北京
当所有人都在说大模型能聊能写能画时，中科闻歌CEO罗引却在WAIC 2026现场浇了一盆冷水：“通用大模型只能回答现在，决策需要计算未来。”话本身不稀奇，稀奇的是他身后那套叫“基、枢、核、脑、端”的完整产品体系——首个被摆上台面的AI决策“全家桶”。
这套体系可以画出一张清晰的递进图：先给数据一个底座，再把数据拧成本体知识，接着用双引擎模型去理解，然后靠一个专门“想未来”的核心做推演，最后把这个本事塞进一线岗位。五个层级分工明确，从数据治理一路推到智能体执行，没有哪一环是外包的。
底座是海汇TokSea Token平台，负责把算力、模型和智能资产统一计量、调度起来，解决企业“一堆GPU不知怎么分”的老问题。往上走，DIP本体数据平台会把散落在订单、机台、工序里的碎片数据升维成业务本体，相当于给企业建了一个可被大模型读懂的“数字孪生”。模型层则搬出两套家伙：磐石ScienceOne专攻科研，雅意YaYi撑通用场景，双引擎各干各的。压轴的决策机Decitron不做闲聊，不写诗，只干一件事：模拟推演、方案比选、给概率信号。最后，龙工Claworks作为“场景之端”，把决策指令精准注入生产一线，让智慧直接钻进作业流程。
数字来得直观。决策机Decitron在国际权威数据集PolyBench上三项核心指标拿满SOTA，跨领域稳定性超越GPT‑5.5和Claude‑4.7。更扎眼的是一组模拟交易数据：靠Decitron的概率信号，进取型策略在28天真实预测市场里刷出160.28%的年化收益率——不是回测，是实盘模拟。当然，实验室漂亮远不够，能不能在生产线上跑通才是关键。罗引举了个针织印染企业的例子：系统能实时感知设备异常，自动穿透订单、机台、工序关系去定位根因，然后预测进度、比较机台效率，最后把检修、通知、排程指令一股脑塞进执行流程，形成“感知—分析—决策—执行—反馈”的闭环。换成大白话就是，机器坏了不用等人发现，系统已经派好单。而在宏观战略端，这套体系还能把企业内部经营数据与外部政策、市场、产业信号结合，对市场进入、产能布局等重大决策进行情景推演、路径比较和风险评估。
被压得最狠的，是时间账。以前从发现问题到拿分析报告，企业平均要等32小时；现在10分钟出结果，响应速度最高提了192倍，建设与运营成本可能砍掉九成以上。现场有人嘀咕是不是概念包装，中科院自动化所副所长曾大军直接用学术报告接住了质疑。他把决策范式演进划成三个阶段：“数理方法刻画理性决策”的第一阶段拿了三四十个诺奖，2010年后进入靠数据理解真实场景的“数”阶段，而当下正是人工智能深度参与的“智”阶段。他判断，这一阶段最根本的变化是——过去被认定没法算、没法推演的复杂决策问题，现在全被纳入可计算、可评估的范畴，“谁能先冲出来，从工具层面提供一套好用、管用的框架，谁就抓住了下一步的牵引力。”
从市场数据来看，冲在最前面的确实是做这套框架的人。灼识咨询给出的2024年中国企业级大模型决策智能市场报告中，中科闻歌以11.4%的份额排在第一。眼下他们服务了全球超过1000家企业，覆盖数据智能、运营智能、工业智能和战略智能领域。这套体系更大的意义在于，它把企业智能化从“重型信息化”的泥潭里拽出来了一点，走向可装配、可拼搭的路线。磐石2.0在60余项专业科研任务评测里，多数指标显著超越Gemini‑3.1‑pro和GPT‑5.5，甚至在化学性质预测、谱到分子结构预测、蛋白质位点预测等任务上压过了领域专用模型，可以说是悄悄把实验室的活也给干了。
把数据变成本体，把本体放进决策机里滚动推演，再把推演结论灌回作业一线，这条逻辑如果真能大范围跑通，企业“拍脑袋”的会议室会越来越少。而眼下最实在的变化是：一场原本需要通宵等报表的决策会，现在只要一杯咖啡的时间。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
