隨著圖、圖結(jié)構(gòu)、圖數(shù)據(jù)、圖算法、圖計(jì)算、圖學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等信息技術(shù)的快速發(fā)展，各行業(yè)數(shù)字化水平的逐步提高，企業(yè)業(yè)務(wù)環(huán)境和計(jì)算場(chǎng)景日益復(fù)雜，數(shù)據(jù)間的關(guān)聯(lián)關(guān)系也正在變得更加交錯(cuò)。在面對(duì)需要深度挖掘數(shù)據(jù)間復(fù)雜關(guān)聯(lián)關(guān)系的場(chǎng)景時(shí)，傳統(tǒng)的關(guān)系型數(shù)據(jù)往往計(jì)算效率低下，難以滿足應(yīng)用需求。

本文通過科研端文獻(xiàn)研究、產(chǎn)業(yè)調(diào)研與專家訪談等方式，將從技術(shù)、人才、科研與產(chǎn)業(yè)四個(gè)維度展開分析，闡明行業(yè)發(fā)展背景、追溯技術(shù)發(fā)展歷程、拆解技術(shù)原理及優(yōu)勢(shì)、勾勒行業(yè)格局，并研判圖計(jì)算未來發(fā)展趨勢(shì)。

圖計(jì)算技術(shù)特點(diǎn)

一、圖計(jì)算技術(shù)特點(diǎn)

1、高效地對(duì)具有復(fù)雜關(guān)聯(lián)關(guān)系的數(shù)據(jù)進(jìn)行深度計(jì)算

圖提供了一種能夠代表現(xiàn)實(shí)世界中絕大多數(shù)事物關(guān)聯(lián)關(guān)系的獨(dú)特的結(jié)構(gòu)。與經(jīng)典的表格或者矩陣不同，圖上的節(jié)點(diǎn)和邊并沒有被賦予過多的權(quán)重，每個(gè)元素都依賴于其他元素并形成一種互聯(lián)互通的關(guān)系，而這種關(guān)系是所有基于圖的假設(shè)和預(yù)測(cè)的核心。在大數(shù)據(jù)計(jì)算中，通過分析圖數(shù)據(jù)之間的關(guān)聯(lián)性，能夠高效地從噪聲很多的海量數(shù)據(jù)中抽取有用的信息。

圖計(jì)算系統(tǒng)基于頂點(diǎn)和邊的方式存儲(chǔ)圖數(shù)據(jù)和計(jì)算，能夠建構(gòu)任意復(fù)雜的網(wǎng)絡(luò)和模型并存儲(chǔ)大量的信息，進(jìn)而完整且形象地映射分析人員想要研究的問題域。經(jīng)典的表格結(jié)構(gòu)的數(shù)據(jù)都能夠用圖數(shù)據(jù)來表示，但不是所有的圖數(shù)據(jù)都能夠用數(shù)組或表格的形式來表示。

2、在對(duì)簡(jiǎn)單事物關(guān)系的數(shù)據(jù)進(jìn)行計(jì)算時(shí)，列表型的數(shù)據(jù)尚且能夠展現(xiàn)出高效的性能

一旦模型復(fù)雜度提升例如金融領(lǐng)域中的交易數(shù)據(jù)，傳統(tǒng)的列表數(shù)據(jù)模型的劣勢(shì)將顯現(xiàn)無疑。倘若在傳統(tǒng)的關(guān)系型數(shù)據(jù)模式下進(jìn)行分析和計(jì)算，復(fù)雜的業(yè)務(wù)場(chǎng)景將帶來冗余的表之間的關(guān)聯(lián)操作和頻繁的數(shù)據(jù)通信，造成成千上萬倍計(jì)算量的提升，系統(tǒng)性能大打折扣，極大降低了計(jì)算的效率。但是，在面對(duì)高度結(jié)構(gòu)化的數(shù)據(jù)時(shí)，圖計(jì)算的處理能力將不及基于傳統(tǒng)數(shù)據(jù)模型的計(jì)算，這是由于在進(jìn)行圖計(jì)算的過程中存在著隨機(jī)訪問的問題。

