1、 从数据到知识，知识中台赋能企业智能化升级从数据到知识，知识中台赋能企业智能化升级 2020 年 12 月 目录目录 1.1. 观点摘要观点摘要 . 1 1 2. 2. 企业在数字化转型中面临的问题企业在数字化转型中面临的问题和挑战和挑战 . 2 2 2.1 企业面临着外部环境快速变化的新问题 . 2 2.2 内部管理能力和传统 IT 架构无法应对转型要求 . 3 3.3. 人工智能赋予知识管理全新的内涵人工智能赋予知识管理全新的内涵 . 5 5 3.1 从数字化到智能化，重塑企业发展格局 . 5 3.2 数据的变化拓展了知识的领域和范畴 . 6 3.3 人工智能算法赋予了知识全新的能力 .
2、6 3.4 基于智能化技术的知识解决方案的领先性 . 7 4.4. 知识中台知识中台 - - 构建全新知识能力的智能化引擎构建全新知识能力的智能化引擎 . 8 8 4.1 中台定位：能力沉淀，场景驱动，知识升级 . 8 4.2 架构体系：基础技术，核心功能，产品矩阵 . 8 4.3 知识产品：技术赋能，过程重塑，行业沉淀 . 9 4.4 核心功能：多模数据，智能提炼，服务输出 . 10 4.5 技术为纲：图谱，算法，模态，认知 . 11 4.6 生态赋能：连接，融汇，开放，服务 . 12 4.7 价值实现：落地方法，变革推动，资源保障 . 13 5.5. 知识中台的行业实践和成果知识中台的行业
3、实践和成果 . 1515 5.1 智能关联跨领域信息，赋能数字化高效办公 . 15 5.2 构建知识能力组件，助力政务服务智能化 . 15 5.3 从舆情发掘洞察，知识中台引导企业运营 . 16 5.4 从状态诊断到智能维修，设备管理知识化 . 17 5.5 沉淀能力，聚沙成塔，推动工业智能化 . 17 5.6 决策逻辑智能化，科学应对突发事件 . 18 5.7 数据与逻辑相融合，金融风控更智能 . 19 5.8 法律案件知识化，人工智能辅助庭审 . 19 5.9 从病历档案到诊断辅助，知识中台赋能智慧医疗 . 20 5.10 构建学习体系，定制教学方案，知识中台变革教育理念 . 21 6.6
4、. 知识中台在智能经济中担当重任知识中台在智能经济中担当重任 . 2222 6.1 智能经济，接棒下一代产业形态 . 22 6.2 重装上阵，知识中台持续提升自身能力，推动企业转型 . 23 7.7. 附录：参考文献附录：参考文献 . 2525 1 / 26 1.1.观点摘要观点摘要 企业企业数字化转型数字化转型升级，面临多重机遇升级，面临多重机遇与挑战。与挑战。坚持数字化发展是我国现阶段秉承的发展战略。人工智能、云计算、 区块链等新一代智能化信息技术正在快速发展，5G、数据中心、物联网等新型基础设施也将逐步完善。在新冠疫情 突发、中美关系持续紧张的局势下，企业为了在加剧变化的市场环境中保持竞
5、争力，需要提高数字化水平，但面临 外部和内部的双重挑战。 企业面临着外部环境快速变化的新问题。企业面临着外部环境快速变化的新问题。互联网经济蓬勃发展，移动应用广泛普及使得形态多样的数据正在呈现几 何级数的增长，信息通讯技术的发展加速了人类知识的更新速度，市场竞争的加剧使企业对信息的价值产生了深度 挖掘的需求，信息的来源也随着生产力的发展而不断拓展。信息的变化导致了知识的生产和应用发生变革。开放性 更强的信息使高质量的知识管理日益复杂，信息的更新速度、频率的加快使企业知识的迭代更新存在挑战，来源更 广的信息则需要企业基于业务需求进行深度加工，形成环环相扣的企业知识，应用到企业经营中，验证其价值。
6、 企业内部综合企业内部综合治理需要治理需要革旧施新革旧施新。传统的 IT 系统多以流程和管控作为任务目标，缺少智能化的技术手段，无法有效 处理和应对信息与知识的爆发，在知识的分享与应用、驱动业务增长方面存在先天的缺陷，企业急需建立全新的信 息与知识处理的技术架构。首先，企业要在经营管理方式上，由资源驱动业务增长逐步转向知识驱动业务增长，以 帮助企业在红海市场中提升竞争力，在蓝海市场中拓展创新业务；其次，企业要推动上海品茶和员工思维的转变， 并培养数字化人才队伍；最后，需要打造全新的数字化技术框架，引入中台工具，支持创新业务的快速落地和迭代。 智能化是企业数字化的新阶段。智能化是企业数字化的新阶
