第四次工业革命的“知识力”，流淌在百度这条创新流水线上

对于绝大多数个人、企业乃至国家和全社会来说，最重要的资产是什么？答案可能会让你感到意外——知识。

今天，知识作为一种无形的智力资产，已经在财富创造中成为了主角。它不仅能够为个人和组织带来直接的收益，比如技能、专利、许可、品牌等创新成果，而且还能够融入文化、体系和业务流程当中，帮助企业和组织建立持久的竞争优势。

因此有学者认为，工业社会员工从事的是体力工作，而后工业社会，更多员工从事的是知识型工作，使用的是头脑而不是双手，生产的是服务（想法、信息和知识）和附加值。

知识之于现代企业如此重要，但知识管理却很容易被大多数企业所忽视。造成这种局面的原因有很多，比如知识本身是复杂的，除了直接沉淀的经验和信息，还有嫁接知识、“只可意会不可言传”的隐性知识……这使得知识资产的积累和管理变得十分困难。而缺乏知识管理能力，又会使得企业中大量有价值的知识被随意丢弃、闲置，现有知识的使用寿命很短，形成一个越来越匮乏的恶性循环。

怎样才能做好知识管理，长出“知识力”，百度这样的知识密集型企业，显然尤其擅长。百度集团副总裁、百度集团首席信息官李莹在 2022 进博会的“智能科技与产业国际合作论坛”，分享了百度内部“创新流水线=AI×知识管理”的秘笈。

我们知道，流水线曾经是一个彻底改变过人类社会的发明。1914 年，亨利·福特将泰勒的流水生产线技术，运用到 T 型车的生产，这种技术被后人称为装配线，将汽车制造的复杂环节进行了简化，带给汽车工业带来了极大的生产效率的提高。后来各国的飞机、坦克等工业制造无一例外使用了流水线生产，彻底改变了二战和现代战争的模式。

今天，知识资产及其带来的创新，已经成为企业乃至国家竞争力的核心，这条 AI 与知识管理驱动的创新流水线，如何帮助知识工作者提高效率？又会如何改变产业世界的面貌？是十分值得我们关注和思考的。

不能没有 AI 的知识大航海时代

其实，从人类开始进行学习、实践等与知识有关的活动，知识管理其实就已经存在了，过去的图书管理员、哲学家、教师等所采用的技巧，就跟当代知识管理中应用的很多技术都是相同的。这些经验甚至影响到了 AI 的发展，第一代人工智能就是由知识驱动的。

今天，我们已经进入了一个知识爆发的海洋，而 AI 则摇身一变成为知识管理不可或缺的工具。具体来说，AI 可以参与到各种重要知识的过程当中：

1. 为“明知识”提效。目前人类社会积累的大量正式知识，都被称为“明知识”，在企业中，它们往往以书籍、记录、文章、音视频、刊物、会议纪要、专利文档、论文等形式出现，成为一种可供员工们反复学习的知识。不难发现，明知识的积累、处理、分析、更新都需要大量人力参与，费时费力。而今天的 AI 已经可以自己学习明知识，通过逻辑判断和相关概率，来帮助企业及其人员进行商业决策。

2. 为“默知识”代言。人类的描述能力是有限的，也就形成了大量无法表达、记录和积累的默知识，比如现在很多行业还存在有大量工艺、技能和经验，只能靠师傅带徒弟来传递。这一方面会给企业带来不确定的风险，默知识散布在很多人身上，很难整合与共享，一旦人员流动或代际更迭，这类知识就可能丢失；另一方面，无法集中这些不可表达的分散知识，企业无法有效地优化生产水平、业务流程等，其创新升级能力自然也就受到影响。不过，由于大量默知识可以通过图片和视频的方式呈现，通过 AI 从这些信息数据中提取出隐含的相关性，从而萃取出知识。比如帮助城市管理部门分析渣土车的出行轨迹、时间、周期等，提炼出哪些工地在违规。

3. 让“暗知识”可用。世界上还存在大量人类无法理解、无法表达、无法掌握的知识，但 AI 却可以通过模仿人脑和推演来获取这些“暗知识”，它们通常表现为一堆随机的数字、神经网络的参数集等，尽管人看不懂，却可以利用 AI 让“暗知识”为自己所用，比如在临床上判断复杂的病因；模仿美工人员进行海报创作；帮助优化工厂的工艺流程或超市里的货品摆放方案等。AI 发掘出来的暗知识正在成为企业知识资产的一部分。

