滴普科技趙杰輝：從技術探索到場景實效，AI 穿越 “高山與大海” 的企業(yè)賦能路徑 | WISE2025 商業(yè)之王大會

11月27—28日，被譽為“年度科技與商業(yè)風向標”的36氪WISE2025商業(yè)之王大會，在北京798藝術區(qū)傳導空間落地。

今年的WISE不再是一場傳統(tǒng)意義上的行業(yè)峰會，而是一次以“科技爽文短劇”為載體的沉浸式體驗。從AI重塑硬件邊界，到具身智能叩響真實世界的大門；從出海浪潮中的品牌全球化，到傳統(tǒng)行業(yè)裝上“賽博義肢”——我們還原的不僅是趨勢，更是在捕捉在無數次商業(yè)實踐中磨煉出的真知。

我們將在接下來的內容中，逐幀拆解這些“爽劇”背后的真實邏輯，一起看盡2025年商業(yè)的“風景獨好”。

2025年，大模型的熱度已經從參數之爭轉向落地，但今年的AI行業(yè)普遍面臨一個天問：產品是否真正可用？企業(yè)應用AI，真正的卡點是什么？

“人工智能在從技術高山走向應用場景的大海，產品化是未來三年的核心航向。” 在 WISE2025 商業(yè)之王大會上，滴普科技創(chuàng)始人、董事會主席、執(zhí)行董事兼首席執(zhí)行官趙杰輝開宗明義，直指行業(yè)發(fā)展核心命題。他進一步闡釋：“任何一個模型在企業(yè)里面，如果不能解決復雜數據的解構、高精度的訓練和知識的建模，它只能叫一個樣品，不能叫一個產品。”

如果直接把通用大模型塞進企業(yè)，就像招聘一個不懂行的新員工——它看得見圖紙，卻讀不懂公式；聽得見指令，卻聽不懂，也調不動數據。

滴普科技在2025年剛完成它的上市之旅。作為國內Data+AI領域的代表、企業(yè)級大模型AI應用第一股，滴普科技正在進一步聚焦實體產業(yè)數字化轉型需求，以 “產品化” 思維深化 AI 技術與業(yè)務場景的融合，持續(xù)釋放技術賦能產業(yè)價值。在演講中，趙杰輝拆解了AI產品化的路徑。

他表示，企業(yè)級AI的本質，不是一個通用模型，而是對特定崗位知識體系與數據權限的精準復刻。這背后，是三個繞不開的挑戰(zhàn)。處理圖紙、工藝文件等“非標準化”數據的能力；跨知識體系建模的能力；以及在復雜查詢下保證100%準確整合數據的能力。

目前，滴普科技已經基于企業(yè)級大模型AI應用解決方案，在制造、消費零售、交通以及醫(yī)療等行業(yè)做了諸多實踐。從輔助管理崗位優(yōu)化經營決策，到助力工程師、醫(yī)生等專業(yè)崗位工作，并基于企業(yè)模型給出專業(yè)判斷，AI 技術已深度融入各行業(yè)業(yè)務全鏈路，實現從核心決策輔助到關鍵環(huán)節(jié)優(yōu)化的價值落地。

但這一切的前提是：解構復雜數據、建立知識體系以及對實時數據的精準組裝——幾項核心能力缺一不可。趙杰輝認為，如果不能綜合形成“模型、數據、交互”的智能體，再先進的技術也只是一個無法規(guī)模化的樣品。AI在產業(yè)的終局，是一場關于精準和產品化的系統(tǒng)工程。

滴普科技創(chuàng)始人、董事會主席、執(zhí)行董事兼首席執(zhí)行官 趙杰輝

以下為滴普科技趙杰輝在WISE大會的演講，經36氪整理編輯：

趙杰輝：謝謝大家！

這是我第三次在這個舞臺做分享，與過往兩次不同的是，今年我們已經有了自己的股票代碼——1384.HK，滴普科技于2025年10月28日剛剛完成港股上市。

今天我想跟大家分享人工智能在企業(yè)真正落地的實踐。除了前面嘉賓提到的在營銷、廣告、客服領域的應用之外，實際上我們在很多大型企業(yè)的落地已經遠超這些崗位。根據招股書公開披露的信息，像中國海誠這樣的企業(yè)，我們在設計、施工等制造業(yè)現場技術員的替代上已經做得非常深入；在零售行業(yè)，AI也已經深度介入了經營決策等多個環(huán)節(jié)。

在分享案例之前，我想先談一些思考。大模型技術火熱已有三四年，而在IT行業(yè)中鮮有技術能維持超過五年的高關注度。其能保持長期熱度的核心邏輯，是因為隨著技術從“高山”落地到產業(yè)“大海”，真正的產品化本質上是一項高度系統(tǒng)化的工程。需要打通技術研發(fā)、場景適配、數據治理、知識沉淀的全鏈路協(xié)同，在這個過程中，企業(yè)、行業(yè)與技術從業(yè)者都能在價值共創(chuàng)中獲得實實在在的收獲。

但并非所有技術落地都能達成預期效果。

事實上，任何樣品或Demo，真正落地到一個可以產生實際價值的崗位，都離不開系統(tǒng)化的產品化打磨。從樣品到產品化，其實是一個非常系統(tǒng)的工作。

2024年之前，大家談論大模型相關更多關注參數量、算力集群等等，今年開始這些聲音消失了，更多講的是我用這個模型大概能完成什么崗位職能？

大家有沒有想過，在一個企業(yè)里要想讓AI完成一個崗位職能工作，第一件事情要做什么？就是系統(tǒng)地梳理該崗位從業(yè)者沉淀的專業(yè)知識與工作邏輯，盤點該崗位有什么樣的數據權限？然后再用這些知識和數據權限，對一個模型進行持續(xù)的后訓練，讓這個模型精準匹配崗位的工作需求與專業(yè)場景，且有足夠的知識體系與流程適配能力，高效響應并支撐崗位核心工作要求。

