滴普科技：智能體的終局是“專業數字人力資源” | 2025向新·AI未來_風聞

前言： 2025年，AI撕裂數據與實體的邊界，量子計算探索物理規則的邊緣，綠色科技重塑增長的倫理，低空經濟、機器人、大模型打開科技躍遷的大門。 在這個大背景下，中國企業需要以智慧為座標，穿透技術、組織與商業模式的“三重結界”，在數字與實體的糾纏中鍛造新物種。在這背後，是一羣技術興國的信奉者，產業躍遷的掌舵人、商業社會的洞察者、認知邊界的拓荒者，這些企業家永遠走在創新的前沿。 與智者同行者，必將率先觸摸未來；與AI共振，終將定義下一個紀元。 我們邀請了多位國內外頂尖創新與商業領袖，人工智能鏈主和龍頭創新企業，共同展望2025產業發展、技術創新以及戰略性新興產業發展的前景。

在當今數字化浪潮洶湧澎湃之際，智能體正有引爆新產業革命之意。滴普科技作為企業級大模型AI應用解決方案專業提供商，處於AI產業鏈的關鍵環節，憑藉其完整的“數據+AI”全棧產品與服務優勢，尤其是多模態數據深度處理以及基於開源模型的工程與應用能力，在市場中嶄露頭角，位居中國企業級大模型人工智能應用解決方案市場前列。

當下，智能體在ToB和ToC市場的商業化模式各具特色，技術發展也在不斷推進，但同時也面臨諸如多模態理解、長期記憶和自主決策能力不足等核心瓶頸。同時，當智能體整合外部信息或工具偏離預期目的時，數據質量、企業級私有化模型能力和智能體應用工程成為關鍵解決因素。而面對開源生態與企業差異化護城河的構建，滴普科技在數據能力、業務認知和工程化能力等方面不斷深耕，以打造自身優勢。未來，智能體的應用場景充滿無限可能，其自主行為責任界定也引發諸多思考，而AI訓練的技術創新更是成為推動智能體發展的重要動力。

以下為融中財經對話滴普科技實錄，以饗讀者：

融中財經：貴司所處AI產業鏈條哪些關鍵環節、市場格局如何，具備哪些技術/產品優勢等？

滴普科技：滴普科技定位為企業級大模型AI應用解決方案專業提供商，可高效整合企業的數據、決策及運營知識，助力其構建企業級大模型AI應用，為客户在運營決策和生產力提升相關核心場景，基於客户專屬數據和業務知識邏輯提供符合企業級高精度零幻覺的專業AI數字員工。在沙利文的市場調研報告中，按照2024年收入計算，滴普科技是中國企業級大模型人工智能應用解決方案市場中排名第一位的大模型人工智能應用解決方案專業提供商。

滴普科技擁有完整的“數據+AI”的全棧產品和服務能力，尤其是具有多模態數據深度處理能力，以及基於開源模型通過模型工程能力和應用工程可為企業提供深度的業務智能應用端到端能力，進而形成真正的商業影響力，並實現規模商業化。

融中財經：智能體在To B和To C市場的商業化模式差異有哪些？當前智能體技術的核心瓶頸是什麼？多模態理解、長期記憶還是自主決策能力等？

滴普科技：ToC市場現在依然是爆款模式，主要發力在代碼生成、辦公類等基礎普適工具產品，目前大廠在ToC市場就是這樣佈局；但ToB市場本質是服務，強調誰能夠構築低成本高毛利廣覆蓋的服務，能夠持續的深度服務客户，成為客户問計對象，解決專業的企業場景需求。

其中的核心是：

1）對於企業內各種類型數據的治理能力，尤其非結構化數據的識別、解析和Token化，數據質量非常重要；

2）企業私有化模型的工程化能力，基於客户專屬數據和業務邏輯的訓練、評估、迭代等；

3）對企業整體信息架構或者數字化架構理解能力也很重要，對企業業務場景和業務邏輯的深度理解會成為智能應用的門檻。

融中財經：當智能體整合外部信息或工具時，可能會偏離其預期目的。如何解決這個問題？

滴普科技：智能體是否能夠精確搜索到目標信息是非常關鍵的，同時能否檢索到語料中特定關聯性隱藏數據也尤為重要，而這些並非完全由模型解決，裏面依然是三個關鍵的功能工程能力：

