企业模型：中国To B市场的一道曙光

很少有人知道，在国内300多个城市拥有近万家门店的百丽时尚集团，曾有一定规模的专业的货品运营团队跟进商品“订货、补货、调货”等一系列的业务运营动作。

这支团队的工作，是梳理百丽时尚全国所有鞋款的销售、库存等信息，从而量化呈现每一双鞋的生命周期——哪款卖得好；哪款滞销；哪个城市偏爱什么鞋款……依托这些浩如烟海的数据，为门店提供货品操作的依据和业务建议。

这是一项极为重要的工作。百丽时尚旗下拥有约20个品牌，对于这样的大型时尚鞋服集团来说，库存优化和供应链管理，是品牌长远发展的生命线。

给数据赋予智能，是个颇为复杂、耗时耗力的工程，在过去，这项工作就是“建模”：层层指标的叠加、复杂的运算、统一对数据逻辑和维度的定义……才能拼出一双鞋的进销存轨迹，通过人工整理成信息和知识，才能做出业务决策。虽有机器辅助，但说这是人力密集型工种，也不过分。

这项工作，未来将逐步交给AI。

从2021年开始，百丽时尚开始与数据智能基础设施提供商滴普科技合作，一套名为“丽影”的数据应用系统诞生。2022年底，随着ChatGPT引领的生成式AI爆火，经过多年建设的数据实时湖仓平台在AI大模型的加持下，将展现出更强大的生产力。

大模型的出现，让滴普科技团队感到兴奋，理由很简单，过去企业上线数据平台后，还需要一定的人力来整理关于“Know How”的文档，再根据文档来开发各种表格和模型，为业务决策提供支持。而现在，这些“Know How”经过大模型训练后，有了理解业务推理和自动化生成代码的能力，从系统验证的角度，“完全跑通了！”

而这种大模型的自生成能力，正是如今最流行的“AI Agent”。

所谓Agent，可以理解为一颗无需人为驱动、会根据上下文灵活使用工具的“人造大脑”。举个游戏场景的例子：斯坦福大学曾推出一款“虚拟AI小镇”，其中有十余个身份各异的Agent居民，玩家可以与这些Agent自由交谈，AI则会根据玩家行为，自主构建游戏副本。

放在To B场景内，AI Agent更会带来巨大的业务价值。

对于企业来说，大模型是“大脑”，Agent就是“手”，以货品运营中的“补货”操作为例，当店员输入建议补货指令时，Agent就能自动生成SQL查询代码，先识别出供货目标、综合运算缺货量等；然后对接到ERP后台，通过调用系统API，通过应用系统操作将货品调配到指定区域。

有点难理解？没关系，对于使用者来说，只需在搜索框敲打出简单的文字指令：“XX商品的补货建议是什么？”之后，交给AI即可。

11月28日，在36氪举办的WISE2023 商业之王大会上，滴普科技董事长兼CEO赵杰辉谈到：“对于企业来说，围绕数据平台建设以及基于数据实现智能化发展是一个非常正确的方向。尽管在过去的十年里，许多人在这个方向上遇到了很大的挑战和困难。但是，随着大模型在今年开始真正落地并与很多产业相结合，这件事情可能会迎来一个新的起点。”

为了让更多企业拥有大模型能力，滴普科技于今年9月发布了企业大模型Deepexi，按照不同的行业指标和知识体系，为企业搭建相应的生产领域数据模型、供应链运营管理领域模型、财经管理领域模型、双碳领域模型等等，既有“脑”，也有“手”，让企业的数据资产发挥出真正的智能价值。同时配套滴普科技训推一体机Fast5000E集群算力、实时智能湖仓平台FastData数据能力，完整敏捷实现人工智能在产业端的应用落地。

大模型时代到来之前，大多企业都无法拥有真正的数据智能。

过去十年，大部分“智能”数据平台，仅提供核心指标的筛查，比如XX鞋款上周卖了多少双、还剩多少库存；可如果想问机器，爆款排名？业务操作建议？机器就毫无招架之力，因为对于所谓的“智能系统”来说，单是理解“爆款”这个词的定义，就已经是一个难以逾越的技术难题了。

也正因没有达到真正的“智能”，市面上不少“大数据产品”在企业内部形同虚设，这也让主抓数字化的CIO/CTO们感到焦虑。

“很多大集团的数字化负责人，花了很多钱买数据平台工具，最后发现，除了大屏加报表，根本没有深入的业务价值。如果要基于数据形成业务模型，需要投入不少的数据开发工程师进行开发，这会让项目毛利压力很大”，对于企业数字化过程中的顽疾，赵杰辉一语道破。

