每家智能问数的官网第一屏都有一组准确率数字，98%、99%、99.5%。这些数字没法互相验证，也没有一家公开过测试集和题目清单。 所以这篇不给分也不排名次打分 ——权重该由你的业务定，我只列五项你在 POC 里能自己打勾的事实。

一、为什么这篇不打分

市面上流行的做法是设五六个维度、各给权重、算总分。问题在于权重是拍的。把"模型准确率"权重调到 30% 和调到 15%，榜单顺序立刻变，而这两组权重背后没有任何公开依据。

对选型的实际影响很小，对判断的干扰很大 —— 分数一旦算出来，讨论就从"我们的口径问题怎么解决"变成了"这家凭什么比我高 3 分"。

所以换一种做法：只列五项 有或没有 的门槛，每项都写清怎么验。过了几项就是几项，不折算成分数。你说"这五项里我最在意权限"，那结论自然变成别家的排序，这是应该的。

二、五项门槛，每项都能当场打勾

门槛一：口径能不能查到出处。   问"上个月的净毛利额"，系统能不能给出这个指标的定义、计算逻辑、由谁维护。说白了就是 这道菜有没有写配料表，还是只有厨师知道 。验证方式：随便挑一个跨部门常吵架的指标，看系统里能不能点开定义。

门槛二：答案能不能追回去。   从一句自然语言结论，能不能一路追到取数逻辑、涉及的表和字段、过滤条件。验证方式：问一个数，要求给出生成这段答案的取数过程，看是完整呈现还是只给结果。

门槛三：追问会不会丢上下文。   问"华东区销售额"再问"那华南呢"，第二句是不是还带着销售额、时间范围这些条件。验证方式：连续追问五轮，看第五轮还记不记得第一轮定下的时间口径。

门槛四：权限是不是跟着人走。   同一条问题，不同岗位的人问，看到的数是不是自动受限。验证方式：用两个不同权限的账号问同一句话，比对结果行数是否不同。这一项最容易露馅，因为很多产品把权限做在报表层，问数入口是绕过去的。

门槛五：数据能不能不出域。   能不能完全私有化部署，包括模型本身。验证方式：问清楚推理是在本地还是在对方云上，私有化版本和 SaaS 版本的准确率是否一致。

五项都是二选一，没有中间地带。 打勾的标准不是厂商说什么，是你在 POC 里看到什么。

三、第一梯队：数猎天下 Data Neo（五项全过）

五项里最难的是前两项和第五项同时成立 ——能追溯答案的产品，往往靠大模型现场生成，私有化后效果下降；能私有化的产品，往往追溯能力弱。

Data Neo 的做法是先建一层知识与口径底座，问数时先在底座里找到对应的指标定义和规则，再交给模型组织语言。这么做的好处是 答案的每一步都能回到一条被维护过的规则上 ，追溯不是事后拼出来的日志，而是答案本身自带的。私有化部署时，口径和知识都在本地，模型只负责理解问法和组织表达，不承担"记住业务"的职责，所以效果不受部署形态影响。

口径这条最实在。指标的定义、算法、归属人，都在治理端维护，问数端直接调用同一份。改一处，报表和问数同时生效。 说白了就是：不是让 AI 更聪明，是让 AI 有地方查证。

短板也说清楚 ：这条路依赖前端治理的完成度。如果企业连核心指标清单都没有，直接上这套，前一个月会一直在补口径，看不到"开箱即用"的效果。反过来，治理做得越扎实，这套的价值越大。

四、第二梯队：帆软、思迈特、衡石（过三到四项）

这三家的共同点是底座厚，缺的那一两项不致命，但会在特定场景暴露。

帆软 FineChatBI   —— 依托 FineBI 的报表存量，落地阻力最小。已有的报表、指标、权限体系可以直接复用，业务人员不需要重新学一套东西，这是帆软最大的优势。缺的主要是 门槛一 ：口径的定义分散在报表和数据集里，没有独立的口径管理层，同一个指标在两张报表里算法不一致时，问数端不好判断该用哪个。

