圖片由ChatGPT生成
“軟件業不能抱殘守缺，必須快速進化。不轉型的軟件公司一定會被歷史淘汰。”趙傑輝對傳統企業軟件的侷限有深刻認知，他打算扔掉所有包袱
文｜吳俊宇
編輯 ｜謝麗容
2025年10月28日，滴普科技（HK: 1384）在港交所上市，公司創始人趙傑輝只興奮了一天。兩天過後，他組織公司管理層討論公司後續方向。那次會議，他反覆強調一個判斷：“不加大投入自研模型，我們會遇到很大的限制。”
滴普科技成立於2018年，目前的定位是企業級大模型服務商。過去，它主要爲客戶提供“Data+AI”的產品及服務。它還有一支近百人的FDE（Foward Deployed Engineer，前沿部署工程師）工程師團隊，進行現場服務。
這種軟件產品+現場服務的模式，是過去五六年絕大部分中國軟件公司嘗試轉型的主流方向，尤其現場服務是中國To B（企業級）市場的現實要求，必須滿足客戶的個性化需求。
趙傑輝看到的機會是，大模型的AI Coding（AI代碼生成）能力在不斷提升，代碼逐漸不再需要工程師去寫。傳統軟件產品和人力服務的價值，都在下降。
事實上，截至2025年6月，包括阿里雲、騰訊、百度等大型科技公司，40%以上的代碼已經由AI生成。隨着2025年末大模型能力進一步提升，這個比例還在大幅增長。
另一個機會也在同時降臨，軟件正在被Agent（智能體）吞噬入口。趙傑輝認爲，過去40年，企業軟件本質上是“數據庫疊加前端界面”，前端界面用於表達企業的業務流程和邏輯。但在今天，這套複雜界面不重要了，Agent就可以直接操作軟件。
如果說2025年10月，趙傑輝這種想法還顯得有些“超脫現實”，那麼這些“非共識”2026年很快成爲軟件行業從業者普遍思考的問題。
2026年1月，全球第二大AI創業公司Anthropic發佈Claude Cowork。在企業內，這款Agent工具可以直接操作核心軟件。與此同時，一款名爲OpenClaw“龍蝦”的開源Agent助理也在風靡全球，它可以直接操作電腦、調用工具、執行任務。
這些變化讓市場情緒快速變化。一些從業者認爲，AI在吞噬軟件的入口。這種情緒讓美國軟件股市值在短短一週內蒸發超過1萬億美元。全球IT市場調研和諮詢機構Forrester 2月甚至組織了一場討論，主題是“我們熟知的SaaS（應用軟件）已死，如何在末日生存”（報道詳見美國“軟件末日論”蔓延，情緒背後的真相是什麼？）。
“軟件業不能抱殘守缺，必須快速進化。不轉型的軟件公司一定會被歷史淘汰。”趙傑輝對傳統的企業軟件沒有太多留戀情結，他希望滴普科技不要有任何包袱。
在趙傑輝看來，企業軟件過去40年的發展，本質上是數據治理的演進。從20世紀70年代誕生的數據庫，再到20世紀80年代後誕生的ERP（企業資源管理）、CRM（客戶關係管理）等業務軟件，再到2015年之後流行的數據湖、數據倉庫，它們本質都在解決一個問題——整理企業數據，並讓數據支撐業務決策運營。
他認爲，AI時代，企業IT系統的核心不再是一套套軟件，而是“模型+數據+Agent”。因此，滴普科技的策略是：投入資源自研企業大模型，構建一套“AI級企業操作系統”。其中包括，企業大模型、數據平臺、Agent平臺三個核心產品。
滴普科技目前營收規模剛超過4億元。這個營收規模目前不算大，但觀察它AI轉型的價值在於——它同時擁有平臺軟件和現場服務兩塊業務，這是大部分中國軟件公司的典型形態。它的探索，是中國軟件行業這五六年尋找新路的縮影。
爲什麼要加大投入自研模型？
滴普科技離盈利其實很近。一般情況下，軟件公司上市後會逐步降低研發開支，藉此扭虧爲盈。
2026年3月，滴普科技發佈了正面盈利預告。公告顯示，公司2025年營收約4億元-4.25億元，較2024年同比增長65%-75%。這主要得益於FastAGI企業級AI解決方案收入大幅增長。經調整後的淨虧損，約0.241億元-0.337億元，較2024年同期收窄約65%-75%。
