未來企業之間的競爭，是知識流動效率的競爭。

作者｜栗子

編輯｜王博

越來越多的企業與組織開始意識到“知識庫”的價值。

知識庫，這個曾經在信息化甚至更早的時代就被認為是企業業務的核心資產，在過去很長一段時間里并沒有得到應有的重視。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。

然而，隨著AI大模型在企業各業務場景的不斷滲透，因AI幻覺而導致的烏龍事件頻發。人們越加發現，盡管通用大模型擁有廣泛的知識覆蓋能力，卻難以滿足企業業務對于準確性、安全性、專業性的特定需求。此時，業務端沉淀的各種知識，就顯得尤為重要。

為了釋放AI的價值，企業開始重啟知識庫建設。

但問題在于，企業知識庫建設并不容易。一直以來，企業知識庫都沒有很好解決數據來源碎片化、知識更新滯后、數據安全與權限保護存在疏漏等諸多痛點。這些問題也是過去企業知識庫“用不起來”的重要因素。

而現在，“飛書知識問答”給這道難題提供了新的解題思路。

5月21日，飛書正式發布最新AI功能——飛書知識問答。所有飛書用戶都可以在飛書對話框里直接點擊知識問答進行使用。

圖片來源：飛書

其實，飛書知識問答早在此前就已經悄悄上線。作為飛書的重度用戶，「甲子光年」在上線之初就已經開始使用這一功能。與大多數讀者一樣，其實「甲子光年」在第一次接觸飛書知識問答產品時，心里也有這樣的疑問：

知識問答是什么？為什么飛書要上線知識問答？對于企業或組織來說，“飛書+知識問答”的組合究竟意味著什么？

1.“用過就回不去了”

根據飛書官方給出的介紹，“飛書知識問答”是基于企業知識的企業專屬AI問答工具，提供B端場景的AI價值。當用戶在工作中遇到問題時，可隨時向它提問。它能根據用戶在飛書上的權限，訪問所有消息、文檔、知識庫、文件等信息，直接給出精準答案。

這種介紹或許過于抽象，我們直接來看它的產品形態。飛書用戶可以通過點擊界面左側“知識問答”按鈕進入主界面。

從UI上來看，飛書知識問答與目前主流的chat類AI大模型產品基本一致，中間的搜索框下方也有聯網搜索功能，右下角也可以選擇DeepSeek-R1或者豆包模型。

最大的區別是搜索框左下角的“使用知識”，點開之后會提示知識范圍：飛書賬號內你可訪問的文件、文檔、知識庫等所有資料。

這意味著用戶與飛書知識問答的交互，是建立在用戶權限下所有資料的基礎之上。

圖片來源：甲子光年截圖

這件事究竟有多厲害？來看我們的實踐。

我們先來問它一個與「甲子光年」產品相關的問題：什么是甲子大腦？

圖片來源：甲子光年截圖

熟悉我們的讀者朋友可能了解，「甲子光年」之所以能夠持續產出影響行業的深度文章和行業報告，是因為我們在背后建立了一個強大的知識庫體系——甲子大腦。

在2024年8月28日的甲子引力X科技產業投資大會上，甲子光年創始人兼CEO張一甲正式對外發布了甲子大腦。基于甲子大腦，「甲子光年」開發了一系列智庫工具，包括甲子百科、甲子數據、甲子畫布、甲子AI分析師等。

圖片來源：甲子光年

用我們自己的話說，甲子大腦就是「甲子光年」給科技產業建立的一個濃縮版知識庫。所以在甲子光年專注的AI和新能源賽道，我們直接通過飛書知識問答來了解相關信息，得到的結果甚至比互聯網上搜索公開資料要更加準確。

