吳曉波對話中科聞歌董事長：從生成到?jīng)Q策，企業(yè)AI應用邁向深度融合階段

　　AI未必立刻創(chuàng)造增長，卻正在迅速拉開企業(yè)之間的效率鴻溝。眼下，OpenClaw（“小龍蝦”）等智能體工具風靡全球，越來越多企業(yè)開始積極擁抱AI——接入模型、部署應用、嘗試智能體，希望借此打開新一輪增長空間。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)真正復雜的判斷，仍然只能依賴老板和核心骨干？

　　在“AI閃耀中國2026”開年首場對談中，著名財經(jīng)作家吳曉波就將這一現(xiàn)實問題拋給了中科聞歌聯(lián)合創(chuàng)始人、董事長王磊博士，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，決策才是企業(yè)AI的勝負手

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

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

　　對此，王磊認為，企業(yè)遲遲看不到AI帶來穩(wěn)定經(jīng)營改善，癥結(jié)并不在“不夠重視”，而在“用錯了位置”。目前，多數(shù)企業(yè)仍然把AI當作一個更聰明的內(nèi)容生成工具，或者一個局部提效的助手。它可以寫方案、做總結(jié)、生成代碼，卻并不天然理解企業(yè)真實的業(yè)務邏輯，更無法自動進入經(jīng)營與管理的核心鏈條。正因如此，很多企業(yè)“引入的AI”只是改變了業(yè)務邊緣環(huán)節(jié)，它既不理解企業(yè)運行的真實邏輯，也無法承擔關鍵決策判斷。

　　對個人用戶而言，OpenClaw等智能體之所以迅速走紅，恰恰是因為它把AI從“會生成”推進到了“能代辦”。它不只是能寫一段話、答一個問題，而是可以幫用戶拆解任務、整理資料、調(diào)用工具、跑通流程，去完成訂計劃、做信息整理、生成文檔、協(xié)助執(zhí)行等一整套具體動作。對個人來說，這樣的AI已經(jīng)足夠驚艷，也足夠?qū)嵱谩?/p>

　　

但對企業(yè)來說，真正決定經(jīng)營成效的，依然不是它能不能生成、會不會執(zhí)行，而是能不能進入真實業(yè)務：排期怎么調(diào)，資源怎么配，風險怎么控，研發(fā)方向怎么選，異常怎么處置——這些問題遠不是一個會聊天、會寫作、會調(diào)用工具的智能體就能天然解決的。

　　因為企業(yè)場景的復雜性，不在于“把任務做出來”，而在于每一個動作背后都牽動著數(shù)據(jù)口徑、流程規(guī)則、權(quán)限邊界和責任機制。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)營結(jié)果的，仍然是決策能力。

　　換句話說，企業(yè)缺的不是又一個模型，也不只是一個更能干的智能體，而是一套能夠進入流程、輔助判斷、推動執(zhí)行，并對結(jié)果負責、對過程可追溯的決策系統(tǒng)。

　　DOMA架構(gòu)：讓AI真正進入企業(yè)決策流程

　　吳曉波在對談中追問得很直接：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應用，而是選擇了決策智能這條更難，也更需要長期投入的路？

　　王磊的回答是，人工智能上半場更多解決的是感知和認知問題，而到了下半場，真正拉開企業(yè)經(jīng)營差距的，將是決策能力。因為企業(yè)最難的，是在復雜約束下做出判斷、推動執(zhí)行，并對結(jié)果負責。也正因如此，中科聞歌并不是先做一個模型，再去尋找落地場景；恰恰相反，它是先錨定企業(yè)最復雜、最關鍵的決策問題，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科學院烙印的團隊。在對談中，吳曉波提到，中國科學院自動化研究所被業(yè)內(nèi)譽為“中國AI航空母艦”，是我國最早布局類腦智能、模式識別和復雜系統(tǒng)研究的科研高地，也走出了一大批中國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)始團隊成員也均出身于中國科學院自動化研究所。

　　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、但也更具長期價值的決策智能方向。

　　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)的核心價值，不是讓AI停留在“會生成”的層面，而是把企業(yè)分散在數(shù)據(jù)、流程和經(jīng)驗中的業(yè)務邏輯組織起來，讓AI真正進入業(yè)務、支撐決策并推動執(zhí)行。對企業(yè)來說，這才是提質(zhì)增效真正發(fā)生的地方。

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

　　在他看來，企業(yè)真正復雜的，不是有沒有數(shù)據(jù)，也不是能不能接模型，而是公司的財務、人力、生產(chǎn)、經(jīng)營規(guī)則和行業(yè) know-how本身就是一套高度耦合的復雜系統(tǒng)。只有先把這些業(yè)務邏輯理順、表達清楚，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作。

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

　　在此基礎上，中科聞歌進一步打造了面向復雜決策場景的核心產(chǎn)品——Decitron（決策機）。作為中科聞歌 DOMA 架構(gòu)中“A”（Agents）的關鍵產(chǎn)品化實現(xiàn)，Decitron同時也是 DI-Brain 決策大腦的重要組成部分。它不是簡單給出一個答案，而是試圖幫助企業(yè)把復雜現(xiàn)實問題拆開、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鍵技術(shù)，將現(xiàn)實世界中的復雜問題轉(zhuǎn)化為可計算、可推演的系統(tǒng)。

