明敏 杰西卡 发自 凹非寺

量子位 | 公众号 QbitAI

大模型AI应用在消费级市场的爆发，已引发各界广泛关注。

GPT引发的首次热潮，以及DeepSeek之后，众多中国大型模型AI应用的不断涌现，涵盖了从AI智能助手到AI陪伴应用，乃至AI在各个领域的具体产品，应用层面实现了全方位的爆发式增长。

然而，实际上存在另一条常被忽视但需求明确、备受瞩目的赛道，其发展势头更为强劲——那就是企业级大型模型人工智能应用领域。

这一趋势已有诸多现实印证。

AI、云计算以及企业服务领域的领军企业竞相推出AI应用开发平台，旨在满足企业对生成式AI的采纳需求；据IDC预测，我国生成式AI软件市场预计将膨胀至354亿美元规模。在国家层面，更是强调了应用导向的重要性，并致力于促进人工智能产业的稳健与有序发展。我国拥有丰富的数据资源、健全的产业架构、广泛的应用场景以及庞大的市场潜力。

近期，滴普科技，一家致力于企业级大模型AI应用落地的专业服务商，已正式开启其赴香港证券交易所的首次公开募股之路。这一举措不仅彰显了该领域的热度，同时也昭示了企业市场竞争的新趋势：

在企业市场领域，竞争的焦点正逐步从“模型能力”这一方面，转变为对“落地能力”的追求。具备推动“Data+AI”双重引擎发展能力的个体或企业，将能够更迅速地占据市场先机。

正在高速爆发的企业级大模型AI应用赛道

在过去的一年里，大模型领域的发展始终围绕两大核心原则展开：一是追求更高的智能化水平，二是力求实现更高的经济效益。

所取得的成效表明，这些大型模型不仅拥有了更卓越的推理功能，而且其API服务的价格已经连续多次大幅下降。这一变化恰好迎合了大型模型AI技术实现大规模应用推广的关键需求。

企业界长期对智能化变革抱有迫切愿望。在数字化转型的浪潮中，众多企业已经搭建起了自身的IT架构、数据库以及数据湖仓平台，然而，内部数据的潜在价值尚未得到充分开发。

大模型的出现恰逢其时，能够有效解决这一难题。人工智能技术不仅能对现有工作流程进行优化，提高工作效率，还能催生新的业务价值。以电商行业为例，借助AI技术，可以实现个性化广告投放，从而提升广告的点击率并减少获取单个客户的成本；在零售领域，AI技术可以优化仓储和调度流程，预测销售趋势；而在电力行业，AI技术则能实现按需动态供应，既节省资源又降低企业的用电成本。

Gartner发布的报告预计，到了2026年，超过八成企业会在生产环节广泛运用生成式AI的API和模型，并开始实施配备生成式AI的应用。换句话说，届时企业对AI应用的使用将变得和现在使用OA软件一样普遍，而那些没有采用AI应用的企业很可能会在市场竞争中处于不利地位。

但有了模型，并不意味着就能将技术转化为实际生产力。

企业的需求往往既复杂又多变，单一的模式往往难以与多样化的场景需求完美对接。即使将多个单一模型简单相加，也难以构建出既精确又高效的产业链条。

异构系统整合的难度大，行业知识迁移的费用高，端到端部署的过程繁杂，这些挑战在金融、制造、零售等关键领域尤为明显。同时，数据孤岛现象、算力分配问题、安全合规要求以及幻觉率高等问题错综复杂，使得众多企业的AI转型面临“技术虽先进却难以落地”的困境。

换言之，企业对于人工智能技术的需求正以指数的方式迅速上升，然而，其技术实施的能力尚不能与需求的快速发展同步。

这种矛盾促使人们意识到，纯粹的AI大模型作为信息技术的一部分，与企业实际应用之间存在着一定的隔阂，难以实现完全的无缝对接。若将AI功能封装成即插即用的智能体应用，并以组件形式通过标准化的接口与业务场景相连接，或许能取得更好的效果。

终究，应用本身便是一个功能集成的平台。在信息技术架构中，这些功能可以像插件那样随时接入使用，同时还能根据具体场景的实际需求进行相应的开发调整。即便是在如今以人工智能大型模型为技术驱动力的时代，这一特性依然未发生改变。

这类新商业模式的供给者，现多被称作企业级大模型AI应用解决方案的供应方，它们通过提供端到端的AI全流程实施服务，进一步深入企业应用场景，并迅速融入行业专业知识，从而凸显出其价值。这些企业使得客户无需构建庞大的技术团队，即可迅速掌握AI技术，同时也在根本上革新了AI应用的边际成本构成。

这种新型商业模式，凭借“轻资产落地”和“场景化适配”两大核心优势，精确瞄准了企业在智能化转型过程中的效率瓶颈，其商业价值正迅速转变为市场规模爆炸性的增长态势。

弗若斯特沙利文的数据显示，在企业级大模型AI应用解决方案市场，以收入为标准，2024年的市场规模已攀升至386亿元，并且预计到2029年，这一数字将增至2394亿元，从2024年至2029年，年复合增长率预计将达到44%。

滴普科技作为我国率先投身于企业级大模型AI应用落地的专业服务商，在2024年成功实现了2.43亿元的营收，近三年的年均增长率高达55.5%，目前在国内市场中占据了4.2%的份额，并预计到2025年这一比例将进一步提高至4.4%。

招股书中提及，至2024年12月31日，滴普科技已向245家企业客户提供服务。在这其中，有81名客户进行了二次购买，复购率达到了33.1%。这些客户涵盖了消费零售、制造业、医疗、交通等多个领域的行业领军企业。这一数据充分展现了滴普科技客户对其“数据+AI”全流程行业服务的高度认可。

