本報記者 袁傳璽

    當前，以大模型為代表的人工智能技術正加速向實體經濟滲透。然而，與消費端的“百模大戰(zhàn)”不同，工業(yè)制造領域的AI落地始終面臨著“最后一公里”難題——通用模型“懂聊天”卻“不懂工藝”，垂直軟件“懂流程”卻“不懂變通”。

    凌晨兩點，某制造工廠值班室里，入職僅三個月的新手工程師小李接到了客戶報修電話：“W軸硬限位報警”。按照以往經驗，他需要翻手冊、查圖紙，一點點解決問題。情況的麻煩下還得打電話吵醒在家休息的老師傅。而現(xiàn)在，他只需要向電腦里的“AI同事”描述問題，5分鐘后便拿到了具體的故障定位與解決方案。

    這位“AI同事”，正是滴普科技（01384.HK）的DeepSense工業(yè)智能體。在通用大模型扎堆“卷”參數(shù)、拼對話能力的當下，滴普科技選擇了一條更“重”的路徑——深耕工業(yè)制造場景，將大模型能力轉化為可執(zhí)行、可交付的生產力，提供更具價值的Token（詞元）。公開資料顯示，2025年上半年滴普科技制造業(yè)收入占比已超過五成，這在當前AI企業(yè)中頗為罕見。

    “沒有本體建模能力的模型，只能做知識的存儲和檢索；有了本體意識的模型，才能真正為企業(yè)干活。”滴普科技CEO趙杰輝對《證券日報》記者表示，這道破了DeepSense工業(yè)智能體與傳統(tǒng)工業(yè)軟件及通用大模型的本質區(qū)別。

    制造業(yè)收入占比過半

    滴普科技的“重倉”邏輯

    工業(yè)制造向來被視為AI落地的“硬骨頭”。與消費互聯(lián)網(wǎng)的輕資產模式不同，工業(yè)場景具有強專業(yè)性、多模態(tài)數(shù)據(jù)融合、高實時性及嚴苛安全要求等特征。設備協(xié)議、工藝參數(shù)、安全規(guī)程等知識往往沉淀在老師傅的腦子里，通用大模型既讀不懂PLC代碼，也理解不了BOM表之間的隱性邏輯。

    “制造業(yè)涵蓋研發(fā)、生產、運維、供應鏈等全鏈條，場景復雜、環(huán)節(jié)眾多，單點優(yōu)化價值有限，亟需系統(tǒng)性解決方案。”一位長期關注工業(yè)數(shù)字化的業(yè)內人士向《證券日報》記者表示。

    這正是滴普科技的發(fā)力點。相關數(shù)據(jù)顯示，滴普科技目前累計服務近400家企業(yè)客戶，而制造業(yè)收入占比在2025年上半年超過50%。在AI企業(yè)中，如此“厚重”的制造業(yè)底色并不多見。

    支撐這一業(yè)務結構的，是滴普科技多年沉淀的“Deepology企業(yè)本體數(shù)據(jù)集”。不同于簡單的知識庫堆砌，該數(shù)據(jù)集覆蓋消費零售、制造、醫(yī)療、交通、通用五大領域，構建了108個業(yè)務本體。基于50多萬條行業(yè)數(shù)據(jù)訓練，滴普科技形成了280余個可復用的業(yè)務Skills，其中工業(yè)領域的Skills覆蓋了工程與產品設計、BOM分析、工藝優(yōu)化、故障維修、NC研發(fā)等核心崗位。

    “傳統(tǒng)AI更像一個圖書館，什么書都有，但得你自己找；垂直SaaS工具則像計算器，功能固定。”滴普科技相關負責人用一個比喻解釋產品邏輯，“滴普的工業(yè)智能體更像是一位資深專家顧問，懂你的業(yè)務，能帶你解決問題。”

    這種“懂業(yè)務”的能力，源于滴普科技對工業(yè)數(shù)據(jù)治理的深層理解。工業(yè)數(shù)據(jù)天然存在OT（運營技術）與IT（信息技術）融合難題，設備傳感器產生的實時數(shù)據(jù)與企業(yè)ERP系統(tǒng)的管理數(shù)據(jù)往往割裂。滴普DeepSense工業(yè)智能體通過“業(yè)務本體建模”，將散落在不同系統(tǒng)中的數(shù)據(jù)語義統(tǒng)一，構建起工業(yè)專屬的認知體系。

