8月12日，华为云与滴普科技联合发布数据智能解决方案，面向制造与零售行业，覆盖从数据治理到智能体执行的全链路。华为云CEO周跃峰在采访中直言：今年，AI真正找到了发展道路——以智能体为中心，服务生产与生活。
数字来自双方发布会披露及采访实录，反映的是方案当前已落地的阶段成果。
数据智能不是一个新词。但这一次，华为云和滴普科技把它的边界划得更清楚了。
方案覆盖五个核心环节：数据治理、数据工程、模型训练、智能体构建、业务执行。从原始数据到业务动作，一条链路走完。
链路为逻辑示意，实际部署中各环节可依据企业现状灵活裁剪，不必全部一次到位。
两层架构，各守其位。
DeepWorks承载智能体、企业知识库、行业Skill与任务编排；FastData负责企业数据的接入、开发、治理和服务。整套方案首发两个行业：制造场景看生产工艺、质量管理、设备运维；零售场景看经营分析、商品运营、门店管理和库存补货。
围绕此次联合方案，双方后续还将在技术研发、品牌营销和市场销售等方面展开合作。
滴普科技董事长赵杰辉把产业AI落地的变化说得很直接：去年的瓶颈是模型不够聪明、智能体框架不够稳；今年的瓶颈已经换了。
基础模型的智能水平不够
智能体框架的任务执行能力不稳定
数据：决定AI能创造多少业务价值
算力：决定运行成本与服务稳定性
对比基于赵杰辉在发布会后的采访表述，反映的是产业AI落地重心的真实迁移。
为什么是这两个？赵杰辉算了一笔账：产业AI本质上是一笔经济账——持续创造的价值必须大于持续消耗的成本。数据决定AI能创造多少业务价值，算力决定其运行成本和服务稳定性。
这句话值得读两遍。
它意味着：AI落地不再是一个"能不能做出来"的技术问题，而是一个"划不划算"的商业问题。过去一年，基础模型快速成熟、智能体框架逐渐稳定，产业AI的瓶颈自然就转移了。
"产业AI落地的瓶颈，一是创造价值的瓶颈，也就是数据；二是实现平稳供应和降低成本的瓶颈，即算力的持续突破。"
另一个趋势是部署模式的变化。赵杰辉认为，顶尖模型私有化部署的成本不是一般企业能够承受的，云将成为企业使用AI的重要方式。
瓶颈转移不是停留在判断层面。滴普科技已经有两个落地的例子。
这两个案例的共同点：智能体进入的是专业岗位，不只是写文档的助手。
过去，产业AI的应用大多集中在办公和文档处理领域；现在，它正在进入制造工艺、质量管理、设备维修、门店经营和商品运营等专业场景。而这些场景不能只依赖互联网公开数据，必须建立能够被模型和智能体调用的企业知识底座。
分工逻辑是什么？周跃峰反复强调一个词：开放。
华为云的长板是算力基础设施的高效使用、关键算法支撑，以及面向企业客户的市场与销售能力。滴普科技的长板是数据处理、数据治理，以及制造（51%收入）和零售（30%收入）两个行业的深度积累。
分工信息来自双方发布会披露，反映的是"云基础设施+企业智能体平台"的组合模式。
谈到生态边界，周跃峰说了一句大实话：
这套分工的逻辑很清晰：华为云不包揽数据智能体应用，滴普科技不自己做算力。各守一段，再通过联合方案把链路打通。企业不需要分别寻找云厂商和数据智能体厂商，再自行完成系统集成。
产业AI落地的本质，已经从技术问题变成经济问题。数据决定价值上限，算力决定成本下限——谁能帮企业把这两笔账算清楚，谁就掌握下一轮产业AI竞争的主场。
该方案将进入华为云行业AI专区，制造与零售企业可通过华为云渠道了解与采用。
真正的考验不是"AI能不能用"，而是数据准备好了没有。
关注华为云 · 滴普科技后续动作