图片系 AI 生成
“367”。
屏幕上显示的数字，是 AI 针对百丽时尚集团 （以下简称百丽时尚） 某个时段某个区域在随后 30 天内给出的某款鞋子的补货量建议，“ 补货” 是货品运营中重要、高频的“ 变量式” 操作，这个数据背后是对大盘结构、新品采销进度、城市尺码规律、乃至城市气温与品类结构等超过 200 多个维度的数据综合计算推演。
我的身边正好是百丽时尚一个品牌的负责人，我扭头小声问他：“ 你会按照 AI 给出的建议去补货吗？” 他的回答是，短期内会参考，但长期来看，肯定要听 AI 了。
给出这个数字的系统叫做丽影，是由百丽时尚与滴普科技联合开发的一个以数据和 AI 为核心的商品运营平台，百丽时尚集团副总裁季燕利说：“ 丽影的核心在于过程呈现。原来的过程是黑盒，我们的商品如何运作，没有一套完整的呈现方式。通过丽影我将一个商品的全生命周期完整地呈现出来，而不仅是品牌的库存和尺码。它打破了原有 BI 的界限，将包含时间、空间、库存、销量、补货等多重维度，数百个指标数据在同一个界面直接动态呈现，形成可以灵活地交互控制其播放的'数据分析电影'，全面提升了百丽时尚相关业务数据的分析与应用效率，通过 AI 技术实现了让数据在动态中驱动业务价值。”
这个项目启动于 2021 年，我第一次看到 Demo 演示的时候，看到一件单品相关的所有 200 多个维度的 TB 级信息，按照时间顺序精巧地编排在巨大的屏幕上如洪流般滚滚而过，脑子里出现的第一个词是“ 白象”，大意就是那些美好宏大却不知道干啥用的东西。
季燕利是零售行业的老兵，虽然是业务出身，但是对于数据、管理和组织有着执着，在他看来，规模化的线下零售异常复杂，所以必须要建立起一套高效统一的沟通机制，才能在一个复杂组织内实现高效准确的沟通，这个统一的语言就是数据和背后的规则。他经常举的例子就是当年他在业务大区做负责人时，最初管辖一个城市出了问题，他需要先飞过去，最快也要几天才能共识问题达成解决方案；后来他用了一套剥洋葱式的 Excel 表格，逐渐统一了大区业务管理的数据分析逻辑及共同语言，后来的沟通就变成他一个电话过去：“XX 表格的第几行第几列，你觉得问题是什么，准备怎么办？好，再见。” 沟通与共识就变成如此简单高效。
百丽时尚的数字化基础底子很好，2014 年就构建了自己的 ERP 等系统，随着线上与线下业务的融合，传统的信息化系统很难满足业务发展的需要。于是，2020 年开始启动中台化建设，以组织、权限、业务和沟通“ 四个在线” 的逻辑重构原有系统，搭建协同网络。季燕利认为：“ 数字化的本质，代表了一种管理模式—— 数据驱动的资源管理模式，对零售行业而言，就是账实相符、账账相符，通俗地说就是到底有多少货、多少人、都在哪里，能不能实时清楚，这就是数字化的基础和朴素表达。” 通过解构原有系统，根据业务场景进行功能的编排，去实现系统找人、数据找人的协同，而支持这个庞大的协同体系就需要将所有的数据放在一个地方，就是大数据平台。于是百丽时尚开始以大数据平台为技术底座，为所有的协同应用提供统一的数据服务，统一数据、统一标准、统一应用，而这些都是巨大的管理和技术挑战…… 在此背景下，2020 年遇到了正在创业的滴普科技 CEO 赵杰辉。
爬出行业大坑，穿越市场生死线
赵杰辉也是行业老兵，最早在华为工作了 11 年，在核心路由器领域负责过多个团队，后来追随互联网大潮转身去了阿里云负责过企业服务，干了几年又蠢蠢欲动，觉得互联网相关技术改造企业服务是个必然的大趋势，又拉了一帮兄弟一头扎进企业服务的市场。
