德勤：知識中臺白皮書（2020）（69頁）.pdf

1、 從數據到知識，知識中臺賦能企業智能化升級從數據到知識，知識中臺賦能企業智能化升級 2020 年 12 月 目錄目錄 1.1. 觀點摘要觀點摘要 . 1 1 2. 2. 企業在數字化轉型中面臨的問題企業在數字化轉型中面臨的問題和挑戰和挑戰 . 2 2 2.1 企業面臨著外部環境快速變化的新問題 . 2 2.2 內部管理能力和傳統 IT 架構無法應對轉型要求 . 3 3.3. 人工智能賦予知識管理全新的內涵人工智能賦予知識管理全新的內涵 . 5 5 3.1 從數字化到智能化，重塑企業發展格局 . 5 3.2 數據的變化拓展了知識的領域和范疇 . 6 3.3 人工智能算法賦予了知識全新的能力 .

2、6 3.4 基于智能化技術的知識解決方案的領先性 . 7 4.4. 知識中臺知識中臺 - - 構建全新知識能力的智能化引擎構建全新知識能力的智能化引擎 . 8 8 4.1 中臺定位：能力沉淀，場景驅動，知識升級 . 8 4.2 架構體系：基礎技術，核心功能，產品矩陣 . 8 4.3 知識產品：技術賦能，過程重塑，行業沉淀 . 9 4.4 核心功能：多模數據，智能提煉，服務輸出 . 10 4.5 技術為綱：圖譜，算法，模態，認知 . 11 4.6 生態賦能：連接，融匯，開放，服務 . 12 4.7 價值實現：落地方法，變革推動，資源保障 . 13 5.5. 知識中臺的行業實踐和成果知識中臺的行業

3、實踐和成果 . 1515 5.1 智能關聯跨領域信息，賦能數字化高效辦公 . 15 5.2 構建知識能力組件，助力政務服務智能化 . 15 5.3 從輿情發掘洞察，知識中臺引導企業運營 . 16 5.4 從狀態診斷到智能維修，設備管理知識化 . 17 5.5 沉淀能力，聚沙成塔，推動工業智能化 . 17 5.6 決策邏輯智能化，科學應對突發事件 . 18 5.7 數據與邏輯相融合，金融風控更智能 . 19 5.8 法律案件知識化，人工智能輔助庭審 . 19 5.9 從病歷檔案到診斷輔助，知識中臺賦能智慧醫療 . 20 5.10 構建學習體系，定制教學方案，知識中臺變革教育理念 . 21 6.6

4、. 知識中臺在智能經濟中擔當重任知識中臺在智能經濟中擔當重任 . 2222 6.1 智能經濟，接棒下一代產業形態 . 22 6.2 重裝上陣，知識中臺持續提升自身能力，推動企業轉型 . 23 7.7. 附錄：參考文獻附錄：參考文獻 . 2525 1 / 26 1.1.觀點摘要觀點摘要 企業企業數字化轉型數字化轉型升級，面臨多重機遇升級，面臨多重機遇與挑戰。與挑戰。堅持數字化發展是我國現階段秉承的發展戰略。人工智能、云計算、 區塊鏈等新一代智能化信息技術正在快速發展，5G、數據中心、物聯網等新型基礎設施也將逐步完善。在新冠疫情 突發、中美關系持續緊張的局勢下，企業為了在加劇變化的市場環境中保持競

5、爭力，需要提高數字化水平，但面臨 外部和內部的雙重挑戰。 企業面臨著外部環境快速變化的新問題。企業面臨著外部環境快速變化的新問題?；ヂ摼W經濟蓬勃發展，移動應用廣泛普及使得形態多樣的數據正在呈現幾 何級數的增長，信息通訊技術的發展加速了人類知識的更新速度，市場競爭的加劇使企業對信息的價值產生了深度 挖掘的需求，信息的來源也隨著生產力的發展而不斷拓展。信息的變化導致了知識的生產和應用發生變革。開放性 更強的信息使高質量的知識管理日益復雜，信息的更新速度、頻率的加快使企業知識的迭代更新存在挑戰，來源更 廣的信息則需要企業基于業務需求進行深度加工，形成環環相扣的企業知識，應用到企業經營中，驗證其價值。