二、數(shù)據(jù)庫演進(jìn)方向：關(guān)系型數(shù)據(jù)庫向非關(guān)系型發(fā)展

數(shù)據(jù)間關(guān)聯(lián)趨于復(fù)雜、數(shù)據(jù)量劇增，對(duì)于圖數(shù)據(jù)存儲(chǔ)計(jì)算的需求隨之增長(zhǎng)。隨著通信技術(shù)和大數(shù)據(jù)的快速發(fā)展、業(yè)務(wù)環(huán)境和計(jì)算場(chǎng)景趨于多樣，企業(yè)的數(shù)據(jù)需求正在發(fā)生變化，除了數(shù)據(jù)量劇增之外，數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系也變得更加復(fù)雜交錯(cuò)。雖然傳統(tǒng)的關(guān)系型數(shù)據(jù)庫已經(jīng)較為成熟，但在需要進(jìn)行復(fù)雜關(guān)聯(lián)查詢的情況下，關(guān)系型數(shù)據(jù)庫需要多表關(guān)聯(lián)查詢，計(jì)算效率低下甚至難以完成。而圖數(shù)據(jù)庫的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)由頂點(diǎn)、邊組成，能更自然、準(zhǔn)確、直觀地表述數(shù)據(jù)間的關(guān)聯(lián)關(guān)系，從而提高計(jì)算效果，在社交網(wǎng)絡(luò)、知識(shí)圖譜等領(lǐng)域得以大展身手。

三、圖數(shù)據(jù)庫發(fā)展歷程：過往十年關(guān)注熱度持續(xù)攀升

過去 40 年，以 Oracle、 SQL為代表的關(guān)系型數(shù)據(jù)庫幾乎壟斷了全球數(shù)據(jù)庫市場(chǎng)。隨著關(guān)系型數(shù)據(jù)庫在數(shù)據(jù)關(guān)聯(lián)分析方面的乏力表現(xiàn)逐漸凸顯。在業(yè)務(wù)場(chǎng)景的驅(qū)動(dòng)下，越來越多的企業(yè)對(duì)圖計(jì)算能力的需求快速增長(zhǎng)，以增強(qiáng)自身商業(yè)決策能力。另一方面，自 2007 年第一款商用圖數(shù)據(jù)庫 Neo4j 發(fā)布以來，在學(xué)術(shù)界和產(chǎn)業(yè)界的共同努力下，圖數(shù)據(jù)庫的可擴(kuò)展性、易用性等各方面能力逐漸補(bǔ)齊，產(chǎn)品成熟度逐漸提高。目前行業(yè)內(nèi)已有傳統(tǒng)數(shù)據(jù)庫、公有云廠商和初創(chuàng)企業(yè)等進(jìn)入。

各類數(shù)據(jù)庫近十年來熱度變化

四、圖計(jì)算系統(tǒng)發(fā)展歷程：從通用大數(shù)據(jù)計(jì)算系統(tǒng)到專用圖計(jì)算系統(tǒng)

早期專門針對(duì)大型圖計(jì)算的系統(tǒng)出現(xiàn)之前，業(yè)內(nèi)主要通過單機(jī)圖算法庫或通用大數(shù)據(jù)計(jì)算系統(tǒng)實(shí)現(xiàn)。其中，Google 推出的大規(guī)模數(shù)據(jù)并行處理計(jì)算模型 MapReduce，以及加利福尼亞大學(xué)伯克利分校（UC Berkeley）AMP Lab 開發(fā)的 Spark 系統(tǒng)，對(duì)圖計(jì)算系統(tǒng)發(fā)展起到了重要推進(jìn)作用。但由于磁盤存儲(chǔ)局限性等問題，通用型大數(shù)據(jù)計(jì)算系統(tǒng)在性能、易用性等方面都未能盡如人意。

