圖片系AI生成

“367”。

屏幕上顯示的數字，是AI針對百麗時尚集團（以下簡稱百麗時尚）某個時段某個區域在隨后30天內給出的某款鞋子的補貨量建議，“補貨”是貨品運營中重要、高頻的“變量式”操作，這個數據背后是對大盤結構、新品采銷進度、城市尺碼規律、乃至城市氣溫與品類結構等超過200多個維度的數據綜合計算推演。

我的身邊正好是百麗時尚一個品牌的負責人，我扭頭小聲問他：“你會按照AI給出的建議去補貨嗎？”他的回答是，短期內會參考，但長期來看，肯定要聽AI了。

給出這個數字的系統叫做麗影，是由百麗時尚與滴普科技聯合開發的一個以數據和AI為核心的商品運營平臺，百麗時尚集團副總裁季燕利說：“麗影的核心在于過程呈現。原來的過程是黑盒，我們的商品如何運作，沒有一套完整的呈現方式。通過麗影我將一個商品的全生命周期完整地呈現出來，而不僅是品牌的庫存和尺碼。它打破了原有BI的界限，將包含時間、空間、庫存、銷量、補貨等多重維度，數百個指標數據在同一個界面直接動態呈現，形成可以靈活地交互控制其播放的'數據分析電影'，全面提升了百麗時尚相關業務數據的分析與應用效率，通過AI技術實現了讓數據在動態中驅動業務價值。”

這個項目啟動于2021年，我第一次看到Demo演示的時候，看到一件單品相關的所有200多個維度的TB級信息，按照時間順序精巧地編排在巨大的屏幕上如洪流般滾滾而過，腦子里出現的第一個詞是“白象”，大意就是那些美好宏大卻不知道干啥用的東西。

季燕利是零售行業的老兵，雖然是業務出身，但是對于數據、管理和組織有著執著，在他看來，規模化的線下零售異常復雜，所以必須要建立起一套高效統一的溝通機制，才能在一個復雜組織內實現高效準確的溝通，這個統一的語言就是數據和背后的規則。他經常舉的例子就是當年他在業務大區做負責人時，最初管轄一個城市出了問題，他需要先飛過去，最快也要幾天才能共識問題達成解決方案；后來他用了一套剝洋蔥式的Excel表格，逐漸統一了大區業務管理的數據分析邏輯及共同語言，后來的溝通就變成他一個電話過去：“XX表格的第幾行第幾列，你覺得問題是什么，準備怎么辦？好，再見。”溝通與共識就變成如此簡單高效。

百麗時尚的數字化基礎底子很好，2014年就構建了自己的ERP等系統，隨著線上與線下業務的融合，傳統的信息化系統很難滿足業務發展的需要。于是，2020年開始啟動中臺化建設，以組織、權限、業務和溝通“四個在線”的邏輯重構原有系統，搭建協同網絡。季燕利認為：“數字化的本質，代表了一種管理模式——數據驅動的資源管理模式，對零售行業而言，就是賬實相符、賬賬相符，通俗地說就是到底有多少貨、多少人、都在哪里，能不能實時清楚，這就是數字化的基礎和樸素表達。”通過解構原有系統，根據業務場景進行功能的編排，去實現系統找人、數據找人的協同，而支持這個龐大的協同體系就需要將所有的數據放在一個地方，就是大數據平臺。于是百麗時尚開始以大數據平臺為技術底座，為所有的協同應用提供統一的數據服務，統一數據、統一標準、統一應用，而這些都是巨大的管理和技術挑戰……在此背景下，2020年遇到了正在創業的滴普科技CEO趙杰輝。

爬出行業大坑，穿越市場生死線

趙杰輝也是行業老兵，最早在華為工作了11年，在核心路由器領域負責過多個團隊，后來追隨互聯網大潮轉身去了阿里云負責過企業服務，干了幾年又蠢蠢欲動，覺得互聯網相關技術改造企業服務是個必然的大趨勢，又拉了一幫兄弟一頭扎進企業服務的市場。

