传统企业人工智能严重依赖上下文工程，即每个应用程序自行构建其知识表示。这种方法导致多个团队独立处理相同信息时出现不一致和冗余。随着人工智能部署规模的扩大，当前模式因知识不一致、变更传播困难以及重复劳动而难以为继。这凸显了从上下文工程向企业知识管理的转变。本文提出一种企业知识平台作为解决方案，其类比于处理结构化数据的企业数据平台。该平台将企业知识作为共享资产进行管理，为所有人工智能应用程序发布可复用的知识表示。该平台运行于四个独立层级：原始层（Raw）、精炼层（Refined）、集成层（Integrated）和服务层（Serving）。原始层保留原始数据源以供重新处理；精炼层将多样化的来源规范化为一致且受管制的知识对象；集成层将这些对象连接成统一的知识模型，捕捉业务关系；服务层则为人工智能工作负载发布优化的知识表示。这种分层方法实现了稳健的知识生命周期管理、强有力的治理以及可复用知识服务的创建，从而构成了企业人工智能所需的基础数据基石。