彼得·蒂尔在《从0到1》中说，要把“进步”分为水平进步和垂直进步两种不同的方向。
水平进步较为常见，比如传统企业的商业模式是在现有基础上，复制之前的经验，通过竞争不断扩大自己的市场影响力，这是一个从1到N的过程；而垂直进步往往基于科技创新，例如互联网时代那些成功的企业能够做到从无到有，通常是利用科技创新带来的“颠覆性”，这也可以称之为从0到1。
从1到N，固然是维持社会文明前进的稳定基础，但对企业而言，从0到1应该是一种“先天下之忧而忧”的创新意识，一家企业要能够跳出“舒适区”，学会突破认知界限，不断通过从0到1的认知重塑，来开辟新赛道，才有希望成为市场的引领者。
爱数总裁贺鸿富
“从0到1”是一种开创性，是在重新定义新事物，是真正的原创。爱数总裁贺鸿富认为爱数有机会在数据产业成为一家从0到1的公司。这既是爱数总裁贺鸿富的个人坚持，也是爱数十六年来，在数据产业赛道中不断求索的动力。
#1
Data+AI的机遇是领域认知驱动
如今，资本的关注和技术的发展相结合，正在推动一个蓬勃发展的数据产业。这也许并不是一个全新的赛道，但在很多发展节点上，总是不乏从0到1的创新者，比如分布式存储对NAS存储的压力，云数据库对传统关系型数据库的取代等等。
爱数认为，正是不断的从“0到1”让整个数据产业总是处在快速发展的车道上，如今与数据产业相关的公司总市值已突破了2500亿美元，且已经诞生了6家市值超过100亿美元的超级独角兽。
的确，由数据价值驱动的数字经济正成为推动社会前进的主要模式，所有新兴的业态和场景化创新，无不是以数据价值的挖掘为基础。
对今天的企业来说，数据作为一种“无形资产”的重要性也变得比以往更加凸显。企业的数字化战略已经从“业务驱动”转向“数据驱动”。数字化转型的前提是数据化，所以数据成为了一种新的生产资料，也成为了智能化业务新的“起点”。
但拥有数据，并不等于获得了数据的价值。企业需要有效地掌握数据，并通过AI技术与数据结合，深入发掘数据对业务的驱动力、决策力和创新力。我们发现凡是依照这个逻辑所衍生的公司和业态，无一不是颠覆传统行业的新物种，比如那些创新速度更快的互联网公司和云计算公司。
因此，爱数认为，未来数据产业的关键词应该是：Data+AI，而驱动Data+AI从0到1的新机遇则是：领域认知驱动。
简单地说，领域认知智能是指利用人工智能的手段，基于业务模型，从各类数据中提取领域知识，并利用领域知识进行推理分析，解决领域内问题的技术体系。
如果从人工智能的发展历程来说，几乎过去20年都是感知智能的发展阶段，包括视觉、听觉、触觉等感知能力的提升，以智慧城市的场景为例，在城市中安装各种摄像头、卡口、物联传感设备等数据采集系统，可以海量地去收集城市运行的各类信息。
感知智能的发展，快速推动了AI作为一种通用能力的普世化，但感知智能作为通用的AI能力，还需要与具体的行业和场景相结合，才能发挥出业务智能化的价值，这就需要领域感知智能。如城市庞大的数据资产经过沉淀且“知识化”，与各项领域认知智能网络相结合，就形成了一个又一个的城市治理智慧应用。
#2
跨越认知智能与行业落地之间的鸿沟
对企业而言，要实现真正的“认知智能”，要经过3个步骤，先要做好全域数据的整合，再结合知识网络，最终走向认知智能。
为此，2020年爱数率先提出了“数据驱动型组织”的全新理念，完成从非结构化数据、结构化数据到机器数据三大数据源的多模态数据的整合，同时基于AnyDATA ONE一站式知识网络平台，将数据加工成知识，帮助企业通向认知智能。2022年，爱数又发布AnyDATA Framework 2，以领域知识网络、领域智商、集成的开发框架三大创新，赋予机器认知能力。
事实上，前瞻性的技术方向，未必都能换来市场的认可。IBM是第一个将“认知计算”作为企业未来愿景的公司，但除了沃森在医疗领域有不错的落地案例之外，在其他行业鲜有成功的样板。这说明，认知智能需要感知智能的成熟作为基础，超前的战略构想实际上有拔苗助长的嫌疑。
