智能过渡到认知智能。知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的大规模语义网络，帮助机器实现理解、解释和推理的能力，是认知智能的底层支撑。

2019年知识图谱相关的融资金额较2018年增长超过200%，逐渐成为人工智能又一热点产业，产业链已初具规模，2019年知识图谱核心产品市场规模约65亿元，知识图谱技术带动经济增长规模约392亿元。

本报告从善政、惠民、兴业、智融四个部分对知识图谱技术在其他行业中的代表性应用场景进行梳理，对知识图谱未来的发展和应用做出展望，同时对人工智能“新基建”下，城市数字化、智慧化发展的创新场景进行展示。

新基建与知识图谱概述

新基建的内涵和外延

发力于科技端的信息数字化基础设施建设

2020年4月20日，国家发改委将新型基础设施初步定义为：以新发展理念为引领，以技术创新为驱动，以信息网络为基础，面向高质量发展需要，提供数字转型、智能升级、融合创新等服务的基础设施体系。

与传统的基础设施建设相比，新基建体现出“重创新、补短板”的特征：主要面向新产业、新业态和新模式，促进经济结构优化；但同时也对传统基础设施建设形成补充，助力传统基础设施的智能化改造，提高传统基础设施的运行效率。

伴随着技术革命和产业变革，新型基础设施的内涵和外延还将不断丰富和延展。

      

人工智能是新基建的重点领域

人工智能推动智能产业化和产业智能化

人工智能是新一轮科技革命和产业变革的核心驱动力，在新基建的三大领域中，两大领域都直接提及人工智能。在信息基础设施领域，人工智能与云计算、区块链一起被视为一种新技术基础设施；而在融合基础设施领域中，人工智能则被视为支撑传统基础设施转型升级的重要工具。人工智能新基建的本质不仅仅指向其自身的产业化发展，更是在实体经济中寻找应用场景，赋能生产力升级，即作为重大应用基础设施，推动各行业完成智能化转型，实现新旧动能的转换。艾瑞咨询测算，2019年人工智能赋能实体经济产生的市场规模超过570亿元。

      

人工智能进入认知智能探索阶段

当前呈现弱人工智能状态，在认知智能领域还处于初级阶段

人工智能的本质是进行生产力升级，因此评判人工智能技术是否有价值，要看其应用是否贴近生产核心。一般认为，人工智能分计算智能、感知智能和认知智能三个层次。计算智能即快速计算、记忆和储存的能力；感知智能即对自然界具象事物的识别与判断能力；认知智能则为理解、分析等能力。当前，数据标准化已经趋于成熟，以快速计算和存储为目标的计算智能已基本实现；在机器学习和深度学习技术的推动下，以视听觉等识别技术为目标的感知智能也突破了工业化红线，实现了机器对自然界具象事物的判断与识别。

但感知智能呈现的终究是一种弱人工智能状态，还只能在某一方面的人类工作上协助或替代人类。当人们能使用机器识别更多事物，自然而然地引发了对事物的理解和分析等深层次的自动化知识服务的需求，而需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。学界已经展开认知智能领域的研究，2018年以来，美国人工智能协会收录关于认知智能层面的论文逐年增多，占所有收录论文的比重也有提升。

      

知识图谱的定义

用图模型来描述知识和建模万物关系的语义网络

知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的大规模语义网络，是大数据时代知识表示的重要方式之一。知识图谱最常见的表示形式是RDF（三元组），即“实体x 关系 x 另一实体”或“实体 x 属性 x 属性值”集合，其结点代表实体（entity）或者概念（concept），边代表实体/概念之间的各种语义关系。由于知识图谱富含实体、概念、属性和关系等信息，使机器理解与解释现实世界成为可能。

