36氪首发 | 图计算引擎数据分析服务商「欧拉认知智能」完成数千万preA轮融资

36氪获悉，图计算引擎数据分析服务商「欧拉认知智能」完成数千万preA轮融资，由GFC (Global Founders Capital) 领投，启迪之星跟投。老股东方信资本继续加注。

欧拉对标的公司ThoughtSpot，成立于 2012年，是一个BI工具，专注于搜索和AI驱动分析。ThoughtSpot尝试通过为用户提供自然语言搜索选项以及由其AI引擎提供支持的建议见解，来自动化分析数据的完整任务。可见ThoughtSpot的最终用户是普通员工而非工程师。此前该公司已在谷歌、亚马逊、甲骨文和微软建立了市场定义搜索和分析技术。凭借这一优势，ThoughtSpot迅速俘获了沃尔玛、英国电信、戴姆勒等客户，并与 Snowflake、Databricks、Amazon Web Services等领先企业进行了整合和合作。更是在2019年杀进Gartner的商业智能及分析平台魔力象限中，打破了Microsoft Power BI、Tableau、Qlikview传统BI产品连续3年垄断领导者的局面，AI驱动的新一代BI产品的巨大潜力显露市场。

2021年，ThoughtSpot新一轮融资估值达到42亿美元。

与ThoughtSpot类似，欧拉基于实时图计算打造出的增强分析平台，像Google、百度一样，只要输入“你心中的数据问题”，无需编写SQL、无需开发分析应用，业务用户一键轻松获得数据图表、结论、推理结果等必要信息。

创始人&CEO王绪刚以某零售企业举例。日常企业数据运营工作和大量加盟商的个性化数据分析支持，使得IT成本越来越高。欧拉提供了一种人人可用的语义搜索的方式来回答100+运营者的问题，无需专业的数据分析经验和复杂的操作，降低了数据分析成本，大大提升了数据驱动决策的效率。

企业供图

而之所以能够达到以上“搜索即应用”的效果，与欧拉底层的“图计算”技术密不可分。图计算（Graph Computing）将数据按照图的方式建模可以获得以往用扁平化视角很难得到的结果。

欧拉认知智能“数据分析决策机器人”主要采用王绪刚早年研发专利图计算引擎的数据描述方式，以“顶点”表示描述对象，相关的“顶点”由“边”连接，即借由“边”表示对象之间的关系，由此组成一张带有业务语义的数据关系图模型。该引擎支持多跳图查询、图游走聚合、图推理、最优路径、Markov等概率图计算，比开源图数据库性能高60-100倍，单台机器可以支持5亿节点，500亿边。

ThoughtSpot采用的“关系搜索”与此逻辑相似，其通过“关系”的索引，与欧拉认知智能图计算中的“边”链接异曲同工。

目前欧拉所做的图引擎，把数据库中存储层、计算层、交互层三层中的存储层和计算层抽取出来，智能化升级交互层，以追求更快速高效的计算能力替代数据的一致性。简单来说，就是用图来做数仓和OLAP的分支。欧拉将计算特征抽取，变成标准化引擎。

企业供图

但是引擎本身无法直接帮助客户，因此欧拉在引擎的外围包装了语义化的交互层和图谱构建能力，提供让业务人员可以直接使用的数据分析平台

为什么会选择切入BI这个赛道？目前来看，以图技术为代表的新技术，革新了以前的计算和数据存储方式，但是如何找到属于自己的落地方向，并且有效兼容客户传统处理习惯是商业端面临的共同困难。

王绪刚告诉36氪，社交分析推荐、反欺诈、公安经侦模型、银行七大风控场景、文本知识图谱等场景，他们团队都尝试过。但是以上场景都不是足够大的数据分析场景，而图更擅长解决复杂关系。

因此，王绪刚想找到更有市场的赛道，比如对分析有大量需求的行业。

另一个考虑因素是，企业在数字化转型中，往往会面临业务和IT部门的割裂，欧拉凭借产品交互简单且底层技术深厚优势，既能让业务人员快速上手，又可简化IT人员的工作。

经过大型集团客户在数据规模、数据安全、计算实时性、计算复杂度多种条件下的打磨，“欧拉”平台化产品已经在营销优化、用户体验分析、客服知识搜索、运维故障定位、财务自助风控多场景下落地，并为企业节约了60%分析师和数据工程师资源，数据获数据分析效率从5天下降到0.5小时。

目前，欧拉的客户有30多家，主要集中在中型和大型客户，客单价按照客户部门来计算，一个部门收费在50万元左右。

而之所以能够在技术、产品、商业各方面进展快速，源于团队的认知和实践积累。

创始人&CEO王绪刚是日本国立富山大学人工智能方向的工学博士，曾是中科院软件所助理研究员、客座副研究员，作为国内最早的“实时图计算”相关专利发明人，曾担任时趣互动的首席科学家，对人工智能、营销、数字化等行业都有深厚积累。