6、 企業內部綜合企業內部綜合治理需要治理需要革舊施新革舊施新。傳統的 IT 系統多以流程和管控作為任務目標，缺少智能化的技術手段，無法有效 處理和應對信息與知識的爆發，在知識的分享與應用、驅動業務增長方面存在先天的缺陷，企業急需建立全新的信 息與知識處理的技術架構。首先，企業要在經營管理方式上，由資源驅動業務增長逐步轉向知識驅動業務增長，以 幫助企業在紅海市場中提升競爭力，在藍海市場中拓展創新業務；其次，企業要推動企業文化和員工思維的轉變， 并培養數字化人才隊伍；最后，需要打造全新的數字化技術框架，引入中臺工具，支持創新業務的快速落地和迭代。 智能化是企業數字化的新階段。智能化是企業數字化的新階

7、段。人工智能算法的進步使得從海量數據中高效汲取知識成為可能。知識可以幫助企業 沉淀業務邏輯，將知識以機器可以理解的方式進行組織，從而實現數據的智能化應用，推動企業智能化發展。 知識知識中臺是中臺是基于人工智能技術形成的智能化知識解決方案?；谌斯ぶ悄芗夹g形成的智能化知識解決方案。它具有全鏈路的知識管理能力，覆蓋知識的高效生產、 靈活組織和智能應用。以數據為基礎，知識中臺能夠自動化地從數據中提取知識，在業務場景的人機互動中主動推 薦知識，幫助業務人員高效、精準、智能地制定決策，提升企業的經營效率與業務創新能力。知識中臺，是面向企 業知識應用的全生命周期、一站式、智能解決方案。 知識中臺架構體系分

8、為知識中臺架構體系分為三個層面：基礎技術層、核心功能層和產品矩陣層。三個層面：基礎技術層、核心功能層和產品矩陣層。其中，基礎技術層提供了以人工智能為 核心的技術支持，是知識中臺運行的引擎。核心功能層涵蓋了知識生產、知識組織、知識應用的知識全生命周期。 產品矩陣層封裝了平臺、應用、行業解決方案多層次的產品，為各行業，各場景提供服務。 全球的經濟形態正在由數字經濟逐步發展到以人工智能為核心驅動力的智能經濟新階段。全球的經濟形態正在由數字經濟逐步發展到以人工智能為核心驅動力的智能經濟新階段。當前，全球正處于新一輪 科技革命和產業變革的加速推進期，數字化、網絡化、智能化技術在生產生活中廣泛應用，驅動人

9、類社會邁向智能 經濟新時代。智能經濟是以新一代信息技術和智能技術為基礎設施和創新要素，以產業創新為核心內容，具有數據 驅動、人機協同、跨界融合、共創分享四大特征的新經濟形態。智能經濟在催生新需求、新業態的同時，通過人機 交互方式的變革重構人類的生產方式、生活方式、社會運行及政府治理方式，引領經濟社會的創新發展。 知識中臺在知識中臺在產業智能化升級中，產業智能化升級中，擔當重任。擔當重任。知識中臺作為新經濟形態下的智能化方案，將持續從技術、行業應用、 生態合作的角度進行提升，更好地賦能企業，為企業在智能經濟中取得先機持續提供動力。技術方面，知識中臺的 數據處理能力將由結構類、文檔類數據，拓展至圖

10、片、音頻、視頻在內的多模態數據；知識中臺將提升復雜知識表 示和快速構建技術，提升數據知識化的效率。應用方面，知識中臺將由搜索、問答、推薦，升級至輔助決策、預測、 推理等各類業務場景的知識深度應用，滿足企業產品與服務的自動化定制需求，驅動產業智能化升級。 2 / 26 2.2. 企業在數字化轉型中面臨的問題企業在數字化轉型中面臨的問題和挑戰和挑戰 中共中央于 2020 年 10 月 29 日會議通過的“十四五”規劃建議強調了要加快數字化發展，加強數字社會、數字 政府建設，提升公共服務、社會治理等數字化智能化水平。在此政策背景下，單純依靠傳統的基礎設施不能有效支 撐數字化發展，以 5G、人工智能、

