所以，ET大脑的重中之重就是构建类人脑神经网络，从物理世界的数据孤岛收上来变成逻辑数据，规整后放到数据仓库中去，接着最重要的是构建知识模型，做到与人脑认知世界一样。比如做工业大脑时，需要得到ERP数据、机器振动、工厂环境温湿度等参数，像大脑神经元一样，一些神经元可以控制机器的角度，可以控制添加原料的配比，将这些固定的信息建立相互的联系，如同建立人的知识图谱。
因此，构建知识地图是ET大脑中关键的一步，我们不仅仅要了解机器学习算法，我们最终解决的问题不是检测精确度，而是确定某个精确度与其它数据的关系，以及如何影响最终结果。 比如帮助工厂提高产量，预测燃煤效率，燃烧效率与其中若干工序又有什么关系呢？这就是我们要构建ET大脑的过程，我们将ET大脑产品化，沉淀下来许多工具，包括机器学习平台、数据采集、数据分析、数据计算工具，在这之上就是知识图谱。
阿里在做电商、蚂蚁等时候也是运用了类似的方法，在内部构建了很大的数据中台，每天阿里系产生数据都是PB级的，这些数据都在中台上，我们将数据进行关联抽取，去建立标签体系——用户标签体系、产品标签体系、商家标签体系、位置标签体系等，每个标签体系中含有几千个标签，当天猫从业人员想做推荐，那么，推荐精确程度取决于标签复杂度。同样道理，我们在做工业大脑、城市大脑时，首先也是与客户一起建立知识图谱，基于图谱构建神经网络，才能做到实时反馈。
聚焦数据密集型产业ET大脑聚焦在城市、企业和民生。
城市大脑
以前的交通视频检查都是由人工切换镜头来监测，屏幕眼花缭乱，工作较繁重；基于视频自动巡检如图，我们可以做视频实时分析，包括道路拥堵识别、车辆违规识别和交通违规识别等，机器可以对所有的摄像头实施24小时监管，事故发生时可以自动报警，还可以进行视频定位追踪。
杭州城市大脑如图，可以看到每天交通情况，有许许多多个点，当某个地方发生交通事故时，该点就会变色提醒，城市大脑设计了多个指标对拥堵指数进行判别，并对路口进行排名，使用户方便看到哥哥路口的状况，如果想了解更加详细的情况，可以深入点击查看甚至调出视频。
农业大脑
基于图像识别，农业大脑对玉米生长周期进行监测，我们将玉米生长周期进行分类，根据叶绿素的浓度判断玉米处在哪一个生长周期，并与正常在该生长周期的状态进行对比，从而判断是否为病态。
某企业农业大脑如图，通过农业大脑的图像分析等，对农作物的生长阶段监测、产量预测、病虫害识别等都进行了分析并得出结果。
航空大脑
