“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。”这是宝洁CIO在今年3月对苏春园说的一句话。彼时，他正密集走访客户，为观远数据即将全面铺开的战略转型做最终准备。
过去近十年，观远所做的事与绝大多数BI公司并无二致：协助企业洞察数据价值，通过报表、仪表盘、可视化与指标体系等工具，充当企业的“后视镜”和“仪表盘”，清晰呈现“发生了什么，正在发生什么”。
然而，客户已不再满足于“看见”，他们更渴望“抵达”业务目标。更深层的压力，则来自行业的另一重变革。
BI的护城河，还能守住吗？
过去两年，大模型能力的井喷催生了一大批“ChatBI”工具。用户只需一句话，AI便能直接呈现分析结果，无需依赖任何中间报表。尽管这些工具在复杂业务场景中仍远未成熟，但其出现已从根本上动摇了BI的价值主张：如果数据洞察可通过对话瞬间获得，企业为何还需要一套专门的报表系统？BI公司的护城河，似乎正被大模型从底层悄然掏空。
就在上周，观远数据在杭州宣布成立十年来的首次战略转型——从“数据智能”全面转向“决策智能”，核心系统由“以数据为中心”升级为“以决策为中心”。同步发布的DecideX·AI决策智能平台，成为这一转型的关键支撑。
放在行业大背景下看，这一转型在当前已是必然之举。过去一年，整个中国企业服务赛道被大模型与Agent技术冲击得支离破碎，BI公司首当其冲，面临重塑。
作为观远数据创始人兼CEO，苏春园给出了明确判断：到2026年，长链Agent能力将从量变走向质变，“以数据为起点，真正有机会推动行动的发生”。
数据分析领域长期存在经典的“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BI建设仍停留在前两层，越往上走，参与者越少。两大瓶颈长期阻碍了进阶：非结构化数据的处理能力（如今已被大模型突破），以及各层级间算法模型的碎片化割裂（正被长链Agent技术弥合）。
但技术可行，并不意味着商业上必然成立。过去一年，埃森哲股价下跌约50%，即便手握近100亿美元AI项目积压订单，仍挡不住资本市场的用脚投票。这种恐慌情绪已蔓延至整个企业软件板块：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%。
此前，英伟达黄仁勋提出的AI产业“五层蛋糕”模型，恰好解释了这一现象：90%的营收涌向底层基础设施，而应用层公司正被市场重新定价。Manpower调研数据也表明，全球职场人群的AI使用率虽上涨13个百分点，但对技术使用的信心却暴跌18%。
“越用AI，反而越感到迷茫。”企业数字化转型专家、前IBM与BCG资深顾问陈果这样评价。
这份迷茫，正是所有企业级AI公司共同面对的困境。观远选择此刻All in决策智能，既是基于技术趋势的预判，也源于商业现实的压力：BI赛道正被大模型公司与通用Agent平台从两侧挤压。若不向上突围，便可能被碾在中间。
三重考验，直指一个核心问题
观远依托大模型向决策智能的转型，有一套完整的叙事逻辑：“后视镜到导航仪”的比喻、清晰的5A路径、专业的FDE团队、以及Value Max理念。DecideX的产品架构也绝非“BI加个Chat”那么简单，它涵盖了从企业级数据底座、决策上下文层，到Agent编排与场景化数字员工的完整体系。
然而，现场披露的三个信息，值得分别审视。
多个客户案例显示，采用DecideX后，一家游戏服务商的数据分析周期从2个月压缩到1周；来伊份实现了从20个关键SKU到100%全覆盖的跃升；部分连锁餐饮客户的老客召回成本降低了40%。
但值得注意的是，这些案例大多仍处于“从0到1”的验证阶段。能否顺利跑通“从1到N”的规模化复制，尚需时间检验。FDE模式强调与客户“一同进入业务现场，交付实际结果”，其深度服务优势明显。然而，每拓展一位新客户，便需投入一个高成本团队，且“100%持证上岗”的专业人才极度稀缺。当客户从几十家增长到几百家时，这一模式能否持续支撑，发布现场并未给出正面回答。
