近日，企业增长 AI 科技公司数说故事人工智能科技股份有限公司（以下简称 " 数说故事 "）正式向港交所主板递交招股书，中信建投（国际）融资有限公司担任独家保荐人。

招股书显示，公司已连续三年高速增长，并于 2025 年实现调整后净利润首次转正。这家企业级 AI 公司试图回答的核心命题不再是 AI 能做什么，而是如何让 AI 真正进入企业业务场景——构建由人、Agent 以及真实数据共同驱动的 AI 经营系统。其递表港交所，使 Agentic Enterprise 这一企业 AI 新叙事进入港股视野。

企业 AI 进入新阶段，从工具应用走向企业经营系统

过去一年，企业级 AI 领域形成了一个普遍认知：通用大模型能力持续扩展，Token 调用成本持续下探，AI 基础能力趋于平权。因此，AI 智能时代下的企业竞争，不再是 " 有没有 AI"，而是 " 能不能把 AI 真正用到自己的经营场景 "。

然而，这件事并不像说起来这么简单。以企业商业增长场景为例，感知市场情报与竞品动态、判断客户需求与商机、制定品牌与营销策略、推进销售与交付——这些环节彼此咬合，任何一处的滞后都会向下游传导，而管理层的经营决策，往往要等整条链路的信息汇总后才能启动。单一 AI 工具或许能在某个节点提效，却无力打通跨职能的协同闭环，更难以匹配业务实际推进的节奏。

从这个角度出发，要实现真实、复杂且多步骤的商业增长目标，企业还需要处理来自多个渠道的异构数据、理解行业专属的业务语境，以及协调跨团队的工作流程——这些挑战，仅依靠通用大模型往往难以解决。

此外，要在真实的商业场景中部署 AI，还需要行业垂直模型、Agentic skills 和具备端到端执行能力的多智能体，才能构成一套可运营的 AI 经营系统。

回过头看，过去一阶段的企业 AI 落地，更多仍停留在 " 工具替换 " 层面：AI 是用起来了，但企业的运营模式并没有因此发生根本改变。Agentic Enterprise 试图解决的，正是从 " 单点提效 " 走向 " 流程协同 " 的问题。

从数据底座到多智能体：数说故事的 Agentic Enterprise 演进路径

据招股书，数说故事的根基源于数据基础设施的搭建和应用。

10 年前，公司创始人及团队已开始了海量数据分析和数据应用商业化的路径。招股书显示，十年间公司深耕消费品行业头部客户，服务了 65+《财富》全球 500 强及 135+ 全球 500 强消费品企业，积累了一套适配多渠道、多模态的数据处理能力，以及对泛行业经营逻辑的深度认知——如跨平台内容运营底层规律、消费者全生命周期决策链路洞察、营销动作与渠道经营的增长联动机制等，构成十余载深耕全球头部消费集团所积淀、具备高行业壁垒的数字化资产。

基于扎实的数据底座和深刻的行业认知，数说故事得以顺利完成垂直企业大模型 SocialGPT 的自主研发，并逐步将重心转向以多智能体解决方案为核心的商业化落地。这条从数据基础设施到垂直模型再到多智能体的演进路径，在当前时点，与行业对 Agentic Enterprise 的整体期待高度重叠。

图源：数说故事招股书

对企业而言，单纯获得一个通用大模型，已难以构成智能时代的持久竞争壁垒。真正的差异化，在于能否将这些强大的模型能力与将数据基础设施、行业知识与多智能体组合起来，落地到企业增长的具体环节，构成端到端工作流能力。

企业如何将消费者洞察转化为经营决策、如何让营销动作与业务增长形成真正的联动——这类知识不在通用大模型的训练集里，而在数说故事多年沉淀下来的客户项目中。垂直场景的数据积累与行业知识密度，在大模型基础能力趋于商品化的当下，可能比模型参数规模更具壁垒。

数说故事递表港交所，使 Agentic Enterprise 这一企业 AI 新叙事开始进入港股市场视野。对资本市场而言，这是一个很好的观察节点：不是在概念层面讨论 AI 能做什么，而是基于公司招股书的披露信息，让外界得以评估企业 Agentic AI 在企业经营现场落地的真实进度。

数说故事如何撑起 Agentic Enterprise 能力？

招股书详细披露了数说故事构建 Agentic Enterprise 能力的核心技术架构—— EnlightAI 多智能体系统。依托逐层递进的技术栈，公司试图将行业数据积累转化为可复用的智能化能力，并通过 AI 原生的产品和解决方案赋能企业在增长场景中有效利用数据及部署 AI。

整套体系的起点是数据。数说故事将多个来源的异构数据，清洗整合为结构化商业数据集。在这个数据底座上，数说故事研发训练的 SocialGPT 垂直企业大模型，专为商业增长场景设计，其尤其擅长在海量数据中抽取关键商业信息，去除噪音，识别复杂情境下的消费者隐含需求，以及对海量数据进行归纳总结分析，最终提取输出为可供智能体理解的商业洞察结果，或直接生成商业分析报告。

