过去两年，大模型在企业里的角色一直有些“克制”。

在多数公司里，它们被用来写文案、做总结、生成报表，确实提高了一些效率，但很少真正进入企业的业务流程。原因并不复杂：大模型可以理解语言，但企业的数据往往分散在ERP、CRM、生产系统等多个系统中，业务逻辑复杂且高度专业，让AI真正读懂企业并不容易。

不过情况正在发生着变化。

3月12日，滴普科技发布升级版Deepexi企业大模型，并推出由Deepexi企业大模型、FastAGI企业智能体平台与FastData Foil企业数据融合平台组成的Deepexi OS AI级企业操作系统。

与此前很多企业AI产品不同，这套体系的核心目标是解决更基础的问题：如何让AI真正理解企业，并参与到企业的业务运转中？

滴普科技创始人、董事会主席、执行董事兼首席执行官赵杰辉在发布会上表示：“在企业里面落地AI最后只有一个落脚点，怎么持续基于企业自身的业务知识和业务状态生产并正确使用AI员工，最终怎么规模运行和生成批量AI员工，让它能够辅助解放人类的工作。”

当模型能够理解企业业务，并在系统中持续执行具体任务时，大模型本身就会成为企业运行的一部分。

信号出现，企业AI员工，开始落地并规模化

这次滴普科技的升级，被行业解读为是对企业AI发展阶段的一次提前押注。把时间拉长来看，此刻企业AI赛道已经同时出现了政策信号、资本信号以及技术信号，三个信号叠加，代表着企业AI正从技术探索阶段逐渐进入规模化落地阶段，AI员工将会在未来规模化落地。

首先是政策信号。

在2026年政府工作报告中，“人工智能+”再次被明确提出，重点方向已经从过去的算力基础设施与模型能力建设，转向AI应用与产业落地。报告提出要推动新一代智能终端与智能体加快推广，并推动重点行业领域实现人工智能的商业化、规模化应用。

这一变化意味着，AI产业的关注重点正在从供给侧走向需求侧。过去几年政策更多关注算力、算法和模型能力建设，而在新的阶段，企业级AI应用正在成为人工智能产业真正的需求市场，而解决问题的AI员工成为企业关注重心。

第二个信号来自资本市场。

近期，滴普科技发布盈利预告并被纳入港股通。一家长期深耕企业AI的公司，开始走出技术验证阶段，进入持续收入阶段，本身就具备象征性意义。

在资本市场的逻辑中，企业AI正逐渐具备稳定商业模式。随着收入结构和客户规模逐渐清晰，投资者对企业AI的估值方式，也可能从单纯的技术叙事，转向可复制、规模化的企业AI员工平台与基础设施公司的长期价值逻辑。

第三个信号，则来自技术本身。

过去十年，企业数字化已经经历了多轮技术浪潮。从ERP到BI，再到数据中台，企业系统不断升级，但AI始终没有真正成为企业内部的核心能力。

其中一个关键原因在于，企业数据与互联网数据完全不同。互联网数据通常公开、标准化、规模庞大，适合大模型训练；而企业数据分散且充斥着诸多非结构化信息，同时又强烈依赖具体业务语境。这意味着，即使模型具备很强的语言理解能力，也很难真正理解企业的业务逻辑。

因此，在过去一段时间里，大模型在企业中的应用往往停留在问答、总结或检索层面，很少能够直接参与业务流程。

直到字节跳动推出Trae IDE、阿里推出通义灵码，海外Cursor、GitHub Copilot等产品已实现规模化落地，代表AI for coding技术加速泛化。开源AI执行网关OpenClaw的爆火，与AI for coding形成技术合力。AI开始承担更具执行性的任务，例如自动分析业务数据、动态调整生产计划、执行运营策略，甚至直接调用系统完成操作。