    當“老師傅”有了AI分身

    滴普科技工業(yè)智能體實現(xiàn)“本體意識”突圍

    如果說“懂工業(yè)”是滴普科技的入場券，那么“會干活”才是DeepSense工業(yè)智能體的核心競爭力。

    在傳統(tǒng)的知識管理系統(tǒng)中，當工程師詢問“W軸報警是什么意思”，系統(tǒng)通常只能返回標準文檔。但DeepSense的交互邏輯完全不同，它會像經驗豐富的老師傅一樣“問診”：“是開機就報，還是切割過程中報？”在獲得反饋后，AI自動調取設備歷史數(shù)據(jù)，分析IO點位，最終定位到“編碼器限位接線線纜不牢固”，并給出具體解決步驟。

    這種從“知識存儲”到“能力執(zhí)行”的躍遷，被滴普科技定義為“本體意識”。

    “不是給你魚，是陪你釣完這條魚。”滴普科技產品團隊如此描述DeepSense工業(yè)智能體的價值。具體而言，其具備四大核心能力：深度集成設備協(xié)議與工藝參數(shù)的工業(yè)語義原生理解能力；支持斷點續(xù)執(zhí)、狀態(tài)持久化的高可靠連續(xù)作業(yè)能力；將質量檢測、設備預測性維護等場景拆解為可組合模塊的工業(yè)技能原子封裝能力；以及遵循工業(yè)安全規(guī)范、完整記錄交互日志的強約束執(zhí)行與追溯能力。

    這些能力最終指向一個共同目標：把頂尖專家的判斷力，復制給每一個一線人員。

    以設備預測性維護場景為例，傳統(tǒng)模式下，企業(yè)依賴老師傅“聽聲音、摸溫度”的經驗來判斷設備健康狀態(tài)。DeepSense工業(yè)智能體則可以通過分析設備運行數(shù)據(jù)，結合工藝參數(shù)與歷史故障記錄，提前識別潛在風險，并自動生成維護工單。在工藝優(yōu)化場景中，AI能夠基于BOM表與生產數(shù)據(jù)，給出材料替代建議或工藝路線調整方案。

    值得注意的是，DeepSense并非要替代人類專家，而是承擔“知識傳承”的媒介角色。當老師傅退休，那些“看一眼就知道”的直覺、“換這個就對了”的訣竅，可以通過歷史記錄訓練沉淀為企業(yè)的數(shù)字資產。“老師傅退休了，但他的AI分身還在公司上班。”滴普科技相關負責人如此表述。

    與通用大模型相比，DeepSense的差異不僅體現(xiàn)在專業(yè)深度上，更在于部署模式與數(shù)據(jù)安全。工業(yè)客戶對數(shù)據(jù)主權極為敏感，DeepSense支持私有化部署，確保核心工藝數(shù)據(jù)不出域。同時，作為業(yè)界首個完成深度合成算法及生成式人工智能服務雙重監(jiān)管備案的通用企業(yè)運營決策大模型，其在合規(guī)層面亦有所布局。

    從“大模型會不會說話”到“每個Token能不能換回ROI”，企業(yè)AI正從試點期邁入執(zhí)行期。在這一轉折點上，市場需要的不再是能吟詩作對的聊天機器人，而是能在生產線上實實在在創(chuàng)造價值的數(shù)字員工。

    滴普科技所構建的企業(yè)員工基礎設施平臺，從另一個角度來看也是“企業(yè)級Token生產力平臺”。當通用模型持續(xù)壓低Token單價時，滴普科技選擇提升Token的生產力，讓每一個Token都對應可規(guī)范執(zhí)行、可治理、可計費的業(yè)務動作。

    對于制造業(yè)而言，DeepSense工業(yè)智能體的出現(xiàn)或許意味著一場新的工業(yè)變革：那些曾經依賴個人經驗傳承的隱性知識，正在通過“本體意識”的構建，轉化為可復用、可沉淀的企業(yè)級生產力。而當老師傅們的經驗被裝進AI，中國制造業(yè)的智能化轉型，也才真正觸及了最堅硬的內核。

（編輯 郭之宸）