當然對于藍領工作者，除了崗位知識、工作邏輯以及數據權限外，還需要模型具備視覺、語音能力（即VLM），通過多模態(tài)技術的協(xié)同，模型可生成一系列精準操作指令來替代傳統(tǒng)具身設備的手動遙控，實現對一線作業(yè)場景的智能協(xié)同支撐。

說到這里，大家會發(fā)現無論什么樣的人工智能在產業(yè)里落地，第一步，必然是處理該崗位場景下的所有知識和數據。第二步，是利用這些數據對模型進行后訓練，使其達到足夠精度，才能真正深入產業(yè)。

此時我們會清晰發(fā)現，產業(yè)模型落地與C端的大模型存在很大差異：C端“百模大戰(zhàn)”中，大家用各種技術架構做訓練，但很難拉開差距，這是因為其在訓練中用到的大部分數據都是互聯網數據。

相反企業(yè)數據可能是一堆圖紙、工藝文件，甚至是無法識別的文件格式。這類企業(yè)數據雖治理難度高，但治理完成后將憑借與業(yè)務場景的高度適配性，精準匹配崗位核心需求，成為模型快速兌現 AI 產業(yè)價值、實現場景化落地的核心驅動力。于是，如何將這些資料轉化為語料讓模型進行崗位訓練，使模型能夠持續(xù)在這個崗位上被訓練，是第一個挑戰(zhàn)。

第二個挑戰(zhàn)在于跨知識體系的建模。互聯網網頁數據往往能形成閉環(huán)，用戶若想獲取相關觀點和知識，在單一的網頁里即可完成完整的信息獲取閉環(huán)。但在企業(yè)中，一張圖紙上的公式往往需要另一套知識體系解釋，且相關參數分散于其他文檔之中。如何高效地將這些龐雜的知識體系重新建模，形成有邏輯的知識網絡并注入模型參數，才能夠把該崗位的知識訓練到那個參數里去，讓它能夠工作。

第三個挑戰(zhàn)是數據精準組裝的能力。很多人認為ChatBI很簡單，通過了解這個企業(yè)的某個數據組合、數據分析，通過自然語言輸入就能生成精準業(yè)務分析。但實際上，無論是開源還是閉源模型，只是在企業(yè)內部跨4至5張表進行關聯查詢的準確度，目前大概率不超過70%。

比如，我們分析“某地區(qū)500家門店6月份銷售量下滑的原因”，模型不僅要理解企業(yè)的分析邏輯，還要100%準確地組裝實時狀態(tài)數據。這依然是巨大的挑戰(zhàn)。

但如果沒有復雜結構數據的解構能力、模型高精度的訓練能力、知識建模能力以及數據準確的組裝能力，任何一個模型在企業(yè)里只能叫“樣品”，不能叫“產品”。

拍攝：36kr

滴普科技之所以能成為企業(yè)級大模型AI應用第一股，正是因為我們解決了這些核心問題，堅持了產品邏輯。

我們的底層企業(yè)級AI基礎設施， FastData 首先解決的就是企業(yè)多模態(tài)數據的處理。無論是圖紙還是工藝文件，我們都能快速語料化、建模并組裝。在此基礎上，基于FastAGI，我們推動開源模型向企業(yè)專屬崗位進化，達到極高的精度，從而支撐這些崗位職能的高效運轉與價值深化。

第一類是經營決策崗位職能即我們的DataDense產品。只要開通數據權限，并輸入歷史分析邏輯，模型就能按照企業(yè)認可的思維邏輯快速生成分析報告。

第二類是專業(yè)從業(yè)者。比如，在建筑、機械加工等領域，將項目和產品設計邏輯訓練進模型后，它無需咨詢施工員或工程師，就能快速獲取準確知識。

以我們服務的一家制造業(yè)客戶為例，設備賣出去之后，模型可以基于生產任務快速生成工藝邏輯，轉化為OC代碼直接下發(fā)到機頭。既然AI能精準承載工程師的崗位職能，那么醫(yī)生、律師等等知識密集型專業(yè)崗位職能，AI專業(yè)賦能路徑同樣清晰可行。

除了以上兩類，我們也在研發(fā)一些面向一線操作崗的企業(yè)級大模型AI應用解決方案，旨在通過技術賦能優(yōu)化作業(yè)流程、降低操作門檻，敬請大家持續(xù)關注我們的產品迭代與落地進展。

可以說，只要把企業(yè)的崗位知識“灌”進去，基于知識范圍訓練出的精準模型，就能替代相應的崗位。這包含了經營決策層、專業(yè)知識從業(yè)者以及體力勞動者，最終形成在大型企業(yè)和產業(yè)中準確落地的視覺模型，這就是我們在做的事。

當下企業(yè)要想完成AI價值落地有三個關鍵：復雜的數據治理、建模以及準確的數據組裝。此外，如果不精準，模型沒有任何意義。

最后總結一句話：人工智能+不等于只有基礎模型。人工智能要想在產業(yè)落地，必須經歷產品化的過程。無論是什么形式，機器人本身也是Agent的一種，只有將模型、數據、交互深度融合，才能稱之為真正的智能體。

這是我們的觀點。謝謝大家！