知識庫進化的本質，是“信息容器”到“認知&行動中樞”的范式躍遷

作者｜栗子

“知識庫”的含金量一直在上升。

在AI技術日新月異的今天，企業正站在數字化轉型的十字路口。AI作為撬動企業增長的最大變量，正逐步滲透到各個行業與業務場景中。

然而，通用大模型雖擁有廣泛的知識覆蓋能力，卻難以滿足企業對于準確性、安全性以及業務深度的特定需求。而“企業知識庫”作為連接AI大模型與企業實際業務的關鍵橋梁，其重要性日益凸顯。

在信息化甚至更早的時代，知識庫就被認為是企業業務的核心。但當時絕大多數企業對知識庫的重視，往往都停留在口頭上。這是因為過去的知識庫建設、管理與使用，都與實際業務脫節，并不能在業務場景中無縫接入。

用一個簡單的比喻是，知識庫就像一座沒什么人的圖書館，人們只有必須要去查資料的時候，才會特意去圖書館查，很少有人經常往圖書館跑。

但隨著AI大模型在業務中的滲透，企業對知識庫的認知和需求，正在發生巨大變化。知識庫本身對于企業級AI的價值，也開始越發凸顯。

在4月18日2025騰訊全球數字生態大會成都峰會上，騰訊云不僅透露了立足“核心技術自研+擁抱先進開源”的多模型策略，還重點介紹了騰訊云大模型知識引擎、騰訊樂享知識庫等系列AI工具產品新進展，推動大模型與企業知識庫深度結合，幫助企業快速搭建知識管理體系和AI應用。

那么，為什么知識庫在企業級AI中如此重要？知識庫究竟有哪些價值？它能夠為企業的業務與管理帶來哪些變革？

1.無法“開箱即用”的企業級大模型

越來越多的企業都在用AI為自己的業務賦能。這一趨勢已毋庸置疑。

但問題在于，相比于更通用的toC場景而言，企業級AI并不是一個能夠“開箱即用”的使用場景，其中存在著巨大的“知識鴻溝”。

在「甲子光年」近期對諸多企業的走訪中，都共同提到了通用大模型在企業級場景下的使用痛點。

例如數據分析廠商帆軟介紹，在BI場景中，“聚合表”是一個常見的專有名詞，在特定業務中有其特定含義，但在通用場景下它的含義就會很寬泛。這是導致模型輸出結果與實際效果出現誤差的一個重要原因。

據印象筆記副總裁徐曉熙介紹，知識管理是一個很專業的學科，可以抽象成DIKW模型和CODE方法論。從理論視角看，如何有效地整合大量多模態的信息，如何自動整理這些信息以減輕用戶的工作負擔，是至關重要的。

來源：甲子光年拍攝

“數據需要從非結構化數據轉化為結構化數據，使其能夠被大模型使用，進而成為用戶可以直接使用的數據，才能真正賦能用戶洞察力，讓知識‘活’起來。”印象筆記副總裁徐曉熙表示。

本質來說，通用大模型在企業級場景下，基本會存在行業知識不足和企業環境理解不足兩個核心問題。

首先是行業知識不足。通用大模型缺乏特定行業的深度知識（如工業制造中的工藝流程、設備維護標準），導致在故障預測、質量檢測等場景中輸出不可靠。

另外，高質量行業語料短缺，中文語料庫規模不足，依賴英文訓練的模型難以滿足本土企業需求，也是通用大模型在訓練過程中的問題。

在企業環境理解不足方面，無法自動適配企業特有的業務流程、數據架構（如ERP系統邏輯），導致生成方案與需求錯配；企業內部數據分散于不同系統（如CRM、SCM），形成信息孤島，模型難以全局分析等，都是通用模型存在的天然問題。

而上述這些問題，就需要通過構建知識庫的方式進行彌補。

例如領域知識注入：通過構建結構化行業知識庫（如技術文檔、案例庫、專家經驗），結合RAG（檢索增強生成）技術，增強模型的專業性，并利用向量數據庫將非結構化數據（如PDF、圖紙）轉化為語義向量，提升模型對長尾知識的檢索效率。

再比如針對企業環境理解不足的問題，通過知識抽取技術整合企業文檔、工單記錄、會議紀要等數據，建立實體關系網絡，幫助模型理解業務邏輯；同時，知識庫支持實時更新企業運營數據（如庫存狀態、訂單變更），結合增量訓練或上下文注入，提升模型對動態環境的適應能力。

換句話說，對于企業而言，知識庫的價值在于讓AI有了一本可以參考的標準答案。在這種情況下，大模型的輸出結果就可以與知識庫內容掛鉤，以知識庫內容為標準進行輸出，而不是一本正經的胡說八道。

騰訊集團副總裁、政企業務總裁李強在峰會上強調，通用大模型并不能“拿來即用”。通用大模型雖然知識廣博，但無法滿足企業對于準確性、安全性的高要求，“大模型+知識庫”才是企業落地AI的最佳路徑。

