大模型時代到來之前，大多企業即使實作了資料要素資産化，但是因為缺少先進的資料資産的生産工具，進而都很難擁有真正的資料智能。
01.百麗時尚的前沿思考與實踐
很少有人知道，在國内300多個城市擁有近萬家門店的百麗時尚集團，曾有一定規模的專業的貨品營運團隊跟進商品“訂貨、補貨、調貨”等一系列的業務營運動作。
這支團隊的工作，是梳理百麗時尚全國所有鞋款的銷售、庫存等資訊，進而量化呈現每一雙鞋的生命周期——哪款賣得好；哪款滞銷；哪個城市偏愛什麼鞋款……依托這些浩如煙海的資料，為門店提供貨品操作的依據和業務建議。
這是一項極為重要的工作。百麗時尚旗下擁有約20個品牌，對于這樣的大型時尚鞋服集團來說，庫存優化和供應鍊管理，是品牌長遠發展的生命線。
給資料賦予智能，是個頗為複雜、耗時耗力的工程，在過去，這項工作就是“模組化”：層層名額的疊加、複雜的運算、統一對資料邏輯和次元的定義……才能拼出一雙鞋的進銷存軌迹，通過人工整理成資訊和知識，才能做出業務決策。雖有機器輔助，但說這是人力密集型工種，也不過分。
這項工作，未來将逐漸交給AI。
從2021年開始，百麗時尚開始與資料智能基礎設施提供商滴普科技合作，一套名為“麗影”的資料應用系統誕生。2022年底，随着ChatGPT引領的生成式AI爆火，經過多年建設的資料實時湖倉平台在AI大模型的加持下，将展現出更強大的生産力。
大模型的出現，讓滴普科技團隊感到興奮，理由很簡單，過去企業上線資料平台後，還需要一定的人力來整理關于“Know How”的文檔，再根據文檔來開發各種表格和模型，為業務決策提供支援。而現在，這些“Know How”經過大模型訓練後，有了了解業務推理和自動化生成代碼的能力，從系統驗證的角度，“完全跑通了！”
而這種大模型的自生成能力，正是如今最流行的“AI Agent”。
所謂Agent，可以了解為一顆無需人為驅動、會根據上下文靈活使用工具的“人造大腦”。舉個遊戲場景的例子：斯坦福大學曾推出一款“虛拟AI小鎮”，其中有十餘個身份各異的Agent居民，玩家可以與這些Agent自由交談，AI則會根據玩家行為，自主建構遊戲副本。
放在To B場景内，AI Agent更會帶來巨大的業務價值。
對于企業來說，大模型是“大腦”，Agent就是“手”，以貨品營運中的“補貨”操作為例，當店員輸入建議補貨指令時，Agent就能自動生成SQL查詢代碼，先識别出供貨目标、綜合運算缺貨量等；然後對接到ERP背景，通過調用系統API，通過應用系統操作将貨品調配到指定區域。
有點難了解？沒關系，對于使用者來說，隻需在搜尋框敲打出簡單的文字指令：“XX商品的補貨建議是什麼？”之後，交給AI即可。
11月28日，在36氪舉辦的WISE2023 商業之王大會上，滴普科技董事長兼CEO趙傑輝談到：“對于企業來說，圍繞資料平台建設以及基于資料實作智能化發展是一個非常正确的方向。盡管在過去的十年裡，許多人在這個方向上遇到了很大的挑戰和困難。但是，随着大模型在今年開始真正落地并與很多産業相結合，這件事情可能會迎來一個新的起點。”
為了讓更多企業擁有大模型能力，滴普科技于今年9月釋出了企業大模型Deepexi，按照不同的行業名額和知識體系，為企業搭建相應的生産領域資料模型、供應鍊營運管理領域模型、财經管理領域模型、雙碳領域模型等等，既有“腦”，也有“手”，讓企業的資料資産發揮出真正的智能價值。同時配套滴普科技訓推一體機Fast5000E叢集算力、實時智能湖倉平台FastData資料能力，完整靈活實作人工智能在産業端的應用落地。
02. 大模型，中國To B市場的曙光
大模型時代到來之前，大多企業都無法擁有真正的資料智能。
過去十年，大部分“智能”資料平台，僅提供核心名額的篩查，比如XX鞋款上周賣了多少雙、還剩多少庫存；可如果想問機器，爆款排名？業務操作建議？機器就毫無招架之力，因為對于所謂的“智能系統”來說，單是了解“爆款”這個詞的定義，就已經是一個難以逾越的技術難題了。
也正因沒有達到真正的“智能”，市面上不少“大資料産品”在企業内部形同虛設，這也讓主抓數字化的CIO/CTO們感到焦慮。
“很多大集團的數字化負責人，花了很多錢買資料平台工具，最後發現，除了大屏加報表，根本沒有深入的業務價值。如果要基于資料形成業務模型，需要投入不少的資料開發工程師進行開發，這會讓項目毛利壓力很大”，對于企業數字化過程中的頑疾，趙傑輝一語道破。
