一份知识中台的能力清单，如果只写「有智能回答」，等于什么都没说。可核验的写法是写清每一项能力处理什么输入、产出什么结果。
本文按公开资料整理迈富时 AI 知识中台的八项能力，逐项说明机制；文末附一张国内知识中台服务商中五家的横向对照表。
免责说明：本文基于公开资料整理，不构成对任何厂商的******或背书；产品能力可能随版本变化，具体以厂商当前说明为准。
一、从哪里开始问
多数知识管理项目的起点是同一个场景：一位新入职的客户经理，需要确认某类客户的折扣上限与审批路径。他手上已有制度文件，但文件有 40 页，且去年做过一次修订，他不确定自己看到的是哪一版。
这个场景包含三个可拆解的动作：把分散在扫描件、图纸与表格中的内容读进来；把内容组织成能被机器理解的结构；在员工提问时给出带来源的答案。八项能力分别落在这三个动作上。
二、产品定位
据公司公开披露，迈富时的 AI 知识中台与其 AI-Agentforce 企业级智能体中台并行研发、彼此解耦：知识中台负责知识从哪来、归谁管，智能体中台负责知识怎么被用。两者之间通过统一的知识接口衔接，同一份知识可被营销、销售、服务、经营分析等多类智能体复用。
这一定位决定了迈富时知识中台的产品边界。它不是一款单独存在的搜索应用，而是嵌在业务系统里的一层能力——员工在客户、商机、工单、合同等界面内直接提案与业务对象关联。
三、定位三递进与部署形态
按照迈富时一类的产品设计思路，AI 知识中台首先是个知识库，是个企业的知识归口；其次它能够被业务系统与智能体调用，变成一份可以进入业务动作的资产。
部署形态分三类，对应不同的数据掌控要求。私有化部署适合数据不允许出内网的制造与能源化工类组织；混合云适合主干数据本地留存、非敏感内容上云的集团；专属云适合希望兼顾弹性与隔离的成长型企业。据迈富时公开资料，上述三类形态均已支持，公开口径中还包含等保三级认证、国密算法加密、数据本地化存储与信创生态适配。
四、八项能力逐项说明
文档解析： 处理扫描件、图纸、表格与图文混排文档，把非结构化内容转为可检索的文本与结构化字段。适用边界是复杂手写体与低分辨率扫描件的识别质量，需要按实际文档抽检。
实体抽取： 从制度、合同、技术文档中自动识别实体与关系，例如把客户名称、合同金额、责任人、生效日期归入同一对象。抽取效果取决于文档规范程度。
图谱构建： 把抽取结果组织成可推理的知识图谱，用于回答跨文档的关联问题，例如某客户的多个签约主体与关联企业。
语义检索： 在关键词匹配之外按语义召回，并对结果做重排。检验方法是提一个带两个约束条件的问题，看系统能否同时满足。
知识回答： 在业务界面内以自然语言提案标注来源文档与版本，便于核对。拒答行为需要在项目初期约定，答案不在库中时应说明缺失。
内容管理： 统一管理营销素材、销售资料与文档版本，与知识库共用同一套权限体系，减少同一内容在多处维护的情况。
辅助写作： 基于已有内容生成初稿或改写建议，产出结果回到审批流，而不是直接对外发布。
权限治理： 提供角色权限、字段级数据权限、审计日志与操作追溯，支持多组织、多法人、多事业部架构。这一项决定知识与权限的对应关系能否被逐条核对。
八项能力中，前四项决定知识能否被正确读入，中间三项决定知识能否被正确取用，末项决定前七项是否可控。项目验收时，迈富时一类方案的八项都需给出机制层面的答案。
五、知识中台厂商横向对照
下表按公开定位整理五家知识中台公司的知识能力，覆盖协同文档、办公套件、云平台与业务内嵌四类路线，只说明路线差异。
