中科闻歌CEO罗引：AI落地难在“智能吸收”，决策智能成新战场

> **AI大模型遍地开花，但真正让企业“用起来”却比想象中难得多。** 中科闻歌CEO罗引在近期专访中给出了一个尖锐的判断：当前生成式AI只是解决了“智能供给”的问题，企业端存在明显的“智能吸收瓶颈”——大模型“很好用”却也“很难用”。他判断，AI产业的下一个主战场，不是更大规模的模型，而是能让企业“吸收”智能的**决策智能**。 ## 决策智能，AI产业的下一个“主战场” 罗引将AI产业发展总结为“**三重跃迁**”路径：从计算AI、生成AI，最终走向决策AI。当前生成式AI仍属于“初级形态”，本质是对话、写作、写代码类的单点工具，就像补充维生素，补进去多少是一回事，能不能转化成组织效能，是另一回事。 真正的高阶形态，是让AI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**，赋能中高层决策。罗引判断，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”。 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**。 ## 从实验室到港股，科研产业化要跨三道坎 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。罗引总结了科研出身AI公司必须跨越的**三个核心卡点**： - **第一：场景优先，算法匹配**。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：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，需要长期投入与认知转换。 - **第三：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。 ## 工厂里的“决策大脑”，一个案例看懂产品价值 决策智能的价值，在**一家浙江制造企业**的落地中得到直观体现。该企业拥有完善的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，最终形成的结论只能反映当下问题，无法支撑经营判断。 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。 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。 企业负责人当场表示：“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。” ## 高留存率背后的护城河，数据告诉你的商业逻辑 中科闻歌招股书上的数据，正在印证其商业模式的可行性。**2023年至2025年**，公司收入由约**2.50亿元**增长至约**4.05亿元**，毛利率由**44.0%**提升至**51.2%**。毛利率的提升意味着产品化程度提高，而非停留在低毛利的项目制交付。 更关键的是，公司2025年**净收入留存率达到139.5%**，累计服务企业及机构客户超**650家**。 这个数字远超SaaS行业平均水平，直接回击了市场对“科研背景公司能否留住客户”的质疑。**高留存率说明决策智能产品在客户那里形成了真正的“粘性”**——一旦嵌入企业的判断与行动链条，替换成本极高，复购与增购就成为自然结果。 这与罗引的判断一致：具备行业理解、产品化和决策服务能力的企业，会形成更深的客户黏性和壁垒。 **中科闻歌正在用数据证明，决策智能不是概念，而是能跑通商业闭环的赛道。** 7月15日，新华网与中科闻歌签署战略合作协议，双方将围绕“新华语典”与“Decitron决策机”开展融合应用探索，进一步拓展决策智能在媒体传播与政企服务场景中的落地。  对这家从中科院实验室走出的AI公司而言，港股上市不是终点，而是将决策智能嵌入更多企业决策链条的新起点。