4月10日，中國證監(jiān)會(huì)發(fā)布備案通知書，中科聞歌獲批發(fā)行不超過6066.86萬股境外上市普通股并在港交所上市，47名股東所持約1.58億股境內(nèi)未上市股份同步轉(zhuǎn)為境外流通股。該公司此前已于2025年6月25日向港交所秘密遞表。

一家從中國科學(xué)院自動(dòng)化所走出來的AI公司，帶著“決策智能第一股”的標(biāo)簽叩響港股大門。招股書給出了兩組截然不同的數(shù)據(jù)：一張是年收入4.05億元、毛利率連續(xù)兩年超過50%、凈收入留存率（NDR）飆至139.5%的高增長曲線；另一張是年虧損1.74億元、2025年虧損重新擴(kuò)大、客戶集中度偏高的To G模式隱憂。

兩組數(shù)據(jù)都是真實(shí)的。問題在于，哪一張更能代表這家公司的未來。

創(chuàng)始團(tuán)隊(duì)：三個(gè)科研人，一條產(chǎn)業(yè)路

中科聞歌的三位創(chuàng)始人——董事長王磊博士、CEO羅引博士、首席科學(xué)家曾大軍教授——均來自中科院自動(dòng)化所。這個(gè)“國家隊(duì)”背景是中科聞歌最顯著的標(biāo)簽，也是其技術(shù)底色的來源。

王磊，41歲，2016年1月從天津大學(xué)獲得管理科學(xué)與工程專業(yè)博士學(xué)位，2009年4月至2021年6月在中科院自動(dòng)化所歷任工程師、副研究員及研究員，2017年3月聯(lián)合創(chuàng)立中科聞歌。其科研積累主要集中在多媒體內(nèi)容分析與復(fù)雜網(wǎng)絡(luò)信息處理領(lǐng)域。

羅引，40歲，2019年6月從北京理工大學(xué)獲得工商管理專業(yè)博士學(xué)位。2010年8月進(jìn)入中科院自動(dòng)化所擔(dān)任工程師，期間曾于中國移動(dòng)通信集團(tuán)貴州有限公司短暫工作（2012年至2015年），之后回到自動(dòng)化所擔(dān)任副總工程師，2021年獲正高級(jí)工程師職稱。兼具技術(shù)底子和行業(yè)運(yùn)營經(jīng)驗(yàn)，這在科學(xué)家創(chuàng)業(yè)團(tuán)隊(duì)中并不常見。

曾大軍在三人中學(xué)術(shù)資歷最深——1990年畢業(yè)于中國科學(xué)技術(shù)大學(xué)，1998年獲美國卡內(nèi)基梅隆大學(xué)工業(yè)管理博士學(xué)位，2010年獲國家杰出青年科學(xué)基金資助，研究方向涵蓋人工智能、社會(huì)計(jì)算與信息系統(tǒng)。他的加入，為中科聞歌提供了決策智能領(lǐng)域的底層理論支撐。

三人通過一致行動(dòng)協(xié)議控制公司30.66%的投票權(quán)。這一結(jié)構(gòu)在科學(xué)家創(chuàng)業(yè)團(tuán)隊(duì)中并不罕見，團(tuán)隊(duì)穩(wěn)定性在中科聞歌八年的發(fā)展過程中已經(jīng)得到了初步驗(yàn)證。

再來看技術(shù)體系，中科聞歌的核心技術(shù)體系是DIOS認(rèn)知與決策智能基礎(chǔ)平臺(tái)，自下而上分為三層：數(shù)據(jù)層X-Data（多源數(shù)據(jù)集成與分析平臺(tái)）、模型層雅意大模型（Yayi）、決策層DI-Brain（智腦，AI智能體開發(fā)平臺(tái)）。

雅意大模型是這家公司對外最響亮的技術(shù)名片。該模型于2023年6月首次發(fā)布，同年12月升級(jí)至2.0版本。2023年，雅意大模型2.0被中國信息通信研究院認(rèn)證為建模能力領(lǐng)域的領(lǐng)先水平（4級(jí)），認(rèn)證時(shí)為中科聞歌成為評級(jí)最高的技術(shù)公司之一。2024年，中科聞歌在香港發(fā)布了面向粵語地區(qū)的多語種D2 LLM大模型及企業(yè)級(jí)AI應(yīng)用D2 AIE；2025年，與中醫(yī)科學(xué)院聯(lián)合開發(fā)的中醫(yī)大模型“大醫(yī)金匱”通過信通院最高級(jí)別可信賴AI認(rèn)證。

針對DIOS的“全?！甭肪€，業(yè)界存在兩種解讀。一種觀點(diǎn)認(rèn)為，數(shù)據(jù)、模型、決策三層同時(shí)布局，能夠在具體行業(yè)場景中提供端到端的交付能力，降低客戶集成成本，這在以政府和企業(yè)大客戶為主的To B/To G市場中是切實(shí)的競爭優(yōu)勢。另一種觀點(diǎn)則指出，對比國際市場上專業(yè)化分工的路徑（如OpenAI聚焦模型層、Snowflake聚焦數(shù)據(jù)層），全棧打法對資源投入的要求更高，可能面臨戰(zhàn)線過長的問題。

