早在1965年，著名管理大师彼得·德鲁克（Peter Drucker）就曾预言，知识将取代土地、劳动、资本与机器设备，成为最重要的生产要素。而进入新世纪，伴随着数字化、智能化浪潮汹涌而至，通过企业内部知识的积累与传承，以及与外部资源、技术和知识的结合，实现知识的管理、应用与创新，对公司的重要性也愈发凸显，并成为企业塑造核心竞争力的关键手段。为充分的利用企业内外部现有的知识，知识管理也扮演着逐渐重要的角色。

　　在此背景下，知识中台作为将企业的知识、数据和信息进行集成、整合与管理，为企业各部门和业务流程提供支持与服务的平台，由于可以在一定程度上完成知识的自动化、智能化和共享化，如今正受到慢慢的变多企业的关注和应用。

　　虽然，在数字化和智能化时代，做好工业知识管理，对于工业制造企业至关重要：一方面，通过知识管理，不仅仅可以确保企业在最需要的时间将最需要的知识传递给最需要人，从而帮企业改进生产的基本工艺、提高生产效率和质量等；另一方面，基于知识的积累与沉淀，也能够指导企业在各种不确定环境中做出正确、合理的决策，能更灵活地应对市场的变化；此外，知识管理也能促进企业内部的知识共享与创新，并有助于企业文化的构建，增强员工对企业文化的认同等。

　　而且，随着通用AI大模型、机器学习、自然语言处理、大数据分析与挖掘等数智化技术的兴起，也为公司进行知识管理提供了便利的技术工具，并推动知识管理企业知识管理迈向知识智能的时代。

　　知识管理难：在企业／工厂内部存在着大量无序且繁杂的知识，不仅包括数字化转型过程中建设的大量应用系统，还有一大部分知识是存储在非结构化的文档内。这就导致企业在知识管理时，需要同时管理N个系统M个文档知识。要想实现知识的有效管理和分级分类，需要投入巨大的人力、物力和财力。

　　算法能力差：传统知识中台的核心技术是知识图谱，然而图谱构建存在着天然的缺陷，即对于专业技术人员或者业务专家构建知识三元组具有强依赖性。而新型知识中台虽然依托大语言模型实现，但目前市场上大部分只实现了单模态知识抽取，不足以满足图表、音视频以及3D模型等多模态知识抽取。

　　内容可信度低：企业要的是真实、精确可推敲的数据或者内容。然而，当前市场上的通用AI大语言模型普遍都存在生成内容可信度低的问题，这也是通用AI大语言模型的致命性缺点。

　　数据安全保障弱：目前，大部分生成式AI（AIGC）产品都部署在公有云上，数据交互和内容生成皆暴露于外网。大量的对话数据和数据集在存储和调用方面都存在泄露风险。

　　应用落地难：虽然今年以来AI大模型技术持续火热，但是大模型技术门槛高，企业／工业客户侧缺乏专业人才。而且，工业知识应用场景复杂多变，应用开发和实施成本高，传统知识服务平台不足以满足客户需要。

　　以上难点与困境，严重阻碍了将生成式AI技术应用于工业知识管理，同时也制约了企业基于知识驱动的人工智能应用。

　　鉴于此，雪浪云作为长期为制造业数字化转型提供机理、数据及AI混合建模与联合计算服务的工业网络站点平台及工业数据智能系统服务商，针对以上痛点和问题，自主研发并推出了“雪浪云工业知识中台”，致力于帮企业打造“工业知识大脑”，助力企业方便快捷地从海量数据中提炼和沉淀知识，并赋能于企业和业务发展。

