對于絕大多數個人、企業乃至國家和全社會來說，最重要的資產是什么？答案可能會讓你感到意外——知識。

今天，知識作為一種無形的智力資產，已經在財富創造中成為了主角。它不僅能夠為個人和組織帶來直接的收益，比如技能、專利、許可、品牌等創新成果，而且還能夠融入文化、體系和業務流程當中，幫助企業和組織建立持久的競爭優勢。

因此有學者認為，工業社會員工從事的是體力工作，而后工業社會，更多員工從事的是知識型工作，使用的是頭腦而不是雙手，生產的是服務（想法、信息和知識）和附加值。

知識之于現代企業如此重要，但知識管理卻很容易被大多數企業所忽視。造成這種局面的原因有很多，比如知識本身是復雜的，除了直接沉淀的經驗和信息，還有嫁接知識、“只可意會不可言傳”的隱性知識……這使得知識資產的積累和管理變得十分困難。而缺乏知識管理能力，又會使得企業中大量有價值的知識被隨意丟棄、閑置，現有知識的使用壽命很短，形成一個越來越匱乏的惡性循環。

怎樣才能做好知識管理，長出“知識力”，百度這樣的知識密集型企業，顯然尤其擅長。百度集團副總裁、百度集團首席信息官李瑩在2022進博會的“智能科技與產業國際合作論壇”，分享了百度內部“創新流水線=AI×知識管理”的秘笈。

我們知道，流水線曾經是一個徹底改變過人類社會的發明。1914年，亨利·福特將泰勒的流水生產線技術，運用到T型車的生產，這種技術被后人稱為裝配線，將汽車制造的復雜環節進行了簡化，帶給汽車工業帶來了極大的生產效率的提高。后來各國的飛機、坦克等工業制造無一例外使用了流水線生產，徹底改變了二戰和現代戰爭的模式。

今天，知識資產及其帶來的創新，已經成為企業乃至國家競爭力的核心，這條AI與知識管理驅動的創新流水線，如何幫助知識工作者提高效率？又會如何改變產業世界的面貌？是十分值得我們關注和思考的。

不能沒有AI的知識大航海時代

其實，從人類開始進行學習、實踐等與知識有關的活動，知識管理其實就已經存在了，過去的圖書管理員、哲學家、教師等所采用的技巧，就跟當代知識管理中應用的很多技術都是相同的。這些經驗甚至影響到了AI的發展，第一代人工智能就是由知識驅動的。

今天，我們已經進入了一個知識爆發的海洋，而AI則搖身一變成為知識管理不可或缺的工具。具體來說，AI可以參與到各種重要知識的過程當中：

1. 為“明知識”提效。目前人類社會積累的大量正式知識，都被稱為“明知識”，在企業中，它們往往以書籍、記錄、文章、音視頻、刊物、會議紀要、專利文檔、論文等形式出現，成為一種可供員工們反復學習的知識。不難發現，明知識的積累、處理、分析、更新都需要大量人力參與，費時費力。而今天的AI已經可以自己學習明知識，通過邏輯判斷和相關概率，來幫助企業及其人員進行商業決策。

2. 為“默知識”代言。人類的描述能力是有限的，也就形成了大量無法表達、記錄和積累的默知識，比如現在很多行業還存在有大量工藝、技能和經驗，只能靠師傅帶徒弟來傳遞。這一方面會給企業帶來不確定的風險，默知識散布在很多人身上，很難整合與共享，一旦人員流動或代際更迭，這類知識就可能丟失；另一方面，無法集中這些不可表達的分散知識，企業無法有效地優化生產水平、業務流程等，其創新升級能力自然也就受到影響。不過，由于大量默知識可以通過圖片和視頻的方式呈現，通過AI從這些信息數據中提取出隱含的相關性，從而萃取出知識。比如幫助城市管理部門分析渣土車的出行軌跡、時間、周期等，提煉出哪些工地在違規。

3. 讓“暗知識”可用。世界上還存在大量人類無法理解、無法表達、無法掌握的知識，但AI卻可以通過模仿人腦和推演來獲取這些“暗知識”，它們通常表現為一堆隨機的數字、神經網絡的參數集等，盡管人看不懂，卻可以利用AI讓“暗知識”為自己所用，比如在臨床上判斷復雜的病因；模仿美工人員進行海報創作；幫助優化工廠的工藝流程或超市里的貨品擺放方案等。AI發掘出來的暗知識正在成為企業知識資產的一部分。