趙傑輝曾在華為、阿裡雲擔任高管，2018年，他成立滴普科技，基于長期身處企業服務一線的深入觀察，趙傑輝将中國的企業服務分成三個階段：
首先是标品工具時代。随着Hadoop為代表的大資料基礎技術的廣泛應用，巨頭企業得以進行超大規模的離線資料處理，“大資料智能”展現出雛形，嘗到甜頭的企業開始大量購入種種資料底座、中台工具。
可隻有工具，并不能産生價值。
這便有了下一階段：重服務時代。企業服務，最大的難度在于客戶場景千千萬，單一産品很難滿足所有客戶需求，這就需要大量售前、工程師的角色加入，他們要前往客戶業務一線，摸清楚客戶供應鍊、庫存排程、産品銷售等實際特性，才能将資料工具在客戶真實的業務場景下發揮作用。
問題依然存在，企服公司從售賣工具，到“工具+服務”，客戶确實有了更強的獲得感，可對于技術提供方來說，服務，意味着成本——大量的工程師進場，高昂的人/天部署費用，動辄按年計的實施周期，讓原本打着智能标簽的數字化項目，成了人力密集型工種，也拖垮了無數企業服務公司的毛利。
這也讓中國的企業服務行業，如今走進了一個怪圈：隻賣标品，客戶不認；做重服務，廠商賠本。
縱觀近兩年的企業服務市場，不論是一級市場的融資規模，還是二級市場企服公司的上市境遇，都隻能用“低谷”來形容。
而大模型的出現，成了中國企業服務市場，在黑暗中的一線曙光。
03. 真正的資料智能：統一資料平台+AI Agent+算力
在描述大模型帶來的巨大變革之前，我們先來思考一個問題，過去的資料平台，為什麼無法真正發揮價值？
如果說大模型和資料應用是高樓大廈，企業的資料資産就是地基，想要大廈建得穩，地基就要牢固。
曾經，企業資料資産的現實狀況并不盡如人意。尤其諸如電網這樣的大企業，内部系統錯綜複雜，想要計算電費，幾百個系統都有各自的統計口徑；這就需要企業先統一内部名額，形成一緻的資料平台。
其次，在大模型面世之前，資料平台的了解能力非常有限，也就是說，機器還不夠“聰明”。前文提到過，想讓資料平台有更機敏的反應決策能力，需要機器了解什麼叫“爆款”、給出具體的補貨建議——這種自然語言了解能力，在相當長一段時間内都是限制資料智能的阻礙。
如今，随着大模型帶來的智能湧現，機器變得更加聰明，再加上諸如Llama這樣的開源大模型廣泛使用，降低了開發者使用大模型的門檻，上述問題被一一迎刃而解，曾經束縛中國企業服務市場的魔咒，正在被逐漸解開。
“中國的企業服務市場，真正的落腳點就是統一的資料平台加上AI Agent以及算力，資料平台讓企業服務有一個基礎的資料底座，AI Agent能讓資料業務價值靈活地實作，算力為大模型提供了堅實的基礎支撐。”趙傑輝指出了一條清晰的發展路徑。
持續多年的數字化轉型浪潮，也讓企業的資料治理能力顯著提升。以滴普科技提供的實時智能湖倉平台FastData為例，其囊括了企業多業務資料內建、實時計算存儲、開發治理一體化平台、資料分析标簽管理等子產品，能夠一站式解決企業資料分析的所有需求，給企業的數字化傳遞一個穩固的“地基”。
而在AI Agent工具層面，大模型也為資料智能帶來新的機遇，比爾蓋茨11月初曾撰文稱：“Agent 不僅将改變人們與計算機的互動方式，還将颠覆軟體行業，引發自從我們從鍵入指令到點選圖示以來計算機領域的最大革命。”
為了盡早将大模型融入産品，從2022年底，滴普科技就開始着手研發AI Agent産品，經過半年多的時間打磨，目前已推出“FastAGI智能體平台”産品，能夠實作Text-to-SQL（即通過文字自動生成查詢指令，比如查詢爆款）；Text to API（即通過文字指令自動拉取ERP等接口，完成諸如“補貨”這樣的業務動作）等功能。
簡單來說，滴普科技的AI Agent産品，就是利用眼下大語言模型的技術突破，實作互動式精确檢索資料/名額，生成豐富資料圖表，還可以自動調用系統API完成業務需求；同時，基于語義了解能力、個性化與自适應等核心能力，通過知識提取、組織、生成關鍵知識工程，實作企業知識的精準檢索及問答，提供專業、高效、準确的智能問答體驗。
滴普打造的雙碳模型，能夠定位分析企業碳因子，智能生成碳足迹報告
相比傳統IT的資料産品，趙傑輝告訴36氪，滴普科技的這套統一資料平台（FastData）+AI Agent工具（FastAGI），有着巨大的革新意義。
首先，大模型賦予了資料平台更快的部署能力。趙傑輝談到了國内某市的文旅管理部門的資料平台案例，過去把這類客戶的資料平台搭建完成後，需要梳理業務邏輯、搭SQL、調試參數……至少要3-5個月才能初見成效；現在有了大模型融合的資料工具，隻需要稍加梳理客戶的業務邏輯，2-3周就能落地産品，“和客戶聊起來會更簡單”。
