滴普科技赵杰辉：企业AI的核心在于自进化的语义本体

在企业数字化向智能化演进的过程中，本体（Ontology）被视为将数据、知识与业务逻辑结构化表达的核心体系。然而，由于各家企业业务异构性强、搭建严重依赖人力，前线部署工程师（FDE）模式一直难以实现规模化复制。

在2026 ITValue Summit数字价值年会上，滴普科技创始人、董事长兼CEO赵杰辉提出，企业智能化约70%的场景需要超越通用工具、深入业务纵深的深度能力。传统面向人工看报表的数据治理方式已经失去价值，现代数据治理必须完全面向模型训练与推理。滴普科技正围绕三大核心方向展开技术布局：

一、用自动化替代FDE，提炼“轨迹数据”价值

赵杰辉指出，把企业数据转成Wiki知识库仅是第一步，Wiki只能满足概念检索与问答，缺少执行业务规则和动作的能力。例如，工业现场拍下一张设备故障照片，仅靠Wiki只能识别故障类型，而具备本体能力的系统才能完成全局故障定位并下发处置动作。

滴普科技通过Deepexi企业大模型，将多模态数据从Wiki自动抽取为本体。在此过程中，系统首次生成的结果往往不够精准，人类专家在调整、纠错时沉淀的“轨迹数据”才是最核心的资产。滴普科技基于400余家企业服务实践积累的轨迹数据，构建了Deepology企业本体数据集，用算法替代大量FDE的重复工作，显著提升每个Token的业务价值。

二、双层规划与模型路由，打掉Token推理成本

随着端侧和轻量化模型性能跃升，企业场景无需在所有任务上都堆叠超大模型。大尺寸模型存在延迟高、算力成本高的问题。

滴普科技在推理阶段引入“业务语义层Plan”和“通用执行层Plan”的双层规划机制。系统先根据任务的语义需求进行步骤拆解，再自动路由至适配的模型节点。在多数生产场景下，轻量模型（如DeepSeek V4 Flash等）即可在本地桌面端稳定运行，实现兼顾响应速度与运行成本的最佳平衡。

三、DeepWorks连接遗留系统，让Token接入主生产流程

智能化落地必须真正嵌入工作流。滴普科技推出的企业AI智能体平台DeepWorks，核心定位是打通企业原有的ERP、大数据平台等遗留系统。通过对话式交互与底层本体的结合，系统可直接调取部署环境、提取配置资料、执行业务流程，让Token真正参与到企业的核心经营与生产链路中。

行业模型是伪命题，企业私有逻辑才是护城河

针对行业大模型的讨论，赵杰辉认为，只要数据公开，通用行业知识很快就会被基础大模型吸收吸收。真正无法在企业间泛化的，是各企业独特的生产管理与经营决策逻辑（如服装零售中的OTB采买整合）。这些非公开的核心流程，任何基础模型都无法直接习得。

此外，在工业制造与前沿科学（AI for Science）等场景中，多模态表征门槛极高。例如工业排障既需要静态图纸等低频文档，又必须对齐设备振动等高频IoT时序数据。将不同采样频率、不同逻辑的数据在统一空间内对齐，同样依赖高精度的语义本体支持。

在与华为云的联合实践中，滴普科技正在改变传统数月周期的项目实施方式：通过直接输入会议沟通记录，系统即可主动推断信息缺口、自动化设计数据质量规则，并在人机交互的纠错轨迹中完成物理表构建与平台对接，使模型越用越精准。