过去三年，企业级AI常被质疑“拿着锤子找钉子”。到2026年，这个问题有了突破口——不是大模型变得更会“聊天”，而是它终于学会“进车间”。
在制造、零售这些看似远离技术浪尖的行业，AI的效率革命每天都在上演：越来越多大模型和Agent从外围辅助走向核心流程，将设计打样从数天缩短到几分钟，库存周期压缩了两成……它们的故事，并不比AI原生叙事逊色。
滴普科技是这场变化的参与者。
“去年大家看机会，今年大家看场景。”2026年年初，创始人赵杰辉曾作出过这个预测；如今，他的判断更进一步：应用场景已经明确，AI正以低成本、深度嵌入工作流的方式进入产业，带来实际的提质增效。
赵杰辉2004年硕士毕业于天津大学电力系统及其自动化专业。毕业后，他在华为工作了11年，曾任核心技术专家及核心路由器团队负责人，其间在深圳和北京“两头跑”；
后来他又作为资深技术专家在阿里云担任企业事业部总经理，组建了企业级互联网架构团队，先后参与多家龙头企业的数字化转型。
2018年，赵杰辉创立滴普科技，寓意“点滴努力，普惠科技”，初期聚焦数据基础设施服务。2022年年底生成式AI到来，数据中台原有的商业模式被彻底颠覆。赵杰辉认为，如果软件公司只在原有流程上缝几个接口，无异于汽车出现之后给马车安装发动机，只有真正用AI做深层次的流程规划和任务传承才有价值。
于是，2023年，滴普科技将定位转向“企业AI员工基础设施”，先后推出Deepexi企业大模型、DeepWorks企业智能体平台和Deepology企业本体数据集和技能，分别覆盖模型层、应用层和数据层，并在此基础上搭建DeepexiOS AI级企业操作系统平台。
赵杰辉告诉南方周末，滴普科技既不做通用模型，也不走Palantir擅长的FDE（前沿部署工程师）人力定制路径，而是把企业的私有知识沉淀为AI能理解、能调用的技能（Skills），打通从数据治理到AI员工执行的闭环。
2026年上半年，DeepexiOS AI级企业操作系统平台快速放量，带动公司的收入同比翻倍至2.84亿元，净亏损收窄九成。目前，公司已服务超过400家客户，覆盖制造、零售、科学研究、公共事业、能源等领域。
2026年9月，赵杰辉又回到母校天津大学攻读电子信息专业的博士学位，借此把多年的产业实践与软件理论进一步融合。
“先抛弃，再捡起”
2018年，正值全国软件创业热潮，“互联网和大数据”成为热门词条，资金也源源不断地涌入企业级智能化，这恰好是赵杰辉在阿里做的方向。于是，他果断辞职创业。
最初的四年，滴普科技选择的第一个切口是数据智能——充足的数据资产是智能化的前提。2019年，滴普科技推出FastData企业级数据智能解决方案，2020年它升级为全场景数据智能服务商，其间先后获评国家高新技术企业、北京市专精特新中小企业等。
但在赵杰辉看来，企业软件行业经历四十多年发展，本质仍是数据整理、参与业务决策和运营，生产工具停留在写代码、做表格的传统IT阶段。这意味着，生产资料（数据）很多，生产工具却极度落后，无法大范围提升生产力。
直到2022年年底，生成式AI改变了生产工具，IT的核心不再是成套靠人定义的软件，而是自主的智能，即“模型+数据+Agent”的组合：模型负责理解、推理与规划，数据提供专属知识和业务上下文，Agent调用工具、执行任务。
软件公司纷纷开启AI转型。
“行业每天都有新名词冒出来，一些软件公司就开始兴奋，兴奋完却发现这场热闹与自己无关。”赵杰辉直言，很多“转型”只是在软件系统里调用几个模型API、加几个对话框，本质是在原有流程上的某个环节缝几个接口——就像汽车出现之后给马车装发动机。他认为，如果不能用AI做深层次的流程规划和任务传承，“转型”的价值不大。
对大数据平台而言，转型除了技术栈升级，还意味着“数据目的”发生根本变化——过去为人，现在为模型。滴普科技要做的就是“先抛弃，再捡起”——抛弃的是人工整理数据、生成指标的传统方式，捡起的则是数据治理本身，只是换成面向模型的全新范式。
2023年，滴普科技发布了企业大模型Deepexi，借助企业沉淀的多模态知识训练，将之整合成一套数据集和配套技能，再通过FastAGI（现升级为DeepWorks）企业智能体平台协同调度这些技能，最终让数据以Token（词元）的形式进入生产流程。
以上能力共同构成了DeepexiOS AI级企业操作系统平台——可以理解为企业级AI应用的“Windows”或“安卓”：它提供一套底层基础设施，让企业能在上面“长出”自己的AI应用。这套链路不是交付工具，而是培养“AI员工”。
这颠覆了“定制软件+FDE”这一经典交付模式。在传统软件时代，固定软件解决当下问题，同时FDE驻场兜底，不断完善和“打补丁”。但FDE的增长受限于专家资源和行业知识，单靠通用模型则难以胜任容错率低的业务场景。DeepexiOS让AI员工嵌入流程干活，有望减少对FDE驻场的依赖，并弥补通用模型对业务理解不足的缺陷。
2025年10月，滴普科技登陆港交所，被外界誉为“企业AI大模型应用解决方案第一股”，完成从数据服务商到AI解决方案平台的身份跨越。
