支付寶有多狠？當年為抓騙子搞出“圖計算”，現在竟用它預測未來

淺友們好~我是史中，我的日常生活是開撩五湖四海的科技大牛，我會嘗試用各種姿勢，把他們的無邊腦洞和溫情故事講給你聽。如果你想和我做朋友，不妨加微信（shizhongmax）。

支付寶有多狠？

當年為抓騙子搞出“圖計算”

現在竟用它預測未來

文 | 史中

（零）圣彼得堡兇殺案

19世紀，圣彼得堡的一座高檔公寓里，發生了一起兇案。

一位富商在浴室被刺死，而兇器就遺落在一旁，是一把精致的開信刀。

資深的警探史·伊萬懦夫·中奉命調查此事。他制定了天衣無縫的調查計劃：

1）先調查富商，把和他可能有過節的100人列成一張“表格A”； 2）再調查刀具工匠，這款刀是限量款，只做過100把，于是把買過刀的客戶也列成一張“表格B”； 3）然后對A、B兩個表格進行比對，看看有沒有重合的人。

結果，兩群人完全不重合。

“這。。。不科學啊，一定存在更隱蔽的聯系！”

警探不放棄，決定進一步調查。

他把“表格A”上的100人和“表格B”上的100人分別連線，成為10000組配對，然后挨個走訪調查。

他想發現這些“配對”之間有沒有“曾同處一室”或“認識同一位中間人”的情況，但組合眾多，其中的可能性也多如牛毛。史·伊萬懦夫·中咬咬牙，以堅毅的決心開始推進！

調查進行了幾個月，案件陷入一團亂麻，但警探遇到了不得的事兒：

表格B上有一位刀具經銷商格列布，格列布對他說，你這么有毅力有恒心，不妨跟我做生意，比當警探好賺多了！表格A上有另一位富豪安托尼，他的女兒居然對自己產生了愛慕之情。

于是，史·伊萬懦夫·中毅然決定出任格列布公司的總經理，然后娶了安托尼的女兒，走上人生巔峰。

今天的淺黑講故事就到這里。

等等。。。那邊血泊里還躺著一位呢，不管了嗎？！

不是不管，是真管不了。。。

我們回到警探身邊，不難發現，他面前發散出了無數個表格：

和死亡富商有關的人組成了“表格A”， 表格A上第1個人去過的地方組成了“表格A1”， 表格A1上的第一個地點又有好多人去過，他們組成了“表格A1-1”， 表格A1上的第二個地點又有好多人去過，他們組成了“表格A1-2”， 以此類推，無窮盡也。。。

每個人都和眾多地點和人存在關聯，如果事無巨細地順藤摸瓜，最終定能找到幾條被害人和刀之間的連線，再從中排查，大概率能找到兇手。

但問題是，這么干。。。懦夫警探到退休也不一定能查出真相啊。。。人生苦短為啥不出任總經理迎娶白富美？

殘酷的事實是：

哪怕明知道人命關天的真相就藏在一堆數據里，因為分析復雜，代價太大，實際上根本無法進行——而無法浮現出來的真相，就不是真相。

但我們不想一直迷迷糊糊地生活，我們渴望用技術接近真相。

直接向你宣布兩個好消息：

第一，21世紀的今天，我們掌握了一種“顯影術”，彈指一揮間，就能從浩渺的數據中查詢關聯、計算真相，這就是——圖計算。

第二，在圖計算領域，中國人的技術一直居于世界前列，相當于巴西在足球歷史中的地位——是少有的我們從沒被任何人“卡脖子”的尖端領域。

話說，啥是“圖計算”嘞？

我先用五句話簡單科普一下：

1、世上萬事萬物，都可以用數據來描述，我們會把數據存在數據庫中。 2、但一般數據庫里的表格都是“二維”的，只能展現事情的一個側面。為了記錄不同側面，我們就得做很多表格。（就像警探那樣） 3、由于這些表格是分散的，原本屬于實體之間的“關系”也被切了個稀碎。所以了解某個表格里的具體數據容易，但想了解不同表格里實體之間的關系，就需要把一堆表格放在一起研究，這很費勁。 4、那我們不如在一開始就別分那么多表格，直接把所有的數據存在同一個三維空間里！這個能存儲多個“實體”和他們之間“關系”的數據系統，就叫 “圖數據庫”。 5、在圖數據庫上做計算，像柯南一樣發現真相，就是 “圖計算”。

你可以這樣理解：普通的數據庫是圖數據庫在某個平面的“投影”，而圖數據庫是普通數據庫融合在一起形成的“全息影像”。

話說，要是史·伊萬懦夫·中警探穿越到今天，他就可以把警局的“戶籍數據”、“金融轉賬數據”甚至“交通數據”都導進圖數據庫中，再輸入自己調查到的獨家信息，按一下回車鍵，一條清晰的連線沒準就會奇跡般浮現在他眼前！

