AI未必立刻創(chuàng)造增長(zhǎng)，卻正在迅速拉開企業(yè)之間的效率鴻溝。眼下，OpenClaw（“小龍蝦”）等智能體工具風(fēng)靡全球，越來(lái)越多企業(yè)開始積極擁抱AI——接入模型、部署應(yīng)用、嘗試智能體，希望借此打開新一輪增長(zhǎng)空間。但熱潮背后，企業(yè)管理者的困惑并未減少：AI究竟該從哪里用起？為什么模型接入了，流程卻沒有明顯改變？為什么企業(yè)真正復(fù)雜的判斷，仍然只能依賴?yán)习搴秃诵墓歉桑?/p>

　　在“AI閃耀中國(guó)2026”開年首場(chǎng)對(duì)談中，著名財(cái)經(jīng)作家吳曉波就將這一現(xiàn)實(shí)問題拋給了中科聞歌聯(lián)合創(chuàng)始人、董事長(zhǎng)王磊博士，王磊給出的判斷十分明確：AI的終局不是生成，而是決策。

　　生成只是起點(diǎn)，決策才是企業(yè)AI的勝負(fù)手

　　“AI的終局不是生成，而是決策。”在王磊看來(lái)，這不是一句停留在技術(shù)層面的判斷，而是越來(lái)越多企業(yè)正在面對(duì)的現(xiàn)實(shí)課題。

　　在對(duì)談中，吳曉波提出了一個(gè)很多企業(yè)管理者繞不開的問題：為什么企業(yè)擁抱AI已成共識(shí)，真正能夠持續(xù)帶來(lái)經(jīng)營(yíng)改善的案例卻依然不多？

　　對(duì)此，王磊認(rèn)為，企業(yè)遲遲看不到AI帶來(lái)穩(wěn)定經(jīng)營(yíng)改善，癥結(jié)并不在“不夠重視”，而在“用錯(cuò)了位置”。目前，多數(shù)企業(yè)仍然把AI當(dāng)作一個(gè)更聰明的內(nèi)容生成工具，或者一個(gè)局部提效的助手。它可以寫方案、做總結(jié)、生成代碼，卻并不天然理解企業(yè)真實(shí)的業(yè)務(wù)邏輯，更無(wú)法自動(dòng)進(jìn)入經(jīng)營(yíng)與管理的核心鏈條。正因如此，很多企業(yè)“引入的AI”只是改變了業(yè)務(wù)邊緣環(huán)節(jié)，它既不理解企業(yè)運(yùn)行的真實(shí)邏輯，也無(wú)法承擔(dān)關(guān)鍵決策判斷。

　　對(duì)個(gè)人用戶而言，OpenClaw等智能體之所以迅速走紅，恰恰是因?yàn)樗�把AI從“會(huì)生成”推進(jìn)到了“能代辦”。它不只是能寫一段話、答一個(gè)問題，而是可以幫用戶拆解任務(wù)、整理資料、調(diào)用工具、跑通流程，去完成訂計(jì)劃、做信息整理、生成文檔、協(xié)助執(zhí)行等一整套具體動(dòng)作。對(duì)個(gè)人來(lái)說(shuō)，這樣的AI已經(jīng)足夠驚艷，也足夠?qū)嵱谩?/p>

　　

但對(duì)企業(yè)來(lái)說(shuō)，真正決定經(jīng)營(yíng)成效的，依然不是它能不能生成、會(huì)不會(huì)執(zhí)行，而是能不能進(jìn)入真實(shí)業(yè)務(wù)：排期怎么調(diào)，資源怎么配，風(fēng)險(xiǎn)怎么控，研發(fā)方向怎么選，異常怎么處置——這些問題遠(yuǎn)不是一個(gè)會(huì)聊天、會(huì)寫作、會(huì)調(diào)用工具的智能體就能天然解決的。