不得不說，剛開始他的運氣是相當的好，剛剛創業，就趕上數據中臺大火，他在阿里云根紅苗正的出身，以及對于企業服務獨到的思考和團隊超強的執行力，使得他創立的滴普科技立刻站在了風口上。他們當年在鈦媒體在三亞舉辦的數字價值峰會上搞了一個中臺的分論壇，人多的站不下，很快就實現了客戶和投資的雙豐收，高瓴、初心、IDG都紛紛成為股東。

但很快趙杰輝就意識到問題，他發現熱度過去之后，他自己也很難說清楚中臺到底給客戶帶來什么具體業務價值，“大型互聯網公司的平臺需要面向c端客戶的海量業務量，他們需要一個共享體系。共享體系具有兩面性，一面是數據的打通，另一面是創新效率的降低。對于大部分to b企業而言，業務量不大，共享需求是次要的。數據中臺雖然具有一定的工具性價值，但是沒有非常強的技術深度和具體業務價值。當我發現大規模建設中臺給客戶的價值非常有限時，我們就快速進行戰略的思考和調整。”

不止一個股東評價趙杰輝的優點都是臉皮厚，打自己的臉從不含糊，發現不對的事情立刻就掉頭。于是在2020年，他們除了保當下項目的質量和交付之外，不再續簽或新簽新的業務中臺單子。“并非是自己多了不起，而是當時這家公司還在創業初期非常弱，一個風吹浪打就可能會倒閉。我們經過一年半的證偽，發現直接用原來業務中臺邏輯做企業市場，這不是未來企業市場變革性的機會。”趙杰輝說。

數據中臺也不能局限在早期只有數據開發平臺的層面了，趙杰輝面臨兩個選擇。第一個選擇是往上與業務結合進行體現業務價值的數據分析，第二個選擇是往下沉淀，做新一代底層湖倉體系。2020年，Databricks提出Lakehouse 架構，融合數據湖與數據倉庫優勢，這也給了滴普科技很大的啟發，于是也開始對標Databricks做新一代湖倉底層數據平臺，希望能形成完整的數據技術棧。

他們能迅速做出反應，得益于滴普科技創立之初的一個機制——“滴普科技的CTO不具體負責日常研發，CTO的核心任務是跟蹤新技術，所以滴普科技很早就在跟蹤Databricks技術架構、NLP和大模型技術, 2022年11月底發布GPT，到3月份我們已經搭建整個原型，4月份決定向這個方向投入人力。當年我們否定純中臺后，開始做數據湖時也是CTO在那個階段同時做了預言。”趙杰輝說。

但是數據平臺的生意也很不好做。“我們徹底離開業務中臺的方向，給自己定的大致方向是數據+智能化。在2020年我們不僅開發了數據平臺，還與OPPO合作開發了屏幕檢測，還開展了大自然地板的質量檢測。但很快發現僅做視覺識別沒有技術門檻——視覺算法的準確率雖然已經達到98%以上，但這個結果是建立在專項監督學習和訓練的基礎上，很難出現泛化能力。”趙杰輝又迷茫了。

也正是在這個時候，命運的齒輪開始轉動，他遇到了百麗時尚。

我有數據和場景，你有什么

SnowFlake CEO Sridhar Ramaswamy說過：“我認為絕對有價值的地方在于那些擁有客戶關系、提供明確價值，并且愿意快速擁抱AI以防止被顛覆者取代的公司。”

顯然，百麗時尚就是這樣的公司，那個時候也是遇到很多新問題。

百麗時尚從2014年開始，就開始自研建設ERP系統，覆蓋從商品、采購、庫存管理、營促銷、銷售、財務等企業核心業務。但正如很多企業一樣，早些年，它在數字化建設過程中也走了彎路，由于業務快速發展和缺乏對整個數據產品體系進行整體規劃，出現多個業務線煙囪式建設，各自從數據采集、數據建倉、數據應用等步驟，出現大量的重復建設，形成6套數倉，數據域、數據主題、指標數據分散在各個數倉，相同指標各個數倉獨立清洗，數據冗余且有變更各個數倉都要進行修改，各數倉中數據一致性很難保障。因此，它用近兩年時間做了數據治理-數據字典項目，6套匯1套，統一了數倉建設。