但在盈利狀況剛剛改善的情況下，趙傑輝等滴普科技管理層卻做出了一個看起來更激進的決定——自研Deepexi企業大模型，這在2025年四季度之後進程明顯加快。
軟件公司自研模型，這並不常見。因爲訓練模型，需要億元級別的算力、數據、人才投入。對一家收入剛超過4億元且仍在盈虧平衡線的企業來說，這有些激進。
爲了自研模型，滴普科技正在把模型工程師團隊擴充60人左右。他們在市面上採購了大量設計圖紙、工藝製造、故障處理相關的數據。這些數據，以及過去服務行業沉澱的知識經驗，被全部轉換成了Token（詞元），被用於訓練自研模型。
堅持自研模型，是現實因素導致的——這既是爲了滿足業務需要，也是保證利潤率。
過去七年多，滴普科技服務了零售、製造、醫療、交通等領域的300多家客戶，逐漸進入供應鏈管理、工程圖紙設計等對任務執行精準度要求很高的業務場景。滴普科技的FDE工程師長期爲企業治理數據，把複雜無序的非結構化數據，梳理成結構化數據。
這些企業客戶的內部數據結構很複雜。例如，在工程領域，工程圖紙、工藝文件、技術標準、業務表格等數據的關聯關係需要準確梳理——在數據治理領域，這類結構化的知識體系通常也被稱爲企業“本體”（Ontology）數據。
但是，現在的通用基礎模型主要基於互聯網公開語料進行訓練，它們面對這些嚴肅且容錯率低的業務場景，很難精確、高效地完成任務。
這會帶來一個更現實的問題。如果滴普科技的FDE工程師團隊一直基於通用基礎模型去現場服務客戶，他們必須投入更多人力和定製工作，幫助客戶提升準確率。這些人力代償工作包括，構建知識庫，業務流程建模，優化提示詞工程，以彌補通用基礎模型對企業業務理解不足的問題。
這個過程，需要付出很高的人力定製成本。放在產業鏈上下游分工的生態中去看，這相當於是自己的利潤空間在被基礎模型公司壓縮。
這些現實因素倒逼滴普科技選擇自研模型，但自研模型的邊界在哪裏？
與大模型公司投入數十億元訓練通用基礎模型不同，滴普科技自研的Deepexi企業大模型主要圍繞企業內部數據（包括工程圖紙、工藝文件、技術標準、業務表格等）和知識邏輯進行訓練。它也並不是從頭開始訓練一款模型，而是基於開源模型進行繼續訓練和微調。
Deepexi的特點是，更側重於企業任務中的流程拆解和工具調用能力。在零售、製造、醫療、交通等自己擅長的行業場景中，會根據業務規則和數據結構規劃任務步驟，再調用系統工具完成任務。因此，它在企業場景中的幻覺率也相對更低。
隨之而來的問題是——它給企業客戶帶來的價值是什麼？企業憑什麼要嘗試一款新模型？
答案可能是，可以節省Token，可以更高效、精準地完成那些容錯空間低的企業任務。目前，大部分企業都是同時部署多款模型，讓它們分別處理自己擅長的工作。
滴普科技聯合創始人、執行董事兼產品及解決方案團隊（PSST）總裁楊磊最近在自己的電腦環境進行了一個測試：讓自研的Deepexi模型、Claude Code（Anthropic旗下的AI代碼助手）、搭載某款知名國產AI Coding的OpenClaw同時跑一個企業級任務。
楊磊發現，在專項業務測試中發現，Deepexi消耗的token只有OpenClaw的3%-5%。
在這個測試中，Deepexi企業大模型的Token消耗量更少。不過，這並不是因爲Deepexi本身的性能有多強，而是它更懂企業業務和流程，任務規劃更合理。如果使用不懂企業業務關係的通用模型，模型需要多輪推理、多次試錯，每次試錯都要消耗Token。
相比之下，Deepexi會拆解任務、調用Skills（可以理解成給模型閱讀的代碼、文本說明書）和Agent，並執行任務。它可以用較少的步驟完成工作。Deepexi企業大模型扮演的角色，像是企業內部一個更懂業務的專家。
一位資深算法工程師今年2月對我們表示，當越來越多的代碼都由AI生成時，工程師之間的差距依然明顯。優秀的工程師會更好地拆解任務、設計流程。當任務規劃更清晰時，模型需要的推理步驟更少，消耗的Token也更少，這可以幫助公司顯著降低時間成本和算力成本。
企業的智能化需求，正在劇變
