图片由ChatGPT生成

“软件业不能抱残守缺，必须快速进化。不转型的软件公司一定会被历史淘汰。”赵杰辉对传统企业软件的局限有深刻认知，他打算扔掉所有包袱

文｜吴俊宇

编辑 ｜谢丽容

2025年10月28日，滴普科技（HK: 1384）在港交所上市，公司创始人赵杰辉只兴奋了一天。两天过后，他组织公司管理层讨论公司后续方向。那次会议，他反复强调一个判断：“不加大投入自研模型，我们会遇到很大的限制。”

滴普科技成立于2018年，目前的定位是企业级大模型服务商。过去，它主要为客户提供“Data+AI”的产品及服务。它还有一支近百人的FDE（Foward Deployed Engineer，前沿部署工程师）工程师团队，进行现场服务。

这种软件产品+现场服务的模式，是过去五六年绝大部分中国软件公司尝试转型的主流方向，尤其现场服务是中国To B（企业级）市场的现实要求，必须满足客户的个性化需求。

赵杰辉看到的机会是，大模型的AI Coding（AI代码生成）能力在不断提升，代码逐渐不再需要工程师去写。传统软件产品和人力服务的价值，都在下降。

事实上，截至2025年6月，包括阿里云、腾讯、百度等大型科技公司，40%以上的代码已经由AI生成。随着2025年末大模型能力进一步提升，这个比例还在大幅增长。

另一个机会也在同时降临，软件正在被Agent（智能体）吞噬入口。赵杰辉认为，过去40年，企业软件本质上是“数据库叠加前端界面”，前端界面用于表达企业的业务流程和逻辑。但在今天，这套复杂界面不重要了，Agent就可以直接操作软件。

如果说2025年10月，赵杰辉这种想法还显得有些“超脱现实”，那么这些“非共识”2026年很快成为软件行业从业者普遍思考的问题。

2026年1月，全球第二大AI创业公司Anthropic发布Claude Cowork。在企业内，这款Agent工具可以直接操作核心软件。与此同时，一款名为OpenClaw“龙虾”的开源Agent助理也在风靡全球，它可以直接操作电脑、调用工具、执行任务。

这些变化让市场情绪快速变化。一些从业者认为，AI在吞噬软件的入口。这种情绪让美国软件股市值在短短一周内蒸发超过1万亿美元。全球IT市场调研和咨询机构Forrester 2月甚至组织了一场讨论，主题是“我们熟知的SaaS（应用软件）已死，如何在末日生存”（报道详见。

“软件业不能抱残守缺，必须快速进化。不转型的软件公司一定会被历史淘汰。”赵杰辉对传统的企业软件没有太多留恋情结，他希望滴普科技不要有任何包袱。

在赵杰辉看来，企业软件过去40年的发展，本质上是数据治理的演进。从20世纪70年代诞生的数据库，再到20世纪80年代后诞生的ERP（企业资源管理）、CRM（客户关系管理）等业务软件，再到2015年之后流行的数据湖、数据仓库，它们本质都在解决一个问题——整理企业数据，并让数据支撑业务决策运营。

他认为，AI时代，企业IT系统的核心不再是一套套软件，而是“模型+数据+Agent”。因此，滴普科技的策略是：投入资源自研企业大模型，构建一套“AI级企业操作系统”。其中包括，企业大模型、数据平台、Agent平台三个核心产品。

滴普科技目前营收规模刚超过4亿元。这个营收规模目前不算大，但观察它AI转型的价值在于——它同时拥有平台软件和现场服务两块业务，这是大部分中国软件公司的典型形态。它的探索，是中国软件行业这五六年寻找新路的缩影。

为什么要加大投入自研模型？

滴普科技离盈利其实很近。一般情况下，软件公司上市后会逐步降低研发开支，借此扭亏为盈。

2026年3月，滴普科技发布了正面盈利预告。公告显示，公司2025年营收约4亿元-4.25亿元，较2024年同比增长65%-75%。这主要得益于FastAGI企业级AI解決方案收入大幅增长。经调整后的净亏损，约0.241亿元-0.337亿元，较2024年同期收窄约65%-75%。