鈦媒體平臺上有一篇文章《百麗時尚的核心競爭力與數字化》，其中這樣描述了數據平臺建設的過程：

“為了打破部門邊界而進行整體化的設計，同時滿足前端應用對統一數據的要求，三年前我們啟動了數據平臺建設。

第一階段，我們啟動了業務數據字典項目，解決系統中業務數據不規范、不一致、不完整、可用性差等方面的問題，并提升產品、技術人員對數據及數據背后的業務邏輯的認知，從技術視角開啟了數據治理工作。

第二階段，與滴普科技合作共創，依托滴普科技實時湖倉平臺FastData，搭建了統一數據平臺，并開展了數據入湖、湖倉一體技術的實施，構建了堅實的數據底座。

第三階段，在前兩個階段工作的基礎上，通過對多維度、多指標數據的實時分析及全價值鏈數據模型構建，探索出單一貨品的全生命周期的動態呈現產品——麗影。

截至目前，我們已經完成數百臺服務器集群的大數據平臺建設，實現超過3PB數據的統一處理、統一管理，并在一個作業平臺上完成所有的業務數據治理工作，極大提升了數據應用效率和業務場景的數據延展。”

而滴普科技進入百麗時尚的視野，也頗有些偶然性。“我們完成了自己產品的第一個版本，并進行了很多測試，在進行了早期其它幾個客戶的交付后，我們有了更深入的認知”，趙杰輝這樣回憶到，而且通過與客戶的磨合，他也越來越清晰地認識到，“湖倉是一個后臺產品，我們必須具備基于湖倉平臺提供有價值的業務應用的能力。”

而百麗時尚科技中心團隊當時對于湖倉產品也沒有概念，只有“用”的概念，在數據應用過程中，IT是工具，工具都是被業務使用的，并且在業務運營場景下使用。原來業務使用系統是打開界面進行操作，IT和業務之間有屏障，而系統與系統之間的數據很多時候是靠人查詢后再輸入才能連接業務的運營，在將業務系統拆解成為微服務應用到業務場景中的過程中，就對整個數倉的要求不同，要圍繞“進、存、出、管”四個維度進行數據服務能力建設，并需要將所有業務數據進行統一的、標準化的入倉，這樣才能實現所有的業務應用是在統一的業務邏輯標準上進行，其背后的核心是數據治理，而數據治理已經成為數倉的核心，以用數的邏輯來管理采集與存儲。當用的數據發生問題時，會直接找到采集端進行溯源。這和技術人員對數倉的要求不是一個邏輯。當時市面上成熟產品達不到這樣的要求，需要第三方技術公司幫助其實現。

而趙杰輝在通過與百麗時尚幾次溝通，發現這家企業不僅有數據，更有很多他想都沒想過的應用場景，這正是滴普科技最欠缺的。“他有錢沒有快速掙，這很關鍵。當年我認識老趙時，他曾經表示5年內不用擔心滴普科技掛掉，他們有錢。他還提到滴普科技需要的是先進的有價值的有門檻的場景。”季燕利后來復盤最初談判的過程。

趙杰輝以非常虔誠的狀態與百麗時尚啟動合作：“我想真正打造一個厲害的作品。我認為如果你沒有在超級復雜的有核心價值場景下應對的產品，就永遠無法與其他產品拉開差距。”

麗影除了產品本身的創新，在技術方面也是有非常大的突破，在行業內的大數據的應用側基本上是BI報表、大屏等，一個大屏信息量是幾百個字節，都是基于傳統數據庫，還只是小數據量的應用，而麗影是TB級的，是普通大屏的一萬倍以上，是直接對接大數據處理系統，才使得麗影能秒級呈現TB級的數據，是大數據直接應用到數據呈現的產品，這是在技術上非常大的創新與突破。

2021年滴普科技開始與百麗時尚合作，最開始麗影的項目不在滴普科技的合作范圍內，但是趙杰輝看到了這個項目的價值，在產品設計階段就讓團隊主動參與進來。“當時整個產品非常不完善。整個湖倉的開發周期難度相當大，承受的壓力非常大。麗影現在增量數據以0.5秒的頻度處理數據，最初的時候跑一次全量數據需要42天，經過調整變成11天，現在是5天。在與百麗時尚合作過程中發現這是值得堅持的方向，便開始逐步完善數據湖倉平臺。那年我們在湖倉平臺上快速擴展了很多客戶。”

