此阶段实现知识的线上化，但各业务分别建立知识库形成知识孤岛，无法形成企业级知识库，且员工难以准确定位需要的知识，对于客服等业务应用的支撑有限。
随后，知识图谱、NLP等AI技术的成熟推动企业进入智能知识库1.0阶段。这个阶段中，知识库的存储内容更丰富，在电子文档基础上增加了图片、语音、视频等模态，知识库的应用也更便捷，员工能通过智能搜索、智能问答、智能推荐等形式获取一定知识。智能知识库1.0阶段对知识的挖掘应用更深入，但也带来了巨大的构建和运维成本，如企业需要人工整理问答对，话术师冷启动周期长，不同场景需要使用不同小模型，维护成本高。此外，基于知识图谱的智能知识库交互能力弱，回答内容和话术流程由话术师配置，难以准确理解用户意图，无法回答配置内容之外的个性化提问，用户体验较差。
2023年以来，大模型技术快速发展，其强大的知识整合和推理能力、准确理解用户意图、使用自然语言的交互、极强的泛化能力等特点能有效解决之前阶段出现的知识孤岛、用户体验、个性化提问、跨场景使用等痛点，同时，知识图谱、RAG检索增强生成等技术又能解决大模型幻觉问题，保证大模型输出的可信性，使企业知识应用变得更简单、高效和广泛，使用场景迅速扩充到企业的生产、销售、营销、客服、IT等各个环节。企业知识库进入智能知识库2.0阶段，
2)内外服务需求推动金融、政务、电信三大行业大模型+知识库率先落地
人工智能已经成为科技革命和产业变革的核心驱动力，在政府对人工智能产业发展的大力支持下，各行业开始进行试点，其中大模型+知识库因其成本低、周期短，成为大模型落地的优先场景。
在各行业中，金融、政务、电信是大模型+知识库应用最领先的三个领域。以上三领域知识繁杂，内部员工使用频繁，且均需面向外部用户提供咨询服务支持，内外需求驱动业内机构快速落地大模型+知识库，如金融应用场景以智能客服、智能投顾、智能报告生成为代表，政务领域应用场景如12345热线、政策标准知识库搜索等。
此外，教育、医疗、工业、能源等行业领先企业也在试点大模型+知识库，主要满足内部员工使用需求。如教育行业的智能教学、个性化学习推荐，医疗领域的药物研发、就医知识库等场景。爱分析认为，大模型+知识库解决方案包含基础设施层如湖仓一体、向量数据库、图数据库、GPU,模型层包含模型资源，中间层包含模型运营及图谱构建，应用层包含知识库问答、智能客服、数字办公、流程自动化等。
基于以上背景，本报告面向企业管理层和全体员工，通过对大模型+知识库的需求定义和代表厂商的能力评估，为企业落地大模型+知识库解决方案、厂商选型提供参考。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