苏春园还提到了当下行业热议的Token Maximization话题。他指出，“Token消耗多，并不天然代表价值高”。但他提出的Value Max理念，在商业落地层面面临一个朴素难题：由谁来定义价值？目前，这个价值由FDE团队与客户一对一共同界定。
从本质上讲，这属于项目制模式。Palantir同样采用项目制，且经营状态良好。但对于一家正筹备港股IPO的公司而言，资本市场必然会追问：你的收入增长与FDE团队扩张之间，是否是1:1的线性关系？观远的应对策略是“产品化FDE”，即通过DecideX平台沉淀行业能力，以降低边际成本。方向固然正确，但这也是Palantir花费二十多年仍未完美解决的难题。
整场发布会最有趣的部分，或许是苏春园花了十分钟讲述观远自身的组织转型：双核驱动模型、20多个POD小组、以及公司级AI工作台CodeMarrs。他坦言，这是被客户“启发”出来的。“过去几周和老客户交流，听到最多的反馈是‘你一定要分享你们自己怎么做AI组织转型的’。”客户的想法很朴素：你要帮我们实现决策智能化，那你们自己用AI了吗？
观远的AI原生转型目前已完成约40%。听上去不错，但这也意味着这家公司必须同时打好两场硬仗：帮助客户完成决策智能转型，同时推动自身实现彻底的AI原生蜕变。
这两场战役，需要观远付出持续而坚定的努力。
这三个核心问题——案例如何从1走向N、FDE模式如何从重变轻、自身转型如何从40%抵达100%——最终都指向同一个关键命题：观远能否从一家“能做”的公司，真正进化为一家“能规模化”的公司。
出路：出海与国际市场布局
除了深耕国内市场，观远也在积极布局出海业务。在策略层面，观远提出了三层出海路径：伴随中国客户共同出海、以AI方案的自然吸引力吸引海外客户、以及主动拓展海外市场。目前，这三个路径均已具备实际落点——例如在印尼的5家战略合作伙伴、校企合作项目、中国香港的直客服务，以及下半年即将推进的欧洲计划。
尤为值得关注的是，欧洲市场存在明显的结构性机会：部分原本采用北美大厂产品的客户，其需求并未得到充分满足，而中国厂商的解决方案恰好能填补这一空白。如果能通过具体产品和成功案例支撑这一判断，那么出海业务有望成为观远一条极具说服力的增长曲线。
据了解，观远面向港股的IPO也在积极筹备中，时间预期在两年左右。
2016年，苏春园创立观远时，其使命是“让业务用起来，让决策更智能”。近十年后，“决策智能”已从一句愿景变成了Gartner魔力象限里的一个独立品类。
剥开叙事来看，我们更多看到的是一个行业变革的缩影：BI正在被AI深刻重塑，老牌BI公司在积极寻找出路；通用大模型公司则从另一个方向逼近——它们虽不深谙行业场景，却拥有更强的技术底座与资本弹药。
观远选择的是通往决策智能的方向，将壁垒构筑在行业know-how和决策上下文上，这是通用大模型公司短期不愿也没有能力去做的。但它所面临的挑战同样真实：FDE模式的重服务能否跑通规模化？决策上下文的高定制化能否有效降低边际成本？Value Max理念在短期商业化压力下能否始终坚持？
观远方面反复强调，他们并非要成为中国的Palantir。但无论是FDE模式、Ontology方法论，还是决策闭环的叙事，观远与Palantir之间的相似之处都难以被忽视。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；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，甚至客户自身的IT团队，每一方都在争夺“决策”这一制高点。
宝洁CIO那句“AI很强，但不懂宝洁的经营逻辑”，正是整个行业共同面临的困境。观远能否成为那家真正“懂”行业、懂客户的公司，才是DecideX平台真正需要回答的终极考题。
