（本文作者为 AGI-Signal，钛媒体经授权发布）
“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。他当时正在密集拜访客户，为观远数据不久以后即将进行的战略转型做最后准备。
过去近十年，观远做的事情和绝大多数 BI 公司一样，帮企业把数据看清楚：报表、仪表盘、可视化、指标体系，这些都是企业的“ 后视镜” 和“ 仪表盘”，告诉你发生了什么，正在发生什么。
但客户越来越不满足于“ 看见”，他们要的是“ 抵达”。更深层的压力来自另一个方向。
BI 的护城河？
过去两年，大模型能力的爆发催生了一大批“ChatBI” 工具，用户直接说一句话，AI 就能给出分析结果，不需要中间任何一张报表。虽然这些工具在复杂场景下远不够成熟，但它们的出现从根本上动摇了 BI 的价值主张：如果数据洞察可以直接通过对话获得，为什么还需要一个专门做报表的系统？BI 公司的护城河，似乎正在被大模型从底部掏空。
就在上周，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向以决策为中心的系统，作为配套也一并发布了 DecideX·AI 决策智能平台。
放在更大的背景下来看，这个转型从当下的境况看是一种必然。过去一年，整个中国企服赛道被大模型和 Agent 冲击得七零八落，BI 公司首当其冲。
作为观远数据创始人兼 CEO，苏春园给出的判断是：2026 年，长链 Agent 能力量变到质变，“ 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 BI 建设停留在前两层，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），以及四层之间的算法模型点状割裂 （被长链 Agent 解决）。
但技术可行不等于商业成立。过去一年，埃森哲的股价跌去 50%，手握近 100 亿美元 AI 项目积压合同也挡不住资本市场的用脚投票。这股恐慌情绪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%。
此前，英伟达黄仁勋提出的 AI 产业“ 五层蛋糕” 模型解释了这一现象：90% 的营收流向了底层基础设施，应用层的公司正在被市场重新定价。Manpower 调研数据也显示，全球职场人群 AI 使用率上涨 13 个百分点，但对技术使用的信心暴跌 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。
这场迷茫是所有企业 AI 公司的共同困境。观远选择此刻 All in 决策智能，既有技术判断，也有商业现实的压力：BI 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，就有可能被碾在中间。
三重考验，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：后视镜到导航仪的比喻、5A 路径、FDE 团队、Value Max 理念。DecideX 的产品架构也确实不像“BI 加个 Chat” 那么简单，从企业级数据底座到决策上下文层，再到 Agent 编排和场景化数字员工。
但现场的三个信息，值得分开来看。
几个客户案例显示，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，来伊份实现从 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%。
不过，问题是它们大多处于“ 从 0 到 1” 的验证阶段，是否能跑通“ 从 1 到 N” 的规模化复制，还需要进一步验证。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。当客户从几十家走向几百家时，这个模式能不能撑住，发布会没有正面回答。
苏春园还提到了当下行业热议的 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，面临一个朴素的问题：谁来定义价值？这个价值由 FDE 团队和客户一对一共同定义。
但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 IPO 的公司，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。
最有趣的部分其实是苏春园花十分钟讲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’”。客户很朴素：你要帮我做决策智能化，你自己用 AI 了吗？
观远 AI 原生转型已完成约 40%，听起来不错，也意味着这家公司有两件事得同时做：帮客户完成决策智能转型，同时推动自身完成 AI 原生转型。
这两场硬仗需要观远付出持续的努力。
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。
出路
除了国内市场，观远也在积极布局出海业务。策略方面，观远提出的三层出海路径，即伴随客户出海、以 AI 方案自然吸引、主动拓展海外市场。目前上述三个路径，在观远已具备实际落点：例如印尼的 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。
尤为值得关注的是，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，其需求并未得到充分满足，而中国厂商的解决方案恰好可填补这一空白。若此判断能获得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 IPO 也正在筹备中，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 魔力象限里的一个独立品类。
剥开叙事去看，能看到的更多是一个行业变革的缩影：BI 正在被 AI 重塑，老牌 BI 公司们在积极寻找出路；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也没有能力做的。但它面临的挑战同样真实：FDE 模式的重服务是否能跑通规模、决策上下文的高定制化是否能降低边际成本、Value Max 的理念在短期商业化压力下能不能坚持。
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，观远和 Palantir 的相似之处都很难被忽略。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 BI 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 CIO 那句“AI 很强，但不懂宝洁的经营逻辑”，是整个行业共同的困境。观远能不能成为那家“ 懂” 的公司，才是 DecideX 真正要面对的考题。
(本文首发钛媒体 APP，作者 | AGI-Signal，编辑 | 秦聪慧）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App