正所謂，踏破鐵鞋無覓處，得來全靠圖數據庫！能把人一生的艱苦卓絕都壓進幾十毫秒的計算里，這是一種專屬于科技的浪漫。

而我幸運地認識了一位制造這種頂級浪漫的大牛。他就是螞蟻集團圖數據庫的負責人，洪春濤。

你不一定聽過他的名字，但是，每當你用支付寶轉賬的時候，金額、設備、人物關系等，都是圖計算判斷你的賬戶是否有風險的依據。

從這個意義上說，在座各位都享受過他和小伙伴們的“貼身服務”。

洪春濤

（一）點燃技術進步“第一把火”的竟是騙子

我猜很多人心里有隱隱的疑問：

為啥“圖數據庫”這個技術螞蟻集團做得好？

答案并不那么顯而易見。

你想想，支付寶是個支付工具，它的數據庫只要把每筆轉賬的“金額”記清楚，不錯一分錢，就夠了，為啥非要費勁把人、設備的關系這些“額外信息”也存進去呢？增加存儲成本不說，還得額外保護這些數據不泄露，里外都是負擔！

答案是兩個字：騙子。

在支付寶剛成立的時候，數據庫里確實只存“用戶 ID”和“轉賬金額”等幾個有限的信息。

但是人的惡念像水，只要有縫隙，就會滲進去。

很快，有人開始“盜號”，偷來別人的密碼，或偽造身份證重置別人的密碼，在自己的電腦上（那時候還沒有手機版）登錄，把錢轉走。

只靠ID和金額，支付寶無從判斷一筆轉賬是不是被盜號之后做的。

于是，老師傅只好把登錄的設備、網絡環境等等信息存下來。這樣，如果發現異地登錄，就很可能是高風險的，你輸對了密碼也可以不給你轉。

就像下面醬，在風控那一層攔住↓↓↓

這條路走不通，壞人就會金盆洗手回去好好上班了嗎？不可能，他們會研究更惡毒的辦法——詐騙——我讓受害者拿自己的手機轉不就行了？

就像下面醬↓↓↓

這咋辦？支付寶的老師傅冥思苦想，終于一拍桌子，被騙轉賬和一般的轉賬并還是有區別！被騙最大的特征就是：會轉給一個完全沒有關系的賬戶。

你看，“關系”兩個字就這樣悄然出現了。

支付寶的老師傅必須找到一種數據庫，能夠記錄“人和人”、“人和設備”、“設備和設備”之間的關系。

于是，從2015年開始，就有一支小分隊，秘密研究圖數據庫 TuGraph（這個名字是后改的，為了便于理解我們就叫這個名字吧）。

圖數據庫看上去“剪不斷理還亂”，其實你只需要知道三樣東西：點、邊、數據。

所謂點，就是“實體”：一個人、一臺手機、一個地址，都是實體。

所謂邊，就是“關系”：如果一個人用了一臺手機，就把這兩個點用邊連上；如果一個人轉錢給另一個人，也用邊把他倆連上。

所謂數據就是：詳細記錄這個點或邊的內容。比如一個人，他的注冊身份證號、年齡之類的數據就掛在它的點上；兩人之間轉賬，轉賬金額就掛在邊上。

可用這玩意兒怎么抓壞蛋呢？

也很簡單：

1、現在 A 想要轉賬給 B，那就去查一下 A 和 B 之間有沒有關系。 2、假如 A 曾經給 C 轉過賬，C 又給 B 轉過賬，系統雖然不知道 A 和 B 具體是啥關系，但足以判斷他倆可能在生活中認識。詐騙風險比較低。 3、如果 A 和 B 在圖上隔著好遠，查了好幾跳，都連不上，那這里面就可能有問題。不說一定是詐騙，但必須得重視，繼續結合其他信息給風險綜合打分。

