北京中科闻歌科技股份有限公司：人工智能技术与服务、数字软件与工业服务专精特新企业档案

北京中科闻歌科技股份有限公司：专精特新小巨人产业链深度研报

报告类型： 企业深度研报

撰写人： 庖丁门研报平台 产业链分析师

报告日期： 2026年6月11日

一、企业速览

企业基础信息：公司名称：北京中科闻歌科技股份有限公司；地区：北京市海淀区；行业方向：人工智能与数据智能；成立时间：2017-03-20；注册资本：15826.6607万元；员工规模：217人；专利数量：233件；专精特新认定：第三批（2021年）；上市状态：未上市（已递交港交所上市申请）。

一句话速览： 中科闻歌是一家由中科院自动化研究所团队创立的人工智能公司，专注于利用自主研发的大模型和认知智能技术，为客户提供从数据治理到智能决策的完整数字软件解决方案，处于“电子信息与数字技术”产业链中的“数字软件与工业服务”核心环节。

二、主营产品与产业链定位

中科闻歌的核心业务并非提供单一的软件工具，而是围绕其自主研发的“磐石”大模型，构建了一套名为“DOMA”（Data, Ontology, Model, Agent）的技术体系。

• 具体产品与服务： 主要包括两大产品线：

1. “天湖”数据智脑平台： 聚焦于数据治理和知识建模，解决企业内多源异构数据的清洗、整合和结构化问题，形成行业知识图谱。

2. “闻歌”决策智能平台（DIP）： 基于大模型和智能体（Agent）技术，将AI能力嵌入具体业务流程，提供舆情监控、智能搜索、辅助决策等服务。近期与浙江大学合作的智能图书馆项目，以及服务政府部门的多语言、跨模态情报分析平台，均属于此类。

• 产业链核心位置： 在“电子信息与数字技术”链条中，中科闻歌位于“数字软件与工业服务”环节。这一环节的核心功能是将底层的算力、算法和数据资源，转化为能够直接支持垂直行业、解决实际业务痛点的应用软件和解决方案。它不生产硬件，而是生产“智慧”。

• 上下游关系：
• 上游（算力与算法基础层）： 需要采购或租用GPU服务器（如采用英伟达A100/H100系列，国产替代则包括华为昇腾系列、寒武纪思元系列）作为训练和推理的算力底座。同时，依赖开源深度学习框架（如PyTorch、TensorFlow）和云服务（典型供应商包括阿里云、华为云、腾讯云等）。这是中科闻歌等AI企业的“生产资料”来源。
• 下游（垂直行业应用层）： 客户主要集中于需要处理海量非结构化数据、对决策效率要求高的行业。典型客户包括：
• 政府及公共部门： 舆情监管、社会治理、城市大脑。
• 媒体与宣传： 内容审核、智能采编、传播效果分析。
• 金融与大型企业： 风险控制、智能营销、知识管理。

中科闻歌的作用是将上游通用计算能力“翻译”成这些具体场景能够理解和使用的业务工具。

三、核心工序与技术依赖

作为一家以软件为核心的人工智能企业，其“生产”过程主要是研发与部署。以下是该类企业的关键研发/部署工序（行业共识）：

1. 数据采集与预处理： 从新闻、社交平台、企业内部数据库等多渠道获取原始数据。典型技术要求包括日均处理亿级条数据以上，做到秒级响应，并完成数据清洗、去噪、标签化。

2. 知识图谱构建： 将非结构化数据转化为结构化知识。核心工序包括实体识别（NER）、关系抽取、事件抽取。典型技术标准是知识图谱的覆盖度（如实体数量达到千万级）和准确率（要求在95%以上）。

3. 预训练大模型开发： 基于Transformer架构，利用海量通用数据训练基础模型。该环节需要大量的GPU集群（通常数百甚至上千张GPU卡并行）和庞大的训练数据（TB级别）。

4. 行业模型微调与精调： 针对特定行业（如政务、媒体），使用行业专有数据对大模型进行微调（Fine-tuning），使其在特定领域的理解与生成能力超越通用模型。典型做法是采用LoRA（Low-Rank Adaptation）等参数高效微调技术，将模型参数量调整到可部署的规模（如百亿参数以内）。

5. 智能体（Agent）编排与部署： 将大模型、知识图谱、业务规则组合成可交互、可执行的智能体，并嵌入客户业务流程。该环节强调低代码开发（典型如拖拽式流程设计器）和私有化部署能力。

上游关键材料/设备来源：

中科闻歌的具体定位：

基于其233件专利和“大数据+大模型”的产品描述，可以判断中科闻歌不参与上游的硬件制造或基础开源框架的研发。它的价值核心在于 “行业知识”的数字化和“智能化”应用封装。其技术壁垒主要体现在“数据清洗与知识建模”（如何高效、准确地从海量中文非结构化数据中提取有用知识）以及“多模态、多语言的大模型微调与应用”（如何在不同语种和媒体格式间无缝处理）。其217人的团队，推测主要构成为算法工程师、数据工程师和解决方案专家，而非硬件生产人员。