圖計(jì)算領(lǐng)域研究側(cè)追究

一、研究側(cè)追究

1、圖計(jì)算領(lǐng)域研究側(cè)追蹤：近十年，熱度與發(fā)表論文數(shù)量雙漲

300 年前歐拉開辟了圖論研究的范疇，50年前圖數(shù)據(jù)庫在計(jì)算機(jī)誕生之后也隨即問世，進(jìn)入大數(shù)據(jù)時(shí)代，數(shù)據(jù)量的指數(shù)膨脹不僅帶來了大量的數(shù)據(jù)分析需求，使得圖計(jì)算在面對(duì)復(fù)雜關(guān)聯(lián)數(shù)據(jù)時(shí)的優(yōu)勢(shì)逐漸凸顯；同時(shí)海量的數(shù)據(jù)也給予了深度計(jì)算發(fā)展所需的養(yǎng)分，圖計(jì)算作為深入挖掘數(shù)據(jù)信息的有力工具，其研究進(jìn)入了快速發(fā)展期。

從 2003 年到 2021 年，圖計(jì)算領(lǐng)域論文發(fā)表數(shù)量呈現(xiàn)明顯的上升趨勢(shì) ，尤其在 2014、2015年至2021年期間，研究論文發(fā)表數(shù)量翻倍增長(zhǎng)達(dá)到高峰。究其本質(zhì)，移動(dòng)互聯(lián)網(wǎng)和金融科技等大數(shù)據(jù)驅(qū)動(dòng)型行業(yè)，以及人工智能相關(guān)技術(shù)、知識(shí)圖譜和圖神經(jīng)網(wǎng)絡(luò)的研究在該時(shí)間段內(nèi)蓬勃發(fā)展，極大地拉動(dòng)了圖計(jì)算研究熱度。另一方面，底層硬件的不斷升級(jí)和圖計(jì)算引擎的成熟化、公開化也為圖計(jì)算的研究搭建了完善的基礎(chǔ)設(shè)施。

圖計(jì)算相關(guān)主題論文發(fā)表數(shù)量

從上圖可以看出，2012 年是研究熱度和發(fā)表論文數(shù)量的階段性分水嶺。近十年，以上述關(guān)鍵詞為研究主題的論文發(fā)表數(shù)量，呈明顯增長(zhǎng)趨勢(shì)，相關(guān)領(lǐng)域當(dāng)年論文發(fā)表數(shù)量均在2020 年、2021 年達(dá)到最高峰。

2、圖計(jì)算領(lǐng)域研究論文地域分布：中美領(lǐng)銜，歐洲國(guó)家緊跟其后

根據(jù) WebofScience數(shù)據(jù) ，近 20 年來圖計(jì)算相關(guān)話題領(lǐng)域的論文發(fā)表主要來自于中國(guó)和美國(guó)，德國(guó)、法國(guó)等歐洲國(guó)家和印度緊隨其后。在美國(guó)，以卡耐基梅隆大學(xué) 、加州大學(xué)伯克利分校以及麻省理工學(xué)院為首的計(jì)算機(jī)科學(xué)頂尖高校貢獻(xiàn)了絕大多數(shù)圖計(jì)算領(lǐng)域的論文發(fā)表。

在中國(guó)，清華大學(xué)、北京大學(xué)、中國(guó)科學(xué)院以及華中科技大學(xué)是圖計(jì)算領(lǐng)域研究的先驅(qū)，貢獻(xiàn)了中國(guó)絕大多數(shù)的高被引用圖計(jì)算論文。

