Connected Papers 是一个面向学术研究者的可视化文献探索工具，用户通过输入论文标识（如 DOI、arXiv ID、论文 URL 或标题）即可生成一张以该论文为中心的相似论文关系图。它利用 Semantic Scholar 的论文数据库，展示**先行作品（Prior Works）**与**衍生作品（Derivative Works）**，帮助用户快速识别领域内的重要文献和研究脉络。平台适用于文献综述、构建毕业论文参考文献以及发现近期重要成果，还提供示例图谱、订阅邮件列表和基础定价信息，支持跨学科的学术发现与可视化分析。
Deep Graph Library（通常简称 DGL）是一个面向图神经网络（GNN）的开源深度学习库，旨在简化图数据上的深度学习建模与训练流程。它支持多种深度学习框架（如 PyTorch、TensorFlow、Apache MXNet），提供高效的消息传递原语以加速 GNN 训练，并通过多 GPU 与分布式训练机制扩展到超大规模图。DGL 拥有丰富的生态与示例项目（如 DGL-KE、DGL-LifeSci），包括教程、博客、论坛和 Slack 社区，方便用户快速上手与交流。此外，DGL 不断发布新版（例如 DGL 1.0、2.0、2.1），持续改进数据加载、GraphBolt 数据流水线的 GPU 加速与 BFloat16 CPU 加速等性能优化，使其适用于科研与工业级应用场景。
Connected Data London（CDL）是自2016年以来聚焦知识图谱、图数据库、图分析、图人工智能与语义技术的国际社区与年度会议品牌。每年举办多天活动，包含大师课（Masterclasses）、主题演讲、专题分会与社区晚宴，面向新手与资深化从业者，提供技术入门、前沿研究与实务案例分享。CDL 汇聚全球专家、赞助商与企业代表，活动形式包括现场与远程录播访问，支持广泛的行业交流与合作，能够帮助个人与组织掌握图技术在推荐系统、反欺诈、知识管理等场景的应用。
Arango 是一个面向企业的图形驱动 AI 数据基础平台，致力于将图、向量、文档、键值与搜索等多种数据模型统一在同一运行环境中，从而为上下文感知型 AI（如共驾、聊天机器人和智能代理）提供可信、可扩展的数据基础。平台强调通过 GPU 加速与水平/垂直扩展来保障性能与吞吐，同时声称可显著降低集成与基础设施成本（最高可达约 70%）。Arango 在准确性、可扩展性与成本效益之间寻求平衡，提供快速启动示例、官方 SDK 与下载试用选项，并已被包括 NVIDIA、Deloitte、Johns Hopkins 等多家企业和机构用于生产级应用。其核心价值在于以图为核心的多模型统一，使得对复杂关联、实时分析与基于知识的问答场景更为友好与高效。
NetworkX 是一个专为复杂网络（图）分析与建模设计的 Python 开源库，提供了图、有向图和多重图等灵活的数据结构，以及丰富的图算法与网络度量工具。它支持生成经典图、随机图与合成网络，节点与边可以携带任意类型的数据（如文本、权重、时间序列等），便于表达现实世界中复杂关系。NetworkX 遵循 3-clause BSD 许可、拥有高度测试覆盖率，适合快速原型开发、教学和跨平台使用。无论是科研、数据分析还是工程原型，NetworkX 都是处理网络结构与动力学的实用工具。
PyG（PyTorch Geometric）是基于 PyTorch 的图神经网络（GNN）库，旨在简化在图、网格和点云等非规则结构上构建与训练深度学习模型的工作流程。它整合了大量来自学术论文的 GNN 方法、常用数据集接口以及便捷的预处理与变换工具，支持 mini-batch 训练、多 GPU 训练、torch.compile 优化以及 DataPipe 等现代 PyTorch 功能。PyG 同时提供详尽的教程、示例代码、Cheatsheet 和完整的包参考，覆盖从入门示例到高级主题（如分布式训练、内存高效聚合和层次化采样）等多方面内容。官方文档持续发布多个版本，社区活跃并在 GitHub 和 Slack 上提供支持与协作渠道。