目前，滴普科技自成立以来不过七年，却成功吸引了高瓴资本、IDG资本、五源资本和BAI等众多知名投资机构的青睐，成为一家专注于企业级大模型AI应用解决方案的提供商。此次冲击IPO，实则反映了大模型AI应用在行业市场正迎来爆发式增长，而滴普科技正是这一趋势下的一个标志性案例。

其明确指出，在这一从局部到整体的发展过程中，尽管企业级大型模型人工智能的应用领域相较于消费级市场略显冷清，然而，它所涉及的却是实实在在的金钱交易和广泛的应用实践，其价值清晰可见，未来发展潜力巨大。

剩余的挑战，主要在于如何更高效、更迅速地促进企业对人工智能技术的应用发展。

一个时代有一个时代的企业级应用

技术变革推动了新兴业态的产生，同时也给商业领域带来了新的挑战。从信息技术时代跨越至互联网时代，再到如今的AI时代，每一次技术迭代都对企业价值创造、资源管理以及应对挑战的方式进行了重新定义。

在AI时代，企业级应用已超越了传统“流程工具”或“管理系统”的范畴，其核心功能转变为智能决策与自主执行。要构建此类系统，至少需具备以下三个方面的能力：

高质量数据基础设施与治理能力

企业专属大模型训练与适配能力

垂直行业场景化应用能力

这方面滴普科技作为行业代表给出了更具体的参考。

回顾滴普科技的发展历程，主要分为三个阶段。

在首个阶段，我们专注于数据管理领域，成功推出了FastData这一企业级数据智能解决方案，为企业提供了数据驱动的决策支持。

在第二阶段，我们将打造一个AI-Ready的FastData Foil数据融合平台，并致力于挖掘数据治理与人工智能技术深度融合的可能性。

在第三阶段，我们致力于挖掘人工智能与各行业应用场景的深度融合潜力，依托开源的大规模基础模型以及公共知识库，构建了Deepexi这一企业级的大模型平台。该平台向企业推出了集成了Agentic AI应用的FastAGI解决方案，旨在为用户提供便捷的智能服务。

由此滴普科技通过产品体系形成了完整的智能化演进路径。

FastData Foil打造了AI应用所需的数据基础设施，并且依托FastData技术，对数据进行全方位的生命周期管理。Deepexi致力于构建企业定制化的大规模模型，同时借助FastAGI技术，助力Agentic AI应用的快速开发与部署。

在与百丽时尚集团的合作历程中，滴普科技将FastData解决方案逐步升级至FastAGI解决方案，成功将人工智能技术融入流程管理、零售决策等多个具体应用场景。

滴普科技依托FastData Foil数据融合平台，致力于充分挖掘企业数据潜力。他们通过整合百丽时尚的各个业务系统数据，实现了数据的统一管理。例如，在部署AI驱动的治理工具集的过程中，他们能够快速处理大量多模态数据，对原始数据进行分词处理。这一过程为后续利用SFT和强化学习技术训练和微调大型模型提供了关键数据支持。

随后，借助整合后的模型栈，依托滴普科技开发的企业级大模型Deepexi以及百丽时尚提供的数据资源，对训练推理模型进行精细化调整，旨在打造适用于商业流通领域的专业模型。

最终，在此框架下实施Agentic AI的应用，融合了AI的生成式数据采集与检索、业务层面的分析与诊断、决策辅助与执行等关键功能，从而为企业内部各个岗位提供相应的智能化服务。

综合来看，与一般的大型模型服务供应商相比，滴普科技显现出以下数个显著特征：

首先，并非直接从大型模型的开发阶段开始，而是首先在数据治理领域进行探索，并逐步与人工智能技术深度融合。这种“数据与AI”相结合的双核战略，成功消除了企业实现人工智能应用的关键难题——即数据质量问题。

其次，它在行业专业知识方面更具洞察力。滴普科技采取的商业化策略是，服务于众多垂直领域的领军企业，深入挖掘行业内的深刻见解，并推出“技术、场景、流程”三位一体的解决方案，从而实现商业化的规模化发展。在其招股说明书中，对于客户数量的披露可作为有力证明，“截至2024年12月31日，已为全球各行业总计245家企业客户提供了服务”。

第三，经过长期的实施与应用，该系统积累了众多行业化的工具集，涵盖制造业的设备参数优化和零售业的智能运营流程模板等，这些工具包有助于实现快速部署。此外，它还提供了数据采集接口和可视化管理后台等，从而有效降低了企业的技术门槛。

第四，我们更擅长将理论付诸实践，在确保数据处理的合法性以及IT系统的兼容性方面，积累了丰富的经验。

概括而言，此服务涵盖了企业用户智能化转型的整个流程，不仅提供技术支持的工具，而且还供应了一套可直接实施应用的完整解决方案。

值得关注的是，在这条发展之路上，滴普科技并非孤立无援；Databricks完成了对MosaicML的收购；OpenAI也宣布了对Rockset的并购……众多同行企业正共同借助“数据与AI”的力量，助力企业实现以AI大模型为核心的端到端业务及管理智能化转型。

这表明，在底层技术向特定领域延伸、计算成本不断降低、企业数字化进程进入深层次阶段等多重因素的共同作用下，企业级的大型人工智能模型应用正迈出至关重要的步伐，这是一步更加切实可行地满足企业实际需求的关键进展。

滴普科技的首次公开募股看似仅是某家公司的重大事件，实则预示着企业级大模型人工智能应用市场正站在一个至关重要的转折点上：它标志着从理论探讨迈向实际应用，从局部试点扩展至大规模推广。

从这个视角来看，滴普科技选择在香港市场上市，不仅彰显了其内在价值，而且也标志着企业级AI应用领域达到了一个关键发展阶段——时机、条件、机遇三者兼备，的确，时机已经成熟。