共计 1274 个字符，预计需要花费 4 分钟才能阅读完成。
在 WAIC 2026 上 , 滴普科技展示了一个工业故障维修场景: 输入设备故障线索后, 系统不是简单检索答案, 而是基于企业知识模型自主规划排查路径, 每一步都可追溯, 甚至能自动生成诊断代码或操作视频。这标志着企业级 AI 的竞争焦点已从“能对话”转向“能交付生产结果”。
📌 从知识图谱到活的知识网络
滴普的解决方案是构建“本体大模型”——不是把故障手册扫描成 PDF 喂给 AI, 而是将维修变成一张活的知识网络: 故障现象、可能原因、排查步骤、历史案例、设备参数、工艺节点之间的关系都被编码为机器可理解的结构 。这套知识网络专为 Agent 设计, 可持续运转和迭代。在某激光装备制造企业, 基于该知识网络的 DeepSense 工业智能体实现了产能提升 60%、效率提升 3 倍、故障复发率降低 30% 的成效。
🔍 2000 多个 Skills: 从固定工作流到动态执行
如果说知识网络是 AI 的大脑,Skills 就是 AI 的双手 。滴普科技花了 8 年时间, 在服务 400 多家头部客户的过程中, 手工积累了 2000 多个覆盖制造、消费、公共事业等领域的可复用 Skills。早期这些 Skills 依附于固定工作流; 现在模型基于知识体系进行动态任务规划,Skills 则作为执行单元被灵活调用。每一次服务客户都会积累新的行业本体和 Skills, 边际成本随之降低。
- DeepexiOS:AI 级企业操作系统, 定位为 Token 生产力平台;
- DeepWorks: 日常工作入口, 承载企业级 Agent 的工程化机制, 包括工具调用策略、多智能体协同、知识中心、审批流程等;
- Deepexi: 企业大模型, 将日常数据转换成本体范式的知识逻辑;
- Deepology: 高质量企业本体数据集与 2000 多个 Skills 的集合, 构成 AI 员工的“初始配置”。
💡 Agent 化服务模式: 一个人带一群 AI 员工
滴普科技全球 20 余个办事处, 每个办事处只有 3 到 5 名 FDE 工程师 , 每年需完成千万级收入。传统 To B 服务逻辑下, 三五个人难以承担。但现在每个 FDE 背后都有一批 Agent 员工支撑, 从项目管理到数据治理。这证明滴普科技自身已实现 Agent 化——不是让 Agent 替代人, 而是让一个人带着一群 Agent 干原来十个人的活, 放大生产效率。
📊 规模化路径: 云服务与国产算力
滴普科技正面临将能力从头部企业复制到更多行业的挑战。 今年 DeepWorks 开始与华为云合作 , 基于国产算力构建云服务能力, 使中小企业也能在办公协同、知识管理、代码开发等场景低门槛使用 AI。与市面上许多从个人助理切入的 Agent 产品不同,DeepWorks 的知识体系建立在企业现场数据和业务逻辑之上,Skills 形成于真实产线验证, 形成了“数据→知识→执行”的闭环壁垒。
🚀 总结: 让每一笔 Token 投入都变成生产结果
围绕“懂知识、能执行, 滴普科技选择做更“Work”的 Agent”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
