HP Autonomy公司简介

HP Autonomy公司简介

Autonomy 是基于语义计算 (MBC) 这一快速发展领域公认的领导者。1996 年成立的

Autonomy 是建立在经剑桥大学研究而产生的独特技术组合之上。公司的迅速发展使得其市值达到了 22 亿美元，并且在全球各地都设有办事机构。惠普于2011年宣布以111亿美元收购英国软件公司Autonomy。

目录

一公司简介

二计算技术

一、公司简介

Autonomy的创始人是剑桥大学的迈克·林克（Mike Lynch）教授。1991年，林克教授创立了Autonomy的前身Nurodynamic公司，后者是林克从一个乐队老板融资3000多美元创建的，该公司主要致力于剑桥大学模式识别研究成果的产业化工作。

到1996 年时，林克教授已经积累了足够多的客户资源。于是，他向风险投资商借贷了1500万美元，创立了Autonomy。同年，Autonomy推出了世界上第一套智能个性化信息系统，同时发布了它的拳头产品DRE（Dynamic Reasoning

Engine，动态推理引擎）和Portal产品系列。

作为一家为企业提供高端搜索引擎软件的英国科技公司，创立于1996年的Autonomy在经历了世纪之交的互联网泡沫后涅槃重生，不仅杀入硅谷，收购了三家美国公司，并且在金融危机中成为英国为数不多逆市成长的科技公司之一。Autonomy智能化的搜索引擎软件未来或可挑战谷歌在这一领域的霸主地位。

Autonomy：重要信息尽在掌握

Autonomy 被包括 Gartner Group、Forrester Research 和 Delphi 在内的分析家公认为业界领先的企业，他们称 Autonomy 是有史以来发展速度最快的上市公司。与第二名相比，Autonomy 的收入是其两倍之多。

北京时间2011年10月四日，惠普正式宣布，该公司已经完成了 104 亿美元收购英国软件公司 Autonomy 的交易。

这是一场难以理解的收购，除了李艾科本人外，包括惠普内部与外部的所有人都认为Autonomy并不值这个价格。此前林奇曾试图将公司以60亿美元卖给甲骨文，但被拒绝。

好莱坞式的离奇剧情再次发生在惠普身上。如果说，过去几年间惠普的董事会、窃听门和桃丑闻等事件只是公司政治内斗，那么这一次，惠普不得不付出高达88亿美元的巨大商业代价。

初听上去，这是个不可思议、令人错愕的故事。

惠普去年夏天宣布以111亿美元收购英国软件公司Autonomy，试图在企业应用软件市场追赶IBM等竞争对手。这项由前惠普CEO李艾科推动的收购，当时被硅谷批评代价太过昂贵，也遭到公司CFO的强烈反对，但最终仍然被董事会通过。

当时的董事会——和当前基本一致——都信赖了审计机构德勤对Autonomy的财务审核报告。作为尽职调查的一部分，惠普当时还聘请了普华永道（PwC）对德勤的报告进行了审计，巴克莱银行等投行中介机构也参与了这项收购交易。

无论是德勤还是普华永道，都没有能够发现任何问题。直到2012年4月Autonomy创始人迈克·林奇（Mike Lynch） 被辞退后，一位Autonomy领导团队的资深成员主动“爆料”，惠普通过调查才发现，Autonomy公司存在一系列可疑的会计和商业行为，导致惠普收购这家公司时的估值存在严重偏差。

由此带来的后果残酷。惠普昨日晚间宣布，在2012财年第四财季财报中记录一笔非现金商誉减值费用，该笔与Autonomy公司相关的费用价值88亿美元。而其中大部分的——超过50亿美元，与严重的会计不当行为、虚假陈述和情况披露失误有关。

这也意味着，仅仅一年时间，惠普收购Autonomy的100多亿美元已经损失八成。

尽管惠普尚未将Autonomy的行为直接定义为商业，但其具体指控已明白无误的指出了这些行为的性质。这些针对Autonomy的指控包括：

——把亏损出售的低利润硬件伪造为高利润软件销售额；

——把以上产品销售造成的损失再伪造为市场推广费用；

——隐瞒通过分销商渠道销售的软件使用许可，这些分销商把Autonomy软件和硬件或服务打包出售。这些营收全部伪造成软件销售额；

——未正确记录软件服务营收。根据会计准则，软件服务，特别是以月费形式收取的，只有在用户支付后才能入账。惠普称Autonomy在记账时把这部分收入当作软件使用许可费提前计入营收。