而顯然，剛剛對于“什么是甲子大腦”的問題，飛書知識問答給出的回復非常精準。

我們再來問它一個其他AI產品都能回答的問題：“什么是強化學習”。看看飛書知識問答的結果有什么不同。

圖片來源：甲子光年截圖

可以看到，飛書知識問答給出了非常詳細的介紹，包括定義、核心特點、應用場景，甚至還給出了黃仁勛對強化學習的評價（強化學習能夠不斷生成新的訓練數據），而這個新信息正來自于「甲子光年」對今年3月英偉達GTC大會的報道文章。

剛剛的問題或許太過簡單，我們給它上點難度：國內新能源行業的競爭格局如何？

這個問題顯然比上面兩個要難。在花了1分鐘時間搜索到53篇參考資料之后，飛書知識問答給出了答案。

圖片來源：甲子光年截圖

不難發現，通過深度搜索資料，飛書知識問答給出了以華能、大唐為代表的五大能源集團；以寧德時代、比亞迪為第一梯隊的動力電池市場；以及蘇州、深圳等區域產業集群差異化發展的知識點。

從引用資料可以看出，飛書知識問答不僅引用了我們對外公開發表的文章、報告，還有引用了很多我們不對外的采訪錄音文字稿、結構化資料以及內部會議的討論內容。

而這些不公開的內容，是我們的“秘密武器”。

對企業的新員工來說，通過飛書知識問答，不僅可以快速獲取信息，還能夠鏈接到企業內部的相關資料，幫助新員工快速了解企業業務。

對企業的老員工來說，一方面可以獲得并產出的符合企業風格、調性的內容，準確引用獨家數據和分析；另一方面，如果對相關內容有疑問，也可以打通“部門墻”，快速找到對應的文檔及相關負責人進行高效溝通。

七年來，甲子智庫依托甲子大腦自研多套認知與服務模型，以研究與數據驅動生產力持續迭代。

之前，飛書更像是一個資料管理員，為我們存儲了很多內容，在我們的需要的時候可以檢索出來。而現在，飛書知識問答更像是一位成熟的分析師，它懂我們的內容，知道應該為我們提供哪些幫助。

甲子智庫自研模型圖片來源：甲子光年

飛書知識問答甚至能回答一些尚未發生的事：甲子光年2025年下半年有哪些重要的工作安排？

這一次，飛書知識問答給出了團隊目前正在溝通中的幾乎所有重要工作。由于部分內容涉及企業業務機密，這里只說一件事，也算是一個提前預告：甲子光年將在今年8月舉辦「甲子引力X2025科技產業投資大會」。

總結來看，飛書知識問答所能搜索到的信息，并不只有飛書文檔。像用戶所在的群聊、周報、日程、會議紀要等，基本上只要是飛書內存在的信息點，飛書知識問答都能夠搜索到。并且所有信息都有明確出處，點擊就能追溯。

那么，飛書知識問答會不會對企業內部信息權限產生影響呢？造成部分敏感信息泄露呢？

其實之前，飛書的多維表格就已經做到了非常精細化的內容權限管理。舉個例子，我們每年會辦很多場大會，既有我們自己的甲子引力大會，也有外部合作大會。每次辦會都會涉及多部門之間的協作，我們的做法是都在一張表里更新，但是表格里有些內容并不是全員或者外部協作方可見的，大家全都進去編輯也可能會出現差錯，飛書多維表格豐富的權限管理功能，為我們保證了文檔的安全和高效編輯。

現在的飛書知識問答也是類似的思路。飛書知識問答所搜索到的知識，全部是基于當前用戶所有的文檔權限。如果用戶不能打開某個文檔、或者不在某個群聊，那么這些相關信息，就不能被該用戶以飛書知識問答的方式獲取到。

像剛剛這個問題，分析師能夠看到的回答，與CEO能看到的回答，其內容的豐富程度是完全不一樣的。

不過，目前飛書知識問答產品也并不能很好回答用戶提出的所有問題。

例如當我詢問：“總結一下甲子光年作者栗子（就是筆者）的文章寫作風格和寫作套路”時，飛書知識問答只搜索到了3篇文章，并且還都不是筆者寫的，寫作風格和寫作套路的總結也就無從談起。