　　因?yàn)槠髽I(yè)場(chǎng)景的復(fù)雜性，不在于“把任務(wù)做出來(lái)”，而在于每一個(gè)動(dòng)作背后都牽動(dòng)著數(shù)據(jù)口徑、流程規(guī)則、權(quán)限邊界和責(zé)任機(jī)制。智能體可以提升執(zhí)行效率，但真正決定企業(yè)能否把AI用深、用穩(wěn)、用出經(jīng)營(yíng)結(jié)果的，仍然是決策能力。

　　換句話說(shuō)，企業(yè)缺的不是又一個(gè)模型，也不只是一個(gè)更能干的智能體，而是一套能夠進(jìn)入流程、輔助判斷、推動(dòng)執(zhí)行，并對(duì)結(jié)果負(fù)責(zé)、對(duì)過程可追溯的決策系統(tǒng)。

　　DOMA架構(gòu)：讓AI真正進(jìn)入企業(yè)決策流程

　　吳曉波在對(duì)談中追問得很直接：為什么中科聞歌從創(chuàng)業(yè)第一天起，就沒有去做門檻更低、見效更快的To C應(yīng)用，而是選擇了決策智能這條更難，也更需要長(zhǎng)期投入的路？

　　王磊的回答是，人工智能上半場(chǎng)更多解決的是感知和認(rèn)知問題，而到了下半場(chǎng)，真正拉開企業(yè)經(jīng)營(yíng)差距的，將是決策能力。因?yàn)槠髽I(yè)最難的，是在復(fù)雜約束下做出判斷、推動(dòng)執(zhí)行，并對(duì)結(jié)果負(fù)責(zé)。也正因如此，中科聞歌并不是先做一個(gè)模型，再去尋找落地場(chǎng)景；恰恰相反，它是先錨定企業(yè)最復(fù)雜、最關(guān)鍵的決策問題，再反推AI究竟需要具備怎樣的能力、系統(tǒng)和產(chǎn)品形態(tài)。

　　這條路徑，背后站著的是一支帶有鮮明中國(guó)科學(xué)院烙印的團(tuán)隊(duì)。在對(duì)談中，吳曉波提到，中國(guó)科學(xué)院自動(dòng)化研究所被業(yè)內(nèi)譽(yù)為“中國(guó)AI航空母艦”，是我國(guó)最早布局類腦智能、模式識(shí)別和復(fù)雜系統(tǒng)研究的科研高地，也走出了一大批中國(guó)AI產(chǎn)業(yè)的重要力量，中科聞歌就是決策智能和大數(shù)據(jù)方向的典型代表企業(yè)，王磊、羅引等創(chuàng)始團(tuán)隊(duì)成員也均出身于中國(guó)科學(xué)院自動(dòng)化研究所。

　　基于這樣的科研技術(shù)底座，中科聞歌從一開始選擇的，就不是一條更輕、更快的路徑，而是更難、但也更具長(zhǎng)期價(jià)值的決策智能方向。

　　由此，中科聞歌形成了DOMA決策智能架構(gòu)，即Data（數(shù)據(jù)）、Ontology（本體）、Models（模型）、Agents（智能體）。

　　這套架構(gòu)的核心價(jià)值，不是讓AI停留在“會(huì)生成”的層面，而是把企業(yè)分散在數(shù)據(jù)、流程和經(jīng)驗(yàn)中的業(yè)務(wù)邏輯組織起來(lái)，讓AI真正進(jìn)入業(yè)務(wù)、支撐決策并推動(dòng)執(zhí)行。對(duì)企業(yè)來(lái)說(shuō)，這才是提質(zhì)增效真正發(fā)生的地方。

　　其中最關(guān)鍵的一層，不是模型，而是本體。對(duì)談中，王磊用了一個(gè)很直白的判斷：“沒有本體，大模型就不懂業(yè)務(wù)。”