歐美國(guó)家在計(jì)算機(jī)科學(xué)（圖計(jì)算相關(guān)領(lǐng)域）的研究積淀較多，積累了較為領(lǐng)先的學(xué)術(shù)界實(shí)力與豐富的產(chǎn)業(yè)界應(yīng)用 。在圖計(jì)算研究早期，Google 等大型互聯(lián)網(wǎng)公司在核心業(yè)務(wù)中對(duì)于圖數(shù)據(jù)分析的采用以及各類大數(shù)據(jù)分析框架的開源為圖計(jì)算的發(fā)展起到了不小的推動(dòng)作用。中國(guó)圖計(jì)算研究的高峰起源于大數(shù)據(jù)趨勢(shì)的鋪展，科技型企業(yè)依據(jù)業(yè)務(wù)分析需求，逐步深耕圖計(jì)算應(yīng)用。與此同時(shí)中國(guó)的頂尖高校在圖計(jì)算的底層理論研究上也頗有建樹。

圖計(jì)算相關(guān)主題論文發(fā)表數(shù)量按國(guó)家分布

二、圖計(jì)算領(lǐng)域全球一流研究機(jī)構(gòu)分布

國(guó)外涉及大學(xué)：

加拿大：UniversityofWaterloo；新加坡：National UniversityofSingapore、NanyangTechnologicalUniversity；澳大利亞：Universityof New South Wales；美國(guó)：Microsoft、Facebook、University ofCalifornia、UniversityofIllinoisatUrbanaGoogle、IBM、CarnegieMellonUniversityUniversityofWashingtonTeradataAster

、CornellUniversity、Stanford University

國(guó)內(nèi)涉及大學(xué)：

清華大學(xué)計(jì)算機(jī)系、哈爾濱工業(yè)大學(xué)計(jì)算機(jī)學(xué)院、北京大學(xué)王選計(jì)算機(jī)研究所、北京郵電大學(xué)計(jì)算機(jī)學(xué)院、中國(guó)科學(xué)技術(shù)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院、復(fù)旦大學(xué)大數(shù)據(jù)學(xué)院、華中科技大學(xué)計(jì)算機(jī)系、上海交通大學(xué)軟件學(xué)院、電子科技大學(xué)、計(jì)算機(jī)科學(xué)與工程學(xué)院、香港大學(xué)計(jì)算機(jī)科學(xué)系、香港科技大學(xué)計(jì)算機(jī)科學(xué)與工程系、香港中文大學(xué)計(jì)算機(jī)科學(xué)與工程系

三、圖計(jì)算領(lǐng)域全球一流研究人才分布

圖計(jì)算的快速發(fā)展離不開研究學(xué)者們的努力和貢獻(xiàn)。不僅在基礎(chǔ)理論層面研究深耕，也在產(chǎn)業(yè)化實(shí)踐方面不斷更迭創(chuàng)新，助力圖計(jì)算在大數(shù)據(jù)的沃土里生根發(fā)芽，蓬勃生長(zhǎng) 。

陳文光

清華大學(xué)計(jì)算機(jī)系教授，國(guó)家自然科學(xué)基金杰出青年基金獲得者。現(xiàn)任螞蟻集團(tuán)圖計(jì)算技術(shù)負(fù)責(zé)人及技術(shù)研究院院長(zhǎng)。2014年提出并實(shí)現(xiàn)了一種單機(jī)圖處理引擎GridGraph。2016年初，進(jìn)一步成功研制了名為“Gemini ”的分布式圖計(jì)算系統(tǒng)，其在典型大數(shù)據(jù)分析應(yīng)用(如PageRank) 上的性能是國(guó)際同類圖計(jì)算系統(tǒng)的十倍以上2021年，領(lǐng)導(dǎo)螞蟻集團(tuán)與清華大學(xué)共同研發(fā)大規(guī)模圖計(jì)算系統(tǒng)GeaGraph(螞蟻集團(tuán)TuGraph前身)，并獲得2021世界互聯(lián)網(wǎng)領(lǐng)先科技成果發(fā)布。

