近年来，生成式人工智能的迅猛发展，正重塑全球科技产业的格局。从最初的大模型参数竞争，到如今探索应用落地的实践，行业逐渐达成新共识：人工智能的价值正从内容生成领域，向更具战略意义的企业决策环节延伸。据Gartner预测，到2027年，将有半数的商业决策由具备决策智能的人工智能体辅助或直接完成。
当人工智能开始深度介入企业业务决策时，技术挑战已超越单纯的模型能力范畴。企业更关注人工智能的可解释性、可控性以及逻辑可靠性——这些特质直接决定人工智能能否真正融入核心决策体系。这一需求变化，促使越来越多企业管理者将目光投向决策智能领域。
中科闻歌作为中国科学院自动化所孵化的科技企业，选择了一条差异化发展路径。该公司CEO罗引指出，企业级人工智能的核心竞争力不在于模型参数规模，而在于系统化的推演与判断能力。他强调，如果人工智能只能提供结果却无法解释决策过程，就难以获得企业决策层的信任。
诺贝尔经济学奖得主丹尼尔·卡尼曼在《思考，快与慢》中提出的“双系统理论”，为理解当前人工智能的局限性提供了理论框架。现有生成式人工智能主要依赖“系统1”的直觉式反应，通过概率计算快速生成答案，但常伴随逻辑断层和事实性错误。而企业决策需要的是“系统2”的深度推理能力——能够建立因果关系、处理复杂约束条件并形成可验证的判断。
罗引进一步解释，企业真正需要的是经得起反复验证的决策支持，而非一次性“聪明”的答案。这种需求驱动中科闻歌构建了独特的决策智能体系，其核心在于从海量数据中挖掘因果关系，构建可解释的决策模型。这一理念源于复杂系统计算方法论，通过将非结构化的社会与商业行为转化为可建模的决策系统，实现精准预测与科学决策。
中科闻歌的创业历程始于2016年。当时，罗引与团队成员在科研与产业需求的碰撞中意识到：实验室算法与实际业务需求存在显著鸿沟。企业关注的不是理论最优解，而是如何在复杂约束条件下稳定解决问题。这种认知促使他们放弃纯学术路线，转而深入政务、金融、能源等高复杂度场景，与客户共同梳理业务逻辑，构建从数据感知到决策执行的全链路体系。
2022年大模型技术爆发后，团队迅速启动自研大模型“雅意”的研发，但明确将重点放在方法论创新上。罗引认为，对于政企等高责任场景，黑盒模型无法满足决策透明性要求。人工智能要参与关键决策，必须具备行业知识理解能力和可控的推理机制。这种坚持使中科闻歌在模型热潮中保持差异化定位。
为解决人工智能与决策体系的融合难题，中科闻歌提出DOMA（Data–Ontology–Models–Agents）决策智能架构。该架构通过四层结构实现决策逻辑的显性化表达：数据层构建动态业务映射，本体层固化行业规则与因果关系，模型层完成受约束推理，智能体层推动决策落地。这种设计使人工智能的决策建议具备完整的逻辑链条，满足企业可解释、可追溯的需求。
经过八年深耕，中科闻歌的决策智能系统已在多个关键领域实现规模化应用。其技术方案获得产业资本与国资基金的长期支持，验证了决策智能在复杂商业场景中的可行性。罗引强调，决策智能不是短期技术风口，而是需要持续投入的“重工程”。通过将决策能力转化为可演进的系统平台，企业能够建立应对不确定性的核心优势。
在当今充满变数的商业环境中，企业需要的不仅是技术工具，更是能够深度理解业务逻辑、具备逻辑韧性的决策伙伴。中科闻歌的实践表明，当人工智能成为组织决策体系的有机组成部分时，其真正价值才能得到释放——不是替代人类决策者，而是通过增强组织认知能力，帮助企业在复杂环境中形成稳定、可验证的判断机制。