但在盈利状况刚刚改善的情况下，赵杰辉等滴普科技管理层却做出了一个看起来更激进的决定——自研Deepexi企业大模型，这在2025年四季度之后进程明显加快。

软件公司自研模型，这并不常见。因为训练模型，需要亿元级别的算力、数据、人才投入。对一家收入刚超过4亿元且仍在盈亏平衡线的企业来说，这有些激进。

为了自研模型，滴普科技正在把模型工程师团队扩充60人左右。他们在市面上采购了大量设计图纸、工艺制造、故障处理相关的数据。这些数据，以及过去服务行业沉淀的知识经验，被全部转换成了Token（词元），被用于训练自研模型。

坚持自研模型，是现实因素导致的——这既是为了满足业务需要，也是保证利润率。

过去七年多，滴普科技服务了零售、制造、医疗、交通等领域的300多家客户，逐渐进入供应链管理、工程图纸设计等对任务执行精准度要求很高的业务场景。滴普科技的FDE工程师长期为企业治理数据，把复杂无序的非结构化数据，梳理成结构化数据。

这些企业客户的内部数据结构很复杂。例如，在工程领域，工程图纸、工艺文件、技术标准、业务表格等数据的关联关系需要准确梳理——在数据治理领域，这类结构化的知识体系通常也被称为企业“本体”（Ontology）数据。

但是，现在的通用基础模型主要基于互联网公开语料进行训练，它们面对这些严肃且容错率低的业务场景，很难精确、高效地完成任务。

这会带来一个更现实的问题。如果滴普科技的FDE工程师团队一直基于通用基础模型去现场服务客户，他们必须投入更多人力和定制工作，帮助客户提升准确率。这些人力代偿工作包括，构建知识库，业务流程建模，优化提示词工程，以弥补通用基础模型对企业业务理解不足的问题。

这个过程，需要付出很高的人力定制成本。放在产业链上下游分工的生态中去看，这相当于是自己的利润空间在被基础模型公司压缩。

这些现实因素倒逼滴普科技选择自研模型，但自研模型的边界在哪里？

与大模型公司投入数十亿元训练通用基础模型不同，滴普科技自研的Deepexi企业大模型主要围绕企业内部数据（包括工程图纸、工艺文件、技术标准、业务表格等）和知识逻辑进行训练。它也并不是从头开始训练一款模型，而是基于开源模型进行继续训练和微调。

Deepexi的特点是，更侧重于企业任务中的流程拆解和工具调用能力。在零售、制造、医疗、交通等自己擅长的行业场景中，会根据业务规则和数据结构规划任务步骤，再调用系统工具完成任务。因此，它在企业场景中的幻觉率也相对更低。

随之而来的问题是——它给企业客户带来的价值是什么？企业凭什么要尝试一款新模型？

答案可能是，可以节省Token，可以更高效、精准地完成那些容错空间低的企业任务。目前，大部分企业都是同时部署多款模型，让它们分别处理自己擅长的工作。

滴普科技联合创始人、执行董事兼产品及解决方案团队（PSST）总裁杨磊最近在自己的电脑环境进行了一个测试：让自研的Deepexi模型、Claude Code（Anthropic旗下的AI代码助手）、搭载某款知名国产AI Coding的OpenClaw同时跑一个企业级任务。

杨磊发现，在专项业务测试中发现，Deepexi消耗的token只有OpenClaw的3%-5%。

在这个测试中，Deepexi企业大模型的Token消耗量更少。不过，这并不是因为Deepexi本身的性能有多强，而是它更懂企业业务和流程，任务规划更合理。如果使用不懂企业业务关系的通用模型，模型需要多轮推理、多次试错，每次试错都要消耗Token。