11、工業互聯網、物聯網等新一代技術構成的新型基礎設施應運而生，支撐傳統產業 向數字化、網絡化、智能化方向發展。同時，企業面臨著復雜多變的市場環境。新冠疫情使個人消費者和企業的行 為發生改變，人們的生活方式、企業辦公方式逐步從線下轉移到線上。數字化能力不足的企業，由于缺乏大數據的 支撐，無法精準洞察客戶行為變化，線上線下業務難以打通，導致企業經營受到影響。國際方面，中美近年來頻頻 發生摩擦，逐步從貿易演變到科技、金融等多個領域的全面對抗，美國已經開始加大對中國技術出口的限制，國內 企業需要盡快實現基于自主技術的解決方案，擺脫對外資技術和產品的依賴。 無論是國家政策的推動，還是國際復雜局勢的影響，企業

12、都需要加快數字化轉型，優化供給側改革，提升技術創新 能力，探索新業務和運營模式，滿足市場對優質產品和服務的需求，提高自身經營效率，助力發展數字經濟，達到 數字產業化和產業數字化融合的國家經濟發展目標。 2.1 2.1 企業面臨著外部環境快速變化的新問題企業面臨著外部環境快速變化的新問題 隨著社會的發展，移動互聯應用、人工智能、自動駕駛等新興科技及應用，正在飛速的進入大眾的生活。在全新的 數字時代下，企業需要能夠理解并處理比以往更多、更快、更復雜的信息，才能利用最新的技術成果，提升企業運 行效率和決策智能化水平，在復雜的競爭環境中得以生存發展。 數字化時代，市場競爭日趨激烈，企業產生和處理的信息

13、形態多樣、數據量呈幾何級數增長數字化時代，市場競爭日趨激烈，企業產生和處理的信息形態多樣、數據量呈幾何級數增長 互聯網經濟蓬勃發展，移動應用廣泛普及，數據正在呈現幾何級數增長。在數字化時代，企業需要處理的信息已經 遠遠超出傳統的經營管理范疇。信息的承載形式從結構化數據拓展到非結構化數據，包括日志、文檔、圖像、音視 頻等。同時，信息的受眾不再局限于人，而是廣泛用于人與人的交流，人與機器的交流，以及機器與機器之間的交 流。 信息形態的多樣化，帶來了信息量的指數級增長。預計到 2025 年，全球數據量將比 2016 年的 16.1ZB 增加十倍以 上，達到 163ZB。其中，根據中國信息通信研究院的

14、大數據白皮書(2019)披露，僅中國在 2018 年的數據產生量 就占到了當年全球數據產量的 23%，約為 7.6ZB，約等于一千萬億個大小為 8MB 的文檔。 信息的更新速度加快，深度挖掘需求增加，來源廣度延展，都對處理的實時性提出更高要求信息的更新速度加快，深度挖掘需求增加，來源廣度延展，都對處理的實時性提出更高要求 信息通信技術加速了人類知識更新的速度。聯合國教科文組織曾經做過一項研究：在 18 世紀時，知識更新周期為 80-90 年；19 世紀到 20 世紀初，縮短為 30 年；上個世紀 60-70 年代，一般學科的知識更新周期為 5-10 年；而到了 上個世紀 80-90 年代，許多

15、學科的知識更新周期縮短為 5 年；進入 21 世紀，眾多學科的知識更新周期已縮短至 2-3 年。除了通用學科知識的更新周期在縮短，人類、機器的信息刷新速度也在不斷突破極限，需要實時處理。例如， 雙十一購物節期間，某電商平臺訂單創建峰值可達到58.3萬筆/秒；為保障無人駕駛安全，車載傳感器和行駛指令的 傳輸和發送，必須是毫秒級。 深度挖掘信息價值的需求，也在隨著市場競爭的加劇而逐步顯現。企業的信息處理方式正在逐步升級：從運營流程 到經營模式，從報表匯總到智能分析，從分類標簽到市場洞察。深度挖掘信息的價值、實時洞察市場變化的先機、 發現組織管理的優化方式，能夠幫助企業在競爭中立于不敗之地，并保持長

