知识 3.0 ：AI 时代，行业研究为何必须进化

联系电话 ｜021-5407-5836

联系邮箱 ｜PR@frostchina.com

导语

AI 可以在很短时间内阅读大量报告、网页和数据库，但“读得更多”并不自然等于“用得更可靠”。当报告中的结论被拆成片段、压缩成答案，甚至被智能体用于后续行动，行业研究必须重新回答一个问题：知识离开报告以后，怎样才能不失真？

AI 正在以很快的速度进入行业研究。

它可以阅读报告、检索数据、比较企业、生成摘要，也可以把多份材料重组为一份看上去结构完整的行业判断。过去耗时的信息查找与初步整理，正在被压缩。

更值得关注的是，AI 正在改变知识被使用的方式。

当一项市场规模数据从报告中被抽取出来，当一句趋势判断进入企业知识库，当一段专家观点被模型重新表述，它们是否还带着原来的时间、口径和适用范围？如果新证据出现、旧结论被修正，已经进入模型回答、客户材料和决策流程的旧知识，能否被及时发现？如果转述过程中丢失了限定条件，又应当由谁解释、维护和纠正？

行业研究过去主要对一份报告负责。未来，还要对报告中的关键知识离开原文、被人和机器反复调用之后的状态负责。 [参考]

这正是我们提出“知识 3.0”这一研究框架的起点。

从“ 留下来、找得到”，走向 “可靠使用并有人负责”

“知识 3.0”不是一个已经形成学术共识的历史分期，也不是已经完成的技术标准。它是我们为理解 AI 时代知识变化提出的一套研究框架。

在这一框架中，知识 1.0 解决的是“ 留下来”。文字、出版、档案以及相应的专业制度，使知识能够脱离个人记忆，被稳定记录、引用和传承。

知识 2.0 解决的是“找得到”。互联网、搜索、数据库和网络协作，让分散的内容能够跨越地域与组织，被连接、发现和共同生产。

知识 3.0 面对的新问题是：当机器开始参与知识的选择、转化和使用以后，一项知识能否继续被人和机器可靠使用，能否被追溯、质疑、修正，并且有人负责。

这三种能力不是彼此替代的。报告、书籍和数据库不会因为知识 3.0 出现而失去价值。相反，完整文档仍然是保存论证过程、制度语境和复杂判断的重要载体。需要增加的是另一种能力：让文档中的关键知识离开原来位置以后，仍能带着必要的语境移动，并且能够返回原文接受检查。

更多报告为什么没有自动变成更可靠的行业知识

行业研究长期积累了大量报告、数据和专家判断。这些内容是训练行业模型、建设企业知识库和开展检索增强生成的重要基础，但资料规模并不等于知识质量。

首先，显性知识可能在流动中失真。

同一个“ 市场规模”，可能分别指销售额、出货量或终端交易额；同一份年度报告中的年份，可能是发布日期、数据基准年或预测期起点；同一句“预计高速增长”，可能是模型测算结果，也可能包含分析师对政策、竞争和供给条件的综合判断。人在阅读完整报告时，往往可以从章节、表格和脚注中恢复这些边界。机器只取得一个片段时，边界却很容易脱落。

其次，许多决定研究质量的经验没有进入正式成果。一项行业预测可能来自公开数据、企业访谈、模型测算和分析师判断，但最终报告未必记录研究人员如何处理异常样本和矛盾访谈，为什么选择某种情景，以及什么变化会触发重新估算。这些经验无法被完全编码；如果连判断痕迹都没有留下，机器就容易把专业判断误读为无条件事实。

因此，报告库能够保存“行业曾经说过什么”，可靠的行业知识还需要说明：具体是谁，在什么时间，按照什么口径，基于哪些相对独立的证据，形成了哪一项主张；这项主张适用于什么条件，现在是否仍然有效。

垂直模型首先需要的，未必只是更多报告，也包括更好的知识单位。

从文档片段走向知识对象

如果整份文档太大，孤立的句子又太薄，机器真正需要的，是位于两者之间的一种使用单位。我们把它称为“知识对象”。

知识对象不是最短的文本片段，而是最小的、能够带着必要语境被识别和调用，并能返回原始材料接受检查的知识单位。它可以是一项事实、一个指标、一个定义、一种方法，也可以是一个带有条件的专业判断。

为了避免知识对象只剩一条看似精确、实则失去上下文的字段，知识 3.0 提出五类不能被遗忘的问题。

内容层说明它在说什么、适用于什么条件；经验层保留判断的情境、权衡和例外；证据层连接直接来源、方法和冲突；责任层记录谁提供、转化、审验、发布、维护和纠错；生命周期层说明版本、状态、替代关系和变化原因。

