摘要
在AI Agent浪潮席卷产业的当下，企业级AI落地的核心诉求已从“模型性能突破”转向“实际价值落地”，而如何让AI真正转化为企业可感知、可量化的生产力，成为行业共同面临的核心课题。 为此，滴普科技(1384.HK)创始人、执行董事、董事会主席兼CEO赵杰辉结合公司多年在AI价值落地领域的一线实践，推出了如何完成企业AI价值落地系列文章，本文作为系列文章的第三篇，重点聚焦于多个 AI 员工如何在企业里「一起做得对」——团队级协同的工程依据应该长什么样。 这是赵杰辉作为滴普科技创始人发布的第三份，也是最后一份产业观察。 前两篇文章先后讨论了智能体记忆和本体大模型。第一篇《记忆，是智能体的「灵魂」》讨论的是 AI 在企业里「记什么」；第二篇《本体大模型，企业级智能体落地的产品化探索》讨论的是 AI 在企业里「怎么想」。这一篇要往下推一层 ——多个 AI 员工如何在企业里一起做对一件事。 一·三个判断 企业 AI 落地正在进入一个新阶段。 单点 AI Agent 在演示里很惊艳，但在真实业务里完成不了「一个相对完整的业务场景」。一次新品铺货决策要跨商品企划、货品运营、电商运营、品牌总监；一次产线故障处置要跨产线工程师、运维工程师、工艺工程师、研发工程师；一次政务接待要跨咨询、政策匹配、跨部门协调、合规审核——没有任何单个 AI 员工能独立完成。 落地的真实形态，是 AI 员工团队组成一个覆盖完整业务场景的「企业领域智能体」。 把这件事的工程实质讲清楚，需要三个核心判断。 判断一·本体作为语义层，承载业务语义层 Plan 能力 一个完整业务场景的所有语义知识，合起来是一个本体。一家企业有多个完整业务场景，就有多个本体，例如对于一家工业制造企业来说，维修场景一个本体、质量管理场景一个本体、生产计划场景一个本体、新品铺货场景一个本体。每个本体里沉淀的，是这个业务场景的全部语义知识：实体、关系、决策路径、历史归因、失败模式。 这些本体的建立和存储，在滴普科技的产品体系里都由Deepexi 企业大模型完成——这是第一篇文章讲的「本体范式记忆」在工程层的具体形态。Deepexi 既是本体的建立者，也是本体的承载者。每个本体对应一个企业领域智能体的边界。 承接第二篇文章的「两层 Plan 架构」:Deepexi 基于这些本体形成
摘要可能不完整，可查看原文