7、段。人工智能算法的进步使得从海量数据中高效汲取知识成为可能。知识可以帮助企业 沉淀业务逻辑，将知识以机器可以理解的方式进行组织，从而实现数据的智能化应用，推动企业智能化发展。 知识知识中台是中台是基于人工智能技术形成的智能化知识解决方案。基于人工智能技术形成的智能化知识解决方案。它具有全链路的知识管理能力，覆盖知识的高效生产、 灵活组织和智能应用。以数据为基础，知识中台能够自动化地从数据中提取知识，在业务场景的人机互动中主动推 荐知识，帮助业务人员高效、精准、智能地制定决策，提升企业的经营效率与业务创新能力。知识中台，是面向企 业知识应用的全生命周期、一站式、智能解决方案。 知识中台架构体系分
8、为知识中台架构体系分为三个层面：基础技术层、核心功能层和产品矩阵层。三个层面：基础技术层、核心功能层和产品矩阵层。其中，基础技术层提供了以人工智能为 核心的技术支持，是知识中台运行的引擎。核心功能层涵盖了知识生产、知识组织、知识应用的知识全生命周期。 产品矩阵层封装了平台、应用、行业解决方案多层次的产品，为各行业，各场景提供服务。 全球的经济形态正在由数字经济逐步发展到以人工智能为核心驱动力的智能经济新阶段。全球的经济形态正在由数字经济逐步发展到以人工智能为核心驱动力的智能经济新阶段。当前，全球正处于新一轮 科技革命和产业变革的加速推进期，数字化、网络化、智能化技术在生产生活中广泛应用，驱动人
9、类社会迈向智能 经济新时代。智能经济是以新一代信息技术和智能技术为基础设施和创新要素，以产业创新为核心内容，具有数据 驱动、人机协同、跨界融合、共创分享四大特征的新经济形态。智能经济在催生新需求、新业态的同时，通过人机 交互方式的变革重构人类的生产方式、生活方式、社会运行及政府治理方式，引领经济社会的创新发展。 知识中台在知识中台在产业智能化升级中，产业智能化升级中，担当重任。担当重任。知识中台作为新经济形态下的智能化方案，将持续从技术、行业应用、 生态合作的角度进行提升，更好地赋能企业，为企业在智能经济中取得先机持续提供动力。技术方面，知识中台的 数据处理能力将由结构类、文档类数据，拓展至图
10、片、音频、视频在内的多模态数据；知识中台将提升复杂知识表 示和快速构建技术，提升数据知识化的效率。应用方面，知识中台将由搜索、问答、推荐，升级至辅助决策、预测、 推理等各类业务场景的知识深度应用，满足企业产品与服务的自动化定制需求，驱动产业智能化升级。 2 / 26 2.2. 企业在数字化转型中面临的问题企业在数字化转型中面临的问题和挑战和挑战 中共中央于 2020 年 10 月 29 日会议通过的“十四五”规划建议强调了要加快数字化发展，加强数字社会、数字 政府建设，提升公共服务、社会治理等数字化智能化水平。在此政策背景下，单纯依靠传统的基础设施不能有效支 撑数字化发展，以 5G、人工智能、
11、工业互联网、物联网等新一代技术构成的新型基础设施应运而生，支撑传统产业 向数字化、网络化、智能化方向发展。同时，企业面临着复杂多变的市场环境。新冠疫情使个人消费者和企业的行 为发生改变，人们的生活方式、企业办公方式逐步从线下转移到线上。数字化能力不足的企业，由于缺乏大数据的 支撑，无法精准洞察客户行为变化，线上线下业务难以打通，导致企业经营受到影响。国际方面，中美近年来频频 发生摩擦，逐步从贸易演变到科技、金融等多个领域的全面对抗，美国已经开始加大对中国技术出口的限制，国内 企业需要尽快实现基于自主技术的解决方案，摆脱对外资技术和产品的依赖。 无论是国家政策的推动，还是国际复杂局势的影响，企业