就像這張圖，左邊的“AB轉賬”風險比較低，右邊的風險比較高↓↓↓

有沒有感覺眼熟？這個找 A 和 B 關系的操作，不就是懦夫警探調查兇案的過程嘛？

看到這你估計已經恍然大悟：懂了！

不，你不懂。

僅僅能查出關系的圖數據庫等于廢物。。。因為我們沒考慮“速度”。

假如，現在你準備轉5000塊給房東，你輸入密碼，然后支付寶開始轉圈，彈出一行字：我們正在查你有沒有被騙，別急啊，明天告訴你結果！

你能等嗎？就算你能等，房東能等嗎？

“20毫秒，是我們每次查詢耗時的上限。一般10秒就能完成”洪春濤說。

人眨一下眼，大概要100毫秒，也就是眨眼的功夫，最少夠 TuGraph 幫你查5遍，堪稱“一眨五次郎”。

但。。。你有沒有發現一個 Bug？

查關系，不像在富士康流水線上組裝手機那樣每個動作都是“固定的”。

有時候 A 和 B 是好基友，一查很快就知道他們關系親密；有時 A 和 B 關系比較疏遠，經過兩三個中間人才能把他們聯系起來，得查半天。

也就是說，你沒法預知這次查詢是快是慢。。。

就像下圖↓↓↓

那怎么保證圖數據庫每次查詢都遵守這個 “時間紅線” 嘞？

洪春濤一股腦說了九九八十一招，我挑兩條比較有趣的講給你：

首先，得給數據庫裝個“小腦”。

影響查詢速度的情況成百上千，但要說最大的噩夢，就是一個詞：“大點”。

咱們普通人用支付寶，大概只會和十個人有轉賬往來，這算“小點”。

但有的社牛，資金往來有成千上萬人。一旦碰到了這樣的“大點”，那可要命了，數據庫引擎光查這一個點就超過20毫秒了。。。

這咋辦？搖人唄！老師傅的方法是，把大點上的查詢任務分成十個任務，并行查詢。

但是，淺友們上班兒時肯定深有體會，一個任務一旦拆開，就涉及到同事們的分工合作，要是策略安排得不妥當，最后反而混亂、甩鍋、死機。

這背后，就需要設計一套強大的并行調度系統，根據當時的實際情況排布各個線程，就像“小腦”里的運動中樞一樣，能調動全身肌肉群協調工作。

其次，還得給數據庫裝個“大腦”。

洪春濤突然問我：查 A 和 B 的關系，你要從 A 出發找 B？還是從 B 出發找 A？還是 AB 一起出發，在中間碰頭？

我正在蒙圈中，他公布了答案：不一定。

如果從 A 出發馬上會遇到一個大點，從B出發都是小點，那顯然從 B 開始查更快。如果從 A 出發走過一跳之后遇到大點，再從B開始走也可以。

但問題是，在開始查詢之前，你不可能確切知道哪里會遇到大點。

所以老師傅會做一個精巧設計：讓圖數據庫在最初存儲數據的時候，就做好粗略的估算，這個點比較大，那個點比較小，記在小本本上備用。

這樣，在執行查詢任務前，讓“大腦”照著小本本預先做個規劃，才不會費儍功夫，所謂“預則立，不預則廢”嘛。

話說，這兩個“腦”都是查詢層面的優化，如果把它們掀開，還會看到更底層的技術。

比如如何優化“存儲機制”和“索引機制”，相當于在腦區里怎么擺布這些信息才能最快回憶出來，那些知識太艱深，咱們暫且略過，把有限的篇幅留給更有趣的故事。

看了“懦夫警探追兇”和“支付寶抓騙子”的案例，估計你會有這樣的感覺：圖數據庫是用來抓壞人的。

但我要說，僅僅把圖數據庫當做抓壞人的武器，雖不能說大材小用，但屬實思路太保守了。

接下來我不妨給你提供一些“吹牛素材”——在跟別人吃飯聊天時，你應該怎樣把圖數據庫放在一個宏大的世界觀里講給他聽嘞？

（二）數據庫的“特斯拉時刻”

話說，人類發展有這么個奇怪的劇本：

發明家總是先發明一個東西的“高級形態”； 然后實干家為了降低成本，只能用“低級形態”把它量產； 然后等到技術進步到某個時刻，一個瘋子會沖出來說：咱們已經能量產它的“高級形態”啦！

車就是個典型的例子。

在轎車發明的很長時間里，它都是由電驅動的，設計簡單，故障率低。哪怕到了1900年，美國制造的汽車中，電車都有15萬輛，油車只有可憐的936輛。

但當時的電池技術實在太落后，開著開著就沒電了，實干家福特一看，還是落后的燃油車更適合當下，于是他引入流水線，生產“T型車”，這才開啟了油車時代。

后來的故事大家也知道，3C產業發展讓電池技術突飛猛進，瘋子馬斯克突然拍大腿，汽車本該用電驅動啊！！

于是有了特斯拉電動車的爆發。

貨幣也是一個例子。

太平洋上的雅浦島有很多石盤，人們用它當貨幣，但這東西太沉，花錢成了體力活兒，于是大家發明了“記賬”。

我給你四分之一個石盤，就讓村支書在賬本上記一筆，這疙瘩的所有權就轉移到你身上了。

可在世界其他地方，人太多，經濟規模太大，村支書記不過來，只好轉回低級形態——把實物金銀/貨幣作為交換的中間物。

后來的故事大家也知道，計算機系統發展起來，銀行借此恢復了貨幣的高階形態，重新用“賬戶記賬”這種方式管理每個人的財富。

雅浦島上的石頭貨幣

數據庫也是一個例子。

1970年左右，科學家發明數據庫的時候，就長成“圖”的樣子。

但是 IBM 和 Oracle 一看，您這玩意兒99%的計算機都跑不動啊，不如把數據庫拍扁了，起碼讓一部分人先用起來！這才有了二維“關系型數據庫”的崛起。

但今天，計算機的算力、軟件的代碼基礎都已經發生了飛躍，難道我們不該用回數據庫的“高級形態”——圖數據庫嗎？

這就是數據庫的“特斯拉時刻”。

可是看到這，我猜會有人撇嘴：我就是個打工人，遠在天邊的數據庫高級不高級，跟我有毛關系嘞？

這就要說到數據的本質目的。

沒有數據的日子，我們人類茹毛飲血天天打獵也活了幾萬年。可見數據不是我們生活的必需品。但那個時候人類面臨很多飛來橫禍，洪水干旱，隔壁野人來襲，根本沒有辦法抵御。

部落首領冥思苦想，要抵御災禍，咱得有點兒“預測未來”的能力。

數據的本質目的就是預測未來。

最早的數據是龜甲上的裂痕，最早的數據工程師是大祭司。但他們預測的準確率實在是一言難盡，純純的50%。因為他們的數據完全沒能擬合真實世界。

最早的數據庫

往事越千年，咱們有了數據庫，存進去的數據真能擬合世界：

我發了一條微博，數據庫里存下了這段話，（大概率）證明我就是有過這個想法； 我給小賣部老板轉了20塊，（大概率）證明我真買過一次東西。

于是，數據才開始有了預測未來的能力。當數據庫里的數據細密交織，組成了完整的體系，馬云所說的“DT 時代”也就到來了。

洪春濤告訴我，為了增加預測準確度，需要不斷向系統里注入新的維度的數據，并且對更多維度的數據進行聯合分析。這時就會發現，舊有的“關系型數據庫”的抽象成本會迅速升高。