鄒磊

中國(guó)RDF圖領(lǐng)域的先驅(qū)研究者。北京大學(xué)王選計(jì)算機(jī)所教授，國(guó)家自然科學(xué)基金優(yōu)秀青年基金項(xiàng)目獲得者。研究領(lǐng)域包括圖數(shù)據(jù)庫，RDF知識(shí)圖譜，尤其是基于圖的 RDF 數(shù)據(jù)管理和自然語言問答研究。主持研發(fā)了面向知識(shí)圖譜數(shù)據(jù)的圖數(shù)據(jù)庫系統(tǒng)gStore和知識(shí)圖譜問答平臺(tái)gAnswer。2014 年所主持的項(xiàng)目“海量圖結(jié)構(gòu)數(shù)據(jù)存儲(chǔ)和查詢優(yōu)化理論研究”，獲得中國(guó)計(jì)算機(jī)學(xué)會(huì)自然科學(xué)二等獎(jiǎng)。2017 年所主持的項(xiàng)目“大規(guī)模圖結(jié)構(gòu)數(shù)據(jù)管理”獲得教育部自然科學(xué)二等獎(jiǎng)。

石川

北京郵電大學(xué)計(jì)算機(jī)學(xué)院教授、博士研究生導(dǎo)師，北京郵電大學(xué)圖數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)實(shí)驗(yàn)室的創(chuàng)辦人。主要研究方向?yàn)榛趫D機(jī)構(gòu)數(shù)據(jù)的數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能和大數(shù)據(jù)分析。近年來，為異質(zhì)圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究貢獻(xiàn)了重要的力量。

張宇

華中科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院副教授，主要研究方向是大數(shù)據(jù)處理的體系結(jié)構(gòu) 和系統(tǒng)軟件、圖計(jì)算。研制了高能效軟硬協(xié)同圖計(jì)算引擎，性能功耗比在第18屆Green Graph 500 排名中全球第一 ，單機(jī)性能在第 23 屆和第 24 屆 Graph 500 排名中全球第一。

金海

華中科技大學(xué)、計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授、博士生研究導(dǎo)師。主要研究方向計(jì)算機(jī)體系結(jié)構(gòu)、計(jì)算系統(tǒng)虛擬化、集群計(jì)算和云計(jì)算等。

鄭衛(wèi)國(guó)

復(fù)旦大學(xué)數(shù)據(jù)科學(xué)學(xué)院副教授。主要研究方向大規(guī)模圖數(shù)據(jù)管理和挖掘、自然語言處理，特別是知識(shí)圖譜、自然語言問答等相關(guān)算法的設(shè)計(jì)與應(yīng)用。

陳海波

上海交通大學(xué)軟件學(xué)院教授、華為操作系統(tǒng)首席科學(xué)家、操作系統(tǒng)內(nèi)核實(shí)驗(yàn)室主任、SOSP首位中國(guó)學(xué)者主席。主要研究方向系統(tǒng)軟件，系統(tǒng)結(jié)構(gòu)與系統(tǒng)虛擬化。

代亞非

北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授。主要研究方向分布式系統(tǒng)研究。

陳紅陽

之江實(shí)驗(yàn)室圖計(jì)算研究中心高級(jí)研究專家。主要研究方向大數(shù)據(jù)智能，智能網(wǎng)絡(luò)與系統(tǒng)，機(jī)器學(xué)習(xí)理論與應(yīng)用，無線通信與網(wǎng)絡(luò)，LTE-A/ 5G通信技術(shù)標(biāo)準(zhǔn)化，無線定位與跟蹤技術(shù)，智慧城市，統(tǒng)計(jì)信號(hào)處理。

圖計(jì)算領(lǐng)域部分代表研究學(xué)者

四、圖計(jì)算研究趨勢(shì)

1、圖神經(jīng)網(wǎng)絡(luò)