　　雪浪云工业知识中台是基于雪浪OS自研的大语言模型产品，可以通过对繁杂无序的工业知识进行汇集、抽取、推理和生成，实现快速知识检索、智能问答和知识推理。雪浪云工业知识中台致力于构建工业领域的Chat GPT，通过多模态知识接入、多数据源接入和知识管理，不仅能助力企业自动化处理大量重复性任务，提升工作效率，降低减少人力成本；而且也能基于大量数据的分析和预测，提供更准确的信息和预测结果；同时也能帮企业更好地理解客户的需求和反馈，从而提供更好的产品和服务；此外也能助力企业更好地理解业务环境和市场趋势，从而推出新的产品和服务，推动组织创新。

　　在技术路线上，雪浪云工业知识中台首先将不一样的种类的输入抽取为知识，然后基于自研的多模态大语言模型和算力资源，根据人机交互的要求，进行知识推理并输出推理结果，生成文档、图片、工业知识树、3D模型等。

　　在产品功能上，雪浪云工业知识中台涵盖知识管理、智能问答、智能检索、文章摘要总结、智能表格分析、智能打标、文本辅助生成插件XGPT等。

　　知识管理包括知识类型管理、知识标签管理和知识空间管理功能，支持一键上传很多类型文件（目前已支持word、ppt、pdf、excel、txt、csv、图片、视频等知识上传和抽取），可自动将行业知识分类，并进行结构化梳理，生成知识标签，并可通过知识管理内的空间管理，将专业相关知识进行分区隔离。

　　智能问答可自主生成行业场景智能问答助手，对行业相关的问题进行专业解答。它不仅支持多轮对话交互，支持应答内容的重新生成、复制和点评操作，也支持对提问的知识空间进行限制，当锁定一个或多个空间，智能应答会根据选定空间内的知识进行定向应答。根据知识权限控制约定，用户只能选择对自己开放的空间。此外，还支持应答内容生成路径溯源，以提高应答内容的可解释性，并可对原知识内容做在线预览，以增强用户的知识获得感。

　　智能检索功能能根据用户的检索信息，快速、准确地从大量的文本数据中得出综合性的智能应答，以及相关的信息和知识，主要功能包含分模态检索、定向检索、智能应答、知识在线预览等。

　　文章摘要总结可基于大语言模型对不同模态知识抽取学习后，快速输出归纳总结，帮助用户快速了解整篇文章内容。目前支持Word、PPT和PDF等文件类型。

　　智能表格分析是基于大语言模型的“数据计算推理能力＋代码生成能力”衍生至表格内数据分析的工具，支持表格快速查找、数据分析代码生成、调起Jupyter编辑代码、输出数据表格以及知识再入库等。其主要特点是可以将数据库内结构化数据按照一定的计算逻辑，生成一张数据表格，再次进行数据分析，可直接调用Jupyter并输出该表格生成逻辑代码，同时支持用户修改代码以达到想要分析的数据。

　　智能打标是基于NLP算法技术提取文章关键字或短语，并向标准标签库数据进行向量映射，相似度较高可以自动为该文本生成相关标签；相似度较低的交由人工判定该标签是否入库。这样既能实现快速打标的目的，又能通过标签的标准化定义，提高打标的准确度。

　　文本辅助生成插件XGPT是基于私有化部署的专业领域知识大脑（专业领域知识库＋大语言模型）能力实现的office word辅助生成工具，提供选中提问、输入提问、定向知识空间、知识推理总结、多格式回复和定点插入等多项能力。

　　它不仅支持接入结构化数据库，半结构化数据库、非结构化数据库以及外部专业网站的能力（如高校网站、科研机构网站、专业领域网站等），也能通过加密存储、分级授权以及数据备份等技术，保障数据的安全管理。