如此多的知識交匯在一起，人類也由此進入了一個知識大航海時代，每天要面對海量的數據和知識，如何對它們精準高效地進行管理呢？“創新流水線”，成了百度的破題思路。

AI與知識驅動的創新流水線

1900年的時候，美國的汽車工業其實是不如法國的，因為當時法國的汽車零部件都靠手工打造，質量特別高，當然價格也很高，而且供不應求。改變正來自于福特的流水線模式。這條將零件標準化、生產協作的裝配線，不僅讓美國汽車工業后來居上，也徹底改變了整個世界，成為第二次工業革命的標志性發現。

這個故事中有三個關鍵詞是非常值得我們記住的：效率，標準化，成本。通過流水線和標準化零件，提高生產效率，降低生產成本，這幾乎成了當代工業都適用的成功密碼。

那么問題來了，知識大航海時代，企業如何通過“創新流水線”來降本增效呢？活動中，李瑩給出了百度的解答——AI技術與知識管理的乘積效應。

具體來說，就是通過AI技術與知識管理碰撞，對“無形的”知識資產進行單元化、智能化的改造，賦能知識工作者。

底座是AI中臺、知識中臺，利用百度先進的大模型、知識圖譜等AI創新技術，把復雜異構的“知識生產和消費”標準化、規?；?，再根據場景和員工需求進行智能分發。在此基礎上，打通了三條智能辦公流——通訊流、工作流、知識流，讓通訊、工作、知識融會貫通，大幅提升組織的協同、創新效率。

這條“創新流水線”，涵蓋了知識管理的全流程：

1.知識存儲與更新。

企業從自身的實踐經驗、創新技術、失敗教訓等學習，得到一些明知識或默知識，再經由長時間地持續改進，提高自身的競爭力。阻礙在于，企業員工每天都要完成很多工作，并沒有專門的人員和精力去事無巨細地記錄、整理、分析、提煉，最后形成記憶和知識。而AI技術的加持，與知識管理的改造，使得企業員工可以減少重復枯燥的知識存儲與更新步驟，將更多精力和靈感投入到創新活動中。

一方面，知識密集型企業的百度，將自己多年沉淀的管理流程、技術方案、海量代碼等知識都沉淀在“創新流水線”上，讓企業和員工可以直接出觸發

比如在智能工作平臺上，程序員不需要重復敲代碼，一些代碼、技術產品文檔可以實時觸發，推薦給他們，Code Review（代碼審查）、結對編程、問題排查等任務也可以在線完成，讓程序員們從重復勞動中解脫出來，投入到更優雅的架構、更顛覆的創新上面。

另一方面，“創新流水線”整合了大量簡單高效的知識工具，以知識管理的典型場景——會議為例，就需要存儲并更新到企業知識庫中，有很多需要人力參與的記錄整理工作。采用智能工作平臺的如流智能會議，可以實時語音轉文字，全程記錄，自動提取要點，智能生成會議紀要等。

2. 知識動員與共享。

既然知識流淌在企業人、事、技術、業務等各種要素當中，那么企業的管理機制是否有助于創造、獲取、保留、使用和轉移知識，就十分關鍵了。舉個例子，知識創造和共享需要很強的互動性，員工一般會通過學習小組、沙龍、導師制、社交活動等來共享知識，豐富程度是傳統的信息系統或知識系統所做不到的，也包含了大量難以用文本描述的隱性知識。

但是這種高度互動、協作的模式，往往會因為線條太多、交流分散、不同步而發生遺漏或重復的情況。以我們每年都會關注的重磅行業大會百度世界大會為例，百度公司內部要聯動幾十個部門、上百名員工，對外要和媒體、企業客戶高頻溝通，這讓知識管理變得極其復雜，大量信息需要充分共享。情況在百度做創新流水線之后，隨著知識庫、智能會議等產品陸續上線而有所改善。

以“項目知識庫”為例，各種文件通過項目知識庫進行共享、維護，所有項目成員都可以高效了解項目的全景、分工、進度，并基于此進行協作與共創。然后創新過程沉淀的知識也積累到“項目知識庫“中，將來可以為其他項目和員工所用。這種充分動員和共享的知識管理機制，給予了創新以蓬勃的生命力。

