对话滴普科技创始人赵杰辉：企业大模型不是“养龙虾”，是给AI员工划数据围栏

　　文 丨 《智客星球》 周文猛

　　近日，滴普科技正式推出升级版Deepexi企业大模型及Deepexi OS AI级企业操作系统，并与天津大学共同启动具身智能大脑联合实验室。

　　滴普科技创始人、董事会主席、执行董事兼首席执行官赵杰辉，滴普科技联合创始人、执行董事兼产品及解决方案团队总裁杨磊在接受采访时表示，滴普科技聚焦对企业业务逻辑的深度理解，通过“本体范式”为企业AI划定可信任边界，以“token经济”重构服务价值衡量。

　　赵杰辉比喻说，“一个从A公司跳槽到B公司的数字员工，不能带走具体数据，但能带走理解数据的能力。”在他看来，这种能力迁移正是企业大模型落地的核心价值。

　　企业AI落地难，先给模型划数据围栏

　　针对当前企业对AI能力的普遍困惑，赵杰辉在发布会开场时以近期热议的“龙虾”现象作比。赵杰辉介绍，许多企业期望拥有能干活的人工智能员工，但实际尝试后发现，通用模型在成本、安全性和准确性层面均难以满足要求。

　　他认为，企业需要的不是简单部署一个大模型，而是要有规范、可控地培养适配自身业务逻辑的“AI员工”。

　　当被问及滴普科技与通用大模型、Open Claw等现象级产品的定位差异时，杨磊分析称，面向个人的AI产品虽然爆发力强，但在企业级应用所要求的准确度、合规性与安全性面前，其技术路径存在天然局限。

　　杨磊介绍，滴普科技的核心壁垒在于构建本体范式，这是一种针对企业特定业务场景的知识关联框架，将数据背后的业务逻辑、管理规则与知识结构抽象为可被模型理解的语义 *** 。

　　此外，赵杰辉还表示，所谓本体并非是指具体的企业数据，而是某一业务闭环，如设备故障维修、供应链调货等企业场景内的知识逻辑与业务语义 *** ，涵盖数据字段、文档图纸、业务流程之间的关联关系。此前这类工作依赖FDE工程师人工完成，滴普科技在服务300余家头部客户的过程中，积累了将该过程模型化的能力。

　　他强调，这种技术路线的本质是让模型具备理解企业业务，并执行编码的能力，而不仅仅是完成对话。

　　在如何确保企业级AI能够准确、可信的问题上，赵杰辉以医疗行业为例说明，医疗行业对于所有的回答与执行都是要可溯源、有依据的，例如滴普科技服务的某公共事业机构，在构建某项业务场景的AI服务中，完全基于提供的800T数据集内完成，通过对这些多模态数据完成治理，并提供给企业大模型，从而确保所有回答需可追溯、可信任。

　　他认为，企业级AI与消费级AI的核心区别在于必须在约束范围内工作，“可以承认未知，但不能编造答案。”

　　杨磊进一步透露，滴普科技在模型训练中引入了约束机制。他表示，这种数据围栏的构建是多年服务头部客户积累的结果。滴普科技将大量图纸、工单、知识逻辑人工关联后形成涵盖企业知识与业务语义 *** 的高质量数据集，再用于模型训练。在他看来，互联网上缺乏这类具体场景的训练数据，这正是大厂难以覆盖该领域的原因。

　　算力成本怎么降？核心不在规模在效能

　　针对业内普遍关注的算力消耗问题，杨磊提出“Token经济”视角。他认为，随着AI深入企业核心业务，传统的人天计价服务模式将逐步被基于token消耗的算力效能模式所取代。

　　杨磊介绍，滴普科技在对比测试中发现，同一任务在不同平台上的token消耗差异显著，部分面向个人的产品因技能调用无序，消耗量可达滴普科技Deepexi企业大模型的10倍。他分析认为，企业级场景的核心不是单纯比拼算力规模，而是关注单位算力产生的业务效能。

　　在商业化路径上，赵杰辉明确表示，滴普科技不会涉足算力转售业务，而是聚焦于token消耗与业务价值之间的闭环。

　　他介绍，目前滴普科技在海外市场已采用按使用时长收费的license模式，但底层支撑是更高效的token消耗机制。杨磊补充说，随着AI从辅助工具演进为生产力要素，企业的资源配置将从人力资源转向算力资源，如何让算力消耗产生明确的业务回报，是未来企业服务商需要回答的问题。

　　数字员工能跳槽？带不走数据，但能带走理解

　　此次发布的核心产品Deepexi OS，被滴普科技定位为“AI级企业操作系统”。

　　据杨磊现场演示，该系统打通了从数据接入、业务理解到任务执行的完整链路。通过企业数据融合平台FastData Foil将工程图纸、业务状态数据等异构信息解析后输入模型，由Deepexi企业大模型基于本体范式生成企业专属的业务模型，再经FastAGI企业智能体平台将这些模型转化为可组合的技能模块，最终编排成应对具体场景的AI员工。

　　据悉，该系统目前已设计108个业务本体，发布280余项skills，覆盖制造、零售、医疗、交通、通用五大领域。

　　值得一提的是，在制造业运维场景的演示中，AI员工可自主完成从设备故障报警、原因诊断、维修方案制定到工单派发的全流程闭环。当监测到设备温度异常时，系统会调用设备档案、历史维修记录、维修手册等多源知识，生成诊断报告并规划维修步骤，最后直接向第三方工单系统派发任务。

　　谈及这一系统的战略定位，赵杰辉认为，未来企业的组织形态将发生变化。部分工作由人力资源统筹，部分则由IT部门管理。IT部门的职责将转向数据接入、模型训练和技能生成，企业除了 *** 人类员工，还可以通过算力配置补充AI数字员工。

　　对此，他将Deepexi OS视为下一代企业IT建设的核心基础设施，称其本质是企业AI资源与AI员工的管理平台。

　　此外，发布会的另一个重要议程，是滴普科技与天津大学共同启动具身智能大脑联合实验室。天津大学计算机科学与技术学院院长冯伟在致辞中表示，双方将围绕数据仿真与合成、大模型轻量化、模型推理架构优化三个方向展开合作。

　　杨磊进一步阐释，这一布局标志着滴普科技从数字世界向物理世界的延伸。“AI员工加上具身机器人，就构成了物理世界的智能员工。”他举例说，理想的具身智能不仅是机械臂完成搬运动作，而是能够理解样品背后的工艺、结构和生产逻辑，成为生产线上的业务专家。

标签： #企业 #模型 #业务 #杨磊 #赵杰 #数据 #科技 #员工 #核心 #本体