16、期、可持續發展。 3 / 26 信息來源的廣度也在不斷拓展。隨著商品流通的發展，生產工具的升級，以及資本的不斷積累，生產力的發展正在 不斷推動產業分工更加細致與復雜化。產業鏈上下游的各個環節需要協作完成產品與服務的交付。因此，企業不僅 要掌控自身經營管理的信息，也要拓展信息來源的廣度。例如，沿著價值鏈獲取并處理多源、交互、實時信息，從 供應鏈到生態合作，從專業服務平臺到生態體系平臺，從行業深耕到跨界創新。 知識需要更多的走向業務前臺，更加深度的融入到企業的生產經營活動中知識需要更多的走向業務前臺，更加深度的融入到企業的生產經營活動中 知識是企業管理者和員工做出業務決策的重要依據。知識需要逐步走

17、向前臺，深度融入并支撐企業的生產經營活動， 助力企業提升核心競爭力。在數字化時代，知識的生產和應用也隨著信息的變化而發生著變革。 知識的高質量管理模式日益復雜。通過互聯網，任何人/機構都能成為信息的生產者、發布者、傳播者和使用者，使 信息具有比以往更強的開放性，豐富的信息并不一定能夠為企業帶來高質量的知識。在被動檢索模式下，多由人工 自主判斷知識的相關性；在主動推薦方式下，要求系統能夠自主判斷知識的準確性、與業務的適配性，以防止對業 務人員造成過多干擾，對知識質量的要求更加嚴格。高質量的知識加工，是實現知識智能化高效應用的重要前提。 知識的迭代更新存在挑戰。數據的來源已不再局限于傳統的數據庫，

18、而是包含所有數字化應用中的實時動態數據。 信息的更新速度、頻率都在加快，并不斷產生新的知識。此外，數據的模態也由單一的文本方式，拓展到覆蓋圖像、 語音、視頻等多媒體形式。針對來源豐富、形態多樣、更新速度較快的數據和知識，企業需要具備新舊數據資產的 差別化管理能力，既能做到實時積累新知識，也能迭代保留部分有價值的舊知識。 知識的價值應用需要探索。在新經濟背景下，企業拓展了更多的業務場景，需要提供多樣化的產品與服務，以滿足 不同細分市場的個性化需求。在客戶至上的時代，為用戶提供良好的體驗，是企業的生存之本。企業需要基于業務 需求，深度加工信息并生成知識，然后用知識驅動業務的智能決策。知識價值需要并

19、能夠在前臺業務中獲得證明。 企業正在逐步探索明晰知識的具體應用場景。 知識的完整性需要驗證。在產業鏈協作的背景下，企業需要獲得具有一定廣度的信息，并加工成環環相扣的知識， 推動業務協同與發展。任一環節的信息與知識的缺失，都有可能會影響企業的經營狀態，甚至是影響整個產業生態 體系內的合作廠商。企業的知識管理，需要驗證知識的完整性，并將質量控制體系拓展到產業生態中。 2.2 2.2 內部管理能力和傳統內部管理能力和傳統 IT IT 架構無法應對轉型要求架構無法應對轉型要求 為了應對外部環境變化，企業在積極尋求自身轉型，建立數字化能力。企業傳統 IT 系統，多以流程和管控作為任務 目標，缺少智能化的

20、技術手段，無法有效處理和應對信息與知識的爆發，在知識的分享與應用、驅動業務增長方面 存在先天的缺陷。針對上述問題，建立全新的信息與知識處理的技術架構，已迫在眉睫。 首先，在經營管理方式上，需要逐步轉向數字化運營模式和創新式增長首先，在經營管理方式上，需要逐步轉向數字化運營模式和創新式增長 當前，國內經濟增長放緩，需求減弱。傳統以資源消耗為主的粗放型經濟增長模式難以持續。企業的經營方式迫切 需要轉變，由資源驅動業務增長轉向知識驅動業務增長，以幫助企業在紅海市場中提升競爭力，在藍海市場中拓展 創新業務。知識密集型企業，會把數據視作資產，努力打破部門壁壘，連接內部信息孤島，采用數字化運營模式推 動知

21、識的流動與價值變現。 4 / 26 其次，從文化和人才角度，其次，從文化和人才角度， 需要達成一致性的數字化認知，培養數字化思維人才需要達成一致性的數字化認知，培養數字化思維人才 企業的數字化轉型，首先要推動企業文化和員工思維的轉變，并培養數字化人才隊伍。研究表明，有 78%的企業在 數字化轉型中會失敗，其中有兩個重要原因：第一，企業沒有建立數字化文化，領導層面沒有推行數字化思維，不 能及時從上到下推動企業的數字化變革；第二，缺乏數字化轉向所需的技術人員，對人工智能、云計算等核心技術 缺乏認知和理解，實際落地應用效果不佳，難以很好的支撐業務轉型需要。 最后，在平臺和工具方面，需要打造全新數字化

