未来企业之间的竞争，是知识流动效率的竞争。

作者｜栗子

编辑｜王博

越来越多的企业与组织开始意识到“知识库”的价值。

知识库，这个曾经在信息化甚至更早的时代就被认为是企业业务的核心资产，在过去很长一段时间里并没有得到应有的重视。这是因为过去的知识库建设、管理与使用，都与实际业务脱节，并不能在业务场景中无缝接入。

然而，随着AI大模型在企业各业务场景的不断渗透，因AI幻觉而导致的乌龙事件频发。人们越加发现，尽管通用大模型拥有广泛的知识覆盖能力，却难以满足企业业务对于准确性、安全性、专业性的特定需求。此时，业务端沉淀的各种知识，就显得尤为重要。

为了释放AI的价值，企业开始重启知识库建设。

但问题在于，企业知识库建设并不容易。一直以来，企业知识库都没有很好解决数据来源碎片化、知识更新滞后、数据安全与权限保护存在疏漏等诸多痛点。这些问题也是过去企业知识库“用不起来”的重要因素。

而现在，“飞书知识问答”给这道难题提供了新的解题思路。

5月21日，飞书正式发布最新AI功能——飞书知识问答。所有飞书用户都可以在飞书对话框里直接点击知识问答进行使用。

图片来源：飞书

其实，飞书知识问答早在此前就已经悄悄上线。作为飞书的重度用户，「甲子光年」在上线之初就已经开始使用这一功能。与大多数读者一样，其实「甲子光年」在第一次接触飞书知识问答产品时，心里也有这样的疑问：

知识问答是什么？为什么飞书要上线知识问答？对于企业或组织来说，“飞书+知识问答”的组合究竟意味着什么？

1.“用过就回不去了”

根据飞书官方给出的介绍，“飞书知识问答”是基于企业知识的企业专属AI问答工具，提供B端场景的AI价值。当用户在工作中遇到问题时，可随时向它提问。它能根据用户在飞书上的权限，访问所有消息、文档、知识库、文件等信息，直接给出精准答案。

这种介绍或许过于抽象，我们直接来看它的产品形态。飞书用户可以通过点击界面左侧“知识问答”按钮进入主界面。

从UI上来看，飞书知识问答与目前主流的chat类AI大模型产品基本一致，中间的搜索框下方也有联网搜索功能，右下角也可以选择DeepSeek-R1或者豆包模型。

最大的区别是搜索框左下角的“使用知识”，点开之后会提示知识范围：飞书账号内你可访问的文件、文档、知识库等所有资料。

这意味着用户与飞书知识问答的交互，是建立在用户权限下所有资料的基础之上。

图片来源：甲子光年截图

这件事究竟有多厉害？来看我们的实践。

我们先来问它一个与「甲子光年」产品相关的问题：什么是甲子大脑？

图片来源：甲子光年截图

熟悉我们的读者朋友可能了解，「甲子光年」之所以能够持续产出影响行业的深度文章和行业报告，是因为我们在背后建立了一个强大的知识库体系——甲子大脑。

在2024年8月28日的甲子引力X科技产业投资大会上，甲子光年创始人兼CEO张一甲正式对外发布了甲子大脑。基于甲子大脑，「甲子光年」开发了一系列智库工具，包括甲子百科、甲子数据、甲子画布、甲子AI分析师等。

图片来源：甲子光年

用我们自己的话说，甲子大脑就是「甲子光年」给科技产业建立的一个浓缩版知识库。所以在甲子光年专注的AI和新能源赛道，我们直接通过飞书知识问答来了解相关信息，得到的结果甚至比互联网上搜索公开资料要更加准确。

而显然，刚刚对于“什么是甲子大脑”的问题，飞书知识问答给出的回复非常精准。

我们再来问它一个其他AI产品都能回答的问题：“什么是强化学习”。看看飞书知识问答的结果有什么不同。

图片来源：甲子光年截图

可以看到，飞书知识问答给出了非常详细的介绍，包括定义、核心特点、应用场景，甚至还给出了黄仁勋对强化学习的评价（强化学习能够不断生成新的训练数据），而这个新信息正来自于「甲子光年」对今年3月英伟达GTC大会的报道文章。

