---
title: "深谱智能张天赫：数据为先，流量非大模型和AI训练的决定因素｜非凡挚友"
id: "20240116A05W4H00"
publicationAccount: "非凡产研"
originalPublishedAt: "2024-01-16T16:00:00+08:00"
canonical: "https://ffcap.cn/research/20240116a05w4h00"
source: "https://view.inews.qq.com/a/20240116A05W4H00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["模型与基础设施","流量与用户增长","AI 医疗","物流与供应链"]
---

# 深谱智能张天赫：数据为先，流量非大模型和AI训练的决定因素｜非凡挚友

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

  

![深谱智能张天赫：数据为先，流量非大模型和AI训练的决定因素｜非凡挚友 · 原文图片 1](https://inews.gtimg.com/om_bt/O1MB8dSBw79uxHJa3G5yKjQnhR0xwJI000RhO2Ts4f6oEAA/1000)

  

  

##    ******嘉宾介绍******

张天赫：深谱智能创始人兼CEO，同心尚科技合伙人；中国人民大学经济学硕士、中国社科院经济学博士；国内首批CFA和FRM持证人；20+年金融、产业、科技复合跨界经历，历任工商银行总行授信部门副处长、工银租赁董事总经理、私募基金总裁、上市公司董事、科技公司联席CEO等职，擅长风险管理、产业分析、价值评估、数据智能等领域。

  

深谱智能：由全球领先的图数据库厂商同心尚科技和张天赫博士联合创设，是一家深耕高性能图技术的数据智能服务商。一是为大型客户交付高性能分布式图技术引擎产品及解决方案；二是研发运营基于数据聚合的KaaS平台，为千行百业的中小企业和个人用户提供商业信息及产业情报服务；三是打造图智能XAI生态合作，推动AI产业融合发展。

  

##    ******快问快答******

**1、能否介绍下你们的产品和核心应用场景？**

  

近50年来，人类已跨越信息化、互联网（大数据/快数据）时代，正迈向深数据时代，面对海量、复杂、多样、高维数据、传统数据库和大数据框架已无法满足深数据时代的需求，对数据处理和分析技术提出了新的挑战。

  

图数据库技术在大数据分析和知识图谱应用中崭露头角，以其高维、自由、灵活、直观、高效的特点，成为处理深数据的基础设施和核心技术引擎。从互联网场景扩展到金融、供应链、医疗、舆情监测、工业互联网等领域，成为实现数据事务管理和分析决策智能的关键技术。据Gartner预测，到2025年，80%的数据和分析将应用图技术。

  

图数据库技术经历了几代跃迁，而XAI嬴图则是国产自研的第四代金融级高性能分布式图技术引擎。其采用超级节点穿透、高密度并发、动态剪枝、多级存储计算加速等底层创新性专利技术，构建了实时HTAP图数据库和高性能图计算引擎。XAI嬴图已在多家国内大型银行商用运行，并在流动性风险、资产负债管理、智慧审计、实时反欺诈等场景取得创新成果。其卓越的计算性能、高并发算法、简洁查询语言和在金融行业的首创性方案能力备受国际认可。

  

面对AI时代，高性能图技术和大语言模型作为两种技术范式，各具优势。图技术以过程可解释、结果可控制的白盒化特点脱颖而出，与大模型的黑盒化AI相辅相成，共同推动人工智能向可解释、可控制的新阶段发展。

  

**2、目前产品研发和市场拓展情况是什么样？2023年遇到的最大挑战和收获有哪些？**

  

目前，我们在强大的图技术引擎的基础上，正在围绕重点需求和数据场景朝着产品化、工具化甚至平台化的发展，比如实时资金流向分析、TP场景实时反欺诈和交易拦截，都对图技术引擎的高性能、低延迟以及算法能力提出了很高的要求。2023年最大的挑战是需求方当期经营压力导致的预算缩水和需求延后，最大的收获是客户认知越来越清晰。

  

**3、生成式AI和大语言模型为创业者带来了哪些机遇？这波创业浪潮和过往有哪些不同？**

  

这波ai浪潮对创业者的机会主要在应用层，对专有数据资源和用户转化能力提出了更高的要求，加上早期资本投资逻辑的变化，**创业机遇的场景化和碎片化程度会更高，小而美的应用会遍地开花，大场景难有机会，数据资源就是绕不过去的前提，很难指望跑出流量再来训练模型和和优化产品。**

  

**4、目前国内市场环境落地AI应用面临哪些挑战？**

  

我认为国内AI应用的落地主要面临以下挑战：一是数据要素、个人隐私、产权保护等方面的法律和政策还面临诸多不确定性；二是基础领域的百模大战硝烟未散，格局尚未清晰，依附于基础大模型的上层应用如何选择是个难题；三是基础大模型巨头的降维打击风险较国外更大。

  

**5、一些创业者认为大语言模型目前能力还不够，限制了AI应用/产品的发展。您对此怎么看？**

  

最近有媒体报道比尔盖兹公开表示，GPT-5不会比GPT-4好多少，不会再有之前GPT2到GPT4那样的重大飞跃，有足够的理由相信，**当前生成式AI已达到极限，下一个十年的突破将会是可解释AI，即XAI（Explainable Artificial Intelligence）。**

  

我的一些个人解读如下：

一、在openAI、微软等美国巨头在GPU算力资源足够的情况下，能“喂”进去的语料基本都“喂”进去了；

二、底层方法论和技术范式不变的条件下，能“调”的都“调”得差不多了；

三、基础大模型下一步的努力方式重点是“对齐”，即价值观、伦理、法律方面该对齐的对齐；

四、直接关联和模糊推理的语义生成机制终归还是技术的内在缺陷和适用的范围边界；

五、下一波的AI发展的方向和机会应该是垂域模型和场景运用，也更需要加持专有语料，并对关联精准性、过程可解释性、结果可控制性等方面有着更高的要求。

  

说到底，AI还是用来为人类服务的，AI的未来而更好地服务于人类，而不是尽可能取代人类的角色和位置。因此，在AI系统如何更好地为人类服务这个第一性问题上，增进AI信任机制，消除算法歧视、降低生成失误、消除风险漏洞始终是AI发展的主线，即持续地增强AI的可解释性，朝着可溯源、可归因、可审计、可控制的方向不断演进。

  

**6、如何看待大模型和GenAI 带来的“人机协同”新范式？企业如何适应和革新自动化流程业务升级的变化趋势？**

  

大模型和GenAI 带来的“人机协同”新范式确实是革命性的变化，原来简单、基础、重复性甚至部分创造性的工作都将有可能更多地交给智能分析工具、决策大脑、数字助理等硅基类人，企业用人需求将会发生相应变化，相关岗位需求将会减少。

  

**在流程重塑和产品再造实现降本增效的同时，企业组织文化、管理架构也随之需要调整优化，这是一个系统工程。**

  

##    ******报名通道******

作者：张天赫

编辑：Qiuping

---

原始发布版本：https://view.inews.qq.com/a/20240116A05W4H00

本站阅读页：https://ffcap.cn/research/20240116a05w4h00