虽说2022年的大模型热潮掀起后，大家都在追捧那种能快速生成内容的AI，不过现在风向变了。国际上的权威机构高德纳预测，等到2027年，得有一半的商业决策都得靠这种叫决策智能的东西来辅助，甚至直接实现自动化。这就意味着人工智能以前只能当个“辅助工具”，现在得往“决策参与”甚至“决策赋能”的方向走。 可一旦AI要碰业务上的深水区，问题也就来了。那些光是训练了海量参数的“黑盒子”模型，虽然速度快能出答案，但它们的推理过程像个迷魂阵似的不透明。稍微一点逻辑断层或者幻觉风险，就可能把关键决策给搞砸了。根本没法满足像“严谨性”、“可追溯性”这种高标准的要求。 中科闻歌首席执行官罗引说得很实在，“企业级人工智能的核心，不在于模型参数规模，而在于是否具备系统性的推演与判断能力。”这家公司源自中国科学院自动化所，一直走的就是那条叫“决策智能”的差异化路子。在罗引看来，如果AI只知道输出结果，却没法解释背后的依据和逻辑过程，那它根本没法真正插进企业的决策中枢里去担责任。 现在大多数生成式AI还处在心理学里的“系统1”阶段——也就是靠直觉快速反应。但企业做高价值决策的时候，可不光靠直觉那一套。“系统2”才是关键，得有深度分析、因果推断和长远谋划的本事。 为了给AI这种“系统2”式的思考能力，中科闻歌搞了个叫DOMA的架构体系。这套体系就是把数据（Data）、本体（Ontology）、模型（Model）、智能体（Agent）这四个层次给打通了。它强调得把行业知识、业务规则这些东西用结构化的本体形式塞进去。这样就能引导模型在符合领域逻辑的框框里去推理，让AI的判断过程变得透明、能回头看、能验证。 罗引拿公司名“闻歌”做例子，说就像“闻弦歌而知雅意”。这是啥意思呢？就是要从一堆乱七八糟的数据里头看出因果关联来，推导出未来的趋势脉络。这背后其实用的是复杂系统科学的方法论，想把那些高度非结构化的社会经济活动变成可以建模、计算和推演的问题。 实践最能检验技术是不是真行。成立八年多了，中科闻歌一直在围着决策智能死磕。它们的系统现在已经在政务治理、金融风控、能源调度这些地方用上了。这些场景逻辑复杂又责任重大，结果证明了很多行业的痛点不在于缺数据或算力，而在于那些老经验没被数字化和模型化。 面对2022年以后那股子“大模型热”，中科闻歌一边在做自己的大模型“雅意”，一边心里门儿清：对于政企这种高责任的活儿，光比谁的参数大、谁的生成流畅度高没用。安全、可控、符合行业逻辑才是第一位的。这不是保守，而是对责任的一种尊重。 说白了，就是要把大模型的感知和生成能力给结合进决策智能那个可解释的推理框架里去。这样既能保证强大，又能保证可靠。 这一转变可不光是换了个工具那么简单。它正在变成重塑企业乃至行业决策模式的关键力量。现在的产业界对AI的可靠性、透明性、责任性那是迫切得很，决策智能正好回应了这种需求。 未来啊，AI在企业里的价值不光是看它能“生成”什么东西了。更关键的是看它怎么帮咱们更好地“思考”和“决定”。