在商业环境日益复杂的今天，企业决策的精准性与效率成为竞争的关键。赫伯特·西蒙早在《管理行为》中便指出，管理本质上是决策的堆叠，而人类理性的局限性为AI介入决策环节提供了契机。随着AI技术从内容生成向更深层次的应用拓展，决策智能正成为企业数字化转型的核心驱动力。
海外市场中，Palantir通过前沿部署工程师（FDE）模式在决策领域占据先机，但其高昂的定制化成本限制了规模化推广。相比之下，国内企业更注重通过标准化产品降低落地门槛。中科闻歌近日在世界人工智能大会上发布的AI决策产品体系，以“基、枢、核、脑、端”五层架构覆盖数据治理、业务建模到执行落地的全链条，为企业构建了具备模拟推演能力的“决策大脑”。
该体系的基础层“海汇TokSea Token平台”作为智能基础设施，统一调度算力与模型资源，使企业能像使用水电一样便捷地调用AI能力。DIP本体数据平台则承担数据枢纽角色，将分散的业务数据转化为逻辑清晰的业务网络，为AI理解企业运作提供基础。通用大模型“雅意YAYI”与科学基础大模型“磐石ScienceOne”构成核心引擎，前者处理日常办公流程，后者专注科学计算与产业研发，二者结合实现了商业常识与科研能力的融合。
决策机“Decitron”是体系中的关键组件，其功能类似于沙盘推演系统，通过模拟复杂场景下的因果关系与多方博弈，为企业寻找最优决策路径。而智能体“龙工Clawork”则负责将决策转化为具体行动，自动调用工具完成任务闭环。这种分层设计使AI既能参与微观调度，也能支持宏观战略规划。
中科闻歌CEO罗引在对话中强调，决策智能的竞争核心在于行业深度与规模化能力的平衡。他指出，通用大模型在行业落地时往往面临“水土不服”的问题，而中科闻歌通过FDE与标准作业程序（SOP）的结合，将部署成本降低90%，效率提升192倍。这种模式既避免了与头部企业在通用领域的正面竞争，又通过垂直行业的数据积累构建了专业壁垒。
针对决策智能的商业化挑战，罗引认为成本管控需分层实施：高频生产场景采用轻量化模型，中观调度使用中等参数模型，战略决策则部署高算力模型。他以材料科学为例，指出该领域因研发周期短、数据积累完善，可能成为决策智能最快突破的行业。制造领域则通过AI替代传统经验管理，优化排产效率并降低能耗。在社会服务领域，AI可加速商品与资金流转，提升整体效能。
在技术路径上，中科闻歌依托中科院背景，通过融合科学模态数据（如波、谱、场）与文本数据训练“磐石”模型，使其具备跨学科研究能力。这种架构使模型能像人类专家一样用物理方法解决化学问题，从而在智能水平上超越通用模型。罗引特别提到，与AlphaFold等专用模型相比，“磐石”更注重技术路线的商业转化价值，而非单一指标的突破。
面对决策AI的责任界定问题，罗引以自动驾驶类比：在生产执行等微观场景，AI的目标是将错误率控制在远低于人类水平；在战略决策层面，AI则通过穷尽所有可能性为人类提供参考，最终决策权仍保留在管理者手中。这种设计既发挥了AI的理性增强作用，又避免了技术替代人类的伦理争议。
随着港股上市首日表现亮眼，中科闻歌的决策智能战略正接受市场检验。罗引表示，公司更关注技术与产业的深度融合，而非短期股价波动。他认为，决策智能的信任瓶颈需要通过实际场景中的价值验证来突破，而标准化产品与垂直行业深耕将是关键路径。在硬件执行层面，中科闻歌已在华东制造业实现智能分析系统与机器人的闭环联动，为物理世界与信息层的连接提供了实践样本。
