滴普科技创始人赵杰辉觉得，企业搞AI落地，可不是给小龙虾换水那么简单，而是得真正培养出AI员工。过去一年，大模型行业的玩法变了，大家从以前光吹参数强，转而更关注模型在具体业务里能不能用。2026中关村论坛年会上，滴普科技董事长赵杰辉跟记者聊了不少，“AI员工”这个词被他反复提起。 赵杰辉认为，AI真正进入产业的标志是能变成岗位的一部分。对于现在大家都在搞的“龙虾热”，他给出了自己的看法：龙虾是吃互联网数据长大的，逻辑体系跟企业内部的不一样，它用网上的知识干活，跟企业的实际情况肯定会打架。 他觉得去年大家还在找机会，今年都盯着场景去了。在他看来，未来产业里的大模型就是在岗位上干活的AI员工，这就不是个简单的工具或者助手，而是能嵌入具体岗位干活的主力。 比如一个资深的人带着十几个甚至20个AI员工一起干更复杂的活，这就是他想象的未来组织形态。 赵杰辉分析说，现在好多客户不关心AI有多聪明，只想要可控的、符合自己业务逻辑的工具。所以他给的落地思路是用企业自己的知识打底来建模。 把非结构化的数据变成模型能看懂的Token是第一步，接着还要把这些数据之间的关系给理清楚。很多公司的数据不是文字而是图纸或者表格，怎么把这些变成模型能用的语料就成了难题。 数据治理工程师以前做的活现在要让模型来干，“它自己也没这些经验”。赵杰辉说做这些苦活累活本身就是积累高质量语料，“互联网上没有这些东西，想要就得自己攒”。 单靠一家公司的数据肯定不够用，得看你手里有没有足够多的头部客户。“不同公司工程师的思路不一样，这点差别才是真的有价值。” 为了让数据好用起来就得搞数据合成。通过抽象和泛化多家公司的数据形成可训练的语料体系来提升泛化能力。 说到安全问题，大家其实担心的是“接个龙虾进来干活”，“没有人直接担心AI本身”。大厂如果想做ToB场景也得走同样的路子去积累数据。 这事儿也解释了为啥有些通用模型在ToB里很难落地——缺乏企业级数据和本体建模经验。数据来源本身也是一道坎儿。 要想让AI真正落地还得是个持续运营的过程，“AI员工需要不断被创造和更新”，这就需要一套完整的系统来支撑。