12、都需要加快数字化转型，优化供给侧改革，提升技术创新 能力，探索新业务和运营模式，满足市场对优质产品和服务的需求，提高自身经营效率，助力发展数字经济，达到 数字产业化和产业数字化融合的国家经济发展目标。 2.1 2.1 企业面临着外部环境快速变化的新问题企业面临着外部环境快速变化的新问题 随着社会的发展，移动互联应用、人工智能、自动驾驶等新兴科技及应用，正在飞速的进入大众的生活。在全新的 数字时代下，企业需要能够理解并处理比以往更多、更快、更复杂的信息，才能利用最新的技术成果，提升企业运 行效率和决策智能化水平，在复杂的竞争环境中得以生存发展。 数字化时代，市场竞争日趋激烈，企业产生和处理的信息
13、形态多样、数据量呈几何级数增长数字化时代，市场竞争日趋激烈，企业产生和处理的信息形态多样、数据量呈几何级数增长 互联网经济蓬勃发展，移动应用广泛普及，数据正在呈现几何级数增长。在数字化时代，企业需要处理的信息已经 远远超出传统的经营管理范畴。信息的承载形式从结构化数据拓展到非结构化数据，包括日志、文档、图像、音视 频等。同时，信息的受众不再局限于人，而是广泛用于人与人的交流，人与机器的交流，以及机器与机器之间的交 流。 信息形态的多样化，带来了信息量的指数级增长。预计到 2025 年，全球数据量将比 2016 年的 16.1ZB 增加十倍以 上，达到 163ZB。其中，根据中国信息通信研究院的
14、大数据白皮书(2019)披露，仅中国在 2018 年的数据产生量 就占到了当年全球数据产量的 23%，约为 7.6ZB，约等于一千万亿个大小为 8MB 的文档。 信息的更新速度加快，深度挖掘需求增加，来源广度延展，都对处理的实时性提出更高要求信息的更新速度加快，深度挖掘需求增加，来源广度延展，都对处理的实时性提出更高要求 信息通信技术加速了人类知识更新的速度。联合国教科文组织曾经做过一项研究：在 18 世纪时，知识更新周期为 80-90 年；19 世纪到 20 世纪初，缩短为 30 年；上个世纪 60-70 年代，一般学科的知识更新周期为 5-10 年；而到了 上个世纪 80-90 年代，许多
15、学科的知识更新周期缩短为 5 年；进入 21 世纪，众多学科的知识更新周期已缩短至 2-3 年。除了通用学科知识的更新周期在缩短，人类、机器的信息刷新速度也在不断突破极限，需要实时处理。例如， 双十一购物节期间，某电商平台订单创建峰值可达到58.3万笔/秒；为保障无人驾驶安全，车载传感器和行驶指令的 传输和发送，必须是毫秒级。 深度挖掘信息价值的需求，也在随着市场竞争的加剧而逐步显现。企业的信息处理方式正在逐步升级：从运营流程 到经营模式，从报表汇总到智能分析，从分类标签到市场洞察。深度挖掘信息的价值、实时洞察市场变化的先机、 发现组织管理的优化方式，能够帮助企业在竞争中立于不败之地，并保持长
16、期、可持续发展。 3 / 26 信息来源的广度也在不断拓展。随着商品流通的发展，生产工具的升级，以及资本的不断积累，生产力的发展正在 不断推动产业分工更加细致与复杂化。产业链上下游的各个环节需要协作完成产品与服务的交付。因此，企业不仅 要掌控自身经营管理的信息，也要拓展信息来源的广度。例如，沿着价值链获取并处理多源、交互、实时信息，从 供应链到生态合作，从专业服务平台到生态体系平台，从行业深耕到跨界创新。 知识需要更多的走向业务前台，更加深度的融入到企业的生产经营活动中知识需要更多的走向业务前台，更加深度的融入到企业的生产经营活动中 知识是企业管理者和员工做出业务决策的重要依据。知识需要逐步走
17、向前台，深度融入并支撑企业的生产经营活动， 助力企业提升核心竞争力。在数字化时代，知识的生产和应用也随着信息的变化而发生着变革。 知识的高质量管理模式日益复杂。通过互联网，任何人/机构都能成为信息的生产者、发布者、传播者和使用者，使 信息具有比以往更强的开放性，丰富的信息并不一定能够为企业带来高质量的知识。在被动检索模式下，多由人工 自主判断知识的相关性；在主动推荐方式下，要求系统能够自主判断知识的准确性、与业务的适配性，以防止对业 务人员造成过多干扰，对知识质量的要求更加严格。高质量的知识加工，是实现知识智能化高效应用的重要前提。 知识的迭代更新存在挑战。数据的来源已不再局限于传统的数据库，
