大模型時代到來之前，大多企業即使實現了數據要素資產化，但是因為缺少先進的數據資產的生產工具，從而都很難擁有真正的數據智能。
很少有人知道，在國內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運營團隊跟進商品“訂貨、補貨、調貨”等一系列的業務運營動作。
這支團隊的工作，是梳理百麗時尚全國所有鞋款的銷售、庫存等信息，從而量化呈現每一雙鞋的生命周期——哪款賣得好；哪款滯銷；哪個城市偏愛什么鞋款……依托這些浩如煙海的數據，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，庫存優化和供應鏈管理，是品牌長遠發展的生命線。
給數據賦予智能，是個頗為復雜、耗時耗力的工程，在過去，這項工作就是“建模”：層層指標的疊加、復雜的運算、統一對數據邏輯和維度的定義……才能拼出一雙鞋的進銷存軌跡，通過人工整理成信息和知識，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，未來將逐步交給AI。
從2021年開始，百麗時尚開始與數據智能基礎設施提供商滴普科技合作，一套名為“麗影”的數據應用系統誕生。2022年底，隨著ChatGPT引領的生成式AI爆火，經過多年建設的數據實時湖倉平臺在AI大模型的加持下，將展現出更強大的生產力。
大模型的出現，讓滴普科技團隊感到興奮，理由很簡單，過去企業上線數據平臺后，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，為業務決策提供支持。而現在，這些“Know How”經過大模型訓練后，有了理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，可以理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”。舉個游戲場景的例子：斯坦福大學曾推出一款“虛擬AI小鎮”，其中有十余個身份各異的Agent居民，玩家可以與這些Agent自由交談，AI則會根據玩家行為，自主構建游戲副本。
放在To B場景內，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”，以貨品運營中的“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，先識別出供貨目標、綜合運算缺貨量等；然后對接到ERP后臺，通過調用系統API，通過應用系統操作將貨品調配到指定區域。
有點難理解？沒關系，對于使用者來說，只需在搜索框敲打出簡單的文字指令：“XX商品的補貨建議是什么？”之后，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趙杰輝談到：“對于企業來說，圍繞數據平臺建設以及基于數據實現智能化發展是一個非常正確的方向。盡管在過去的十年里，許多人在這個方向上遇到了很大的挑戰和困難。但是，隨著大模型在今年開始真正落地并與很多產業相結合，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月發布了企業大模型Deepexi，按照不同的行業指標和知識體系，為企業搭建相應的生產領域數據模型、供應鏈運營管理領域模型、財經管理領域模型、雙碳領域模型等等，既有“腦”，也有“手”，讓企業的數據資產發揮出真正的智能價值。同時配套滴普科技訓推一體機Fast5000E集群算力、實時智能湖倉平臺FastData數據能力，完整敏捷實現人工智能在產業端的應用落地。
大模型時代到來之前，大多企業都無法擁有真正的數據智能。
過去十年，大部分“智能”數據平臺，僅提供核心指標的篩查，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，單是理解“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“大數據產品”在企業內部形同虛設，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，花了很多錢買數據平臺工具，最后發現，除了大屏加報表，根本沒有深入的業務價值。如果要基于數據形成業務模型，需要投入不少的數據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，趙杰輝一語道破。
趙杰輝曾在華為、阿里云擔任高管，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，趙杰輝將中國的企業服務分成三個階段：
首先是標品工具時代。隨著Hadoop為代表的大數據基礎技術的廣泛應用，巨頭企業得以進行超大規模的離線數據處理，“大數據智能”展現出雛形，嘗到甜頭的企業開始大量購入種種數據底座、中臺工具。
可只有工具，并不能產生價值。
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，單一產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，摸清楚客戶供應鏈、庫存調度、產品銷售等實際特性，才能將數據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”，客戶確實有了更強的獲得感，可對于技術提供方來說，服務，意味著成本——大量的工程師進場，高昂的人/天部署費用，動輒按年計的實施周期，讓原本打著智能標簽的數字化項目，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：只賣標品，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，都只能用“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。
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，過去的數據平臺，為什么無法真正發揮價值？
如果說大模型和數據應用是高樓大廈，企業的數據資產就是地基，想要大廈建得穩，地基就要牢固。
曾經，企業數據資產的現實狀況并不盡如人意。尤其諸如電網這樣的大企業，內部系統錯綜復雜，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內部指標，形成一致的數據平臺。
其次，在大模型面世之前，數據平臺的理解能力非常有限，也就是說，機器還不夠“聰明”。前文提到過，想讓數據平臺有更機敏的反應決策能力，需要機器理解什么叫“爆款”、給出具體的補貨建議——這種自然語言理解能力，在相當長一段時間內都是限制數據智能的阻礙。