四、竞争格局

中科闻歌所处的“数字软件与工业服务”赛道，全国共有1578家同类企业。竞争主要围绕以下三个维度展开：

1. 技术维度： 大模型的基座能力、行业微调效果、多模态处理精度。

2. 场景维度： 在具体垂直行业（如舆情、政务、金融）的解决方案深度和客户验证案例数量。

3. 渠道与平台维度： 是否具备大型云厂商（如阿里、华为、腾讯）的生态支持，或是否有独立拓展大客户的能力。

主要竞争对手（真实存在）：

从数据上看，中科闻歌的专利总量为233件，远超该赛道上同类企业的中位数89件，是其行业的2.6倍。这一数字表明，中科闻歌在技术研发上的投入和产出密度非常高，尤其考虑到其只有217名员工，人均专利数达到1.07件，这在软件类小巨人企业中属于头部水平。

五、护城河判断

1. 技术壁垒： 较深，但非不可逾越。 233件专利是其核心资产。根据其产品线判断，专利方向应集中在自然语言处理（NLP）、知识图谱构建、跨模态分析、大模型微调等领域。这构成了其在特定场景下的先发优势。然而，大模型技术迭代极快，基础模型的能力天花板往往决定了上层应用的上限，一旦出现颠覆性技术，现有专利可能失效。中科闻歌需要证明其专利不仅能“做出来”，还能在客户现场“跑得通、效果好”。

2. 客户壁垒： 中等，切换成本较高。 尤其在政务和大型国企领域（行业共识），客户验证周期通常需要6-18个月，涉及安全评估、国产化适配和数据隐私合规。一旦部署，由于平台深度嵌入了客户的业务流程和数据，后续切换至其他供应商的成本（包括数据迁移、系统重建和人员培训）非常高。目前中科闻歌已服务多个政府部门和大型企业，这一客户组合本身就是一道护城河。但具体客户名单和复购率未披露。

3. 规模壁垒： 较弱。 217人的团队规模对于一家面向垂直行业提供复杂解决方案的公司而言，属于“精干型”。这意味着其研发和交付能力存在天花板，难以同时支撑大量大型项目的并行交付。其商业模式可能更倾向于“项目制”或“大客户制”，而非标准化、大规模复制的SaaS模式。这也解释了为何需要上市融资以扩大团队和加强研发。

4. 认定价值： 具有显著的背书与政策支持价值。 作为2021年第三批认定的国家级专精特新“小巨人”，在当前政策环境下，意味着：

• 政策倾斜： 更容易获得地方政府在用地、人才引进、科研项目申报等方面的支持。
• 融资便利： 在申请银行贷款、政府引导基金投资时，是重要的加分项。
• 品牌背书： “小巨人”称号本身是国家级信用背书，有助于快速建立与大型国企和政府客户之间的信任。对于尚未上市的中科闻歌而言，这一身份价值尤为突出。

六、风险与机会

• 行业风险：

1. 大模型同质化与竞争白热化： 目前国内大模型赛道“百模大战”，基础模型之间的差距在缩小。在中科闻歌专注的垂直场景，将面临来自云厂商（如阿里通义千问、腾讯混元）的更大竞争压力。这些巨头拥有更雄厚的资本、算力和客户渠道。

2. 开源模型的冲击： Meta的Llama系列等开源大模型性能不断提升，以较低成本就能达到与闭源模型相近的效果。这会降低中科闻歌技术壁垒的价值，并迫使其在商业定价和交付服务上做出更大让步。

3. 数据安全与合规风险： 服务于政府和大型企业，涉及大量敏感数据。一旦发生数据泄露或合规问题，对企业将是灾难性打击。

• 公司风险：

1. 资本与经营压力： 公司未上市，营收区间未披露。鉴于其尚处于快速扩张期，研发投入（尤其是大模型训练）极其“烧钱”。赴港交所上市申请获备案是一个积极信号，但也暴露出其资金链存在压力。217人的团队如何支撑高强度的研发和项目交付，是其当前最现实的挑战。

2. 核心客户依赖度： 客户名单未披露，无法判断其是否存在对少数大客户的过度依赖。对于小巨人企业，单个客户营收占比超过50%是常见风险点。

3. 技术跟随风险： 从专利语境看，其技术方向更像是将学术界成果（中科院背景）进行工程化落地。如果自身基础技术（如大模型底座）不够强，过多依赖公开学术成果或开源模型，长期来看可能缺乏原生创新力。

• 机会窗口：

1. 信创（信息技术应用创新）国替红利： 当前政策大力推动政府和央国企进行国产化替代。中科闻歌的软件产品需要适配国产芯片（如华为昇腾）和国产操作系统。率先完成这些适配并在标杆客户中落地，将成为在未来2-3年内最确定性的增长机会。

2. “人工智能+”的垂直场景深耕： 2024年以来，国家各部门密集出台“人工智能+”行动计划。中科闻歌在媒体、政务、金融等领域的积累，恰好踩准了国家鼓励的方向。若能抓住政策窗口，将大模型应用从“演示”走向“生产线”，在特定场景形成“最佳实践”并复制推广，有望在细分赛道建立起不可替代的地位。