2012年，Google推出了一款從Metaweb中衍生而來的產品，名字叫做Knowledge Graph（知識圖譜），彼時其功能在於，搜索內容時提供附加的衍生結果。
8年間隨着人工智能的發展，知識圖譜開始應用於更多的場景，關注度不斷攀升，成爲認知智能領域的核心技術之一。最重要的是，知識圖譜逐漸成爲人工智能應用的強大助力。
知識圖譜，通過節點和關係把所有不同種類的信息（Heterogeneous Information）連接在一起得到一個關係網絡，爲真實世界的各個場景直觀建模，不需要中間轉換的處理方式就能夠把複雜的自然與社會關係直觀地教授給人工智能應用。從而讓智能應用，變得更快速、準確。
知識圖譜的核心價值在於對多源異構數據和多維複雜關係的處理與可視化展示，讓上游大數據和下游AI任務形成有效連接，突破以往基於字符串匹配的淺層語義，更加便利、有效的幫助客戶組織領域知識，爲流程優化、輔助決策、預測分析等下游應用提供基礎服務。
在知識表示層面上，知識圖譜跨界引入，對節點和關係做向量化處理，將生活與生產活動中難以用數學模型直接表示的關聯屬性，利用語義網絡和專業領域知識進行組織存儲，形成一張以關係爲紐帶的數據網絡，再加以挖掘與分析，將隱藏在行爲之下的利益鏈條和價值鏈條進行直觀圖例展示。
知識圖譜應用方向與價值意義
知識圖譜應用主要表現在三個方向：
1｜搜索推薦
搜索推薦，使獲取信息路徑更短，助力發現未知知識。
相較於傳統搜索，知識圖譜在搜索中進行了三方面的優化：
一是加大結果準確。面對用戶搜索關鍵詞意義的多重性，知識圖譜可以展示最全面的信息，提供更多機會命中用戶需求；
二是結果包括全面的摘要，相關聯結果呈現更詳細；
三是更廣深搜索，通過知識圖譜建立的關係讓用戶可以通過互動、點擊拓展搜索的深度和廣度。
2｜智能客服
在這種全新的人機交互形式下，對信息要求有更高的整合度、覆蓋度和語義化，知識圖譜扮演者“大腦”的角色。
基於知識圖譜的問答匹配優點在於，在對話結構和流程的設計中支持實體間的上下文會話識別與推理；在一般型問答中的準確率會相對比較高。
3｜可視化
可視化展示，用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪製和顯示知識及它們之間的相互聯繫。知識圖譜提供了數據的全局視圖和更語義化的表達，給從業者帶來了大數據驅動的決策能力。
知識圖譜可視化展示促使用戶能夠推斷出新的關係，發現潛在的模式或問題，瞭解圖譜結構，理解並糾正或修改鏈接方式、補全知識等。
知識圖譜的重要性不僅在於它是一個龐大系統的知識庫，更重要的是它能支撐起智能搜索和直觀可視化等智能應用的基礎。從這個意義上來看，知識圖譜不僅是一項技術或基礎應用，更是一筆重要資產。
知識圖譜當前應用場景
隨着架構和應用的不斷完善與深入，知識圖譜助力了很多熱門的人工智能應用場景，例如語音助手、聊天機器人、智能問答等，覆蓋了泛互聯網、金融、政務、醫療等衆多領域。
近年來知識圖譜在電子商務、金融、公安、醫療等行業逐步開始落地，在這些行業的滲透、深入中，知識圖譜愈來顯現其基礎性作用。
1｜金融
知識圖譜廣泛應用於金融行業，在於其基礎設施好、信息化較早且成熟，數據標準化程度高；業務由數據驅動，應用範圍較廣；市場規模大，金融機構在數據業務的付費意願高，付費能力強。