18、而是包含所有数字化应用中的实时动态数据。 信息的更新速度、频率都在加快，并不断产生新的知识。此外，数据的模态也由单一的文本方式，拓展到覆盖图像、 语音、视频等多媒体形式。针对来源丰富、形态多样、更新速度较快的数据和知识，企业需要具备新旧数据资产的 差别化管理能力，既能做到实时积累新知识，也能迭代保留部分有价值的旧知识。 知识的价值应用需要探索。在新经济背景下，企业拓展了更多的业务场景，需要提供多样化的产品与服务，以满足 不同细分市场的个性化需求。在客户至上的时代，为用户提供良好的体验，是企业的生存之本。企业需要基于业务 需求，深度加工信息并生成知识，然后用知识驱动业务的智能决策。知识价值需要并
19、能够在前台业务中获得证明。 企业正在逐步探索明晰知识的具体应用场景。 知识的完整性需要验证。在产业链协作的背景下，企业需要获得具有一定广度的信息，并加工成环环相扣的知识， 推动业务协同与发展。任一环节的信息与知识的缺失，都有可能会影响企业的经营状态，甚至是影响整个产业生态 体系内的合作厂商。企业的知识管理，需要验证知识的完整性，并将质量控制体系拓展到产业生态中。 2.2 2.2 内部管理能力和传统内部管理能力和传统 IT IT 架构无法应对转型要求架构无法应对转型要求 为了应对外部环境变化，企业在积极寻求自身转型，建立数字化能力。企业传统 IT 系统，多以流程和管控作为任务 目标，缺少智能化的
20、技术手段，无法有效处理和应对信息与知识的爆发，在知识的分享与应用、驱动业务增长方面 存在先天的缺陷。针对上述问题，建立全新的信息与知识处理的技术架构，已迫在眉睫。 首先，在经营管理方式上，需要逐步转向数字化运营模式和创新式增长首先，在经营管理方式上，需要逐步转向数字化运营模式和创新式增长 当前，国内经济增长放缓，需求减弱。传统以资源消耗为主的粗放型经济增长模式难以持续。企业的经营方式迫切 需要转变，由资源驱动业务增长转向知识驱动业务增长，以帮助企业在红海市场中提升竞争力，在蓝海市场中拓展 创新业务。知识密集型企业，会把数据视作资产，努力打破部门壁垒，连接内部信息孤岛，采用数字化运营模式推 动知
21、识的流动与价值变现。 4 / 26 其次，从文化和人才角度，其次，从文化和人才角度， 需要达成一致性的数字化认知，培养数字化思维人才需要达成一致性的数字化认知，培养数字化思维人才 企业的数字化转型，首先要推动上海品茶和员工思维的转变，并培养数字化人才队伍。研究表明，有 78%的企业在 数字化转型中会失败，其中有两个重要原因：第一，企业没有建立数字化文化，领导层面没有推行数字化思维，不 能及时从上到下推动企业的数字化变革；第二，缺乏数字化转向所需的技术人员，对人工智能、云计算等核心技术 缺乏认知和理解，实际落地应用效果不佳，难以很好的支撑业务转型需要。 最后，在平台和工具方面，需要打造全新数字化
22、技术框架，引入中台工具，支持创新业务最后，在平台和工具方面，需要打造全新数字化技术框架，引入中台工具，支持创新业务快速落地和迭代快速落地和迭代 数字化时代企业的增长模式和创新速度，对支撑企业发展的信息化平台提出了新的挑战。传统意义上的流程效率和 风险管控为核心的信息系统建设模式，需要转向以赋能为目标，以创新为理念，以体验为中心，以价值为核心，平 台化的建设模式。在这个过程中，如何更有效地利用平台化的工具和技术，以智能化手段推动数据转化为知识，将 知识的应用推向前台，是所有数字化转型企业都需要思考的问题。 5 / 26 3.3. 人工智能赋予知识管理全新的内涵人工智能赋予知识管理全新的内涵 3.
