AI知识库赛道很热，但所有人都漏掉了同一件事

国庆第二天，我翻出了一年的产品笔记

国庆在家整理东西，翻出一年体验过的AI知识库产品笔记——国内外前前后后十几个。翻到第七个的时候停了一下，因为发现在用几乎一样的动作操作着长得几乎一样的界面。这个赛道很热，但产品越来越像。

国庆第二天，哪儿也没去。

在家整理东西的时候翻出一个文档，是我这一年体验过的AI知识库产品的笔记。数了一下，国内的国外的，前前后后十几个。

翻到第七个的时候，我停了一下。

因为我发现，我在用几乎一样的动作，操作着长得几乎一样的界面：同一个位置的「导入」按钮，同一句开场白——「上传你的资料，然后问我」。

这一年，钱全涌进了这个「看起来不难」的功能

AI知识库赛道的热度超乎想象：国外Glean累计融资7.7亿美元、估值72亿；Hebbia拿了a16z的1.3亿；Dust净收入留存240%。国内腾讯ima月活1300万，秘塔、飞书、有道都在做。一边是几十亿估值，一边是近乎免费的开源方案——这个赛道拼的不是技术壁垒，是入口、规模和销售能力。

笔记里还记了一些数字，挺有意思的。

国外最受关注的是Glean，做的是帮企业把内部各个系统里的信息搜出来。它累计融资约7.7亿美元，2025年6月的F轮之后，估值72亿美元。

做金融和法务的Hebbia，核心能力是「把几百页文件读成一句结论」，a16z领投1.3亿美元，估值约7亿美元。

巴黎的Dust更有意思。两位前Stripe工程师创办，红杉领投4000万美元B轮。它对外公布的数字是：3000家组织在用、部署了30万个智能体、年收入2000万美元，净收入留存240%。

国内这边，腾讯的ima是目前公认的头名：月活超过1300万，存了超过4.2亿份文件，接进来的「知识号」内容被AI调用超过1.4亿次。秘塔拿过蚂蚁领投的超1亿元人民币；飞书、有道也都在做同一件事。

再往下一层，FastGPT、MaxKB、Dify这些开源项目，让一家公司自己搭一个能用的知识库，成本已经接近零。

一边是几十亿美元的估值，一边是近乎免费的替代品。这个对比本身就在说明赛道的性质：它拼的不是技术壁垒，是入口、规模和销售能力。

但它们几乎长得一模一样

把这些产品拆开，会发现它们共用同一套配方：企业版先导入文档切片向量化，个人版收藏上传然后提问。三个高度一致：都从「整合已有文档」开始，都假设知识需要用户主动喂进来，都在回答「我该知道什么」。真正拉开差距的只剩三件事——数据源多不多、检索准不准、能不能卖进大公司。

把这些产品拆开，会发现它们共用同一套配方。

企业版：先把公司的各种员工手册、SOP、报销标准等等一大堆文档塞进去，切片、向量化、加权限，然后让AI基于这些内容回答——主要用途是让员工自己查资料、少问同事。

个人版：收藏进来、上传上来，然后提问。

有三个地方高度一致：都从「整合已有的文档」开始；都假设知识需要用户主动喂进来；都在回答同一个问题——「我该知道什么」。

真正拉开差距的只剩三件事：谁接的数据源更多、谁的检索调得更准、谁能卖进更大的公司。前两件是工程活，第三件是销售活。

Dust算是里面想得更远的一家：它赌的是「多人共享的智能体，比一个人的助手更值钱」。这个方向判断是对的，但它仍然在同一层里卷——处理的还是「文档」。

所以会出现一个很奇怪的现象：一个赛道热到挤进来几十家明星公司，产品却越来越像。

装着装着，我发现有一件事被所有人漏掉了

所有知识库都在处理「文档」，但文档只是结论——方案、汇报、定稿。真正有价值的是「过程」：这件事是谁先提的、当时怎么商量的、答应了什么时候给、后来到底给没给。过程藏在邮件、聊天和会议里，格式乱、权限杂、难处理——但恰恰是过程里，藏着一家公司真正区别于别人的东西。