其次，資料平台+AI Agent工具的模式，讓曾經人力密集型的大資料工作得以“減負”；同時，大模型産品的易用性，還可以讓數字化産品下放到門店，讓一線店長也能享受到數字化的紅利。
不僅如此，百麗時尚的店長們通過與機器的資料互動，還能讓百麗時尚的大模型學會店長的思考模式與行為邏輯，進而疊代得更加聰明，成長為稱職的“數字店長助理”。
随着大模型功能的逐漸強大，其背後的算力支撐顯得尤為重要。
不久前，雙方就大模型訓推一體機Fast5000E達成項目合作，共同進行産業創新實踐，成為業内首批實作行業落地的項目之一。Fast5000E是滴普科技與華為昇騰共同釋出的一款AI伺服器，搭載滴普科技Deepexi，能夠為企業落地大模型提供訓練與推理算力一體化解決方案，是滴普科技在算力層面的重要部署。
04. 打破執念，正視服務的價值
按照正常的中國企業服務思路：當一家To B 廠商建構起一套标準化産品，不論是資料平台還是AI Agent工具，一個慣性的做法是：擴大标品的銷售額，減少定制化服務，以此做高項目收入和利潤。
可一味追求标準化、減少服務，就是企業服務正确的落地方式嗎？
答案是否定的。
“國内企業服務市場，總有一種執念，就是一定要做标準化，我們要放下這個執念。”在接受36氪專訪時，趙傑輝語氣堅定，“服務就是必不可少的！”他說。
需要特别點出的是，趙傑輝這裡說的“服務”，不再是耗費高額人力成本的勞動密集型服務，而是更靈活、更智能、更懂客戶的服務。
換言之，企業服務市場需要正視的現狀，不是要不要定制化，而是如何把定制化變得更靈活。
如何破除中國To B領域“服務與毛利”難兩全的魔咒？答案依然是：大模型。
首先，在大模型的加持下，曾經需要花費高昂成本，請大量工程師做的資料歸類、标注；邏輯梳理、名額定義等工作，大模型在簡單訓練下即可自行運作。前文提及的某市文旅資料平台的迅速上線，就是大模型落地靈活的真實寫照。
服務的效率提升，可以直接對應到人力成本的降低。據36氪了解，滴普科技今年的合同和收入相比去年翻了一倍，毛利還比去年提高了15%。
再者，随着大模型參數量的“卷”，行業裡千億級别的大模型已層出不窮，可對于單個企業來說，參數量并不是越大越好，而是越比對場景，越有效率。
“不是說模型越大越好，模型大意味着算力成本高；我們為企業業務打造小而精的領域模型，不僅成本低，效率更高。”趙傑輝談到。
這也是滴普科技打造企業模型的原因。根據企業業務場景側需求，滴普釋出的企業大模型Deepexi，囊括了生産領域資料模型，供應鍊營運管理領域模型、财經管理領域模型、雙碳領域模型等。
“企業模型”的産品形态，也更符合企業客戶在數字化轉型中“小步快跑”的需求：先從單個領域入手，迅速跑出成果，總結經驗，再延伸至其他環節，這樣既保證大模型落地的效果更容易被看到，整體的數字化方案也更有成本效益。
規模化的複制性，也是滴普科技大模型産品的又一特色。
生産、供應鍊、财經管理、雙碳……從名稱就能看出，企業之間的領域語料是類似的。就拿供應鍊營運管理領域模型裡的“補貨建議”場景為例，“鞋王”百麗時尚可以用，其他零售品牌制造商也可以用。也就是說，滴普的企業大模型Deepexi隻需經過簡單調試，便可以适配不同類型的企業客戶。
産品的标準化打磨好了，服務依舊重要，隻不過，服務的側重點，轉向了對企業業務的了解。
大模型的調優，需要高品質的場景資料，更需要精準的prompt（提示詞），想要企業模型更符合業務運作規律，就需要行業專家基于對業務流的深入了解，“喂”給機器合适的prompt，才能将企業模型訓練成理想狀态。
基于對行業的深刻洞察與豐富的數字化轉型經驗，滴普科技打造了以資料智能為核心的業務價值創新服務DIC，DIC團隊由各行業領域的專家構成，幫助企業完善資料基礎設施建設，并基于賦能各行業數字化轉型的經驗沉澱行業資料，進一步建構行業知識庫。
“企業服務的邏輯開始簡化了。現在企業數字化，就是做全局智能化建設，不光是一個工具的事，而是資料平台+AI。”趙傑輝對36氪總結道。
商業世界裡，每個行業都有自身不同階段的發展曲線，每個周期也會誕生相應的共識。如今，我們站在AI爆發的當口，萬事萬物都從底層産生革命性變化，企業服務領域的從業者們，也需要新的指引，新的碰撞。企業模型，正在給中國To B市場，帶來新的曙光。