明敏 杰西卡 發自 凹非寺
量子位 | 公眾號 QbitAI

大模型AI應用在消費級市場的爆發，已引發各界廣泛關注。

不論是ChatGPT帶動的第一波浪潮，還是DeepSeek之后更多中國大模型AI應用的涌現，從AI智能助手到AI陪伴應用，再到AI在各個領域的產品，應用層在全面爆發。

但實際上，還有另一個易于忽略卻剛需明確、廣受看好的賽道，爆發得更迅猛——企業級大模型AI應用市場

這一趨勢已有諸多現實印證。

如AI、云計算、企服領域龍頭玩家紛紛推出AI應用開發平臺，滿足企業擁抱生成式AI需求；IDC預測，中國生成式AI軟件市場規模將達到35.4億美元。國家層面也進一步強調，要突出應用導向、推動人工智能產業健康有序發展。“我國數據資源豐富，產業體系完備，應用場景廣闊，市場空間巨大。”

近期，專注于企業級大模型AI應用落地的專業服務商滴普科技正式啟動赴港IPO進程，更是直接體現行業熱度。由此也揭示出企業市場新的競爭規律 ：

在企業市場，競爭焦點正在從“模型能力”轉向“落地能力”。誰能驅動“Data+AI”雙引擎，誰就能更快搶占潮頭。

正在高速爆發的企業級大模型AI應用賽道

過去一年時間，大模型領域的發展一直遵從兩個基礎點：更智能、更劃算

形成的成果就是，大模型不僅具備更強推理能力，同時API價格也連降幾個數量級。而這剛好滿足了大模型AI應用大規模落地的首要條件。

一直以來，企業們對智能化轉型都有強烈需求。經歷了數字化轉型浪潮，企業們構建了自己的IT系統、數據庫、湖倉數據平臺，但內部數據價值還有待被進一步挖掘。

大模型的出現，剛好可以解決這一問題。AI不僅可以優化現有工作流、提升效率，更能創造新業務價值。比如電商行業基于AI可以實現“千人千面”的廣告投放，提高廣告點擊率、降低單次獲客成本；零售行業通過AI優化倉儲調度、預測銷售趨勢；電力行業基于AI實現動態按需供給，節省資源同時降低企業用電成本。

Gartner報告預測，到2026年，超過80%的企業將在生產環境中采用生成式AI的API、模型，并部署啟用生成式AI的應用。也就是說，未來企業使用AI應用將像使用OA軟件一樣普遍，沒有AI應用的企業將處于競爭劣勢。

但有了模型，并不意味著就能將技術轉化為實際生產力。

企業需求通常具有復雜性和靈活性，單一模型難以直接契合多場景需求，即便多個單一模型的單純疊加，也無法串聯成精準高效的價值鏈條。

例如異構系統整合困難、行業知識遷移成本高昂、端到端部署流程復雜等難題，在金融、制造、零售等重場景行業中尤為突出。此外，諸如數據孤島、算力分配、安全合規、幻覺率高等問題縱橫交織，更是讓許多企業的AI轉型陷入「空有技術難落地」的困境。

換句話說，企業對AI的需求正呈指數級增長，但技術落地能力還無法跟上需求進化的速度。

正是這樣的矛盾，人們才反應過來，純粹的AI大模型作為IT技術組件始終與企業場景存在一個中空地帶，做不到直接無縫銜接。將AI能力封裝為可即插即用的智能體應用，以組件的方式通過標準化接口對接業務場景或許效果更佳。

畢竟，應用，本身就是功能的集成載體。功能在IT架構中又能像插件一樣即插即用，并且完全能參考場景實際需求做對應的滿足開發。這一點，即便是在當下以AI大模型驅動技術發展的時代，依舊沒有改變。

提供這類新商業模式的企業，現在通常被稱為企業級大模型AI應用的解決方案提供商，通過端到端的AI全流程落地服務，以及更深度地切入企業場景、更迅速地配合行業Know-how價值凸顯等優勢，幫助企業無需組建龐大技術團隊，就能快速獲得AI能力，也從根本上改變了AI應用的邊際成本結構。

而這種新商業模式憑借 “輕資產落地” 與 “場景化適配” 的核心優勢，精準擊中企業智能化轉型的效率痛點，其商業價值正迅速轉化為市場規模的爆發式增長 。

據弗若斯特沙利文資料顯示，按收入計，企業級大模型AI應用解決方案市場中，2024年的規模已達到386億元，且預計2029年將達到2394億元，2024年到2029年的年復合增長率將達44%

而作為國內首批專注于企業級大模型AI應用落地的專業服務商——滴普科技在2024年已實現營收2.43億元，近三年的復合增長率達55.5%，占據國內市場4.2%的份額，預計2025年將進一步提升到4.4%。

且招股書顯示，截至2024年12月31日，滴普科技已累計為245名企業用戶提供了服務。其中復購客戶81名，復購率達33.1%，客戶覆蓋消費零售、制造、醫療、交通等領域的領軍企業。體現出了滴普科技的客戶對其 “數據 + AI ”面向行業場景全流程服務的高度認可。

