死磕“数据”14 年丨明略科技的张力，吴明辉的定力

3月27日，明略科技宣布完成由淡马锡、腾讯领投，快手跟投的3亿美元E轮战略融资。

疫情笼罩下，这笔钱的入账着实给闹粮荒的AI圈打了一针镇定剂。

更有意思的是，去年今日，他们也恰好完成20亿人民币D轮融资。

这是一家做什么业务的公司？他们主要解决什么问题？为什么如此受到资本市场的青睐？

看不懂的明略科技，今天雷锋网试着带你读懂它。

故事要从一个人说起。

2006年，正如我们所看到的包括扎克伯格在内的所有天才少年爱闹腾的共性一样，尚在北大数学系念书的吴明辉也搞起了校园创业，创立了“秒针系统”。

这是一家第三方营销数据技术服务公司，服务大B端，后面也获得了包括宝洁、蒙牛在内的数百个海内外品牌的订单及认可。

2014年，秒针系统开挂运行的第八个年头，吴明辉看到了新的机会，他想做大B端之外，G端的生意，凭的是这些年对数据更为透彻的理解与应用。

这一年前后，恰好商汤、旷视、云从、依图等AI新秀也相继成立，并广受资本市场支持，成为众多政府大厅的座上宾。

他随即作出一个决定：

从秒针系统抽调20个技术苗子，创办明略数据。

明略数据主要为安防、工业、金融等垂直行业提供打通感知、认知的AI驱动的数据治理解决方案。

接下来的七年，他们的业务又以每年50%—100%的高速复合增长。

眼下，明略已经服务2000多家客户，包括60多个省市级公安局，中国人民银行、光大银行、中国中车、上海地铁等，在细分市场已经占据领先地位。

为何选择切入数据治理这一当时的绝对冷门市场？这是我思考的第一个问题。

这就不得不提到吴明辉的成长环境。

他的父亲是一名警察，打小见过最多的场景就是父亲因为一起案件通宵达旦地来回翻看监控视频，没日没夜地分析情报、查找线索，过程异常痛苦且结果不太乐观。

而他幼时所看到的，只是彼时中国公安民警的现实工作缩影。

数据统计，我国现在编警察数量约是两百万，也就是说每700人中只有一名警察，工作压力之大可自行脑补，每年警察因过劳而死的新闻屡见不鲜。

用技术挖数据价值，用技术提工作效率，用技术防因累成疾是各级公安部门最为迫切的需求。

北大求学期间，吴明辉接触到了人工智能；而作为AI落地的重要场景之一，公安领域也有着规模数据、明确业务指向等显著特性。

一方面，初心和数据基础齐备；一方面，AI找到了合适试验田。

明略数据在一定程度上是他理想迦南美地的真实结晶。

去年3月下旬，明略数据正式升级为明略科技集团，面向公共安全、数字城市、工业、金融、营销、零售、餐饮等多个领域，提供一站式企业级人工智能产品和服务。

这是我目前所见过，野心尽具的创业公司之一。

如果要给明略科技打上标签，更多人想到的是人工智能、知识图谱、数据治理，但我认为最接近它定位的那个角色应该是：

“行业智脑”

