WAIC 追问 | 让AI辅助管理者做决策，中科闻歌的把握有多大

撰文 | 雁 秋

编辑 | 李信马

题图 | 豆包AI

普通人使用AI，大多只把它当成闲聊解闷的聊天搭子，或是整理会议纪要、摘要文档的便捷助手。但当AI被引入企业层面，场景会变得更复杂，它不仅要面对海量异构数据，还要适配多部门协同的刚性流程。

管理者更是有着截然不同的诉求，他们不满足于“能说会道”，而需要一种决策辅助。多数管理者有个共同的困惑：行业把大模型说得这么强，为什么我的经营决策还不能智能化？产线该怎么排、原材料该备多少、设备异常该从哪个环节排查？

因此，人工智能如果只局限于沟通、思考、推理，没有任何具体落地的提效动作，那么从商业层面上讲，它就是虚幻的智能。技术发展到现在，模型不再比谁更能聊、更聪明，而是看谁能从工具层面提供好用、管用的框架。

中科闻歌第一个跑出来了。

据灼识咨询（CIC）数据，中科闻歌在2024年中国企业级大模型驱动的决策智能市场排名第一，市场份额11.4%。在WAIC 2026期间，中科闻歌发布了业界首个“基、枢、核、脑、端”完整AI决策产品体系。这套体系被形象地比作一棵“决策AI树”，向下扎根，向上生长出认知、推理和决策能力，五个层级环环相扣。

CEO罗引表示，AI的下一站绝不只是生成答案，而是深度参与决策：“这是一场组织能力的重构。”DoNews受邀与一众媒体对话罗引，深度了解到这家公司在决策智能领域的产业逻辑、创业方法论与责任边界。

（以下内容经由论坛内容和现场交流整理）

01、决策是AI的“高阶形态”

罗引曾给AI的发展规划了三个节点：

• 计算AI：处理数据、洞察规律，是效率工具；
• 生成AI：能写能画能拍视频，是内容助手；
• 决策AI：模拟推演、预测变化、辅助判断，真正帮人做决定——目前站在最顶层。

三者既非简单的线性替代关系，也非叠加关系，而是“被调用”。“生成AI可以调用计算AI，而决策AI就是去调用生成式AI。就像人一样，工具肯定是越用越高级。”罗引说。

这一判断与学界形成呼应。中国科学院自动化研究所副所长曾大军在WAIC学术报告中指出，决策范式已进入以AI深度参与为特征的“智”的阶段：“过去我们觉得没有办法分析、没法算、没法推演的各种复杂决策问题，现在都在人工智能的牵引下，被纳入可计算、可推演、可评估、可决策的范畴。”

为什么是现在？因为企业算账的逻辑变了。

过去谈论AIGC，几乎都是聊天沟通，产生不了真正的生产价值。老板们必然会反过来思考，我花这么多钱买算力，最后带来的价值是什么？罗引认为，企业管理层一定会回到流程上。

罗引从产业需求侧解释了决策AI爆发的必然性。在上个世纪，管理学界已经讲了这个问题，人的决策需要增强理性，所有的管理其实就是决策，只是没有这套体系来支撑，但在未来的5到10年内，大量行业将向决策AI转型。

“工业领域的制造越来越多，机器手臂工艺越来越复杂，生产的决策未来肯定不是老板在做，因为系统可以把市场变化、需求、供应链全部梳理好后自动排整个流程。人只需要在中间做战略顶层的考量。”

中科闻歌CEO罗引

基于此，中科闻歌发布的体系可以说完整覆盖了企业上下链路的需求，官方用五个字概括：

基，海汇TokSea Token平台：

统一管算力、管模型、管智能资产，解决企业“一堆GPU不知道怎么分”的老问题；

枢，DIP本体数据平台：

把散落在订单、机台、工序里的碎片数据，拧成AI能读懂的“数字孪生”；

核，磐石ScienceOne + 雅意YaYi：

科学与通用双引擎，一个搞科研，一个撑场景，各司其职；

脑，决策机Decitron：

模拟推演、方案比选、算概率，罗引的原话是：通用大模型只能回答现在，而Decitron负责计算未来；

端，龙工Claworks：

把决策指令精准注入一线岗位，让AI的脑子直接长进业务流程里。

中科闻歌“基—枢—核—脑—端”决策大模型产品体系

中科闻歌这次也拿出了实打实的结果，以前企业从发现问题到拿到分析报告，平均要等32小时，现在10分钟搞定，响应速度最高提升192倍。另外，建设和运营成本最高砍掉90%以上。

罗引特别提到决策机Decitron的代际差异：“通用大模型只能回答现在，而Decitron负责计算未来。”在国际权威数据集PolyBench三项核心指标上，Decitron达到SOTA，跨领域稳定性超越GPT-5.5和Claude-4.7。

02、谁为AI决策担责?