而當下，滴普科技作為一家僅成立七年，便吸引了高瓴、IDG、五源和BAI等知名機構入股的企業級大模型AI應用解決方案提供商。本次沖刺IPO，其實也是大模型AI應用正在企業級市場爆發中，一個具有代表意義的樣本事例。

其充分認證了，在由點及面下，企業級大模型AI應用這一賽道，雖然相對沒有消費級市場熱鬧，但都是真金白銀的合作和應用，價值明確，前途大。

剩下的問題，就只是如何能夠更好、更快地推動企業級AI應用的進程了。

一個時代有一個時代的企業級應用

技術范式革新，帶來新業態，也催生新商業挑戰。從IT時代到互聯網時代再到AI時代，每一次演進都重新定義企業如何創造價值、管理資源和應對挑戰。

AI時代，企業級應用不再是傳統意義上的“流程工具”或“管理系統”，它的核心轉為智能決策自主執行。那么這樣的系統如何打造？其至少具備三方面能力：

1. 高質量數據基礎設施與治理能力
2. 企業專屬大模型訓練與適配能力
3. 垂直行業場景化應用能力

這方面滴普科技作為行業代表給出了更具體的參考。

回顧滴普科技的發展歷程，主要分為三個階段。

第一階段聚焦數據治理，推出FastData企業級數據智能解決方案，助力企業實現數據驅動決策。

第二階段構建AI-Ready的FastData Foil數據融合平臺，探索數據治理與人工智能的深度結合。

第三階段探索AI與行業場景深度融合，基于開源基礎大模型和公共知識，開發Deepexi企業級大模型平臺，向企業提供內置Agentic AI應用的FastAGI解決方案。

由此滴普科技通過產品體系形成了完整的智能化演進路徑

FastData Foil提供AI-Ready的數據基礎，并基于FastData實現對數據全生命周期治理。Deepexi實現企業專屬大模型的構建，并基于FastAGI支持Agentic AI應用的快速構建和部署。

比如在和百麗時尚集團的合作中，滴普科技從初期的FastData解決方案逐步擴展到FastAGI解決方案，將AI滲透到流程管理、零售決策等多個實際場景。

首先盡可能最大化企業數據的價值，基于FastData Foil數據融合平臺，滴普科技將百麗時尚各業務系統數據統一治理。比如在部署AI驅動的治理工具集的同時，通過對大量多模態數據的高速處理，能夠對原始數據進行分詞處理，為通過SFT及強化學習來訓練及微調大模型提供重要數據。

然后通過整合模型棧，基于滴普科技企業大模型Deepexi和百麗時尚數據基礎，精調訓練推理模型用于商業流通行業落地的垂類模型。

最后，在此基礎上部署Agentic AI應用，整合了AI生成式數據獲取與查詢、業務分析與診斷、決策支持與執行等核心能力，可以給企業內不同崗位提供相關的智能支持。

總結上述，相較于一般大模型服務提供商，滴普科技呈現出幾大特點：

第一，它并非從大模型開發起步，而是先從數據治理方向切入，逐步和AI深度融合。這種“數據+AI”雙核策略，解決了企業AI落地的首要障礙——數據質量問題。

第二，它更懂行業Know-how。滴普科技的商業化戰略是通過服務各垂直行業的頭部企業，獲取深度行業洞察，提供 “技術+場景+流程” 一體化方案，進而形成規模商業化。其招股書中披露的客戶數量可做充分背書， “截至2024年12月31日，已為全球各行業累計245名企業用戶提供服務”。

第三，在長期落地實踐過程中，它沉淀了豐富行業化工具包（如制造業的設備參數優化、零售業的智能運營流程模板）支持快速部署，同時提供數據采集接口、可視化管理后臺等服務降低企業技術門檻。

第四，更懂實際落地，在數據處理合規、IT系統兼容等方面更有經驗。

一言以蔽之，它能提供陪伴企業用戶智能化升級的全流程服務，不只是提供技術工具，更是提供可以直接落地使用的完整方案。

值得一提的是，在這條道路上，滴普科技也不孤獨；Databricks收購MosaicML；OpenAI收購Rockset……一些同行者也在通過 “數據 + AI” 推動企業實現AI大模型驅動的端到端業務及管理智能化落地。

這意味著，底層技術向垂直場景拓展、計算成本持續下降、企業數字化轉型步入深水區等因素共同推動下，企業級大模型AI應用正在邁出關鍵的一大步，一個更加切實解決企業場景需求的一大步。

而滴普科技的IPO表面上只是一家企業的里程碑，實則標志著整個企業級大模型AI應用市場迎來關鍵拐點：從概念走向落地，從小范圍走向規模化。

從這個角度看，滴普科技本次赴港上市，不僅驗證其自身價值，更是整個企業級AI應用賽道發展到一定階段的必然產物——天時地利人和，確實，都是時候了。