過去20年，企業數字化轉型的核心基礎設施一直是軟件系統。中國企業往往還高度依賴外包團隊。採購軟件之後，仍要進行大量定製開發，並按照人/天採購諮詢或維護服務。
但在大模型技術推動下，越來越多企業正在把模型和Agent作爲新的生產工具。
這一趨勢在滴普科技的客戶羣體中變得越來越明顯。在很多企業內部，基於大模型的“AI員工”（也就是各個專業領域的Agent）正在承擔越來越多具體任務。
在一家汽車製造行業，當產線設備出現電機溫度過高的故障預警時，“故障診斷工程師”Agent會根據設備運行數據自動診斷原因，並生成現場解決方案。最後派發工單，安排一線工程師到現場修復。
一家工程設計公司，長期幫助“一帶一路”國家建設輕工廠。過去，這家公司要派資深工程師到海外，現場指導施工員裝配產線設備零部件。但今天，現場普通施工員就可以根據“現場施工工程師”Agent的精確建議，對照工程圖紙，逐步完成產線裝配工作。
目前這些“AI員工”主要承擔標準化較高的任務。例如設備診斷、流程處理或工程文檔分析等。複雜決策和跨部門協調，仍然需要人類工程師參與。
用趙傑輝的話來說，過去企業數字化的核心交付件是軟件。但今天的智能化轉型，核心交付件已經變成了模型和Agent。這隨之帶來了兩個變化：
其一，企業IT預算的結構在變化，正在從按“軟件訂閱+人頭服務”收費，逐漸轉向按算力或Token收費。
其二，企業過去依賴人力密集型的軟件外包開發，現在更多是靠既懂行業又懂技術的專家梳理需求，進行輕服務。
滴普科技服務了超過300家企業，但其中至少25%的企業在主動減少2026年的軟件定製服務預算，並計劃把更多IT預算投向模型和Token等新的產品服務。
一家零售領域的大型民營企業，決定把部分人/天定價的現場服務，轉爲數字員工服務。這部分數字員工的Token訂單已經高達百萬元/年。它們希望用數字員工直接完成一部分數據治理和軟件開發的工作。
一家工業領域的大型企業集團，2026年初決定停止採購某款辦公軟件的定製服務。過去，這家公司每年要付數百萬元採購流程變革相關的軟件服務。
“AI喫掉的就是這類傳統軟件的未來。”趙傑輝認爲，這種傳統軟件也許不會突然死亡，但很難再有增量業務了。因爲，過去大量FDE工程師的人/天費用，現在正在變成Token預算。滴普科技在客戶一線現場服務人員在減少，但專業服務的價值在提升。
與過去大量工程師駐場開發的軟件實施模式相比，這種方式需要的現場人員更少，定製化需求很輕，但對業務理解和技術能力的要求更高。
在這一變化過程中，滴普科技的FDE工程師團隊正在扮演越來越重要的角色。2018年，滴普科技開始組建一支具備行業經驗的“諮詢+開發”專家團隊。如今，這個團隊已經發展到近百人，其中一些資深工程師在滴普科技工作已經超過七年。
一位加入滴普科技超過七年的FDE工程師對我們表示，他們的FDE工程師由業務專家和技術專家組成，通常是以1:1或者1:2的比例在企業現場服務。即便是大型客戶，長期駐場的人數通常也不超過十人。
業務專家主要負責在客戶一線進行訪談和需求分析，幫助企業梳理業務流程並設計解決方案。這些專家通常長期服務某一個行業，因此對具體業務流程和生產環節較爲熟悉。例如在製造業領域，一些專家在生產控制、產銷協同等垂直場景擁有較多經驗。
技術專家主要負責系統開發、架構搭建和代碼實現。但這並不是傳統的軟件外包或定製開發，而是基於平臺產品進行配置和擴展。在一線服務過程中，FDE工程師會大量使用AI工具輔助梳理需求、代碼開發、數據治理、項目驗收等工作。
不過，僅僅組建一支FDE工程師團隊，並不足以實現這種“輕諮詢+輕定製”的服務模式。
滴普科技開發了一套AI員工平臺（Agent平臺），用於降低FDE工程師的一線服務工作量，其中包括解決方案生成、代碼生成、數據治理和項目管理等多個Agent。
此外，滴普科技與部分核心客戶的合作時間已經超過七年。通過長期服務這些客戶，FDE工程師團隊不斷積累行業經驗，並將項目中的方法和能力逐漸沉澱到軟件產品中，從而提高項目的可複製能力。
