吴晓波对谈王磊：AI最终重塑的是企业决策力
文 /巴九灵（微信公众号：吴晓波频道）
刚过去的3月，全球都被一阵被称作“龙虾热”的情绪所席卷，人们兴致高涨地与以OpenClaw为代表的AI智能体共处协同、深度互动。这些数字化时代的新伙伴，正以空前的方式，深入影响着我们的工作和生活。
但在十年前，绝大多数人还只是站在岸边观望这场技术浪潮。
2016年3月，AlphaGo以4:1战胜韩国棋手李世石，人工智能由此震动全球。2017年5月，中国选手柯洁落败，AI概念也在一夜之间被全国大众熟悉。
两个月后，国务院发布《新一代人工智能发展规划》，正式把AI提升至国家战略层面。
敏感的人已经听见时代浪潮拍岸的声音。同年，中国科学院自动化研究所的王磊，携实验室5位青年科研中坚一道“下海”创办中科闻歌，成为人工智能尚处起步期时的一名创业者。
九年时间里，中科闻歌由创业初期的一株幼苗，成长为在新一轮浪潮中破浪前行的大船。公司专注于为企业搭建能够落地的智能化平台和应用，并因擅长把碎片化数据组织成可执行的决策支持系统，而被业内称作中国版Palantir。
3月，吴晓波老师与中科闻歌创始人、董事长王磊博士展开了一场深入交流。对话中，双方围绕人工智能如何从实验室算法演变为企业的决策中枢展开探讨，共同梳理了AI从感知、认知，到生成、执行，再到决策支持的演化路径。他们形成的共识是，AI要真正改变企业，必须进入经营核心地带，从单纯生成走向决策能力建设。
除技术层面的碰撞外，长期研究企业史、见证无数起伏变迁的吴老师，也提出了一个最直接、也最具情感色彩的问题：
“这么多年过去，少了一个科学家，多了一个企业家，值得吗？”
从科研骨干走向企业家
创业之初，王磊想做的，就是把人工智能在棋盘上展现出的胜负判断，转变为现实产业中的决策中枢。
站在今天回看，这并不算多么离奇。如今，一个经过简单训练和尝试的普通人，已经能够借助部分AI智能体为自己规划人生路径。但若放在十年前，让AI替代人脑参与企业决策，仍像是遥不可及的幻想。来自实验室的王磊，也因此直面了现实世界最严苛的考验。
正如他所说，“做科研时，总想着追求最好的创新，而且这种创新要能够被证明、被理论化、被推演。这个过程中，理论边界是设定好的，实验也可以反复验证，很多条件都能在实验室中人为构造。但进入产业以后，就会碰到许多绕不开的现实问题。”
事实上，困难本就在预期之内。因为当初创业的初衷，就是希望把自身的创新研究放到真实世界里完成验证。从本质上说，王磊和创始团队从科研骨干转向企业家，是一种带有必然性的选择。
“作为科研人员，是在‘点’上引领方向，但做企业则需要把深度和广度结合起来。”
不过，王磊和中科闻歌所走的，是一条更难、更孤独的路。
在吴老师看来，中科闻歌从创业第一天起，就没有去选择门槛更低、见效更快的To C应用，而是坚定面向企业市场，这本就是一条更艰难、也更需要长期投入的道路。
一方面，这依旧和他们的“出身”相关。王磊以及罗引等创始团队成员所来自的中国科学院自动化研究所，被业内称为“中国AI航空母舰”，是我国最早布局类脑智能、模式识别和复杂系统研究的重要科研高地。过去近十年间，这里持续走出了中国AI产业中的多股关键力量。
基于这样的科研根基和科学家思维，王磊与团队认为，既然创业，就应当去做一家优秀甚至伟大的公司，去尝试那些别人未曾走过、虽然困难但有价值的事情。
另一方面，出于企业家的敏锐判断，王磊认为，随着人工智能进入下半场，感知与认知能力会逐步让位于“决策”能力。对企业来说，未来真正拉开经营差距的关键，在于能否让AI进一步进入决策环节。
从生成走向决策
中科闻歌这一名字，源自《吕氏春秋》中的“闻弦歌而知雅意”。
在吴老师看来，这个名字带有很强的浪漫意味，象征着从碎片化、充满噪声的信号之中，准确捕捉其背后的真实意图。
而这正是“决策智能”的一种技术隐喻。
无论在哪个时代，企业经营最核心、也最困难的地方，都是在复杂约束条件下做出判断、推动执行，并最终为结果承担责任。
当下，许多企业更多把AI当作更聪明的内容生成工具，或者只是局部提效的智能助手。它们确实能做很多事情，但往往并不真正理解企业的业务逻辑，更难以自动进入经营与管理的核心链路。
基于这样的现实，不少企业“引入AI”后，改变的只是业务边缘环节，它既无法理解企业运转的真实逻辑，也不能承担关键的决策判断。
这也许正对应了吴老师在对话中的疑问：“为什么企业拥抱AI已是共识，但真正能持续改善经营的案例依然不多？”
在王磊看来，企业迟迟感受不到AI带来的稳定经营改善，问题并不在于“重视不够”，而在于“位置放错了”。
“企业需要的，不是一个只会聊天的‘数字诗人’，而是一个能够深入业务流程、辅助复杂判断，并对结果负责的‘决策大脑’。”
用吴老师的话来说，企业今天只是借助人工智能改造了手、脚甚至躯体，但下一步真正希望改造的是大脑。