近年來，人們對(duì)深度學(xué)習(xí)方法在圖數(shù)據(jù)上的應(yīng)用越來越感興趣，圖神經(jīng)網(wǎng)絡(luò)也因此誕生并逐漸成為研究人員關(guān)注的熱點(diǎn)。圖神經(jīng)網(wǎng)絡(luò)是指使用神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)圖結(jié)構(gòu)數(shù)據(jù)，提取和發(fā)掘圖結(jié)構(gòu)數(shù)據(jù)中的特征和模式，滿足聚類、分類、預(yù)測(cè)、分割等圖學(xué)習(xí)任務(wù)需求的算法總稱。圖數(shù)據(jù) 正在變得越來越普遍、其蘊(yùn)含的信息越來越豐富。圖神經(jīng)網(wǎng)絡(luò)也被廣泛應(yīng)用于推薦系統(tǒng)、社交網(wǎng)絡(luò)、計(jì)算機(jī)視覺和生物醫(yī)學(xué)發(fā)現(xiàn)等領(lǐng)域中。

2、圖數(shù)據(jù)查詢語言及圖數(shù)據(jù)庫測(cè)試基準(zhǔn)的標(biāo)準(zhǔn)化制定

關(guān)系型數(shù)據(jù)庫的發(fā)展離不開 SQL 查詢語言的標(biāo)準(zhǔn)化 。目前Neo4j 、TigerGraph 、螞蟻集團(tuán)在內(nèi)的多家圖計(jì)算企業(yè)都參與了標(biāo)準(zhǔn)的聯(lián)合制定。ISO GQL 的制定將為今后商業(yè)應(yīng)用開發(fā)提供一整套標(biāo)準(zhǔn)化的、高表現(xiàn)力的國(guó)際通用查詢語言，大量數(shù)據(jù)庫用戶和開發(fā)人員將從中受益。

關(guān)鍵產(chǎn)品及行業(yè)發(fā)展現(xiàn)狀

一、政策背景：高性能計(jì)算及圖數(shù)據(jù)處理技術(shù)受國(guó)家政策鼓勵(lì)和支持

多個(gè)國(guó)家均已將高性能計(jì)算技術(shù)提升到國(guó)家戰(zhàn)略高度。

美國(guó)基于對(duì)計(jì)算科學(xué)發(fā)展趨勢(shì)及新一輪信息技術(shù) (IT) 革命到來的認(rèn)識(shí) ，于 2015 年頒布了著名的“國(guó)家戰(zhàn)略計(jì)算計(jì)劃”(NSCI) ，指明了在未來一段內(nèi)時(shí)間圍繞高性能計(jì)算技術(shù)與產(chǎn)業(yè)發(fā)展的戰(zhàn)略目標(biāo)、任務(wù)、方向及發(fā)展路徑，同時(shí)構(gòu)建了組織架構(gòu)、明確了各方面的責(zé)任分工。歐盟將先進(jìn)計(jì)算列為戰(zhàn)略重點(diǎn) ，定制“地平線計(jì)劃”。

韓國(guó)制定了到 2030年的高性能計(jì)算中長(zhǎng)期發(fā)展戰(zhàn)略《 國(guó)家超高性能計(jì)算創(chuàng)新戰(zhàn)略》，旨在將韓國(guó)打造成為高性能計(jì)算強(qiáng)國(guó)，實(shí)現(xiàn)第四次工業(yè)革命時(shí)代的量子跳躍。

日本也在國(guó)家層面將先進(jìn)計(jì)算納入扶持，并展開統(tǒng)一研發(fā)部署。

中國(guó)通過《 國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要 ( 2006-2020 年) 》、“九五”至“十三五”國(guó)家科技發(fā)展及科技創(chuàng)新規(guī)劃 、國(guó)家高技術(shù)研究發(fā)展計(jì)劃 (“863”計(jì)劃) 、國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃 (“973”計(jì)劃) 、國(guó)家自然科學(xué)基金重大研究計(jì)劃、國(guó)家“科技創(chuàng)新2030-重大項(xiàng)目”等一系列重大戰(zhàn)略規(guī)劃與政策，有力地支持了高性能計(jì)算技術(shù)與產(chǎn)業(yè)的發(fā)展。2021年11月，工信部發(fā)布《“十四 五”軟件和信息技術(shù)服務(wù)業(yè)發(fā)展規(guī)劃》，在“關(guān)鍵基礎(chǔ)軟件補(bǔ)短板”專欄中，指出在數(shù)據(jù)庫領(lǐng)域，應(yīng)關(guān)注大規(guī)模并行圖數(shù)據(jù)處理等數(shù)據(jù)庫關(guān)鍵技術(shù)的突破。