22、技術框架，引入中臺工具，支持創新業務最后，在平臺和工具方面，需要打造全新數字化技術框架，引入中臺工具，支持創新業務快速落地和迭代快速落地和迭代 數字化時代企業的增長模式和創新速度，對支撐企業發展的信息化平臺提出了新的挑戰。傳統意義上的流程效率和 風險管控為核心的信息系統建設模式，需要轉向以賦能為目標，以創新為理念，以體驗為中心，以價值為核心，平 臺化的建設模式。在這個過程中，如何更有效地利用平臺化的工具和技術，以智能化手段推動數據轉化為知識，將 知識的應用推向前臺，是所有數字化轉型企業都需要思考的問題。 5 / 26 3.3. 人工智能賦予知識管理全新的內涵人工智能賦予知識管理全新的內涵 3.

23、1 3.1 從數字化到智能化，從數字化到智能化， 重塑企業發展格局重塑企業發展格局 智能化是企業數字化發展的新階段。邁入智能化階段意味著企業已經完成了業務的數字化連接和數據分析，進入了 數據洞察、流程自動化、決策和運營智能化的階段。企業可以借助自動化和智能化技術的發展，在用戶產品、服務 體驗、生產效率、業務風控與決策等方面，產生諸多創新模式，拓展更多的發展機遇。 圖圖 3.3.1 1 數字化技術演進路徑數字化技術演進路徑: : 由數字化邁入智能化階段由數字化邁入智能化階段 然而，目前大部分企業仍處于數字化的早期階段。在企業數字化轉型的過程中，企業普遍希望以數據驅動的方式提 升企業經營管理的效率

24、，但面對數字化過程中積累的越來越多的數據如何處理和應用，企業面臨著新的挑戰。 首先，由于缺乏數據處理能力，企業在生產經營中產生的大量數據無法被充分使用，更不用說依靠數據形成智能決 策；其次，面對越來越復雜的數據形態，傳統的、以人工為主的數據處理方式已經無法滿足企業的需求，企業急需 借助智能化技術和應用的幫助；最后，由于人與系統之間的溝通存在困難，數據無法有效地被系統理解，現有數據 資產依舊無法與實際的業務場景結合，形成智能化的決策。上述因素都阻礙著企業業務發展，因此企業需要借助智 能化技術與知識，幫助企業邁向智能化階段。 知識中臺可以理清業務邏輯，用機器可以理解的方式將知識組織起來，從而建立符

25、合企業需求的智能化應用，推動 企業向智能化發展，重塑企業發展格局。智能化應用對企業發展的推動作用體現在： 可以幫助企業快速提供定制類產品與服務，助力業務增長。面對大量客戶的個性化需求，企業能夠以較低的成 本，自動化批量生產定制產品，滿足更多用戶需求，從而占領更大市場份額。 能夠為企業提供更具業務價值的洞察，從而有效支撐企業管理者決策，提升企業競爭力，降低經營風險。 在人工智能技術支撐下，企業能夠重新定義產品與服務，推動商業模式創新，不斷提升市場競爭力，滿足新興 市場需求。未來，智能化應用將成為企業獲得持續成功的核心驅動力。 6 / 26 3.2 3.2 數據的變化拓展了知識的領域和范疇數據的變

26、化拓展了知識的領域和范疇 在數字化時代，眾多企業已將數據的定位由“資源”升級為“資產”。知識源自數據的提煉萃取，具有更高的業務 價值。知識的生產與應用，正在以全新的方式展開： 知識的來源知識的來源范疇：范疇：知識來源于數據，由于移動互聯 網、物聯網、辦公自動化系統等技術的普及，數據的 量級正在高速增長。數據形態也由傳統的文檔、日 志， 拓展到圖片、語音、視頻等多種模態。 知識的表現形式：知識的表現形式：知識的表現形式由簡單的認知概 念，拓展至業務規則、服務策略、設備狀態、語言邏 輯等全方位信息。 知識的應用方式：知識的應用方式：中臺技術架構的出現，改變了知識 的應用方式。由用戶獲取信息后自主執