　　它支持word、pdf、txt、execl、csv、图片等多种模态知识的抽取，可以较好地处理文档内的表格、图片、公式以及中英文等内容。

　　它基于金字塔向量存储和检索匹配理论，构建全面可靠的知识检索能力，目前检索和问答综合准确率可达到95％以上。

　　它基于开源应用容器引擎Docker的快速部署能力，可实现产品服务容器集群化，可自定义私域网络，并实现系统的一键部署和运维。

　　得益于这些核心优势，雪浪云工业知识中台可应用于知识问答、工艺辅助、风险管理、报告生成等丰富场景。例如，在知识问答方面，雪浪云工业知识中台可实现跨模态知识检索、工艺知识检索与推理、生产常识问答等。在工艺辅助方面，雪浪云工业知识中台可实现工艺可行性分析、工艺路径检索与推理、生产计划评价等。在风险管理方面，雪浪云工业知识中台可实现工艺风险分析、企业经营风险分析、风险知识培训等。在报告生成方面，雪浪云工业知识中台可实现经营分析报告生成、供应链风险及采购建议生成等。

　　当前，雪浪工业知识中台已成功应用于辅助投标文书撰写、自动生成设备运维日报、打造运维知识大脑以及AutoCAD自动化建模等，帮助企业提高效率、降低成本、提高分析与预测精度、提高客户满意度以及推动创新。

　　在辅助标书文件撰写方面，基于装备与标书具有唯一性，高端装备定制化需求较高，对应的标书更改工作量也极大，传统人工编制效率低且易出错，以及标书撰写需要众多知识源，人工参照极易出错，且标准化程度低等痛点问题，雪浪云知识中台研发了针对能源装备、绿色低碳装备、高端智能装备等重型定制装备投标文件自动生成系统。该系统基于大模型微调建立知识中台，提取历史投标文档、装备设计文档等多格式文件，形成知识融合，支持知识推理，能够实现根据投标文件要求，如指定工况、约束载荷等，自动生成定制化售前交流与投标方案，提升企业售前响应效率、降低售前沟通成本。

　　在打造运维知识大脑以及构建行业知识中台方面，某企业基于雪浪云工业中台搭建运维知识大脑，通过对图纸资料、设备说明书、作业指导书、维修案例及专业书籍等进行抽取与存储，不仅能够提炼适合自身队伍建设的教程，提升适岗能力，加速技能人才的培养，也能根据前期案例，得到解决故障措施的比例，通过数据反馈维修人员，提升作业效率，此外也能推送相关的维修案例，减少维修人员的判断过程。

　　某核电厂依托雪浪工业知识中台搭建核电行业知识中台，对该核电站的核电工艺手册、核电设备维修手册、工业设计文件等非结构化数据进行知识抽取与存储，实现在设计、计划运行、维修仪控、系统设备、质量管理等多个场景下的知识管理，使各岗位人员可通过知识问答功能快速、准确获取信息。据统计，该核电厂在采用基于雪浪工业知识中台搭建核电行业知识中台后，知识获取速度提高50％，方案设计效率提高30％，工作产出效率大幅提升；同时知识管理安全有序，员工调阅知识可查可控，精准实现了组织内知识传承和有效调用。

　　在AutoCAD建模自动化方面，通过输入零件设计需求清单描述，如设计特征、参考样例参数等，基于专用大模型对Lisp编程语言进行训练，雪浪云知识中台可按照每个用户需求生成对应的Lisp代码，并支持用户继续编辑代码，最终在AutoCAD中生成相应的设计。而且，大模型驱动的AutoCAD建模自动化，支持多轮会话，迭代式改进。

　　在数字化和智能化时代，企业需要通过构建企业知识中台，打造知识管理体系，并通过知识与业务的融合，帮企业实现知识的智能化、自动化和共享化，以便在这个“不确定性是唯一确定性”的时代里，更好驾驭不确定性，将自身打造为洞察、应变、创新的自适应性组织。而雪浪云工业知识中台作为针对工业领域定制化应用场景，结合大语言模型技术为企业提供知识管理、知识检索、知识问答、智能表格分析、文本辅助生成等服务的领先的知识赋能平台，能够有效帮助企业提高业务流程效率、增强数据质量与精准度、提升服务质量和客户满意程度，降低企业成本和风险，并推动企业创新。