這里提到了一個高級的生詞：抽象成本。

不妨給你舉個例子。

在日心說的世界觀里，星體圍繞太陽做簡單的圓周運動；在地心說的世界觀里，星球們做著復雜的翻花兒運動。他倆都可以預測星球軌道，但為啥今天我們不用地心說了呢？因為地心說的抽象成本高！

同樣預測50天后火星的位置，用地心說的計算量是日心說的成百上千倍。

敲黑板！！如果你不想預測復雜的事情，那兩種數據庫都一樣，甚至在很多基礎計算中傳統數據庫更快。一旦預測復雜的事情，那差距就大！了！去！了！

舉個例子：

現在很多公司的領導都喜歡用“BI 看板”——就是老板出道應用題，數據一通算，在看板上呈現答案。

比如，負責營銷的老板可能會問這樣的問題：

30-35歲的已婚男士中，最喜歡買“杜蕾斯001”的這群人里，他們的媳婦喜歡買什么商品呀？

你看，這問題里涉及復雜關系。如果用一般的數據庫，得把好多平面表格集合在一起才能算。

數據工程師熬夜三天掉一把頭發然后把結果發給老板，老板看了看說：誒，我突然有了新點子，你再重新給我算一遍喜歡給孩子買泡泡瑪特盲盒的爸爸，他們的媳婦更喜歡哪種口紅？

如果你是數據工程師，你肯定會說：35歲的禿頂程序員最想買的是訂書機，把老板的嘴釘上！

但之所以數據工程師覺得老板可憎，是因為在數據爆炸的時代，他們還在用地心說理論計算50天后的火星位置。。。

那要是用圖數據庫，這種復雜分析是怎么做嘞？

其實說白了就兩步：

1）把老板的話轉述成一組可以被計算機理解的 “命令”； 2） “大數據引擎”在一整張大圖上跑一遍命令，算出結果。

這里提到了“大數據”。

“大數據”當然不是什么新朋友，但我們知道的大數據引擎都是和普通數據庫配套的。

圖數據庫比普通數據庫多定義出了一層“關系”屬性，原有的大數據系統不能直接算這種關系。這就需要老師傅出手，做一個能和圖數據庫組CP的“圖大數據引擎”。

說到圖大數據引擎在螞蟻內部的誕生故事，還是和壞人有關系。

緬北的詐騙產業園

（三）壞蛋學會了“分身術”

2018年雙11開始，支付寶基于圖數據庫的風控系統上線，每次轉賬都會查一下“AB關系”。

大批的騙子馬上發現：騙錢難度進入了“地獄模式”，如果總用一個賬號收錢，行為異常太明顯，分分鐘會被系統標記為高危，然后封堵。

于是他們開始“進化”，養了一堆賬號，不僅每個賬號活動的頻率降低，金額也被打散了，單獨賬號的異常特征就弱化了。

這相當于騙子學會了“分身術”！

這個號“不小心”被封了，沒關系，用另一個頂上，反正號有的是。

如此，犯罪團伙就變成了軟粘的八爪魚，斷了這個爪，還有別的爪↓↓↓

這可咋辦？

誒，既然是影分身，就和真正的人不一樣。畢竟從關系上講，控制這堆賬戶的人還是一個團伙，這些賬戶總會在某些方面表現出一致的性質。支付寶老師傅要做的就是：找出這些隱秘的規律！

這時，我們就得隆重請上一個新角色： “安全數據分析師” 。

分析師干啥呢？

舉個栗子，警察蜀黍抓了一個詐騙團伙，然后繳獲了他們手上的所有支付寶賬號，然后這些賬號會給到支付寶的數據分析師，他們就像“神探狄仁杰”，仔細研究：這堆號之間，有怎樣的關系模式？然后把這些洞察寫成一組識別規則。

至于這些規則具體是啥，我就不舉例了，因為這玩意兒說出來你能看到，壞人也能看到。。。

總之，一組 規則 就像一個 “海捕文書” ，“衙役”們需要照著這個公文把所有的賬戶都篩查一遍。這個 衙役 ，就是 “大數據引擎” 了。

注意，“海捕”一次的工作量可比只查一次AB兩點之間的關系要大多了，因為要把所有用戶、設備攏共上萬億個點和邊都拉網式篩查一遍嘛！

20毫秒，那可是斷然干不完了，大概需要幾個小時的時間才能通盤算一遍。而這樣的計算一般每天凌晨執行一次。

每天一次其實夠了。犯罪團伙嘛，比較穩定，不太可能今天你們幾個還是團伙，明天就從良了——每天地毯式圍剿一遍，足以壓制。

左邊是分析師的規則，右邊是圖數據庫。兩個匯總在圖大數據引擎里，算出下面的答案。

這種 “狄仁杰+海捕文書+衙役” 的組合，就成為了一個經典的圖計算模式，也叫 “迭代計算” 。

迭代計算這玩意兒可太香了，隔壁銀行都饞哭了。

當時很多銀行來找螞蟻，想讓老師傅幫忙用迭代計算抓壞人。只不過，這些壞人的“壞法兒”不太一樣。

比如，某國有大行曾經被犯罪團伙盯上。團伙會在某個小區門口搭個桌子，假裝幫用戶辦信用卡，收集人家個人信息，卻把卡寄到了自己的地址，然后用這些卡套現，然后當然就不還了。

