刚刚过去的3月，全球沉浸在一股名为“龙虾热”的集体亢奋中，人们乐此不疲地与以OpenClaw为代表的AI智能体朝夕相处、并肩作战。这些数字世界的新朋友，正以前所未有的姿态，深切介入我们的生活与工作。

然而十年前，大部分人还只是这波技术浪潮的观潮者。

2016年3月，AlphaGo 4:1击败韩国李世石，人工智能就此惊艳世界。2017年5月，中国棋手柯洁败北，AI 概念一夜之间为全中国所熟知。

两个月后，国务院印发《新一代人工智能发展规划》，正式将AI上升为国家战略。

敏锐的人听到了时代的潮汐。同年，中国科学院自动化研究所的王磊，与实验室里的5位青年科研骨干一起，“下海”创立中科闻歌，成了一位尚在萌芽阶段的人工智能领域的新兴创业者。

九年来，中科闻歌从一个创业的小苗，成长为一家在Hehson潮中乘风破浪的大舰船，它致力于为企业构建可落地的智能化平台与应用，被业内誉为中国的Palantir，那是一家以将碎片化数据组织成可执行决策支持系统而闻名的企业。

3月，吴晓波老师同中科闻歌创始人、董事长王磊博士进行了一番深度对谈。期间，两人畅聊了人工智能如何从实验室的算法脱胎为企业的决策大脑，共同拆解了AI从感知与认知，到生成与执行，再到决策支持的演进，他们的共识在于，AI对于企业的改变，必须要嵌入到经营的深水区之中，从纯粹的生成演进到决策。

在技术碰撞之外，从事企业史研究几十年、见证了激荡起落的吴老师，问出了最感性也最直白的叩问：

“这么多年过去，少了一个科学家，多了一个企业家，值得吗？”

从科研骨干到企业家

创业伊始，王磊要做的，就是要把人工智能在棋盘上的胜负手，转化为现实产业中的指挥棒。

从当前的视角看，这并非什么奇闻异谈。如今，一个稍加训练和尝试的普通人，已经足以让一部分AI智能体为自己做人生规划，但放在十年前，AI代替人脑和企业决策，却还在天方夜谭的范畴中，来自实验室里的王磊，遭遇了真实世界最冷峻的拷问。

正如他自己所言，“做科研总是想去做最好的创新，且这个创新能够被证明、被理论化、被推演，这个过程中，有设定理论的边界和重复试验，但归根究底，它的很多条件都可以在实验里设置。而一旦进入产业环境，就有许多无法回避的问题。”

其实困难早在预料之中，毕竟，当初创业的初心，就是要将自己创新和研究一定要完成真实世界的验证，本质而言，王磊和创始团队从科研骨干到企业家的转身，是一种宿命上的必然。

“作为科研人员，是在‘点’上引领方向，但做企业要有深度和广度的结合。”

只不过，王磊和中科闻歌所选择的道路，是一条更艰难亦更寂寞的道路。

在吴老师看来，中科闻歌从创业的第一天开始，就没有选择去做门槛更低、见效更快的To C应用，而是选择了面向企业，这是一条更难，也更需要长期投入的路。

一方面，这依然与“出身”有关，王磊以及罗引等创始团队成员所在的中国科学院自动化研究所被业内誉为“中国AI航空母舰”，是我国最早布局类脑智能、模式识别和复杂系统研究的科研高地，近十年来，陆续走出了一大批中国AI产业的重要力量。

基于这样的科研底座和科学家思维，王磊和团队认为，既然创业就要做一家优秀或伟大的企业，尝试其他人没有尝试过的、难而有意义的事情。

另一方面，出于企业家的敏锐性，王磊认为，随着人工智能进入下半场，感知和认知将进一步让位于“决策”。对于企业而言，未来真正拉开经营差距的，是能否让AI进一步进入决策环节。

从生成到决策

中科闻歌的名字，取意于《吕氏春秋》，“闻弦歌而知雅意”。

在吴老师看来，中科闻歌这个名字极具浪漫主义色彩，喻指从碎片化、噪声遍布的信号中，精准捕捉背后的真实意图。

这恰恰是“决策智能”的技术隐喻。

企业经营的核心，无论身处哪个时代，最难的便是在复杂约束下做出判断、推动执行，并对结果负责。

当下，多数企业或将AI视作一个更聪明的内容生成工具，或只是在局部提效的智能助手，它们可以做很多事，但唯独并不理解企业真实的业务逻辑，更无法自动进入经营与管理的核心链条。

基于这样的认知，很多企业“引入的AI”只是改变了业务边缘环节，它既不理解企业运行的真实逻辑，也无法承担关键决策判断。

这或许呼应了吴老师在对谈中的疑问：“为什么企业拥抱AI已成共识，但真正能够持续带来经营改善的案例却依然不多？”

在王磊看来，企业迟迟看不到AI带来稳定经营改善，症结并不在“不够重视”，而在“用错了位置”。

“企业需要的不是一个只会聊天的‘数字诗人’，而是一个能进入业务流程、辅助复杂判断、并对结果负责的‘决策大脑’。”