經過三五個版本的迭代，滴普科技產品的表現最終達到了預期的效果。在這個過程中，趙杰輝卻依然在痛苦思考，“即使你完成了數據平臺對數據極致地處理能力，也只是左腦部分進行統計，很難理解，諸如營銷、供應鏈或者品牌的總經理為何使用這些數字？他只是業務邏輯的識別表，而不是整個任務意圖的識別以及對數據的要求，所以沒有人關注。如果這兩件事情不結合，那么無論付出多少努力，都很難達到真正的業務價值。在這個過程中，我們與百麗時尚產生的第一代產品是麗影，麗影是什么？它可以達到意圖，而且是使用經典數據技術制作，非常宏大，對使用者的要求極高，200多個維度的數據已經超越了人的思維極限。當數據平臺逐步上升軌道時，我遇到了傳統意義上的大數據行業的衰落，其原因首先是左腦統計數據的效率很低。第二個問題是即使你能夠高效統計數據，它也缺少業務決策意圖識別和動態數據統計。我們與百麗時尚的第一個突破是麗影，雖然實際上是想解決這個問題，但是那時候沒有大模型技術，所以即使做的非常極致，但對使用者有較高的要求。”

在百麗時尚科技中心團隊看來：“在表格方面，我們的數倉最早只是圖表類數據應用，在圖表類數據應用方面滴普科技也做出了極其關鍵的貢獻。在一個界面200個維度整個聯動完成之后，再繼續進行只能是AI。”

趙杰輝將自己7年創業活下來的首要原因歸結為運氣，他在湖倉產品剛出來的時候，遇到了百麗時尚這個有很多數據和想法的客戶；而雙方的項目進一步提升遇到技術卡點的時候，GPT為代表的大模型技術出現了。

共創

當一個企業的有效數據量起勢之后，面臨的核心問題就是缺乏真正能夠有效處理大規模數據的技術。

這正是2022年時，百麗時尚和滴普科技一起面對的問題——數據平臺的有效建設產生了大量的數據，麗影的上線也使得產品技術能力已經被壓榨到了極限。

這也是當時大數據市場面臨的行業性挑戰，許多企業發現自己投入了很多資金，建立了數據平臺，交給老板或者業務部門，依然很難把價值講清楚。對于廠商來說，數據的存儲和治理的技術已經相當成熟，但分析和挖掘工具還相對原始，發揮業務價值必須堆人和服務，所以毛利很低。一時間行業進入低谷，很多企業面臨困境或倒閉。

滴普科技也從2022年開始面對這個問題，“我們開始尋找新技術，2022年我認為較為火爆和現實的是NLP ABI等技術，以支撐對話式的chatBI等。于是我們組建團隊沿著這個方向探索，以降低服務成本和提高效率。在這個探索過程中，失敗了——在企業中真正讓數據產生價值需要非常復雜的業務邏輯。除了獲取數據統計，還必須將數據統計與實際業務任務識別和決策邏輯結合，這樣才能真正有價值，否則還只是一個報表體系，甚至無法達到之前麗影已經達到的高度。當時非常痛苦，NLP只能完成簡單的數據統計任務，很難識別最終要做什么業務。當時最重要的矛盾是如何靈活識別每次對數據平臺的深度使用、業務任務識別和邏輯，與企業的邏輯緊密相連，用這個邏輯統計數據做出決策，這個事情當時不可實現。但大模型出現的那天就撞出火花了。GPT發布的時間是11月底，我們開始研究。在來年3月底的戰略研討上，我們決定成立團隊，并且將資源騰出來放置。這時候我們成立了第一個大模型團隊，最初圍繞GPT進行。Llama2出來后，我們繼續圍繞Llama2進行，后來擁抱繁榮的基礎模型的開源生態，在這個過程中突然找到了我們困惑的點并打通了。”趙杰輝回憶說，“當時發現它不僅僅是數據分析的價值，還可以實現深度業務鏈接。然而，數據平臺需要重大升級，不僅限于結構化數據，還包括文檔知識等邏輯數據。這對原有產品體系改變很大，產品研發銷售必須實現無縫對接。”

