刚和做汽车软件的朋友聊，他又在吐槽公司那个"自研AI知识库"------投了几百万，现在除了汇报时炫一下，平时根本没人用。需求评审问个问题，它答非所问；想追溯个变更影响，它让你自己翻文档。
这不只是个例。很多企业一谈AI，就想自己搭个"中央知识大脑"，把文档、代码、会议纪往里一塞，指望它啥都懂。结果往往造出一个昂贵的"数字标本"：静态、孤立，和实际业务流程完全脱节。
问题出在哪儿？方向错了。
真正的智能，不是建一个需要你不断喂养、查询的仓库，而是让知识在做事时自动流淌出来。就像你写代码时的自动补全，它在你需要的那一刻，把关联的需求、设计、历史案例推到你手边。
我看到一些新思路，比如在汽车研发领域，我有使用过MappingSpace 这样的工具，它就没单独做个"AI知识库"。它的AI能力是长在需求管理、测试追溯、变更流程里的。你写一条安全需求，AI能实时提示合规条款；需求一改，它能自动分析影响并更新所有关联的测试用例和文档。知识是在协作中自动产生、连接和应用的。
这给我的启发是：企业搞AI，重点不该是"建库"，而是"赋能流程"。
别再幻想造一个万能的知识百科全书了。不如想想：我们每天开会、评审、写代码、改需求时，哪个环节最需要"即时答案"？然后，去寻找能把AI"注射"进这个环节的方法。
让知识活起来，在业务的每一次呼吸里。否则，再多的数据，也只是沉默的废墟。