慢生意快迭代：滴普科技的7年反共识「突围」

如果一家公司用7年时间只做一件事，大家会觉得它很专注；如果在这7年连续“错失”互联网+、数据中台等风口，大家又会觉得它有点傻；但如果这家公司后来又成为国内企业级大模型的头号玩家，它就是滴普科技。

滴普科技的创业故事始于2018年，几乎是中国软件行业最“膨胀”的年份。

在资本市场的催熟下，当时诞生一批以数据中台为卖点的初创型公司，这种以抢占市场份额为目的的恶性竞争带来的直接后果，是对PMF（Product-Market-Fit）的极致扭曲，最终导致这些公司纷纷折戟数字化——徒有规模增长的表象，内里的盈利难题迟迟得不到解决。

类似的戏码在大模型时代继续上演。

OpenAI掀起的生成式AI革命，让无数创业者兴奋之余，也揭示了企业级市场的深层矛盾：通用大模型虽能生成文本、图片甚至视频，却难以穿透企业数据的“黑箱”，尽管Meta开源的Llama2降低了技术门槛、DeepSeek用低成本架构实现了顶尖的推理效果，但行业Know-How的工程化能力仍是稀缺品。

更进一步讲，AI的benchmark设定与现实世界的严重脱节，让业界开始质疑大模型是否被神话了。最典型的例子，现实场景中的智能系统是连续互动、有记忆的，而现有的评估设定忽略了这些关键特征，导致智能水平提高了但效用没变。

“To C做得好不代表能做To B，这两者有着天然的鸿沟。”自诩软件行业新人的赵杰辉背景颇为特殊，在投身创业前，他曾是华为核心路由器团队的骨干成员，经历过通信行业高毛利的黄金年代，转战企业服务后，他对软件行业的评价是，“传统企业IT本质上就是数据库加界面，技术含量不算高，但有了大模型AI之后行业的技术门槛会提高。”

赵杰辉对先进技术的理解非常超前。几乎在ChatGPT刚刚火爆时，他就意识到这将是对传统软件行业的一次彻底颠覆，等到周围注意力都聚焦在行业大模型时，他却另辟蹊径，带领团队把精力集中在行业Know-How的深度解耦与数据资产的工程化能力上。

在他看来，区别于过去AI社区把过多精力放在如何训练更强的模型，企业级大模型的逻辑在于如何基于开源基础，聚焦真实世界效用。背后的挑战是定义“该做什么”和“如何衡量进展”，这就意味着，研究重点要转向问题设定和评估，而非模型本身。

草蛇灰线，从这个角度看，如何让企业的数据与知识真正“活”起来，是滴普科技过去7年突围的唯一主线。

截至目前，滴普科技已经完成了8轮融资，受到了包括高瓴、IDG等在内的多家明星机构连续下注，而根据弗若斯特沙利文数据，以2024年收入计算，滴普科技是中国企业级大模型人工智能应用解决方案市场中，排名第一位的大模型人工智能应用解决方案专业提供商。结合前不久刚向港交所递交招股书，意味着它极有可能成为该方向的国内第一股。

滴普科技的起点并不性感。核心成员大都来自华为、阿里、IBM，是一帮有着十几年经验的“技术工匠”，他们崇尚用第一性原理思考问题，体现在产品打磨上，“究竟能给客户带来什么实际价值”是他们内部讨论时出现频率最高的热词。

第一次线下接触到创始人赵杰辉，是在2019年的一场CIO闭门会。当时他在台上分享了一些关于数据中台的业务思考，尽管演讲超时，但他却是被台下观众“打赏”最多的分享嘉宾。

“这个人不搞花架子，对技术架构钻研挺深的。”一位资深CIO这样评价他。事后来看，中台热急剧败退的确如赵杰辉所判断的那样——他认为，中台的最终目标实际上就两点：让业务变得敏捷，让数据实时在线共享。最简单的验证方法，如果公司需要拓展新业务，是否能更快上线，以及数据是否能在线服务于业务，但很明显，当时业界方向已经偏离轨道了。