銀行剛發現幾起這樣的行為，就警覺了，想把騙子還沒來得及套現的信用卡統統找出來，停掉。

但是騙子用了“分身大法”，搞了幾十個手機號，十幾個地址，接收幾百張信用卡。

單純知道其中一張卡有問題，是沒辦法根據它預留的地址和電話把幾百張卡一鍋端出來的。

這時，銀行和 TuGraph 的老師傅把數據導入圖數據庫，然后兩邊的風控專家（狄仁杰）湊在一起想出了一整套識別規則（海捕文書），交給大數據系統（衙役）去跑，很快符合條件的高危賬戶就浮現出來，接下來，不僅那些卡都被停了，物理世界的真警察蜀黍也重拳出擊抓個痛快！

再比如，銀行還會面對一種叫做“連環擔保”的風險。

意思就是A公司想向銀行借錢，得有人給它擔保嘛！

結果B給A擔保，C給B擔保，D給C擔保，E給D擔保，F給E擔保，A給F擔保。繞了一圈結果是“左腳踩右腳”，等于沒擔保。。。

一般情況下，6度以下的擔保被認為是風險很高的，所以，他們的海捕文書就可以這樣寫：“茲有連環擔保風險，凡構成6度以內圓環者，悉數緝拿歸案！”

本來某些企業覺得多套幾層擔保就會天衣無縫，殊不知他們的小動作早就被捕快看得一清二楚。

圖里的紅圈就構成了連環擔保

說到這，你大概能領略圖計算的威力了吧？

可是，永遠不要低估壞人推陳出新的能力，畢竟他們是真正的“按勞分配”，最有動力去改革。

這不，從2020年開始，一種新的作案方式興起，我把它稱作：“迅雷不及掩耳盜鈴式花唄套現”。

套現大家都知道，本來花唄是借錢給他，結果他刷出去的錢又通過某種途徑回到他手里，然后這錢就被他花了，花唄很可能就不還了。。。

在圖上發現“套現”和發現“連環擔保”有點類似，都是找出“圓環”。過去幾年，花唄反套現系統也一直是這么干的。

但是！你還記得吧，迭代計算最快要幾個小時才能算一次，后來經過優化也得一小時跑一次。

也就是說，如果壞人能在一小時內完成套現的全部操作，他就已經把錢取走了，你再發現就晚了。

壞人們于是搞出了一整套自動化套現服務，先跑整個圓環的前面幾步，然后積攢很大的數量，突然完成最后的套現閉環：一個小時別說跑1次，跑100次都可以。

這可咋辦？

洪春濤告訴我，當時老師傅被逼無奈，開發出了一種比實時查詢（20毫秒）要慢，但比迭代計算（1小時）要快的計算引擎，這就是“流式圖計算引擎”（TuGraph-Analytics）。