用吴老师的话说，企业如今只是用人工智能改造了手、脚甚至躯体，但如今更希望能够进一步改造大脑。

正因如此，中科闻歌的AI赋能企业之路，并非先做一个模型，再去寻找落地场景；而是恰恰相反，它是先锚定企业最复杂、最关键的决策问题，再反推AI究竟需要具备怎样的能力、系统和产品形态。

在对谈中，这一番抽象的讨论，很快转化为“用AI赋能一家纺织厂”的现实路演。

在纺织车间，上千台设备7×24小时运转，工人需要戴着耳塞，在高噪音环境中反复巡检布面瑕疵。这类工作强度高、人工成本高、检验效率和稳定性也都有限。

对此，中科闻歌将视觉AI引入生产线，通过摄像头实时识别布料缺陷，帮助企业降低次品率、提升巡检效率。

而这只是第一步。

在王磊看来，真正的价值并不止于“看见问题”，而在于识别之后，进一步打通决策链路。他认为，如今越来越多的企业难点已经不再是“有没有模型”，而是“模型是否懂业务”。

毕竟，真正决定经营成效的，都在细微之处，如排期怎么调，资源怎么配，风险怎么控，研发方向怎么选，异常怎么处置。

更何况，企业场景中的每一个动作背后，都牵动着数据口径、流程规则、权限边界和责任机制。

基于此，中科闻歌形成了一套DOMA决策智能架构，即Data（数据）、Ontology（本体）、Models（模型）、Agents（智能体）。

没有本体，大模型就不懂业务

依然以纺织厂为例。

在车间里，数千台织机的转速、经纬线的张力数据、布匹表面的瑕疵图像，以及ERP系统里的订单排期，这些碎片化、多模态的原始信息被全部接入到Data（数据层），自此，它们将不再是孤立的数字，而是AI理解生产现状的原始感知。

然后是Ontology（本体层），这是这一架构的核心灵魂。它将企业分散在数据、流程和经验中的业务逻辑组织起来，让AI真正进入业务、支撑决策并推动执行。

对谈中，王磊用了一个很直白的判断：“没有本体，大模型就不懂业务。”

在纺织厂的案例中，它可以将纺织专家的经验、布料质量标准、复杂的排产规则统一编织成AI能理解的逻辑。

接着到是Models（模型层）。在本体层所定义的业务规则和逻辑约束下，它能够对真实生产数据进行分析、推理与预测，并为不同情境下的方案评估和决策支持提供依据。

最后是Agents（智能体层），这是将分析结果转化为执行动作的关键一环。它不再只是输出一份建议报告，而是能够结合业务规则与权限设置，联动相关系统生成维修工单、推送排产信息，并为物料采购、排产调整等流程提供执行建议。

纺织厂老板只需要用自然语言问一句“现在生产情况怎么样？”，AI Agent就能快速生成报表，并进一步给出排期调整和经营建议。 

自此，将那些原本锁在老技工脑子里、零散在财务报表里的非标经验，转化为数字化资产，最终成为更多管理者都能调用的决策能力。

而这样的场景，中科闻歌如今在生物医药、材料研发等知识密集型场景中亦有应用。

如今，在现有基础上，中科闻歌进一步打造了面向复杂决策场景的核心产品——Decitron（决策机）。

作为中科闻歌DOMA 架构中“A”（Agents）的关键产品化实现，Decitron不是简单给出一个答案，而是试图帮助企业把复杂现实问题拆开、建模和推演。

它通过融合事件图谱、概率建模、多智能体决策与演化博弈等关键技术，将现实世界中的复杂问题转化为可计算、可推演的系统。

对企业而言，这意味着AI不再只是“看见问题”或“执行任务”，而是开始帮助企业管理者回溯事件如何演化、模拟不同选择可能带来的结果，并在不确定性中提供更可验证的决策空间。

结语

这一系列能力让中科闻歌在业内获得了“中国Palantir”的美誉。

Palantir是全球公认能将破碎数据组织成可执行决策支持系统而闻名的企业，两者的相似之处在于都试图把数据、业务逻辑和决策流程组织成一套可运行的系统，让AI真正进入复杂场景。

但对中科闻歌而言，这并不是简单复制一条海外路径，而是在中国企业经营、产业研发和社会治理的复杂场景中，走出一条更适合本土需求的决策智能路线。

未来，王磊和中科闻歌仍将在“让天下没有难做的决策”这一愿景持续前行。

产品在做深，覆盖面也要求广。

“今年，中科闻歌会把在复杂场景中沉淀下来的经验，进一步平台化、产品化，服务更多中小企业和更广泛的行业客户。”针对吴老师提及的AI普惠问题，王磊这样回应道。

在吴老师看来，所有的变革本质上都是工具革命，一个新的工具诞生以后，率先使用工具者就有可能成为弯道超越者，而这样一个时刻，正在今天发生。

回到那个最初的问题，“九年来，少了一个科学家，多了一个企业家，值得吗？”

在王磊和中科闻歌身上，答案早已清晰可见。正如吴老师所总结的那样，那些进入产业、进入经济，将专利变为实际的产品和应用的科研人员，正在努力最大化发挥科学的作用。

*以上内容由吴老师与王磊对话精编而得。