27、行操作的傳統 方式，升級到業務流程自動調取知識服務結果并完成 任務執行。在知識服務支撐下，設備與設備之間、程 序與程序之間互動成為可能，并直接、自主服務最終 用戶。在數字化企業中的知識應用主要包括：直接獲 取，主動推薦，洞察決策，提供服務。 3.3 3.3 人工智能算法賦予了知識全新的能力人工智能算法賦予了知識全新的能力 隨著人工智能技術的進步，算法幫助人們從繁雜的信 息中提取知識，人類獲取知識的途徑變得更加高效和 便捷。人與人之間的經驗傳承，轉變為通過計算機和 互聯網進行存儲、傳播；經驗的沉淀，也轉變為由機 器在數據中提取知識；在企業的業務場景中，機器與 人智能互動，通過主動推薦知識，助力智

28、能決策 ，從 而提高企業的經營效率；除此之外，人工智能算法可 以反向輔助進行知識的生產和組織。 知識智能化較弱企業，前、后臺系統信息處理能力有 限，無法有效加工、應用知識，難以驅動業務增長； 中等程度企業，前、后臺系統可以滿足基本的知識存 儲與檢索需求，但數據價值挖掘的能力有限；成熟度 較高企業，能夠利用知識反向驅動計算，增強推理， 輔助分析，實現智能決策。知識智能化的實現，需要 企業配備技術、人才和專業的團隊。在資源有限條 件下，企業可借助第三方專業機構服務，提升自身 智能化水平。 圖圖 3.2 3.2 數字化企業中的知識應用方式數字化企業中的知識應用方式 圖圖 3.33.3 企業知識應用的

29、企業知識應用的智能化程智能化程度度 7 / 26 3.4 3.4 基于智能化技術的知識解決方案的領先性基于智能化技術的知識解決方案的領先性 基于人工智能技術的發展，逐漸形成了智能化知識解決方案，即知識中臺。它具有全鏈路的知識管理能力，覆蓋知 識的高效生產、靈活組織和智能應用。以數據為基礎，知識中臺能夠自動化地從數據中提取知識，在業務場景的人 機互動中主動推薦知識，幫助業務人員高效、精準、智能地制定決策，提升企業的經營效率與業務創新能力。知識 中臺，是面向企業知識應用的全生命周期、一站式、智能解決方案。 圖圖 3.43.4 知識的智能化轉變知識的智能化轉變 知識中臺可以解決人與機器之間的信息鴻溝

30、。在企業擁有海量數據資產的前提下，知識中臺能夠為企業構建行業知 識體系和知識的智能應用，提供快速啟動能力。 基于人工智能算法賦能，知識中臺可以輸出知識圖譜、自然語言處 理、數據智能、多媒體理解等多項核心技術能力，全面覆蓋搜索、推薦、計算、推理、對話等智能應用， 提供知識 生產、組織、應用的一站式、全生命周期管理方案，服務互聯網、政務、金融、能源、工業、電信、法律、醫療等 各行各業。 8 / 26 4.4. 知識中臺知識中臺 - - 構建全新知識能力的智能化引擎構建全新知識能力的智能化引擎 4.1 4.1 中臺定位：能力沉淀，場景驅動，知識升級中臺定位：能力沉淀，場景驅動，知識升級 知識是企業智

31、能化升級的重要基礎。在人工智能的助力下，各行各業正在以全新方法推進知識的收集、組織、檢索、 應用。知識中臺能夠以服務的方式接入企業核心業務場景，幫助企業員工探索和發現前所未有的洞察，助力知識迭 代升級，強化企業業務運營與服務能力，支撐商業模式轉型和智能化應用創新。面對企業知識應用需求，知識中臺 具備覆蓋全生命周期、一站式服務、定制化解決方案等特點。 圖圖 4.14.1 知識中臺在企業知識中臺在企業 IT IT 架構中的定位架構中的定位 企業 IT 架構包括三個層次，知識中臺承上啟下： 匯集知識基礎的數據中臺匯集知識基礎的數據中臺：企業由數字化邁向智能化的過程中，數據來源及體量將快速增加。數據中