自2021年起，我每年都会跟赵杰辉以及滴普科技核心高管约上一次深度交流，讨论是完全开放式的但信息密度很高，从产品、技术，到组织、业务，从国内到国外，以及如何平衡日常工作与家庭生活。和其他创业型公司相比，滴普科技整体给人的感觉是简单、利他——做有价值的产品、让公司全员有认同感。

和其它行业不同，数字经济是一个很大的概念。在这个体系里，每个玩家各司其职，所以锚定好自己的战略定位很重要。

作为“老华为人”，赵杰辉同样信奉价值规律，“深淘滩、低作堰”最早出自任正非，现在也是滴普科技的创业心诀，深淘滩就是苦练内功把基础打好，然后创造价值，至于“低作堰”就是要节制自己的贪欲，不能想着把所有客户需求都吃下来，战略的核心不仅在战（做什么），更重要的是略（不做什么）。

所以当一众巨头把资源投向通用大模型时，滴普科技选择了一条更隐秘的路径——深入行业“深水区”，在巨头的技术射程外构建护城河。

从找准定位最早只做底层的数据平台，到打造出实时智能湖仓平台FastData，到国内最早落地的FastAGI企业级人工智能解决方案，再到国内最大的企业级大模型AI应用玩家之一，区别于市面上“缝合拼凑”起来的行业大模型产品，滴普科技做产品的核心思考在于如何摆脱“功能叠加的死亡螺旋”——让产品技术厚度不断丰富的同时，保证其统一性。

“在中国，面向B端的大模型产品，重点在于数据治理能力；企业级大模型的成功不是要更高的精准度，而是真正做到0幻觉；从这个角度看，我们和那些巨头是站在同一起跑线上，都要花时间去解决数据集的处理与权限控制难题。”

关于大模型创业，赵杰辉打了个很有意思的比方：“C端市场就像在草原上猎杀羚羊，稍不留意就会被大厂围剿，反观企业级大模型市场，则是在深海里撬贝壳，每个贝壳里都有珍珠，但撬得快就能吃饱。” 

“最近我在思考一件事，很多创业者执着从0到1，但却容易忽略‘0’到底代表什么。”

赵杰辉解释称，‘0’是一家公司的创业初心，即你能为对方创造什么价值。就像起初帮助零售企业清洗积压数年的数据集，往往是这种别人做不来、瞧不上的“苦活累活”长期积累，才造就了滴普科技今天将行业Know-How，原子化封装为可复制的数据资产的关键能力，最终得以在大模型产业化浪潮中爆发。

拿企业级大模型AI应用来讲，这件事情背后的本质，是将老师傅的“经验”转化为可复制的数据逻辑——当老师傅离职或退休时，他的经验不会随之消失，而是沉淀为企业的数字资产。

百丽时尚集团（下称百丽时尚）是滴普科技创业以来合作最深入的伙伴之一。这背后的原因，不仅在于双方的长期合作，还在于百丽时尚在数字化探索上有很深入的思考和积累。

作为当之无愧的中国鞋服龙头企业，百丽时尚旗下超过8000家直营门店遍布全国300多个城市，业务场景有着极高的复杂度。

据赵杰辉回忆，“在决定体系化全面投入AI之前，对方最担心的，是大模型幻觉问题会在场景中被无限放大。”比如当管理人员询问“某个SKU今天如何定价”时，AI给出的回答往往不尽如人意。

缺乏企业自有场景的规则锚点，是眼下垂类模型行业最棘手的难题。要知道，这种能力并非依赖参数规模，而是对“人货场”关系的深度解构。

滴普科技给出的解法是分两步走：第一步，以Deepexi企业大模型为基础，注入百丽时尚的行业数据，训练出专门针对商业流通领域的Deepexi-RM模型（相当于给通用AI装上企业知识库）；第二步，通过FastAGI解决方案，将训练好的企业模型转化为“AI业务员”，这些AI专员能精准处理诸如商品调度、库存预测、供应链优化等具体业务。