　　對企業(yè)而言，這意味著AI不再只是“看見問題”或“執(zhí)行任務”，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的結(jié)果，并在不確定性中提供更可驗證的決策空間。

　　“隨著 Palantir 市值持續(xù)攀升，資本市場一直在反復追問一個問題：誰會成為中國的 Palantir？中科聞歌進入了候選名單。”對談中，吳曉波提出，如果借用一個國際參照系來理解中科聞歌，它確實常被拿來與 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)務邏輯和決策流程組織成一套可運行的系統(tǒng)，讓AI真正進入復雜場景。

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

　　讓AI走進產(chǎn)業(yè)現(xiàn)場，決策智能開始創(chuàng)造真實價值

　　企業(yè)最終買單的，從來不是一套概念，而是一個能在具體場景里創(chuàng)造價值的系統(tǒng)。對中科聞歌而言，決策智能的價值不在于講清楚一套方法論，而在于它已經(jīng)開始進入產(chǎn)業(yè)現(xiàn)場，并在真實業(yè)務中發(fā)揮作用。

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

　　王磊沒有講抽象的算法，而是講了一個工廠里的真實場景。

　　在紡織車間，上千臺設備7×24小時運轉(zhuǎn)，工人需要戴著耳塞，在高噪音環(huán)境中反復巡檢布面瑕疵。這類工作強度高、人工成本高、檢驗效率和穩(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，通過攝像頭實時識別布料缺陷，幫助企業(yè)降低次品率、提升巡檢效率。

　　但在王磊看來，真正的價值并不止于“看見問題”，而在于識別之后，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)營后，異常信息不再停留在單點告警，而是能夠被系統(tǒng)自動推送；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言問一句“現(xiàn)在生產(chǎn)情況怎么樣？”，AI Agent就能快速生成報表，并進一步給出排期調(diào)整和經(jīng)營建議。 原本掌握在少數(shù)關鍵崗位手中的經(jīng)驗，開始被沉淀進系統(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)生于知識密集型行業(yè)。

　　王磊提到，在生物醫(yī)藥、材料研發(fā)等場景中，很多企業(yè)真正的難點不是“有沒有模型”，而是“模型是否懂業(yè)務”。當行業(yè)知識、實驗數(shù)據(jù)與業(yè)務規(guī)則被系統(tǒng)組織起來后，原本依賴專家經(jīng)驗、反復試錯的研發(fā)，有機會逐步轉(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，沉淀為企業(yè)自己可積累、可復用的能力資產(chǎn)。

　　這也是中科聞歌幫助客戶解決問題的核心路徑：不是簡單賣出一個通用模型，而是幫助客戶先把自己的數(shù)據(jù)、業(yè)務規(guī)則和經(jīng)營邏輯組織起來，再將 AI 嵌入真實業(yè)務流程，重新組織成一套可運行、可復用、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

　　當這套能力在真實場景中被證明能夠創(chuàng)造價值，企業(yè)最關心的問題很快就會從“能不能做”轉(zhuǎn)向“能不能復制”。它究竟只適用于少數(shù)頭部客戶，還是也能進入更多中型企業(yè)和小型制造企業(yè)的經(jīng)營現(xiàn)場？又該從什么場景開始，以怎樣的方式合作？

　　對此，王磊的回答很明確：“我們的目標并不是只服務少數(shù)頭部客戶。今年，中科聞歌會把在復雜場景中沉淀下來的經(jīng)驗，進一步平臺化、產(chǎn)品化，服務更多中小企業(yè)和更廣泛的行業(yè)客戶。”王磊表示，公司早期確實服務了許多大客戶和標桿機構(gòu)，因為只有在最復雜的場景里，才能沉淀最扎實的行業(yè)需求和方法論。

　　在他看來，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)務階段和場景復雜度分層推進。對于數(shù)量更廣泛的中小企業(yè)，公司將通過更便捷、門檻更低的平臺化產(chǎn)品切入，圍繞平臺能力、場景化交付和持續(xù)運營服務等不同需求，提供更匹配的合作路徑，幫助客戶先跑通一個關鍵環(huán)節(jié)，再逐步積累數(shù)據(jù)和方法。

　　而當一套AI能力真正開始收費，企業(yè)購買的就不再只是技術(shù)本身，而是對結(jié)果的明確要求。面對吳曉波“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，本身就是一份沉甸甸的責任，也意味著中科聞歌必須對結(jié)果負責。客戶愿意買單，不是因為概念新，而是因為這套能力必須真正解決問題。

　　這背后折射出的，其實正是AI下半場競爭焦點的變化：企業(yè)最終比拼的，不再是誰接入的模型更強、誰的生成內(nèi)容更炫、誰搶先部署了OpenClaw這類智能體工具，而是誰能讓AI真正進入業(yè)務流程，形成組織級能力，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從單點提效走向系統(tǒng)性決策支撐。正如王磊在對談中所說：“我們要做人工智能時代的阿里巴巴，讓天下沒有難做的決策。”

　　關于中科聞歌

　　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與應用。公司由中國科學院自動化研究所科學家團隊創(chuàng)立，源自中國人工智能“國家隊”的科研體系，在大模型、認知智能和復雜系統(tǒng)建模等方向擁有深厚技術(shù)積累，致力于推動人工智能從“技術(shù)能力”走向“企業(yè)級應用”。

　　圍繞企業(yè)真實業(yè)務場景，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、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)務理解、智能應用構(gòu)建及運營決策能力。

　　 廣告