不得不说，刚开始他的运气是相当的好，刚刚创业，就赶上数据中台大火，他在阿里云根红苗正的出身，以及对于企业服务独到的思考和团队超强的执行力，使得他创立的滴普科技立刻站在了风口上。他们当年在钛媒体在三亚举办的数字价值峰会上搞了一个中台的分论坛，人多的站不下，很快就实现了客户和投资的双丰收，高瓴、初心、IDG 都纷纷成为股东。
但很快赵杰辉就意识到问题，他发现热度过去之后，他自己也很难说清楚中台到底给客户带来什么具体业务价值，“ 大型互联网公司的平台需要面向 c 端客户的海量业务量，他们需要一个共享体系。共享体系具有两面性，一面是数据的打通，另一面是创新效率的降低。对于大部分 to b 企业而言，业务量不大，共享需求是次要的。数据中台虽然具有一定的工具性价值，但是没有非常强的技术深度和具体业务价值。当我发现大规模建设中台给客户的价值非常有限时，我们就快速进行战略的思考和调整。”
不止一个股东评价赵杰辉的优点都是脸皮厚，打自己的脸从不含糊，发现不对的事情立刻就掉头。于是在 2020 年，他们除了保当下项目的质量和交付之外，不再续签或新签新的业务中台单子。“ 并非是自己多了不起，而是当时这家公司还在创业初期非常弱，一个风吹浪打就可能会倒闭。我们经过一年半的证伪，发现直接用原来业务中台逻辑做企业市场，这不是未来企业市场变革性的机会。” 赵杰辉说。
数据中台也不能局限在早期只有数据开发平台的层面了，赵杰辉面临两个选择。第一个选择是往上与业务结合进行体现业务价值的数据分析，第二个选择是往下沉淀，做新一代底层湖仓体系。2020 年，Databricks 提出 Lakehouse 架构，融合数据湖与数据仓库优势，这也给了滴普科技很大的启发，于是也开始对标 Databricks 做新一代湖仓底层数据平台，希望能形成完整的数据技术栈。
他们能迅速做出反应，得益于滴普科技创立之初的一个机制——“ 滴普科技的 CTO 不具体负责日常研发，CTO 的核心任务是跟踪新技术，所以滴普科技很早就在跟踪 Databricks 技术架构、NLP 和大模型技术, 2022 年 11 月底发布 GPT，到 3 月份我们已经搭建整个原型，4 月份决定向这个方向投入人力。当年我们否定纯中台后，开始做数据湖时也是 CTO 在那个阶段同时做了预言。” 赵杰辉说。
但是数据平台的生意也很不好做。“ 我们彻底离开业务中台的方向，给自己定的大致方向是数据+智能化。在 2020 年我们不仅开发了数据平台，还与 OPPO 合作开发了屏幕检测，还开展了大自然地板的质量检测。但很快发现仅做视觉识别没有技术门槛—— 视觉算法的准确率虽然已经达到 98% 以上，但这个结果是建立在专项监督学习和训练的基础上，很难出现泛化能力。” 赵杰辉又迷茫了。
也正是在这个时候，命运的齿轮开始转动，他遇到了百丽时尚。
我有数据和场景，你有什么
SnowFlake CEO Sridhar Ramaswamy 说过：“ 我认为绝对有价值的地方在于那些拥有客户关系、提供明确价值，并且愿意快速拥抱 AI 以防止被颠覆者取代的公司。”
显然，百丽时尚就是这样的公司，那个时候也是遇到很多新问题。
百丽时尚从 2014 年开始，就开始自研建设 ERP 系统，覆盖从商品、采购、库存管理、营促销、销售、财务等企业核心业务。但正如很多企业一样，早些年，它在数字化建设过程中也走了弯路，由于业务快速发展和缺乏对整个数据产品体系进行整体规划，出现多个业务线烟囱式建设，各自从数据采集、数据建仓、数据应用等步骤，出现大量的重复建设，形成 6 套数仓，数据域、数据主题、指标数据分散在各个数仓，相同指标各个数仓独立清洗，数据冗余且有变更各个数仓都要进行修改，各数仓中数据一致性很难保障。因此，它用近两年时间做了数据治理-数据字典项目，6 套汇 1 套，统一了数仓建设。
