中科闻歌CEO罗引：未来企业不缺模型，真正稀缺的是吸收智能的能力

> 大模型能写诗、能编程、能生成视频，但企业拿到这些“智能”之后，往往发现它很难真正用起来。这不是模型不够强，而是企业内部缺少一个“ 消化系统”——把大模型的能力转化为业务判断和经营决策。 中科闻歌CEO罗引在接受 证券时报独家专访时，给出了一个犀利的判断：“未来企业不缺模型，不缺工具，真正稀缺的是吸收智能的能力。”  这家刚刚登陆 港交所的“中国科学院系AI大模型第一股”，2026年6月26日开盘大涨超80%，其核心业务并非追逐通用大模型竞赛，而是切入了一个更深的产业腹地——**决策智能**。 ## 利润藏在哪：营收与留存率背后的商业逻辑 中科闻歌的招股书数据，印证了其选择B端决策智能赛道的商业逻辑。2023年至2025年，公司收入从约**2.50亿元**增长至**4.05亿元**，毛利率从**44.0%**提升至**51.2%**。毛利率的提升意味着产品化能力增强，定制化比例下降，标准化交付能力正在形成。 更关键的是**139.5%**的净收入留存率，意味着老客户不仅没有流失，还在持续增购。这个数字在B端AI企业中属于较高水平，它直接回答了罗引所说的三个核心问题——产品能否复制，交付周期能否缩短，客户是否愿意长期增购。 “如果每个客户都要从头定制，AI企业就很难实现规模化；但如果平台能够持续沉淀行业知识、业务流程和智能体能力，后续项目的交付效率就会提升，边际成本也会逐步下降。”罗引在访谈中这样解释。 ## 从实验室到 港股：科研公司必须跨越的三道坎 作为一家从 中国科学院自动化研究所走出来的企业，中科闻歌踩过所有科研成果产业化的典型坑。罗引总结的三个核心卡点，几乎可以看作所有科研出身AI公司的生存指南： **第一道坎：先定义场景，再选算法。**“很多科研出身的人，先想着做一个最牛的算法，再去找场景，这是反的。”罗引说，企业要先想清楚解决什么问题，再用合适的算法去匹配。 **第二道坎：从科研思维转向产品思维。**创业初期，团队也曾沉迷于“算法效果有多好”，但客户要的是可落地、可稳定运行的产品。罗引坦言，这个转变花了很长时间，投入了大量研发资源。 **第三道坎：跑通商业化闭环。**“在研究所只要交出高水平的科研成果；而做企业必须算清楚收入、成本、复购、交付周期、客户成功，任何一个环节有短板，模式都跑不通。” ## 工厂里的“决策大脑”：一个案例看透产品价值 决策智能的落地，在一家 浙江制造企业的案例中得到了直观展示。 这家工厂拥有完善的ERP系统，完成了生产流程的数字化，但决策依然依赖人工——厂长、车间主任从系统导出数据，人工统计分析，最终只能反映当下问题，无法支撑经营判断。企业主问罗引：“现在消费级大模型都这么强了，为什么我的企业风险分析、经营决策还不能智能化？” 中科闻歌的解决方案，是依托自研的**DIP决策智能平台**和** 龙工Claworks企业级智能体平台**，构建工厂自身的“数字化业务本体”——将企业已有的数据、流程和业务规则转化为 AI可理解、可推理、可复用的决策资产。 当罗引向企业主演示时，前两个关于产能、 排产的问题，客户觉得确实能提升效率；但当抛出“工厂当前经营存在哪些需要重点关注的异常与潜在风险？”这个抽象问题，AI在几分钟内完成了体系化分析，输出了完整的风险结论。 企业主当场表示：“这就是我想要的——每天不用到公司，打开智能体APP就能看到全厂的经营状态和风险点，不用再层层听汇报，信息客观、真实、及时。” ## 产业趋势验证：决策智能赛道已获多方背书 罗引的判断并非孤例。 IDC 2025年数据显示，中国金融行业生成式AI市场同比增长**90.4%**，核心增长动力正是面向决策场景的企业级解决方案，客户需求已从“采购大模型”转向“采购能落地到业务流程的智能体能力”。 华创证券2026年7月AI行业月报也指出，Agent进入生产环境后，“稳定可靠”成为商业化分水岭。 2026年6月， 清华、 北大联合举办的AI商业模式研讨会上，学界与产业界共同形成共识：AI技术本身无法构成长期护城河，只有当科研团队的技术能力与企业自身的业务流程、组织特征、行业场景深度绑定，完成“模型- 数据-业务-组织”的融合，才会形成不可复制的竞争优势。  ## 结论：中科闻歌不是大模型公司，是决策服务公司 中科闻歌的商业本质，不是卖通用大模型，不是做C端订阅，而是帮助企业解决“智能吸收瓶颈”的决策服务商。 其核心壁垒来自三个层面：**技术层**，自研DIP平台和龙工Claworks构成的产品矩阵；**数据层**，通过“数字化业务本体”将企业私有知识转化为AI可复用的决策资产；**场景层**，在制造、媒体、农业等领域的落地经验形成可复制的交付能力。 对中科闻歌而言，港股 上市只是起点。罗引表示，将锚定决策智能作为企业AI落地的核心方向，长期布局3-5年，重点将大模型嵌入企业的**判断、协同与行动链条**，构建企业级决策服务的客户壁垒。 在这个赛道上，天花板足够高，但挑战同样明确——如何在保持高速增长的同时，持续降低交付成本、扩大场景覆盖，是这家科研出身的AI公司需要持续回答的问题。