上世纪七八十年代，传统的知识工程与专家系统解决了很多的问题，但是都是在规则明确、边界清晰、应用封闭的限定场景取得成功，严重依赖专家干预，一旦涉及到开放的问题就基本不太可能实现，因此难以适应大数据时代开放应用到规模化的需求等问题。相对于传统的知识表示，知识图谱具有规模巨大、语义丰富、质量精良与结构友好等特点，宣告知识工程进入了一个新的时代。

      

知识图谱是认知智能的底层支撑

为描绘物理世界生产生活行为提供有效的方法与工具

让机器具备认知智能具体体现在让机器掌握知识，拥有理解数据、理解语言进而理解现实世界的能力，拥有解释数据、解释过程进而解释现象的能力，拥有推理、规划等一系列人类所独有的思考认知能力，而这些能力的实现与大规模、结构化、关联密度高的背景知识是密不可分的。

知识图谱通过对海量结构化和非结构化数据进行知识萃取并关联形成网状知识结构，对概念间的关系属性进行联结和转换，支持非线性的、高阶关系的分析，为描绘物理世界生产生活行为提供了有效的方法与工具，是认知智能的底层支撑。知识图谱帮助机器实现认知智能的“理解”和“解释”能力：通过建立从数据到知识图谱中实体、概念、关系的映射，使机器能理解数据，从数据中提炼出行业或领域内高精度的知识；通过利用知识图谱中实体、概念和关系来解释现实世界中的事物和现象，使机器能解释现象。更进一步的，基于知识图谱和逻辑规则或统计规律，机器能推理出实体或概念间深层的、隐含的关系，实现认知智能的“推理”能力。

      

知识图谱的基本构建流程

数据-知识抽取-知识融合-知识加工-知识应用

根据覆盖范围的不同，知识图谱可以区分为应用相对广泛的通用知识图谱和专属于某个特定领域的行业知识图谱：通用知识图谱覆盖范围广，注重横向广度，强调融合更多的实体，通常采用自底向上的构建方式，从开放链接数据(“信息”)中抽取出置信度高的实体，再逐层构建实体与实体之间的联系；行业知识图谱指向一个特定的垂直行业，注重纵向深度，具有丰富的实体属性和数据模式，通常采用自顶向下的构建方式，先定义好本体与数据模式，再抽取实体加入到知识库。

知识图谱的构建遵循知识抽娶知识融合、知识加工、知识应用的基本流程。从海量结构化和非结构化数据中进行实体、关系、属性和事件的信息提取，通过本体和实体对齐、指代消解解决多种类型的数据冲突问题，完成知识融合。将知识存储到知识库中，最后进行进一步的知识推理和图谱应用。

      

知识图谱行业现状

知识图谱的应用价值

对复杂关系的深入挖掘和直观展示

知识图谱是符号主义人工智能的代表，核心在于对多模、多源异构数据和多维复杂关系的高效处理与可视化展示，将社会生活与生产活动中难以用数学模型直接表示的关联属性，融合成一张以关系为纽带的数据网络。通过对关系的挖掘与分析，能够找到隐藏在行为之下的关联，并进行直观的展示。基于知识图谱的上述优势，适宜解决关系复杂的问题，如深度搜索、规范业务流程、规则和经验性预测等相关研究课题。

连结主义中的深度学习算法是新一代人工智能的标志性技术，但深度学习有其局限性，侧重解决影响因素较少、但计算高度复杂的问题，而不太适宜解决影响因素较多、且掺杂众多非线性关系的问题。通过与知识图谱的配合使用，依托于行业知识与经验的深度学习将产生更多贴近产业核心的认知智能应用，有助于覆盖场景中大多数问题，形成完整的以“场景需求”为导向的人工智能解决方案，进一步实现生产力升级的终极目标。

      

      

知识图谱的典型应用

原图应用

知识图谱是人工智能应用链条的第一步，是人工智能的底层技术。知识图谱在高效数据处理和知识加工推理方面的能力，可以推动人工智能既有产品的升级或提供更有效的解决方案，同时也可以转化为新的商业产品形式。