也正因此，中科闻歌为企业提供AI能力时，并不是先做出一个模型，再去寻找应用场景；相反，它是先锁定企业最复杂、最关键的决策难题，再倒推AI究竟需要具备什么样的能力、系统与产品形态。
在对话中，这一看似抽象的讨论，很快被转化为“如何用AI赋能一家纺织厂”的现实演示。
在纺织车间里，上千台设备全天候7×24小时持续运转，工人要戴着耳塞，在高噪声环境中反复检查布面瑕疵。这类工作不仅强度大、人工成本高，检测效率与稳定性也都存在明显限制。
对此，中科闻歌把视觉AI引入生产线，通过摄像头实时识别布料缺陷，帮助企业减少次品率并提升巡检效率。
但这还只是起点。
在王磊看来，真正的价值不只是“发现问题”，而是在识别之后继续打通决策链条。他认为，当前越来越多企业面临的难题，已经不再是“有没有模型”，而是“模型是否真正懂业务”。
毕竟，真正影响经营结果的，往往都藏在细节里：排期如何调整，资源如何分配，风险如何控制，研发方向如何选择，异常情况如何处理。
更重要的是，企业场景中的每一个动作背后，都牵连着数据口径、流程规则、权限边界以及责任机制。
基于此，中科闻歌构建出一套DOMA决策智能架构，即Data（数据）、Ontology（本体）、Models（模型）、Agents（智能体）。
没有本体，大模型就难懂业务
仍以纺织厂为例。
在车间中，数千台织机的转速数据、经纬线张力信息、布匹表面的瑕疵图像，以及ERP系统中的订单排期，这些碎片化、多模态的原始信息都会被统一接入Data（数据层）。从这一刻起，它们不再只是彼此孤立的数字，而成为AI理解生产状态的原始感知来源。
随后是Ontology（本体层），这也是整套架构的核心所在。它把企业分散在数据、流程与经验中的业务逻辑重新组织起来，让AI能够真正进入业务体系、支撑决策并推动执行。
对话中，王磊给出了一个很直白的判断：“没有本体，大模型就不懂业务。”
在纺织厂案例里，本体层可以把纺织专家的经验、布料质量标准以及复杂排产规则，统一编织成AI能够理解的逻辑体系。
再往下是Models（模型层）。在本体层定义好的业务规则与逻辑约束之下，它可以对真实生产数据进行分析、推理和预测，并为不同情境中的方案评估及决策支持提供依据。
最后是Agents（智能体层），这是把分析结果转化为执行动作的关键环节。它不再只是输出一份建议报告，而是能够结合业务规则和权限设置，联动相关系统生成维修工单、推送排产信息，并为物料采购、排产调整等流程给出执行建议。
纺织厂老板只需用自然语言问一句“现在生产情况怎么样？”，AI Agent便能迅速生成报表，并进一步提出排期优化与经营建议。
到这里，那些原本锁在老技工脑海中、散落在财务报表里的非标准经验，就被转化为了数字化资产，最终沉淀为更多管理者都可调用的决策能力。
而类似的场景，如今中科闻歌也已应用于生物医药、材料研发等知识密集型领域。
在现有基础上，中科闻歌还进一步推出了面向复杂决策场景的核心产品——Decitron（决策机）。
作为中科闻歌DOMA架构中“A”（Agents）的关键产品化实现，Decitron并非只是简单给出一个答案，而是希望帮助企业把复杂现实问题拆解、建模并进行推演。
它通过融合事件图谱、概率建模、多智能体决策和演化博弈等关键技术，把现实世界中的复杂问题转化为可计算、可推演的系统。
这意味着，对企业而言，AI不再只是“发现问题”或“执行任务”，而是开始帮助管理者回溯事件如何演化，模拟不同选择可能带来的结果，并在不确定性中提供更可验证的决策空间。
结语
正是这一系列能力，让中科闻歌在业内赢得了“中国Palantir”的称号。
Palantir被全球公认为擅长将碎片化数据组织成可执行决策支持系统的企业，两者相似之处在于，都试图把数据、业务逻辑与决策流程整合为一套可运行的系统，让AI真正进入复杂场景之中。
但对中科闻歌来说，这并不是对海外路径的简单复制，而是在中国企业经营、产业研发与社会治理等复杂场景中，探索出一条更贴合本土需求的决策智能道路。
未来，王磊和中科闻歌仍将围绕“让天下没有难做的决策”这一愿景继续前行。
产品要做得更深，覆盖范围也要进一步扩大。
“今年，中科闻歌会把在复杂场景中积累下来的经验，继续平台化、产品化，服务更多中小企业和更广泛的行业客户。”对于吴老师提到的AI普惠问题，王磊这样回应。
在吴老师看来，所有变革归根到底都是工具革命。每当一种新工具诞生，率先掌握并使用它的人，就有机会成为弯道超车者，而这样的时刻，正发生在当下。
回到最初那个问题，“九年来，少了一个科学家，多了一个企业家，值得吗？”
在王磊和中科闻歌身上，这个答案其实早已明朗。正如吴老师总结的那样，那些走入产业、走入经济，把专利转化为真实产品与应用的科研人员，正在尽力把科学的价值发挥到最大。
*以上内容由吴老师与王磊对话精编整理而成。