之前的數據平臺處理業務系統的數據能力已經達到極致，原有的數據治理體系對于結構化數據已很完善，產生的數據表、指標集等結果可以實時高效的服務各種BI或數據應用。但AI的發展可以使得企業更大量的知識、業務邏輯、圖片等信息發揮價值，在面向智能化應用時代，數據平臺面臨著解決從存儲到對應的解析以及治理等難題、實現統一的多模元數據、建立自動化的智能識別和信息提取能力、利用數據合成為大模型提供高質量的融合數據等，數據平臺的數據技術棧需要再次深度升級。這些認知磨礪最終實現了滴普科技數據平臺的重大升級，形成了FastData Foil版本，實現了多模態數據的統一管理，并兼容經典數據應用輸出和tokenize的數據以支撐模型的訓練。

趙杰輝喜歡軍事和毛選，所以滴普科技有很多相關的名詞，例如——重裝旅。重裝旅是滴普科技2019年陷入低谷最迷茫的時候，建立起的一套機制，目的就是把整個技術預研、研發和銷售形成一個有機循環。所謂重裝就是指領導的層級——趙杰輝要求負責研發團隊總監級以上的人員，包括他本人在內，必須在每年春節后的第一個季度結束前覆蓋拜訪所有潛在客戶和老客戶。 “他們與客戶見面的目的不是具體項目線索，而是向客戶分享今年的戰略對標情況，希望與客戶共同對行業、產品和邏輯進行戰略對標。這樣的好處是客戶可以理解我們公司的具體情況，我們可以認識典型客戶的想法，深度交流。這樣就不必停留在去年的形象上，因為創業公司都是快速迭代的。”

這一舉措帶來了兩個意想不到的好處，一個是有效考察了一線銷售是否勤奮地與客戶溝通，另一個好處是，提升滴普科技與大廠對決的勝率——因為重裝旅的領導等級和資歷往往壓過大廠區域的銷售力量，“在局部形成兵力優勢和技術優勢，當我們還是比較弱小的一方時，我們的打法只有一個快速穿插，哪里有客戶，趕緊往那兒跑，然后一堆人把對手包圍，吃掉完事。”

重裝旅的建立，讓滴普科技與重要客戶形成了一個所謂“雙向檢閱”的機制，可以迅速聚焦于目前無法解決的沖突點和問題，這是改善客戶服務質量的一個重要舉措。“重裝旅活動涉及研發投資，我們能夠自然吸收客戶對重大問題的看法。拜訪結束正好趕上4月份第二季度的戰略研討，研發會進行消化。”趙杰輝介紹說。

我在深圳旁聽的，就是百麗時尚和滴普科技一起舉辦的重裝旅雙向檢閱的“2025年戰略對標合作啟動會”，會上雙方聯合介紹了已經在百麗時尚各業務領域，基于Deepexi企業大模型在商業流通行業落地的推理模型Deepexi-RM和滴普科技的FastAGI，以及基于這一模型構建的多款AI應用，包括百明AI問數機器人、百策AI分析師、麗影AI參謀、單品運營大腦、百觀AI助理等AI應用，并進一步規劃了2025年基于行業大模型+Agentic AI應用落地的合作規劃。

會上展示的AI應用，展示了兩家公司在過去兩年里基于數據、工具和模型取得的飛速進展，以及在模型工程和AI落地方面初步形成的有效方法論。“我們提出'業務-系統-數據-模型'能力閉環探索的建設路徑，業務最小（業務操作）決定了系統的最小（功能點），通過操作節點直接流轉；系統的最小又支撐了數倉的最小（邏輯實體），通過物理表為媒介形成傳遞；數倉整合業務、系統、數據提供模型所需的參數，通過數據集直接流轉；基于需求用模型的結合實現點對點的高效響應，以信息為媒介沿著流程傳遞，由模型反饋回具體的業務操作上”，季燕利這樣總結。

