吳曉波對話中科聞歌王磊：AI真正改變的，是企業的決策能力

文 /巴九靈（微信公眾號：吳曉波頻道）

剛剛過去的3月，全球沉浸在一股名為“龍蝦熱”的集體亢奮中，人們樂此不疲地與以OpenClaw為代表的AI智能體朝夕相處、并肩作戰。這些數字世界的新朋友，正以前所未有的姿態，深切介入我們的生活與工作。

然而十年前，大部分人還只是這波技術浪潮的觀潮者。

2016年3月，AlphaGo 4:1擊敗韓國李世石，人工智能就此驚艷世界。2017年5月，中國棋手柯潔敗北，AI 概念一夜之間為全中國所熟知。

兩個月后，國務院印發《新一代人工智能發展規劃》，正式將AI上升為國家戰略。

敏銳的人聽到了時代的潮汐。同年，中國科學院自動化研究所的王磊，與實驗室里的5位青年科研骨干一起，“下海”創立中科聞歌，成了一位尚在萌芽階段的人工智能領域的新興創業者。

九年來，中科聞歌從一個創業的小苗，成長為一家在新浪潮中乘風破浪的大艦船，它致力于為企業構建可落地的智能化平臺與應用，被業內譽為中國的Palantir，那是一家以將碎片化數據組織成可執行決策支持系統而聞名的企業。

3月，吳曉波老師同中科聞歌創始人、董事長王磊博士進行了一番深度對談。期間，兩人暢聊了人工智能如何從實驗室的算法脫胎為企業的決策大腦，共同拆解了AI從感知與認知，到生成與執行，再到決策支持的演進，他們的共識在于，AI對于企業的改變，必須要嵌入到經營的深水區之中，從純粹的生成演進到決策。

在技術碰撞之外，從事企業史研究幾十年、見證了激蕩起落的吳老師，問出了最感性也最直白的叩問：

“這么多年過去，少了一個科學家，多了一個企業家，值得嗎？”

從科研骨干到企業家

創業伊始，王磊要做的，就是要把人工智能在棋盤上的勝負手，轉化為現實產業中的指揮棒。

從當前的視角看，這并非什么奇聞異談。如今，一個稍加訓練和嘗試的普通人，已經足以讓一部分AI智能體為自己做人生規劃，但放在十年前，AI代替人腦和企業決策，卻還在天方夜譚的范疇中，來自實驗室里的王磊，遭遇了真實世界最冷峻的拷問。

正如他自己所言，“做科研總是想去做最好的創新，且這個創新能夠被證明、被理論化、被推演，這個過程中，有設定理論的邊界和重復試驗，但歸根究底，它的很多條件都可以在實驗里設置。而一旦進入產業環境，就有許多無法回避的問題。”

其實困難早在預料之中，畢竟，當初創業的初心，就是要將自己創新和研究一定要完成真實世界的驗證，本質而言，王磊和創始團隊從科研骨干到企業家的轉身，是一種宿命上的必然。

“作為科研人員，是在‘點’上引領方向，但做企業要有深度和廣度的結合。”

只不過，王磊和中科聞歌所選擇的道路，是一條更艱難亦更寂寞的道路。

在吳老師看來，中科聞歌從創業的第一天開始，就沒有選擇去做門檻更低、見效更快的To C應用，而是選擇了面向企業，這是一條更難，也更需要長期投入的路。

一方面，這依然與“出身”有關，王磊以及羅引等創始團隊成員所在的中國科學院自動化研究所被業內譽為“中國AI航空母艦”，是我國最早布局類腦智能、模式識別和復雜系統研究的科研高地，近十年來，陸續走出了一大批中國AI產業的重要力量。

基于這樣的科研底座和科學家思維，王磊和團隊認為，既然創業就要做一家優秀或偉大的企業，嘗試其他人沒有嘗試過的、難而有意義的事情。

另一方面，出于企業家的敏銳性，王磊認為，隨著人工智能進入下半場，感知和認知將進一步讓位于“決策”。對于企業而言，未來真正拉開經營差距的，是能否讓AI進一步進入決策環節。

從生成到決策

中科聞歌的名字，取意于《呂氏春秋》，“聞弦歌而知雅意”。

在吳老師看來，中科聞歌這個名字極具浪漫主義色彩，喻指從碎片化、噪聲遍布的信號中，精準捕捉背后的真實意圖。

這恰恰是“決策智能”的技術隱喻。

企業經營的核心，無論身處哪個時代，最難的便是在復雜約束下做出判斷、推動執行，并對結果負責。

當下，多數企業或將AI視作一個更聰明的內容生成工具，或只是在局部提效的智能助手，它們可以做很多事，但唯獨并不理解企業真實的業務邏輯，更無法自動進入經營與管理的核心鏈條。

基于這樣的認知，很多企業“引入的AI”只是改變了業務邊緣環節，它既不理解企業運行的真實邏輯，也無法承擔關鍵決策判斷。

這或許呼應了吳老師在對談中的疑問：“為什么企業擁抱AI已成共識，但真正能夠持續帶來經營改善的案例卻依然不多？”

在王磊看來，企業遲遲看不到AI帶來穩定經營改善，癥結并不在“不夠重視”，而在“用錯了位置”。

“企業需要的不是一個只會聊天的‘數字詩人’，而是一個能進入業務流程、輔助復雜判斷、并對結果負責的‘決策大腦’。”