刚刚的问题或许太过简单，我们给它上点难度：国内新能源行业的竞争格局如何？

这个问题显然比上面两个要难。在花了1分钟时间搜索到53篇参考资料之后，飞书知识问答给出了答案。

图片来源：甲子光年截图

不难发现，通过深度搜索资料，飞书知识问答给出了以华能、大唐为代表的五大能源集团；以宁德时代、比亚迪为第一梯队的动力电池市场；以及苏州、深圳等区域产业集群差异化发展的知识点。

从引用资料可以看出，飞书知识问答不仅引用了我们对外公开发表的文章、报告，还有引用了很多我们不对外的采访录音文字稿、结构化资料以及内部会议的讨论内容。

而这些不公开的内容，是我们的“秘密武器”。

对企业的新员工来说，通过飞书知识问答，不仅可以快速获取信息，还能够链接到企业内部的相关资料，帮助新员工快速了解企业业务。

对企业的老员工来说，一方面可以获得并产出的符合企业风格、调性的内容，准确引用独家数据和分析；另一方面，如果对相关内容有疑问，也可以打通“部门墙”，快速找到对应的文档及相关负责人进行高效沟通。

七年来，甲子智库依托甲子大脑自研多套认知与服务模型，以研究与数据驱动生产力持续迭代。

之前，飞书更像是一个资料管理员，为我们存储了很多内容，在我们的需要的时候可以检索出来。而现在，飞书知识问答更像是一位成熟的分析师，它懂我们的内容，知道应该为我们提供哪些帮助。

甲子智库自研模型图片来源：甲子光年

飞书知识问答甚至能回答一些尚未发生的事：甲子光年2025年下半年有哪些重要的工作安排？

这一次，飞书知识问答给出了团队目前正在沟通中的几乎所有重要工作。由于部分内容涉及企业业务机密，这里只说一件事，也算是一个提前预告：甲子光年将在今年8月举办「甲子引力X2025科技产业投资大会」。

总结来看，飞书知识问答所能搜索到的信息，并不只有飞书文档。像用户所在的群聊、周报、日程、会议纪要等，基本上只要是飞书内存在的信息点，飞书知识问答都能够搜索到。并且所有信息都有明确出处，点击就能追溯。

那么，飞书知识问答会不会对企业内部信息权限产生影响呢？造成部分敏感信息泄露呢？

其实之前，飞书的多维表格就已经做到了非常精细化的内容权限管理。举个例子，我们每年会办很多场大会，既有我们自己的甲子引力大会，也有外部合作大会。每次办会都会涉及多部门之间的协作，我们的做法是都在一张表里更新，但是表格里有些内容并不是全员或者外部协作方可见的，大家全都进去编辑也可能会出现差错，飞书多维表格丰富的权限管理功能，为我们保证了文档的安全和高效编辑。

现在的飞书知识问答也是类似的思路。飞书知识问答所搜索到的知识，全部是基于当前用户所有的文档权限。如果用户不能打开某个文档、或者不在某个群聊，那么这些相关信息，就不能被该用户以飞书知识问答的方式获取到。

像刚刚这个问题，分析师能够看到的回答，与CEO能看到的回答，其内容的丰富程度是完全不一样的。

不过，目前飞书知识问答产品也并不能很好回答用户提出的所有问题。

例如当我询问：“总结一下甲子光年作者栗子（就是笔者）的文章写作风格和写作套路”时，飞书知识问答只搜索到了3篇文章，并且还都不是笔者写的，写作风格和写作套路的总结也就无从谈起。

但尽管如此，在最近对一些企业的走访中，「甲子光年」依然发现目前已有不少企业都已经开始使用飞书知识问答，并且大多都给出了相当不错的评价，甚至有用户表示：“用过就回不去了。”

2.无需构建的“知识库”

从甲子光年的实测不难发现，与市面上其他通用AI大模型类产品相比，飞书知识问答最核心的区别是，它能够主要根据企业内部信息而非互联网信息生成结果。这对任何一个企业来说，价值都是巨大的。