据了解，滴普科技与百丽时尚联合打造的“AI单品运营大脑”，已经将直接推算出商品的库存状态、提出补货量建议等决策流程压缩至分钟级。并且，系统还能自动生成符合业务决策需要的经营分析报告，能够全面地对单一店铺的500多个指标用AI进行分解并形成洞察。 

事实上，不仅仅是鞋服，在医疗、制造、交通等大宗行业，滴普科技同样有着很高的渗透率，究其原因，其秘诀在于对“数据-模型-策略”闭环的层层把控。

国内轻工行业领先的国有上市工程设计公司中国海诚通过与滴普科技合作，基于 FastData 解决方案处理的脱敏训练数据，依托 Deepexi 企业级大模型平台的行业特定能力及制造行业公开知识库，构建了中国海诚本地部署的定制化企业专属大模型。

模型汇集近千份专业技术文件构建完备知识库，生成包含语料切片、问答组及标准图形的庞大语料库，能够处理文本、图像、表格及公式，支持文件分类、版面分析及图像与公式识别等应用。

实测显示，系统在图纸合规性审查中达成90%准确率。当AI能在5秒内响应专业咨询时，这标志着认知智能已突破制造业「硬壁垒」——以往数十年工程智慧转化为可计算、可追溯、可进化的数字资产。

低毛利、过度竞争和产能过剩，是过去压在中国软件行业身上的三座大山。根本原因在于，过去软件行业并没有什么革命性突破，体现在行业层面，当前的“语言预训练+推理+RL”配方已经能解决大多数任务，很多新技术只带来小幅提升，甚至背离了正常的ROE轨道。

重要的是如何根据特定企业数据集和业务逻辑全参微调模型。复盘这些年在数字化深海里撬贝壳的经验，赵杰辉认为滴普科技之所以能在重重竞争中突围，关键在于祛魅风口，站在更高的维度看待和思考问题，“这件事很不起眼，但很关键”。

以时下话题度最高的行业大模型概念来讲，按照赵杰辉的理解，它和企业级大模型是完全不同的两个物种，前者是在原来流程框架下的改良、后者是基于数据+模型的新思维框架。“无论是零售、制造还是其它行业，从数据和文档出发，模型的本质在于数据的操控化和全参微调，能够在这个基础上读懂数据集。”

正是这种“反共识”视角，让滴普科技避开了“堆功能、拼价格”的行业内卷，转而押注数据治理与AI能力的深度融合。事实上，在大模型还未爆发时，赵杰辉就曾基于中国数据智能行业有过判断，当时他提到，“中国数字化最难的点在于场景，但如果能啃下这些硬骨头，就成功了一大半。”

以制造行业为例，中国制造业的复杂性堪称全球之最：39个工业大类、525个小类，每个场景都是独特的“数据迷宫”，同时也是“价值金矿”。

事后来看，滴普科技又一次“赌”对了。根据其招股书显示，截至2024年底，客户总数突破245家；与此同时，FastAGI企业级人工智能解决方案业务迎来高速增长的同时（占比从5.1%跃升至37.2%），规模效应初现（毛利率三年升至51.9%）。

但这才刚刚开始，根据弗若斯特沙利文数据，未来5年，中国企业级大模型AI应用解决方案将呈现爆发式增长，预计从2024年的58亿元，增长至2029年的527亿元，年复合增长率为55.5%。

从数据平台到AI-Ready，从工具到操作系统，从边缘创新到生态重构，支撑这些成果的，是一套“慢生意、快迭代”的生存哲学，当硅谷沉迷于AGI的宏大叙事，滴普科技用7年实践揭示了一个真相：中国AI的胜负手不在参数竞赛，而在于产业毛细血管的渗透力。