能不能蹚出一條新路？
FDE工程師這種做法，最早由美國數據分析服務公司Palantir在十年前提出。
但在中國市場，這種做法並不陌生。很多企業軟件公司早已習慣通過“輕諮詢+輕定製”的方式爲客戶提供服務。
美國軟件行業，情況有所不同。過去十多年，美國軟件公司更強調標準的SaaS訂閱模式，對定製服務相對謹慎。FDE工程師這種模式被認爲不可拓展且毛利率低。但過去兩年，隨着AI代碼生成能力快速提升，由FDE工程師駐廠提供“輕諮詢+輕定製”服務的模式在硅谷重新流行。因爲它被認爲更能貼近客戶需求，能提供不可替代的價值。
Palantir也因此超越Salesforce、Adobe、SAP、ServiceNow等老牌SaaS企業，成爲美國市值最高的獨立軟件公司。
在AI降低定製開發成本的背景下，這種“輕諮詢+輕定製”的服務模式，被認爲具備改變中國軟件行業的巨大潛力——滴普科技原本堅持了超過七年的做法也被市場重新認識。
因爲在AI降低定製成本的背景下，它可以提高人效。軟件行業，一家公司是否高效的直接答案往往體現爲人效——也就是營收規模與員工規模的比值。
根據2025年滴普科技營收超過4億元、團隊規模超過400人計算，滴普科技的人效約爲100萬元/年。這雖然和Palantir、Snowflake等美國數據平臺公司存在差距，但已經超過國內大部分軟件服務公司（包括金蝶、用友、軟通動力、中軟國際）。
它甚至高於埃森哲（人效64萬元/年）這類技術解決服務商，略低於MiniMax（人效144萬元/年）這類基礎模型公司，和SaaS轉型走得比較快的金山辦公（人效98萬元/年）基本持平。我們瞭解到，滴普科技2026年的營收還將快速增長，人效也有望繼續提升。
一位軟件行業投資人2025年末曾對我們表示，過去一年Palantir市值不斷走高，許多投資者開始拿滴普科技和Palantir做對比。但這種對比的意義其實並不大。滴普科技成立之初，就已經在嘗試由FDE工程師提供諮詢和定製服務的模式。與其說它在模仿Palantir，倒不如說是AI技術的變化，讓這種模式重新變得高效。
“很多人糾結商業模式的表象，卻忽視了第一性原理。”趙傑輝2025年曾對我們表示，做To B的第一性原理，是爲企業客戶創造價值，而不是單純追求訂閱制、高毛利，或者是照搬美國軟件的商業模式。在他看來，To B真正的護城河，是做好苦活、累活，並且把苦活、累活幹出高毛利、高人效。
2025年之前，中國軟件市場長期存在一種“哀怨”情緒——“中國不需要SaaS”“中國軟件到了最危險的時刻”等情緒化觀點不斷出現。
從業者不斷抱怨，2014年-2024年中國軟件行業錯過了朝着SaaS軟件轉型，或者說是訂閱制轉型的十年。直接表現就是，中國大部分軟件服務公司的人效長期在50萬元/年以下徘徊，這和人效動輒超過100萬元/年的國際SaaS企業存在長期差距。
伴隨着這些情緒，中國軟件行業又進入AI時代。一個越來越現實的問題正在浮現：一面是根深蒂固的傳統軟件服務模式，一面是大模型和Agent的衝擊，它將走向怎樣的未來？
趙傑輝並不是軟件行業出身。他曾在華爲11年，在覈心路由器業務負責研發，後來在阿里雲擔任企業事業部負責人。這些經歷讓趙傑輝對軟件行業沒有太多難以割捨的情懷。他甚至認爲，如果非要堅持傳統軟件那些條條框框就是抱殘守缺。
基於客戶預算結構和服務模式的變化，趙傑輝認爲，中國軟件行業正在經歷一場不可逆的轉型。他判斷，2026年初這些變化還只是苗頭，但到下半年會變成清晰趨勢。到2028年，中國軟件行業可能會迎來一場深刻變革。
趙傑輝仍然看好中國軟件行業的未來。他堅定認爲，未來的軟件公司很可能不是軟件公司，而是轉型成“數據+模型+Agent”公司。
在這個過程中，中國軟件公司習慣的定製化工作會變得越來越輕，FDE工程師的工作會變得越來越流行——這恰恰又是中國軟件公司最習慣的模式。
在AI重塑軟件行業的過程中，中國軟件公司或許有機會走出一條不同於美國SaaS軟件的發展道路。
