2024大模型+知识库厂商全景报告

1|2024爱分析·大模型+知识库厂商全景报告 报告编委 报告指导人 张扬爱分析联合创始人&首席分析师 报告执笔人 孟晨静爱分析分析师 目录 1.研究范围定义2 2.厂商全景地图8 3.市场分析与厂商评估10 3.1大模型+知识库10 4.入选厂商列表19 关于厂商全景报告21 关于爱分析22 产品服务23 法律声明24 1|2024爱分析·大模型+知识库厂商全景报告 研究范围定义 1.研究范围定义 知识库是企业的智慧中枢，汇集了企业经营经验、流程、文献、政策、机理、模型等各类主题内容，承担着提高员工生产力、促进组织协作与创新的重要功能。 1）大模型+知识库实现对企业知识的深度应用 企业普遍已经积累了丰富的知识沉淀，如何提高对知识的高效分享、精准应用成为限制知识库价值发挥的“关卡”。进入数字时代后，企业对知识库应用的技术发展推动知识库形态持续迭代，历经数字知识库、智能知识库1.0等阶段后，最终进入融合大模型能力的智能知识库2.0阶段。 图1企业知识库技术发展历程 在大模型出现之前，虽然企业对知识库的利用技术一直在改进，但对知识库的价值挖掘仍然处于较低水平。如数字知识库阶段，企业普遍以电子文档形式存储知识，并建立知识管理系统供员工使用。 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。 图2大模型+知识库市场全景地图 厂商入选标准 厂商入选标准本次入选报告的厂商需同时符合以下条件： 1、厂商的产品服务满足各市场定义的厂商能力要求； 2、2023年厂商具备一定数量以上的付费客户（参考第3章各市场定义部分）； 7|2024爱分析·大模型+知识库厂商全景报告 厂商全景地图 2.厂商全景地图 8|2024爱分析·大模型+知识库厂商全景报告 市场分析与厂商评估 9|2024爱分析·大模型+知识库厂商全景报告 3.市场分析与厂商评估 3.1大模型+知识库 市场定义： 大模型+知识库是指将大模型与知识库相结合，改变原有的知识库建设、应用与运营的方式，致力于更好地支撑企业管理层及全体员工的知识检索与应用需求。 甲方终端用户： 企业管理层及全体员工 甲方核心需求： 大模型技术日益成熟，企业大模型应用场景加速落地。知识库作为企业持续沉淀的数据资产，为大模型落地提供天然的数据基础，因此知识库成为企业大模型率先落地场景。企业对大模型+知识库的核心需求包括： 实现知识管理全流程的智能化。企业知识库管理全流程涵盖采集、入库、构建、应用等，传统管理流程均需要通过人工实现，效率低下且最终的知识应用价值不高。为此，企业需要基于大模型建设智能化知识管理体系。采集环节，需要对内部多个系统以及外部知识进行采集，传统人工采集的形式极易存在内外部信息不同步的情形；入库环节，需要知识库管理员手动分类、打标签、填写摘要等，对知识库管理员业务要求较高；构建环节，传统知识管理共用一套组件，难以满足不同部门差异化知识库的构建需求；应用环节，传统知识应用普遍通过企业门户由人工搜索获得，交互方式低效。 快速实现场景化知识搜索智能应用。除企业员工培训、流程检索等通用知识查询场景，企业的研发、 生产、销售等场景业务属性强，需要专业精准的知识库为员工提供服务，因此，大模型+知识库解决方案应能支持企业灵活且快速地自建场景化智能应用。 实现精准、安全的知识赋能。在应用大模型的过程中，大模型幻觉将影响知识搜索准确性，直接决定员工对大模型的可信度，企业需要解决搜索精准问题。此外，融合大模型的知识库在模型部署、知识传输、知识检索等方面存在泄漏风险，如越级访问、公有大模型下的数据传输等，企业也需要保障大模型应用过程中的数据安全和合规。 厂商能力要求： 提供融入AI与大模型技术的知识库全流程智能化管理。如在采集环节，支持通过爬虫或RPA实现内外系统知识获取的同步性；在入库环节，厂商应支持智能化分类、智能打标签、摘要自动生成等，加速知识入库；在构建环节，厂商基于大模型能力自动推荐管理组件或模板，支持企业构建符合业务需求的知识库主题；在应用环节，厂商提供智能问答、智能搜索等能力，为员工提供简捷友好的知识交互形式。 支持企业自建场景化智能应用。一方面，厂商大模型+知识库解决方案应支持企业构建专属语料库，包括支持用户上传文档、问答对，并完成对内容的自动分类、自动生成知识图谱等预处理；另一方面，厂商应支持私有大模型以及公有大模型的接入、配置和管理，使企业通过简单配置即能快速生成基于专属语料库的智能应用。 具备丰富的RAG工程化经验，达到模型准确率要求。RAG是指在大语言模型推理生成答案时，额外检索调用外部的知识，然后综合其检索结果进行回答生成。