有媒體將一覽群智比作“中國版Palantir”。文繼榮認可這一說法，但強調一覽群智更看重技術，有更為深厚的AI基因。一覽群智用智語、智慧、智圖和智策，構建了從感知、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？

有一點可以肯定的是，這四大產(chǎn)品不是一覽群智團隊拍腦袋拍出來的，而是他們在解決問題的過程中，發(fā)現(xiàn)這幾個產(chǎn)品是必須要有的。比如數(shù)據(jù)，一覽群智做銀行場景、政府場景的時候，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)都是非結構數(shù)據(jù)。”解決問題，先過非結構數(shù)據(jù)這道關，否則分析和決策就無從談起。

如何處理非結構數(shù)據(jù)？在公安場景，一覽群智如何從一堆文檔里抽取出人、地、事物、組織、機構、案件等最重要的信息？這需要先定義，再構建不同的信息抽取工具，才能從大量的非結構化數(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構化數(shù)據(jù)融合在一起。因為兩數(shù)據(jù)的信息密度是不一樣的。非結構化數(shù)據(jù)，準確度低，需要被清洗。

這個過程，會碰到消歧問題。還會遇到圖數(shù)據(jù)庫的問題。比如大學畢業(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加進來的情況。但圖數(shù)據(jù)庫可以，圖數(shù)據(jù)庫還可以做關系性推導，推導出不同的人之間的關系�！拔覀儼l(fā)現(xiàn)，某種程度上，它跟知識圖譜的概念、推理關系是一致的。我們需要一個知識圖譜的構建工具，所以有了智圖。”胡健說，“解決了抽取問題，把非結構化數(shù)據(jù)結構化。圖數(shù)據(jù)庫加上知識圖譜解決了構建問題，然后人機協(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挖掘、文本挖掘平臺，將大量非結構化數(shù)據(jù)轉化為結構化數(shù)據(jù)，基于結構化的數(shù)據(jù)，構建人、地、事物、組織之間的關系知識圖譜，提供人機交互的可視化分析引擎，讓知識與人直接銜接，最終與行業(yè)場景銜接，打造行業(yè)決策引擎。

而這背后更大的技術邏輯是人工智能即將邁入認知智能技術時代。一覽群智團隊認為，未來是增強人工智能，是人與機器協(xié)作�！袄�用機器超強計算能力、存儲能力、加上分析推理能力，與專家經(jīng)驗銜接來創(chuàng)造價值�！焙�健說。

動態(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不同場景下的不同企業(yè)做定制化的調整�！�，初期，我們跟用戶A共創(chuàng)，A提了十個方向，根據(jù)通用性與痛點，我們選擇幾個方向，把產(chǎn)品做好，然后拿著這個產(chǎn)品從A賣到B、C、D，這個過程中，定制不斷減少，定制化程度不斷降低�！�

比如在銀行場景，一覽群智找到的一個大的、通用需求是審單。審單產(chǎn)品可以用于國際結算審單，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景，該過程是一個不斷完善的過程，“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，難度很大。為什么？這不是30％的難度問題，而是對于行業(yè)的理解問題，我們要花很長的時間去理解客戶的行業(yè)，要花很長的時間去幫客戶出一個解決方案，要花很長時間，把解決方案變成一個能夠Work的產(chǎn)品。甚至，我們還要去驗證產(chǎn)品是不是有效。整個周期會變得非常長�！�

據(jù)了解，一覽群智的組織結構中，有基礎研發(fā)部，負責技術組件的研發(fā)和維護。在技術組件的上層，是針對行業(yè)場景，利用技術組件打造的產(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)務部門用組件做產(chǎn)品，用戶可能無法感知你的技術組件，但他必然關心你是否幫我解決了問題�！�

但以上仍有兩個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)品化率是動態(tài)形成的。在做同一場景的不同客戶時，在修改；在做不同場景的時候，也在修改。這是一個漸進過程�！�70％也許永遠停留在70％。這是因為不同行業(yè)的差異還是很大的。你做得行業(yè)越多，就會發(fā)現(xiàn)越往下，底層的東西，甚至不是四層，會變成五層、八層，而越往上，則不斷細分。直到哪一天，你做了十個行業(yè)，發(fā)現(xiàn)萬事萬物皆出于這幾個組件，但這個時候，標準化層次可能就不是70％了，可能變成50％，甚至比50％更低�！焙�健提到。

“70％不是一個絕對數(shù)字。”現(xiàn)階段，一覽群智主要落地兩大場景：金融和政府，胡健認為“70％是能夠解決的�！钡�當一覽群智做得行業(yè)越來越多，產(chǎn)品化率可能無法達到70％。“越來越多東西是沒法通用，可能還要往下沉。最后的產(chǎn)品化率可能只有50％，但這個50％是完全不一樣的。應用層以下，分層會越來越多，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，先后擔當36氪CTO、鯨準總裁等職務。

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�，我看到一個問題，從頭寫到尾，寫到一個函數(shù)里面。寫出來之后，發(fā)現(xiàn)在多場景之下，有些功能可以封裝成一個類……

問題在于這個函數(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。如果只有一個客戶，不用分層，一層就夠了。但當你有一萬個客戶的時候，產(chǎn)品會因不同用戶的需求變得越來越復雜，層越分越多，越分越細�！焙�健強調，這個過程，越分越細并不意味著降低標準化，相反地，標準化程度越來越高�！