2026年3月12日，滴普科技在北京中关村发布全新升级的Deepexi企业大模型与DeepexiOSAI级企业操作系统，以282个企业级skills、108个业务本体为核心，打造企业AI员工落地的核心基础设施。
滴普科技是专注企业级大模型与AI数字员工的全栈解决方案提供商，2018年成立于北京。
2025年10月，滴普科技港股上市。值得一提的是，滴普科技上市时香港公开发售获7569.83倍认购，不仅成为当年港股主板IPO“超购王”，也在当时位列香港史上主板IPO超购倍数第 一。
282个企业级skills、108个业务本体
揭秘Deepexi企业大模型与DeepexiOSAI级企业操作系统
值得关注的是，滴普科技本次重点推出全新升级的Deepexi企业大模型，与依赖通用数据训练的同类大模型产品不同，其可根据企业实际业务流程和知识体系，搭建专属业务逻辑链路，并完成对应的深度训练。从而使Deepexi企业大模型对企业端的具体业务需求，有着更强感知与准确理解能力，为企业提供高度精准的决策支持。
除此以外，Deepexi企业大模型还深度融合了SQL、Python、前端等多种代码能力。这让它不仅能“回答问题”，还能通过自主撰写代码，直接操作企业后台系统，完成数据库查询、数据处理、报表生成、ERP对接等实际执行任务，让AI从“参考字典”进化为“可协作的同事”，并能自主执行并完成复杂工作任务。
Deepexi企业大模型的出现，对于很多企业的数字化转型进程，具有划时代的意义。
要知道，在企业端大家对AI的能力已经陷入了疲劳期，原因是很多AI应用虽然具备大量的知识，可以答题解惑，但落到执行上依旧需要人工完成，提升空间有限。Deepexi企业大模型则是以本体范式定义模型训练与推理过程，将业务知识转化为可计算的智能内核，使AI从“知道”变成“自主完成”，成为企业AI员工的基础。
此外，Deepexi企业大模型之所以能实现这一更具主动性的跨越，离不开升级后的FastDataFoil企业数据融合平台与FastAGI企业智能体平台的双重支撑：
FastDataFoil作为企业数据融合平台，负责让 AI“吃透数据”。它可打通企业业务库、文档、图纸、报表等多类异构数据源，完成统一接入、清洗治理与规范管理，形成高质量的 Deepology本体数据集，为大模型提供精准可靠的“知识原料”。
而FastAGI作为企业智能体平台，内置多类企业“职位技能包”与“任务记忆体系”：前者赋予AI 系统调用、代码编写、业务执行等实操能力，后者让AI可留存任务进度与上下文经验，二者结合推动AI从“被动接收指令”升级为“自主拆解任务、规划执行路径”，真正实现独立干活。
本体建模自动化，开启企业AI从理解到执行的革命
发布会后，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，滴普科技联合创始人、执行董事兼产品及解决方案团队总裁杨磊接受媒体访问，围绕企业级AI的技术壁垒、算力消耗、数据安全、商业化布局等核心问题展开深度解答，直面行业痛点。
当下企业AI领域，通用大模型、垂类模型玩家各有布局，而在滴普科看来，“垂类模型”的概念不太能够触及企业核心需求。
赵杰辉直言，所谓垂类模型本质仍是用通用模型+RAG做信息搜集整理，并未触及企业业务的核心需求，“企业需要的不是针对某个行业的表面适配，而是能把业务知识、实时数据建立关联，形成语义网络的能力，这才是本体建模的核心。”
在他看来，企业大模型与通用大模型、垂类模型的本质区别，体现在三个核心维度：一是数据形式不同，企业数据包含图纸、工艺流程、复杂表格等，并非单纯的文本数据，能否解析这些非标准化数据是第 一道门槛；二是需要建立知识关联，把图纸中的公式、文档中的参数、数据库中的表字段串联成可计算的语义网络，这是通用模型无法完成的；三是执行的准确性与约束性，“企业 AI 不能瞎说，必须在数据约束范围内干活，比如医疗场景要基于企业的认证数据提供服务，不知道就说不知道，这是ToB和ToC的本质区别。”