它的思想也很簡單：

我不攢著一塊兒算。每一筆轉賬發生，我都算一步，這樣當你完成作惡的最后環節時，我也只需要完成最后一步計算。

這個速度就快多了：1分鐘內就能出結果，阻斷套現鏈條。

你看，為了懟壞人，把好人都逼成啥樣了？從圖數據庫本身，到迭代圖計算引擎，到流式圖計算引擎，不同系統如鱗次櫛比的宮殿，依次建立。

正應了那句話：成功需要朋友，巨大的成功需要敵人。。。

不過說到這，我得提醒一下：

人們之所以使用新技術，可不僅僅是饞新技術的效率高，更是因為新技術能做老技術做不了的事情！

我們還拿電動車和貨幣來解釋：

眼下，油車也能開，電車也能開，電車不過就是提速&制動更快。

但往未來看，汽車的終極形態是機器人，要想做出靈活的動作，必須靠電機。

而發動機體系再先進，受限于傳動結構的復雜，靈活度也是大幅受限的。

眼下，現金也能用，銀行轉賬也能用，轉賬不過就是更方便些。

但往未來看，交易會被切到極其細碎，可能一個人/公司會同時和大量的系統交易，每筆交易能低至幾分錢。

這種情況現金完全無法應對，必須用記賬系統，甚至還要用分布式記賬系統和智能合約（即區塊鏈）。

那么，以此類推，圖數據庫肯定也有些了不得的用法，是傳統數據庫想都不敢想的，那會是啥嘞？

洪春濤告訴我： “圖學習” 很可能是答案之一。

（四）圖學習：留給人工智能的花園

如今我們身邊的大多數任務都是“人機協作”完成的。

但有一個問題不言而喻：人機協作的流程中，“機”越發達，“人”就越成為瓶頸。

舉個栗子：餓了么外賣。

商家注冊餓了么的時候，會人工填寫一堆關鍵詞。比如肯德基，它的關鍵詞可能是：快餐、西餐、薯條、漢堡、可樂。

這樣一來，我作為一個用戶去搜索這些關鍵詞的時候，對應的商家就會跳出來。比如我搜索薯條，就能搜索出“肯德基”。

可是，人是一種很不靠譜的存在，填關鍵詞的時候，經常想不了這么全面。

假設你在麥當勞打工，負責填寫關鍵詞，你寫了：快餐、西餐、漢堡、可樂等等，但漏掉了薯條。。。

于是我搜索“薯條”，麥當勞就不會出現，但顯然麥當勞有薯條嘛！

這樣一來，我少了一種選擇，麥當勞丟了一單生意，雙輸啊。。。

這時，人工智能就可以派上用場！

AI 對圖數據庫進行推理，發現麥當勞和肯德基連接了很多畫像相似的用戶，而他們分別都連接了“快餐”、“西餐”、“漢堡”、“可樂”，而肯德基又連接了薯條。

那是不是意味著，我可以大膽地在“麥當勞”和“薯條”之間加上一根連線，讓用戶可以通過薯條搜索到麥當勞？

再舉一個栗子：芝麻信用。

說個真事兒。過去，洪春濤的芝麻信用分很低。這不是因為他干了啥事，而是因為他“沒干啥事兒”。

他在家是個甩手掌柜，很少用支付寶，買啥東西都是太太去買，所以太太的芝麻分奇高，有800多。

在圖數據庫里，洪春濤這個點就是比較“白”的，沒有足夠數據，就很難評，不知道他是個好人還是壞人，只能先當個壞人打個低分吧。。。

但是，如果交給人工智能，AI 就能通過圖數據庫給他估算一個分。

大體原理是醬的：洪春濤和太太兩個人，在圖數據庫里的關系很近，他們的登錄環境一致，兩人又有密切的轉賬記錄。AI 一想，一個芝麻分奇高的人不太可能和一個壞蛋如此親密互動，所以，洪春濤就沾了太太的光，芝麻分被拉高到了一個體面的程度。

你還記得剛才我們說的，數據的本質目的是預測吧？

而“圖學習”，就是讓人工智能利用圖數據庫，對各個維度的空白點位做出“細粒度”的數據預測。

這種預測可以同時發生在上萬億點邊組成的信息海洋中，每一朵浪花的細節上。預測之密集，在人類歷史上并無先例。

這仿佛摩西劈開紅海，是一種神跡。

結論呼之欲出：藉由圖學習，人類預測世界的能力可能產生一個飛躍。這件事，靠傳統數據庫或人類專家手搓，都是決計不可能實現的。

不過，既然叫“圖學習”，它預測能力的天花板，就不僅取決于圖的水平，還取決于 AI 的水平。

說到這，我們就必須請上今年異軍突起的新技術—— “大模型” 。

小模型可以模擬人在圖上做“數據補全”之類的簡單腦力勞動；

大模型的兇狠之處在于，它可以在圖上模擬人腦的高級腦力勞動——邏輯洞察。

你還記得那個煩人的老板么？他讓數據工程師去反復計算不同人群和商品的關系，其實本質是為了找到其中隱藏的邏輯，從而制定商業策略，實現利潤目標。

就像那個經典的故事：

超市把啤酒和尿布放在一起，因為知道背后隱藏的邏輯是奶爸會被安排買尿布，他來到貨架上如果看到啤酒就會傾向于買，超市銷售額就會增加。

如果有一個“大模型助手”，它就可以用這種邏輯思維審視全圖，直接建議去調查“特定人群和類目之間的多跳關系”，然后生成精細的促銷策略，以達成老板設定的商業目標。

比如他的策略可能是這樣的：

我建議，在32歲-35歲在北京海淀區的媽媽中，挑出每個月買了1次盲盒以上的人群； 再從中挑選出瀏覽過汽車用品的人群； 再從這群人的一度關系人中挑出過去3個月內買過200元以上啤酒的這群， 為他們推薦位于北京昌平區的某個新開的度假樂園的優惠券。

要是能精確至此，想必這個推薦不會對用戶造成打擾，更可能是雪中送炭！

普通的 AI 可以補全圖，但不一定理解圖。要想達到深層的理解，還得靠更大的模型。

但說起來簡單，要做出此等聰明的大模型談何容易。

這種大模型不同于 ChatGPT 這樣的通用語言模型，它不僅要掌握邏輯推理能力，還要對圖數據庫的本質有深刻理解。所以螞蟻的老師傅們嘗試把“自然語言樣本”和“圖數據庫樣本”融合在一起訓練，這就叫“大圖模型”（Large Graph Model）。

雖說大圖模型才剛上路，但洪春濤寄予厚望。他的判斷來自兩個先例：

谷歌，之所以會在世紀之交爆火，是因為當時 MapReduce 讓 大規模并行計算的 成本突然降低，這使得“搜索”這種古老的想象作為一種商業模式首次得以成立。

字節跳動的今日頭條和抖音，之所以能在幾年前爆火，是因為那時 大數據分析的 成本突然降低。由此，通過數據對一個人的行為進行動態分析，然后找到他此時最可能喜歡的內容懟在眼前，這種商業模式得以首次成立。

歷史可能押韻。

如果圖學習（大模型+圖計算+圖數據庫）的成本繼續下降，會發生什么呢？

我猜，根據圖類型的不同，可能在各個領域出現不同的應用：

大模型加上濃縮了世界知識的超大圖（知識圖譜），就會產生類似孔子那樣“有教無類”的個人老師。 大模型加上螞蟻擅長的那種金融關系圖，那就是能對各種風險精確定價甚至能預測經濟危機的精算師。 大模型加上工業設備拓撲圖，那就是能自己優化效率、降低工業成本和商品售價的產業鏈神經中樞。