是感知智能技术的极大繁荣，让认知智能迎来了真正的发展契机，但这依然不够。我们要认识到领域认知智能与真正的行业落地之间，还有不小的距离。
首先，认知智能的技术能力与行业场景之间，还隔着一道鸿沟。往往有AI技术能力的企业缺乏场景，而传统企业拥有足够多的场景，但却缺乏AI技术能力的支撑和专业的团队。
其次，真正核心的AI能力和算法，仍然掌握在少数顶级AI公司的手里，AI的行业生态圈并不完整，尤其是认知智能与行业场景的结合也缺乏标准和成熟的方法论。
第三，人工智能要离开高高在上的殿堂，终究会步入民间，成为通用的普惠技术。智慧城市、智慧交通、智慧农业、智慧水利、智慧工厂…整个社会的智能化，需要普惠的能力。
第四，人工智能的专业人才还存在较大的缺口，这导致产业智能化的底层支撑力不够牢固，人工智能的产业生态成熟速度比预想的要更缓慢。
爱数研发副总裁陈骁指出，作为人工智能的子系统，很多行业领域都需要专业的领域知识驱动，但要发挥认知智能的价值，就需要将其限定在一种领域边界当中，来解决具体场景化的难题。
这种边界的划定，也有机会让领域认知智能，成为一种最佳实践，同时在普惠千行百业的这条路上，还缺一项重要的普世能力，那就是开源！
#3
开源是爱数站在行业视角的价值重构
马克·安德森说过，软件吞噬世界，而开源则在吞噬软件。早期开源软件是以成本驱动，长期博弈垄断的封闭系统，但现在开源已成趋势。如今很多大企业的IT部门，都在关键任务项目中，大量使用开源软件。
众所周知，开源的好处在于不用重复造轮子，从代码的层面就将共性的信息奉献到社区，由广泛的开发者在开源代码的基础上，加速软件本身的更新和迭代。开源不仅是一种商业模式，更是一种推动创新的加速器。
陈骁认为，通过领域认知的开源，可以整合全球智慧，进一步推动AI能够在普惠更多行业，更快的打开智慧世界的大门。
为此，爱数推出开源领域认知智能项目KWeaver，其中的K代表知识（Knowledge），Weaver代表编织者，意为将所有的知识编织在一起，从而实现领域认知智能。
据介绍，KWeaver项目是基于爱数认知智能框架AnyDATA Framework 2，以成熟的数据知识化方法论和系列认知智能应用组件赋能开发者，帮助企业降低认知智能应用开发的复杂度与人才门槛，更便捷地实现认知智能。同时，爱数也将推出认知中台方案，升级数据中台方案为知识中台方案，以更好的服务于客户，与客户共创，让AI深入应用场景，真正赋能客户的数据。
事实上，爱数早就在探索认知智能技术开源的可行性。在2019年底，AnyDATA ONE正式立项，爱数通过打造多模态的知识图谱平台，就已经为开源项目打下基础。经过近3年的优化迭代，AnyDATA Framework 2 演变成了一个基于领域知识网络的认知智能框架。2022年9月，脱胎于AnyDATA Framework 2的KWeaver 正式宣布开源，为了这条开源之路，爱数其实已走过了三年的准备期。
我们知道，任何开源项目都需要通过广大的开发者生态，而好的开源项目往往会针对不同属性和程度的开发者，提供差异化的能力的方案。
在这方面，KWeaver则为领域认知智能的数据科学家、应用开发者、领域专家提供了不同的能力。比如通过可视化的知识网络工作台、可视化的认知智能应用开发调试工具，为开发者们提供快速的开发能力。同时可以基于云原生的技术，提供横向扩展能力，并采用分布式的计算引擎来实现海量数据的接入和计算。
开源的本质并不是为了开源而开源，开源的目的是通过开放的机制，推动生态创新的效率。
可以预见，KWeaver的开源可以借助开放社区的研发资源演进产品，并把各行业和领域内解决问题的思路、方法、模型融入到爱数的领域认知框架。进一步将领域认知智能的能力，延伸到千行百业的各个场景。
KWeaver尽管是爱数的第一个开源项目，但它的背后是爱数市场地位提升之后，站在更高的行业视角所做的一次价值重构，也意味着爱数真正意义上以“隐形冠军”的目标在要求自己。
