专访中科闻歌CEO罗引：决策智能，突破AI落地企业的“关键瓶颈”

登陆港股，成为“中国科学院系AI大模型第一股”，中科闻歌将目光投向了大模型更深处的产业腹地——决策智能。

在中科闻歌联合创始人兼CEO罗引的判断里，大模型解决了“智能供给”的问题，却没能解决企业“吸收智能”的瓶颈；AI产业的下一个主战场，是如何将大模型真正嵌入组织的判断、协同与行动链条，成为管理层的决策助力。近日，证券时报记者对罗引进行了独家专访，拆解决策智能的产业逻辑，以及一家科研出身的AI公司的商业化生存法则。

锚定大模型决策智能的产业方向

“创业这么多年，我们习惯向前看三到五年。”采访伊始，罗引便抛出了中科闻歌的路线逻辑——早年创业时预判多模态是行业风口，如今则笃定决策智能是AI进入企业的下一个核心战场。

在他看来，当前生成式AI仍属于“初级形态”：对话、写作、写代码，本质上都是单点工具，解决的是基础的智能供给问题。但对企业而言，大模型“很好用”却也“很难用”——供给端能力大幅提升，组织端的吸收能力却存在明显瓶颈。“就像补充维生素，补进去多少是一回事，能不能吸收、能不能转化成组织效能，是另一回事。”

罗引将决策智能发展总结为AI的“三重跃迁”：从计算AI、生成AI，最终走向决策AI。真正的高阶形态，是AI赋能企业中高层决策，从“协作助手”进化为组织能力的一部分，嵌入企业的判断链条、协同链条与行动链条当中。

“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。”罗引判断，算力公司、通用模型公司、决策服务公司三类玩家缺一不可，但在企业级AI落地阶段，具备行业理解、产品化和决策服务能力的企业，更有望形成更深的客户黏性和壁垒。这也是中科闻歌锚定决策智能的核心原因——赛道天花板足够高，行业纵深足够广。其招股书上的数据也正在印证这一趋势判断：2023年至2025年，中科闻歌收入由约2.50亿元增长至约4.05亿元，毛利率由44.0%提升至51.2%；公司服务客户数量持续扩大，2025年净收入留存率达到139.5%。

工厂里的实践：低成本构建企业经营“决策大脑”

决策智能的价值，在一家浙江制造企业的落地中得到了直观体现。

浙江工业制造企业拥有完善的ERP（企业资源计划）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，最终形成的结论只能反映当下问题，无法支撑经营判断。“老板问我，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？”

这说明，客户真正关注的是：AI能否在复杂经营场景中识别风险、解释原因并形成管理层可用的判断依据。这也是决策智能区别于通用问答工具的关键。

中科闻歌给出的方案，是依托自研的DIP决策智能平台，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；在此基础上，通过自研的龙工Claworks企业级智能体平台，调用相关数据、模型和工具，完成经营分析、风险识别及业务任务编排，为企业管理者提供决策支撑。

向企业主演示产品时，前两个关于产能、排产的问题，客户觉得确实能提升一些效率；但当罗引抛出“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，让企业负责人眼前一亮，进一步对决策智能有了更深的理解。

“他说这就是他想要的——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。”罗引告诉记者，这本质上是对决策能力的极大释放：管理层从信息汇总的事务中抽离，专注于真正的判断与战略。

机遇：决策智能在企业的渗透会加速落地

尽管价值清晰，但决策智能在企业中的渗透有巨大的挖掘空间。

“大量企业还没意识到，数据要先变成AI可理解的形态，才能服务决策。”罗引坦言，这不是简单教企业“怎么问大模型”就能解决的，需要完备的产品体系去部署和适配，是一套专业的企业智能方法论。

当前多数企业对大模型的应用，还停留在浅层：写文案、做宣传、生成图片，属于“面上的需求”。真正涉及生产运营、流程决策的深层应用，几乎空白。大型企业尚可通过高额投入升级传统信息化系统，把分析逻辑固化下来，但成本极高；中小企业则连定制化软件的门槛都摸不到——“找软件公司开发个功能，几十万就出去了，很多企业主不敢花这个钱”。

在罗引看来，这正是决策智能的机会：它具备更低成本、更灵活的流程自动化能力，企业只需要提出问题，系统就能沉淀为可复用的能力，跟着市场变化快速调整，无需再依赖传统软件厂商的定制开发。“商业环境变化越快，这种灵活、低成本的方案价值就越大。”

盈利的分野：C端内卷难破局，B端拼产品力

算力成本、定制化成本、运维成本，是AI产业化绕不开的三座大山。在罗引眼中，C端与B端的盈利逻辑，几乎是两个完全不同的命题。

C端的Token（词元）订阅模式，盈利难度极高。“基于当前的Transformer架构和芯片成本，纯C端Token订阅模式通常对用户规模、算力调度效率和成本控制能力提出很高要求，商业化门槛相对较高。”他解释，C端服务需要同时解决高并发算力利用率、推理成本、获客成本和用户付费转化等问题，对规模效应要求较高。

B端则是另一条路径。罗引认为，对于To B AI企业而言，市场真正关注的并非单个项目带来的收入，而是三个更关键的问题：产品能否复制，交付周期能否持续缩短，客户是否愿意长期增购。

在他看来，企业级AI的盈利基础，不只是模型能力本身，更在于模型、数据、业务本体与组织流程能否深度融合。“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。”罗引表示，这正是决策智能区别于传统软件外包和通用大模型服务的关键所在。

从实验室到港股：科研产业化的三道坎

作为中国科学院孵化的企业，从实验室走到港股上市，中科闻歌踩过科研成果产业化的所有典型坑。

罗引总结了三个核心卡点：第一是先定义场景，再选择算法。“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。企业要先想清楚解决什么问题，再用合适的算法去匹配。”

第二是工程化与产品化能力。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。“从科研思维转向产品思维，我们花了很长时间，也投入了大量研发资源。”

第三是商业化闭环能力。“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。”

平衡学术基因与商业节奏，是中科闻歌一直以来的课题。罗引的答案是：企业保持对前沿技术的前瞻判断，同时广泛与科研机构合作，把科研思想与产业需求深度融合，实现双赢。

“对中科闻歌而言，港股上市是一个新的起点。我们相信，决策智能正在成为企业AI落地的重要入口。面向这一时代机遇，中科闻歌将依托过去在中国科学院体系中积累的技术基因和产业实践，持续打磨决策智能产品，为客户创造更高价值，并推动公司实现更高质量的发展。”罗引说。