近年來，生成式人工智能的迅猛發(fā)展，正重塑全球科技產業(yè)的格局。從最初的大模型參數競爭，到如今探索應用落地的實踐，行業(yè)逐漸達成新共識：人工智能的價值正從內容生成領域，向更具戰(zhàn)略意義的企業(yè)決策環(huán)節(jié)延伸。據Gartner預測，到2027年，將有半數的商業(yè)決策由具備決策智能的人工智能體輔助或直接完成。

當人工智能開始深度介入企業(yè)業(yè)務決策時，技術挑戰(zhàn)已超越單純的模型能力范疇。企業(yè)更關注人工智能的可解釋性、可控性以及邏輯可靠性——這些特質直接決定人工智能能否真正融入核心決策體系。這一需求變化，促使越來越多企業(yè)管理者將目光投向決策智能領域。

中科聞歌作為中國科學院自動化所孵化的科技企業(yè)，選擇了一條差異化發(fā)展路徑。該公司CEO羅引指出，企業(yè)級人工智能的核心競爭力不在于模型參數規(guī)模，而在于系統(tǒng)化的推演與判斷能力。他強調，如果人工智能只能提供結果卻無法解釋決策過程，就難以獲得企業(yè)決策層的信任。

諾貝爾經濟學獎得主丹尼爾·卡尼曼在《思考，快與慢》中提出的“雙系統(tǒng)理論”，為理解當前人工智能的局限性提供了理論框架。現(xiàn)有生成式人工智能主要依賴“系統(tǒng)1”的直覺式反應，通過概率計算快速生成答案，但常伴隨邏輯斷層和事實性錯誤。而企業(yè)決策需要的是“系統(tǒng)2”的深度推理能力——能夠建立因果關系、處理復雜約束條件并形成可驗證的判斷。

羅引進一步解釋，企業(yè)真正需要的是經得起反復驗證的決策支持，而非一次性“聰明”的答案。這種需求驅動中科聞歌構建了獨特的決策智能體系，其核心在于從海量數據中挖掘因果關系，構建可解釋的決策模型。這一理念源于復雜系統(tǒng)計算方法論，通過將非結構化的社會與商業(yè)行為轉化為可建模的決策系統(tǒng)，實現(xiàn)精準預測與科學決策。

中科聞歌的創(chuàng)業(yè)歷程始于2016年。當時，羅引與團隊成員在科研與產業(yè)需求的碰撞中意識到：實驗室算法與實際業(yè)務需求存在顯著鴻溝。企業(yè)關注的不是理論最優(yōu)解，而是如何在復雜約束條件下穩(wěn)定解決問題。這種認知促使他們放棄純學術路線，轉而深入政務、金融、能源等高復雜度場景，與客戶共同梳理業(yè)務邏輯，構建從數據感知到決策執(zhí)行的全鏈路體系。

2022年大模型技術爆發(fā)后，團隊迅速啟動自研大模型“雅意”的研發(fā)，但明確將重點放在方法論創(chuàng)新上。羅引認為，對于政企等高責任場景，黑盒模型無法滿足決策透明性要求。人工智能要參與關鍵決策，必須具備行業(yè)知識理解能力和可控的推理機制。這種堅持使中科聞歌在模型熱潮中保持差異化定位。

為解決人工智能與決策體系的融合難題，中科聞歌提出DOMA（Data–Ontology–Models–Agents）決策智能架構。該架構通過四層結構實現(xiàn)決策邏輯的顯性化表達：數據層構建動態(tài)業(yè)務映射，本體層固化行業(yè)規(guī)則與因果關系，模型層完成受約束推理，智能體層推動決策落地。這種設計使人工智能的決策建議具備完整的邏輯鏈條，滿足企業(yè)可解釋、可追溯的需求。

經過八年深耕，中科聞歌的決策智能系統(tǒng)已在多個關鍵領域實現(xiàn)規(guī)模化應用。其技術方案獲得產業(yè)資本與國資基金的長期支持，驗證了決策智能在復雜商業(yè)場景中的可行性。羅引強調，決策智能不是短期技術風口，而是需要持續(xù)投入的“重工程”。通過將決策能力轉化為可演進的系統(tǒng)平臺，企業(yè)能夠建立應對不確定性的核心優(yōu)勢。

在當今充滿變數的商業(yè)環(huán)境中，企業(yè)需要的不僅是技術工具，更是能夠深度理解業(yè)務邏輯、具備邏輯韌性的決策伙伴。中科聞歌的實踐表明，當人工智能成為組織決策體系的有機組成部分時，其真正價值才能得到釋放——不是替代人類決策者，而是通過增強組織認知能力，幫助企業(yè)在復雜環(huán)境中形成穩(wěn)定、可驗證的判斷機制。