23、1 3.1 从数字化到智能化，从数字化到智能化， 重塑企业发展格局重塑企业发展格局 智能化是企业数字化发展的新阶段。迈入智能化阶段意味着企业已经完成了业务的数字化连接和数据分析，进入了 数据洞察、流程自动化、决策和运营智能化的阶段。企业可以借助自动化和智能化技术的发展，在用户产品、服务 体验、生产效率、业务风控与决策等方面，产生诸多创新模式，拓展更多的发展机遇。 图图 3.3.1 1 数字化技术演进路径数字化技术演进路径: : 由数字化迈入智能化阶段由数字化迈入智能化阶段 然而，目前大部分企业仍处于数字化的早期阶段。在企业数字化转型的过程中，企业普遍希望以数据驱动的方式提 升企业经营管理的效率
24、，但面对数字化过程中积累的越来越多的数据如何处理和应用，企业面临着新的挑战。 首先，由于缺乏数据处理能力，企业在生产经营中产生的大量数据无法被充分使用，更不用说依靠数据形成智能决 策；其次，面对越来越复杂的数据形态，传统的、以人工为主的数据处理方式已经无法满足企业的需求，企业急需 借助智能化技术和应用的帮助；最后，由于人与系统之间的沟通存在困难，数据无法有效地被系统理解，现有数据 资产依旧无法与实际的业务场景结合，形成智能化的决策。上述因素都阻碍着企业业务发展，因此企业需要借助智 能化技术与知识，帮助企业迈向智能化阶段。 知识中台可以理清业务逻辑，用机器可以理解的方式将知识组织起来，从而建立符
25、合企业需求的智能化应用，推动 企业向智能化发展，重塑企业发展格局。智能化应用对企业发展的推动作用体现在： 可以帮助企业快速提供定制类产品与服务，助力业务增长。面对大量客户的个性化需求，企业能够以较低的成 本，自动化批量生产定制产品，满足更多用户需求，从而占领更大市场份额。 能够为企业提供更具业务价值的洞察，从而有效支撑企业管理者决策，提升企业竞争力，降低经营风险。 在人工智能技术支撑下，企业能够重新定义产品与服务，推动商业模式创新，不断提升市场竞争力，满足新兴 市场需求。未来，智能化应用将成为企业获得持续成功的核心驱动力。 6 / 26 3.2 3.2 数据的变化拓展了知识的领域和范畴数据的变
26、化拓展了知识的领域和范畴 在数字化时代，众多企业已将数据的定位由“资源”升级为“资产”。知识源自数据的提炼萃取，具有更高的业务 价值。知识的生产与应用，正在以全新的方式展开： 知识的来源知识的来源范畴：范畴：知识来源于数据，由于移动互联 网、物联网、办公自动化系统等技术的普及，数据的 量级正在高速增长。数据形态也由传统的文档、日 志， 拓展到图片、语音、视频等多种模态。 知识的表现形式：知识的表现形式：知识的表现形式由简单的认知概 念，拓展至业务规则、服务策略、设备状态、语言逻 辑等全方位信息。 知识的应用方式：知识的应用方式：中台技术架构的出现，改变了知识 的应用方式。由用户获取信息后自主执
27、行操作的传统 方式，升级到业务流程自动调取知识服务结果并完成 任务执行。在知识服务支撑下，设备与设备之间、程 序与程序之间互动成为可能，并直接、自主服务最终 用户。在数字化企业中的知识应用主要包括：直接获 取，主动推荐，洞察决策，提供服务。 3.3 3.3 人工智能算法赋予了知识全新的能力人工智能算法赋予了知识全新的能力 随着人工智能技术的进步，算法帮助人们从繁杂的信 息中提取知识，人类获取知识的途径变得更加高效和 便捷。人与人之间的经验传承，转变为通过计算机和 互联网进行存储、传播；经验的沉淀，也转变为由机 器在数据中提取知识；在企业的业务场景中，机器与 人智能互动，通过主动推荐知识，助力智