其中為了解決AI對業務超越數據分析而能有效識別任務意圖進行諸如多品類多店的深度運營策略生成，在合作中，雙方摸索出了創新性的“左右腦”邏輯，并已經成為Deepexi企業大模型在企業落地推理模型的核心技術架構。

早期AI工具依賴純數據驅動（如銷量預測、庫存統計），但缺乏對業務場景語義的理解，導致策略“不接地氣”。受到人腦結構的啟發，項目團隊提出了左右腦的邏輯——左腦（算法）提供量化分析，處理結構化數據（如計算庫存周轉率、預測銷量）；右腦（語義）補充業務規則，解析非結構化信息（如從導購話術中提取消費者偏好），并通過SFT+RL的訓練方式，讓大模型理解這些業務數據（現象）背后的業務邏輯和與之的關聯性，使決策既符合數據規律，又貼合實際業務需求。

左右腦的邏輯突破了單維度AI的局限性，通過“數據+語義”的雙軌驅動，實現從“局部優化”到“全局智能”、從“被動響應”到“主動決策”的升級。這樣通過自動化閉環（左腦發現問題（實時數據能力）→右腦歸因解釋→生成策略→輔助執行），實時生成決策分析并給出執行建議。例如，左腦發現某門店庫存周轉率下降20%，右腦結合天氣數據（雨季延長）和競品上新動態，自動生成“調撥防水鞋款+針對競品推出買贈活動”策略。而以往決策依賴人工協調數據部門和業務部門，流程長、效率低，從數據異常發現到策略落地需1-2天的時間。

“左右腦”邏輯

一晃滴普科技已經與百麗時尚合作了5年，已經是相關領域百麗時尚最久的合作伙伴。作為甲方，百麗時尚對滴普科技的要求很高，中間不乏爭吵和矛盾，但兩個團隊的關系也很融洽，一起工作，一起定期開會、爬山、團建，年輕人還重新填詞，將黃霑的《滄海一聲笑》改成《數據一聲笑》。

這么多年的合作，雙方都很有默契，“關于定制化問題，我明確表達了老趙不需要過度定制化。我的需求是定制的，你可以考慮是否需要，如果你不需要，我們可以自己做。如果你認為這對你的產品是增強或者迭代的，那么你就做好。我們與滴普科技合作如此深的原因是我需要的產品他們會按照這方向進行評估，這樣他們就可以制作出比我的需求更優秀的產品。”

季燕利其實也很關注滴普科技的發展，還經常給趙杰輝提建議：“雖然他們在這件事情上投入了大量資金，但是到目前為止，麗影的方案老趙并未推廣出去——對很多企業來說太復雜了。而且對老趙的考驗是你不能再走一遍麗影的老路，那條路實在太痛苦了。雖然在這里的成果本身而言，你的數據平臺已經比別人高很多了。但數據平臺上再呈現時，必須采用新技術，用大模型技術理解。不過向別人展示這套方案，很多企業一看就知道你的水平。”這樣的溝通，促使趙杰輝反思如何能夠讓這樣的產品和方案規模化復制，這樣的思考最終促使滴普科技完成了Deepexi企業大模型和FastAGI的成熟，升級后的FastData Foil搭配Deepexi企業大模型和FastAGI能夠快速為更多企業復制如此優秀的解決方案，所以去年以來滴普科技已經在大模型產業落地這一市場取得了不少重量級客戶。

趙杰輝說：“我們和百麗時尚的合作與其他公司不同，在其他地方我們實現了IT經理的意圖，在這里我們實現了一個業務。百麗時尚在未來產品發展方向的引領方面表現優秀，我們也不是麻木的組織，而是非常靈敏，善于吸收、思考、反思和行動。AI的出現為生產資料匹配了新一代生產工具，基于AI和新一代AI-Ready的數據平臺升級，高效整合企業的數據和知識，為企業提供深度的智能化應用會真正變革中國的toB市場。每次結構性機會的迭代都會帶來新生和死亡，我們有幸沒有死亡，生產了兩次才生產出來。中國的to B市場需要這樣的生態環境。”

（本文首發于鈦媒體APP，作者 | 劉湘明）