反映在收入结构上，2023-2024年，FastData仍是营收主力，但占比从94.9%降至62.8%；2025年，FastData的占比（38.7%）被FastAGI（61.3%）超越；到了2026上半年，DeepexiOS（原FastAGI）收入的占比达到79.6%，新业务已顺利“接棒”。
赵杰辉指出，滴普科技既不做通用大模型公司，也不做靠FDE手工建模的“中国版Palantir”，而是希望定义一个新品类——“企业级AI员工的基础设施”。
“AI员工”进入生产线
那么，AI员工到底能做什么？
以某大型时尚及运动产业集团与滴普的合作为例。滴普基于Deepexi，注入其行业数据，训练出专属企业大模型；再通过FastAGI将模型接入系统，按真实岗位映射每个“AI员工”，以应对数百个新SKU、上千家线下门店和多个电商平台构成的复杂决策网络。
例如，货品运营AI员工就像线下的零售店长和运营组长，直接对生意负责。它每天早上要定好当天的销售目标并分到每个店员，每过一小时观察销售进展、判断是否调整，下班前还要调排班、安排收尾工作。
商业企划AI员工则紧跟时尚潮流，分析小白鞋、雪地靴等货品如何分配。订货下单后，它紧盯每款产品的销售情况：卖得好就快速补货，卖得差就停补或调货。同时，它还要了解每家店铺的销售情况，推进补货、调货、促销等决策。
在此过程中，人类员工拥有最高指挥权和最终决策权，只需在对话框中@一个或多个知识库作为执行依据，DeepexiOS便会调度对应的AI员工。知识库每日更新，老数据被替代但不删除，其判断轨迹和执行结果沉淀回Deepology本体数据集，让系统越用越准。
赵杰辉告诉南方周末，2024-2025年，该客户的AI应用主要集中在问答与分析，当时最大的顾虑是大模型幻觉问题。到了2026年，Deepexi和Agent的能力持续完善，知识库提供企业知识和本体约束，Skill限定可执行的动作范围，AI被约束在明确的边界内工作，准确率不断提升，AI员工也从分析洞察迈向决策执行。
对比通用大模型公司，赵杰辉认为滴普的优势在于知识库积累，也就是一直以来的数据治理能力。Deepexi围绕工程图纸、工艺文件、技术标准、业务表格等企业多模态数据和知识逻辑进行训练，可以更高效地完成那些容错空间低的企业任务。
这不在于Deepexi的性能有多强，而是它更懂企业业务和流程，任务规划更合理，从而减少了无效推理和反复试错，Token的消耗更有效率。以上述客户为例，其滚动销量预测的精准率达到90%，门店商品主推的智能播报效率提升30%。
“企业AI一旦部署就不可逆，用量只会不断增长，不再是某个可以随时替换的工具。”赵杰辉表示。对客户来说，算力投入虽然很高，但能实实在在换来降本提效，回报就十分可观。
根据弗若斯特沙利文的数据，中国产业级AI应用解决方案的市场规模将从2024年的386亿元增长至2029年的2394亿元，复合年增长率达44%。数据的背后，是AI正进入制造、零售等传统行业的核心流程与生产系统。
目前，滴普科技在制造、零售、科学研究、公共事业、能源等领域服务四百多家企业，主流客户全年订单金额在百万元级别，头部客户可达千万元级别，差异主要取决于AI员工的岗位职责、数量以及Token的消耗总量。
赵杰辉的行程也更加忙碌，见客户、见投资人，如今还加上读博。与南方周末结束对话后，他又约见了一家提供算力服务的Token工厂，因为“传统行业AI落地提速，订单和算力需求都在快速增长”。
软件公司要转向重资产
订单变多了，算力也变重了。这一变化让滴普科技重新思考基础设施和产品形态，赵杰辉由此提出两个“非共识”：一是软件公司都将成为重资产公司，要有算力体系及其运营调度能力；二是云端将成为软件公司的主要收入来源，而非本地化部署。
具体来看，企业做AI转型时，经常纠结于算力自建还是外部采购。赵杰辉认为，模型开源这条路大概率不可逆，因此模型本身不是软件公司的壁垒，真正的壁垒在于能否调度超大算力集群，让顶尖开源模型快速接入体系并提供服务，这些都要重资产投入。
目前，滴普科技采取“租赁为主，自建为辅”的配置方案，将各方算力节点整合为统一集群，对外提供算力支撑。同时，公司也接入了DeepSeek、智谱GLM、Kimi等第三方模型服务，云端客户可以根据价格和需求作出选择。
华为云及其算力集群是主要合作方。2026年7月，双方签署战略合作协议，滴普科技开放FastData和DeepWorks的核心能力，华为云提供昇腾算力、云底座、智能体平台等底层基础设施，共同打造面向智能制造、零售等行业的联合解决方案。
“在先进算力紧缺的情况下，滴普坚定地选择了华为云作为算力基础设施。”赵杰辉说，即便如此，滴普现阶段也只能保证已有企业的客户体验，等到算力更加充裕，会考虑开放消费端注册。
在产品形态方面，赵杰辉认为云端将成为软件公司的主要收入方式，私有化部署对大部分企业并不可行。因为模型体量越大，算力硬件和配套基建的成本越高，日常折旧、运营开支又是一笔持续投入。
滴普目前仍以本地化部署为主，或许后续还要经历一次“先抛弃，再捡起”的过程。
回到当下，AI生产力竞赛持续提速，软件公司的形态、部署方式和市场边界都在重构。从某种意义来看，滴普科技正在走一条不同于传统软件公司和通用大模型公司的“非共识”之路。它要证明的是，这不是叙事，而是市场真金白银的选择。
南方周末研究员 曹妍
责编 丁莉