全球高性能計(jì)算扶持政策

二、圖計(jì)算產(chǎn)業(yè)鏈

圖計(jì)算產(chǎn)業(yè)鏈

上游：基礎(chǔ)設(shè)施主要包括硬件設(shè)施、操作系統(tǒng)等，對(duì)于非原生圖存儲(chǔ)圖數(shù)據(jù)庫，還需接入其他類型數(shù)據(jù)庫。

中游：目前，圖計(jì)算行業(yè)內(nèi)主要有兩類參與者——圖數(shù)據(jù)庫和圖計(jì)算系統(tǒng)(圖計(jì)算引擎) 。

下游：應(yīng)用開發(fā)商負(fù)責(zé)在圖數(shù)據(jù)庫和圖計(jì)算系統(tǒng)的查詢分析能力基礎(chǔ)上，為用戶開發(fā)定制化應(yīng)用，例如針對(duì)具體行業(yè)(如金融等) 的知識(shí)圖譜應(yīng)用開發(fā)商：軟件集成商負(fù)責(zé)集成應(yīng)用并提供運(yùn)維等服務(wù)。

圖數(shù)據(jù)庫與圖計(jì)算系統(tǒng)對(duì)比

三、圖計(jì)算生態(tài)參與者：數(shù)量眾多，巨頭和初創(chuàng)企業(yè)各施所長(zhǎng)

目前，圖計(jì)算行業(yè)內(nèi)主要有圖數(shù)據(jù)庫和圖計(jì)算系統(tǒng)( 圖計(jì)算引擎) 兩類參與者 。實(shí)際應(yīng)用中，圖數(shù)據(jù)庫和圖計(jì)算引擎的能力呈現(xiàn)融合趨勢(shì)，圖數(shù)據(jù)庫企業(yè)正在將 OLAP 能力與 OLTP 能力結(jié)合，向 HTAP 混合型數(shù)據(jù)庫方向發(fā)展。此外，部分巨頭廠商將圖數(shù)據(jù)庫與圖計(jì)算系統(tǒng)結(jié)合，提供涵蓋圖數(shù)據(jù)存儲(chǔ)、查詢、分析等功能的一站式平臺(tái)。

圖計(jì)算行業(yè)部分參與者

目前行業(yè)參與者中，既有阿里、騰訊、螞蟻、字跳、AWS、微軟等公有云、軟件、數(shù)據(jù)庫等領(lǐng)域的巨頭，也有 Neo4j、TigerGraph、創(chuàng)鄰科技、歐若數(shù)網(wǎng)等國(guó)內(nèi)外創(chuàng)業(yè)企業(yè)。巨頭與創(chuàng)業(yè)企業(yè)呈現(xiàn)競(jìng)爭(zhēng)與合作并存的關(guān)系。一方面，二者在項(xiàng)目競(jìng)標(biāo)中常同臺(tái)競(jìng)爭(zhēng)；另一方面，由于巨頭產(chǎn)品線眾多，且仍以服務(wù)內(nèi)部業(yè)務(wù)需求為主，在項(xiàng)目實(shí)施等方面能力不足，因此也需要與創(chuàng)業(yè)企業(yè)合作補(bǔ)足能力。

四、圖計(jì)算領(lǐng)域?qū)＠攀觯阂灾忻揽萍脊炯案咝橹?/strong>