赵杰辉曾在华为、阿里云担任高管，2018年，他成立滴普科技，基于长期身处企业服务一线的深入观察，赵杰辉将中国的企业服务分成三个阶段：

首先是标品工具时代。随着Hadoop为代表的大数据基础技术的广泛应用，巨头企业得以进行超大规模的离线数据处理，“大数据智能”展现出雏形，尝到甜头的企业开始大量购入种种数据底座、中台工具。

可只有工具，并不能产生价值。

这便有了下一阶段：重服务时代。企业服务，最大的难度在于客户场景千千万，单一产品很难满足所有客户需求，这就需要大量售前、工程师的角色加入，他们要前往客户业务一线，摸清楚客户供应链、库存调度、产品销售等实际特性，才能将数据工具在客户真实的业务场景下发挥作用。

问题依然存在，企服公司从售卖工具，到“工具+服务”，客户确实有了更强的获得感，可对于技术提供方来说，服务，意味着成本——大量的工程师进场，高昂的人/天部署费用，动辄按年计的实施周期，让原本打着智能标签的数字化项目，成了人力密集型工种，也拖垮了无数企业服务公司的毛利。

这也让中国的企业服务行业，如今走进了一个怪圈：只卖标品，客户不认；做重服务，厂商赔本。

纵观近两年的企业服务市场，不论是一级市场的融资规模，还是二级市场企服公司的上市境遇，都只能用“低谷”来形容。

而大模型的出现，成了中国企业服务市场，在黑暗中的一线曙光。

在描述大模型带来的巨大变革之前，我们先来思考一个问题，过去的数据平台，为什么无法真正发挥价值？

如果说大模型和数据应用是高楼大厦，企业的数据资产就是地基，想要大厦建得稳，地基就要牢固。

曾经，企业数据资产的现实状况并不尽如人意。尤其诸如电网这样的大企业，内部系统错综复杂，想要计算电费，几百个系统都有各自的统计口径；这就需要企业先统一内部指标，形成一致的数据平台。

其次，在大模型面世之前，数据平台的理解能力非常有限，也就是说，机器还不够“聪明”。前文提到过，想让数据平台有更机敏的反应决策能力，需要机器理解什么叫“爆款”、给出具体的补货建议——这种自然语言理解能力，在相当长一段时间内都是限制数据智能的阻碍。

如今，随着大模型带来的智能涌现，机器变得更加聪明，再加上诸如Llama这样的开源大模型广泛使用，降低了开发者使用大模型的门槛，上述问题被一一迎刃而解，曾经束缚中国企业服务市场的魔咒，正在被逐渐解开。

“中国的企业服务市场，真正的落脚点就是统一的数据平台加上AI Agent以及算力，数据平台让企业服务有一个基础的数据底座，AI Agent能让数据业务价值敏捷地实现，算力为大模型提供了坚实的基础支撑。”赵杰辉指出了一条清晰的发展路径。

持续多年的数字化转型浪潮，也让企业的数据治理能力显著提升。以滴普科技提供的实时智能湖仓平台FastData为例，其囊括了企业多业务数据集成、实时计算存储、开发治理一体化平台、数据分析标签管理等模块，能够一站式解决企业数据分析的所有需求，给企业的数字化交付一个稳固的“地基”。

而在AI Agent工具层面，大模型也为数据智能带来新的机遇，比尔盖茨11月初曾撰文称：“Agent 不仅将改变人们与计算机的互动方式，还将颠覆软件行业，引发自从我们从键入命令到点击图标以来计算机领域的最大革命。”

为了尽早将大模型融入产品，从2022年底，滴普科技就开始着手研发AI Agent产品，经过半年多的时间打磨，目前已推出“FastAGI智能体平台”产品，能够实现Text-to-SQL（即通过文字自动生成查询指令，比如查询爆款）；Text to API（即通过文字指令自动拉取ERP等接口，完成诸如“补货”这样的业务动作）等功能。

简单来说，滴普科技的AI Agent产品，就是利用眼下大语言模型的技术突破，实现交互式精确检索数据/指标，生成丰富数据图表，还可以自动调用系统API完成业务需求；同时，基于语义理解能力、个性化与自适应等核心能力，通过知识提取、组织、生成关键知识工程，实现企业知识的精准检索及问答，提供专业、高效、准确的智能问答体验。

滴普打造的双碳模型，能够定位分析企业碳因子，智能生成碳足迹报告

相比传统IT的数据产品，赵杰辉告诉36氪，滴普科技的这套统一数据平台（FastData）+AI Agent工具（FastAGI），有着巨大的革新意义。

首先，大模型赋予了数据平台更快的部署能力。赵杰辉谈到了国内某市的文旅管理部门的数据平台案例，过去把这类客户的数据平台搭建完成后，需要梳理业务逻辑、搭SQL、调试参数……至少要3-5个月才能初见成效；现在有了大模型融合的数据工具，只需要稍加梳理客户的业务逻辑，2-3周就能落地产品，“和客户聊起来会更简单”。

