3月27日，明略科技宣布完成由淡馬錫、騰訊領(lǐng)投，快手跟投的3億美元E輪戰(zhàn)略融資。

疫情籠罩下，這筆錢的入賬著實(shí)給鬧糧荒的AI圈打了一針鎮(zhèn)定劑。

更有意思的是，去年今日，他們也恰好完成20億人民幣D輪融資。

這是一家做什么業(yè)務(wù)的公司？他們主要解決什么問題？為什么如此受到資本市場的青睞？

看不懂的明略科技，今天雷鋒網(wǎng)試著帶你讀懂它。

明略誕生記

故事要從一個(gè)人說起。

2006年，正如我們所看到的包括扎克伯格在內(nèi)的所有天才少年愛鬧騰的共性一樣，尚在北大數(shù)學(xué)系念書的吳明輝也搞起了校園創(chuàng)業(yè)，創(chuàng)立了“秒針系統(tǒng)”。

這是一家第三方營銷數(shù)據(jù)技術(shù)服務(wù)公司，服務(wù)大B端，后面也獲得了包括寶潔、蒙牛在內(nèi)的數(shù)百個(gè)海內(nèi)外品牌的訂單及認(rèn)可。

2014年，秒針系統(tǒng)開掛運(yùn)行的第八個(gè)年頭，吳明輝看到了新的機(jī)會(huì)，他想做大B端之外，G端的生意，憑的是這些年對數(shù)據(jù)更為透徹的理解與應(yīng)用。

這一年前后，恰好商湯、曠視、云從、依圖等AI新秀也相繼成立，并廣受資本市場支持，成為眾多政府大廳的座上賓。

他隨即作出一個(gè)決定：

從秒針系統(tǒng)抽調(diào)20個(gè)技術(shù)苗子，創(chuàng)辦明略數(shù)據(jù)。

明略數(shù)據(jù)主要為安防、工業(yè)、金融等垂直行業(yè)提供打通感知、認(rèn)知的AI驅(qū)動(dòng)的數(shù)據(jù)治理解決方案。

接下來的七年，他們的業(yè)務(wù)又以每年50%—100%的高速復(fù)合增長。

眼下，明略已經(jīng)服務(wù)2000多家客戶，包括60多個(gè)省市級公安局，中國人民銀行、光大銀行、中國中車、上海地鐵等，在細(xì)分市場已經(jīng)占據(jù)領(lǐng)先地位。

為何選擇切入數(shù)據(jù)治理這一當(dāng)時(shí)的絕對冷門市場？這是我思考的第一個(gè)問題。

這就不得不提到吳明輝的成長環(huán)境。

他的父親是一名警察，打小見過最多的場景就是父親因?yàn)橐黄鸢讣ㄏ_(dá)旦地來回翻看監(jiān)控視頻，沒日沒夜地分析情報(bào)、查找線索，過程異常痛苦且結(jié)果不太樂觀。

而他幼時(shí)所看到的，只是彼時(shí)中國公安民警的現(xiàn)實(shí)工作縮影。

數(shù)據(jù)統(tǒng)計(jì)，我國現(xiàn)在編警察數(shù)量約是兩百萬，也就是說每700人中只有一名警察，工作壓力之大可自行腦補(bǔ)，每年警察因過勞而死的新聞屢見不鮮。

用技術(shù)挖數(shù)據(jù)價(jià)值，用技術(shù)提工作效率，用技術(shù)防因累成疾是各級公安部門最為迫切的需求。

北大求學(xué)期間，吳明輝接觸到了人工智能；而作為AI落地的重要場景之一，公安領(lǐng)域也有著規(guī)模數(shù)據(jù)、明確業(yè)務(wù)指向等顯著特性。

一方面，初心和數(shù)據(jù)基礎(chǔ)齊備；一方面，AI找到了合適試驗(yàn)田。

明略數(shù)據(jù)在一定程度上是他理想迦南美地的真實(shí)結(jié)晶。

去年3月下旬，明略數(shù)據(jù)正式升級為明略科技集團(tuán)，面向公共安全、數(shù)字城市、工業(yè)、金融、營銷、零售、餐飲等多個(gè)領(lǐng)域，提供一站式企業(yè)級人工智能產(chǎn)品和服務(wù)。

視覺之眼與明略之腦

這是我目前所見過，野心盡具的創(chuàng)業(yè)公司之一。

如果要給明略科技打上標(biāo)簽，更多人想到的是人工智能、知識(shí)圖譜、數(shù)據(jù)治理，但我認(rèn)為最接近它定位的那個(gè)角色應(yīng)該是：

“行業(yè)智腦”

數(shù)據(jù)無處不在、時(shí)刻生長，大數(shù)據(jù)分析關(guān)注過去發(fā)生事件的現(xiàn)象及來源，對已知數(shù)據(jù)積累得越豐富越好、越清晰越好。

