10月30日，“数智2024”蓝凌用户大会盛大召开。会上，蓝凌副总裁刘向华作“知识+AI，用新一代aiKM构建企业大脑”主题演讲。本文整理出相关演讲内容，以飨读者。

尊敬的各位线上、现场的新老朋友们：

大家好！

很高兴，又到了一年一度跟大家汇报我们在知识管理领域的实践和思考的时候。刚刚杨总提到了蓝凌的3个产品，基本上都是与AI相关联的。其中我们认为，绝大部分企业马上可以着手干的AI，就是跟知识管理融合起来。

一、蓝凌知识管理产品的两大变化

去年我们研判：企业数字化基座在变迁，并添置了两款重量级新品。一是蓝鲸DI，是我们数字资产的治理产品，目的是让企业能产出更高质量的数据；二是蓝博士，是我们融合了大模型等AI的知识管理产品。

过去一年，我们在AI上面投入了非常多的人力资源，我们在蓝博士上面接入了更多的新模态，包括语言模型、向量模型、视觉模型，以及OA流程抽取模型等。

同时，我们还加大了在数据产品上面的研发投入，现在蓝凌的数据湖仓产品不仅是湖仓一体，而且可以与知识图谱对接，经由图谱能够把企业海量的数据当知识来管理。

过去一年，我们在原先的KMS产品线上也做了很多的增强。第一，我们把知识库做成知识中台，由于做成中台，所以它可以为每一个主题建立知识库，比如研发知识库、销售知识库、客服知识库等，不同主题的知识库的结构不同，我们把知识库做了后台仓库化。

第二，我们实现了知识图谱的接入。知识图谱这个概念谈了十年，过去十年里面知识图谱都是叫好不叫座，因为图谱本身的数据导入太费人力了，需要大量的人工标注。借助大语言模型我们可以做到几乎“无监督入图”，把原来结构化的数据能够入图，所以这是我们知识管理KMS产品上面比较大的突破，深受广大客户的欢迎。

二、知识管理何以成为AI与数字化的切入口

过去12个月我们在知识管理这个领域里得到了非常多的客户认同。为什么这么多的客户选择知识管理作为AI化和企业数字化深化的切入口？如果从企业IT部门的视角看，本质上是因为AI加速了数字资产的管理范围，而我们本身数字化转型实际上就是以数据资产为中心来做转型的，不是以应用为导向，也不是以流程为导向。

我本人现在也兼任蓝凌的CIO，我们自己算了一下，蓝凌内部可以称为数据的东西只有10%左右存在于数据库中，剩下的80%要么放在钉钉会议纪要、网盘系统里面，要么放在知识库里面，甚至有一些纸质档案存在一个档案室里头。也就是说，如果我们做了aiKM，我们可以把以前没有被我们管理的80%以上的企业数据纳入到我们的数字资产管理范畴里去。企业的数字资产如果与私有大模型结合，这家企业本身的知识管理水平、智能化程度能够有一个大的飞升。一旦把企业的知识运营起来，将是独一无二的数字资产。

三、企业大脑=数据逻辑（左脑）+经验知识（右脑）

大模型帮我们解决了快思考的问题。我们都知道，大语言模型本身是一个黑箱，你问它一个问题，它给你一个答案，它自己都不知道这个答案是怎么推理出来的。这个快思考逻辑非常适合于做一些已经默认成规的东西，已经形成肌肉记忆的事情，在企业里面体现为问答、搜索等应用。

同时，还有一块是慢思考的系统，前段时间Open AI发布了最新版本的o1产品，号称能够解决大模型在数理逻辑方面的缺陷问题。从这个角度来说，慢思考的系统会慢慢盛行，成为主流。围绕快思考和慢思考、将数据和经验知识结合起来，我们梳理了企业大脑的功能架构，一个是左脑帮助我们做决策，还有一个是右脑帮助我们做经验知识的应用。

