百度知识中台从技术层面可以下接企业的数据中台，能够接入企业数据中台中所蕴含的海量结构化、半结构化和无结构化数据。在基础技术层面，能获得百度在人工智能的多项核心积累，包括了知识图谱技术，自然语言处理技术，语音技术、图像技术，然后以及和传统大数据息息相关的数据科学技术。在产品举证层面，能够直接向企业客户提供三个标准化的产品，分别是企业搜索智能知识库和知识图谱决策引擎。

　　这三个标准化产品可以由浅入深的满足企业不同场景，不同层次的知识体系构建与智能化的应用需求。从2018年到2020年，,两年来我们已经赋能了众多的行业，比如说在金融行业，我们去做智能客服风控管理，在医疗行业，我们基于知识中台去做医疗临床辅助决策和病案指控，在媒体行业我们基于知识中台去做辅助创作和内容生产，还有政务、教育、司法、办公，其中自然包括最近一年我们重点投入的能源和电力行业。

　　目前，能源和电力行业正处在一个大数据智能应用化的一个转型的一个变革期。我们认为，相比于其他行业，能源和电力行业在沉淀知识这个层面面临着更艰巨的挑战。

　　首先，是能源行业数据体验，单系统Pb级的数据非常常见，以南方电网为例，就是Pb级的数据系统有10余个，在和百度共建的这个非结构化数据平台中，我们已经目前承载了百Pb级的这个数据。

　　其次，是数据种类非常多，能源行业的这个业务形态非常专业，而且知识形态会更加复杂，数据形态有各种边缘设备所产生出的这个数据数据，还有各种业务文档，长期积累的这个海量的文本数据，还有企业在用户和管理经营的过程中所产生的运营数据，最后还有非常多的音频图片和视频等多模态数据，而这些体量大种类多的数据利用率是非常低的，因为其本质原因就是行业尤其是能源电力行业，缺乏一套知识体系建设和智能化应用的解决方案。

　　目前，我国大数据的整体利用率只有0.4%，大数据的价值急需被知识化的沉淀和利用。有电网专家分析称，每当大数据的利用率提高10%，我们就能够使电网的利润率提高20%~50%。因此，数据知识化的潜在经济效益是非常大的。

　　能源电力行业的应用范围业务范围非常广，我们覆盖到了电力的发输电配用这5大环节，因此对于知识应用的能力层级和覆盖度也提出了更高的要求。我们认为，与能源电力行业相比，其他行业更需要在数据中台之上去建立知识中台，来助力企业实现大数据智能化应用的一个转型，实现由浅入深三个层次的智慧化电力能源应用。

　　基于智能知识库，我们可以解决业务检索咨询、电力问答机器人、电力资产管理等类型的业务应用，以及基于更加高级的图谱决策引擎，我们可以深入到电力业务的本质去解决故障，我们现在不在公司啊电力智能调度等等形态的这个业务应用。

　　总结起来，能源电力知识中台的业务价值主要体现在以下4个层面，提炼知识价值，打破数据孤岛，降低维护成本和提升运营效率。

　　下面，我和大家分享三个过去一年中我们在能源电力行业的一些实践案例，这三个案例分别体现了知识中台的三个标准化产品，在企业知识体系建设与智能化应用中发挥的重要价值。同时，它也印证了从数据到知识的转化，能够给我们企业所带来的效益的三个非常经典的案例。

　　第一个案例是依托企业搜索，打造南方电网的自搜。依托知识中台的核心能力，我们助力南网集团公司实现了全业务全类型和是探全时态数据和信息的精准查询便捷获取，这已经在今年7月成功上线。

　　在这个项目中，通过系统性的资源建设中，引入了包括业务数据、办公信息、资产信息、材料协同、行业资讯、内容运营等6大数据源的数据，并且对这引入的6大数据源的数据进行了非常系统的知识生产，知识构建和知识应用，服务的人群满足了全集团员工办公和业务搜索的需求。截止到目前，全系统的知识化数据量已经达到4亿家，然后集团内累计用户搜索次数1616万。

　　第二个案例，是借助智能知识库来去实现电力投资项目管理分析。智能知识库体现了一个超越搜索的直接知识满足能力。这背后依托的基础就是这种知识平台的技术，能够在智能问答的层面给大家提供更加便利的搜索体验。

　　目前百度在搜索产品中，所谓的直接满足率已经达到百分之五十七，在这个项目中，我们就是将这一系列技术，运用到了企业的电力投资项目管理分析的应用过程中。基于这个产品，我们将集团内发电、环保、金融等10余个核心的业务系统来去进行一个知识互联化，打破数据的隔离壁垒，大幅度的提升了集团投资管理效率，降低了这个项目的系统性风险。

　　具体而言，在这个项目中，基于支持中台的电力管理投资知识库呢对接集团的大数据平台，融合了集团50%以上的这个业务系统，提供了投资风险分析、项目运营提报、电力客户营销和可视化关联统计等等知识应用能力，全系统的知识问答覆盖率达到80%以上，知识问答的准确率在98%以上。

　　最后一个案例，是基于图谱决策引擎来去实现核电设备的故障分析，这是基于知识直接去进行业务的辅助决策的一种形态。在这个项目中初步决策引擎，将数据运营中心中的多种数据，包括了结构化的数据和无结构化的数据，去进行一个系统化的知识图谱的构建，形成了千万级别的设备知识图谱，能够支持上百种的故障分析和诊断模式，为一线操作人员去秒级别的提供故障根因分析与操作步骤建立，从而达成沉淀与传承一线操作人员的经验知识，显著的降低设备误诊率与处理时长，大幅提升现场运维处理效能的目标。

　　最后，结合人工智能最新的发展趋势，以及我们对行业需求的洞察，我们认为深度挖掘大数据的价值，将数据到知识的信息的转化，进一步的沉淀为人工智能系统所能消费的知识，是普世性的支持各类人工智能应用目前所最需要攻克的一个难题。

　　以上就是我今天分享的全部内容，未来百度知识中台愿意携手更多的能源电力客户与伙伴，用知识来助力电力行业实现智能化的转型，谢谢大家。

　　(根据速记整理，未经嘉宾审核)