利用大數(shù)據(jù)解決棘手問題，通常需要進(jìn)行兩大步驟：1、將數(shù)據(jù)按照業(yè)務(wù)邏輯梳理清楚；2、梳理完畢后，挖掘數(shù)據(jù)的深度價(jià)值。

一直以來，絕大多數(shù)以“數(shù)據(jù)”能力見長的公司都在第一點(diǎn)上做著努力；至于第二點(diǎn)，人力無法完成，一般技術(shù)很難完成，原因很簡單：

數(shù)據(jù)量太大且太亂，即便分析出一些結(jié)果，不夠準(zhǔn)確且實(shí)用性不高。

舉個(gè)公共安全行業(yè)的例子：

• 一個(gè)民警可以不眠不休用一天的時(shí)間查看一個(gè)視頻監(jiān)控探頭24小時(shí)拍攝的視頻量，并找出所需線索。

  
  

• 一萬個(gè)攝像頭一天的視頻量呢？需要一萬個(gè)民警不眠不休地盯看24小時(shí)。

  
  

• 十萬個(gè)攝像頭一個(gè)月的視頻量呢？需要十萬個(gè)民警不眠不休地盯看720個(gè)小時(shí)。

  
  

• 如果要找出這十萬個(gè)攝像頭一個(gè)月所拍攝視頻中出現(xiàn)的人、狗、貓，并推算他們之間的關(guān)系并輸出準(zhǔn)確結(jié)果呢？

民警內(nèi)心：

放過我吧。

上述要求一點(diǎn)也不夸張，中國一個(gè)二線城市的視頻監(jiān)控部署量至少十萬路起步，而且單單是視頻數(shù)據(jù)，城市每天還會(huì)產(chǎn)生數(shù)量繁雜的多類型數(shù)據(jù)。

針對實(shí)時(shí)增長的海量數(shù)據(jù)，政務(wù)部門需要有人能夠?qū)崟r(shí)、高效地幫助他們打造知識(shí)圖譜，分析其中的關(guān)系、交集、規(guī)律、異同，以提升工作效率。

這就是明略科技正在做的事。

早在2017年，他們就此發(fā)布了明智系統(tǒng)1.0，分為兩大部分：“蜂巢”和“小明”。

“蜂巢”是一個(gè)知識(shí)圖譜數(shù)據(jù)庫，可以在散落的數(shù)據(jù)中提取有效信息的同時(shí)，從紛繁復(fù)雜的信息進(jìn)行關(guān)系連接和分類，織就龐大的關(guān)系網(wǎng)。

“小明”則是企業(yè)級人工智能統(tǒng)一入口，為明智系統(tǒng)以對話形式與人類進(jìn)行交互并提供業(yè)務(wù)支持。

如果說明略科技利用AI算法根據(jù)數(shù)據(jù)計(jì)算出某些結(jié)果，這與“四小龍”等AI公司所做之事又有何區(qū)別？這是我思考的第二個(gè)問題。

以金融業(yè)務(wù)為例。

人像數(shù)據(jù)只占到金融數(shù)據(jù)庫的很小一部分，且各數(shù)據(jù)類型之間的性質(zhì)、參數(shù)都不太一致。

另外，中國各金融機(jī)構(gòu)的IT系統(tǒng)都是“煙囪式”建立的。

“煙囪式”架構(gòu)也就是垂直的體系結(jié)構(gòu)，每一個(gè)IT系統(tǒng)都有自己的存儲(chǔ)和IT設(shè)備，以及獨(dú)立的管理工具和數(shù)據(jù)庫，不同的系統(tǒng)不能共享資源、不能交付和訪問，形成了資源孤島和信息孤島。

如何打通不同類型的海量數(shù)據(jù)，并找到其中規(guī)律，且保證數(shù)據(jù)的安全性、關(guān)聯(lián)性、完整性、時(shí)空一致性，這些都是金融管理部門的當(dāng)務(wù)之急，也是明略科技的擅長所在。

如果說視覺AI公司解決的更多是“眼睛”看的問題，也就是“是什么”的感知層面，主打海量數(shù)據(jù)融合。

那么明略科技解決的更多是“大腦”想的問題，也就是“怎么做”的認(rèn)知層面，主打基于數(shù)據(jù)的分析、理解、決策和行動(dòng)。

“單一的數(shù)據(jù)通常都很難做到高效率的分析，更何況是城市級多維數(shù)據(jù)，做這事真的非常不簡單?！?/p>

某行業(yè)資深專家告訴雷鋒網(wǎng)。

“但未來社會(huì)的確需要更為深度的數(shù)據(jù)分析AI技術(shù)，倘若最后發(fā)展成熟了，將大有可為。”

