11个AI知识库问答的国内To B厂商

01 新锐力量：2023年新成立的AI创业公司

这类公司通常更灵活，技术栈也更新。

萌嘉 TorchV

2023年11月29日成立，非常年轻的团队。他们的TorchV AI系统，其实和市面上很多基于Flowise、FastGPT等开源项目搭建的产品在底层架构上有些相似，都是在一套开源框架上加上财务、运营等管理功能。不过，他们在产品形态上做了不少尝试，比如： * **TorchV Bot**：最常见的企业对话机器人。实际落地的场景挺广，从官网右下角的客服小球，到工业能源领域的SOP助理，甚至和国科云招合作搞了个“招商名片数字分身”，把电子名片和机器人能力结合起来，这倒是个挺有意思的玩法。 * **TorchV Assistant**：设计上更像一个Copilot。左右双栏布局，左边放文件，右边提问，生成的答案还能直接转录到左侧编辑区，快速形成研报。对于那些需要大量阅读和整理文档的金融、咨询行业来说，这个功能确实能省不少力气。 * **TorchV Doraemon**：功能如其名，像个百宝箱。它对接客户的**产品数据库**，结合产品手册，打造出一个强大的AI导购。据说已经帮一个客户搞定了3万多个SKU的快速导购，效果不错。 * **TorchV Comparison**：一个基于规则的比对机器人。核心是拿着规则文件去和待审核的文件做对比，找出差异。已经用在某世界500强客户的合同预审助手和另一个跨国企业的项目预审批机器人上，场景非常具体。 * **TorchV FlyWriter**：写作助手，目前专注于两个方向：一个是小红书爆款文案的续写，另一个是公文写作。

言图智能

2023年3月成立，官网上资料少得可怜，看起来还处于非常早期的阶段，主要业务就是简单的AI知识库构建。

02 巨头转身：传统数据服务商的AI新业务

这类公司拥有深厚的数据积累和行业理解，推出的AI产品往往更具垂直深度。

中科闻歌 --- 雅意

中科闻歌本身是做大数据治理和数据辅助决策的，雅意是他们推出的AI产品线。从官网介绍看，雅意的AI对话功能，比如多轮提问、基于知识库提问、上传文件提问等，其实都是目前大模型普遍具备的基础能力，算不上特别突出。 它真正的亮点可能在于背后的生态。比如，一些插件整合了闻海数据库、墨迹天气等数据源，这让它的回答能结合更多实时、专业的外部信息。此外，雅意还集成了绘画、写作、数字人、模型训练、数据标注等一系列工具，更像一个综合性的AI服务平台。文档溯源能做到段落级别，数据分析功能也初具雏形。

中关村科金 --- 德助智能

这家公司传统上更侧重于金融科技创新和金融服务，主打云电销、呼叫中心、音视频和CRM。现在推出的“德助智能”企业级大模型知识问答，在交互上有一个小亮点：上传文档后，左边直接显示文档内容，右边进行对话，人机交互的体验很直观。 它的知识库助手支持特定问答、摘要、多文档联合问答，功能和雅意很类似，产品界面也颇为相似。看起来大家都在做同一类事情。

星环科技 --- 无涯问知

星环科技的核心业务是大数据和云基础平台，无涯问知是他们推出的知识库问答和AI搜索平台。和德助、雅意一样，支持上传文档在线问答。它的特色是**重点覆盖了股票、财经、法律和咨询**领域的内容，数据源有所侧重。 但实际体验上，它还有不小的提升空间。本地检索的准确性一般，有点依赖大模型自身的知识库而非上传的文档（比如上传15个文档，能总结出来的只有3-4个）；检索速度也比较卡顿。**值得一提的是，它有专门的股票搜索分析和新资讯模块**，数据更新可以做到几小时内，但资讯源的数据量还不够丰富。数据分析、尽调、合同审核等细分功能都已布局。

蜜度 --- 知知通

蜜度最早是做舆情安全校对管理的，在党政文件、媒体文件、企业OA等领域积累很深。进入AI时代，他们自研了舆情校对模型和政务模型，新的AI应用也自然集中在这块。AI知识问答更像是一个补齐产品线功能的补充应用。 在政务领域，它们的产品落地非常具体：政务电话热线问答、政策问答、政务宣传写作管理。他们的AI知识平台“知知通”，交互上和前面几家类似，也是左边文档右边问答。

03 传统厂商：从知识图谱到LLM的艰难转型

这类公司有历史包袱，技术栈更多是基于LLM之前的传统问答技术。

深蓝小鱼

他们的核心功能是集合了传统的全文搜索、大模型回答和段落回答。在知识管理这块，官网展示的架构看起来比下面的达观数据要成熟和完善。 问答部分，还是依赖传统的规则设置，意图训练需要像达观一样一个一个手动填写。知识图谱查询也还是以传统技术为主。**他们的亮点在于知识自动加工：上传文档后，可以自动拆分成问答对、自动抽取标签、生成摘要并进行归类**。

达观数据

专注于智能文本处理，现在在做知识管理、大模型和RPA。但坦白说，看它的产品，**绝大部分技术还停留在LLM之前**。他们的智能知识管理系统KMS，核心还是传统知识图谱抽取、语义标签等技术。如果你想了解传统知识图谱的商业化落地，倒是可以仔细看看。他们的亮点在于知识问答的呈现形式，这一点值得关注。

云问科技

原来主要做电销和客服机器人。新推出的智能知识库在产品上还看不出什么明确的AI功能。它的电销系统，相比以前的层级菜单，变得更扁平化了，这算是一个小进步。

诺谛智能（联想子公司）

目前没有看到明确的AI产品，以传统技术为主，相关的报道也比较少。倒是有不少行业解决方案的文档。

柯基数据

做知识图谱起家，有自己的行业数据库积累，尤其在国内外医学领域数据最多。但它的问答技术也还是以传统技术为主。

epilogue

看完这份调研，再回头看看之前聊过的6个RAG进阶优化方案和14篇论文，感觉像是两个平行世界。一边是学术界和前沿工程师们在疯狂地优化和迭代，另一边是市场上的产品还在用着最基础的RAG能力。 这种“两个世界”的错位感，恰恰说明了一个问题：**从理论到产品化落地，中间有太多、太多需要填补的执行细节。**