相比之下，Deepexi会拆解任务、调用Skills（可以理解成给模型阅读的代码、文本说明书）和Agent，并执行任务。它可以用较少的步骤完成工作。Deepexi企业大模型扮演的角色，像是企业内部一个更懂业务的专家。

一位资深算法工程师今年2月对我们表示，当越来越多的代码都由AI生成时，工程师之间的差距依然明显。优秀的工程师会更好地拆解任务、设计流程。当任务规划更清晰时，模型需要的推理步骤更少，消耗的Token也更少，这可以帮助公司显著降低时间成本和算力成本。

企业的智能化需求，正在剧变

过去20年，企业数字化转型的核心基础设施一直是软件系统。中国企业往往还高度依赖外包团队。采购软件之后，仍要进行大量定制开发，并按照人/天采购咨询或维护服务。

但在大模型技术推动下，越来越多企业正在把模型和Agent作为新的生产工具。

这一趋势在滴普科技的客户群体中变得越来越明显。在很多企业内部，基于大模型的“AI员工”（也就是各个专业领域的Agent）正在承担越来越多具体任务。

在一家汽车制造行业，当产线设备出现电机温度过高的故障预警时，“故障诊断工程师”Agent会根据设备运行数据自动诊断原因，并生成现场解决方案。最后派发工单，安排一线工程师到现场修复。

一家工程设计公司，长期帮助“一带一路”国家建设轻工厂。过去，这家公司要派资深工程师到海外，现场指导施工员装配产线设备零部件。但今天，现场普通施工员就可以根据“现场施工工程师”Agent的精确建议，对照工程图纸，逐步完成产线装配工作。

目前这些“AI员工”主要承担标准化较高的任务。例如设备诊断、流程处理或工程文档分析等。复杂决策和跨部门协调，仍然需要人类工程师参与。

用赵杰辉的话来说，过去企业数字化的核心交付件是软件。但今天的智能化转型，核心交付件已经变成了模型和Agent。这随之带来了两个变化：

其二，企业过去依赖人力密集型的软件外包开发，现在更多是靠既懂行业又懂技术的专家梳理需求，进行轻服务。

滴普科技服务了超过300家企业，但其中至少25%的企业在主动减少2026年的软件定制服务预算，并计划把更多IT预算投向模型和Token等新的产品服务。

一家零售领域的大型民营企业，决定把部分人/天定价的现场服务，转为数字员工服务。这部分数字员工的Token订单已经高达百万元/年。它们希望用数字员工直接完成一部分数据治理和软件开发的工作。

一家工业领域的大型企业集团，2026年初决定停止采购某款办公软件的定制服务。过去，这家公司每年要付数百万元采购流程变革相关的软件服务。

“AI吃掉的就是这类传统软件的未来。”赵杰辉认为，这种传统软件也许不会突然死亡，但很难再有增量业务了。因为，过去大量FDE工程师的人/天费用，现在正在变成Token预算。滴普科技在客户一线现场服务人员在减少，但专业服务的价值在提升。

与过去大量工程师驻场开发的软件实施模式相比，这种方式需要的现场人员更少，定制化需求很轻，但对业务理解和技术能力的要求更高。

在这一变化过程中，滴普科技的FDE工程师团队正在扮演越来越重要的角色。2018年，滴普科技开始组建一支具备行业经验的“咨询+开发”专家团队。如今，这个团队已经发展到近百人，其中一些资深工程师在滴普科技工作已经超过七年。

一位加入滴普科技超过七年的FDE工程师对我们表示，他们的FDE工程师由业务专家和技术专家组成，通常是以1:1或者1:2的比例在企业现场服务。即便是大型客户，长期驻场的人数通常也不超过十人。

业务专家主要负责在客户一线进行访谈和需求分析，帮助企业梳理业务流程并设计解决方案。这些专家通常长期服务某一个行业，因此对具体业务流程和生产环节较为熟悉。例如在制造业领域，一些专家在生产控制、产销协同等垂直场景拥有较多经验。

