生成式 AI 的浪潮席卷全球，无数科技企业陷入“ 大模型竞赛” 狂欢。近期，滴普科技成功在香港联交所主板上市，成为港股“ 企业级大模型 AI 应用第一股”，受到市场高度关注。
在科技行业，很多企业追求“ 独门秘籍” 式的核心技术，但滴普科技却走出了一条不同的道路—— 以工程化能力为核心，结合先发优势构筑竞争壁垒。这种选择，既符合 ToB 行业的特点，也体现了滴普科技务实的做事风格和技术理念。
具体来看，滴普科技的策略是：基于 FastData 数据平台 + DIC 数据治理服务 +模型后训练+ FastAGI 平台的专业服务能力，形成一体化优势。把数据、模型训练、Agent 体系打包，把苦活累活做出高毛利。“ 我不妄想一个产品比大厂的好 10 倍，但随着客户群扩大，在专业岗位替代上的产品和服务经验会越积累越深厚，可能真的比他们好。” 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如是说。
在 IDC 预测 2025 年全球信息和通信技术 （ICT） 市场总投资规模接近 5.9 万亿美元的宏大背景下，滴普科技在企业级大模型 AI 应用赛道上开辟出独特的增长曲线，其 2025 年上半年 55% 的毛利率数据，成为中国企业级 AI 领域的重要样本。
12 月 15 日，钛媒体 2025T-EDGE 年度大会暨 AI 全球对话上，钛媒体集团联合创始人、联席 CEO、ITValue 发起理事刘湘明与赵杰辉进行了一场对话，不仅对滴普科技的七年创业实现上市背后的经历进行分享，更探讨 ToB 业务的逻辑，以及 AI 时代对发展 ToB 业务的重构等话题。通过拆解“ 深度实践” 的实现路径与思考过程，还原中国企业数字化进程中的关键决策，赋能更多组织与个体。
精彩内容时间轴
创业历程与敲钟时刻
00:01:00 敲钟时刻与回顾 7 年创业之路
金句：别去想太多在模式上的创新…… 正确的方式一直在，那就是要敬畏客户的价值、敬畏技术的发展、敬畏市场的变化。
00:14:20 ToB 业务的“ 第一性原理”
金句：ToB 业务的第一性原理是以技术进步创造客户价值。即使服务投入大、毛利承压，也不应背离这一原则，而应在坚持价值创造的前提下，通过可视化经营、产品迭代与服务能力升级，将“ 苦活累活” 转化为高毛利业务—— 关键在于持续抽象通用能力，并把服务中的痛点产品化。
00:37:20 组织文化的核心：沉淀“ 盲目相信组织” 的人
金句：组织文化比组织架构更重要，关键在于沉淀“ 盲目相信组织” 而非仅是“ 理性正确” 的人。
产品与技术演进：从数据平台到 AI 企业操作系统
00:28:10 滴普科技产品理念——“ 两横三竖” 企业级 AI 能力
金句：第一横是企业所有的数据和知识融合平台 （FastData），第二横是企业模型工程平台 （FastAGI）。三竖是三大智能体：DataSense（运营决策）、DeepSense（专业知识）、以及正在研发的新智能体。
01:00:00 拳头产品的行业壁垒在哪？
金句：技术壁垒不是“ 独门秘籍” 或专利算法，而是干“ 苦活累活” 沉淀出的工程化能力。
市场策略：如何打造中国版 Palantir
00:49:40 干苦活累活并干出高毛利
金句：把苦活累活干出高毛利，核心在于持续抽象通用能力和将服务痛点产品化。
01:10:30 符合中国 ToB 市场逻辑的 Palantir 模式：打造标杆客户，建立行业心智
金句：Palantir 的成功印证了这一路径：打造标杆客户 → 建立行业影响力 → 深度服务头部客户 → 反哺产品与服务迭代。这种“ 以深度换壁垒、以标杆带生态” 的模式，恰恰契合中国 ToB 市场的底层逻辑。
01:18:52 自建服务网络 （FDE/DIC） 的重要性
