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O(shè)penClaw為代表的AI智能體朝夕相處、并肩作戰(zhàn)。這些數(shù)字世界的新朋友，正以前所未有的姿態(tài)，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(shù)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(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，正式將AI上升為國家戰(zhàn)略。

敏銳的人聽到了時代的潮汐。同年，中國科學(xué)院自動化研究所的王磊，與實(shí)驗(yàn)室里的5位青年科研骨干一起，“下�！眲�(chuàng)立中科聞歌，成了一位尚在萌芽階段的人工智能領(lǐng)域的新興創(chuàng)業(yè)者。

九年來，中科聞歌從一個創(chuàng)業(yè)的小苗，成長為一家在新浪潮中乘風(fēng)破浪的大艦船，它致力于為企業(yè)構(gòu)建可落地的智能化平臺與應(yīng)用，被業(yè)內(nèi)譽(yù)為中國的Palantir，那是一家以將碎片化數(shù)據(jù)組織成可執(zhí)行決策支持系統(tǒng)而聞名的企業(yè)。

3月，吳曉波老師同中科聞歌創(chuàng)始人、董事長王磊博士進(jìn)行了一番深度對談。期間，兩人暢聊了人工智能如何從實(shí)驗(yàn)室的算法脫胎為企業(yè)的決策大腦，共同拆解了AI從感知與認(rèn)知，到生成與執(zhí)行，再到?jīng)Q策支持的演進(jìn)，他們的共識在于，AI對于企業(yè)的改變，必須要嵌入到經(jīng)營的深水區(qū)之中，從純粹的生成演進(jìn)到?jīng)Q策。

在技術(shù)碰撞之外，從事企業(yè)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(xué)家，多了一個企業(yè)家，值得嗎？”

從科研骨干到企業(yè)家

創(chuàng)業(yè)伊始，王磊要做的，就是要把人工智能在棋盤上的勝負(fù)手，轉(zhuǎn)化為現(xiàn)實(shí)產(chǎn)業(yè)中的指揮棒。

從當(dāng)前的視角看，這并非什么奇聞異談。如今，一個稍加訓(xùn)練和嘗試的普通人，已經(jīng)足以讓一部分AI智能體為自己做人生規(guī)劃，但放在十年前，AI代替人腦和企業(yè)決策，卻還在天方夜譚的范疇中，來自實(shí)驗(yàn)室里的王磊，遭遇了真實(shí)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(chuàng)新，且這個創(chuàng)新能夠被證明、被理論化、被推演，這個過程中，有設(shè)定理論的邊界和重復(fù)試驗(yàn)，但歸根究底，它的很多條件都可以在實(shí)驗(yàn)里設(shè)置。而一旦進(jìn)入產(chǎn)業(yè)環(huán)境，就有許多無法回避的問題�！�

其實(shí)困難早在預(yù)料之中，畢竟，當(dāng)初創(chuàng)業(yè)的初心，就是要將自己創(chuàng)新和研究一定要完成真實(shí)世界的驗(yàn)證，本質(zhì)而言，王磊和創(chuàng)始團(tuán)隊(duì)從科研骨干到企業(yè)家的轉(zhuǎn)身，是一種宿命上的必然。

“作為科研人員，是在‘點(diǎn)’上引領(lǐng)方向，但做企業(yè)要有深度和廣度的結(jié)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(chuàng)業(yè)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(yīng)用，而是選擇了面向企業(yè)，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(guān)，王磊以及羅引等創(chuàng)始團(tuán)隊(duì)成員所在的中國科學(xué)院自動化研究所被業(yè)內(nèi)譽(yù)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(fù)雜系統(tǒng)研究的科研高地，近十年來，陸續(xù)走出了一大批中國AI產(chǎn)業(yè)的重要力量。

基于這樣的科研底座和科學(xué)家思維，王磊和團(tuán)隊(duì)認(rèn)為，既然創(chuàng)業(yè)就要做一家優(yōu)秀或偉大的企業(yè)，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(yè)家的敏銳性，王磊認(rèn)為，隨著人工智能進(jìn)入下半場，感知和認(rèn)知將進(jìn)一步讓位于“決策”。對于企業(yè)而言，未來真正拉開經(jīng)營差距的，是能否讓AI進(jìn)一步進(jìn)入決策環(huán)節(jié)。