　　在他看來(lái)，企業(yè)真正復(fù)雜的，不是有沒有數(shù)據(jù)，也不是能不能接模型，而是公司的財(cái)務(wù)、人力、生產(chǎn)、經(jīng)營(yíng)規(guī)則和行業(yè) know-how本身就是一套高度耦合的復(fù)雜系統(tǒng)。只有先把這些業(yè)務(wù)邏輯理順、表達(dá)清楚，模型才知道該如何理解數(shù)據(jù)、如何參與判斷，智能體也才有可能把分析真正變成動(dòng)作。

　　也正因?yàn)槿绱�，中科聞歌提供的并不只是一個(gè)模型接口，而是一整套從數(shù)據(jù)接入、知識(shí)組織、模型協(xié)同到智能體執(zhí)行的閉環(huán)能力，讓AI從“會(huì)生成內(nèi)容”走向“支撐決策”。

　　在此基礎(chǔ)上，中科聞歌進(jìn)一步打造了面向復(fù)雜決策場(chǎng)景的核心產(chǎn)品——Decitron（決策機(jī)）。作為中科聞歌 DOMA 架構(gòu)中“A”（Agents）的關(guān)鍵產(chǎn)品化實(shí)現(xiàn)，Decitron同時(shí)也是 DI-Brain 決策大腦的重要組成部分。它不是簡(jiǎn)單給出一個(gè)答案，而是試圖幫助企業(yè)把復(fù)雜現(xiàn)實(shí)問題拆開、建模和推演：通過融合事件圖譜、概率建模、多智能體決策與演化博弈等關(guān)鍵技術(shù)，將現(xiàn)實(shí)世界中的復(fù)雜問題轉(zhuǎn)化為可計(jì)算、可推演的系統(tǒng)。

　　對(duì)企業(yè)而言，這意味著AI不再只是“看見問題”或“執(zhí)行任務(wù)”，而是開始幫助企業(yè)管理者回溯事件如何演化、模擬不同選擇可能帶來(lái)的結(jié)果，并在不確定性中提供更可驗(yàn)證的決策空間。

　　“隨著 Palantir 市值持續(xù)攀升，資本市場(chǎng)一直在反復(fù)追問一個(gè)問題：誰(shuí)會(huì)成為中國(guó)的 Palantir？中科聞歌進(jìn)入了候選名單。”對(duì)談中，吳曉波提出，如果借用一個(gè)國(guó)際參照系來(lái)理解中科聞歌，它確實(shí)常被拿來(lái)與 Palantir 相比較。兩者的相似之處，不在于都做模型，而在于都試圖把數(shù)據(jù)、業(yè)務(wù)邏輯和決策流程組織成一套可運(yùn)行的系統(tǒng)，讓AI真正進(jìn)入復(fù)雜場(chǎng)景。

　　但對(duì)中科聞歌而言，這并不是簡(jiǎn)單復(fù)制一條海外路徑，而是在中國(guó)企業(yè)經(jīng)營(yíng)、產(chǎn)業(yè)研發(fā)和社會(huì)治理的復(fù)雜場(chǎng)景中，走出一條更適合本土需求的決策智能路線。

　　讓AI走進(jìn)產(chǎn)業(yè)現(xiàn)場(chǎng)，決策智能開始創(chuàng)造真實(shí)價(jià)值

　　企業(yè)最終買單的，從來(lái)不是一套概念，而是一個(gè)能在具體場(chǎng)景里創(chuàng)造價(jià)值的系統(tǒng)。對(duì)中科聞歌而言，決策智能的價(jià)值不在于講清楚一套方法論，而在于它已經(jīng)開始進(jìn)入產(chǎn)業(yè)現(xiàn)場(chǎng)，并在真實(shí)業(yè)務(wù)中發(fā)揮作用。

　　在對(duì)談中，吳曉波拋出一個(gè)非常接地氣的問題：“如果我是一個(gè)紡織廠的老板，你怎么幫我服務(wù)？”