Memgraph 是一款面向实时分析和高吞吐量场景的图数据库，定位为轻量但功能强大的企业级图平台，适合需要在动态分析环境中快速查询与更新图数据的应用。它支持向量搜索（Vector Search）并提供 GraphRAG 以便将图数据与大模型结合，帮助构建有上下文的 AI 应用。Memgraph 强调易于部署与扩展，提供跨平台安装脚本、丰富的开发者工具（如 Lab、Python 支持）以及工程师直连的客户支持。其定价以内存容量为基准并包含支持服务，面向从快速原型到生产级的多种使用场景。
TigerGraph 是一家以 **图数据库** 与 **图分析** 为核心的企业级平台，专注于将分散的数据连接成可查询的关系网络，从而实现实时分析与跨实体洞察。它提供原生的并行存储与计算架构，能够在数十亿节点与边规模下保持高性能，支持复杂的多跳查询（在毫秒级响应）。平台面向反欺诈、实体解析、推荐引擎、客户 360 与供应链管理等场景，兼容多种查询语言与 SDK，并支持云端与本地部署，便于与 Kafka、Spark、Snowflake、Databricks 等生态集成。其 GraphRAG 能力还能为生成式 AI 提供更完整的上下文和可解释性，降低幻觉风险并提升检索准确率。
SNAP（Stanford Network Analysis Project）是斯坦福大学发起的网络分析与图挖掘平台，提供高性能的C++库（SNAP）和Python接口（Snap.py），并维护大规模网络数据集集合。它能够处理从数万到数亿节点、数十亿边的大型图，支持图的高效存储与操作、结构性质计算、图生成与随机图模型、以及节点和边的属性管理。SNAP还配套丰富的教程、论文、项目与数据集，适用于研究人员和工程师进行网络结构分析、表示学习、生物网络建模和大规模图算法评估。该平台强调可扩展性与实用性，同时通过示例、文档和下载页面降低上手门槛，方便在C++和Python环境中部署和实验。
GraphAcademy 是 Neo4j 提供的免费、自定进度、以实操为主的在线学习平台，旨在帮助学习者系统掌握图数据库和相关生态技术。平台覆盖从入门的 Neo4j 基础、Cypher 查询语言、数据建模与导入，到进阶的图数据科学（GDS）、性能优化、以及与生成式 AI（Generative AI）和大语言模型（LLMs）结合的实践课程。课程短小精悍，多为1-2小时的模块化内容，并配有动手练习与项目示例，适合开发人员、数据工程师和数据科学家快速上手并在实际项目中应用。除此之外，GraphAcademy 还提供官方认证通道，完成考试可获得 Neo4j 认证，增强职业竞争力与项目可信度。
Owler 是一个面向商业专业人士的竞争情报与公司数据平台，提供超过 2000 万条公司档案、海量已核实的联系人信息与竞争关系图谱，帮助用户发现潜在客户、追踪竞争对手和获取实时行业新闻。平台通过每日邮件、实时提醒和可定制的公司列表，使销售、市场与战略团队能够及时掌握公司动态、融资与并购信息，从而优化外联策略与市场判断。Owler 同时提供免费社区功能以及面向企业的 Owler Pro 高级版，满足不同规模团队对数据深度与分析便捷性的需求。
Auror 是一家专注于零售损失预防与安全的科技公司，提供以情报驱动的零售犯罪解决方案。平台汇集前线门店上报的可检索情报，结合人工智能和自动化工具，帮助零售商快速上报事件、调查案件、识别高危人员及车辆，并通过数据洞察降低损失与风险。Auror 的产品线包括事件上报、案件调查、AI 关联（Connect the Dots）、仪表盘与洞察、车牌识别（LPR）、审计与债务回收等，支持与多家第三方系统集成。其社区覆盖上万家门店与数千家执法机构，常见效果指标包括“3 分钟生成高质量事件报告”“13 天从首次事件到案件结案”等，旨在通过协作与技术减少门店犯罪、降低损失并提升员工与顾客安全。
Finch 是面向建筑师的生成式 AI 助手和建筑优化平台，通过结合人工智能、图数据库与高级算法，帮助建筑师在早期设计阶段快速迭代和探索更多设计方案。它能够自动填充楼层和单元平面图、即时提供性能数据与评估结果，并内置规则检查以确保符合公司、客户及市政的限制。Finch 支持与常用设计工具（如 Revit、Rhino、Grasshopper）无缝集成，降低使用门槛，让团队保持原有工作流的同时提升效率与决策质量。其创始团队与用户评价指出，Finch 可显著加快设计速度、扩展方案探索深度，并在早期阶段提高可持续性与合规性。