金句：服务能力必须自建 （不能外包），DIC（Deep Innovation Center） 就是中国的 FDE—— 能跟客户讨论业务问题、做咨询创新。
精彩语句
ToB赛道创业准则
ToB 赛道的残酷性恰是创业公司的机会所在。中国 ToB 市场规模庞大但服务不足，蕴含巨大发展空间。企业成功的关键并非模式创新，而是回归常识：敬畏客户价值、敬畏技术发展、敬畏市场竞争，踏踏实实做产品、大大方方做服务。
赵杰辉认为，企业做对的事情非常符合常识，核心在于三点敬畏：
- 第一是，敬畏客户价值。必须确保所做之事对客户真正有价值。无论以何种逻辑开启合作，若不能在客户侧持续创造实际价值，关系终将不可持续。这背后是优胜劣汰的自然法则。
- 第二是，敬畏技术发展。IT、人工智能、大数据等领域的技术迭代极快。若沉迷于过时技术，即使敬畏客户价值也无法创造新价值。必须快速迭代，用新技术创造新价值。
- 第三是，敬畏市场竞争。竞争对手在不断变化，从创始至今已换过多茬不同类型的公司。要直面越来越强的对手，学习其长处，但不能因此丧失自我，也不能闭目塞听。
2018 年创业时，赵杰辉看到的是互联网积累的数据处理能力与 ToB 行业传统 IT 体系之间的技术断层，核心机会在于产业数字化。成立之初，滴普科技的定位是：围绕大型 ToB 客户，基于智能化、数字化技术提升其效能。而在创业之时，ToB 领域正发生从“ 以流程为中心” 到“ 以数据为中心” 的架构范式转移，数据从流程附属品变为创新源泉和竞争优势的基础。
同时，赵杰辉认为，科技公司真正的“ 活下来” 不是 IPO 或短期存活，而是穿越多个技术周期。公司已成功穿越了大数据时代周期，正处于大模型时代的激烈竞争中，目标是占据市场份额并“ 熬过去”。未来已瞄向新的人工智能+时代，梦想成为平台能力更强的大厂。创业的本质是持续演进的旅程，而非终点。
从工具到智能体，三个核心能力是关键
2018 年前后是 ToB 科技服务创业的优质节点，数据为中心的转型成为行业共识，但大数据行业因“ 生产工具落后” 陷入低谷，制约了数据价值的释放。
大模型作为新生产工具的价值，解放了被 SQL 等落后工具束缚的数据生产资料潜力。产品演进经历了“ 零散工具→ 统一平台→AI-ready 融合体系→ 岗位智能体” 的完整路径，最终形成“ 两横三竖” 架构：底层是 FastData 平台与 FastAGI 平台，上层是三大智能体，通过“ 模型即应用” 理念整合数据、模型与工具，持续抽象产品厚度以提升毛利。赵杰辉指出：“ 不能只有一个基础模型，必须整合数据、模型能力、岗位思考能力及其所用工具。智能体是数据、模型和工具的融合。通过不断抽象产品厚度，降低前端工程师投入，提升毛利。”
谈及滴普科技近年来的产业/服务演进思路，赵杰辉表示，“ 我们早期就探索过 text to SQL，但泛化能力弱。2022 年下半年了解到大模型进展后，开始与客户探索将大模型与数据平台结合，做 AI for Decision（业务决策）。大模型作为新的生产工具，对解放数据生产资料的潜力提升巨大—— 直到有了大模型，数据才能真正发挥价值，实现任意角度、灵活的业务分析。”
当前，客户最大的挑战是如何让模型真正替代或增强岗位。流行的模型即应用、智能体等概念的背后，本质是数据处理能力、模型训练能力与工具对接能力的三位一体。
在赵杰辉看来，智能体这个概念现在还不统一，但它既不是基础模型，也不是 Agent 工具。从工具平台到行动系统， 真正的智能体不是孤立的基础模型或工具，而是能替代或增强一类岗位的完整体系，必须具备三大核心能力：场景数据处理、基于数据的模型训练，以及将模型无缝嵌入现有工作流的能力。
