*基于零点有数CEO张军

在零点有数AIKC战略发布会上的发言小结

工具提效还是业务价值：不要把每个人都用上AI当作企业的胜利。个人效率的提升，并不等于组织能力的跃升。市场对于AI价值的初步教育已经完成，组织真正需要的是AI能够完整闭环地承担判断、决策、执行与问题解决，并且结果稳定可靠。所以AI需要进入业务流程，成为组织运行机制的一部分，创造落地的业务价值。

显性知识还是隐性知识：传统知识管理擅长把显性知识归档、调取，但真正决定业务成败的，往往是那些分散、模糊、情境依赖的隐性知识。AIKC的知识工程，不是为了把文件柜搬上云端，而是要让那些藏在专家脑中、藏在流程缝隙、藏在经验直觉里的知识，变得可复用、可迭代。垂直深耕、价值牵引、框架先行——三大基石，缺一不可。框架先行尤其关键：哪怕是信息不全，完整的逻辑链条也能告诉你缺了什么，未来补上数据，答案自动浮现。

任务导向还是泛化能力：没有具体任务的知识，只是摆设。在AIKC知识工程工作台上，我们从一个真实任务出发拆解子任务，每个子任务对应不同的数据、知识库和规约。在AIKC工作台，设定任务并匹配知识资源，运用平台的大模型能力和基础工具进行技能生产，最终获得任务成果。对标资深人员结果，投入真实环境验证。但定制化不是终点。通过知识升维与穿行把不同任务中相同的知识内核提炼出来，泛化组装到其他场景。

自然演进还是主动探索：知识不是一次建成的，更不能一成不变。自然生长，是在业务运行中实时回写碎片经验、在应用反馈中修正迭代，动态丰富知识内容；主动生长，则是把专家的决策逻辑转化为机器可执行的推理规则，甚至突破历史数据的局限，借助大模型发散寻找新方案，再结合领域知识收敛筛选，找到全局最优解。更进一步的跨域生长，是引入其他行业的成熟方法论，为我所用。无论是自然演进还是主动探索，让AIKC的知识体系不是死的资产，而是活的知识“生命体”。

稳定性还是上限：TO B场景容错率极低。一味追求大模型的“惊艳”，往往换来业务上的“惊吓”。零点有数（301169）的选择是：大小模型混合——小模型保证确定性的底线，大模型拓展能力的上限，通过一套知识验证体系，量化任务执行的可靠边界。在确定性、成本、响应速度、执行难度之间，不是一味求高，而是求稳、求准、求可用。