李瑩認為，創新流水線正是可以讓「知識→ 場景 → 人」充分連接，不斷增強，形成持續創新的正循環。

3. 知識使用與創造。

流水不腐戶樞不蠹，企業的知識資產也需要源源不斷地創新活水，這就需要適宜的產品理念，來為實踐知識管理提供條件。知識管理理念，往往來自于企業的基因和文化，比如很多傳統企業受基本價值觀與傳統行為準則的限制，難以落地一些學習活動和知識管理機制，比如知識共享的規定、員工分享知識的意愿、高管層的支持等等。

“創新流水線“其實也攜帶了百度對于創新的思考與技術經驗， 基于百度追求極致創新的技術基因，以及龐大業務的最佳實踐，構建了知識產品矩陣，從如流APP+知識庫，到搜索+推薦雙引擎，再到流式引擎，打造了一個覆蓋“知識創造、知識沉淀、知識流動、知識應用及知識反饋”全鏈路的完整閉環，不僅讓百度的知識管理模式和創新模式發生了質變，也借由產品向外釋放，成為幫助更多企業生長出“知識力”的產品增長飛輪。

舉個例子，正是有了創新流水線這樣的機制保障，以及百度一直追求的極致創新的基因，使得百度的人工智能專利申請量和授權量連續四年位居中國第一 ，可見知識產出與創新效果是非常驚艷的，而百度所使用的創新產品智能工作平臺如流，從知識創造沉淀、智能分發、溝通協作、企業應用等方方面面為百度提供創新保障。

這條AI和知識管理的創新流水線，也伴隨著如流的產業化，開始為金融、能源、物流、芯片、智能硬件、通信、汽車制造等諸多產業提供創新支撐。

由此可見，知識力的確很難打造的，而一旦成功了，就會成為企業競爭優勢的核心資產，在瞬息萬變的商業世界里，給業務和管理帶來價值，建立起高高的壁壘。

知識為海，AI為錨，和踏浪而來的百度

創新流水線，通過AI和知識管理的加持，讓企業的知識管理模式發生顛覆性改變，形成了知識驅動創新的良性循環，越過知識的茫茫海域。

為什么百度會想到要做一個可以進行知識管理的智能工作平臺呢？

一是因為必要。作為中國AI的一面旗幟，百度本身是一家知識密集型企業，內部沉淀了大量寶貴的信息和知識，如果沒有管理好各種知識，幫助企業降低創新成本、提高研發效率，這對百度的發展是不利的。因此，知識管理也成了百度內部的“一把手工程”，百度創始人、董事長兼CEO李彥宏多次強調，CIO統籌全局，最終將知識管理落地到百度創新的全流程。

二是因為可以。知識管理不好做，尤其是大型科技創新類企業的知識管理，智能工作平臺需要經受工程師用戶的多重審視，體驗上的瑕疵都會被這群高知人群吐槽。同時，他們對于知識管理、學習交流分享的熱情也是非常高的，這對智能工作平臺也提出了非常高的分發要求，要把員工需要的知識信息精準高效地推薦給他們，降低學習成本。

而百度一方面有世界領先的知識圖譜技術，構建了龐大的“知識”網絡，包含5500億知識，能夠從非結構化數據中萃取知識；另一方面是預訓練大模型技術的領先者，自主研發了產業級知識增強大模型——文心大模型。更進一步，百度將知識網絡與大模型相融合，知識可以幫助AI學得更好，AI可以幫助知識管理系統理解知識，二者相輔相成、相互促進，為創新活動加速。

當大眾還在討論互聯網風口，百度已經悄悄播種下了AI的種子；當業界談及AI智能化，百度已經開始關注知識與AI技術的結合，怎樣為企業更好地降本增效；當人們吐槽深度學習的弱點，百度已經將知識管理視為AI時代決勝未來的八大關鍵技術之一……

這種始終領先一步的眼光，無非是一個技術信仰者，刻在骨子里對知識的信賴，和對創新的渴求。這條AI與知識管理驅動的創新流水線，是百度一路踏浪而來、逐浪而去所開辟的航海圖。