在这一认知体系下，滴普科技的产品逻辑已贯穿三层：AI for Decision、AI for 专业岗位、AI for 体力劳动者，均基于 FastData 的数据处理与 FastAGI 的模型训练能力构建。
技术壁垒不是“ 独门秘籍” 或专利算法，而是干苦活累活沉淀出的工程化能力。FastData 企业级数据智能解决方案的壁垒在于：一、处理复杂数据格式 （工程图纸、科学计算、GIS 等） 的产品化能力；二、知识本体建模 （知识逻辑体系构建） 的积累；三、Chat BI“ 一看就会，一做就对” 的 100% 准确率—— 跨 6 张表 join 查询，主流模型准确率仅 70-80%，通过大量工程技术优化可达 100%。FastAGI 企业级人工智能解决方案的壁垒在于模型评估与精准度管理能力。真正的护城河是：已经是牌桌主要玩家，客户没必要冒险找新人从头干。
FastData 企业级数据智能解决方案的三大工程壁垒
1. 复杂数据格式处理能力
服务头部客户过程中，不得不处理越来越丰富的数据格式：工程图纸 （如中国海诚、大族激光）、科学计算、GIS、三维空间、复杂表格等。做起来都挺难，但做得多了就产品化了。别人想从头来也没那么快。更关键的是，大部分基础模型训练的是互联网文本数据，企业级复杂格式数据处理很难。
2. 知识本体建模能力
ToB 客户中，一个图纸里的公式不会在图纸里讲清楚，所需参数可能在别的知识体系里，必须建模。这种 AI for Data Governance 能力不是单点技术，是干多了积累的。
3. ChatBI 的 100% 准确率
现在做 ChatBI 的人很多，但真正用起来能做到 100% 准确的极少。百丽每月 10 万次提问，各种复杂逻辑，要把数据在企业环境里准确组装起来，听着简单，实际是个特别繁琐的工程技术门槛。央企客户实测过最先进的国内外模型，跨 4-6 张表的 join 查询，最厉害的模型准确率也不超过七八成。我们增加了大量工程技术，可以做到接近 100%。企业产品必须"一看就会，一做就对"，这个能力沉淀在 FastData 里。
FastAGI 企业级人工智能解决方案的模型评估壁垒
FastAGI 也一样，要用 FastData 产生的数据知识体系，把开源模型后训练成企业精准模型。精准度要求极高，否则没有意义。背后是模型评估能力—— 怎么知道这个模型足够准确可以用了？“ 这是很多科学家的专题，我们在 FastAGI 有很多专业沉淀。不是说多大的科学发明，但模型精准度的持续迭代和管理有很多复杂逻辑。” 赵杰辉指出。
除了工程化能力，另一大壁垒是先发优势。赵杰辉表示，在 AI+产业或 ToB AI 落地这个切口做公司，先发优势非常明显。我们已经具备大量制造业、大消费、交通、医疗等领域的头部客户。技术迭代时，我可以快速引入，因为我有这些头部客户的覆盖和成功经验。这对很多后来者，无论大厂小厂，都是一种壁垒。
ToB业务的第一性原理
ToB 业务的第一性原理是以技术进步创造客户价值。即使服务投入大、毛利承压，也不应背离这一原则，而应在坚持价值创造的前提下，通过可视化经营、产品迭代与服务能力升级，将“ 苦活累活” 转化为高毛利业务—— 关键在于持续抽象通用能力，并把服务中的痛点产品化。滴普科技 2025 年上半年毛利率已提升至 55%。
刘湘明指出，中国 ToB 市场曾是“ 概念驱动”，但大模型填补了从概念到落地的技术空洞。
赵杰辉回应：没有白吃的苦，但要“ 聪明地吃苦”—— 经历数据中台、湖仓一体、多模态数据处理这些历程…… 每一环，关键在于吃苦时保持思考能力和概念辨别力，始终以第一性原理 （创造客户价值） 驱动技术迭代，而非盲目追逐或否定热概念。