最新的进展是，惠普已经将其调查结果报告美国证监会（SEC）和英国欺诈重案办公室，公司CEO惠特曼表示，公司将考虑针对几个当事人采取法律行动。

Autonomy创始人迈克·林奇无疑首当其冲。[1]

二、计算技术

Autonomy产品的核心算法是两种数学理论的独特结合：贝叶斯概率理论和香农信息论。

18 世纪，英国牧师托马斯·贝叶斯曾经试图利用概率论证明上帝的存在，但他未能如愿，不过，他所创立的贝叶斯定律却奠定了现代概率论的基础。两个多世纪以后，这个定律成了Autonomy发家致富的敲门砖。不少数学家认为，贝叶斯定律描述的逻辑是一种跟人类思维模式最接近的数学逻辑，它通过一个概念出现频率的多少和与其他概念之间的关系来决定其成分的重要性。

香农信息论则提供一种方法来提取一篇文章诸多概念之中最有意义的部分。香农信息论最基本的理论是：一个词重复频率越高，其内容越不具有概括性，反之，一个词重复频率越低，其内容越丰富。

从“搜索（search）”到“发现（discover）”

Autonomy在保留了传统搜索方法的基础上，还发展了新的方法。

如今，人类研究的信息搜索技术有四个方向：关键字搜索，模式识别，语义分析，神经网络。除了关键词搜索比较成熟外，其他三项技术还处于待开发状态。模式识别的代表者就是 Autonomy，语义分析和神经网络两个技术方向当前尚无压倒性的代表者，这两个技术方向的研究难度相对较大，估计一时半会不会有突破性研究成果。所以，模式识别就成了当前比较先进的信息搜索技术。

传统搜索基本上采用“关键词”搜索方式，也就是“非0即1”的方式，它基于严格定义和分类的布尔表达式，即“与、或、非”表达式。这样搜索的最大弊病就是：如果关键词不确定，或者有错误疏漏，用户往往得不到自己想要的搜索结果。

采用“模式识别”搜索方法，可通过判别相关识别度的高低来对数据进行检索。即它会对用户键入的检索内容进行语意上的分析，然后对海量信息进行概念匹配，出在内容上最接近的数据提供给用户，所以可以避免传统“关键词检索”造成的漏检情况的发生。比如一篇文章里如果有“大海”这个词，这篇文章有可能和企鹅有关，但是“大海”这个词用在很多不同的地方，有可能文章讲的是别的内容。但是如果一篇文章里有“大海”、“南极”、“黑”、“白”、“不会飞”、“羽毛”、“下蛋”、“石油”、“泄露”等这些词，这篇文章是在谈论污染和企鹅的概率就会很高。虽然整篇文章里没有“企鹅”这个词，但是很多相关度较低的词出现在一起就会带来很高的相关度，并且缺少某个描述词对其产生的结果影响微乎其微。

Autonomy的工作原理

Autonomy的核心是建立在独特的信息论和概率论的基础之上的模式识别技术，它可以保证对任何形式的信息：文本文件或基于语音、视频、非结构化或结构化的实际内容的基本理解。

如今网络应用软件主要为三层结构：用户界面层、应用软件层和数据层。这样的结构所存在的问题是，不同的应用软件不能实现信息共享。信息源与信息源之间有不可跨越的屏障，来自不同信息源的信息有不同的格式。Autonomy创建了一个新的信息层：智能信息操作层IDOL，自动把各个信息源和各种文件格式统一在一个智能的信息操作系统之下，这个智能信息操作系统可以提供多种信息操作的功能，比如信息的实施自动链接，信息自动分类，内容概括，信息聚类等。

Autonomy在系统内创建一个新层，即智能数据操作层（intelligent data

operating layer, IDOL），从而使企业系统“以数据为中心”。该操作平台后端与各种数据源相连，可以根据任何语言和格式进行内容搜索，不论内容存放在哪里，自动实时地将总结以及与其类似信息的链接呈现出来。由于autonomy的技术是建立在概率性建模之上，因此不依赖任何语言进行分析，无需维护任何繁琐的词表， IDOL将此看成是意义的抽象符号，它通过词出现时的上下文环境而不是通过严格的语法定以来形成对该词的理解，从而识别进入到autonomy架构中的任何数据的语言特性。

