滴普科技趙傑輝：從技術探索到場景實效，AI 穿越 「高山與大海」 的企業賦能路徑 | WISE2025 商業之王大會

11月27—28日，被譽為「年度科技與商業風向標」的36氪WISE2025商業之王大會，在北京798藝術區傳導空間落地。

今年的WISE不再是一場傳統意義上的行業峰會，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，到傳統行業裝上「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實踐中磨鍊出的真知。

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行業普遍面臨一個天問：產品是否真正可用？企業應用AI，真正的卡點是什麼？

「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 商業之王大會上，滴普科技創始人、董事會主席、執行董事兼首席執行官趙傑輝開宗明義，直指行業發展核心命題。他進一步闡釋：「任何一個模型在企業里面，如果不能解決複雜數據的解構、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，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數字化轉型需求，以 「產品化」 思維深化 AI 技術與業務場景的融合，持續釋放技術賦能產業價值。在演講中，趙傑輝拆解了AI產品化的路徑。

他表示，企業級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。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；以及在複雜查詢下保證100%準確整合數據的能力。

目前，滴普科技已經基於企業級大模型AI應用解決方案，在製造、消費零售、交通以及醫療等行業做了諸多實踐。從輔助管理崗位優化經營決策，到助力工程師、醫生等專業崗位工作，並基於企業模型給出專業判斷，AI 技術已深度融入各行業業務全鏈路，實現從核心決策輔助到關鍵環節優化的價值落地。

但這一切的前提是：解構複雜數據、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。趙傑輝認為，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模化的樣品。AI在產業的終局，是一場關於精準和產品化的系統工程。

滴普科技創始人、董事會主席、執行董事兼首席執行官 趙傑輝

以下為滴普科技趙傑輝在WISE大會的演講，經36氪整理編輯：

趙傑輝：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，滴普科技於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，我們在設計、施工等製造業現場技術員的替代上已經做得非常深入；在零售行業，AI也已經深度介入了經營決策等多個環節。

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，是因為隨着技術從「高山」落地到產業「大海」，真正的產品化本質上是一項高度系統化的工程。需要打通技術研發、場景適配、數據治理、知識沉澱的全鏈路協同，在這個過程中，企業、行業與技術從業者都能在價值共創中獲得實實在在的收穫。

但並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，都離不開系統化的產品化打磨。從樣品到產品化，其實是一個非常系統的工作。

2024年之前，大家談論大模型相關更多關注參數量、算力集羣等等，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麼崗位職能？

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

當然對於藍領工作者，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），通過多模態技術的協同，模型可生成一系列精準操作指令來替代傳統具身設備的手動遙控，實現對一線作業場景的智能協同支撐。

説到這里，大家會發現無論什麼樣的人工智能在產業里落地，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。

此時我們會清晰發現，產業模型落地與C端的大模型存在很大差異：C端「百模大戰」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。這類企業數據雖治理難度高，但治理完成后將憑藉與業務場景的高度適配性，精準匹配崗位核心需求，成為模型快速兑現 AI 產業價值、實現場景化落地的核心驅動力。於是，如何將這些資料轉化為語料讓模型進行崗位訓練，使模型能夠持續在這個崗位上被訓練，是第一個挑戰。

第二個挑戰在於跨知識體系的建模。互聯網網頁數據往往能形成閉環，用户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。但在企業中，一張圖紙上的公式往往需要另一套知識體系解釋，且相關參數分散於其他文檔之中。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並注入模型參數，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務分析。但實際上，無論是開源還是閉源模型，只是在企業內部跨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500家門店6月份銷售量下滑的原因」，模型不僅要理解企業的分析邏輯，還要100%準確地組裝實時狀態數據。這依然是巨大的挑戰。

但如果沒有複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。

我們的底層企業級AI基礎設施， FastData 首先解決的就是企業多模態數據的處理。無論是圖紙還是工藝文件，我們都能快速語料化、建模並組裝。在此基礎上，基於FastAGI，我們推動開源模型向企業專屬崗位進化，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，並輸入歷史分析邏輯，模型就能按照企業認可的思維邏輯快速生成分析報告。

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

以我們服務的一家制造業客户為例，設備賣出去之后，模型可以基於生產任務快速生成工藝邏輯，轉化為OC代碼直接下發到機頭。既然AI能精準承載工程師的崗位職能，那麼醫生、律師等等知識密集型專業崗位職能，AI專業賦能路徑同樣清晰可行。

除了以上兩類，我們也在研發一些面向一線操作崗的企業級大模型AI應用解決方案，旨在通過技術賦能優化作業流程、降低操作門檻，敬請大家持續關注我們的產品迭代與落地進展。

可以説，只要把企業的崗位知識「灌」進去，基於知識範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、專業知識從業者以及體力勞動者，最終形成在大型企業和產業中準確落地的視覺模型，這就是我們在做的事。

當下企業要想完成AI價值落地有三個關鍵：複雜的數據治理、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+不等於只有基礎模型。人工智能要想在產業落地，必須經歷產品化的過程。無論是什麼形式，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！