兩種解讀各有道理。但在中科聞歌的語境下，“全?！备咏环N務(wù)實(shí)的客戶導(dǎo)向策略：招股書披露，公司2025年超過72%的收入來自本地化部署，這意味著客戶需要的往往不是一個(gè)模型API，而是一套從數(shù)據(jù)接入到?jīng)Q策輸出的完整解決方案。DIOS的三層架構(gòu)，本質(zhì)上是圍繞這類客戶的實(shí)際需求設(shè)計(jì)的。同時(shí)，平臺(tái)化交付也為中科聞歌帶來了規(guī)模化效率——招股書顯示，平均交付周期已從2023年的185天壓縮至2025年的80.2天。

增長曲線與虧損現(xiàn)實(shí)

收入增速穩(wěn)健，毛利率持續(xù)改善。NDR從66.1%躍升至139.5%是整份招股書中最值得關(guān)注的數(shù)據(jù)。

139.5%的NDR意味著老客戶不僅全部續(xù)約，平均還在原有合同基礎(chǔ)上增購了近40%的服務(wù)。在To B企業(yè)軟件領(lǐng)域，NDR超過120%通常被視為產(chǎn)品黏性和擴(kuò)張能力極強(qiáng)的信號(hào)。

需要指出的是，中科聞歌的客戶留存率（55.4%）并不算高，這意味著每年有接近一半的客戶不再續(xù)約。但高NDR與低留存率并存恰恰說明一個(gè)問題：流失的主要是小客戶，留下的核心大客戶在持續(xù)增購。招股書披露，2025年標(biāo)桿客戶（年收入貢獻(xiàn)超過300萬元或具有重大戰(zhàn)略意義的客戶）貢獻(xiàn)了總收入的67.8%，客戶集中度仍然較高。

交付周期的壓縮說明中科聞歌在工程化層面取得了實(shí)質(zhì)性進(jìn)展：從185天到80天，項(xiàng)目交付效率提升了一倍以上。這對To G業(yè)務(wù)尤為重要——政府項(xiàng)目的回款節(jié)奏與交付進(jìn)度直接掛鉤，交付越快，現(xiàn)金流越健康。

虧損面是必須直視的問題。按國際財(cái)務(wù)報(bào)告準(zhǔn)則（IFRS），2024年虧損收窄至1.57億元后，2025年重新擴(kuò)大至1.74億元。但如果剔除股份支付等非現(xiàn)金項(xiàng)目，經(jīng)調(diào)整虧損凈額從2023年的1.86億元逐年收窄至2025年的1.01億元，虧損率從74.3%降至24.8%，收窄趨勢明確。招股書明確表示“于可見將來可能繼續(xù)產(chǎn)生虧損”。但虧損率在持續(xù)收斂，且收入仍以約27%的年復(fù)合增速增長，說明業(yè)務(wù)的基本面在改善。

標(biāo)桿客戶數(shù)從2024年的47家降至2025年的42家，這一點(diǎn)值得理性看待。公司解釋為“主動(dòng)優(yōu)化客戶結(jié)構(gòu)”，這種說法有其合理性——當(dāng)NDR達(dá)到139.5%時(shí)，深耕頭部客戶、提高單客收入，比單純追求客戶數(shù)量擴(kuò)張更有商業(yè)價(jià)值。但如果后續(xù)標(biāo)桿客戶數(shù)繼續(xù)下滑，則需要警惕大客戶依賴度上升帶來的風(fēng)險(xiǎn)。

決策智能的天花板在哪里？

中科聞歌給自己貼的標(biāo)簽是“決策智能”（Decision Intelligence），刻意與通用大模型賽道保持距離。這是一個(gè)經(jīng)過深思熟慮的差異化定位。

根據(jù)灼識(shí)咨詢的資料，2024年中國企業(yè)級(jí)AI市場規(guī)模已達(dá)3160億元，預(yù)期至2030年將突破9000億元，復(fù)合年增長率19.2%。其中，企業(yè)級(jí)大模型市場2024年為127億元，預(yù)期至2030年達(dá)1312億元，復(fù)合年增長率47.5%。而企業(yè)級(jí)大模型驅(qū)動(dòng)的決策智能市場2024年僅27億元，占大模型市場的21.3%，但預(yù)期至2030年將增至358億元，占比提升至27.3%，復(fù)合年增長率高達(dá)53.8%。

小賽道的優(yōu)勢在于競爭格局相對清晰——按2024年收入計(jì)，中科聞歌以11.4%的市場份額排名第一，前五大參與者合計(jì)占38.6%，市場相對分散。中科聞歌可以憑借先發(fā)優(yōu)勢和行業(yè)積累建立壁壘。風(fēng)險(xiǎn)在于市場容量有限，2024年整個(gè)賽道僅27億元，即便按預(yù)期增速，中科聞歌面臨的增長天花板也比通用AI賽道更早到來。

