滴普科技：智能体的终局是“专业数字人力资源” | 2025向新·AI未来

主要观点总结

本文主要介绍了滴普科技作为企业级大模型AI应用解决方案专业提供商在智能体领域的发展情况。滴普科技在AI产业链中处于关键环节，拥有完整的数据+AI全栈产品和服务能力，尤其是多模态数据深度处理能力。文章还探讨了智能体在ToB和ToC市场的商业化模式差异，技术发展的核心瓶颈，以及如何解决智能体整合外部信息或工具时可能偏离预期目的的问题。同时，文章还涉及滴普科技的优势、开源生态、选择做通用大模型还是应用模型、训练专精模型的方法、数据获取和成本降低的问题。此外，文章还提及了智能体的应用场景、责任界定、AI训练的技术创新以及客户服务的多模态能力和MoE的应用。最后，列举了滴普科技与多家企业和机构合作案例。

关键观点总结

关键观点1: 滴普科技在AI产业链中的关键位置及市场格局

滴普科技是企业级大模型AI应用解决方案专业提供商，处于AI产业链的关键环节，具备完整的数据+AI全栈产品和服务能力，尤其是多模态数据深度处理能力。在沙利文的市场调研报告中，滴普科技在中国企业级大模型人工智能应用解决方案市场中排名第一位。

关键观点2: 智能体在ToB和ToC市场的商业化模式差异及核心技术瓶颈

ToC市场依然是爆款模式，发力在代码生成、办公类等基础普适工具产品；ToB市场本质是服务，强调构筑低成本高毛利广覆盖的服务。智能体技术的核心瓶颈包括多模态理解、长期记忆和自主决策能力等方面。

关键观点3: 智能体整合外部信息时的问题及解决方法

智能体整合外部信息或工具时可能会偏离预期目的，关键功能工程能力包括数据质量、企业级私有化模型能力和智能体应用工程，其中数据质量尤为重要。

关键观点4: 滴普科技的优势及开源生态策略

滴普科技具备数据能力、业务认知和工程化能力等方面的优势，通过将这些能力不断深耕来打造自身优势。在开源生态方面，滴普科技认为基础模型开源会有非常大的生态力量，但智能体相关的核心还是要在服务上构建差异化。

关键观点5: 未来智能体的应用场景及责任界定

未来最具颠覆性的智能体应用场景是智能体的终局是“专业数字人力资源”，包括基于共享和开放的数据形成的数字人力资源和基于私有数据形成的数字人力资源。智能体的“自主行为”的责任界定需要立法明确开发者、部署方、用户的责任边界。