在赵杰辉看来，把“ 苦活累活” 干出高毛利，核心在于持续抽象通用能力和将服务痛点产品化。FastData 沉淀的不仅是行业 Know-how，还有复杂数据格式的通用处理能力；FastAGI 抽象出 AI for Decision、知识本体建模等可复用的"能力层"，而非直接做具体岗位 Agent。技术进步 （大模型） 已大幅减少前端代码需求，关键在于：财务手段可视化 → 坚持"创造客户价值"第一性原理 → 用技术和产品抽象持续解决问题。
组织文化是应对变化的根本
赵杰辉认为，创业过程中组织与架构的调整是必然结果—— 没有创业者的商业计划书 （BP） 和组织架构能从创立保持到上市，不同发展阶段、收入规模及技术迭代，都会推动组织架构和人员构成的演化。但这些都只是表象，真正支撑企业穿越变化的核心是“ 组织文化”。
他坦言，初创者可能觉得“ 组织文化” 空洞无用，但走到一定阶段的创业者都会认可其价值。其团队的实践数据可佐证这一点：2018 年公司成立，年底仅 20 名员工，而这些人中有 16 位陪伴公司走到上市，共同赴香港敲钟。
组织文化比组织架构更重要，关键在于沉淀“ 盲目相信组织” 而非仅是“ 理性正确” 的人。技术迭代必然带来残酷的汰换，创始人必须主动承担责任—— 承认“ 是老板爱折腾”，但目标是让愿意同行的人越来越多。这是创始人无法回避的代价。
上市后账面的"安稳之路"与创业者"进取之路"的抉择，才是最大压力所在。转型不是痛苦选择，而是勤勉尽职的必然要求。拿着资源不求进取看似稳妥，实则让团队陷入舒适区，最终无法为股东、员工创造真正回报。“ 不是怕赌输，而是怕不敢赌”，才是滴普科技现在的最大压力。
深耕细分领域是创业企业的“ 护城河”
在赵杰辉看来，滴普科技与大厂竞争的护城河，不是妄想产品性能碾压，而是通过深耕专业岗位 AI（如决策、分析类），将数据平台、模型训练、智能体工具做成一体化解决方案，用“ 苦活累活” 的服务模式 （原厂资深专家+DIC 数据治理+模型后训练） 在局部战场形成“ 产品力+服务能力+成本结构” 的综合优势，把服务做出高毛利。
为什么 Palantir 要做 FDE？道理一样。创业公司在与大厂竞争中必须切到自己有优势的细分。赵杰辉认为，Palantir 的标杆客户+FDE 模式在中国高度可行，且符合本土 ToB 认知。
Palantir 的成功印证了这一路径：打造标杆客户 → 建立行业影响力 → 深度服务头部客户 → 反哺产品与服务迭代。这种“ 以深度换壁垒、以标杆带生态” 的模式，恰恰契合中国 ToB 市场的底层逻辑。
这个过程中，技术迭代、服务质量、认知进步必须比客户更快。服务能力必须自建 （不能外包），DIC（Deep Innovation Center） 就是中国的 FDE—— 能跟客户讨论业务问题、做咨询创新，还能基于产品做落地。这些综合能力就是前端工程师。研发团队压力虽大，但需求接纳有节奏，避免频繁打断。核心是让有商业思维的人主导技术决策。
赵杰辉表示，FDE/DIC 人员不是传统咨询顾问，而是兼具研发背景与业务理解力的复合型人才，而这种复合型人才市场上稀缺，只能自主培养。
赵杰辉表示，培养机制是“ 研发→ 一线实战→ 调回研发” 的循环流动—— 从研发输出到客户现场做 demo、做落地，积累项目经验后再调回研发，形成惯例。这种人才流动机制对公司组织文化考验极深，但已成为滴普科技的隐形门槛。
与此同时，赵杰辉指出，创业型企服公司需要找准自身赛道，而滴普科技就有自身的赛道规划—— 专业岗位的 AI 替代或增强，比如帮 CEO/CFO 做业务分析、决策报告。这类场景必须涉及专业岗位的知识与数据治理，除了产品还必须有服务，包括模型后训练、与原有工具对接 （MCP） 等。干这种苦活累活，做出水平、做出毛利，就是你的门槛。（文｜Leo 张 ToB 杂谈，作者｜张申宇，编辑丨盖虹达）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
