07 21

[[startup-notes]] 现在CV，NLP这边AI落地得比较好，这个主要是因为CV和NLP用到的图像、视频、自然语言等数据就是大家每天都能见到、能用到、能获取到的数据，CV和NLP和解决的问题也是大家每天会遇到的，比如图像分割，人脸识别，自然语言理解等等。这些任务用传统方法，基于人工的规则不好做，但是对于AI来说，把海量的数据打上标签，AI模型就可以把这些问题解决得很好。然后因为这些任务就是真实存在在大家的生活中的，所以做出demo之后到逐步落地推广是一个比较直接的过程，也能比较直接地影响大家的生活。

但是对于图这边，图对于普通人来说平时接触和使用的其实并不多。这一方面导致了目前图数据的来源不如图像、自然语言等丰富，另一方面也导致大家对于图技术上的革新不够敏感。 但是这个情况一定是暂时的，因为可以看到，图本身最为最顶级的一种数据模型，目前有越来越多的公司愿意尝试和使用图来更自然地建模数据。另外图数据也会越来越多渗透到个人的生活中，例如现在主流的笔记软件都在推广和支持的双链笔记，就是用图的形式来组织个人笔记。随着时代的发展，图的数据会越来越丰富，那么此时用图AI的技术来做图分析，就是一种自然而且必然的选择。

至于图AI落地的形式，现阶段可能是先局限在大公司利用已有的图数据提供抽象好的服务，用户本身感受不到图的存在。例如用在深度学习推荐系统，模型的提升带来CTR等指标的提升，提升用户个性化推荐的体验；也可以以知识图谱的形式与NLP/CV结合，等等。这里的市场已经是非常大了，另外随着图数据的发展和积累，更多创新的图技术的应用场景也一定会涌现。