“AI的未来不应止步于生成答案，而是要深度融入决策过程。”中科闻歌首席执行官罗引在近期一场行业对话中提出这一观点。当通用大模型陷入同质化竞争时，决策型人工智能正成为新的产业突破口。这家脱胎于中科院自动化所的企业，凭借九年深耕行业决策场景的经验，于今年成功登陆港交所，成为首家以决策大模型为主业的上市公司。
在2026世界人工智能大会上，中科闻歌推出的“基、枢、核、脑、端”五层决策AI体系引发关注。该系统通过分层架构实现从基础算力支撑到终端决策输出的全链条覆盖，与互联网巨头追求全市场覆盖的策略形成鲜明对比。罗引强调：“我们专注的是让机器理解真实世界的决策逻辑，而非制造技术泡沫。”
面对行业关于技术壁垒的质疑，罗引指出，决策模型的核心优势在于行业知识图谱的深度积累。“通用大模型像全科医生，而我们的系统是专科专家。”他以制造业为例，中科闻歌的“工厂数字大脑”已实现生产流程的闭环优化，在某汽车零部件企业的应用中，将设备故障预测准确率提升至92%，停机时间减少40%。
在技术架构层面，中科闻歌创新性地采用三层决策模型：微观生产层聚焦设备控制，中观经营层优化供应链，宏观战略层辅助投资决策。这种分层设计使算力消耗降低35%的同时，将决策响应速度缩短至毫秒级。罗引透露，通过多智能体协同机制，系统单次决策可替代传统模式下数十次通用模型调用，综合成本降低60%以上。
针对算力成本瓶颈，罗引认为现有GPU架构存在根本性局限。“量子计算可能是破局关键，但商业化落地至少需要十年周期。”他透露，公司正与半导体企业合作研发专用决策芯片，预计2028年可实现算力成本下降两个数量级。当前则通过模型压缩技术，将百亿参数模型压缩至13亿参数，在保持90%精度的前提下降低推理成本。
在行业应用方面，AI for Science领域展现出最快落地速度。中科闻歌研发的磐石ScienceOne模型，在60余项科研评测中超越GPT-4等主流模型，特别是在新材料研发场景中，将实验周期从平均18个月缩短至4个月。某新能源企业应用该系统后，新型电池材料开发效率提升3倍，相关成果已进入中试阶段。
对于国际化布局，罗引采取“先内后外”策略。“国内制造业的复杂度堪比‘地狱级副本’，通关后再拓展海外市场效率更高。”目前公司已与中东、东南亚多家企业建立合作，但重点仍是打磨产品。他举例说，国内某物流企业的智能调度系统需同时处理2000个变量，这种复杂度在海外同类场景中极为罕见。
回顾创业历程，罗引坦言曾走过不少弯路。2017年同期孵化的30余家科创企业中，多数因“拿着锤子找钉子”的技术导向思维失败。“我们后来调整为需求驱动模式，先深入行业理解业务痛点，再反向开发技术方案。”这种转变使客户留存率从32%提升至78%，项目交付周期缩短50%。
当前决策AI赛道竞争加剧，罗引认为真正的挑战在于技术落地效率。“从实验室到产业场的距离，比从0到1的技术突破更难跨越。”中科闻歌正通过建立行业标准化解决方案库，将典型场景的部署时间从3个月压缩至2周。这种“模块化+定制化”的策略，使其在金融、能源等领域的市场份额持续扩大。