　　王磊沒有講抽象的算法，而是講了一個(gè)工廠里的真實(shí)場(chǎng)景。

　　在紡織車間，上千臺(tái)設(shè)備7×24小時(shí)運(yùn)轉(zhuǎn)，工人需要戴著耳塞，在高噪音環(huán)境中反復(fù)巡檢布面瑕疵。這類工作強(qiáng)度高、人工成本高、檢驗(yàn)效率和穩(wěn)定性也都有限。中科聞歌介入后的第一步，是把視覺AI引入生產(chǎn)線，通過攝像頭實(shí)時(shí)識(shí)別布料缺陷，幫助企業(yè)降低次品率、提升巡檢效率。

　　但在王磊看來(lái)，真正的價(jià)值并不止于“看見問題”，而在于識(shí)別之后，決策鏈路是否也能被打通。

　　在中科聞歌介入紡織廠生產(chǎn)經(jīng)營(yíng)后，異常信息不再停留在單點(diǎn)告警，而是能夠被系統(tǒng)自動(dòng)推送；維修資源可以據(jù)此調(diào)度，生產(chǎn)排期可以隨之優(yōu)化。老板只需要用自然語(yǔ)言問一句“現(xiàn)在生產(chǎn)情況怎么樣？”，AI Agent就能快速生成報(bào)表，并進(jìn)一步給出排期調(diào)整和經(jīng)營(yíng)建議。 原本掌握在少數(shù)關(guān)鍵崗位手中的經(jīng)驗(yàn)，開始被沉淀進(jìn)系統(tǒng)，成為更多管理者都能調(diào)用的決策能力。

　　同樣的邏輯，也正在發(fā)生于知識(shí)密集型行業(yè)。

　　王磊提到，在生物醫(yī)藥、材料研發(fā)等場(chǎng)景中，很多企業(yè)真正的難點(diǎn)不是“有沒有模型”，而是“模型是否懂業(yè)務(wù)”。當(dāng)行業(yè)知識(shí)、實(shí)驗(yàn)數(shù)據(jù)與業(yè)務(wù)規(guī)則被系統(tǒng)組織起來(lái)后，原本依賴專家經(jīng)驗(yàn)、反復(fù)試錯(cuò)的研發(fā)，有機(jī)會(huì)逐步轉(zhuǎn)向基于數(shù)據(jù)推演和規(guī)則約束的研發(fā)決策過程。這帶來(lái)的，不只是效率提升，更是把原本只掌握在少數(shù)專家手里的知識(shí)，沉淀為企業(yè)自己可積累、可復(fù)用的能力資產(chǎn)。

　　這也是中科聞歌幫助客戶解決問題的核心路徑：不是簡(jiǎn)單賣出一個(gè)通用模型，而是幫助客戶先把自己的數(shù)據(jù)、業(yè)務(wù)規(guī)則和經(jīng)營(yíng)邏輯組織起來(lái)，再將 AI 嵌入真實(shí)業(yè)務(wù)流程，重新組織成一套可運(yùn)行、可復(fù)用、可放大的系統(tǒng)，最終形成從理解、決策判斷到執(zhí)行的閉環(huán)。

　　企業(yè)如何用好AI？拼到最后是決策能力

　　當(dāng)這套能力在真實(shí)場(chǎng)景中被證明能夠創(chuàng)造價(jià)值，企業(yè)最關(guān)心的問題很快就會(huì)從“能不能做”轉(zhuǎn)向“能不能復(fù)制”。它究竟只適用于少數(shù)頭部客戶，還是也能進(jìn)入更多中型企業(yè)和小型制造企業(yè)的經(jīng)營(yíng)現(xiàn)場(chǎng)？又該從什么場(chǎng)景開始，以怎樣的方式合作？

　　對(duì)此，王磊的回答很明確：“我們的目標(biāo)并不是只服務(wù)少數(shù)頭部客戶。今年，中科聞歌會(huì)把在復(fù)雜場(chǎng)景中沉淀下來(lái)的經(jīng)驗(yàn)，進(jìn)一步平臺(tái)化、產(chǎn)品化，服務(wù)更多中小企業(yè)和更廣泛的行業(yè)客戶。”王磊表示，公司早期確實(shí)服務(wù)了許多大客戶和標(biāo)桿機(jī)構(gòu)，因?yàn)橹挥性谧顝?fù)雜的場(chǎng)景里，才能沉淀最扎實(shí)的行業(yè)需求和方法論。