如此多的知识交汇在一起，人类也由此进入了一个知识大航海时代，每天要面对海量的数据和知识，如何对它们精准高效地进行管理呢？“创新流水线”，成了百度的破题思路。

AI 与知识驱动的创新流水线

1900 年的时候，美国的汽车工业其实是不如法国的，因为当时法国的汽车零部件都靠手工打造，质量特别高，当然价格也很高，而且供不应求。改变正来自于福特的流水线模式。这条将零件标准化、生产协作的装配线，不仅让美国汽车工业后来居上，也彻底改变了整个世界，成为第二次工业革命的标志性发现。

这个故事中有三个关键词是非常值得我们记住的：效率，标准化，成本。通过流水线和标准化零件，提高生产效率，降低生产成本，这几乎成了当代工业都适用的成功密码。

那么问题来了，知识大航海时代，企业如何通过“创新流水线”来降本增效呢？活动中，李莹给出了百度的解答——AI 技术与知识管理的乘积效应。

具体来说，就是通过 AI 技术与知识管理碰撞，对“无形的”知识资产进行单元化、智能化的改造，赋能知识工作者。

底座是 AI 中台、知识中台，利用百度先进的大模型、知识图谱等 AI 创新技术，把复杂异构的“知识生产和消费”标准化、规模化，再根据场景和员工需求进行智能分发。在此基础上，打通了三条智能办公流——通讯流、工作流、知识流，让通讯、工作、知识融会贯通，大幅提升组织的协同、创新效率。

这条“创新流水线”，涵盖了知识管理的全流程：

1.知识存储与更新。

企业从自身的实践经验、创新技术、失败教训等学习，得到一些明知识或默知识，再经由长时间地持续改进，提高自身的竞争力。阻碍在于，企业员工每天都要完成很多工作，并没有专门的人员和精力去事无巨细地记录、整理、分析、提炼，最后形成记忆和知识。而 AI 技术的加持，与知识管理的改造，使得企业员工可以减少重复枯燥的知识存储与更新步骤，将更多精力和灵感投入到创新活动中。

一方面，知识密集型企业的百度，将自己多年沉淀的管理流程、技术方案、海量代码等知识都沉淀在“创新流水线”上，让企业和员工可以直接出触发

比如在智能工作平台上，程序员不需要重复敲代码，一些代码、技术产品文档可以实时触发，推荐给他们，Code Review（代码审查）、结对编程、问题排查等任务也可以在线完成，让程序员们从重复劳动中解脱出来，投入到更优雅的架构、更颠覆的创新上面。

另一方面，“创新流水线”整合了大量简单高效的知识工具，以知识管理的典型场景——会议为例，就需要存储并更新到企业知识库中，有很多需要人力参与的记录整理工作。采用智能工作平台的如流智能会议，可以实时语音转文字，全程记录，自动提取要点，智能生成会议纪要等。

2. 知识动员与共享。

既然知识流淌在企业人、事、技术、业务等各种要素当中，那么企业的管理机制是否有助于创造、获取、保留、使用和转移知识，就十分关键了。举个例子，知识创造和共享需要很强的互动性，员工一般会通过学习小组、沙龙、导师制、社交活动等来共享知识，丰富程度是传统的信息系统或知识系统所做不到的，也包含了大量难以用文本描述的隐性知识。

但是这种高度互动、协作的模式，往往会因为线条太多、交流分散、不同步而发生遗漏或重复的情况。以我们每年都会关注的重磅行业大会百度世界大会为例，百度公司内部要联动几十个部门、上百名员工，对外要和媒体、企业客户高频沟通，这让知识管理变得极其复杂，大量信息需要充分共享。情况在百度做创新流水线之后，随着知识库、智能会议等产品陆续上线而有所改善。

以“项目知识库”为例，各种文件通过项目知识库进行共享、维护，所有项目成员都可以高效了解项目的全景、分工、进度，并基于此进行协作与共创。然后创新过程沉淀的知识也积累到“项目知识库“中，将来可以为其他项目和员工所用。这种充分动员和共享的知识管理机制，给予了创新以蓬勃的生命力。