五层不是五张要求所有知识机械填写的表格，也不意味着字段越多越可信。它们更像五组持续追问：我们正在使用什么，为什么可以使用，不能用到哪里，发生变化以后找谁。

知识对象也不取代报告。完整文档保存全貌，知识对象支持精确调用；使用者取得关键结论后，仍能返回原文恢复上下文。二者必须双向可达。

知识 3.0 将怎样改变行业研究

这种变化对行业研究的影响，不是简单增加一种交付格式，而是重新定义研究机构在知识链中的职责。

第一，报告将从交付终点变成知识生命周期的起点

传统研究项目往往在报告发布时完成主要交付。进入 AI 环境后，一项结论还会继续被检索、转述和组合。研究机构需要识别哪些知识被高频使用、容易失效或错误成本较高，并为它们建立版本、状态和更新触发机制。

新的市场数据出现，不应只是静默替换网页上的一个数字。真正重要的是说明：什么主张发生了变化，变化来自新证据、口径调整还是错误纠正，以及哪些既有判断可能受到影响。

第二，研究质量将从“整份报告可信”深入到“具体主张凭什么成立”

研究机构的品牌和专业声誉仍然重要，它们让使用者知道一份材料为什么值得优先关注。但机构声誉不能自动把预测变成事实，也不能替代具体主张的证据与边界。

未来的行业研究需要区分事实、解释、预测和建议，并让证据对应具体主张。多个报告观点相似，不一定意味着存在多份独立证据；它们可能只是反复转述同一个来源。研究机构的价值，将更多体现在发现原始证据、辨别口径、呈现分歧和说明不确定性。

第三，分析师经验将从“个人能力”转化为“可继续学习的组织痕迹”

AI 无法取代研究人员在复杂情境中的判断，也不能通过几个字段复制一位专家。但组织可以更有意识地留下判断的来路：当时看见了什么信号，考虑过哪些解释，为什么选择某种情景，结果是否符合预期，后来又发现了什么例外。

这些记录不是为了把经验变成僵化规则，而是让机器和后来者知道，一项判断不是凭空出现，也不是在所有场景中无条件成立。对于行业研究机构而言，这会把个人经验沉淀为可持续学习、复核和修正的组织能力。

第四，研究成果需要同时面对人类读者和机器使用者

面向人的报告追求完整论证、表达节奏和阅读体验；面向机器的知识还需要稳定身份、清楚边界、来源对应、版本状态和调用方式。未来的行业研究不会在“ 写报告”和“做数据接口”之间二选一，而是需要建立两条相互连接的路径。

人可以阅读完整报告理解复杂逻辑，机器可以调用其中的关键知识对象完成检索、比较和辅助判断；一旦风险升高或准备进入行动，系统应当能够返回正式原文、暴露不确定性，并把决定交给拥有相应权限和责任的人。

第五，研究机构将从内容生产者走向知识责任链的重要节点

在知识 3.0 环境中，研究机构的角色可能进一步扩展：生产和整理证据，转化知识对象，审验来源与口径，维护重要知识的生命周期，并提供解释和纠错入口。

这不要求一家机构承担全部责任。知识从产生到使用可能经过多个主体，需要建立可见的责任链：谁完成了什么动作，谁有权作出决定，发生变化后由谁通知和修正。

行业研究机构可以从哪里开始

知识 3.0 不应从“把所有报告重新结构化”开始。成本更合理的路径，是先选择那些正在被频繁单独调用、变化较快或错误后果较高的知识。

高频使用的市场规模、经营指标、行业定义和关键预测，可优先补充来源、时间、口径、陈述类型与边界；依赖专家判断的内容，应保留情境、例外和重估条件；持续变化的内容，应记录版本之间的知识差异，而不只是文件修改日期。

同时，应当保留知识对象返回完整报告的路径。对象化不是把原文切碎以后丢弃原文，而是让精确调用和完整阅读彼此连接。

这些做法需要接受比较和验证：知识对象是否改善版本选择、证据对应和冲突处理？生命周期机制是否减少旧知识进入新回答？新增维护成本是否低于其减少的错误与复核成本？只有经过真实场景的对照研究，知识 3.0 才可能从理论框架走向可用能力。