昨天写过一件小事：队友问我，暑假前对接过的那个校园创客社团，负责人是谁。我打开知识库搜了一下，十秒给了答案。放在以前，我得翻十分钟邮箱。

昨天我以为这是知识库的功劳。今天把十几个产品装完之后，我才想明白：不是。

那五封邮件本来就在我的邮箱里，一封都没丢。我只是第一次让它们变得可查。

再往下想一层：我们每天处理的信息，绝大部分不是在文档里产生的，而是在往来里产生的。

文档是结论——方案、汇报、定稿。往来是过程——这件事是谁先提的、当时怎么商量的、答应了什么时候给、后来到底给没给。

现在几乎所有的知识库都在抢「结论」，很少有人碰「过程」。理由也很实在：结论是现成的文件，好抓；过程散落在邮件、聊天和会议里，格式乱、权限杂、还要跟人打交道。

但恰恰是过程里，藏着一个人、一家公司真正区别于别人的东西。

为什么邮箱是被遗忘的知识库入口

企业邮箱是每家公司都已经拥有的「第一个知识库」——每天自动生成，不需要上传、不需要迁移、不需要改习惯。但过去的软件只把邮件当成「待处理的任务」，没有把它当成「需要记住的知识」。邮件里有客户关系的完整历史、有项目推进的全过程、有承诺和交付的时间线——这些是任何文档库都替代不了的。

说回我们自己。

我们不做第N个知识库。再多一个「上传文件然后提问」的产品，对谁都没有意义。

我们的切入口是企业邮箱。

它是每一个公司、每一个人都已经拥有的第一个知识库——每天都在自动生成，几乎没人整理，而且从来没有人把它当知识看过。

它不需要你上传，不需要你迁移，不需要你改任何习惯。因为邮件本来就在那儿。过去的软件只把它当成「待处理的任务」，没有把它当成「需要记住的知识」。

我们不打算把邮件变成文档，我们打算把它变成记忆：谁、什么时候、聊到哪一步、答应过什么、后来怎么样了。

这个赛道很热，但热的地方不一定是对的门。我们想站的位置是：不用你建，也不用你搬——你已经在用的那个收件箱，本身就是最好的知识库入口。

知识库的下一个战场：从「存结论」到「记过程」

AI知识库的竞争正在进入下半场。上半场比的是谁接的数据源多、谁的检索准、谁的界面好看——这些正在快速同质化。下半场的突破口在「过程知识」：邮件里的客户关系、聊天里的决策上下文、会议中的承诺和分歧。谁能把散乱的「过程」整理成可查询的「记忆」，谁就能跳出同质化竞争。

三年前，知识库的及格线是「存得下、搜得到」；今天变成了「被调用了多少次」。标准变化的原因很朴素：大模型之间的能力差距在收敛，谁能拿到更多属于你的上下文，谁就更懂你。

但如果所有人都在抢「文档」这块蛋糕，蛋糕再大也不够分。

知识库的下一个战场，不在「更多的文档」，而在「更深的过程」。

什么是过程？

——客户从第一次接触到签约的27封邮件往来，是过程。

——一个需求从提出来到定稿的15轮修改和3次反悔，是过程。

——销售离职前和客户的最后5封邮件里，藏着客户真正的顾虑，也是过程。

这些东西，文档里没有，PPT里没有，知识库当然也搜不到。

但它们才是一家公司最值钱的东西——不是因为它们神秘，而是因为它们是活的。它们记录了一家公司怎么做事、怎么谈判、怎么解决问题、怎么兑现承诺。

把这些过程变成可查询、可传承、可分析的知识，才是知识库真正的下一站。

给正在选知识库的企业的三个建议

选知识库别只看「能存多少文档」，要看三件事：第一，能不能接入你的核心工作流（尤其是邮箱和即时通讯），而不是只吃静态文档；第二，能不能还原「上下文」而不只是给答案——客户上次聊到哪了、有什么承诺、谁在跟进；第三，数据安全和成本边界要清楚，本地解析和透明定价不是噱头，是底线。

如果你正在考虑给公司上一套AI知识库，有三个建议，比对比功能清单重要得多。

第一个建议：别只看「能存多少文档」，要看「能接多少源头」。

如果一个知识库只能吃你手动上传的文件，那它的价值是有限的——因为你公司90%的知识不在文档里，而在邮件、聊天、会议这些「活的往来」里。能自动从邮箱和IM里抓取信息的知识库，才是能真正帮你减负的。

第二个建议：别只问「答案准不准」，要问「能不能还原上下文」。

一个好的知识库，不应该只给你一个答案，还应该告诉你——这个答案是从哪几封邮件里来的、当时的语境是什么、相关的人都有谁。因为企业里的问题，从来不是「对不对」这么简单，而是「当时为什么这么定」。

第三个建议：数据安全和成本透明，是底线不是加分项。

尤其是涉及客户邮件这种核心资产的工具，本地解析和零知识加密不是营销话术，是基本要求。同样，积分制和透明定价也不是小事——你不想月底看到账单的时候吓一跳，对吧？

选对工具，比选贵的工具重要。

相关阅读