杨磊补充道，当下行业的核心趋势是Skill-based Model，而滴普科技的本体建模正是生成企业级Skill的基础，“Skill不是凭空来的，而是基于本体范式，把企业的业务逻辑、数据关系转化为可执行的能力。我们的282个企业级Skill，都是基于108个业务本体生成的，每个本体对应一个完整的业务闭环场景，比如设备故障维修、供应链调货，这才是企业真正需要的AI能力。”
赵杰辉进一步解释了本体建模的价值：“以前这个活需要大量FDE工程师手工干，我们服务了300多家头部客户，把这些手工梳理知识关系的经验，训练成模型的自动化能力。现在只要把企业的表结构、知识逻辑输入模型，就能自动生成本体模型，让FDE工程师的工作量大幅减少，这是从‘人工建模’到‘AI建模’的革命。”
AI级操作系统是企业IT建设核心基础，具身智能是未来方向
本次产品发布会上，滴普科技与天津大学共同成立了“具身智能大脑联合实验室”，聚焦本体模型底座、数据仿真合成、模型轻量化及推理Infra优化三大方向，推动企业AI具身员工的落地，为其企业级AI创新注入持久动力。
未来的具身AI员工，将结合机械臂等硬件载体，在产线维护、危险环境作业、工业巡检等场景中发挥作用，比如在高危险的化工产线，具身AI员工能根据故障本体模型，自主完成设备巡检和维修，这将大幅提升企业的生产效率和安全性。
具备本体建模能力的企业大模型，将成为未来企业IT的核心，而DeepexiOS这样的AI级企业操作系统，将成为企业IT建设核心基础，成为企业AI员工的管理平台，解决的是AI员工的生成、管理和协同问题。
企业AI的未来不是“替代人类”，而是“解放人类”，让AI员工承担重复性、机械性的工作，比如数据查询、报表生成、设备巡检，人类员工则专注于更有创造性的工作，比如战略规划、业务创新，这才是企业智能化的核心价值。
范式复用而非数据复制，从源头保障客户信息安全
企业数据的隐私与安全，是ToBAI落地的重中之重。
如何平衡企业数据流动与数据隐私的矛盾？赵杰辉明确表示，滴普科技始终坚持企业具体业务数据本地化，绝不触碰客户的核心业务数据，“我们做的是范式复用，不是数据复制。本体建模的核心是提炼业务的知识逻辑范式，而不是拿走企业的具体数据，这就像员工跳槽，不可能把原公司的核心数据带走，但会带着行业的知识和经验，更快理解新公司的业务。”
杨磊用具体案例解释了这一逻辑：“我们为一家新能源汽车无人工厂做升降机故障维修的本体模型，提炼的是‘电梯故障维修’的通用范式——比如看皮带、查参数、判老化，这个范式可以复用给其他有升降机的企业，但具体到每个企业的工单系统、MES数据，都在企业本地训练，数据根本不会出厂。”
滴普科技的Skill是“结构型能力”，而非“数据型能力”，“Skill的核心是执行的范式和结构，比如生成工单的逻辑、对接ERP的流程，这些能力不依赖于某一家企业的具体数据，而是基于行业通用的业务逻辑，这就从源头避免了数据泄露的风险。”
当前，企业级AI赛道竞争激烈，互联网大厂、初创企业纷纷入局，每一家都在构建自己的核心壁垒。赵杰辉直言，ToB基因和300多家头部客户的实践积累，是滴普科技最核心的壁垒，滴普科技从成立之初就做ToB，团队以华为核心团队为主，对企业的业务逻辑、数据治理有天然的理解，这是基因层面的优势。而通用大厂的重心在ToC，ToB业务只是配套，无法从一开始就深耕企业数据治理和本体建模。
“我们的优势在于，能把企业的复杂数据转化为可执行的业务能力，这是需要长期积累的，不是靠通用模型微调就能实现的。”他表示。