數(shù)據(jù)中臺(tái)進(jìn)階戰(zhàn)

自我迭代，應(yīng)該是印在明略科技骨子里的品質(zhì)。

如果去審視這家公司過去八年的成長就會(huì)發(fā)現(xiàn)，它壯大的速度的確較快，以至于不得不去腦補(bǔ)它每一次逃離舒適圈的升級之痛。

最近的一次，便是他們順勢提出的更具行業(yè)“Know-how”的新一代數(shù)據(jù)中臺(tái)。

如果在科技圈組織一次評選，選出過去一年里最火的技術(shù)概念，中臺(tái)必定能收獲不少選票。

去年開始，BAT、TMD等一眾互聯(lián)網(wǎng)巨頭先后開始了組織架構(gòu)調(diào)整，意圖建立中臺(tái)架構(gòu)體系。

不少中小企業(yè)很快也群起而效之，吹響了向中臺(tái)架構(gòu)轉(zhuǎn)型的號角。

數(shù)據(jù)中臺(tái)是什么及怎么用？這是我思考的第三個(gè)問題。

某種意義上來說：

場景和業(yè)務(wù)需求倒逼出了數(shù)據(jù)中臺(tái)；多云適配，也是推動(dòng)數(shù)據(jù)中臺(tái)出現(xiàn)的重要原因之一。

通常企業(yè)的業(yè)務(wù)系統(tǒng)是條塊化建設(shè)，例如淘寶和淘寶商城（天貓前身）各自都有貨源體系，但因條塊化建設(shè)，阿里巴巴難以看到自己的數(shù)據(jù)全貌，也無法將數(shù)據(jù)打通，而數(shù)據(jù)中臺(tái)可以做到。

同時(shí)，上云已成為DT時(shí)代企業(yè)的共識(shí)，但認(rèn)為上云就可以消除數(shù)據(jù)孤島，其實(shí)也很大程度誤導(dǎo)了企業(yè)和政府。

這里一套阿里云，那里一套華為云，大家互不相關(guān)，就好像你有一個(gè)山頭，我有一個(gè)地盤，反而加劇了數(shù)據(jù)孤島。

國外曾有一篇報(bào)道，預(yù)測未來五年全球范圍內(nèi)85%的企業(yè)會(huì)是多云環(huán)境。既然多云環(huán)境是必然的，底層的數(shù)據(jù)能力如何整合打通？

這時(shí)候會(huì)發(fā)現(xiàn)，無論什么樣的IT系統(tǒng)或者云架構(gòu)，無論在哪朵云上，通過數(shù)據(jù)中臺(tái)，都可以讓自己系統(tǒng)的數(shù)據(jù)在多云環(huán)境中自由流動(dòng)。

正是多云環(huán)境的產(chǎn)生，決定數(shù)據(jù)中臺(tái)未來會(huì)成為企業(yè)、政府的一個(gè)必選項(xiàng)。

再聯(lián)系到明略科技這一次提出的數(shù)據(jù)中臺(tái)戰(zhàn)略便很好理解。

十四年深耕，明略科技已經(jīng)完成從0到1的突破，走向從1到N的進(jìn)化。這一過程中，便涉及更多深層次的從數(shù)據(jù)到知識(shí)的挖掘、分析、推理和應(yīng)用。

以零售營銷行業(yè)為例。

一方面，零售行業(yè)面向的消費(fèi)群體非常龐大，全國十幾億人口都可以看作潛在客群；另一方面，零售行業(yè)是一個(gè)隨意性購買特征非常明顯的細(xì)分市場。

這意味著：企業(yè)推動(dòng)業(yè)績增長的野心就必須通過無微不至，覆蓋盡可能多的渠道和場景去滿足，比如拼團(tuán)、秒殺等。

這類方案推出的越多，則會(huì)導(dǎo)致業(yè)務(wù)結(jié)構(gòu)越復(fù)雜，在原平臺(tái)架構(gòu)運(yùn)行越困難。

倘若通過數(shù)據(jù)中臺(tái)賦能，便可實(shí)現(xiàn)兩大目標(biāo)：

1、將不同渠道中的會(huì)員數(shù)據(jù)打通，在大數(shù)據(jù)的基礎(chǔ)上構(gòu)建用戶畫像，實(shí)現(xiàn)以用戶為中心的精準(zhǔn)化營銷。

2、更好地支持前端業(yè)務(wù)快速創(chuàng)新。譬如開發(fā)一個(gè)秒殺應(yīng)用，過去需要從頭開始，工作量非常龐大?，F(xiàn)在中臺(tái)把通用的積分、優(yōu)惠券等模型相應(yīng)解決，只需在表面做一些簡單的開發(fā)。