28、能决策 ，从 而提高企业的经营效率；除此之外，人工智能算法可 以反向辅助进行知识的生产和组织。 知识智能化较弱企业，前、后台系统信息处理能力有 限，无法有效加工、应用知识，难以驱动业务增长； 中等程度企业，前、后台系统可以满足基本的知识存 储与检索需求，但数据价值挖掘的能力有限；成熟度 较高企业，能够利用知识反向驱动计算，增强推理， 辅助分析，实现智能决策。知识智能化的实现，需要 企业配备技术、人才和专业的团队。在资源有限条 件下，企业可借助第三方专业机构服务，提升自身 智能化水平。 图图 3.2 3.2 数字化企业中的知识应用方式数字化企业中的知识应用方式 图图 3.33.3 企业知识应用的
29、企业知识应用的智能化程智能化程度度 7 / 26 3.4 3.4 基于智能化技术的知识解决方案的领先性基于智能化技术的知识解决方案的领先性 基于人工智能技术的发展，逐渐形成了智能化知识解决方案，即知识中台。它具有全链路的知识管理能力，覆盖知 识的高效生产、灵活组织和智能应用。以数据为基础，知识中台能够自动化地从数据中提取知识，在业务场景的人 机互动中主动推荐知识，帮助业务人员高效、精准、智能地制定决策，提升企业的经营效率与业务创新能力。知识 中台，是面向企业知识应用的全生命周期、一站式、智能解决方案。 图图 3.43.4 知识的智能化转变知识的智能化转变 知识中台可以解决人与机器之间的信息鸿沟
30、。在企业拥有海量数据资产的前提下，知识中台能够为企业构建行业知 识体系和知识的智能应用，提供快速启动能力。 基于人工智能算法赋能，知识中台可以输出知识图谱、自然语言处 理、数据智能、多媒体理解等多项核心技术能力，全面覆盖搜索、推荐、计算、推理、对话等智能应用， 提供知识 生产、组织、应用的一站式、全生命周期管理方案，服务互联网、政务、金融、能源、工业、电信、法律、医疗等 各行各业。 8 / 26 4.4. 知识中台知识中台 - - 构建全新知识能力的智能化引擎构建全新知识能力的智能化引擎 4.1 4.1 中台定位：能力沉淀，场景驱动，知识升级中台定位：能力沉淀，场景驱动，知识升级 知识是企业智
31、能化升级的重要基础。在人工智能的助力下，各行各业正在以全新方法推进知识的收集、组织、检索、 应用。知识中台能够以服务的方式接入企业核心业务场景，帮助企业员工探索和发现前所未有的洞察，助力知识迭 代升级，强化企业业务运营与服务能力，支撑商业模式转型和智能化应用创新。面对企业知识应用需求，知识中台 具备覆盖全生命周期、一站式服务、定制化解决方案等特点。 图图 4.14.1 知识中台在企业知识中台在企业 IT IT 架构中的定位架构中的定位 企业 IT 架构包括三个层次，知识中台承上启下： 汇集知识基础的数据中台汇集知识基础的数据中台：企业由数字化迈向智能化的过程中，数据来源及体量将快速增加。数据中