李莹认为，创新流水线正是可以让「知识→ 场景 → 人」充分连接，不断增强，形成持续创新的正循环。

3. 知识使用与创造。

流水不腐户枢不蠹，企业的知识资产也需要源源不断地创新活水，这就需要适宜的产品理念，来为实践知识管理提供条件。知识管理理念，往往来自于企业的基因和文化，比如很多传统企业受基本价值观与传统行为准则的限制，难以落地一些学习活动和知识管理机制，比如知识共享的规定、员工分享知识的意愿、高管层的支持等等。

“创新流水线“其实也携带了百度对于创新的思考与技术经验， 基于百度追求极致创新的技术基因，以及庞大业务的最佳实践，构建了知识产品矩阵，从如流 APP+知识库，到搜索+推荐双引擎，再到流式引擎，打造了一个覆盖“知识创造、知识沉淀、知识流动、知识应用及知识反馈”全链路的完整闭环，不仅让百度的知识管理模式和创新模式发生了质变，也借由产品向外释放，成为帮助更多企业生长出“知识力”的产品增长飞轮。

举个例子，正是有了创新流水线这样的机制保障，以及百度一直追求的极致创新的基因，使得百度的人工智能专利申请量和授权量连续四年位居中国第一 ，可见知识产出与创新效果是非常惊艳的，而百度所使用的创新产品智能工作平台如流，从知识创造沉淀、智能分发、沟通协作、企业应用等方方面面为百度提供创新保障。

这条 AI 和知识管理的创新流水线，也伴随着如流的产业化，开始为金融、能源、物流、芯片、智能硬件、通信、汽车制造等诸多产业提供创新支撑。

由此可见，知识力的确很难打造的，而一旦成功了，就会成为企业竞争优势的核心资产，在瞬息万变的商业世界里，给业务和管理带来价值，建立起高高的壁垒。

知识为海，AI 为锚，和踏浪而来的百度

创新流水线，通过 AI 和知识管理的加持，让企业的知识管理模式发生颠覆性改变，形成了知识驱动创新的良性循环，越过知识的茫茫海域。

为什么百度会想到要做一个可以进行知识管理的智能工作平台呢？

一是因为必要。作为中国 AI 的一面旗帜，百度本身是一家知识密集型企业，内部沉淀了大量宝贵的信息和知识，如果没有管理好各种知识，帮助企业降低创新成本、提高研发效率，这对百度的发展是不利的。因此，知识管理也成了百度内部的“一把手工程”，百度创始人、董事长兼 CEO 李彦宏多次强调，CIO 统筹全局，最终将知识管理落地到百度创新的全流程。

二是因为可以。知识管理不好做，尤其是大型科技创新类企业的知识管理，智能工作平台需要经受工程师用户的多重审视，体验上的瑕疵都会被这群高知人群吐槽。同时，他们对于知识管理、学习交流分享的热情也是非常高的，这对智能工作平台也提出了非常高的分发要求，要把员工需要的知识信息精准高效地推荐给他们，降低学习成本。

而百度一方面有世界领先的知识图谱技术，构建了庞大的“知识”网络，包含 5500 亿知识，能够从非结构化数据中萃取知识；另一方面是预训练大模型技术的领先者，自主研发了产业级知识增强大模型——文心大模型。更进一步，百度将知识网络与大模型相融合，知识可以帮助 AI 学得更好，AI 可以帮助知识管理系统理解知识，二者相辅相成、相互促进，为创新活动加速。

当大众还在讨论互联网风口，百度已经悄悄播种下了 AI 的种子；当业界谈及 AI 智能化，百度已经开始关注知识与 AI 技术的结合，怎样为企业更好地降本增效；当人们吐槽深度学习的弱点，百度已经将知识管理视为 AI 时代决胜未来的八大关键技术之一……

这种始终领先一步的眼光，无非是一个技术信仰者，刻在骨子里对知识的信赖，和对创新的渴求。这条 AI 与知识管理驱动的创新流水线，是百度一路踏浪而来、逐浪而去所开辟的航海图。