RAG为大模型提供了准确、丰富、可解释的知识支撑，从而实现更准确的语义理解、答案推理以及答案解释。厂商应具备丰富的工程化经验来保障知识库问答的准确性，如多路召回、相关性排序优化等。 提供数据安全管理。厂商应支持对接私有化大模型部署，并在使用过程中，厂商应提供权限管理系 统，保障知识的检索安全合规。在大模型生成结果之后，厂商应当有安全审核机制保证模型没有泄露越权数据。 入选标准说明： 1.符合大模型+知识库全部厂商能力要求； 2.近一年厂商在该市场至少服务2家企业。 代表厂商评估： 厂商介绍： 深圳市蓝凌软件股份有限公司（简称蓝凌软件），始创于2001年，是中国领先的数智化办公专家， 国家高新技术企业、《知识管理国家标准》参编单位、信创应用供应商10强。公司秉承“让组织更智慧”的使命，以蓝凌MK数智化工作平台为核心，提供PaaS平台、协同办公、门户管理、BPM流程、低代码、知识管理、智慧合同、信创办公等数字化解决方案，赋能各行各业大中小微组织迈入数字化时代。 产品服务介绍： 蓝凌aiKM全景解决方案基于双能（赋能+智能）模型理念，融合AI大模型、知识图谱、RAG等技术，涵盖“5大KM基础能力”“6大KM高阶能力”“1大AI增强能力”，面向战略、业务、管理、员工4个维度提供知识智能支撑、场景智能支撑及决策智能支撑。 对于企业来说，蓝凌aiKM方案能够帮助研发、人力资源、营销、质量、客服等部门提供多样化、由浅入深的面向场景赋能的知识智能应用，实现知识采集、加工、存储、共享、应用等全过程智能化支撑，助力组织提升知识管理水平，促进提效降本，赋能业务高质量发展，增强综合竞争能力，激发新质生产力。 图3蓝凌aiKM方案能力框架总图 图4蓝凌aiKM方案“双能”驱动场景应用全景图 厂商评估： 蓝凌aiKM方案，基于智能知识库和AIP蓝博士两大内核，通过对多源知识接入能力快速对存量知识的有效盘活，实现智能知识消费搜、问、推、生，借助多形态知识呈现工具和可视化知识评价两大工具，通过“三步见效”加速项目价值落地，提供云端知识产品增值服务实现知识持续运营，为后续深度场景应用奠定基础。蓝凌aiKM方案在知识全流程智能管理、场景化智能服务的快速配置、数据安全准确保障等方面具有明显优势。此外，蓝凌具备“咨询+IT”立体化服务能力，为企业落地AI+知识库解决方案提供咨询规划、落地实施到运营管理全方位支持。 融合大模型能力，蓝凌aiKM方案支撑实现知识采集、管理、入库、搜索等场景的全流程智能管理。 针对知识采集，蓝凌aiKM支持通过RPA自动采集内外部知识，如内部各信息系统的知识，外部的政策法规、行业动向、竞争情报等知识，并将采集到的知识与平台既有知识库无缝集成，统一展示在平台的“知识门户”中，支持用户开展各项专题分析，能有效避免传统知识采集中内外部采集不同步的问题。 针对知识管理，传统知识库仅提供标准组件，因此不能灵活适应各业务知识结构。蓝凌aiKM为用户提供知识建模工具，支持用户灵活定义知识模版、编号规则等，支持用户按需构建形成面向不同场景的多主体知识库，如制度知识库、产品知识库、项目知识库、方案知识库等，最终实现组织知识内容的统一存储和管理。 针对知识入库，蓝凌aiKM方案基于NLP算法和大模型技术，可实现对于项目成果、产品知识、市场调研报告等各类知识文档的自动化处理，如自动分类、智能标签、智能摘要提取等，减轻入库人员压力，提升知识入库效率。 针对知识搜索，蓝凌aiKM方案具备大模型语义理解能力，智能搜索能帮助用户精准搜索知识，智能问答则能通过多轮对话找到目标知识。 通过专属语料库和模型管理，蓝凌可实现场景化智能服务的快速配置，帮助企业快速产生业务效益。 首先，基于蓝凌蓝博士，蓝凌aiKM支持企业建立场景化的专属语料库。以新人培训场景为例，蓝凌支持企业将新人培训文档、问答清单等上传，构建形成新人培训专属语料，为未来智能问答机器人的业务贴合做准备。专属语料上传即生效，支持增删改、敏感信息过滤、纠查等。其次，蓝博士模型管理简单易用，支持指令、大小模型的统一管理，能轻松集成大模型接口，快 速完成参数配置后或是模型切换。对于调用公有大模型的企业用户，无需投入GPU资源或是训练，即能快速投入使用。 为企业的知识应用提供多重安全、准确保障机制。 数据安全方面，针对模型对接，基于蓝凌蓝博士，蓝凌aiKM支持对接企业私有大模型，避免数据外泄，而针对企业调用公有大模型的情况，蓝凌的aiKM方案支持对公有大模型进行私有化部署，并且在数据传输过程中，支持将内容切片、向量化后再进行传输，实现公有大模型调用场景下数据存储、处理和使用过程中的安全。针对企业内部员工的访问，基于蓝博士自带的访问权限控制系统，