随着“人工智能+”行动的持续推进，如何通过大数据、人工智能技术赋能数智化建设是各方关注的重点问题。数智化的核心是从数据中提炼出有价值的知识，构筑智能算法及模型，并将其赋能于机构业务、管理过程中的关键环节，实现降本增效及业务创新。作为连接“数据”和“智能”的桥梁，知识是机构员工决策、行动和创新的重要依据，同时也为大模型等智能算法的开发应用提供了高质量的训练和推理资源，是大模型在垂直领域应用落地的关键要素之一。在此背景下，各机构逐步开始重视知识工程能力建设，通过构筑知识工程工具链、完善知识管理体系、打造知识服务能力来更好的管理和利用知识资产，为大模型、智能体的应用落地提供知识来源，并赋能知识共享及协作、知识检索、知识推荐、智能创作等场景，从而提升机构的核心竞争力。知识工程已成为人工智能时代企业数智化能力建设的新增量。
中国信通院自2018年起开始了知识领域相关标准化及研究工作，构建了《知识图谱工具技术要求与测试方法》《大模型驱动的智能知识图谱工具技术要求》《大模型驱动的智能知识管理平台技术要求》《知识中台能力成熟度模型》《知识工程能力成熟度模型》等多项标准，受到了各方广泛关注。为进一步助力各方开展知识工程实践落地，助力各行业新质生产力的发展，中国通信标准化协会大数据技术标准推进委员会（CCSA TC601）组织，联合众多行业专家共同编制《人工智能知识工程指南(1.0)》，并于2025数据智能大会进行了解读。
报告亮点
1.总体层面：厘清了知识工程的定义、发展历程及对企业的价值和意义，指南对知识工程的概念及定义进行了详细描述，汇总了企业知识能力建设的发展历程，并阐明了知识工程对企业的价值和建设目标，以及其在企业数智化转型中的定位。
2.技术层面：总结了大模型背景下知识+AI融合发展的新趋势，指南对大模型在知识收集、存储、计算、挖掘和应用等方面的创新应用进行了全面梳理，介绍了大模型同企业知识能力相关技术工具双向赋能的发展趋势。
3.管理层面：汇总了企业知识管理的最新方法论：白皮书全面汇总了企业知识体系建设、知识资产盘点、管理、运营等方面的方法论，并分析了知识工程能力建设的演进路线。
4.应用层面：梳理了知识服务与应用的创新实践，白皮书对大模型时代下的知识检索、智能问答、内容创作等服务进行了详细解读，介绍了相关领域的最新实践，并汇总了法律、政务、文化传媒、医疗等领域的知识工程能力建设案例以及知识+AI的创新应用。
5.产业层面：梳理了知识工程相关产业的发展态势：从供给侧和应用侧两方面出发，阐述了知识工程的产业发展趋势，汇总了行业内相关标准体系。
适用对象
·企业数字化转型团队：帮助企业完善知识能力建设，在大模型的背景下构建新一代数智化技术平台。
·企业知识管理相关人员：汇聚了知识管理最新方法论，为企业开始知识管理工作提供参考。
·企业大模型能力建设团队：白皮书汇总了知识能力对大模型赋能的方法论及实践案例，为企业建设大模型训练用知识库，RAG等工作提供参考。
·行业分析与研究人员：提供行业趋势分析、技术应用示范和市场需求洞察，为深入的学术研究和市场调研奠定数据基础。
以下为解读PPT
关注公众号，并在首页输入关键词“知识工程”，下载报告。
声明：本文来自大数据技术标准推进委员会，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