　　在他看來(lái)，中科聞歌的合作邏輯并不是一開始就做“大而全”的重交付，而是根據(jù)客戶的業(yè)務(wù)階段和場(chǎng)景復(fù)雜度分層推進(jìn)。對(duì)于數(shù)量更廣泛的中小企業(yè)，公司將通過更便捷、門檻更低的平臺(tái)化產(chǎn)品切入，圍繞平臺(tái)能力、場(chǎng)景化交付和持續(xù)運(yùn)營(yíng)服務(wù)等不同需求，提供更匹配的合作路徑，幫助客戶先跑通一個(gè)關(guān)鍵環(huán)節(jié)，再逐步積累數(shù)據(jù)和方法。

　　而當(dāng)一套AI能力真正開始收費(fèi)，企業(yè)購(gòu)買的就不再只是技術(shù)本身，而是對(duì)結(jié)果的明確要求。面對(duì)吳曉波“你現(xiàn)在談錢還羞恥嗎？”的提問，王磊的回答很直接：客戶付費(fèi)，本身就是一份沉甸甸的責(zé)任，也意味著中科聞歌必須對(duì)結(jié)果負(fù)責(zé)�？蛻粼敢赓I單，不是因?yàn)楦拍钚�，而是因�(yàn)檫@套能力必須真正解決問題。

　　這背后折射出的，其實(shí)正是AI下半場(chǎng)競(jìng)爭(zhēng)焦點(diǎn)的變化：企業(yè)最終比拼的，不再是誰(shuí)接入的模型更強(qiáng)、誰(shuí)的生成內(nèi)容更炫、誰(shuí)搶先部署了OpenClaw這類智能體工具，而是誰(shuí)能讓AI真正進(jìn)入業(yè)務(wù)流程，形成組織級(jí)能力，并在可解釋、可追溯的前提下支撐決策。

　　這也正是中科聞歌想要做的事：不是只做一個(gè)更聰明的AI工具，而是幫助企業(yè)構(gòu)建自己的“決策大腦”，讓AI從單點(diǎn)提效走向系統(tǒng)性決策支撐。正如王磊在對(duì)談中所說(shuō)：“我們要做人工智能時(shí)代的阿里巴巴，讓天下沒有難做的決策。”

　　關(guān)于中科聞歌

　　中科聞歌是一家面向企業(yè)的人工智能技術(shù)與產(chǎn)品服務(wù)提供商，以自主研發(fā)的大模型為核心，幫助企業(yè)構(gòu)建可落地的智能化平臺(tái)與應(yīng)用。公司由中國(guó)科學(xué)院自動(dòng)化研究所科學(xué)家團(tuán)隊(duì)創(chuàng)立，源自中國(guó)人工智能“國(guó)家隊(duì)”的科研體系，在大模型、認(rèn)知智能和復(fù)雜系統(tǒng)建模等方向擁有深厚技術(shù)積累，致力于推動(dòng)人工智能從“技術(shù)能力”走向“企業(yè)級(jí)應(yīng)用”。

　　圍繞企業(yè)真實(shí)業(yè)務(wù)場(chǎng)景，中科聞歌構(gòu)建了以 DOMA（Data / Ontology / Models / Agents）為核心的技術(shù)體系，并自主研發(fā)形成了 DIP 數(shù)據(jù)智能平臺(tái)、雅意大模型、Claworks 智能體操作系統(tǒng)和 Decitron 推演與仿真系統(tǒng)等產(chǎn)品布局，幫助企業(yè)提升數(shù)據(jù)治理、業(yè)務(wù)理解、智能應(yīng)用構(gòu)建及運(yùn)營(yíng)決策能力。

　　 廣告