当前企业内部的传统知识管理形式仍然较为传统，往往以目录组织形式文档，显著特征为缺乏智能化的支持，体现在信息孤岛、知识碎片、知识流失、知识难以查找和获取等各个方面。传统知识管理的这些痛点限制了对知识的高效管理和应用。
借助达观自研的曹植大模型和知识图谱平台，可以从以下方面显著提升知识管理的水平：
- 大模型的语义理解和信息提取能力辅助知识提取和归纳
- 基于大模型的理解能力和知识图谱的事实关联，提供精准和全面的搜索结果
- 知识图谱可以更好地理解和利用知识之间的关联和规律
- 知识图谱和知识库整合专业化知识，解决信息孤岛的问题
达观数据近期与国内汽车龙头企业吉利汽车达成合作，助力吉利引入知识图谱，针对吉利汽车内部合规追溯、汽车手册和属性问答、质量旧件问题辅助判定等业务场景进行智能化升级。
1.构建合规知识图谱，按知识锚点进行知识链接追溯
通过构建基于零部件、性能、功能等维度的文档知识图谱，能够实现文档的全面追溯和合规性分析，确保能够更加高效地查找和分析相关文档。当用户输入查询语句：车道辅助，辅以大模型进行语义理解，系统智能检索“车道辅助”功能从需求提出->需求分解->子系统设计->软件设计->测试报告等一系列相关的文档，并将结果以知识可视化的方式进行展现，方便用户从研发和生产过程追踪相关文档和知识。
图：汽车研发知识链路模式
图：文档知识链路
2.构建质量智能知识库，辅助旧件问题精准判定
通过建立质量全景知识库，对故障描述进行结构化、符号化和术语化，更好地辅助维修工程师对旧件问题进行判定，并准确定位故障机理和故障模式。这将有助于工程师更快速、准确地解决问题，提升维修效率和质量，同时降低维修成本和风险。
图：故障问题辅助判定
3.曹植大模型辅助知识问答，提高专业知识获取效率
通过将曹植大模型与知识图谱相结合，一方面通过大模型可以降低知识图谱构建的成本，快速搭建知识框架；另一方面使用大模型的语义理解能力优化图谱问答推理pipeline过程，或者通过大模型的类似NL2SQL能力对结构化的汽车属性数据集进行问答。最终车主只需简单提问，就能够获得准确、及时的汽车相关信息，包括汽车属性、使用说明和故障排除等。
图：大模型辅助知识图谱问答
图：大模型辅助知识图谱问答
达观数据已服务于汽车行业中多家著名企业，包括上汽通用、泛亚汽车、福特汽车、宝马汽车、重汽等，并致力于提供优质且适合场景的知识图谱、知识库和知识搜索技术解决方案。在知识搜索应用领域拥有很多案例积累与技术自研探索，不同场景适配不同的组合方案，满足自然场景下的多源化需求，帮助企业实现知识沉淀和搜索的同时，助力企业业务智能创新。
