明略數據：破解傳統行業的「李約瑟難題」

在過去的10年，甚至是幾十年時間裡，很多中國企業的成長是伴隨著人口紅利和互聯網紅利等諸多勢能的。

但紅利總意味著它是非常態的，尤其是對於劉易斯拐點之上的中國，剩餘勞動力的減少和工資水平的提升，帶來企業成本壓力的陡增，倒逼大多數企業從人力密集變為智力，或者說是知識力密集，於是轉型的陣痛期便開始來臨。

年輕的歷史學家赫拉利在其風靡全球的《未來簡史》中曾這樣寫道，「如果增長停止，經濟並不會溫和地平靜下來，而是會轟然崩塌。」不過好消息是，人類總會尋找到新的增長點。

基於人工智慧的精細化決策和運營，其所提高的社會效率正在成為新的增長點，AI+數據正在改變人類的決策方式。

這一切正如明略數據創始人吳明輝所看到的那樣，「無論人工智慧會不會是一個風口，但風口總會過去的，人工智慧對人類社會不是一項簡單的技術，不是一個風口這麼簡單，它是一個時代的到來。」

作為一隻企業級大數據領域的獨角獸，吳明輝和他的明略數據正站在這樣一個歷史性的時間節點之上，一方面是信息數據的爆炸，讓人類有了更豐富的數據支撐其作出決策，但同樣數據的複雜度也超出了人腦所能夠處理的正常範圍；另一方面則是人工智慧技術的發展，讓機器能夠替代人類大量的知識型工作，而將人解放到更具創造力的工作之中。

當然，這樣的變革並非一蹴而就的，因為雖然冠其「智能」之名，但當下的AI並不可能100%準確率的任何場景下做出合理的決策，它執行的決策大多數時候都是基於歷史訓練數據的結果，而相比於不變的訓練數據，真實世界每一年都會有新情況發生。

因此我們看到像明略這樣的先行者選擇了更細分的公共安全、金融、工業領域，作為人工智慧賦能具體行業的應用方向，基於行業知識圖譜幫助行業客戶實現業務的智能化。「用AI的技術去賦能行業，並推動每一個行業的效率」也是吳明輝最大的心愿。

因為聚焦於三個細分領域，明略人能夠更好地針對細分領域訓練模型，設計產品，同時也可以按照明略對人工智慧三步走的認知來智能化這三個細分領域。

在明略創始人吳明輝眼中，行業人工智慧分三步走，首先是數據在線，然後是分析和挖掘，最後一步才是形成徹底的閉環，即實現智能化，而在當下絕大多數行業還停留在數據在線化的階段。

《明略人》的節目里，曾分享過明略對於公共安全領域的智能化改造的例子，在過去民警希望通過數據去鎖定人販子是一件很困難的事情，並非公安系統中沒有相應的數據，而是數據太多，民警需要人工調取200個系統的數據，然後再人工地基於這200個系統的數據去分析整合，這對於有限的人力和精力而言幾乎是一個不可能完成的事情。

但隨著明略的技術團隊與民警一起並肩工作，將這200個系統的數據和業務系統做了整合和挖掘之後，明略人發現了很多模型和規則，進而將其產品化，使之能夠運行每天的新增量數據，進而鎖定那些高危人員或者他們周圍有密切聯繫的人。

這樣的模型和規則並不是憑空而來的，實際上在過去，很多都是以經驗的形式存留在有經驗的公安幹警、刑偵專家腦子中，就如同去年大熱的網劇《白夜追兇》中的情形一般，但經驗很難傳遞，甚至無法可持續性的留存。

這個問題像極了上世紀著名的科技史學家李約瑟提出的那個難題——「為什麼直到中世紀中國還比歐洲先進，但近代科學和科學革命卻只產生在歐洲呢？」因為中國古代的發明主要是經驗性的，而西方現代發明是科學性的，經驗科學大多時候靠的是偶然性，生產越多，偶然性出現的越多，人口越多，偶然性出現的也越多，但經驗科學往往都是以口耳相傳的經驗形式留存而非蒸汽機、內燃機這樣產品式的發明。

明略人深入行業一線共同工作，為的就是在數據在線化的基礎上，將更多的重複性工作讓機器替代，將更多的決策模型和規則產品化、標準化。

Uber人工智慧實驗室主任Gary Marcus曾點出過這其中的要義：「在運用技術解決某個問題之前，絕不應先入為主地認定要是用某個具體的機器學習演算法，而應首先對業務場景加以分析，抓住核心問題要素，這是做出最優技術選擇的前提。」

在剛剛發布的《明略人·第二季》里，楊威（明智系統產品負責人）就以三個業務場景、兩個核心理念、一個行業大腦簡明的概念介紹了明略AI產品的發布策略。正因為發力於業務場景，抓住了核心問題要素，因此明略數據在行業AI產品及應用中已經走在了前列。

在公共安全之外，明略數據還相繼切入了金融和工業領域，其中最為典型的案例是明略在一個軌交大數據平台項目，在競標過程中，明略的幾個競爭對手都是行業領軍的IT企業，而明略最終勝出的點則是明略人的誠意，他們的團隊每天與客戶一起工作，發現了數據量大、系統實時計算能力需求高等痛點，並且針對性的做了大量的優化和改進。

某種意義上來說，每一個明略人都是明略的一線BD人員，因為企業服務的核心並非留存率、續費率等數據，而是能夠真正提升企業的效率，解決實際的問題。作為一個在12年間成功創辦了兩家企業級服務公司的創始人，吳明輝也深知這一點，「企業級服務的本質是用技術提升工作效率」，吳明輝曾這樣說道。

真正幫著客戶提升了效率，結果自然也是好的，經歷了4年的發展，明略已經服務於省、市級公安局、交通銀行、中國人民銀行、光大銀行、中國中車等100+大型企業客戶，除了用戶的認可之外，資本市場也用真金白銀表達了對明略的看好，在相繼獲得矽谷天堂和紅杉資本的A、B輪投資後，2018年4月明略宣布完成了由華興新經濟基金、騰訊產業共贏基金領投的10億元C輪融資。

「跟傳統的數據服務公司相比，明略基於分散式，以關係型圖譜分析為技術核心，能夠處理各種類型的數據和底層結構，解決傳統數據公司無法面對的問題。跟其他初創競品相比，明略真正致力於理解信息化行業的需求，固化成產品復用在不同客戶場景。」華興新經濟基金管理合伙人杜永波這樣評價明略道。

這也的確是明略所帶來的最大的變革意義，將原本看似雜亂無章的數據相互關聯，挖掘其中的有價值信息，總結相應的決策模型和規則，並給出相應的決策結果以及可復用的輔助決策產品。

因此明略也在行業應用的基礎之上抽象出了像面向AI的大數據治理產品CONA、知識圖譜資料庫蜂巢NEST、行業大腦SCOPA、企業級Siri小明（LiteMind）等產品，這些產品的核心目的都是提高各個環節的效率。

效率的提升則意味著行業的智力和人力資源結構得以優化。根據麥肯錫的報告分析，在傳統的知識工作中，有80%是初級的體力與腦力勞動，只有20%是創新工作。因此明略能夠AI+數據產品代替那些初級的只是勞動，而讓人們有更多的精力投入到具有創造性的工作中。

因為追求效率，無論從個人的體驗還是社會需求，都是社會發展的核心內驅力。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！