滴普科技赵杰辉，企业AI语义底座如何实现自进化

在2026 ITValue Summit数字价值年会的演讲中，滴普科技创始人、董事长兼CEO赵杰辉强调，企业AI的发展关键在于能否准确生成一个知识底座，让FDE（功能设计工程师）实现自动化。这一观点呼应了当前AI产业从技术竞争转向场景落地的趋势。

赵杰辉指出，传统数据治理已无法满足现代企业需求，因为其主要面向人类用户，而AI时代的数据治理必须服务于模型训练与推理。滴普科技通过自主研发的Deepexi企业大模型，将企业多模态知识从Wiki自动抽取为本体，并在此过程中沉淀"轨迹数据"，构建Deepology数据集。这种做法的核心在于，最珍贵的不是原始数据，也不是系统第一次生成的结果，而是人在调整、纠错过程中留下的轨迹数据，这些数据能让模型越用越准。

"我们正在做三件事"，赵杰辉进一步解释道。首先，通过Deepexi企业大模型，把企业多模态知识从Wiki自动抽成本体，并以超过400家企业服务中积累的轨迹数据构建Deepology数据集，让FDE实现自动化，提升Token价值；其次，优化推理效能和模型路由，打好语义基础，按任务选模型，解决Token成本问题；最后，通过DeepWorks平台打通企业ERP等遗留系统，让Token进入生产主流程。

"真正高门槛的不是行业模型，"赵杰辉补充道，"因为公开的行业知识很快会被卷入基础模型，真正无法泛化的是企业内部的生产和经营决策逻辑。"

赵杰辉的演讲不仅揭示了企业AI发展的新方向，也展示了滴普科技在构建企业级AI操作系统方面的创新实践。通过两条核心技术线和一个自进化闭环，DeepexiOS实现了将企业知识与经验变成真正工作的AI员工的目标。

"企业智能化中约70%的场景，需要超越通用工具、深入业务纵深的深度能力，"赵杰辉表示，"这正是本体价值的落脚点。"

这一理念在实际应用中得到了验证。例如，在制造业领域，滴普科技通过为大量离散制造企业提供数据治理和本体搭建服务产生的轨迹数据，构建了Deepology企业本体数据集和技能库。客户的一个会议纪要需求，会从L1到L5逐层搭建数据体系，这个过程中第一遍产生的数据不准确，就需要人工调整，而这个调整的过程就是"轨迹数据"。

"一句话来讲，我们就是把FDE工程师用模型去替代，这也是我们研发投入最大的部分。"赵杰辉总结道。

随着AI技术的快速发展，企业AI正从单纯的技术竞赛转向场景落地和价值创造。滴普科技的实践表明，构建可自进化的语义底座，是实现企业智能化的关键所在。