但盡管如此，在最近對一些企業的走訪中，「甲子光年」依然發現目前已有不少企業都已經開始使用飛書知識問答，并且大多都給出了相當不錯的評價，甚至有用戶表示：“用過就回不去了。”

2.無需構建的“知識庫”

從甲子光年的實測不難發現，與市面上其他通用AI大模型類產品相比，飛書知識問答最核心的區別是，它能夠主要根據企業內部信息而非互聯網信息生成結果。這對任何一個企業來說，價值都是巨大的。

因為相比于更通用的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」此前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提到，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。

大致而言，通用AI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。而這兩個問題，需要通過構建知識庫的方式進行彌補。

打個比方，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。

這也是知識庫在近期被越來越多企業所重視的原因。

其實，知識庫并不是新東西。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，但很少有企業真正能夠用好知識庫。不是企業不重視，而是傳統的知識庫本身存在著不少實際痛點。

以最基礎的數據來源為例，企業內部的數據通常分散在多個部門、系統和個人手中，格式不統一，存儲方式各異，給知識庫的數據整合帶來了巨大挑戰，導致知識庫在獲取知識時就不可避免的出現數據分散與整合難題。

再比如知識更新滯后的問題。過去由于大多文件都是以本地文檔的形式進行知識庫上傳，文檔版本更新不能及時同步，導致知識庫的時效性整體降低。但其實時效性對于企業知識來說至關重要，直接影響著員工使用相關知識時的體驗。

另外，知識庫的信息處理權限，以及用戶使用知識庫的學習成本和使用體驗，也都是傳統知識庫需要解決的問題。

在“搭建知識庫”這件事情上，飛書知識問答給企業組織提供了一個完全不同的解題思路：不必專門搭建知識庫，你只要用好飛書，剩下的交給飛書知識問答！

前面提到，飛書知識問答主要基于企業在飛書中的群聊、文檔、會議等一系列信息生成輸出結果，更適應目前用戶對AI大模型類產品的使用邏輯；并且，基于飛書本身的權限管理，不同崗位、不同管理職能的員工，在使用飛書知識問答時，會得到自己所在權限的搜索結果；還有一點不可忽略的是，飛書這類產品有更好的使用入口，企業基本都是全員使用。

這些要素看似簡單，但卻在無形之中解決了傳統知識庫搭建的核心難題：知識獲取、知識更新、權限管理、使用體驗。

換句話說，企業只要用了飛書，那么整個飛書就都會成為這個企業的知識庫，所有沉淀在飛書中的文檔、報表、數據等，都能夠在第一時間留存在這個巨大的知識庫中，進而被企業員工用飛書知識問答這樣一個簡單的AI交互調用。管理員甚至不用額外給用戶設置權限，整個過程相當絲滑。

這就是飛書知識問答帶給企業的核心價值。

在前不久刷屏朋友圈的紅杉資本閉門會中提到，很多企業感覺AI不好用。但實際上并不是模型能力不行，而是自己的組織能力跟不上AI的變化。

但問題在于，組織的效率變革并不能僅憑人力完成，而是需要更先進的效率工具進行承接。為什么今天的企業要從信息化邁向數字化、最終邁向智能化？就是這個原因。

從細節來看，一家企業的業務不管做得多大，最底層都是由各種工作任務、日程、審批流、報表、會議紀要，甚至是群聊記錄等等零散的信息與數據串聯而成。

這些雜亂的工作碎片，以往都是在飛書或者其他協同工具中作為記錄，隨著業務的推進、團隊的變動而被組織遺忘。但如果從組織的整體角度來看，這些碎片又都是極其重要的。它們就像蝴蝶效應一般，一點點潛移默化的決定著企業的最終走向。

對于企業來說，單純的大模型并沒有價值，而是需要結合組織特有的數據與知識才能真正發揮作用，這也是知識庫工具被越來越多企業認可，成為在企業端釋放大模型能力的共識。

顯然，飛書知識問答并非知識庫，但它卻能以最符合用戶習慣的方式，讓散亂在飛書里的工作碎片直接變成自己的知識，真正把這些信息從“遺忘”變成“沉淀”，最大程度提高用戶挖掘信息的效率，讓整個組織的效率得到提升。