钛媒体平台上有一篇文章 《百丽时尚的核心竞争力与数字化》，其中这样描述了数据平台建设的过程：
“ 为了打破部门边界而进行整体化的设计，同时满足前端应用对统一数据的要求，三年前我们启动了数据平台建设。
第一阶段，我们启动了业务数据字典项目，解决系统中业务数据不规范、不一致、不完整、可用性差等方面的问题，并提升产品、技术人员对数据及数据背后的业务逻辑的认知，从技术视角开启了数据治理工作。
第二阶段，与滴普科技合作共创，依托滴普科技实时湖仓平台 FastData，搭建了统一数据平台，并开展了数据入湖、湖仓一体技术的实施，构建了坚实的数据底座。
第三阶段，在前两个阶段工作的基础上，通过对多维度、多指标数据的实时分析及全价值链数据模型构建，探索出单一货品的全生命周期的动态呈现产品—— 丽影。
截至目前，我们已经完成数百台服务器集群的大数据平台建设，实现超过 3PB 数据的统一处理、统一管理，并在一个作业平台上完成所有的业务数据治理工作，极大提升了数据应用效率和业务场景的数据延展。”
而滴普科技进入百丽时尚的视野，也颇有些偶然性。“ 我们完成了自己产品的第一个版本，并进行了很多测试，在进行了早期其它几个客户的交付后，我们有了更深入的认知”，赵杰辉这样回忆到，而且通过与客户的磨合，他也越来越清晰地认识到，“ 湖仓是一个后台产品，我们必须具备基于湖仓平台提供有价值的业务应用的能力。”
而百丽时尚科技中心团队当时对于湖仓产品也没有概念，只有“ 用” 的概念，在数据应用过程中，IT 是工具，工具都是被业务使用的，并且在业务运营场景下使用。原来业务使用系统是打开界面进行操作，IT 和业务之间有屏障，而系统与系统之间的数据很多时候是靠人查询后再输入才能连接业务的运营，在将业务系统拆解成为微服务应用到业务场景中的过程中，就对整个数仓的要求不同，要围绕“ 进、存、出、管” 四个维度进行数据服务能力建设，并需要将所有业务数据进行统一的、标准化的入仓，这样才能实现所有的业务应用是在统一的业务逻辑标准上进行，其背后的核心是数据治理，而数据治理已经成为数仓的核心，以用数的逻辑来管理采集与存储。当用的数据发生问题时，会直接找到采集端进行溯源。这和技术人员对数仓的要求不是一个逻辑。当时市面上成熟产品达不到这样的要求，需要第三方技术公司帮助其实现。
而赵杰辉在通过与百丽时尚几次沟通，发现这家企业不仅有数据，更有很多他想都没想过的应用场景，这正是滴普科技最欠缺的。“ 他有钱没有快速挣，这很关键。当年我认识老赵时，他曾经表示 5 年内不用担心滴普科技挂掉，他们有钱。他还提到滴普科技需要的是先进的有价值的有门槛的场景。” 季燕利后来复盘最初谈判的过程。
赵杰辉以非常虔诚的状态与百丽时尚启动合作：“ 我想真正打造一个厉害的作品。我认为如果你没有在超级复杂的有核心价值场景下应对的产品，就永远无法与其他产品拉开差距。”
丽影除了产品本身的创新，在技术方面也是有非常大的突破，在行业内的大数据的应用侧基本上是 BI 报表、大屏等，一个大屏信息量是几百个字节，都是基于传统数据库，还只是小数据量的应用，而丽影是 TB 级的，是普通大屏的一万倍以上，是直接对接大数据处理系统，才使得丽影能秒级呈现 TB 级的数据，是大数据直接应用到数据呈现的产品，这是在技术上非常大的创新与突破。
2021 年滴普科技开始与百丽时尚合作，最开始丽影的项目不在滴普科技的合作范围内，但是赵杰辉看到了这个项目的价值，在产品设计阶段就让团队主动参与进来。“ 当时整个产品非常不完善。整个湖仓的开发周期难度相当大，承受的压力非常大。丽影现在增量数据以 0.5 秒的频度处理数据，最初的时候跑一次全量数据需要 42 天，经过调整变成 11 天，现在是 5 天。在与百丽时尚合作过程中发现这是值得坚持的方向，便开始逐步完善数据湖仓平台。那年我们在湖仓平台上快速扩展了很多客户。”
