近日，中国电子学会正式公布“2021中国电子学会科学技术奖”名单。浙江大学、达摩院、阿里云共同完成的“超大规模高性能图神经网络计算平台及其应用”荣获科技进步一等奖。据悉，该奖被认为是国内电子信息技术发展风向标。

早在2020年，达摩院发布的《达摩院2020十大科技趋势》中就曾提到“人工智能已经在‘听、说、看’等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。” 而大规模图神经网络（GNNs）被业内公认为是一种推动认知智能发展的有效推理方法。

为让人工智能的运作更加接近于人脑，图神经网络计算将深度学习算法和图计算算法相融合，以达到更优的认知与问题处理等能力。这种基于图的深度学习不仅能够挖掘现有图数据背后的丰富价值，还有助于将关系数据自然地建模为图，极大地扩展了基于图的深度学习模型的适用性。

简单理解，在电子商务场景中，如果把整个社会看作一张庞大的关系网络图，那么每一个用户、每一样产品、每一次购买行为都是这张图中呈现的元素。图神经网络计算通常被用来对这些元素之间错综复杂的交互关系进行学习分析，从而更为精准地与用户互动。比如，在手机淘宝上，图神经网络基于对各项商品类型的学习建立了庞大的知识网络，具备了一定生活常识，如能理解“生日”与“蛋糕”的关系，从而更好地理解用户的商品搜索等需求。

多项关键技术难点实现突破

相相较于我们印象中简单的文本和图像，各种业务场景中需要处理的图规模非常大，包含百亿级别的点和千亿级别的边。这样规模的计算已经远远超过原来的图像和自然语言的处理。同时，图本身是动态变化的，像常见的购物类APP上每天都会上架或者下架非常多商品，所以每一天的图的结构都是不同的。此外，图的非规整性、异构性等特点都给深度学习带来了更高级别的挑战。

经过数年快速演进，图神经网络的研究已经取得突飞猛进的进展。以此次获奖的“超大规模高性能图神经网络计算平台“为例，它突破了超大规模图表示、图存储、图算子以及图加速等多个技术难点，是一个自主可控、开源开放、分布式高性能云上图神经网络学习平台。