但模型本身还不够，让 AI 真正能干活的，是一套行业 skills 库。这是 EnlightAI 架构里最不容易被外部感知、却至关重要的一环——数说故事把多年积累的行业专有知识、任务步骤与边界规则，封装成结构化、可复用的能力模块。

这一步是让 AI 真正理解行业的业务语义。例如，在新品上市场景里，分析逻辑是什么顺序，什么结论可以直接给客户，什么判断必须人工介入确认。这套行业专属的语义层，通用模型无法预知，只能靠长期项目积累进行封装，新进入者难以短期复制。

在此基础上，EnlightAI 把上述能力封装为面向特定职责的智能体单元——如人群洞察智能体、产品分析智能体、社媒营销智能体、销售运营智能体等等，并组织多个智能体协同执行复杂商业任务。这套能力对外通过两条通道输出：标准化产品层面包括数说雷达、数说聚合和考古加；解决方案层面则通过定制化部署，将 AI 智能体嵌入客户在洞察、营销和销售各环节的实际工作流中。

图源：数说故事招股书

上述能力的落地效果，在官网公开案例中有具体体现，在施丹兰项目中，数说故事以 Corix 智能体将 AI 原生能力嵌入品牌增长全链路：快速完成消费者情绪洞察、品牌机会识别、人群场景拆解、产品卖点提炼、内容表达生成与营销复盘。AI 不再只是辅助分析工具，而是贯穿策略制定、新品上市判断与营销落地的增长引擎，帮助团队在更短时间内看清用户真实情绪需求，找到更具共鸣的品牌连接点，并将洞察转化为可执行传播策略。该案例体现了 AI 进入品牌经营核心环节后，对机会识别、策略组织、传播执行和结果验证的系统提效。

在大模型基础能力趋于通用化的背景下，差异化护城河更多来自行业 skills 库和多智能体落地深度——前者决定 AI 是否懂业务，后者决定 AI 能否干具体活。未来，Agentic Enterprise 能否真正做到企业业务流程的智能化和自动化，将会是市场需要持续观察的核心问题。

从数说故事看 Agentic Enterprise 商业化进展

过去一年，AI 应用公司密集登陆港股，带来一轮新的估值场景和需求。然而，估值的分歧不仅仅停留在增速层面，而在于商业模式能否随规模自我优化。根据对港股 AI 应用企业的观察，此类企业的扩张路径往往是先以项目制积累客户，再尝试标准化，而标准化的速度和成本结构，将会成为市场定价的真正分叉点。

这个角度看数说故事，几处数字值得细看。

规模和增速上，2025 年总收入 5.03 亿元（人民币，下同），2023 至 2025 年复合增长率 46.4%；2026 年一季度进一步升至 53.8%，在收入规模超过 5 亿元后，公司仍保持较高增速，显示其企业增长 AI 产品及解决方案已有一定商业化基础。公司调整后净利润 2025 年首次转正（730 万元），净亏损三年间从 1.15 亿元收窄至 5,173 万元，这也反映出公司规模效应与经营杠杆正在持续释放。

研发占收入比例从 2023 年 46.8% 降至 2025 年 19.5%，但近三年研发开支绝对值维持在 1 亿水平上下，比例下降的根因是收入增速跑赢了研发增速，业务规模效应初步兑现。

尽管企业增长 AI 解决方案占比从 2023 年 50.1% 升至 2025 年 77.5%，复合增长率 82.1%，远超总收入增速，但公司毛利率却从 57.2% 降至 42.1%，逐年下探，快速规模化给财务数据带来的负面影响仍未消化——解决方案的规模化部署推高了交付成本。这一变化趋势也和港股其他 AI 公司的财务数据情况吻合。

公司调整后净利润三年间持续改善并实现转正，但同期经营现金流净流出持续扩大，两者趋势方向相反。结合毛利率表现来看，这一背离可能与解决方案业务扩张过程中的外部采购、交付投入及企业客户回款周期有关。对于数说故事而言，后续能否提升标准化程度、缩短交付周期并改善回款效率，将是观察其经营质量的重要指标。

收入结构持续向解决方案集中，也带来一个值得观察的问题：定制化能力如何沉淀为可复用能力。解决方案越深入客户业务流程，对交付团队、行业知识和项目管理的要求越高；但如果其中的任务模块、行业 skills 和智能体能力能够持续标准化，后续也可能提升交付效率、改善成本结构。这正是外界观察 Agentic Enterprise 商业化路径时需要关注的重点。

灼识咨询预测，数说故事所在的中国企业级大模型驱动的商业增长市场，2025 年规模约 86 亿元，2030 年有望增至 1501 亿元，2025 年至 2030 年复合增长率为 77.2%。这一增长预期，为企业级 AI 公司提供了行业空间。

数说故事接下来的考题，是上市后的数字能否证明：把 AI 真正带入企业经营现场，是一门可以持续定价、随规模改善成本结构且持续实现增长的生意。

校对：冉燕青