经过三五个版本的迭代，滴普科技产品的表现最终达到了预期的效果。在这个过程中，赵杰辉却依然在痛苦思考，“ 即使你完成了数据平台对数据极致地处理能力，也只是左脑部分进行统计，很难理解，诸如营销、供应链或者品牌的总经理为何使用这些数字？他只是业务逻辑的识别表，而不是整个任务意图的识别以及对数据的要求，所以没有人关注。如果这两件事情不结合，那么无论付出多少努力，都很难达到真正的业务价值。在这个过程中，我们与百丽时尚产生的第一代产品是丽影，丽影是什么？它可以达到意图，而且是使用经典数据技术制作，非常宏大，对使用者的要求极高，200 多个维度的数据已经超越了人的思维极限。当数据平台逐步上升轨道时，我遇到了传统意义上的大数据行业的衰落，其原因首先是左脑统计数据的效率很低。第二个问题是即使你能够高效统计数据，它也缺少业务决策意图识别和动态数据统计。我们与百丽时尚的第一个突破是丽影，虽然实际上是想解决这个问题，但是那时候没有大模型技术，所以即使做的非常极致，但对使用者有较高的要求。”
在百丽时尚科技中心团队看来：“ 在表格方面，我们的数仓最早只是图表类数据应用，在图表类数据应用方面滴普科技也做出了极其关键的贡献。在一个界面 200 个维度整个联动完成之后，再继续进行只能是 AI。”
赵杰辉将自己 7 年创业活下来的首要原因归结为运气，他在湖仓产品刚出来的时候，遇到了百丽时尚这个有很多数据和想法的客户；而双方的项目进一步提升遇到技术卡点的时候，GPT 为代表的大模型技术出现了。
共创
当一个企业的有效数据量起势之后，面临的核心问题就是缺乏真正能够有效处理大规模数据的技术。
这正是 2022 年时，百丽时尚和滴普科技一起面对的问题—— 数据平台的有效建设产生了大量的数据，丽影的上线也使得产品技术能力已经被压榨到了极限。
这也是当时大数据市场面临的行业性挑战，许多企业发现自己投入了很多资金，建立了数据平台，交给老板或者业务部门，依然很难把价值讲清楚。对于厂商来说，数据的存储和治理的技术已经相当成熟，但分析和挖掘工具还相对原始，发挥业务价值必须堆人和服务，所以毛利很低。一时间行业进入低谷，很多企业面临困境或倒闭。
滴普科技也从 2022 年开始面对这个问题，“ 我们开始寻找新技术，2022 年我认为较为火爆和现实的是 NLP ABI 等技术，以支撑对话式的 chatBI 等。于是我们组建团队沿着这个方向探索，以降低服务成本和提高效率。在这个探索过程中，失败了—— 在企业中真正让数据产生价值需要非常复杂的业务逻辑。除了获取数据统计，还必须将数据统计与实际业务任务识别和决策逻辑结合，这样才能真正有价值，否则还只是一个报表体系，甚至无法达到之前丽影已经达到的高度。当时非常痛苦，NLP 只能完成简单的数据统计任务，很难识别最终要做什么业务。当时最重要的矛盾是如何灵活识别每次对数据平台的深度使用、业务任务识别和逻辑，与企业的逻辑紧密相连，用这个逻辑统计数据做出决策，这个事情当时不可实现。但大模型出现的那天就撞出火花了。GPT 发布的时间是 11 月底，我们开始研究。在来年 3 月底的战略研讨上，我们决定成立团队，并且将资源腾出来放置。这时候我们成立了第一个大模型团队，最初围绕 GPT 进行。Llama2 出来后，我们继续围绕 Llama2 进行，后来拥抱繁荣的基础模型的开源生态，在这个过程中突然找到了我们困惑的点并打通了。” 赵杰辉回忆说，“ 当时发现它不仅仅是数据分析的价值，还可以实现深度业务链接。然而，数据平台需要重大升级，不仅限于结构化数据，还包括文档知识等逻辑数据。这对原有产品体系改变很大，产品研发销售必须实现无缝对接。”