另外，autonomy还具有分类和聚类功能。IDOL自动根据非结构化文本中的概念对信息进行分类，可以保证根据内容对所有数据进行最准确的分类。而自动聚类可以收集大量的文档数据或用户档案信息，并且自动识别出信息内的主要类别，让IDOL自动的持续一致的计算新的信息应该属于哪个类别。

用户分布

超过 16000 家政府机构以及蓝筹公司使用了 Autonomy 产品中强大的模式匹配算法，并通过它们提取出了非结构化信息中的含义。例如，在隶属于美国国土安全部的机构中，有 21 家使用了基于语义计算技术来监视涉嫌恐怖活动的团体，从而提供了一个全面的监视名单，并且实现了在出现可能的恐怖活动时以实时的方式通知有关部门。福特汽车公司则将基于语义计算技术用于转换其研究知识库中的文本、音频以及视频文件，以便获取有意义的参考资料供其超过 15 万名的员工查看。借助这些资料，员工们就能够更快地了解企业上马的新项目。而对于在超过 60 个国家拥有办事处的 Zurich Financial Services 而言，基于语义计算技术带来的优势在于出来自 500 多个来源的信息中重要的内容，并将其提供至风险管理经理以便出可能的威胁与机遇。

其他使用了基于语义计算技术并从中受益的企业包括：BAE Systems、波音、福特、戴姆勒-克莱斯勒、壳牌、AOL、BBC、路透社、Hutchison 3G、爱立信、T-Mobile、飞利浦、可口可乐、卡夫食品、雀巢、Lloyds TSB、葛兰素史克、KPMG、花旗集团、荷兰银行、德意志银行、野村证券以及美国证券交易委员会。

附录 语义计算简介

这些年来，非结构化信息的使用范围发生了大幅度的增长，这些信息的形式包括文档、、电话录音以及多媒体内容。企业中如今有超过 85% 的信息都是非结构化信息，这些“人性化”的信息对于计算机而言非常难于理解和使用。而基于语义的计算能够解决这一问题。

基于语义计算技术使计算机能够理解各段信息之间的联系，进而执行复杂的分析操作，而这一切都是自动且实时进行的。

技术特点

基于语义计算技术与包括关键词搜索在内的传统方法有何不同？

基于语义计算技术的能力远远超出了诸如关键词搜索这些只能进行数据查与检索的传统方法。举例而言，关键词搜索引擎不能理解信息的含义，因此这些产品只能用于出带某个字词的文档。然而由于无法理解含义，所以那些使用了不同字词但主题却相同（即有相关性）的文档将被忽略。而那些主题与用户期望搜索的内容完全不同的文档却经常被返回，从而使得用户必须修改查询方式来适应这种搜索引擎。

除此之外，基于语义的计算还能提供关键词搜索引擎无法提供的许多功能，例如自动形成超链接以及聚类。举例而言，自动形成超链接可以向用户提供众多在语境上与原有的文档相互联系的文档、服务和产品，这就要求计算机能够完全理解原有文档的含义。与此类似，要使计算机能够自动收集、分析并组织信息，就必须赋予其提取语义的能力。只有拥有基于语义计算技术的系统才能做到这一点。

应用方面

基于语义计算技术为现代企业带来了一系列新的战略性应用。

高级企业搜索：

基于语义计算技术不仅能出其他技术（包括关键词搜索以及关系数据库）无法发现，占企业信息总量 85% 的内容，同时还能理解它们的含义。因此，用户能够查看之前甚至认为并不存在的相关信息，从而以实时的方式对其进行操作。

知识管理： 基于语义计算技术使企业能够自动地通过语境理解客户与员工感兴趣的方面，他们的行为，以及与各种类型的信息之间进行的交流。这样，企业就能够通过利用其员工所拥有的重要知识、经验以及专业技能来形成协作。

电子搜索：

基于语义计算技术还使得企业能够从上万亿字节的、文档、电子表格以及其他非结构化信息中提取出有意义的内容。借助该功能，调查人员就能在了解企业环境之余发现可能存在的不法行为及其发展情况。