用吳老師的話說，企業如今只是用人工智能改造了手、腳甚至軀體，但如今更希望能夠進一步改造大腦。

正因如此，中科聞歌的AI賦能企業之路，并非先做一個模型，再去尋找落地場景；而是恰恰相反，它是先錨定企業最復雜、最關鍵的決策問題，再反推AI究竟需要具備怎樣的能力、系統和產品形態。

在對談中，這一番抽象的討論，很快轉化為“用AI賦能一家紡織廠”的現實路演。

在紡織車間，上千臺設備7×24小時運轉，工人需要戴著耳塞，在高噪音環境中反復巡檢布面瑕疵。這類工作強度高、人工成本高、檢驗效率和穩定性也都有限。

對此，中科聞歌將視覺AI引入生產線，通過攝像頭實時識別布料缺陷，幫助企業降低次品率、提升巡檢效率。

而這只是第一步。

在王磊看來，真正的價值并不止于“看見問題”，而在于識別之后，進一步打通決策鏈路。他認為，如今越來越多的企業難點已經不再是“有沒有模型”，而是“模型是否懂業務”。

畢竟，真正決定經營成效的，都在細微之處，如排期怎么調，資源怎么配，風險怎么控，研發方向怎么選，異常怎么處置。

更何況，企業場景中的每一個動作背后，都牽動著數據口徑、流程規則、權限邊界和責任機制。

基于此，中科聞歌形成了一套DOMA決策智能架構，即Data（數據）、Ontology（本體）、Models（模型）、Agents（智能體）。

沒有本體，大模型就不懂業務

依然以紡織廠為例。

在車間里，數千臺織機的轉速、經緯線的張力數據、布匹表面的瑕疵圖像，以及ERP系統里的訂單排期，這些碎片化、多模態的原始信息被全部接入到Data（數據層），自此，它們將不再是孤立的數字，而是AI理解生產現狀的原始感知。

然后是Ontology（本體層），這是這一架構的核心靈魂。它將企業分散在數據、流程和經驗中的業務邏輯組織起來，讓AI真正進入業務、支撐決策并推動執行。

對談中，王磊用了一個很直白的判斷：“沒有本體，大模型就不懂業務。”

在紡織廠的案例中，它可以將紡織專家的經驗、布料質量標準、復雜的排產規則統一編織成AI能理解的邏輯。

接著到是Models（模型層）。在本體層所定義的業務規則和邏輯約束下，它能夠對真實生產數據進行分析、推理與預測，并為不同情境下的方案評估和決策支持提供依據。

最后是Agents（智能體層），這是將分析結果轉化為執行動作的關鍵一環。它不再只是輸出一份建議報告，而是能夠結合業務規則與權限設置，聯動相關系統生成維修工單、推送排產信息，并為物料采購、排產調整等流程提供執行建議。

紡織廠老板只需要用自然語言問一句“現在生產情況怎么樣？”，AI Agent就能快速生成報表，并進一步給出排期調整和經營建議。

自此，將那些原本鎖在老技工腦子里、零散在財務報表里的非標經驗，轉化為數字化資產，最終成為更多管理者都能調用的決策能力。

而這樣的場景，中科聞歌如今在生物醫藥、材料研發等知識密集型場景中亦有應用。

如今，在現有基礎上，中科聞歌進一步打造了面向復雜決策場景的核心產品——Decitron（決策機）。

作為中科聞歌DOMA 架構中“A”（Agents）的關鍵產品化實現，Decitron不是簡單給出一個答案，而是試圖幫助企業把復雜現實問題拆開、建模和推演。

它通過融合事件圖譜、概率建模、多智能體決策與演化博弈等關鍵技術，將現實世界中的復雜問題轉化為可計算、可推演的系統。

對企業而言，這意味著AI不再只是“看見問題”或“執行任務”，而是開始幫助企業管理者回溯事件如何演化、模擬不同選擇可能帶來的結果，并在不確定性中提供更可驗證的決策空間。

結語

這一系列能力讓中科聞歌在業內獲得了“中國Palantir”的美譽。

Palantir是全球公認能將破碎數據組織成可執行決策支持系統而聞名的企業，兩者的相似之處在于都試圖把數據、業務邏輯和決策流程組織成一套可運行的系統，讓AI真正進入復雜場景。

但對中科聞歌而言，這并不是簡單復制一條海外路徑，而是在中國企業經營、產業研發和社會治理的復雜場景中，走出一條更適合本土需求的決策智能路線。

未來，王磊和中科聞歌仍將在“讓天下沒有難做的決策”這一愿景持續前行。

產品在做深，覆蓋面也要求廣。

“今年，中科聞歌會把在復雜場景中沉淀下來的經驗，進一步平臺化、產品化，服務更多中小企業和更廣泛的行業客戶。”針對吳老師提及的AI普惠問題，王磊這樣回應道。

在吳老師看來，所有的變革本質上都是工具革命，一個新的工具誕生以后，率先使用工具者就有可能成為彎道超越者，而這樣一個時刻，正在今天發生。

回到那個最初的問題，“九年來，少了一個科學家，多了一個企業家，值得嗎？”

在王磊和中科聞歌身上，答案早已清晰可見。正如吳老師所總結的那樣，那些進入產業、進入經濟，將專利變為實際的產品和應用的科研人員，正在努力最大化發揮科學的作用。

*以上內容由吳老師與王磊對話精編而得。