决策系统有个最敏感的问题：决策没有唯一正确的答案，其决定涉及价值判断、风险偏好与时效性，出了错，谁来负责？

AI时代下的权责问题是国际学术界近年来密集讨论的部分。有学者提出构建“开发者—操作方—用户”三级责任框架，也有研究主张将AI理解为一种工具，其输出结果的责任仍应由人类操作者承担。更有学者警告，当AI系统以算法自动运行、非人为控制为由逃避责任时，受害者将独自承受后果。

在WAIC 2026科学前沿论坛上。图灵奖得主约书亚·本吉奥同样发出警告，他认为当前的安全措施，已经追不上AI能力狂飙的速度，任何高风险系统在发布前都应先证明其安全性。

中科闻歌在这方面是如何理解和落实的？罗引在回答DoNews的问题时，通过微观、中观、宏观三个维度划分责任边界。

具体来看，微观的日常生产层面，出错是可以接受的，前提是把出错的概率降到很低。“就像自动驾驶，特斯拉事故率是人工的1/25。如果我能在生产流程中控制到十分之一，提升几个点，用户都能接受。”

中观的企业经营层面，中科闻歌的这套框架基本上不会出错。罗引在产品方面有十足的把握，因为底层的SOP已经梳理得很清楚，上层的计算也可以通过工具验证。

至于宏观战略层面决策，中科闻歌做的工作是把最大概率、中间概率和异常事件都算出来，然后告诉领导者，希望决策机能够帮他们把不全面的问题考虑清楚。“以前他们可能都不知道发生哪些情况，我们能给找出来，他们就觉得已经很好。但最终的战略决策权仍在人手中。”

中科闻歌CEO罗引

中科闻歌对于自己的分层框架所提供的“正确结果”持积极态度，公司坚持不做“大模型即答案”的简单叙事，而是要让AI在高责任场景下做到可验证、可追溯、可问责。“如果AI要参与关键决策，它必须是安全、可控的，必须真正理解行业逻辑，而不是‘猜得差不多'。这并非技术保守，而是对决策责任的基本尊重。”

而中科闻歌在市场上也有强大的竞争力。在罗引看来，大厂有庞大的流量支撑做通用大模型，中科闻歌不去争那块市场，只聚焦决策领域的数据积累。“我们不希望摊大饼，一下子覆盖很多行业，在一个领域做深之后，把流程标准化，再去复制，这个是我们走的不太一样的路线。”

这种聚焦策略在数据上已有体现，数据显示，中科闻歌营收从2023年的2.497亿元增至2025年的4.053亿元，毛利率由44.0%提升至51.2%，净收入留存率达139.5%；交付周期在2025年达到80.2天，产品化能力正在快速提升。

目前中科闻歌累计服务超1000家企业及政府客户，覆盖数据智能、运营智能、工业智能、战略智能等关键领域。

03、科研派的“踩坑”与“进化”

中科闻歌的命名有着宏大而浪漫的寓意。

“闻歌”，取“闻弦歌而知雅意”之意。除了字面上的风雅自诩，还包括科学理性的补充：技术不止于计算，更在于“理解”，中科闻歌希望为企业打造AI时代先进的业务和决策系统。

无论是现场的产品发布，还是会后的媒体交流，中科闻歌大篇幅阐述了他们为什么要做决策AI，以及凭什么能做好。在聆听完一众成果和预期判断后，DoNews决定把视角转回到过去。

2017年，中科闻歌在国家鼓励科研人员离岗创业的政策背景下成立，王磊为公司联合创始人、董事长，罗引为联合创始人、CEO，曾大军为联合创始人。九年后的6月份，香港联交所的大屏幕上，股票代码“1956”正式亮起。中科闻歌以“决策大模型第一股”的身份登陆港股，开盘大涨超80%，市值一度突破190亿港元。

尽管拥有中科院的背景，但走到港交所的这一路，中科闻歌踩过哪些坑，又走过哪些弯路？在回答DoNews的问题之前，罗引先是自嘲“太多了”，然后认真回忆，并坦诚地分享了过往的经历，而这些经历对理解科学家创业的普遍困境也极具参考价值。

最典型的"坑"的就是拿着算法找场景。“我们原来做算法的同事能力都很强，一开始他们会认为‘我有好的算法，你到底有些什么场景’？但用算法找场景是比较难的。”罗引直言，这是技术创业者普遍会走的弯路。但后来团队彻底扭转了思路，“别对自己说有什么，就说这个市场需求是什么、客户需求是什么，然后再提炼出技术问题，再尝试用什么算法去解决。”

之所以能够集中精力转换思路，要得益于公司的团队管理。罗引特别提到，在中科闻歌成立的同一年，自动化所成立了约30家企业，而中科闻歌是率先跑出来的之一，关键在团队。

罗引表示，依托中国科学院鼓励科技成果转化和科研人员创新创业的良好机制，公司在创业初期获得了充分的发展空间，并持续通过股权激励等方式凝聚核心人才。“创业过程中难免遇到困难，但核心创始团队长期保持稳定。特别是在发展初期，正是大家彼此信任、共同扛住压力，推动公司一步步走到今天。”

中科闻歌起步时没有客户，也没有销售团队，甚至没有人听得懂他们在说什么。罗引笑称，过去在经营、法律、运营甚至和资本方面的沟通问题上，团队几乎都是小白。“创业初期最需要补齐的就是经营能力，需要不断地去学习，不能说我就只是搞科研，拒绝学习经营，眼界和认知都要拉开。”

当被问及“现在非做不可的一件事”，罗引的回答没有犹豫：“还是聚焦在‘决策’这个点。我们一定要在市场上跑出比别的企业更高出几个身位。大家可能都意识到了这个点，但是谁能把这个东西转化效率越高，谁的市场竞争力就越强。”

尾声

从研究到产业、从算法到场景、从生成到决策，中科闻歌用九年时间完成了三次跨越。这条路径是否会被更多后来者复制尚未可知，但至少在2026年的当下，它已为“AI下一站”提供了一个可落地的样本。