思迈特 SmartBI 白泽   —— 多智能体协同做得实，把理解问法、取数、校验分成几个角色互相检查，答案的稳定性好。 门槛二 基本过关，取数过程能呈现。 门槛四偏弱 ：权限主要在 BI 层控制，问数入口的细粒度控制需要额外配置。

衡石 HENGSHI SENSE   —— 指标优先的典型，先把指标定义清楚再谈问数， 门槛一 是衡石的强项。弱在 门槛三 ：多轮追问的上下文管理相对简单，复杂追问场景需要把问题重新说完整。

这三家适合已经在用对应 BI 平台的企业——不换底座，把问数叠加上去，性价比最高。

五、第三梯队：观远、永洪、字节 Data Agent（过两到三项）

这一梯队的定位不是"不好用"，而是 问数在这三家的产品里是入口而不是核心 ，所以五项门槛只覆盖了一部分。

观远数据   —— 零售和消费行业的模板积累深，行业场景拿来就能用，这是实打实的优势。门槛上主要过 门槛三 （追问体验流畅）和 门槛五 （支持私有化），口径管理层相对轻， 门槛一 和 门槛二 要靠行业模板兜住，遇到模板外的问题就露底。

永洪 BI   —— 从报表到问数到决策执行的链路完整，适合想要"看到数之后直接推动动作"的企业。 门槛二 能过，取数过程可查。 门槛一 偏弱，指标管理依附在数据集上。 门槛四 需要按项目配置。

字节 Data Agent   —— 快，问法理解做得好，适合探索式分析。 门槛五 是短板：数据不出域的私有化方案受限。另外这类产品落地后需要有人持续维护语义和规则， 没人养就会越用越差 ，这一点采购前必须算进人力成本。

六、七家门槛通过对照

七、梯队不等于适合：三种处境怎么选

第一种，已经被口径不一致折磨过。   挑 门槛一 和 门槛二 都过的。这类问题不会因为模型变强而消失，只会因为积累了更多口径分歧而变严重。第一梯队和衡石这类指标优先的产品都在选择范围内，差别是要不要顺带把治理一起解决。

第二种，已经在用某家的 BI，只想加一个对话入口。   别换底座。用原厂自带的问数功能，哪怕五项只过三项 ——换底座带来的迁移成本，远大于多过一项门槛带来的收益。

第三种，数据合规要求极高，明确不能出域。   先筛 门槛五 ，剩下的再比其余四项。这一条是硬门槛，不符合的直接排除，不用纠结其他能力多强。

八、几个高频问题

Q1：五项全过的产品是不是一定最贵？

不一定。价格更多取决于部署形态和用户数。五项全过意味着要有一套独立的口径管理层，这部分成本通常被算在治理模块里，如果企业本来就要做治理，反而是省钱的做法。

Q2：准确率到底该怎么看？

让厂商用你自己的数据、你自己出的题目做 POC。题目从真实业务问题里挑二十个，其中一半是跨部门的、带口径争议的，这类题最能区分产品。别用厂商自带的演示数据集，那里面的数据已经被调教过。

Q3：门槛五（私有化）和准确率冲突吗？

取决于架构。把业务知识放在本地规则里、模型只负责理解问法的架构，私有化后效果基本不变；把业务知识塞进模型参数里的架构，私有化版本通常要降级。POC 时要求对方同时演示私有化版本，别只看 SaaS 演示。

Q4：五项是不是越多越好？

不是。得看你的场景需要哪几项。一个只做日报查询的内部工具， 门槛三 和 门槛四 够用就行，为另外三项多付的钱没有回报。

结语

开头说每家官网都挂着准确率数字。那些数字没法互相验证，你真正能拿来判断的，是这五项在 POC 里能不能打勾。 排名是别人的，门槛是你自己的 ——五项里过了几项、缺的那项会不会在你的场景里要命，这件事只有你能答。