1）數據質量，針對內外部多模態數據的治理能力；

2）企業級私有化模型能力，不是基於一個開源基礎模型就可以的；

3）智能體應用工程，需要有知識平台RAG和配套流程，還要有召回能力和精準排序能力決定精確度。

融中財經：大家都在擁抱開源生態，但企業生存又需構建差異化護城河。您認為貴司在哪些方面具備“做大做強”的優勢？開源後，如何解決數據共享與知識產權衝突？

滴普科技：開源生態的邏輯是越往底層開源，其價值和意義越大。比如基礎模型開源會有非常大的生態力量，一些基礎的框架和協議也會逐漸開源。但智能體相關以及應用級核心還是要在服務上構建差異化。在ToB的賽道上更為突出，將數據能力、業務認知、工程化能力這些不斷地加深加高，雖然看上去是做了越來越多的看起來的“髒活”“累活”，但這些才能構築真正的護城河。

融中財經：選擇做通用大模型還是應用模型？如何訓練專精模型？數據怎麼搞、成本如何降？

滴普科技：滴普科技選擇做企業級大模型AI應用解決方案，目前看來不會去做基礎大模型，而會做企業級私有化大模型。後者是基於開源的基礎模型，通過與企業自身的專屬數據、業務邏輯構建的專屬語料基礎，為企業場景去訓練和微調專屬的模型棧，由大模型+各種行業以及數據處理的小模型組成，更能準確切入到企業場景解決需求。

降低企業部署的成本主要是三個方面：

1）根據企業的特定任務選擇合適尺寸的模型；企業級智能應用的核心在於數據質量而非模型尺寸，公司不會受限於某一種模型，會根據最優算力進行匹配；

2）在算力層，我們實現了模型推理優化、KVCache算力優化，異構算力適配等能力，以進一步提高行業模型部署的經濟性和性能；

3）通過模型工程能力，通過持續預訓練、微調等技術手段，訓練和微調與企業級任務相匹配的更小尺寸的模型，降低企業部署的成本。

融中財經：您認為未來3年，最具顛覆性的智能體應用場景是？

滴普科技：智能體的終局是“專業數字人力資源”，一類是基於共享和開放的數據形成的數字人力資源，以通用的數據作為語料訓練的模型所構建的Agent，屬於通用能力的數字員工；另一類基於私有數據形成的數字人力資源，以企業的私域數據為基礎所訓練的模型構建的Agent，這一類是專業的也是專有崗位的數字員工。

融中財經：智能體的“自主行為”如何界定責任？是否需要立法明確開發者、部署方、用户的責任邊界？

滴普科技：在目前的企業級應用中，智能體仍然只能是定位在輔助性的工作上。在傳統的企業內，任何的工作都是要與崗位、職責掛鈎的，企業內的各種流程都是由崗位來驅動的，當出現了問題之後，回溯和追責也需要最終與崗位相關。

融中財經：AI訓練需要消耗海量數據與算力。未來如何展開技術創新，打造聰明又能幹的智能體？多模態能力和MoE如何更好地服務客户？

滴普科技：企業的智能應用核心依賴於行業三個層面的技術發展：

1）算力的標準化和平民化；

2）基礎模型的能力，包括多模態模型，小型化模型、端側模型的發展；

3）企業級相對通用的基礎智能體，比如數據分析型、運營決策型、生產力提升型等。

企業不需要自己去訓練基礎模型，而是應該把精力放在自身專屬數據的積累，業務流程和業務邏輯的沉澱，以及數據和AI工程化能力的建設上。企業能夠以非常迅捷的方式將業界更好的算力、模型、智能體技術等整合到自身的架構中，這樣才能夠更好更快地賦能業務。