数据无处不在、时刻生长，大数据分析关注过去发生事件的现象及来源，对已知数据积累得越丰富越好、越清晰越好。

利用大数据解决棘手问题，通常需要进行两大步骤：1、将数据按照业务逻辑梳理清楚；2、梳理完毕后，挖掘数据的深度价值。

一直以来，绝大多数以“数据”能力见长的公司都在第一点上做着努力；至于第二点，人力无法完成，一般技术很难完成，原因很简单：

数据量太大且太乱，即便分析出一些结果，不够准确且实用性不高。

举个公共安全行业的例子：

• 一个民警可以不眠不休用一天的时间查看一个视频监控探头24小时拍摄的视频量，并找出所需线索。

• 一万个摄像头一天的视频量呢？需要一万个民警不眠不休地盯看24小时。

• 十万个摄像头一个月的视频量呢？需要十万个民警不眠不休地盯看720个小时。

• 如果要找出这十万个摄像头一个月所拍摄视频中出现的人、狗、猫，并推算他们之间的关系并输出准确结果呢？

民警内心：

放过我吧。

上述要求一点也不夸张，中国一个二线城市的视频监控部署量至少十万路起步，而且单单是视频数据，城市每天还会产生数量繁杂的多类型数据。

针对实时增长的海量数据，政务部门需要有人能够实时、高效地帮助他们打造知识图谱，分析其中的关系、交集、规律、异同，以提升工作效率。

这就是明略科技正在做的事。

早在2017年，他们就此发布了明智系统1.0，分为两大部分：“蜂巢”和“小明”。

“蜂巢”是一个知识图谱数据库，可以在散落的数据中提取有效信息的同时，从纷繁复杂的信息进行关系连接和分类，织就庞大的关系网。

“小明”则是企业级人工智能统一入口，为明智系统以对话形式与人类进行交互并提供业务支持。

如果说明略科技利用AI算法根据数据计算出某些结果，这与“四小龙”等AI公司所做之事又有何区别？这是我思考的第二个问题。

以金融业务为例。

人像数据只占到金融数据库的很小一部分，且各数据类型之间的性质、参数都不太一致。

另外，中国各金融机构的IT系统都是“烟囱式”建立的。

“烟囱式”架构也就是垂直的体系结构，每一个IT系统都有自己的存储和IT设备，以及独立的管理工具和数据库，不同的系统不能共享资源、不能交付和访问，形成了资源孤岛和信息孤岛。

如何打通不同类型的海量数据，并找到其中规律，且保证数据的安全性、关联性、完整性、时空一致性，这些都是金融管理部门的当务之急，也是明略科技的擅长所在。

如果说视觉AI公司解决的更多是“眼睛”看的问题，也就是“是什么”的感知层面，主打海量数据融合。

那么明略科技解决的更多是“大脑”想的问题，也就是“怎么做”的认知层面，主打基于数据的分析、理解、决策和行动。

“单一的数据通常都很难做到高效率的分析，更何况是城市级多维数据，做这事真的非常不简单。”

某行业资深专家告诉雷锋网。

“但未来社会的确需要更为深度的数据分析AI技术，倘若最后发展成熟了，将大有可为。”

自我迭代，应该是印在明略科技骨子里的品质。

如果去审视这家公司过去八年的成长就会发现，它壮大的速度的确较快，以至于不得不去脑补它每一次逃离舒适圈的升级之痛。

最近的一次，便是他们顺势提出的更具行业“Know-how”的新一代数据中台。

如果在科技圈组织一次评选，选出过去一年里最火的技术概念，中台必定能收获不少选票。

去年开始，BAT、TMD等一众互联网巨头先后开始了组织架构调整，意图建立中台架构体系。

不少中小企业很快也群起而效之，吹响了向中台架构转型的号角。

数据中台是什么及怎么用？这是我思考的第三个问题。

某种意义上来说：

场景和业务需求倒逼出了数据中台；多云适配，也是推动数据中台出现的重要原因之一。

通常企业的业务系统是条块化建设，例如淘宝和淘宝商城（天猫前身）各自都有货源体系，但因条块化建设，阿里巴巴难以看到自己的数据全貌，也无法将数据打通，而数据中台可以做到。