之前的数据平台处理业务系统的数据能力已经达到极致，原有的数据治理体系对于结构化数据已很完善，产生的数据表、指标集等结果可以实时高效的服务各种 BI 或数据应用。但 AI 的发展可以使得企业更大量的知识、业务逻辑、图片等信息发挥价值，在面向智能化应用时代，数据平台面临着解决从存储到对应的解析以及治理等难题、实现统一的多模元数据、建立自动化的智能识别和信息提取能力、利用数据合成为大模型提供高质量的融合数据等，数据平台的数据技术栈需要再次深度升级。这些认知磨砺最终实现了滴普科技数据平台的重大升级，形成了 FastData Foil 版本，实现了多模态数据的统一管理，并兼容经典数据应用输出和 tokenize 的数据以支撑模型的训练。
赵杰辉喜欢军事和毛选，所以滴普科技有很多相关的名词，例如—— 重装旅。重装旅是滴普科技 2019 年陷入低谷最迷茫的时候，建立起的一套机制，目的就是把整个技术预研、研发和销售形成一个有机循环。所谓重装就是指领导的层级—— 赵杰辉要求负责研发团队总监级以上的人员，包括他本人在内，必须在每年春节后的第一个季度结束前覆盖拜访所有潜在客户和老客户。 “ 他们与客户见面的目的不是具体项目线索，而是向客户分享今年的战略对标情况，希望与客户共同对行业、产品和逻辑进行战略对标。这样的好处是客户可以理解我们公司的具体情况，我们可以认识典型客户的想法，深度交流。这样就不必停留在去年的形象上，因为创业公司都是快速迭代的。”
这一举措带来了两个意想不到的好处，一个是有效考察了一线销售是否勤奋地与客户沟通，另一个好处是，提升滴普科技与大厂对决的胜率—— 因为重装旅的领导等级和资历往往压过大厂区域的销售力量，“ 在局部形成兵力优势和技术优势，当我们还是比较弱小的一方时，我们的打法只有一个快速穿插，哪里有客户，赶紧往那儿跑，然后一堆人把对手包围，吃掉完事。”
重装旅的建立，让滴普科技与重要客户形成了一个所谓“ 双向检阅” 的机制，可以迅速聚焦于目前无法解决的冲突点和问题，这是改善客户服务质量的一个重要举措。“ 重装旅活动涉及研发投资，我们能够自然吸收客户对重大问题的看法。拜访结束正好赶上 4 月份第二季度的战略研讨，研发会进行消化。” 赵杰辉介绍说。
我在深圳旁听的，就是百丽时尚和滴普科技一起举办的重装旅双向检阅的“2025 年战略对标合作启动会”，会上双方联合介绍了已经在百丽时尚各业务领域，基于 Deepexi 企业大模型在商业流通行业落地的推理模型 Deepexi-RM 和滴普科技的 FastAGI，以及基于这一模型构建的多款 AI 应用，包括百明 AI 问数机器人、百策 AI 分析师、丽影 AI 参谋、单品运营大脑、百观 AI 助理等 AI 应用，并进一步规划了 2025 年基于行业大模型+Agentic AI 应用落地的合作规划。
会上展示的 AI 应用，展示了两家公司在过去两年里基于数据、工具和模型取得的飞速进展，以及在模型工程和 AI 落地方面初步形成的有效方法论。“ 我们提出'业务-系统-数据-模型'能力闭环探索的建设路径，业务最小 （业务操作） 决定了系统的最小 （功能点），通过操作节点直接流转；系统的最小又支撑了数仓的最小 （逻辑实体），通过物理表为媒介形成传递；数仓整合业务、系统、数据提供模型所需的参数，通过数据集直接流转；基于需求用模型的结合实现点对点的高效响应，以信息为媒介沿着流程传递，由模型反馈回具体的业务操作上”，季燕利这样总结。
其中为了解决 AI 对业务超越数据分析而能有效识别任务意图进行诸如多品类多店的深度运营策略生成，在合作中，双方摸索出了创新性的“ 左右脑” 逻辑，并已经成为 Deepexi 企业大模型在企业落地推理模型的核心技术架构。
