"AI 看起来很强，但它不懂宝洁的经营逻辑，所以不敢把它放进关键的决策流程。"

今年三月，宝洁首席信息官对观远数据创始人苏春园说了这句话。彼时，苏春园正在密集拜访客户，为一桩战略转型做最后准备。这不是一家公司的焦虑，而是一整个行业的拷问。

过去近十年，观远做的事情跟绝大多数商业智能公司一样：帮企业看清数据。报表、仪表盘、可视化、指标体系——它们像后视镜和仪表盘，告诉你发生了什么，以及正在发生什么。但客户现在不满足了，他们要的不是 " 看见 "，是 " 抵达 "。

更大的压力来自另一个方向。大模型能力在过去两年爆发，催生了一批 "ChatBI" 工具——用户直接说话，AI 给出分析结果，不需要中间任何一张报表。这些工具在复杂场景下还远不成熟，但它们动摇了商业智能的价值根基：如果数据洞察能直接用对话获得，为什么要专门做报表的系统？护城河似乎正在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，转为以决策为中心的系统，配套发布了 DecideX · AI 决策智能平台。

放到更大的背景里看，这几乎是一种必然。过去一年，中国整个企业服务赛道被大模型和 Agent 冲击得七零八落，商业智能公司首当其冲。苏春园给出的判断是：2026 年，长链 Agent 能力将从量变走到质变，" 以数据出发，真正开始有机会能够让行动发生 "。

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。绝大多数企业的商业智能建设停在前两层，越往上越少。两个瓶颈长期卡住了突破——非结构化数据的处理能力被大模型解决，四层之间算法模型的点状割裂被长链 Agent 解决。但技术可行，不意味着商业成立。

埃森哲的股价过去一年跌去 50%，手握着近 100 亿美元的人工智能项目积压合同，也挡不住资本市场用脚投票。恐慌已经蔓延到整个企业软件板块：Salesforce 股价从高点跌去约 50%，市值蒸发 1600 亿美元；ServiceNow 跌幅超 49%，Workday 跌约 58%，SAP 跌约 46%。英伟达黄仁勋此前提出的 AI 产业 " 五层蛋糕 " 模型解释了这一点：90% 的营收流向底层基础设施，应用层的公司正在被市场重新定价。Manpower 调研数据也提供了一组对照：全球职场人群 AI 使用率上升了 13 个百分点，但对技术使用的信心却暴跌 18%。

" 越用 AI 越迷茫。" 企业数字化转型专家、前 IBM 与 BCG 资深顾问陈果说。

这场迷茫是所有人的共同困境。观远选择此刻全力投入决策智能，背后既有技术判断，也有商业现实的压力：商业智能赛道正在被大模型公司和通用 Agent 平台从两边挤压，如果不往上走，就可能被碾在中间。

观远依托大模型向决策智能转型，有一套完整的叙事：后视镜到导航仪的比喻、5A 路径、FDE 团队、Value Max 理念。DecideX 的产品架构也不只是 " 商业智能加个 Chat" 那么简单，它从企业级数据底座延伸到决策上下文层，再到 Agent 编排和场景化数字员工。但现场有三个信息需要拆开来看。

案例方面，使用 DecideX 后，一家游戏服务商的数据分析周期从 2 个月缩短至 1 周，来伊份从 20 个关键 SKU 做到 100% 全覆盖，部分连锁餐饮客户的老客召回成本降低 40%。问题在于，它们大多处于 " 从 0 到 1" 的验证阶段，能否跑通 " 从 1 到 N" 的规模化复制，还需要继续观察。FDE 模式跟客户 " 一起进入业务现场去交付结果 "，深度服务优势明显，但每拓展一个客户就要投入一个高成本团队，而且 "100% 持证上岗 " 的人才极度稀缺——当客户从几十家走到几百家时，这个模式能不能撑住，发布会没有正面回答。

苏春园还谈到了时下热议的 Token Maximization 话题："Token 消耗很多，并不天然代表价值。" 但他提出的 Value Max 落到商业层面，要面对一个朴素的问题——谁来定义价值？答案是 FDE 团队和客户一对一共同定义。这本质上就是项目制。Palantir 也是项目制而且活得很好，但对一家筹备港股上市的企业，资本市场会问：你的收入增长和 FDE 团队增长之间，是不是 1:1 的关系？观远的应对方式是 " 产品化 FDE"，通过 DecideX 平台把行业能力沉淀下来降低边际成本。方向是对的，但这也是 Palantir 花了二十多年没有完美解决的事。

现场最有趣的部分，是苏春园花了十分钟讲述观远自己的组织转型：双核驱动模型、20 多个 POD 小组、公司级 AI 工作台 CodeMarrs。他说这是被客户 " 启发 " 出来的：" 过去几周跟老客户聊，最多的反馈是‘你一定要分享你们自己怎么做 AI 组织转型的’。" 客户的逻辑很朴素——你要帮我做决策智能化，你自己用 AI 了吗？观远的人工智能原生转型已完成约 40%，听起来不错，但也意味着这家公司得同时打两场仗：帮客户完成决策智能转型，同时推动自己完成 AI 原生转型。

这三个问题——案例从 1 到 N、FDE 从重到轻、自身转型从 40% 到 100% ——指向同一个核心：观远能不能从一家 " 能做 " 的公司，变成一家 " 能规模化 " 的公司。

除国内市场之外，观远也在积极布局出海业务。策略上提出了三层出海路径：伴随客户出海、以 AI 方案自然吸引、主动拓展海外市场。目前三个路径已有实际落点：印尼的 5 家战略合作伙伴、校企合作项目、中国香港直客服务，以及下半年推进的欧洲计划。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需求未被充分满足，中国厂商的解决方案恰好可以填补空白。如果这个判断能得到具体产品与案例支撑，出海业务有望形成一条极具说服力的增长曲线。据笔者了解，观远面向港股的上市筹备也在进行中，时间预期在两年左右。

2016 年苏春园创立观远时，使命是 " 让业务用起来，让决策更智能 "。近十年后，" 决策智能 " 从一句愿景变成了 Gartner 魔力象限里的独立品类。剥开叙事去看，能看到的更多是一个行业变革的缩影：商业智能正在被人工智能重塑，老牌公司们在找路；通用大模型公司从另一个方向逼近，它们不懂行业场景，但拥有更强的技术底座和资本弹药。

观远走的是往决策智能方向的路，把壁垒建在行业 know-how 和决策上下文上，这是通用大模型公司短期不愿意做、也无力做的事。但它面临的挑战同样真实：FDE 的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 的理念在短期商业化压力下能不能坚持得住。观远方面反复强调，他们不是要成为中国的 Palantir。但无论是 FDE 模式、Ontology 方法论还是决策闭环的叙事，两家公司的相似之处都难以忽略。区别在于，Palantir 花了二十多年建立起政府和企业客户的信任壁垒，客户一旦接入几乎不会更换；观远面临的竞争环境更复杂——大模型公司、通用 Agent 平台、传统商业智能竞品，甚至客户自己的 IT 团队，每一方都在争夺 " 决策 " 这个制高点。

宝洁首席信息官那句话—— AI 很强，但不懂宝洁的经营逻辑——是整个行业的共同困境。观远能不能成为那家 " 懂 " 的公司，才是 DecideX 真正要面对的考题。