技术专家主要负责系统开发、架构搭建和代码实现。但这并不是传统的软件外包或定制开发，而是基于平台产品进行配置和扩展。在一线服务过程中，FDE工程师会大量使用AI工具辅助梳理需求、代码开发、数据治理、项目验收等工作。

不过，仅仅组建一支FDE工程师团队，并不足以实现这种“轻咨询+轻定制”的服务模式。

滴普科技开发了一套AI员工平台（Agent平台），用于降低FDE工程师的一线服务工作量，其中包括解决方案生成、代码生成、数据治理和项目管理等多个Agent。

此外，滴普科技与部分核心客户的合作时间已经超过七年。通过长期服务这些客户，FDE工程师团队不断积累行业经验，并将项目中的方法和能力逐渐沉淀到软件产品中，从而提高项目的可复制能力。

能不能蹚出一条新路？

FDE工程师这种做法，最早由美国数据分析服务公司Palantir在十年前提出。

但在中国市场，这种做法并不陌生。很多企业软件公司早已习惯通过“轻咨询+轻定制”的方式为客户提供服务。

Palantir也因此超越Salesforce、Adobe、SAP、ServiceNow等老牌SaaS企业，成为美国市值最高的独立软件公司。

在AI降低定制开发成本的背景下，这种“轻咨询+轻定制”的服务模式，被认为具备改变中国软件行业的巨大潜力——滴普科技原本坚持了超过七年的做法也被市场重新认识。

因为在AI降低定制成本的背景下，它可以提高人效。软件行业，一家公司是否高效的直接答案往往体现为人效——也就是营收规模与员工规模的比值。

根据2025年滴普科技营收超过4亿元、团队规模超过400人计算，滴普科技的人效约为100万元/年。这虽然和Palantir、Snowflake等美国数据平台公司存在差距，但已经超过国内大部分软件服务公司（包括金蝶、用友、软通动力、中软国际）。

它甚至高于埃森哲（人效64万元/年）这类技术解决服务商，略低于MiniMax（人效144万元/年）这类基础模型公司，和SaaS转型走得比较快的金山办公（人效98万元/年）基本持平。我们了解到，滴普科技2026年的营收还将快速增长，人效也有望继续提升。

一位软件行业投资人2025年末曾对我们表示，过去一年Palantir市值不断走高，许多投资者开始拿滴普科技和Palantir做对比。但这种对比的意义其实并不大。滴普科技成立之初，就已经在尝试由FDE工程师提供咨询和定制服务的模式。与其说它在模仿Palantir，倒不如说是AI技术的变化，让这种模式重新变得高效。

2025年之前，中国软件市场长期存在一种“哀怨”情绪——“中国不需要SaaS”“中国软件到了最危险的时刻”等情绪化观点不断出现。

伴随着这些情绪，中国软件行业又进入AI时代。一个越来越现实的问题正在浮现：一面是根深蒂固的传统软件服务模式，一面是大模型和Agent的冲击，它将走向怎样的未来？

赵杰辉并不是软件行业出身。他曾在华为11年，在核心路由器业务负责研发，后来在阿里云担任企业事业部负责人。这些经历让赵杰辉对软件行业没有太多难以割舍的情怀。他甚至认为，如果非要坚持传统软件那些条条框框就是抱残守缺。

基于客户预算结构和服务模式的变化，赵杰辉认为，中国软件行业正在经历一场不可逆的转型。他判断，2026年初这些变化还只是苗头，但到下半年会变成清晰趋势。到2028年，中国软件行业可能会迎来一场深刻变革。

赵杰辉仍然看好中国软件行业的未来。他坚定认为，未来的软件公司很可能不是软件公司，而是转型成“数据+模型+Agent”公司。

在这个过程中，中国软件公司习惯的定制化工作会变得越来越轻，FDE工程师的工作会变得越来越流行——这恰恰又是中国软件公司最习惯的模式。

在AI重塑软件行业的过程中，中国软件公司或许有机会走出一条不同于美国SaaS软件的发展道路。