此前，針對零售營銷市場，明略科技也順勢推出智慧零售全渠道業(yè)務(wù)+數(shù)據(jù)中臺(tái)解決方案。

該方案上層是各種應(yīng)用，中間是數(shù)據(jù)中臺(tái)和業(yè)務(wù)中臺(tái)，底層是零售客戶的數(shù)據(jù)后臺(tái)。

業(yè)務(wù)中臺(tái)由組織中心、商品中心、庫存中心、財(cái)務(wù)中心、會(huì)員中心、營銷中心、訂單中心、配置中心八個(gè)子模塊構(gòu)成；

數(shù)據(jù)中臺(tái)由數(shù)據(jù)匯聚平臺(tái)、數(shù)據(jù)治理和開發(fā)平臺(tái)、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析和數(shù)據(jù)共享服務(wù)五層結(jié)構(gòu)組成。

業(yè)務(wù)中臺(tái)和數(shù)據(jù)中臺(tái)相互賦能，業(yè)務(wù)中臺(tái)產(chǎn)生數(shù)據(jù)，數(shù)據(jù)中臺(tái)分析結(jié)果，然后再將分析結(jié)果反饋到業(yè)務(wù)場景，由此形成業(yè)務(wù)閉環(huán)。

明略科技智慧零售架構(gòu)的核心價(jià)值在于，以業(yè)務(wù)結(jié)構(gòu)、業(yè)務(wù)中臺(tái)方式，把線上的數(shù)據(jù)和線下各種觸點(diǎn)的數(shù)字化所有的數(shù)據(jù)進(jìn)行融合，觸達(dá)各種碎片化的場景，幫助零售企業(yè)補(bǔ)齊交互場景，縮短交易路徑、推動(dòng)價(jià)值轉(zhuǎn)化。

“數(shù)據(jù)中臺(tái)不僅是一個(gè)技術(shù)概念，也是組織形式的變革。這與20年前互聯(lián)網(wǎng)爆發(fā)的時(shí)候一樣，誰先用誰先受益?！?/strong>

某行業(yè)人士堅(jiān)定認(rèn)為。

“我們目前能在歷史數(shù)據(jù)達(dá)到10PB級、日均增量數(shù)據(jù)超過10TB級的環(huán)境下進(jìn)行數(shù)據(jù)價(jià)值的挖掘，實(shí)現(xiàn)毫秒級的預(yù)測性分析，并結(jié)合行業(yè)知識(shí)圖譜形成決策和行動(dòng)?！泵髀钥萍寄掣邔油嘎丁?/p>

明略科技打造的數(shù)據(jù)中臺(tái)，將多源異構(gòu)的數(shù)據(jù)構(gòu)建成知識(shí)圖譜，建立數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，深層次挖掘數(shù)據(jù)價(jià)值，在知識(shí)服務(wù)應(yīng)用上提供更精準(zhǔn)的個(gè)性化搜索與推薦，賦能政府和企業(yè)組織數(shù)字化轉(zhuǎn)型進(jìn)程。

死磕“數(shù)據(jù)”的硬核玩家

極少有說法能在科技圈達(dá)成共識(shí)，數(shù)據(jù)資源是AIoT時(shí)代的新油田，這一句是個(gè)例外。

未來商業(yè)社會(huì)，最重要的不是結(jié)合了多少技術(shù)，而是將人們從數(shù)據(jù)收集、整理的低層次重復(fù)勞動(dòng)中解脫出來，去往戰(zhàn)略和管理等更高層面進(jìn)行創(chuàng)新。

相比國外，中國在數(shù)據(jù)方面的軟件系統(tǒng)付費(fèi)意向薄弱；另外多維數(shù)據(jù)層面的打通與分析實(shí)在不易。

所以看到，中國的創(chuàng)業(yè)、創(chuàng)新大多圍繞算法、算力層演進(jìn)。

幸運(yùn)的是，我們看到中國也有包括明略科技這樣的企業(yè)，一直在死磕“數(shù)據(jù)”。

我曾經(jīng)一度擔(dān)心選擇這條賽道的人都會(huì)因?yàn)閿嗉Z而放棄追夢，現(xiàn)在看到海內(nèi)外資本的鼎力幫助，也是一件喜事。

而這也無疑佐證：誰說中國軟件產(chǎn)品難現(xiàn)光明？

在一次公開演講上，明略科技創(chuàng)始人兼董事長吳明輝說：

“通過智能技術(shù)幫助組織，讓組織高效運(yùn)轉(zhuǎn)、加速創(chuàng)新，這是我的必然之路，是非常漫長的道路，貴在一種堅(jiān)持，不僅要現(xiàn)在做，往后還要繼續(xù)做。”

從這句話里，仿佛又看到了當(dāng)年在北大校園的那個(gè)倔強(qiáng)男生，而這個(gè)男生的一生可能都在與“數(shù)據(jù)”耗著。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。