基於知識圖譜深度感知、廣泛互聯孤立數據、高度智能共享分析等優勢，客戶可擴展現有數字資源的廣度和深度，支撐智能應用，建立知識圖譜、補全因果鏈條，解決和打破信息繭房，爲智慧金融建設提供了一種可行的方案。
以銀行爲例，我們可以看到知識圖譜在金融全場景中的重要應用價值。
2 | 醫療
基於強大的語義處理與開放互聯能力，知識圖譜對醫學領域而言，能夠建立較系統完善的知識庫並提供高效檢索；面對知識管理、語義檢索、商業分析、決策支持等方面需求，醫學知識圖譜能推進海量數據的智能處理，催生上層智能醫學的應用。
當前醫療保健費用、需求的增長與優質醫療資源不足間的問題在不斷突出，隨着近幾年來人工智能的飛速發展，以及精準醫療、智慧醫療的提出，醫學知識圖譜應用關注度在日益上升，輔助診療大有可爲。
3 | 公共安全與政務
知識圖譜在公共安全及政務領域應用在於處理源源不斷的海量數據。引入知識圖譜技術將很好的打破了行業的數據孤島難題，同時在將數據進行連接之後，挖掘出數據背後更多有價值的信息，科技挖掘數據背後的故事。
以公安知識圖譜爲例，公安知識圖譜通過數據採集、處理、數據庫重構、知識轉化和實戰應用，運用分佈式存儲、關聯算法、語義推理等技術，再基於實體的屬性聯繫、時空聯繫、語義聯繫、特徵聯繫等建立相互的關係，即可構建一張具有公安特性的多維多層的實體與實體、實體與事件的關係網絡，實現公安技術與業務的深度融合。
在公共安全及政務領域，知識圖譜已經成爲了基礎數據服務，爲上層智能應用提供基礎設施支撐。
4 | 能源與工業
工業知識圖譜是基於工業產品研發、生產、運行、保障、營銷和企業管理等運行規律建立的關係網絡，用於更好地組織、管理和理解工業體系的內部聯繫，是知識圖譜的重點發展方向之一。
就工業領域中構建的知識圖譜來看，可以分爲兩類，一類是已有設備信息、生產信息的數字化知識圖譜，諸如將設備維護手冊、故障應用案例、一線專家經驗數字化，並構建相應的知識圖譜；另一類則是將設備信息、設備及數字化系統工作過程信息，甚至整個生產流程部分或全部數字化，並將其中不同垂直領域的數據關聯起來，構建相應的知識圖譜。
5 | 消費商業
隨着消費升級，人們對產品的需求消費愈來個性化，服務商需要精準滿足用戶的個性化消費體驗。在電商行業，知識圖譜廣泛地應用於搜索、前端導購、平臺治理、智能問答、品牌商運營等核心、創新業務。知識圖譜通過建立聯繫賦能搜索推薦實現個性化推薦滿足用戶需求。
幫助電商透視全局數據，協助平臺治理運營發現問題商品，幫助行業基於確定的信息選品，做人貨場匹配提高消費者購物體驗等等，電商搭建知識圖譜可爲新零售、國際化提供可靠的智能引擎。
知識圖譜的價值促使其熱度在未來將會持續：
第一、在畫像、推薦、搜索中通過長期的前期數據和技術的積累，知識圖譜逐步完成了業務落地，未來會逐漸傳播擴散到傳統企業以精準搜索爲例的場景。
第二、在智慧金融領域，知識圖譜對於風控有天然優勢，能快速吸引資本與企業踏入，積累行業垂直的數據與技術應用能力。
第三、在智慧醫療、智慧政務、智慧能源等新興爆發領域，知識圖譜通過知識關聯、視覺化展示，能夠幫助客戶梳理整理業務知識以及提供輔助預判等服務。
知識圖譜的四大趨勢
中國軟件網記者認爲，知識圖譜將對企業數字化轉型起到關鍵性的作用，知識圖譜如今顯示出四大趨勢：
1｜知識圖譜的主流搭建模式有兩種
一種是從具體業務痛點出發做搭建，解決業務上的問題，所以不同業務場景往往會選擇不同的廠商；另一種則是做系統性考慮，先選擇廠商，然後再搭建一個公司級的知識圖譜平臺，逐漸覆蓋至全業務，最終實現不同場景之間的數據關聯和打通。
