一家BI公司，当下决定转型

“AI能力看似强大，司当但它无法理解宝洁深层的下决型经营逻辑，因此我们不敢将其直接嵌入核心决策流程。定转”这是司当宝洁CIO在今年3月对观远数据创始人苏春园直言不讳的反馈。彼时，下决型苏春园正密集走访客户，定转为观远即将启动的司当十年首次战略转型做最后的铺垫。

过去近十年，下决型观远数据与绝大多数BI（商业智能）公司一样，定转致力于解决企业数据的司当“可视化”问题：通过报表、仪表盘、下决型可视化图表及指标体系，定转充当企业的司当“后视镜”与“仪表盘”，清晰展示“发生了什么”与“正在发生什么”。下决型

然而，定转客户痛点已从单纯的“看见”升级为“抵达”。更深层的压力，正来自行业格局的剧烈重构。

BI护城河危机：大模型下的价值重估

过去两年，大模型技术的爆发催生了大量“ChatBI”工具。用户只需通过自然语言对话，AI即可直接输出分析结果，无需经过传统的报表中间层。尽管这些工具在复杂场景下尚不成熟，但其出现从根本上动摇了传统BI的价值主张：如果洞察可直接通过对话获取，为何还需要专门的报表系统？BI公司的护城河，似乎正被大模型从底部掏空。

上周，观远数据在杭州宣布成立十年来的首次重大转型：从“数据智能”全面转向“决策智能”，从以数据为中心的系统转向以决策为中心的系统，并同步发布DecideX·AI决策智能平台。

置于更宏观的视角，这一转型是行业困境下的必然选择。过去一年，中国企服赛道遭大模型与Agent（智能体）冲击，BI公司首当其冲。苏春园判断，2026年长链Agent能力将实现从量变到质变的跨越，“以数据为起点，真正推动行动发生”的机会窗口已经打开。

数据分析领域长期存在“四层阶梯”：描述性分析、诊断性分析、预测性分析、处方性分析。多数企业BI建设停滞于前两层，突破瓶颈主要受制于两点：非结构化数据处理能力（大模型已解决）及四层间算法模型的割裂（长链Agent正在解决）。

但技术可行不等于商业成立。过去一年，埃森哲股价腰斩，即便手握百亿美元AI积压合同，资本市场仍用脚投票。恐慌情绪蔓延至整个企业软件板块：Salesforce市值蒸发1600亿美元，ServiceNow、Workday、SAP跌幅均接近或超过50%。

英伟达黄仁勋提出的AI产业“五层蛋糕”模型揭示了这一现象：90%的营收流向底层基础设施，应用层公司正被市场重新定价。Manpower调研显示，全球职场人群AI使用率上升13个百分点，但对技术应用的信心却暴跌18%。“越用AI越迷茫”，成为企业数字化转型专家、前IBM与BCG资深顾问陈果的总结。

这场迷茫是所有AI企业的共同困境。观远选择All in决策智能，既是技术预判，也是生存压力下的突围：BI赛道正遭受大模型公司与通用Agent平台的双向挤压，若不向上延伸，极易被夹击致死。

三重考验：规模化与商业化的核心拷问

观远向决策智能转型构建了一套完整叙事：从“后视镜”到“导航仪”的比喻、5A路径、FDE（Field Delivery Expert）团队及Value Max理念。DecideX的产品架构远超“BI+Chat”的简单叠加，涵盖企业级数据底座、决策上下文层、Agent编排及场景化数字员工。

然而，发布会披露的三个关键信息，揭示了转型背后的深层挑战：

1. 从“0到1”验证到“1到N”复制的鸿沟

案例显示，DecideX成效显著：某游戏服务商数据分析周期从2个月缩短至1周；来伊份实现20个关键SKU到100%全覆盖；部分连锁餐饮客户老客召回成本降低40%。
挑战在于，这些案例多处于“从0到1”的验证阶段，能否实现“从1到N”的规模化复制仍需观察。FDE模式强调“与客户共同进入业务现场交付结果”，虽具深度服务优势，但每拓展一个客户需投入高成本团队。在“100%持证上岗”人才极度稀缺的背景下，当客户规模从几十家扩张至几百家，该模式能否支撑增长，发布会未给出明确答案。

2. “Value Max”与项目制困境

苏春园提及“Token Maximization”话题，指出“Token消耗多不代表高价值”，提出Value Max理念。但在商业落地中，面临一个朴素问题：价值由谁定义？目前由FDE团队与客户一对一共同定义。
这本质上仍是项目制模式。Palantir同样采用项目制且活得很好，但对于筹备港股IPO的观远，资本市场必然追问：收入增长与FDE团队增长是否呈1:1线性关系？观远应对策略为“产品化FDE”，即通过DecideX平台沉淀行业能力以降低边际成本。方向正确，但这正是Palantir耗时二十余年仍未完美解决的难题。

3. 自身AI原生转型的滞后性

苏春园花费十分钟阐述观远自身的组织转型：双核驱动模型、20多个POD小组、公司级AI工作台CodeMarrs。这一变革源于客户反馈：“你要帮我做决策智能化，你自己用AI了吗？”
目前，观远AI原生转型完成度约40%。这意味着公司需同时打赢两场硬仗：协助客户完成决策智能转型，同时推动自身完成AI原生转型。

这三个问题——案例规模化、FDE模式轻量化、自身转型彻底化——指向同一核心命题：观远能否从一家“能做”的公司，进化为一家“能规模化”的公司。

出海布局与IPO预期：寻找第二增长曲线

除深耕国内，观远正积极布局出海业务，提出三层路径：伴随客户出海、以AI方案自然吸引、主动拓展海外市场。目前，印尼5家战略合作伙伴、校企合作项目、中国香港直客服务已落地，下半年将推进欧洲计划。

欧洲市场存在结构性机会：部分原本采用北美大厂产品的客户，其需求未被充分满足，中国厂商的解决方案恰好填补空白。若此判断能获得具体产品与案例支撑，出海业务有望成为极具说服力的增长曲线。

据透露，观远面向港股的IPO正在筹备中，预计时间窗口为两年左右。

结语：成为那家“懂”的公司

2016年，苏春园创立观远，使命是“让业务用起来，让决策更智能”。十年后，“决策智能”已从愿景变为Gartner魔力象限中的独立品类。

剥开叙事外壳，这折射出整个行业的变革缩影：BI正在被AI重塑，老牌厂商积极寻找出路；通用大模型公司从技术侧逼近，虽不懂行业场景，却拥有更强的技术底座与资本弹药。

观远选择构建壁垒于行业Know-how与决策上下文，这是通用大模型公司短期不愿且无力涉足的领域。但其挑战同样真实：FDE重服务模式能否跑通规模、决策上下文的高定制化能否降低边际成本、Value Max理念在短期商业化压力下能否坚守。

观远反复强调，其目标并非成为“中国的Palantir”。然而，无论是FDE模式、Ontology方法论还是决策闭环叙事，两者相似性难以忽视。区别在于，Palantir耗时二十余载建立了深厚的政企信任壁垒，客户粘性极高；而观远面临的竞争环境更为复杂：大模型公司、通用Agent平台、传统BI竞品乃至客户自研IT团队，均在争夺“决策”制高点。

宝洁CIO那句“AI很强，但不懂宝洁的经营逻辑”，道出了整个行业的共同困境。观远能否成为那家“懂”的公司，才是DecideX真正要面对的终极考题。

(本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 秦聪慧)

本文地址：https://www.xyaji.com/html/413c89998687.html