如今，隨著大模型帶來的智能涌現，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數據平臺加上AI Agent以及算力，數據平臺讓企業服務有一個基礎的數據底座，AI Agent能讓數據業務價值敏捷地實現，算力為大模型提供了堅實的基礎支撐。”趙杰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，也讓企業的數據治理能力顯著提升。以滴普科技提供的實時智能湖倉平臺FastData為例，其囊括了企業多業務數據集成、實時計算存儲、開發治理一體化平臺、數據分析標簽管理等模塊，能夠一站式解決企業數據分析的所有需求，給企業的數字化交付一個穩固的“地基”。
而在AI Agent工具層面，大模型也為數據智能帶來新的機遇，比爾蓋茨11月初曾撰文稱：“Agent 不僅將改變人們與計算機的互動方式，還將顛覆軟件行業，引發自從我們從鍵入命令到點擊圖標以來計算機領域的最大革命。”
為了盡早將大模型融入產品，從2022年底，滴普科技就開始著手研發AI Agent產品，經過半年多的時間打磨，目前已推出“FastAGI智能體平臺”產品，能夠實現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產品，就是利用眼下大語言模型的技術突破，實現交互式精確檢索數據/指標，生成豐富數據圖表，還可以自動調用系統API完成業務需求；同時，基于語義理解能力、個性化與自適應等核心能力，通過知識提取、組織、生成關鍵知識工程，實現企業知識的精準檢索及問答，提供專業、高效、準確的智能問答體驗。
滴普打造的雙碳模型，能夠定位分析企業碳因子，智能生成碳足跡報告
相比傳統IT的數據產品，趙杰輝告訴36氪，滴普科技的這套統一數據平臺（FastData）+AI Agent工具（FastAGI），有著巨大的革新意義。
首先，大模型賦予了數據平臺更快的部署能力。趙杰輝談到了國內某市的文旅管理部門的數據平臺案例，過去把這類客戶的數據平臺搭建完成后，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數據工具，只需要稍加梳理客戶的業務邏輯，2-3周就能落地產品，“和客戶聊起來會更簡單”。
其次，數據平臺+AI Agent工具的模式，讓曾經人力密集型的大數據工作得以“減負”；同時，大模型產品的易用性，還可以讓數字化產品下放到門店，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數據交互，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，從而迭代得更加聰明，成長為稱職的“數字店長助理”。
隨著大模型功能的逐漸強大，其背后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，共同進行產業創新實踐，成為業內首批實現行業落地的項目之一。Fast5000E是滴普科技與華為昇騰共同發布的一款AI服務器，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。
按照常規的中國企業服務思路：當一家To B 廠商構建起一套標準化產品，不論是數據平臺還是AI Agent工具，一個慣性的做法是：擴大標品的銷售額，減少定制化服務，以此做高項目收入和利潤。
可一味追求標準化、減少服務，就是企業服務正確的落地方式嗎？
答案是否定的。
“國內企業服務市場，總有一種執念，就是一定要做標準化，我們要放下這個執念。”在接受36氪專訪時，趙杰輝語氣堅定，“服務就是必不可少的！”他說。
需要特別點出的是，趙杰輝這里說的“服務”，不再是耗費高額人力成本的勞動密集型服務，而是更敏捷、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敏捷。
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，請大量工程師做的數據歸類、標注；邏輯梳理、指標定義等工作，大模型在簡單訓練下即可自行運作。前文提及的某市文旅數據平臺的迅速上線，就是大模型落地敏捷的真實寫照。
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，隨著大模型參數量的“卷”，行業里千億級別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，而是越匹配場景，越有效率。
“不是說模型越大越好，模型大意味著算力成本高；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。”趙杰輝談到。
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，滴普發布的企業大模型Deepexi，囊括了生產領域數據模型，供應鏈運營管理領域模型、財經管理領域模型、雙碳領域模型等。
“企業模型”的產品形態，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性價比。
規模化的復制性，也是滴普科技大模型產品的又一特色。
生產、供應鏈、財經管理、雙碳……從名稱就能看出，企業之間的領域語料是類似的。就拿供應鏈運營管理領域模型里的“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只需經過簡單調試，便可以適配不同類型的企業客戶。
產品的標準化打磨好了，服務依舊重要，只不過，服務的側重點，轉向了對企業業務的理解。
大模型的調優，需要高質量的場景數據，更需要精準的prompt（提示詞），想要企業模型更符合業務運行規律，就需要行業專家基于對業務流的深入理解，“喂”給機器合適的prompt，才能將企業模型訓練成理想狀態。
基于對行業的深刻洞察與豐富的數字化轉型經驗，滴普科技打造了以數據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，幫助企業完善數據基礎設施建設，并基于賦能各行業數字化轉型的經驗沉淀行業數據，進一步構建行業知識庫。
“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，而是數據平臺+AI。”趙杰輝對36氪總結道。
商業世界里，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，萬事萬物都從底層產生革命性變化，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。