這樣的例子不勝枚舉，但背后的基本邏輯很清晰：

一個有能力解釋并改造世界的模型，必須和一個有能力體現世界多維細節的數據庫相配合，才能發揮出它本來的價值。

當然，為了讓歷史發生，洪春濤和螞蟻的老師傅此時必須做一件事，那就是—— 玩兒命降低圖數據庫的成本！

（五）圖數據庫的星火燎原

洪春濤告訴我，目前圖數據庫主要有三個成本：

1、計算成本。也就是計算所需的硬件和軟件。 2、人員成本。也就是懂得圖數據庫技術棧的老師傅的工錢。 3、使用成本。也就是圖數據庫和傳統數據、AI、大數據等上下游系統對接時的投入。

實話說，目前這仨成本都很高，全有繼續下降的空間，但要說空間最大的，最迫切的，其實是“第3條”。

我們不妨把視角拉開， 目前在中國，除了螞蟻集團在圖數據庫一馬當先，還有百度、華為、騰訊、阿里等大廠也宣布了圖數據庫，此外還有悅數科技、海致星圖、創鄰科技、楓清科技等創業公司在做圖數據庫。

百花齊放當然是好事，但各家圖數據庫的接口標準和查詢語句都不盡相同，相當于戰國七雄，大家都說不同的方言，用不同的文字。

這會造成啥問題呢？

剛才說過，各行各業用圖計算的姿勢都不同，圖數據庫廠商很難自己服務所有行業，需要靠第三方生態伙伴在中間幫忙。

如果各家圖數據庫的標準不同，生態伙伴今天學會了螞蟻，明天還得學百度、華為；對客戶來說，今天用了你家的圖數據庫，明天想換成他家的，整個接口都得重來一遍。

折騰的成本巨大，讓很多企業望而卻步，這是阻礙圖數據庫飛入尋常百姓家的一座大山。

既然有山，就得有愚公。

TuGraph，作為中國圖數據庫里最能打的那個，準備參與一下“愚公移山”的歷史進程。

2022年，螞蟻老師傅聯合國際標準組織 ISO 幫助制定圖數據庫的“普通話”——通用查詢語言 GQL；

2023年，他們還聯合圖數據庫的國際組織 LDBC，制定了 FinBench 金融圖數據庫測試標準，其中就定義了標準的數據接口。

FinBench 的標準流程

光靠降低“協作成本”，老師傅還覺得不過癮，一個更大膽的想法冒出來。。。

2022年，他們直接把 TuGraph 的單機版給開源了！

這不僅可以讓有需要的企業直接“零元購”這套頂級的圖數據庫，還能讓更多對圖數據庫感興趣的老師傅毫無鴨梨地研究它。

話說，雖然不要錢，企業們也不可能一上來就讓圖數據庫承擔重任，這些老師傅也不可能一上來就適應圖數據庫的思維邏輯，但不可否認，他們都是星星之火。

TuGraph 宣布開源

有趣的是：因為誰都能下載，洪春濤也不知道究竟誰在用。

但在一些偶然的場合，他遇到了一些小伙伴，他們來自小米和米哈游這樣有技術激情的公司。

對方告訴洪春濤，自己的公司已經開始用 TuGraph 了。沒啥主動安利的情況下，卻能在這些優秀企業里生根發芽，這讓洪春濤對 TuGraph 的生命力信心大增！

洪春濤給我畫了一張圖：隨著圖數據庫的成本降低，它能進入的 領域 會越來越多。

事情的發展，也在逐漸印證這張圖。

就在不久前，TuGraph 團隊幫螞蟻內部做了一個和金融本身沒那么大關系的事兒—— “數據血緣工程” 。

故事是醬的：

在螞蟻業務中使用的傳統數據庫里，有一些包含了我國的“行政區劃”信息。

這些數據來自最初的那張原始表格，但由于各個業務需求不同，后來有的從中提取了一部分使用，有的把別人的表格拿來再引用。

最后的情況變成了，大大小小一萬多張表里都含有最初那張表的“基因”。

這本來沒什么問題，但是隨著國家的發展，行政區劃是會變化的。2021年，螞蟻集團內部決定更新一下最初的那張行政區劃表。

麻煩來了，這個動作究竟會對這一萬多張表產生啥影響？這一萬多張表都重新修改的話，會對系統造成哪些沖擊？應該用怎樣的順序替換？

TuGraph 團隊幫忙把這些表格的元信息都導入圖數據庫，用圖算法一跑，其中關系，也就是“數據血緣”立刻浮現出來。

血緣顯示，其中有兩個表格極其重要。后續很多表格都是它的“后代”，于是這兩個表格的負責人被邀請進入了項目組，大家在所有表格上引用數據的點位都做好了關聯，這邊切換，那邊與之相關的點位也同步切換。

