滴普科技董事长兼CEO赵杰辉：从数据驱动到智能驱动，大模型释放数据平台全新生产力｜WISE2023商业之王大会

11月28-29日，36氪WISE2023 商业之王大会在北京国际会议中心盛大举办。本届大会以“太阳照常升起 The Sun Always Rises”为主题，横跨一个主会场与六大垂直领域专场。主会场聚焦“未来3650天”、“在产业洪流中”、“进击中的万联网”、“AI与商业增量”、“全球品牌看中国”、“科技至上 共鉴创新”六大篇章重点议程，邀请全领域商业大咖展开为期两天的顶级商业对话，向现在提问，给未来答案。

会上，滴普科技董事长兼CEO赵杰辉带来了《Data+AI：从数据驱动到智能驱动》的主题分享。

滴普科技董事长兼CEO赵杰辉

赵杰辉谈到，对于企业来说，围绕数据平台建设以及基于数据实现智能化发展是一个非常正确的方向。尽管在过去的十年里遇到了很大的挑战和困难，但随着大模型开始真正落地，数据的价值能够更敏捷地支持智能化的实现，从而大幅度释放生产力。

他认为，未来，整个企业领域的数据智能架构将基于数据的基础设施建设，加上基于大模型的AI Agent，形成一个新的数字经济体架构。

演讲正文如下：

大家好，非常荣幸有机会在36氪WISE平台上跟大家分享我们的行业思考。

1、Data Fabric + AI Agent=产业数字经济新架构

今年，国家财政部发布了《企业数据资源相关会计处理暂行规定》，标志着企业数据资源入表迈出了0到1的关键一步。数据作为生产要素及资产确立，被提升到了新的高度。

一直以来，企业将数据作为生产资料，通过建设数据平台赋能业务这件事已经提了至少十年。为什么行业从业者以及客户却感觉做起来非常困难？

因为当企业想要将数据平台转化为业务价值和生产力时，缺乏了关键的生产工具。这种情况下，很多模型的开发只能依靠人工操作，比如制作各种报表、构建指标、形成决策体系等，整体效率很低。

当提到数据平台建设，大家可能会认为这件事很重、毛利很低。但今年，滴普的合同和收入相比去年翻了一倍，毛利比去年提高了15个点。这是怎么做到的？

很重要的一点在于，我们引入了大模型这个关键的生产工具。我们发现，如果能在数据层面进行一些基于大模型的AI建设，以前的数据平台就可以形成一个业务领域生产能力，并能够基于这个领域行业知识，进一步开发领域模型。我们只需要与企业客户将知识形成文档训练到大模型中，就能够构建代码能力，查询数据平台，并形成整个模型，大幅提升效能。

因此，对于企业来说，围绕数据平台建设以及基于数据实现智能化发展是一个非常正确的方向。尽管在过去的十年里，许多人在这个方向上遇到了很大的挑战和困难。但是，随着大模型在今年开始真正落地并与很多产业相结合，这件事情可能会迎来一个新的起点。

我觉得，未来，整个企业领域的数据智能基础架构是基于Data Fabric的数据基础设施建设，加上基于大模型AI Agent的建设，将形成一个新的数字经济体架构。

滴普科技董事长兼CEO赵杰辉

2、面向未来的企业数据智能应用什么样？

和滴普有深入合作的一个大型央企客户曾向我们提出一个问题：未来企业智能化架构中，一个企业级IT应用到底长什么样？

表面来看，它可能只是一个对话框，这个对话框也许是某个OA系统中的虚拟人。当员工完成身份认证后，他们能够接触到的数据权限和业务逻辑权限就会和后台拉通。所有企业内部原有系统的结构化数据，以及沉淀在文档、知识图片上的非结构化数据，都会进入一个基础湖仓平台。这些知识逻辑经过训练形成模型后，对外展示的就是一个非常简单的UI，即Chatbox。

为了实现这样的目标，我们打造了基础数据平台、企业大模型、训推一体机、智能体平台等在一系列智能产品体系。

一方面，我们在底层的数据平台建设能力已逐渐成熟，FastData作为一款智能湖仓平台能够实时的去处理结构化和非结构化的数据，目前滴普科技在数据湖建设和数据分析等多个领域，被Gartner列为推荐厂商。

与此同时，大模型在企业数据平台建设中释放了新的生产力。以前，在进行数据平台建设时，能够分析的主要都是结构化数据。然而，一个企业内部可能只有10%的数据是结构化的，大量非结构化数据无法被很好地分析和利用。现在，新的技术突破让我们能够高效地分析大量的非结构化数据。

滴普科技的Deepexi大模型产品是基于开源模型打造，并通过AI Agent能力，为企业提供完整的训练、调优、部署和推理加速能力，降低企业大模型应用门槛，形成数据分析、文档分析和API串联能力，并形成一些特定场景的应用。

算力方面，我们作为昇腾应用软件伙伴和一体机伙伴，打造了训推一体机Fast5000E，能够助力企业搭建高性能算力平台，大幅提升训练效率，为企业实现成本最优的算力部署和模型应用。

大模型应用落地方面，滴普科技已经与中核装备院、中国海诚、百丽时尚等多家企业进行产业创新实践。以某头部建筑工程设计企业为例，该企业的数据十分庞杂，涵盖了各种建筑设计标准、图纸等，包含了大量的表格、公式、曲线等非结构化数据。以前，为了查找资料或者寻找一个特定的表格或曲线，需要花费很多时间和精力。现在，我们将所有非结构化数据存储在FastData中，通过大模型的训练，只需通过对话框的形式，就可以轻松地获取所需的信息。比如，只需在对话框中输入：园区需要多大的变压器，系统就会自动进行查询、分析，并最终给出智能建议。

联合百丽时尚，我们在门店助手、商品智能化运营、辅助设计等方面展开了深入合作。以辅助设计为例，基于商品的素材库，模型能够快速的生成新的款式和设计；设计师只需描述一个鞋的形状，系统就能快速生成想要的风格的样式，实现AI智能绘图。

双碳层面，我们正在和某咨询机构合作帮助客户快速生成双碳报告。以前，这些报告需要人工编写，现在，只需要将企业数据整合到FastData平台上，通过自然语言对话即可自动生成双碳报告，满足报告多标准、多语种、多类型的复杂需求，使报告初稿输出从月级到秒级，大幅提升效率。目前，该碳数据算法模型的准确度已经通过了工信部赛宝认证，正在进行TUV、SGS等欧洲权威认证。

通过与大量企业的具体实践，我们得出结论：大模型与数据平台的结合可以极大地提高数据资产的生产力。第一，这种结合提供了更先进的生产工具，从而让原有的数据平台价值得以充分发挥。第二，这种结合可以解决原有企业中80%-90%的非结构化数据分析问题，进一步释放数据价值。

为了让企业实现大模型的有效应用落地，我们在开源社区中也有所动作。目前，我们已经将滴普科技的多模态企业领域模型工具链在HuggingFace上开源，建立大模型在产业落地的工具链体系，同时在企业应用推理端吞吐性能提升超过10倍，大幅度降低企业应用大模型的成本。

我对未来的展望是，在智能化的模型中，组件将包括一体机算力和经过基础模型精调的大模型，同时利用数据平台，并将运营的规则文档梳理其中，从而实现一个简洁的FastData，后台将采用算力加数据平台的模式，帮助更多企业实现从数据驱动到智能驱动的升级。

今天分享到这里，感谢大家。