2.騰訊云的解法是什么？

騰訊云副總裁、騰訊云智能解決方案負責人王麒表示，為滿足企業構建AI應用的迫切需求，騰訊云已搭建起全鏈路AI原生服務體系：

在智能應用方面，騰訊會議、企業微信、騰訊樂享、企點客服等系列產品全面提供大模型服務；

在模型開發平臺方面，騰訊云TI平臺可以幫助開發人員一站式完成混元、DeepSeek、Llama等主流模型的精調與推理，覆蓋數據獲取、處理、模型訓練、評估、部署到應用的全流程，數據標注成本下降70%，模型訓練效率提升30%。

通過大模型知識引擎和騰訊樂享知識庫等系列工具，企業能夠快速搭建知識管理體系和AI應用，讓AI更懂企業實際業務。

其中，騰訊云大模型知識引擎能夠為用戶提供靈活的原子能力和多樣化的應用開發模式，助力企業自建高效的知識管理體系。其內置的RAG技術方案顯著降低了模型幻覺，廣泛適用于問答系統、文檔生成和智能助手等自然語言處理場景。

而騰訊樂享知識庫則可以提供開箱即用的SaaS方案，企業無需開發就可以搭建起自身的知識庫，將深度推理與企業專屬知識結合，在保證企業知識安全的同時，更能理解企業內的“專業術語”，提升知識流轉的效率。

據「甲子光年」了解，目前，騰訊云企業級知識庫產品已經廣泛落地金融、能源、出行、零售、醫療、政務、教育、文旅等多行業實踐，幫助四川文化大數據、比亞迪、大參林、中外運敦豪、富途證券等多行業頭部企業實現客服、營銷、運營、行政等場景的智能化升級。

例如，科沃斯為利用騰訊樂享知識庫一線門店導購進行產品知識與售賣實戰的賦能。基于知識庫使用AI助手，導購可快速檢索和提煉產品的相關信息，隨時為顧客答疑。在知識庫的幫助下，科沃斯全國門店人效提升10%，一年省下了100萬元的成本。

另一個案例是藥店連鎖品牌大參林，通過“AI小參”這一智能助手，整合進大參林門店百科APP、企業微信APP及PC端，實現了面向門店一線銷售人員的知識輔助回答。目前，該系統已覆蓋集團及門店員工約5萬人，全天候提供問答服務，用戶滿意率高達80%以上，同時在收集的一線反饋中累計超過數十萬條寶貴意見，為企業高層決策提供了堅實的數據支撐。

3.AI+知識庫還有哪些想象空間？

毋庸置疑，在AI的逐步滲透下，知識庫對企業的重要性與日俱增，企業對知識庫的需求必然會逐步增加。

而在AI的加持下，知識庫本身的產品形態，接下來還會有哪些新的發展變化？

對于這一問題，印象筆記有著自己的思考。

一直以來，印象筆記的產品定位都是“用戶的第二大腦”。隨著AI的來臨，這種定位正在進一步夯實。

據印象筆記董事長唐毅透露，從2023年推出印象AI之后，印象筆記的用戶量開始出現跳躍式增長，并且營收也隨著AI能力的上線而增加。

作為一款深耕知識管理十余年的產品，唐毅認為，知識推薦引擎和沉沒知識的發掘，以及與當前工作內容的結合，這三者構成了知識引擎的關鍵所在。

在唐毅看來，知識引擎的價值并不僅僅在于挖掘知識。而是在于它能夠有效結合上下文進行知識挖掘，并揭示那些你尚未意識到但實際需要補充的新知識。

事實上，很多業務在執行過程中，員工并不會意識到自己需要某個知識（不知道自己不知道），更不知道如何將這一知識結合到自身業務中。

但AI的能力，恰恰是推薦和挖掘。所以在接下來的技術演進中，知識庫必然會在AI的能力下，在與業務結合的過程中為用戶主動提供該場景所需要的知識。這是下階段知識庫+AI的探索方向。

印象筆記認為，從早期的計算機打字機時代，到如今的云化辦公，我們看到了許多在線文檔和辦公工具，它們旨在讓用戶更方便地管理自己的知識。然而，用戶在這些工具下仍需投入大量時間于底層的體力勞動上，而真正能體現其價值、需要其創造力和智慧的部分卻無暇顧及。

但在智能化時代，這些底層的工作將被AI自動化，以提高效率，釋放人力。在此基礎上，借助AI賦能，用戶能更高效、更有效地執行這些表達行動層面的任務。這就是AI時代知識庫本身的價值所在。

「甲子光年」認為，從本質上而言，知識庫作為工具從被動接收到主動提供的巨大變革，背后是知識管理工具的演進，是從“信息容器”到“認知&行動中樞”的范式躍遷。

不難判斷，未來知識庫產品的形態，也必然會隨著知識庫數據的向量化、非結構化數據的結構化而出現顛覆，自然語言交互一定也會成為知識庫產品的階段性形態。加之MCP協議、A2A協議不斷成為共識，知識庫未來的價值一定會進一步凸顯。

當企業員工在開展具體工作，能夠更絲滑的與結合了知識庫的AI工具進行配合時，降本增效也就不再是一句挖苦AI幻覺的玩笑話了。

（封面圖由AI生成）