因为相比于更通用的toC场景而言，企业级AI并不是一个能够“开箱即用”的使用场景，其中存在着巨大的“知识鸿沟”。

在「甲子光年」此前对诸多企业的走访中，都共同提到了通用大模型在企业级场景下的使用痛点。

例如数据分析厂商帆软提到，在BI场景中，“聚合表”是一个常见的专有名词，在特定业务中有其特定含义，但在通用场景下它的含义就会很宽泛。这是导致模型输出结果与实际效果出现误差的一个重要原因。

大致而言，通用AI大模型在企业级场景下，基本会存在行业知识不足和企业环境理解不足两个核心问题。而这两个问题，需要通过构建知识库的方式进行弥补。

打个比方，对于企业而言，知识库的价值在于让AI有了一本可以参考的标准答案。在这种情况下，大模型的输出结果就可以与知识库内容挂钩，以知识库内容为标准进行输出，而不是一本正经的胡说八道。

这也是知识库在近期被越来越多企业所重视的原因。

其实，知识库并不是新东西。在信息化甚至更早的时代，知识库就被认为是企业业务的核心，但很少有企业真正能够用好知识库。不是企业不重视，而是传统的知识库本身存在着不少实际痛点。

以最基础的数据来源为例，企业内部的数据通常分散在多个部门、系统和个人手中，格式不统一，存储方式各异，给知识库的数据整合带来了巨大挑战，导致知识库在获取知识时就不可避免的出现数据分散与整合难题。

再比如知识更新滞后的问题。过去由于大多文件都是以本地文档的形式进行知识库上传，文档版本更新不能及时同步，导致知识库的时效性整体降低。但其实时效性对于企业知识来说至关重要，直接影响着员工使用相关知识时的体验。

另外，知识库的信息处理权限，以及用户使用知识库的学习成本和使用体验，也都是传统知识库需要解决的问题。

在“搭建知识库”这件事情上，飞书知识问答给企业组织提供了一个完全不同的解题思路：不必专门搭建知识库，你只要用好飞书，剩下的交给飞书知识问答！

前面提到，飞书知识问答主要基于企业在飞书中的群聊、文档、会议等一系列信息生成输出结果，更适应目前用户对AI大模型类产品的使用逻辑；并且，基于飞书本身的权限管理，不同岗位、不同管理职能的员工，在使用飞书知识问答时，会得到自己所在权限的搜索结果；还有一点不可忽略的是，飞书这类产品有更好的使用入口，企业基本都是全员使用。

这些要素看似简单，但却在无形之中解决了传统知识库搭建的核心难题：知识获取、知识更新、权限管理、使用体验。

换句话说，企业只要用了飞书，那么整个飞书就都会成为这个企业的知识库，所有沉淀在飞书中的文档、报表、数据等，都能够在第一时间留存在这个巨大的知识库中，进而被企业员工用飞书知识问答这样一个简单的AI交互调用。管理员甚至不用额外给用户设置权限，整个过程相当丝滑。

这就是飞书知识问答带给企业的核心价值。

在前不久刷屏朋友圈的红杉资本闭门会中提到，很多企业感觉AI不好用。但实际上并不是模型能力不行，而是自己的组织能力跟不上AI的变化。

但问题在于，组织的效率变革并不能仅凭人力完成，而是需要更先进的效率工具进行承接。为什么今天的企业要从信息化迈向数字化、最终迈向智能化？就是这个原因。

从细节来看，一家企业的业务不管做得多大，最底层都是由各种工作任务、日程、审批流、报表、会议纪要，甚至是群聊记录等等零散的信息与数据串联而成。

这些杂乱的工作碎片，以往都是在飞书或者其他协同工具中作为记录，随着业务的推进、团队的变动而被组织遗忘。但如果从组织的整体角度来看，这些碎片又都是极其重要的。它们就像蝴蝶效应一般，一点点潜移默化的决定着企业的最终走向。

