在2026 ITValue Summit数字价值年会上，滴普科技创始人、董事长兼CEO赵杰辉系统阐述了公司在企业AI领域的技术路线与产品策略。他指出，传统数据治理已失去价值，因为其产出是给人看的指标，而当前数据治理必须面向模型训练与推理。基于这一判断，滴普科技正围绕Deepexi企业大模型、Deepology数据集和DeepWorks智能体平台构建企业语义底座。
赵杰辉认为，本体作为将企业数据、知识、业务逻辑结构化表达的体系，其搭建过程高度依赖人工，难以快速复制到更多行业。滴普科技的解决路径是用自研Deepexi企业大模型将企业多模态知识从Wiki自动抽取为本体。在此过程中，公司通过服务超过400家离散制造企业积累的调整与纠错记录，构建了Deepology企业本体数据集。赵杰辉强调，最珍贵的不是原始数据，也不是系统首次生成的结果，而是人在调整、纠错过程中留下的轨迹数据，这些轨迹能让模型越用越准。
滴普科技当前聚焦三件事。第一，用Deepexi企业大模型实现FDE工程师工作的自动化替代，提升Token的业务价值。第二，投入推理效能与模型路由研发，构建业务语义层与通用执行层两层Plan能力，按任务类型选择模型以控制Token成本。赵杰辉表示，大部分企业场景不需要最强模型，Deepseek V4 Flash等即可在本地桌面运行。第三，通过DeepWorks企业智能体平台打通ERP等遗留系统，让Token进入生产主流程。
赵杰辉对行业模型的价值提出明确质疑。他认为，公开的行业知识很快会被基础模型吸收，真正无法泛化的是企业内部的生产和经营决策逻辑。他以OTB整合为例，指出经营数据的调整逻辑企业通常不会公开，基础模型无法学习。滴普科技的业务已覆盖制造、零售、公共事业，近期还拓展至AI for Science领域，与实验室合作整合实验数据与论文知识。
赵杰辉还提及与华为云联合发布的方案。该方案改变传统数据治理需三到六个月实施的模式，通过与客户开会时直接录音，将多模态知识自动抽取为本体，大幅缩短交付周期。这一思路的核心在于，将模型路由与语义基础建设转化为自动化过程，从而降低企业AI落地的门槛。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