這樣，不僅避免了這次變更潛在的數據沖突，還盤活了數據庫之間的血脈，以后再想變更，直接操作就行！

利用類似的思想，TuGraph 團隊還幫某檔案館做了一個“檔案血緣”方案，源頭檔案的內容一變，所有相關的引用就瞬間更改。

他們還幫某海關把報關單的內容都放進圖數據庫里，可以從中發現全球商品的流動特征，還能探測到虛假報關的行為。

他們還幫一家能源集團把電網中的設備拓撲都歸納在圖數據庫中，模擬其中某些節點出現故障之后對系統整體造成的影響，從而制定更精確的維護策略。

這些應用 五花八門，在洪春濤介紹前，我完全無法想象。

“那圖數據庫到底能用在哪些行業呢？”我刨根問底。

“所有行業，只要圖數據庫的成本足夠低！”洪春濤說，“現在看來，各個行業都在單獨的點上嘗試，但你站在遠處看，這些點逐漸增多，就會連成片。這就是星火燎原的真實過程。”

這是評價一項新技術的 Hyper Cycle，洪春濤認為圖數據庫所在的位置已經走出了“幻滅之谷”。

他的話讓我突然想起了130年前，1893年的芝加哥世界博覽會。

那屆博覽會為了慶祝哥倫布發現新大陸400年，決定使用當時方興未艾的新技術，電。

主會場中，12萬個燈泡同時閃亮，如同白晝。那是人類第一次創造出一個純電照明的建筑環境，宛如神跡。

而那之后，人類開啟了“電”飛入尋常百姓家的洶涌進程，自此歷史再不回頭。

而電的應用也從“電燈”開始，逐漸進入了取暖、烹調、工業煉化、機械車床，最終它驅動了電子計算機，成為了承載下一代科技浪潮的基石。

如此看來，新一代科技浪潮，不正在我們腳下涌動嗎？

（六）怕風險，更怕“從前慢”

2021年，人民日報發表了一篇文章，名叫《高性能圖計算：尖端科技下一個前沿》。

其中低調地說了一句：在我國發展高性能圖計算，具備良好的技術基礎和現實條件。

親身經歷這段歷史，洪春濤當然知道這些“基礎和條件”有多么來之不易。

毫不意外，圖數據庫最早的企業級生態誕生在美國，2007年創業團隊 Neo4j 開拓了圖數據庫的商業應用，但由于當時數據分析需求不夠旺盛，隨即進入了長達8年的低潮。

到了2015年，數據量開始暴漲，風口來臨，彼時中美兩國的老師傅們幾乎同時大舉殺入圖數據庫，那一波我們的投入絲毫不遜于美國。

之所以中國人這么有信心，源自我們巨大的人口基數，和建立于其上的全世界最大的移動互聯網生態。

這場決絕的投入，換回的結果就是：在圖數據庫和圖計算領域，中國一騎絕塵跑在世界前沿，沒有任何人卡我們的脖子。

不是不想，而是不能。

其中，清華大學在學術賽道保持領先，螞蟻在產業賽道沖在最前面。

而在2020年，洪春濤和他的老師陳文光所代表的來自清華的團隊加入了螞蟻集團，學術界和產業界最強的兩支隊伍會師，成為了中國圖數據庫的一個里程碑。

這次會師的結果就是：在最新的權威基準測試中，TuGraph 的成績提升到了之前美國最強的 TigerGraph 的 2.84 倍。

縱然美國的圖數據庫面對國際市場，能從全世界吸引最強的人才，綜合實力還是領先，但是中國圖數據庫的性能擺在這里，雖說沒必要驕傲，但也沒理由妄自菲薄。

而我們更該關心的是， 怎么找到一個“快進鍵”，把物理世界中復雜纏繞的數據盡快塞進圖數據庫這個基礎設施，編織出專屬于下一個時代的生產力？

這里，仍有一些值得警惕的事實：

在采用圖計算的意愿上，中國企業并沒有美國企業那么激進。

銀行業，就是一個突出的例子。

雖說我們的很多銀行都已使用圖計算，但卻把它作為解決特定風險的專用工具，沒有像螞蟻那樣放進每一筆交易的核心流程里。

但由于銀行的風控策略更為嚴格，對企業貸款的資質信用要求很高，許多中小企業相對缺乏幫助判斷的信息，在資金獲取方面遇到了困難。

這樣并非長久之計。

最近兩年，國家大力推進普惠金融，鼓勵銀行加大對小微企業的貸款支持力度，銀行業的風控需求也在進一步向深水區跋涉，新技術的應用可能就是一把鑰匙。

銀行業只是千行百業的代表。在政策的引導下，能源行業、先進制造業、醫藥、教育都在進行數字化改造，進一步嘗試數據分析和洞察。

這些先行者們是否會像核聚變一樣點燃中國圖計算新一輪爆炸？螞蟻這群老師傅站在時光的河流岸邊，像纖夫一樣用微薄之力拉動這一切發生。

遙想當年，就在美國芝加哥世博會開幕時，大洋對岸甲午戰爭正在醞釀，中國大地風雨如晦，有識之士仍在快步疾行，尋找德先生和賽先生。

而今，頭頂的天空碧藍，我們找不到 理由懷念“從前慢”。

畢竟，“車、馬、郵件都慢”和“冒著熱氣的豆漿店”無法載著我們的世界飛速前進，就讓它們留在詩句里吧！

Art work By

Yoshi Sedeoka

無法浮現的真相

并不是真相

再自我介紹一下吧。我叫史中，是一個傾心故事的科技記者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。

哦對了，如果喜歡文章，請別吝惜你的“在看”或“分享”。讓有趣的靈魂有機會相遇，會是一件很美好的事情。

Thx with in Beijing