32、台能够连 接企业前台、后台，帮助企业持续、有效地获取数据，完成自动化整合和治理，为知识中台发挥智能化效益奠 定坚实基础。 沉淀核心能力的知识中台：沉淀核心能力的知识中台：知识中台处在数据中台、业务场景之间。以数据为依托，知识中台能够自动帮助企 业从数据中汲取知识，以人机互动的服务方式接入业务场景，辅助企业员工智能决策。 发挥知识洞察价值的业务前台发挥知识洞察价值的业务前台& &中台：中台：企业通过前台系统与客户互动，提供服务并获取客户信息。知识中台能够 支撑业务前台/中台，将知识洞察与企业核心业务能力结合，帮助企业强化业务运营和客户服务能力。 4.2 4.2 架构体系：基础技术架构体系：基础技
33、术，核心功能核心功能，产品矩阵产品矩阵 知识中台的承上启下定位，决定了其内部体系架构的复杂性。知识中台架构体系应包括三个层面：基础技术、核心 功能、产品矩阵。其中，基础技术层提供以人工智能为核心的技术支持；核心功能层涵盖知识生产、知识组织、知 识应用的全流程；产品矩阵层封装了平台、应用、行业解决方案多层级产品，为各行业、各类场景提供全方位服务。 面向企业智能化升级需求，知识中台可以为企业提供灵活、多样的服务方式，包括标准化产品服务、组件化服务能 力输出、集成解决方案构建，和定制服务的设计与实施。 9 / 26 图图 4.2 4.2 知识中台：面向企业知识应用的全生命周期解决方案知识中台：面向企
34、业知识应用的全生命周期解决方案 4.3 4.3 知识产品：技术赋能，过程重塑，行业沉淀知识产品：技术赋能，过程重塑，行业沉淀 从产品矩阵层面来看, 知识中台应该提供能够支撑三个层级的知识应用产品，包括平台层技术产品、应用层场景产品、 行业解决方案产品。 图图 4.3 4.3 产品矩阵产品矩阵 10 / 26 1) 平台层技术产品平台层技术产品 平台层技术产品，是将知识中台蕴含的大量技术能力，通过 PaaS 调用方式对外输出，为其他平台提供服务，帮助 企业打造知识在业务场景中的应用。平台层技术产品可以满足具备一定技术能力的合作伙伴、集成商、客户的二次 开发需求，对应用层场景产品和行业解决方案产品
35、形成良好支撑，更加贴近企业的具体场景、行业需求。 以知识图谱平台为例，知识定义、图谱构建、图谱应用等核心能力被服务化封装，形成一套完整的图谱构建与应用 平台产品。该产品能够较好的解决多类型数据构建图谱的难点，内置完善的图谱构建方法论，可帮助企业显著减少 知识图谱构建成本，并对各类上层业务场景应用提供良好支撑。此外，知识中台含有大量 AI 认知能力，同样可以作 为工具化服务对外输出，大幅缩短图谱应用开发建设周期，并拓展应用领域和范畴。 2) 应用层场景产品应用层场景产品 应用层场景产品，是基于企业对知识管理和应用的典型场景需求，将流程、运营、管理、技术等组合封装，形成满 足企业具体任务需求的产品
36、。具体包括：智能企业搜索、智能知识库、个性化推荐引擎、推理决策引擎等。 智能企业搜索智能企业搜索：传统企业搜索存在企业内外部信息检索不到、相关性差等主要问题。与传统搜索产品相比，智能企 业搜索排序更合理、结果更相关，数据更海量、效率更高，可以大幅缩短信息获取的时间，提高人员工作效率，实 现了语义化理解。 智能推荐：智能推荐：能够基于知识图谱完成内容表示和用户表示，并作为个性化推荐的重要特征，满足个性化推荐的应用需 求。通过智能推荐，企业可以提升业务内容的分发效率。 智能知识库：智能知识库：依托知识中台的智能知识库，集成中台丰富的知识组织与应用能力，具备多模态内容生产能力和应用 方式，具备自动化沉淀知识的能力。通过业务化、专业化的知识沉淀
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