3.企業到底如何邁出AI第一步？

從過去的信息化到現在的智能化，企業IT的建設是漸進式而非跳躍式，每一步都是下一步的基礎。要想真正實現AI，需要提前做好準備工作。

早在2023年，飛書CEO謝欣就曾提出“AI Ready”的理念，指企業在數據系統等方面為擁抱AI做好準備，與AI時代共同進步。企業擁抱AI的第一步是先實現AI ready，這是踏向AI時代的第一塊踏板。

從整體來看，企業實現AI Ready要做4個動作：準備大模型；數據沉淀；系統整合；人才儲備。

在這4步中，數據沉淀和系統整合是最關鍵的。其根本原因在于，企業使用AI的場景基本是基于行業和場景的數據加業務流程，這意味著企業必須要有相應的數據與系統工具，才能讓AI真正進入企業內核。

如果企業還停留在傳統的紙質辦公的階段，數據都沒有數字化，那么AI大模型必然會遇到“巧婦難為無米之炊”的尷尬；

而企業數字化水平越高，沉淀的高質量數據越多，大模型的“養料”就越豐富，AI Ready的狀態就越充分。

但從實際情況來看，這一類企業或組織往往都出自大型互聯網公司或傳統產業龍頭。因為過去要想實現較好的數據治理，需要投入較多資金和較長時間周期來進行類似數據中臺這樣的數字化項目建設，才能夠把數據資產進行標準化管理。

不過顯然在今天，飛書這樣的一體化工作平臺，給企業們提供了一個更低成本、高效率的AI ready選擇。

例如，安克創新是一家全球化的消費電子企業，有一項很重要的工作是消費者洞察。他們會把銷售過程中得到的用戶反饋收集回來，進行分類和打標簽，并把這些數據存儲在自研的QMS質量管理系統中。

安克創新研發工程師William曾向「甲子光年」表示，飛書讓他們的質量管理系統變成了「質量智庫」：“尋找答案就像打個響指一樣簡單”。這些關鍵洞察就在身邊，被真正用起來。

據公開信息顯示，早在2024年，飛書就開始與數家企業在AI方面進行了深度共創，除了前文提到的安克創新，還與元氣森林共同探索AI在門店管理場景提效的可能性；與企業服務公司數米科技一起重塑銷售場景；與電商營銷公司追極傳媒合作，用AI打造高效業務流程……

從本質上來看，飛書+知識問答的組合，就是企業實現AI Ready的標準答案。飛書作為企業數字化底座在底層沉淀企業的各項數據資產，而飛書知識問答則在上層用AI應用的方式把數據資產盤活，承接數字化的結果。

一旦做好AI Ready，只要選擇一個合適的通用大模型底座，就可以把AI引入業務場景，實現AI改造，幫助企業“一鍵啟用AI。”

除了文檔、溝通記錄、日報周報、會議紀要這些信息，一家企業在經營過程中，還離不開人資管理、財務管理、差旅管理等等流程和審批環節。企業內部的這些環節的數字化需求，構成了整個toB軟件的生態體系。

不難判斷，未來，隨著AI在整個toB軟件生態中的滲透，以及MCP、A2A協議的不斷拓展，可以期待的想象空間是，飛書知識問答甚至能夠突破飛書本身的系統邊界，打通自身各個功能模塊，甚至是串聯起整個企業內部的各個前后端系統，真正成為AI時代智慧組織的核心入口。

簡單一句話：企業組織用飛書的時間越長，企業碎片化信息沉淀就越多，飛書知識問答的使用效率越高、價值越高，企業用知識所構建的壁壘也就越高。就像比爾蓋茨曾經的那句判斷：未來企業之間的競爭，是知識流動效率的競爭。

（封面圖由AI生成）