01是2023年创立的两家企业知识问答小企业

02是一些做数据治理,金融服务, 舆情管理,数据基础设施企业推出的AI问答产品

03是一些已经建立至少8年的知识图谱,数据,客服机器人企业在尝试AI转型, 但主要技术还是LLM之前的传统问答

本文不涉及构建AI知识库的Agentic Workflow闭源平台, 如Om Bot, Betteryeah ,farbarta , AskXBOT ; 也不涉及阿里,百度的云构建平台。我只从知识问答角度收集的不同类型的公司

01

萌嘉 TorchV

成立于2023年11月29日的一家AI创业公司，目前产品是TorchV AI系统。现在很多提供AI知识库问答服务的产品大致就这样, 在Flowise, FastGPT, LangFlow等开源项目上, 加了财务管理, 系统运营等辅助功能

• TorchV Bot：对话机器人，这是最常见的产品，在我们目前的试用平台上已经体现。TorchV Bot在实际落地场景中应用广泛，包括常见的对外服务的智能客服机器人（TorchV官网右下角的小球就是该产品），SOP助理机器人（多个工业和能源企业的制造、维修知识快速获取案例），以及与国科云招联合开发的招商名片数字分身，结合电子名片和机器人的能力，加速园区招商效率；
• TorchV Assistant：类似于Copilot的左右双栏设计，可以将大量文件进行装载，然后基于这些文件创建的知识库进行提问。可以选择将获得的答案转录到左侧的编辑区，问题是标题，答案是内容，快速形成一页一页研报。可以在金融研报制作、课题报告制作等工作中帮助撰写者节省大量阅读和理解文件的时间，快速制作报告；
• TorchV Doraemon：Doraemon的主要功能和名字一样，接收客户复杂的需求，快速帮助用户找到需要的产品。Doraemon与客户产品数据库进行对接，加上产品手册的训练，形成强大的AI导购能力。如我们帮助某客户实现3万多个SKUs产品的快速导购，效果显著；
• TorchV Comparison：顾名思义，这是一个基于大模型的规则比对机器人，基于规则（文件）与待比对文件进行对比，发现其中的问题，给予用户建议。在我们的真实落地场景中，有某世界五百强客户的合同预审助手，以及与某跨国企业合作的项目预审批机器人等；
• TorchV FlyWriter：写作助手，目前的两个方向是小红书爆款营销文案的续集编写，以及公文写作

言图智能

2023.03成立, 简单地构建AI知识库,官网介绍资料极少

02

中科闻歌---雅意

中科闻歌是传统大数据治理和数据辅助决策平台, 旗下现在推出了更侧重AI的雅意产品

官网介绍雅意AI对话的特点有如下, 但都是目前很基础的AI对话功能

多轮提问, 实际就是大模型普通提问, LLM根据知识库提问, LLM上传文件提问, 让LLM在文本中做概括总结, 连续几轮问

雅意功能, 除了上面的对话, 还有绘画, 写作, 数字人应用; 模型训练,数据标注工具; 企业客服机器人, 企业知识库服务

文档能溯源到段落上

有些数据分析功能

有些特色亮点的在下面这些插件, 结合了闻海数据库, 墨迹天气等插件数据

中关村科金--德助智能

云电销, 呼叫, 音视频和CRM等为主,侧重于金融科技创新和金融服务。但目前也在推企业级大模型知识问答

上传文档就能直接分栏对话, 在用户交互上更方便, 左侧直接能看到上传的文档

知识库助手特定问答问答、摘要, 或者直接问AI, 也可以结合多个文档, 跟雅意介绍的多维度问答很像, 德助和雅意产品功能界面也很像

星环科技--无涯问知

星环科技主要做大数据与云基础平台（TDH & TDC）、分布式关系型数据库（ArgoDB & KunDB）、数据开发与智能分析工具（TDS & Sophon)

现推出无涯问知作为知识库问答, AI搜索平台。跟雅意和德助一样,现在直接上传文档就能在线问答。特色是注重股票,财经,法律和咨询的内容数据

但仅本地检索准确性一般, 上传15个本地文档,能总结出来的只有3,4个,大多还是根据LLM自己以为的内容来 ; 检索速度慢, 明显很卡顿。

有专门的股票搜索分析, 资讯模块可以搜索最新的新闻, 最新可以是几小时前刚发布的。但资讯数据源数据不够多

数据分析, 尽调, 合同,财务审核, 有细分领域的应用

蜜度--知知通,政务问答

最早做舆情安全校对管理: 党政文件,媒体文件,企业OA,音视频文件的舆情审核检查。

AI时代, 自研舆情校对模型和政务模型,新的AI应用也主要集中在这些领域。AI知识问答只是一个补充应用

在政务领域,侧重政务电话热线问答, 政策问答, 政务宣传写作管理3个领域的应用

AI知识平台知知通, 也是左边上传文档, 右边进行问答

03

深蓝小鱼

主要功能: 集合传统的全文搜索回答, 大模型回答, 段落回答。其他还做得多的是知识管理, 官网有些传统知识管理架构, 对知识管理有兴趣的可以看看,就知识管理这块做得要比下面的达观数据完善成熟些

问答也是传统的规则设置, 意图训练也跟达观数据需要需要一个一个填

知识图谱查询还是以传统技术为主

亮点: 知识自动加工, 上传文档自动拆分成问答对, 根据内容自动抽取标签,并根据内容生成摘要, 把内容进行归类

达观数据

专注于智能文本处理技术的企业, 现在做知识管理, 大模型和RPA。但目前还属于在往知识管理和LLM转型, 绝大部分技术都是LLM之前的技术 。想要了解传统知识图谱抽取商业落地的可以看看

智能知识管理系统KMS, 还是以传统的知识图谱抽取技术, 语义标签技术

亮点: 知识问答呈现形式

云问科技

原来主要做电销, 客服机器人。新推出的智能知识库还看不出什么ai功能

电销相比以前那么多层级菜单, 更扁平化

诺谛智能--联想子公司

目前没有看到AI产品, 还属于传统技术, 相应报道也少。

倒有很多行业方案

柯基数据

做知识图谱起家, 有自己的知识图谱行业数据库积累。在国内外内外医学领域数据最多

问答还是传统技术为主