知识图谱的产品形式可以分为原图应用和算法支撑两类。原图应用指基于知识图谱的图结构和丰富的语义关系，直接通过图谱产生价值的服务形式，例如图挖掘、关联分析等。通用知识图谱被视为下一代搜索引擎的核心技术，而行业知识图谱由于有具体场景的认知深度，能很好地满足垂直领域知识类查询的需求，如企业业务流程查询、司法领域案例查询等。算法支撑指通过知识图谱对于信息源的数据进行处理，将产出的结构化关联数据用于其他人工智能任务的算法模型训练和应用中，得到能解决具体场景问题的研判建议，形成解决办法产生价值的服务形式。

      

支撑其他人工智能任务：搜索、问答、推荐

知识图谱为其他人工智能任务提供算法支撑的典型应用主要包括智能问答、智能搜索和智能推荐、决策分析系统等，目前都已产生了成熟且广泛应用的商业产品，同时也是各领域知识图谱中的重要一环。基于知识图谱的智能搜索能对文本、图片、视频等复杂多元对象进行跨媒体搜索，也能实现篇章级、段落级、语句级的多粒度搜索。智能搜索让计算机更准确地识别和理解用户深层的搜索意图和需求，在知识图谱中查找出目标实体及其相关内容，对结果内容进行实体排序和分类，并以符合人类习惯的自然语言的形式展示，从而提高搜索体验。智能问答可以分为直接回答、统计回答和推理回答。基于知识图谱的智能问答能从实体和短句两个维度进行挖掘，能理解多样问法和有噪音问法，具有较高的准确率、召回率。在对话结构和流程设计上，能实现实体间上下文会话的识别与推理，最终实现更自然的人机交互。基于知识图谱的智能推荐则通过获得用户和物品的精确画像，从而实现准确的匹配和有针对性的推荐，实现场景化、任务型的推荐。

      

      

知识图谱的行业发展情况

2019年核心产品市场规模约65亿元，预期将迎来快速发展

随着人工智能的算法和算力不断提升，数据来源愈发广泛，大规模自动化的知识获取和全新的知识表示成为可能。与之相对应的，传统知识工程受限于知识获取阶段需要重度的人工参与，在互联网时代不再能适应整个互联网高效化、智能化应用的需要。推力和拉力的共同作用促进了知识图谱发展，其构建中的核心产业主要包括Schema三元组模型构建、实体标注等技术，知识图谱管理平台与建模服务、垂直行业的知识图谱应用产品及解决方案等。据艾瑞咨询统计推算，2019年知识图谱核心产品的市场规模约为65亿元，仍有较大发展空间，预计2024年将突破200亿元，年复合增长率达到20.4%。此外，知识图谱技术的应用也进一步带动传统企业智能运维效率升级，据艾瑞咨询估算，2019年中国知识图谱技术带动经济增长规模达392亿元，预计到2024年将突破1000亿元。

      

知识图谱产业链与参与者图谱

      

知识图谱在各领域中的应用概览

数据繁杂、单一价值有限、问题抽象需要可视化展现、五层关联维度以上的应用场景更加适合搭建知识图谱

      

知识图谱应用场景

善政：城市治理知识图谱应用场景

知识图谱赋能城市智能公共管理系统，打造城市“数字大脑”

中国城市存在巨大的存量治理和精细化发展需求。随着城市公共管理的数据来源由政务数据不断拓展至交通、视频、环境等其他城市运行感知数据以及企业数据，城市大数据平台也从政务共享交换平台，发展成为多方共建共用共享的大数据平台。基于知识图谱技术，将分散在政府各个部门、生产生活各个领域的相互孤立的数据资源联通共享，实现多源数据集成交换，从而对政务数据和社会数据进行深度挖掘。通过数据融合分析与管控，最大化发挥数据要素的效能，发现不同群体、不同行业的服务需求，实现政务服务的精准化供给、政府科学决策和高效社会治理。