從全局考慮，公司級的知識圖譜平臺將成爲重要的未來發展趨勢，但其建設週期較長，在規劃階段工作較複雜是當前的主要問題。
2｜知識圖譜的滲透率不斷提升
隨着技術成熟度的提高以及市場的認可度的增長，知識圖譜在市場的滲透率將會越來越高，特別是類似醫療或者能源這類典型的知識密集型行業。
基於知識圖譜搭建知識問答平臺，可以精準地爲用戶推送內容，實現有效知識的精準觸達。
3｜知識圖譜將在金融行業率先開花
金融行業歷來對新產品、新技術都以“敢喫螃蟹”而著稱，在知識圖譜上也不例外。
除了常見的營銷、風控以外，金融行業的具體應用在市場監管、智能投研等應用場景也大有可爲，目前比較普遍的行業認知是，知識圖譜技術幾乎可以應用在券商的全部業務上。
4｜知識圖譜將在智慧城市的建設起到至關重要的作用
在智慧城市所包含的民生服務、城市治理以及產業經濟等領域，知識圖譜可以將城市生活方面的數據和城市管理方面的數據進行關聯分析和挖掘，併成爲搜索、問答、推薦等功能與應用的知識數據支撐。
國內主流知識圖譜企業
知識圖譜是企業下一代管理數據的一種新的組織方式，能夠更高效的連接上游的大數據和下游的AI建模任務。
據不完全統計，我國知識圖譜產品或解決方案主流企業約有38家，這些企業大致可以分爲兩類，一類是大廠，一類是初創企業。在這其中，佈局在金融領域的企業約佔65%，公共服務與政務領域約佔26%，能源與工業領域約佔26%，是企業入局最高的三大領域。
知識圖譜企業在金融行業的技術積累及應用都較爲成熟，企業發展態勢良好。
在公共服務與政務領域中，隨着越來多的政策支持，知識圖譜應用需求不斷增加。以公安爲例，據不完全統計，在公安知識圖譜領域的8家初創企業中，在產品或解決方案都有一定的積累和成熟度，並專注於公安知識圖譜應用。
公安是企業參與量較大的領域。從企業官網公佈的數據來看，海致網聚應用範圍突出，支持所有公安場景。同時該企業落地實踐應用業務面較廣，目前已與公安部、上海、南昌、武漢、成都、廣州、深圳北京等80多個地市公安機關展開了大數據應用的深度合作。
作爲人工智能的基礎，互聯網廠商在知識圖譜中技術積累更爲成熟，在行業應用中也具有相當的代表性。
從產品優勢上來看，騰訊雲、阿里雲、華爲雲較爲突出，皆顯示出了一站式服務、高效算法、長期積累的特性。
其中在騰訊雲獨有的物聯網場景中，物聯網領域的終端設備，例如醫療儀器、運輸業車輛 GPS 等，可以輕易且持續的產生 TB 級的數據。知識圖譜在物聯網數據接入、管理、分析等方面，爲客戶提供從引擎級產品到行業知識落地的全套解決方案，原生的圖計算框架能幫助客戶從這些數據中挖掘出其隱含的巨大價值。
阿里雲和華爲雲分別在電力知識圖譜應用，油氣知識圖譜應用中展示出了一定的關注度。
阿里雲將電力領域設備說明、操作規程等複雜技術文檔，用知識圖譜來表示支持操作人員快速進行操作查詢、故障診斷、維修指導、業務學習，同時也方便業務文檔的管理、迭代、沉澱、傳遞，是電力領域專業知識管理應用的基石。
華爲雲基於油氣勘探開發過程中會產生多種形式的海量數據，有效聚合這些多源異構數據，助力油氣行業實現數字化和智能化轉型。基於勘探知識圖譜可以提供豐富的油氣應用，例如語義搜索、油藏類比、油氣知識推薦，支撐油氣勘探開發增儲上產、降本增效。
不管是新銳公司還是巨頭公司，知識圖譜領域作爲智能應用的支撐性存在，都必然將隨着企業上雲與數智化的發展而迎來屬於自己的契機。