早期 AI 工具依赖纯数据驱动 （如销量预测、库存统计），但缺乏对业务场景语义的理解，导致策略“ 不接地气”。受到人脑结构的启发，项目团队提出了左右脑的逻辑—— 左脑 （算法） 提供量化分析，处理结构化数据 （如计算库存周转率、预测销量）；右脑 （语义） 补充业务规则，解析非结构化信息 （如从导购话术中提取消费者偏好），并通过 SFT+RL 的训练方式，让大模型理解这些业务数据 （现象） 背后的业务逻辑和与之的关联性，使决策既符合数据规律，又贴合实际业务需求。
左右脑的逻辑突破了单维度 AI 的局限性，通过“ 数据+语义” 的双轨驱动，实现从“ 局部优化” 到“ 全局智能”、从“ 被动响应” 到“ 主动决策” 的升级。这样通过自动化闭环 （左脑发现问题 （实时数据能力）→ 右脑归因解释→ 生成策略→ 辅助执行），实时生成决策分析并给出执行建议。例如，左脑发现某门店库存周转率下降 20%，右脑结合天气数据 （雨季延长） 和竞品上新动态，自动生成“ 调拨防水鞋款+针对竞品推出买赠活动” 策略。而以往决策依赖人工协调数据部门和业务部门，流程长、效率低，从数据异常发现到策略落地需 1-2 天的时间。
“ 左右脑” 逻辑
一晃滴普科技已经与百丽时尚合作了 5 年，已经是相关领域百丽时尚最久的合作伙伴。作为甲方，百丽时尚对滴普科技的要求很高，中间不乏争吵和矛盾，但两个团队的关系也很融洽，一起工作，一起定期开会、爬山、团建，年轻人还重新填词，将黄霑的 《沧海一声笑》 改成 《数据一声笑》。
这么多年的合作，双方都很有默契，“ 关于定制化问题，我明确表达了老赵不需要过度定制化。我的需求是定制的，你可以考虑是否需要，如果你不需要，我们可以自己做。如果你认为这对你的产品是增强或者迭代的，那么你就做好。我们与滴普科技合作如此深的原因是我需要的产品他们会按照这方向进行评估，这样他们就可以制作出比我的需求更优秀的产品。”
季燕利其实也很关注滴普科技的发展，还经常给赵杰辉提建议：“ 虽然他们在这件事情上投入了大量资金，但是到目前为止，丽影的方案老赵并未推广出去—— 对很多企业来说太复杂了。而且对老赵的考验是你不能再走一遍丽影的老路，那条路实在太痛苦了。虽然在这里的成果本身而言，你的数据平台已经比别人高很多了。但数据平台上再呈现时，必须采用新技术，用大模型技术理解。不过向别人展示这套方案，很多企业一看就知道你的水平。” 这样的沟通，促使赵杰辉反思如何能够让这样的产品和方案规模化复制，这样的思考最终促使滴普科技完成了 Deepexi 企业大模型和 FastAGI 的成熟，升级后的 FastData Foil 搭配 Deepexi 企业大模型和 FastAGI 能够快速为更多企业复制如此优秀的解决方案，所以去年以来滴普科技已经在大模型产业落地这一市场取得了不少重量级客户。
赵杰辉说：“ 我们和百丽时尚的合作与其他公司不同，在其他地方我们实现了 IT 经理的意图，在这里我们实现了一个业务。百丽时尚在未来产品发展方向的引领方面表现优秀，我们也不是麻木的组织，而是非常灵敏，善于吸收、思考、反思和行动。AI 的出现为生产资料匹配了新一代生产工具，基于 AI 和新一代 AI-Ready 的数据平台升级，高效整合企业的数据和知识，为企业提供深度的智能化应用会真正变革中国的 toB 市场。每次结构性机会的迭代都会带来新生和死亡，我们有幸没有死亡，生产了两次才生产出来。中国的 to B 市场需要这样的生态环境。”
（本文首发于钛媒体 APP，作者 | 刘湘明）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App