從生成到?jīng)Q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(zhǔn)捕捉背后的真實(shí)意圖。

這恰恰是“決策智能”的技術(shù)隱喻。

企業(yè)經(jīng)營的核心，無論身處哪個時代，最難的便是在復(fù)雜約束下做出判斷、推動執(zhí)行，并對結(jié)果負(fù)責(zé)。

當(dāng)下，多數(shù)企業(yè)或?qū)I視作一個更聰明的內(nèi)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(dú)并不理解企業(yè)真實(shí)的業(yè)務(wù)邏輯，更無法自動進(jìn)入經(jīng)營與管理的核心鏈條。

基于這樣的認(rèn)知，很多企業(yè)“引入的AI”只是改變了業(yè)務(wù)邊緣環(huán)節(jié)，它既不理解企業(yè)運(yùn)行的真實(shí)邏輯，也無法承擔(dān)關(guān)鍵決策判斷。

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

在王磊看來，企業(yè)遲遲看不到AI帶來穩(wěn)定經(jīng)營改善，癥結(jié)并不在“不夠重視”，而在“用錯了位置”。

“企業(yè)需要的不是一個只會聊天的‘?dāng)?shù)字詩人’，而是一個能進(jìn)入業(yè)務(wù)流程、輔助復(fù)雜判斷、并對結(jié)果負(fù)責(zé)的‘決策大腦’�！�

用吳老師的話說，企業(yè)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(jìn)一步改造大腦。

正因如此，中科聞歌的AI賦能企業(yè)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(yè)最復(fù)雜、最關(guān)鍵的決策問題，再反推AI究竟需要具備怎樣的能力、系統(tǒng)和產(chǎn)品形態(tài)。

在對談中，這一番抽象的討論，很快轉(zhuǎn)化為“用AI賦能一家紡織廠”的現(xiàn)實(shí)路演。

在紡織車間，上千臺設(shè)備7×24小時運(yùn)轉(zhuǎn)，工人需要戴著耳塞，在高噪音環(huán)境中反復(fù)巡檢布面瑕疵。這類工作強(qiáng)度高、人工成本高、檢驗(yàn)效率和穩(wěn)定性也都有限。

對此，中科聞歌將視覺AI引入生產(chǎn)線，通過攝像頭實(shí)時識別布料缺陷，幫助企業(yè)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(jìn)一步打通決策鏈路。他認(rèn)為，如今越來越多的企業(yè)難點(diǎn)已經(jīng)不再是“有沒有模型”，而是“模型是否懂業(yè)務(wù)”。

畢竟，真正決定經(jīng)營成效的，都在細(xì)微之處，如排期怎么調(diào)，資源怎么配，風(fēng)險怎么控，研發(fā)方向怎么選，異常怎么處置。

更何況，企業(yè)場景中的每一個動作背后，都牽動著數(shù)據(jù)口徑、流程規(guī)則、權(quán)限邊界和責(zé)任機(jī)制。

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

沒有本體，大模型就不懂業(yè)務(wù)

依然以紡織廠為例。

在車間里，數(shù)千臺織機(jī)的轉(zhuǎn)速、經(jīng)緯線的張力數(shù)據(jù)、布匹表面的瑕疵圖像，以及ERP系統(tǒng)里的訂單排期，這些碎片化、多模態(tài)的原始信息被全部接入到Data（數(shù)據(jù)層），自此，它們將不再是孤立的數(shù)字，而是AI理解生產(chǎn)現(xiàn)狀的原始感知。

然后是Ontology（本體層），這是這一架構(gòu)的核心靈魂。它將企業(yè)分散在數(shù)據(jù)、流程和經(jīng)驗(yàn)中的業(yè)務(wù)邏輯組織起來，讓AI真正進(jìn)入業(yè)務(wù)、支撐決策并推動執(zhí)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(yè)務(wù)�！�

在紡織廠的案例中，它可以將紡織專家的經(jīng)驗(yàn)、布料質(zhì)量標(biāo)準(zhǔn)、復(fù)雜的排產(chǎn)規(guī)則統(tǒng)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(yè)務(wù)規(guī)則和邏輯約束下，它能夠?qū)φ鎸?shí)生產(chǎn)數(shù)據(jù)進(jìn)行分析、推理與預(yù)測，并為不同情境下的方案評估和決策支持提供依據(jù)。

最后是Agents（智能體層），這是將分析結(jié)果轉(zhuǎn)化為執(zhí)行動作的關(guān)鍵一環(huán)。它不再只是輸出一份建議報告，而是能夠結(jié)合業(yè)務(wù)規(guī)則與權(quán)限設(shè)置，聯(lián)動相關(guān)系統(tǒng)生成維修工單、推送排產(chǎn)信息，并為物料采購、排產(chǎn)調(diào)整等流程提供執(zhí)行建議。

紡織廠老板只需要用自然語言問一句“現(xiàn)在生產(chǎn)情況怎么樣？”，AI Agent就能快速生成報表，并進(jìn)一步給出排期調(diào)整和經(jīng)營建議。

自此，將那些原本鎖在老技工腦子里、零散在財務(wù)報表里的非標(biāo)經(jīng)驗(yàn)，轉(zhuǎn)化為數(shù)字化資產(chǎn)，最終成為更多管理者都能調(diào)用的決策能力。

而這樣的場景，中科聞歌如今在生物醫(yī)藥、材料研發(fā)等知識密集型場景中亦有應(yīng)用。

如今，在現(xiàn)有基礎(chǔ)上，中科聞歌進(jìn)一步打造了面向復(fù)雜決策場景的核心產(chǎn)品——Decitron（決策機(jī)）。

作為中科聞歌DOMA 架構(gòu)中“A”（Agents）的關(guān)鍵產(chǎn)品化實(shí)現(xiàn)，Decitron不是簡單給出一個答案，而是試圖幫助企業(yè)把復(fù)雜現(xiàn)實(shí)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(guān)鍵技術(shù)，將現(xiàn)實(shí)世界中的復(fù)雜問題轉(zhuǎn)化為可計算、可推演的系統(tǒng)。

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

結(jié)語

這一系列能力讓中科聞歌在業(yè)內(nèi)獲得了“中國Palantir”的美譽(yù)。

Palantir是全球公認(rèn)能將破碎數(shù)據(jù)組織成可執(zhí)行決策支持系統(tǒng)而聞名的企業(yè)，兩者的相似之處在于都試圖把數(shù)據(jù)、業(yè)務(wù)邏輯和決策流程組織成一套可運(yùn)行的系統(tǒng)，讓AI真正進(jìn)入復(fù)雜場景。

但對中科聞歌而言，這并不是簡單復(fù)制一條海外路徑，而是在中國企業(yè)經(jīng)營、產(chǎn)業(yè)研發(fā)和社會治理的復(fù)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(xù)前行。

產(chǎn)品在做深，覆蓋面也要求廣。

“今年，中科聞歌會把在復(fù)雜場景中沉淀下來的經(jīng)驗(yàn)，進(jìn)一步平臺化、產(chǎn)品化，服務(wù)更多中小企業(yè)和更廣泛的行業(yè)客戶�！贬槍抢蠋熖峒暗腁I普惠問題，王磊這樣回應(yīng)道。

在吳老師看來，所有的變革本質(zhì)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(fā)生。

回到那個最初的問題，“九年來，少了一個科學(xué)家，多了一個企業(yè)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(jié)的那樣，那些進(jìn)入產(chǎn)業(yè)、進(jìn)入經(jīng)濟(jì)，將專利變?yōu)閷?shí)際的產(chǎn)品和應(yīng)用的科研人員，正在努力最大化發(fā)揮科學(xué)的作用。

*以上內(nèi)容由吳老師與王磊對話精編而得。