同时，上云已成为DT时代企业的共识，但认为上云就可以消除数据孤岛，其实也很大程度误导了企业和政府。

这里一套阿里云，那里一套华为云，大家互不相关，就好像你有一个山头，我有一个地盘，反而加剧了数据孤岛。

国外曾有一篇报道，预测未来五年全球范围内85%的企业会是多云环境。既然多云环境是必然的，底层的数据能力如何整合打通？

这时候会发现，无论什么样的IT系统或者云架构，无论在哪朵云上，通过数据中台，都可以让自己系统的数据在多云环境中自由流动。

正是多云环境的产生，决定数据中台未来会成为企业、政府的一个必选项。

再联系到明略科技这一次提出的数据中台战略便很好理解。

十四年深耕，明略科技已经完成从0到1的突破，走向从1到N的进化。这一过程中，便涉及更多深层次的从数据到知识的挖掘、分析、推理和应用。

以零售营销行业为例。

一方面，零售行业面向的消费群体非常庞大，全国十几亿人口都可以看作潜在客群；另一方面，零售行业是一个随意性购买特征非常明显的细分市场。

这意味着：企业推动业绩增长的野心就必须通过无微不至，覆盖尽可能多的渠道和场景去满足，比如拼团、秒杀等。

这类方案推出的越多，则会导致业务结构越复杂，在原平台架构运行越困难。

倘若通过数据中台赋能，便可实现两大目标：

1、将不同渠道中的会员数据打通，在大数据的基础上构建用户画像，实现以用户为中心的精准化营销。

2、更好地支持前端业务快速创新。譬如开发一个秒杀应用，过去需要从头开始，工作量非常庞大。现在中台把通用的积分、优惠券等模型相应解决，只需在表面做一些简单的开发。

此前，针对零售营销市场，明略科技也顺势推出智慧零售全渠道业务+数据中台解决方案。

该方案上层是各种应用，中间是数据中台和业务中台，底层是零售客户的数据后台。

业务中台由组织中心、商品中心、库存中心、财务中心、会员中心、营销中心、订单中心、配置中心八个子模块构成；

数据中台由数据汇聚平台、数据治理和开发平台、数据存储、数据分析和数据共享服务五层结构组成。

业务中台和数据中台相互赋能，业务中台产生数据，数据中台分析结果，然后再将分析结果反馈到业务场景，由此形成业务闭环。

明略科技智慧零售架构的核心价值在于，以业务结构、业务中台方式，把线上的数据和线下各种触点的数字化所有的数据进行融合，触达各种碎片化的场景，帮助零售企业补齐交互场景，缩短交易路径、推动价值转化。

“数据中台不仅是一个技术概念，也是组织形式的变革。这与20年前互联网爆发的时候一样，谁先用谁先受益。”

某行业人士坚定认为。

“我们目前能在历史数据达到10PB级、日均增量数据超过10TB级的环境下进行数据价值的挖掘，实现毫秒级的预测性分析，并结合行业知识图谱形成决策和行动。”明略科技某高层透露。

明略科技打造的数据中台，将多源异构的数据构建成知识图谱，建立数据之间的关联关系，深层次挖掘数据价值，在知识服务应用上提供更精准的个性化搜索与推荐，赋能政府和企业组织数字化转型进程。

极少有说法能在科技圈达成共识，数据资源是AIoT时代的新油田，这一句是个例外。

未来商业社会，最重要的不是结合了多少技术，而是将人们从数据收集、整理的低层次重复劳动中解脱出来，去往战略和管理等更高层面进行创新。

相比国外，中国在数据方面的软件系统付费意向薄弱；另外多维数据层面的打通与分析实在不易。

所以看到，中国的创业、创新大多围绕算法、算力层演进。

幸运的是，我们看到中国也有包括明略科技这样的企业，一直在死磕“数据”。

我曾经一度担心选择这条赛道的人都会因为断粮而放弃追梦，现在看到海内外资本的鼎力帮助，也是一件喜事。

而这也无疑佐证：谁说中国软件产品难现光明？

在一次公开演讲上，明略科技创始人兼董事长吴明辉说：

“通过智能技术帮助组织，让组织高效运转、加速创新，这是我的必然之路，是非常漫长的道路，贵在一种坚持，不仅要现在做，往后还要继续做。”

从这句话里，仿佛又看到了当年在北大校园的那个倔强男生，而这个男生的一生可能都在与“数据”耗着。