行业趋势：AI发展重心从技术转向产品化落地 - 2025年大模型行业的热度已从参数之争转向落地应用 行业普遍关注产品是否真正可用以及企业应用AI的卡点 [2] - 人工智能正从技术高山走向应用场景的大海 产品化被认为是未来三年的核心航向 [2] - 大模型技术火热已三四年 在IT行业中鲜有技术能维持超过五年的高关注度 其能保持长期热度的核心逻辑在于技术落地到产业后的产品化系统工程 [6] 企业级AI产品化的核心挑战 - 企业级AI的本质是对特定岗位知识体系与数据权限的精准复刻 而非通用模型 [3] - 挑战一：处理图纸、工艺文件等“非标准化”数据的能力 需将其转化为语料进行岗位训练 [3][9] - 挑战二：跨知识体系的建模能力 需将庞杂知识体系重新建模形成有逻辑的知识网络并注入模型参数 [3][9] - 挑战三：在复杂查询下保证100%准确整合数据的能力 例如在企业内部跨4至5张表进行关联查询的准确度目前大概率不超过70% [3][10] 从样品到产品的关键能力 - 如果模型不能解决复杂数据的解构、高精度的训练和知识的建模 只能称为样品而非产品 [2] - 从样品到产品化是一项系统化工作 需打通技术研发、场景适配、数据治理、知识沉淀的全链路协同 [6][7] - 核心能力包括解构复杂数据、建立知识体系以及对实时数据的精准组装 几项能力缺一不可 [3] - 如果不能综合形成“模型、数据、交互”的智能体 再先进的技术也只是一个无法规模化的样品 [3] 滴普科技的实践与解决方案 - 滴普科技于2025年10月28日完成港股上市 股票代码为1384.HK [6] - 公司定位为国内Data+AI领域的代表、企业级大模型AI应用第一股 正聚焦实体产业数字化转型需求 [2] - 底层企业级AI基础设施FastData解决企业多模态数据的处理 能快速将图纸、工艺文件等语料化、建模并组装 [12] - 基于FastAGI推动开源模型向企业专属岗位进化 达到极高精度以支撑岗位职能的高效运转 [12] AI在企业中的具体应用场景 - 应用已远超营销、广告、客服领域 深入大型企业的多个岗位 [6] - 在制造业如中国海诚 已深入设计、施工等现场技术员的替代 [6] - 第一类应用是经营决策岗位 通过DataDense产品 模型能按照企业认可的思维逻辑快速生成分析报告 [12] - 第二类应用是专业从业者岗位 如在建筑、机械加工领域 模型训练后能快速获取准确知识 替代工程师咨询 例如基于生产任务生成工艺逻辑并转化为OC代码下发到机头 [12] - 第三类研发方向是面向一线操作岗 旨在通过技术赋能优化作业流程、降低操作门槛 [13] - 对于蓝领工作场景 模型需具备视觉、语音能力 通过多模态技术生成精准操作指令来替代传统具身设备的手动遥控 [8] AI价值落地的关键路径 - 企业让AI完成岗位职能的第一步是系统梳理该岗位从业者沉淀的专业知识与工作逻辑 盘点其数据权限 [8] - 第二步是利用这些知识和数据权限对模型进行持续后训练 使其精准匹配岗位需求与专业场景 [8] - 企业数据虽治理难度高 但治理完成后凭借与业务场景的高度适配性 成为模型实现场景化落地的核心驱动力 [9] - 人工智能在产业落地必须经历产品化过程 需将模型、数据、交互深度融合才能称之为真正的智能体 [13]