而当AI终于能够参与具体业务动作时，企业AI员工才真正具备落地的可能。

在这一背景下，滴普科技此次升级Deepexi企业大模型，并推出Deepexi OS AI级企业操作系统，本质上是试图抓住这一技术转折点：在理解企业之后，AI也能进行下一步，在企业中真正开始工作，成为AI员工。

当政策导向、资本信号与技术能力同时发生变化时，往往意味着一个产业阶段的切换。以滴普科技为代表的一部分长期耕耘企业市场的技术公司，已经做好了准备。

企业要想“养”AI员工，得让TA们读懂企业业务

让AI真正理解企业，为企业做实事，一直是滴普科技尝试解决的问题。

在滴普科技创始人、董事会主席、执行董事兼首席执行官赵杰辉看来，企业AI能否落地，成为企业AI员工，很大程度取决于一个长期被忽视的能力——数据治理能力。

当前，企业数据治理其实已经经历了三轮演进。

过去二十年，企业数字化的核心是业务软件系统。以SAP、Oracle为代表的企业软件，将企业流程拆解为系统模块，通过软件界面管理业务流程，同时将企业经营数据沉淀为结构化表格数据。在这一阶段，数据治理更多依赖业务软件叠加指标体系。

随着企业数据规模不断扩大，行业开始进入数据仓库与数据湖阶段。结构化与非结构化数据可以被统一存储，并通过数据模型进行管理。一些公司开始尝试通过本体建模的方式理解企业数据结构，例如Palantir的Ontology模型。但这一阶段仍然高度依赖工程师——企业需要大量FDE（Forward Deployed Engineer）工程师手动梳理指标体系、业务逻辑与知识关系，再将其转化为数据模型。

赵杰辉表示，AI技术的持续发展让数据治理进入第三阶段。通过大模型训练，企业可以将表结构、业务逻辑与知识体系输入模型，模型便能够自动生成企业本体模型。这意味着原本依赖工程师手动构建的数据模型，开始由模型自动生成。

最终能够直接交付给客户的，是企业大模型本身。

在这一背景下，叠加Agent技术逐渐成熟，企业AI的核心交付件也开始发生变化——AI要从工具，脱胎为能够参与业务执行的AI员工。

因此，滴普科技将“理解企业业务+执行任务”作为企业AI的核心能力，并在此次发布会中推出升级的Deepexi企业大模型。

具体来看，Deepexi企业大模型主要通过两个层面来实现这一目标。

第一层是理解能力，通过本体建模，让AI理解企业。

企业的数据往往分散在多个系统之中，数据之间虽然存在逻辑关系，但这些关系往往需要依赖工程师手动梳理和建模。滴普科技的思路，是通过数据治理形成Deepology企业本体数据集，再让Deepexi基于这一数据集进行训练，并通过“本体思维链”的方式自动构建企业业务语义结构。在这一机制下，AI可以自动生成企业本体模型，梳理业务语义关系，并理解企业的业务流程。换句话说，企业复杂的数据体系会被转化为AI可以理解的业务结构，也就是AI员工的企业知识学习阶段。

第二层是执行能力，让AI可以直接参与业务操作。

升级后的Deepexi不仅能够进行分析，还具备直接调用和生成代码的能力，例如输出SQL、Python以及前端代码。这意味着AI不再只是给出分析结果，而可以直接查询数据库、处理数据，甚至通过代码对接企业后台系统或工具。当理解能力与执行能力结合时，AI的角色就从建议者变成了执行者，企业通过Deepexi企业大模型“培养”出了懂自己、能干事的AI员工。

在这一架构中，Deepexi企业大模型负责的是企业业务理解，而滴普科技提出的Deepexi OS AI级企业操作系统，则试图构建一整套企业AI的基础设施。

这套系统除了Deepexi企业大模型之外，还包括两个关键组件。

FastAGI企业智能体平台主要负责任务规划与执行。平台通过Skills技能体系，将企业常见业务任务抽象为可复用能力，目前已经沉淀了包括工程设计、运营决策、数据运维等在内的多类企业技能，使多个AI数字员工可以协同完成复杂任务。