四、蓝凌推出新一代知识管理平台aiKM

基于以上这些思考，我们全新发布新一代知识管理平台aiKM。蓝凌从五年前开始研发建设aiKM，它是融合了蓝凌MK平台cPaaS、dPaaS和aiPaaS三个底层基座，并与KMS知识管理融合后的升级产品，通过内容引擎、数据引擎和智能AI引擎，在这些基础上做知识管理应用。新一代的aiKM首先是个知识仓库，是个企业的知识中台，其次它能够赋能到所有的业务系统，变成多场景。

它有几乎全量企业的知识源，可以支撑企业里面端到端的知识消费场景。因此，它是一套可以持续运营，不会担心有数据孤岛的新系统。

aiKM分两个版本，一是标准版，它是起步级的企业大脑，它能够把我们现有的知识资产和数据资产盘活。二是专业版，它可以跟各类的业务系统结合，比如跟我们的战略执行流程结合，助力DSTE的落地；比如跟我们的CRM系统结合，CRM的知识库可以被aiKM所消化；也可以跟客服、研发、人力资源等系统做结合。专业版的aiKM，在过去的这一年里，在产品还没有发布时就已经有十几家企业采购了，现在交付完成得也很好，普遍的满意度都比较高。

aiKM标准版

aiKM专业版

新的aiKM有三个特点：

第一，标配大模型，而且是私有化大模型。

过去18个月，我们把行业里能够私有化的大模型基本上试了一遍，最后选择了通义千问里面的32B和72B的开源大模型。这个标准大模型有一个好处，我们基本上把它的模型参数做了调优和训练，训练完交付到客户侧以后不需要再训练了，客户只需要用它的推理能力就可以了。所有的个性化的部分都在向量化和检索增强上面做，大模型是固定下来后还可以不断升级，客户还可以选择每半年升级一次大模型。除了通义千问的32B和72B的大模型，我们也适配其他主流的大模型，如有的客户就采用了微软、百度、智谱等。

第二，内置对接了大量企业常见的知识源。

aiKM内置超过10种常见的企业内部知识源，如开源的confluence、OA等，并在持续增加中，内置的好处就是开箱即用。同时，它支持非标的异构源的接入，系统提供强大的API和iPaaS对接接口，企业可通过自定义数据流，将自身独有的系统接入aiKM，并且可定时监控数据对接情况。

多源也意味着多态，我们将结构化的数据存在数据湖仓；半结构化的数据以及非结构化的数据存储在知识湖仓内，因此理论上企业全量数据资产都可以接入aiKM。

第三，多知识消费场景。

有了多源知识接入后，aiKM可以非常便捷地支撑企业内外各种知识消费场景，如研发、生产、营销、HR等各个部门/业务条线的知识场景消费。

举个例子：某新能源汽车制造企业产品经理李小翼，现在需要进行一项新的自动驾驶技术的研发立项。公司海量知识分散在OA、研发管理等不同的系统中，很难找到需要的内容。他决定利用aiKM平台来辅助立项。他打开aiKM，平台根据他最近的系统行为推荐了自动驾驶相关的研究报告、创新成果以及成功案例。在进行知识搜索时，李小翼通过搜索“自动驾驶最新成果”，找到了公司内所有关于自动驾驶的最新成果的知识，搜索结果不仅来自内部知识库，还包括公司OA系统、文档系统以及外部情报系统等，aiKM还根据他的搜索内容推荐了相关问题，通过点击推荐问题，问答助手就可对这个问题进行深度问答。搜索到的问题非常多，aiKM可以对单篇知识进行总结，帮助李小翼在短时间内了解这些内容，除了可以对单文档进行总结外，搜索助手还能对当前搜索结果页进行总结汇总。在查看当前页面分析后，李小翼认为，《自动驾驶汽车现有技术改进报告》这篇知识对他的作用最大，于是他将这篇知识拖到搜索助手进一步总结，最后他将知识助手为他总结的知识写入报告之中，在此基础上进行研发立项、

   【结尾】

大部分的企业已经走过了信息化阶段，并完成了部分数字化转型。而今步入了从数字经营走向创造性的智能经营的阶段，此时如果有一个企业专属的大脑，对企业来说就是一个巨大的助力。让我们一起，与机器共存，迎接数智新时代！