32、臺能夠連 接企業前臺、后臺，幫助企業持續、有效地獲取數據，完成自動化整合和治理，為知識中臺發揮智能化效益奠 定堅實基礎。 沉淀核心能力的知識中臺：沉淀核心能力的知識中臺：知識中臺處在數據中臺、業務場景之間。以數據為依托，知識中臺能夠自動幫助企 業從數據中汲取知識，以人機互動的服務方式接入業務場景，輔助企業員工智能決策。 發揮知識洞察價值的業務前臺發揮知識洞察價值的業務前臺& &中臺：中臺：企業通過前臺系統與客戶互動，提供服務并獲取客戶信息。知識中臺能夠 支撐業務前臺/中臺，將知識洞察與企業核心業務能力結合，幫助企業強化業務運營和客戶服務能力。 4.2 4.2 架構體系：基礎技術架構體系：基礎技

33、術，核心功能核心功能，產品矩陣產品矩陣 知識中臺的承上啟下定位，決定了其內部體系架構的復雜性。知識中臺架構體系應包括三個層面：基礎技術、核心 功能、產品矩陣。其中，基礎技術層提供以人工智能為核心的技術支持；核心功能層涵蓋知識生產、知識組織、知 識應用的全流程；產品矩陣層封裝了平臺、應用、行業解決方案多層級產品，為各行業、各類場景提供全方位服務。 面向企業智能化升級需求，知識中臺可以為企業提供靈活、多樣的服務方式，包括標準化產品服務、組件化服務能 力輸出、集成解決方案構建，和定制服務的設計與實施。 9 / 26 圖圖 4.2 4.2 知識中臺：面向企業知識應用的全生命周期解決方案知識中臺：面向企

34、業知識應用的全生命周期解決方案 4.3 4.3 知識產品：技術賦能，過程重塑，行業沉淀知識產品：技術賦能，過程重塑，行業沉淀 從產品矩陣層面來看, 知識中臺應該提供能夠支撐三個層級的知識應用產品，包括平臺層技術產品、應用層場景產品、 行業解決方案產品。 圖圖 4.3 4.3 產品矩陣產品矩陣 10 / 26 1) 平臺層技術產品平臺層技術產品 平臺層技術產品，是將知識中臺蘊含的大量技術能力，通過 PaaS 調用方式對外輸出，為其他平臺提供服務，幫助 企業打造知識在業務場景中的應用。平臺層技術產品可以滿足具備一定技術能力的合作伙伴、集成商、客戶的二次 開發需求，對應用層場景產品和行業解決方案產品

35、形成良好支撐，更加貼近企業的具體場景、行業需求。 以知識圖譜平臺為例，知識定義、圖譜構建、圖譜應用等核心能力被服務化封裝，形成一套完整的圖譜構建與應用 平臺產品。該產品能夠較好的解決多類型數據構建圖譜的難點，內置完善的圖譜構建方法論，可幫助企業顯著減少 知識圖譜構建成本，并對各類上層業務場景應用提供良好支撐。此外，知識中臺含有大量 AI 認知能力，同樣可以作 為工具化服務對外輸出，大幅縮短圖譜應用開發建設周期，并拓展應用領域和范疇。 2) 應用層場景產品應用層場景產品 應用層場景產品，是基于企業對知識管理和應用的典型場景需求，將流程、運營、管理、技術等組合封裝，形成滿 足企業具體任務需求的產品

36、。具體包括：智能企業搜索、智能知識庫、個性化推薦引擎、推理決策引擎等。 智能企業搜索智能企業搜索：傳統企業搜索存在企業內外部信息檢索不到、相關性差等主要問題。與傳統搜索產品相比，智能企 業搜索排序更合理、結果更相關，數據更海量、效率更高，可以大幅縮短信息獲取的時間，提高人員工作效率，實 現了語義化理解。 智能推薦：智能推薦：能夠基于知識圖譜完成內容表示和用戶表示，并作為個性化推薦的重要特征，滿足個性化推薦的應用需 求。通過智能推薦，企業可以提升業務內容的分發效率。 智能知識庫：智能知識庫：依托知識中臺的智能知識庫，集成中臺豐富的知識組織與應用能力，具備多模態內容生產能力和應用 方式，具備自動化沉淀知識的能力。通過業務化、專業化的知識沉淀