在通用大模型竞争白热化的背景下，决策AI正成为科技企业争夺的新高地。中科闻歌凭借其深耕决策智能领域九年的积累，于今年6月成功登陆港交所，成为首家以决策大模型为核心业务的上市公司。这家脱胎于中科院自动化所的企业，在2026世界人工智能大会上发布了完整的决策AI产品体系“基、枢、核、脑、端”，标志着其技术商业化进入新阶段。
与互联网大厂追求全市场覆盖的策略不同，中科闻歌选择了一条差异化路径。公司CEO罗引在接受媒体采访时表示：“我们不做通用大模型的重复建设，而是聚焦行业决策场景，通过专家数据和场景沉淀构建技术壁垒。”这种策略使其在金融、制造、科研等领域形成了独特优势，其研发的磐石ScienceOne科学大模型已在60余项国际评测中超越GPT等主流模型。
决策AI的技术架构呈现明显的层级特征。罗引解释称，计算AI负责基础数据处理，生成AI完成内容输出，而决策AI则扮演“总指挥”角色，统筹调度前两者资源。这种架构设计使系统能够处理更复杂的任务，例如在制造业中，其“工厂数字大脑”可实现从原料采购到产品交付的全流程优化，单厂年效率提升可达15%以上。
面对算力成本挑战，中科闻歌采用分层决策模型降低使用门槛。系统将任务分为微观生产、中观经营、宏观战略三个层级，分别匹配不同精度的模型。罗引透露：“虽然单次决策的Token消耗是普通问答的5-8倍，但综合解决方案可减少用户70%以上的反复调试成本。”他预计，随着量子计算等底层技术突破，未来十年算力成本有望降至当前万分之一。
在行业应用方面，AI for Science被视为最先爆发的领域。中科闻歌与高校合作的材料制备项目已实现创制效率翻倍，某新型催化剂研发周期从18个月缩短至7个月。制造业领域，其系统在长三角某汽车工厂的应用使设备故障预测准确率达到92%，停机时间减少40%。消费领域，通过供需推演模型帮助零售企业将库存周转率提升25%。
对于国际化布局，罗引表现出谨慎态度。尽管已收到中东、东南亚合作伙伴的订单，但他强调：“国内产业场景的复杂度远高于海外，我们优先确保技术在国内垂直行业的深度落地。"这种策略与其发展历程一脉相承——公司早期曾因过度追求技术先进性而陷入困境，后来通过"业务痛点反向驱动技术开发"的模式才实现突破。
回顾创业历程，罗引坦言曾走过不少弯路。2017年中科院自动化所同期孵化的30余家企业中，多数因技术导向误区而失败。"当时很多团队拿着算法找场景，结果发现客户根本不需要。"中科闻歌及时调整策略，建立"行业专家+算法工程师"的联合团队，使技术落地周期缩短60%。这种转变最终帮助其在激烈竞争中脱颖而出。
当前决策AI赛道竞争加剧，罗引认为持续投入是保持领先的关键。公司计划将IPO募集资金的60%用于技术研发，重点突破多模态决策、自主进化等方向。"这个领域没有终局，只有不断迭代。"他表示，"当其他企业还在比拼参数规模时，我们已经进入产业深度整合的新阶段。"