FastData Foil企业数据融合平台则负责企业数据治理与解析。平台能够处理包括语音、视频以及空间数据在内的多模态数据，并持续构建企业本体数据体系，为模型训练与推理提供数据基础。

三者结合后，企业可以完成从数据治理、模型训练，到智能体执行的完整链路。对应的就是AI员工在企业中接受培训、熟悉业务、到独立完成工作的全过程。

也就是说，滴普科技试图提供给企业一套能够支撑AI员工规模化落地的企业AI基础设施。

企业AI即将迎来爆发期

在滴普科技看来，如果说过去的软件系统解决的是信息管理的问题，那么在未来，企业的核心智能能力将逐渐由企业大模型来承担。

如果从商业化进度来看，企业AI的发展已经开始印证这一观点。

截至2025年6月30日，滴普科技累计服务企业客户283家。从收入结构来看，2025年上半年FastAGI与FastData分别贡献55.3%与44.7%的收入，同时根据滴普科技2025年的正面盈利预告，FastAGI业务营收同比增长超175%，不难看出滴普科技的AI业务已成为新的增长引擎。

过去，企业AI项目往往以定制化交付为主，需要大量工程师参与实施，收入模式更接近咨询或项目服务。而当产品收入占比持续提升时，意味着企业AI正逐渐从项目制模式走向平台化模式。在企业软件行业中，这往往是商业模式走向稳定的重要标志。某种程度上，这也意味着企业AI正在从技术验证阶段进入规模化商业阶段。

这种变化与市场需求的转变密不可分。

IDC数据显示，2025年中国企业AI服务市场规模预计将达到456亿元，年复合增长率为38.2%。而企业级AI Agent市场规模目前约为232亿元，预计到2027年将突破655亿元，成为AI应用中增长最快的赛道之一。

如果从产业结构来看，AI产业大致可以分为基础模型、应用层以及基础设施层这三层，其中，基础模型提供通用能力，应用层负责具体场景落地，而基础设施层则负责支撑整个系统的运行。

企业AI的特殊之处在于，它往往同时覆盖应用层和基础设施层。一方面，企业AI需要通过Agent或AI数字员工参与业务执行；另一方面，又需要企业大模型、数据平台等底层能力来支撑系统运行。

这种“双层结构”使得企业AI成为AI产业中最具规模潜力的市场之一。

也正因此，包括OpenAI、微软、英伟达在内的多家全球科技公司，都在持续加大对企业AI生态的投入：OpenAI正通过ChatGPT Enterprise、Assistants API以及企业Agent能力将模型能力嵌入企业软件体系；微软则依托Azure AI与Copilot体系，把AI深度整合进Office、Dynamics和开发工具链，试图把企业AI变成下一代软件平台；英伟达则从另一条路径切入，通过CUDA、DGX、NIM推理服务以及AI工厂架构，为企业部署和运行大模型提供算力与基础设施。

在赵杰辉看来，当企业大模型能够真正理解企业业务，并与数据平台、智能体系统形成完整基础设施时，企业AI员工的落地路径将逐渐清晰。企业数字化系统的核心交付件，将从软件系统，逐渐演变为AI数字员工体系。而围绕企业数据、业务理解和执行能力构建的企业大模型，也将成为下一代企业IT建设的核心基础。

从更纵深的视角来看，企业AI的发展路径，某种程度上正在重复过去企业软件行业的演进逻辑。

早期企业数字化的核心交付件是软件系统，帮助企业完成信息化和流程化；随后数据平台成为新的基础设施，企业开始围绕数据进行决策和运营；而在AI时代，企业逐渐“雇佣”一批能够持续工作，且快速了解公司，快速上手做执行的企业AI员工。未来，企业数字化的核心交付件将是：企业大模型。

顺着这一清晰的逻辑和趋势，那么企业AI有可能，也必然会成为AI产业规模最大的落地方向之一。