结语：让知识在离开报告以后仍然可靠

AI 不会让行业研究失去价值。它正在迫使行业研究把价值建立在更深的位置。

未来研究机构的竞争力，不只取决于谁能更快发布报告、积累更多内容，也取决于谁能让关键知识离开原文以后仍然不失真：可以调用，可以找到证据和边界，可以看见版本与不确定性，也可以在发生变化时找到责任人。

当知识跨越组织边界，事实、证据、判断和审验能力仍分布在不同主体手中。连接这些知识、证据、变化与责任，可能形成一种公共可信知识网络。它不是中央数据库或“统一真相”，也不是知识 3.0 的唯一实现方式，而是一条有待共同验证的路径。

知识 3.0 仍然是一项开放的研究命题，它不可能由单一机构独自完成。

我们期待与三类合作伙伴展开交流：与大模型、知识工程、数据基础设施和行业应用领域的技术伙伴，共同验证知识结构能否带来可测的系统增量；与研究机构、行业协会、企业、专家和专业数据提供者等内容伙伴，共同探索高质量知识的生产、表达与持续维护；与标准研究、独立审验、法律合规及公共治理领域的治理伙伴，共同讨论证据、责任、纠错和公共性的边界。

这不是对一个既定平台的招募，也不是对某套标准的预先承诺。我们更希望从真实行业问题出发，共同定义问题、开展对照验证，并探索一套能够被人和机器可靠使用的行业知识基础设施。

联系电话：021-5407-5836

联系邮箱：PR@frostchina.com

转载须知

感谢您对沙利文的关注与支持。如若想转载我司微信公众号的文章，请：

在原文留言，告知转载机构的名称、介绍及微信公众号ID；

在编辑页作者处填写“沙利文”；

所有转载不得对原文进行任何篡改、曲解、诠释和改编。沙利文保留对所有原创文章的版权及解释权。如有违反，沙利文保留依法追究相应法律责任的权利。

关于沙利文

全球增长咨询公司，弗若斯特沙利文（Frost & Sullivan，简称“沙利文”）融合全球65年的咨询经验，28年来竭诚服务蓬勃发展的中国市场，以全球化的视野，帮助超10,000家客户加速企业成长步伐，助力客户在行业内取得增长、科创、领先的标杆地位，实现融资及上市等资本运作目标。

沙利文深耕全球资本市场及企业咨询服务，创新性提出”全域投资管理”（Total Investment Management, TIM）、”开放行业研究格式”（Open Industry Research Format, OIRF）、”可信知识网络”（Knowledge Network of Integrity & Trust, KNIT）与”韧性三角”（Mission使命、Innovation创新、Trust信任，MIT），并始终坚持”事实、分析先于观点”（Facts & Analytics before Opinions, FAO）的方法论，为企业提供全方位的投融资及其他各类专业咨询服务，包括投融资CDD、估值服务、技术顾问、财务顾问、ESG、募投可研、债券发行行业顾问、行业顾问、评估服务、奖项服务、行业白皮书、战略及管理咨询、规划咨询、技术洞察等。

沙利文中国的投融资业务实现了对中国国民经济的全行业覆盖，包括对新经济、新基建等所有经济热点的高度关注，涵盖数字基础设施、消费电子、双碳新能源、医疗与生命科学、餐饮与新零售、半导体与集成电路、智能家居、汽车与出行、康养服务、食品与饮料、信息通信技术、金融科技、地产与物业、矿业冶炼、美容时尚、大数据与人工智能、物流与供应链、建筑科技与装饰装潢、特种新材料、文化娱乐、企业级服务、跨境电商贸易、基础设施建设、环保节能科技、教育与培训等。

沙利文团队为企业领袖及其管理团队开展投融资顾问咨询服务以来，已帮助近三千家公司成功在香港及境外上市，是国内投融资战略咨询领域的领军企业。近10年来，沙利文连年蝉联中国企业赴香港及境外上市专业行业顾问市场份额的领导地位；且近年来，沙利文报告也被广泛引用于业内领先的A股、科创板等上市公司的招股文件、一级和二级市场研究报告及其他资本市场公示文件中。

65年以来，沙利文通过其遍布全球的近50个办公室，利用强大的数据库和专家库、运用丰富的专业知识和咨询工具，帮助大量客户（包括全球1,000强公司、国内外顶级金融机构以及其他各类领先企业等）完成了包括但不限于尽职调查、估值分析和第三方评估工作等工作，达成了战略目标；创立一系列市场地位研究方法论及工具，创新性提出“FSBV沙利文品牌价值模型”，已向超1,000家企业提供市场地位研究及品牌价值评估服务，持续助力大量中国品牌实现国内与出海增长战略。