不過，中科聞歌并沒有把自己框死在“決策智能”四個(gè)字里。招股書同時(shí)披露，公司在2024年中國企業(yè)級(jí)大模型市場中排名第七，市場份額為2.4%。此外，其戰(zhàn)略規(guī)劃中包括推進(jìn)國際化拓展和深化行業(yè)應(yīng)用，雅意大模型在金融、政務(wù)、媒體、中醫(yī)等垂直場景的落地，實(shí)際上已經(jīng)覆蓋了比“決策智能”更廣義的企業(yè)級(jí)AI應(yīng)用。

估值方面，中科聞歌尚未披露發(fā)行價(jià)格區(qū)間。參考港股已上市的AI企業(yè)：第四范式（6682.HK）當(dāng)前市值約200億港元，2025年收入規(guī)模約30億元；商湯科技（00020.HK）2025年收入首次突破50億元，當(dāng)前市值約400億港元。

中科聞歌4.05億元的收入規(guī)模與上述兩家差距明顯，但139.5%的NDR、51.2%的毛利率和持續(xù)收窄的經(jīng)調(diào)整虧損率，是其估值談判中的重要籌碼。最終定價(jià)將取決于港股當(dāng)前的市場情緒、AI板塊的整體估值水平，以及中科聞歌能否在聆訊環(huán)節(jié)說服投資者對其增長故事買單。

核心變量

對于關(guān)注中科聞歌IPO的投資者和行業(yè)觀察者，以下幾個(gè)變量值得持續(xù)跟蹤：

盈利路徑。經(jīng)調(diào)整虧損凈額從1.86億逐年收窄至1.01億，虧損率從74.3%降至24.8%，趨勢向好。但公司表示“于可見將來可能繼續(xù)產(chǎn)生虧損”，未給出明確的盈利節(jié)點(diǎn)。在港股市場，AI概念股的估值容忍度與2023年高峰期相比已有明顯收窄，投資者對盈利路徑的要求會(huì)更具體。

客戶結(jié)構(gòu)。招股書披露，2025年收入按板塊劃分：傳媒與通信占30.0%、公共服務(wù)占36.5%、商企占31.9%。公共服務(wù)占比從2023年的50.7%降至36.5%，商企占比從14.5%升至31.9%——客戶結(jié)構(gòu)正在從To G向To B多元化調(diào)整，這是一個(gè)積極的信號(hào)。但這種調(diào)整能否持續(xù)，將直接影響業(yè)務(wù)的可預(yù)測性和估值彈性。

技術(shù)迭代的商業(yè)化節(jié)奏。雅意大模型的產(chǎn)品線鋪開速度較快（通用→多語種→垂直行業(yè)），信通院4級(jí)認(rèn)證和中醫(yī)大模型最高級(jí)別認(rèn)證說明技術(shù)實(shí)力獲得了權(quán)威認(rèn)可。NDR 139.5%證明現(xiàn)有客戶認(rèn)可其價(jià)值，新客戶的拓展效率則決定了收入增長的持續(xù)性。

商企業(yè)務(wù)的持續(xù)性。2025年商企板塊收入達(dá)1.29億元，同比增長72.4%，是增速最快的板塊。每名商企客戶平均收入從2023年的27.66萬元增至2025年的70.22萬元，說明公司在企業(yè)市場的客單價(jià)提升能力。這一趨勢能否延續(xù)，是判斷中科聞歌能否擺脫To G依賴的關(guān)鍵指標(biāo)。

中科聞歌的港股IPO，是中國AI產(chǎn)業(yè)化進(jìn)程中一個(gè)值得關(guān)注的節(jié)點(diǎn)。它不是一家靠概念驅(qū)動(dòng)的公司——2017年從中科院自動(dòng)化所實(shí)驗(yàn)室走出，歷經(jīng)八年的技術(shù)研發(fā)與商業(yè)化探索，走到港交所大門，這條路本身就需要相當(dāng)?shù)亩Α?/p>

139.5%的NDR和持續(xù)改善的毛利率，說明其產(chǎn)品在現(xiàn)有核心客戶中經(jīng)受住了商業(yè)驗(yàn)證。經(jīng)調(diào)整虧損率從74.3%收窄至24.8%，說明經(jīng)營效率在提升?？蛻艚Y(jié)構(gòu)從政府主導(dǎo)向多元均衡調(diào)整，也是一個(gè)積極的信號(hào)。

但虧損尚未見底、賽道天花板、大廠競爭——這些問題真實(shí)存在，也必須被正視。中科聞歌能否從“中科院AI第一股”成長為“決策智能賽道標(biāo)桿”，取決于它在未來兩到三年內(nèi)能否回答三個(gè)問題：經(jīng)調(diào)整虧損何時(shí)收窄至盈虧平衡？商企板塊的收入占比能否持續(xù)提升至50%以上？技術(shù)護(hù)城河能否在模型能力快速平民化的大趨勢下持續(xù)加深？

招股書已經(jīng)交卷，真正的考試現(xiàn)在開始。（本文首發(fā)鈦媒體App，作者｜ AGI-Signal，編輯｜秦聰慧）