其次，数据平台+AI Agent工具的模式，让曾经人力密集型的大数据工作得以“减负”；同时，大模型产品的易用性，还可以让数字化产品下放到门店，让一线店长也能享受到数字化的红利。

不仅如此，百丽时尚的店长们通过与机器的数据交互，还能让百丽时尚的大模型学会店长的思考模式与行为逻辑，从而迭代得更加聪明，成长为称职的“数字店长助理”。

随着大模型功能的逐渐强大，其背后的算力支撑显得尤为重要。

不久前，双方就大模型训推一体机Fast5000E达成项目合作，共同进行产业创新实践，成为业内首批实现行业落地的项目之一。Fast5000E是滴普科技与华为昇腾共同发布的一款AI服务器，搭载滴普科技Deepexi，能够为企业落地大模型提供训练与推理算力一体化解决方案，是滴普科技在算力层面的重要部署。

按照常规的中国企业服务思路：当一家To B 厂商构建起一套标准化产品，不论是数据平台还是AI Agent工具，一个惯性的做法是：扩大标品的销售额，减少定制化服务，以此做高项目收入和利润。

可一味追求标准化、减少服务，就是企业服务正确的落地方式吗？

答案是否定的。

“国内企业服务市场，总有一种执念，就是一定要做标准化，我们要放下这个执念。”在接受36氪专访时，赵杰辉语气坚定，“服务就是必不可少的！”他说。

需要特别点出的是，赵杰辉这里说的“服务”，不再是耗费高额人力成本的劳动密集型服务，而是更敏捷、更智能、更懂客户的服务。

换言之，企业服务市场需要正视的现状，不是要不要定制化，而是如何把定制化变得更敏捷。

如何破除中国To B领域“服务与毛利”难两全的魔咒？答案依然是：大模型。

首先，在大模型的加持下，曾经需要花费高昂成本，请大量工程师做的数据归类、标注；逻辑梳理、指标定义等工作，大模型在简单训练下即可自行运作。前文提及的某市文旅数据平台的迅速上线，就是大模型落地敏捷的真实写照。

服务的效率提升，可以直接对应到人力成本的降低。据36氪了解，滴普科技今年的合同和收入相比去年翻了一倍，毛利还比去年提高了15%。

再者，随着大模型参数量的“卷”，行业里千亿级别的大模型已层出不穷，可对于单个企业来说，参数量并不是越大越好，而是越匹配场景，越有效率。

“不是说模型越大越好，模型大意味着算力成本高；我们为企业业务打造小而精的领域模型，不仅成本低，效率更高。”赵杰辉谈到。

这也是滴普科技打造企业模型的原因。根据企业业务场景侧需求，滴普发布的企业大模型Deepexi，囊括了生产领域数据模型，供应链运营管理领域模型、财经管理领域模型、双碳领域模型等。

“企业模型”的产品形态，也更符合企业客户在数字化转型中“小步快跑”的需求：先从单个领域入手，迅速跑出成果，总结经验，再延伸至其他环节，这样既保证大模型落地的效果更容易被看到，整体的数字化方案也更有性价比。

规模化的复制性，也是滴普科技大模型产品的又一特色。

生产、供应链、财经管理、双碳……从名称就能看出，企业之间的领域语料是类似的。就拿供应链运营管理领域模型里的“补货建议”场景为例，“鞋王”百丽时尚可以用，其他零售品牌制造商也可以用。也就是说，滴普的企业大模型Deepexi只需经过简单调试，便可以适配不同类型的企业客户。

产品的标准化打磨好了，服务依旧重要，只不过，服务的侧重点，转向了对企业业务的理解。

大模型的调优，需要高质量的场景数据，更需要精准的prompt（提示词），想要企业模型更符合业务运行规律，就需要行业专家基于对业务流的深入理解，“喂”给机器合适的prompt，才能将企业模型训练成理想状态。

基于对行业的深刻洞察与丰富的数字化转型经验，滴普科技打造了以数据智能为核心的业务价值创新服务DIC，DIC团队由各行业领域的专家构成，帮助企业完善数据基础设施建设，并基于赋能各行业数字化转型的经验沉淀行业数据，进一步构建行业知识库。

“企业服务的逻辑开始简化了。现在企业数字化，就是做全局智能化建设，不光是一个工具的事，而是数据平台+AI。”赵杰辉对36氪总结道。

商业世界里，每个行业都有自身不同阶段的发展曲线，每个周期也会诞生相应的共识。如今，我们站在AI爆发的当口，万事万物都从底层产生革命性变化，企业服务领域的从业者们，也需要新的指引，新的碰撞。企业模型，正在给中国To B市场，带来新的曙光。