对于企业来说，单纯的大模型并没有价值，而是需要结合组织特有的数据与知识才能真正发挥作用，这也是知识库工具被越来越多企业认可，成为在企业端释放大模型能力的共识。

显然，飞书知识问答并非知识库，但它却能以最符合用户习惯的方式，让散乱在飞书里的工作碎片直接变成自己的知识，真正把这些信息从“遗忘”变成“沉淀”，最大程度提高用户挖掘信息的效率，让整个组织的效率得到提升。

3.企业到底如何迈出AI第一步？

从过去的信息化到现在的智能化，企业IT的建设是渐进式而非跳跃式，每一步都是下一步的基础。要想真正实现AI，需要提前做好准备工作。

早在2023年，飞书CEO谢欣就曾提出“AI Ready”的理念，指企业在数据系统等方面为拥抱AI做好准备，与AI时代共同进步。企业拥抱AI的第一步是先实现AI ready，这是踏向AI时代的第一块踏板。

从整体来看，企业实现AI Ready要做4个动作：准备大模型；数据沉淀；系统整合；人才储备。

在这4步中，数据沉淀和系统整合是最关键的。其根本原因在于，企业使用AI的场景基本是基于行业和场景的数据加业务流程，这意味着企业必须要有相应的数据与系统工具，才能让AI真正进入企业内核。

如果企业还停留在传统的纸质办公的阶段，数据都没有数字化，那么AI大模型必然会遇到“巧妇难为无米之炊”的尴尬；

而企业数字化水平越高，沉淀的高质量数据越多，大模型的“养料”就越丰富，AI Ready的状态就越充分。

但从实际情况来看，这一类企业或组织往往都出自大型互联网公司或传统产业龙头。因为过去要想实现较好的数据治理，需要投入较多资金和较长时间周期来进行类似数据中台这样的数字化项目建设，才能够把数据资产进行标准化管理。

不过显然在今天，飞书这样的一体化工作平台，给企业们提供了一个更低成本、高效率的AI ready选择。

例如，安克创新是一家全球化的消费电子企业，有一项很重要的工作是消费者洞察。他们会把销售过程中得到的用户反馈收集回来，进行分类和打标签，并把这些数据存储在自研的QMS质量管理系统中。

安克创新研发工程师William曾向「甲子光年」表示，飞书让他们的质量管理系统变成了「质量智库」：“寻找答案就像打个响指一样简单”。这些关键洞察就在身边，被真正用起来。

据公开信息显示，早在2024年，飞书就开始与数家企业在AI方面进行了深度共创，除了前文提到的安克创新，还与元气森林共同探索AI在门店管理场景提效的可能性；与企业服务公司数米科技一起重塑销售场景；与电商营销公司追极传媒合作，用AI打造高效业务流程……

从本质上来看，飞书+知识问答的组合，就是企业实现AI Ready的标准答案。飞书作为企业数字化底座在底层沉淀企业的各项数据资产，而飞书知识问答则在上层用AI应用的方式把数据资产盘活，承接数字化的结果。

一旦做好AI Ready，只要选择一个合适的通用大模型底座，就可以把AI引入业务场景，实现AI改造，帮助企业“一键启用AI。”

除了文档、沟通记录、日报周报、会议纪要这些信息，一家企业在经营过程中，还离不开人资管理、财务管理、差旅管理等等流程和审批环节。企业内部的这些环节的数字化需求，构成了整个toB软件的生态体系。

不难判断，未来，随着AI在整个toB软件生态中的渗透，以及MCP、A2A协议的不断拓展，可以期待的想象空间是，飞书知识问答甚至能够突破飞书本身的系统边界，打通自身各个功能模块，甚至是串联起整个企业内部的各个前后端系统，真正成为AI时代智慧组织的核心入口。

简单一句话：企业组织用飞书的时间越长，企业碎片化信息沉淀就越多，飞书知识问答的使用效率越高、价值越高，企业用知识所构建的壁垒也就越高。就像比尔盖茨曾经的那句判断：未来企业之间的竞争，是知识流动效率的竞争。

（封面图由AI生成）

（文：甲子光年）