“最近，大家可能都在关心股票，我其实不怎么关注，也不太在意股价。上市之后，反倒比过去冲刺阶段更有干劲——既然完成了几个里程碑，就能放开手脚，真正跟产业深度碰撞了。”7月18日，2026世界人工智能大会（WAIC 2026）现场，中科闻歌CEO罗引接受包括《每日经济新闻》记者在内的媒体采访时，聊起资本市场对公司的预期，语气很坦然。
中科闻歌是中科院自动化研究所的科学家创立的AI公司，今年6月底在港交所上市，成了“港股决策大模型第一股”。
《每日经济新闻》记者了解到，企业对人工智能的需求正在悄然变化。早先，分析型AI只是处理数据的“效率工具”；过去两年，生成式AI充当“内容助手”；现在，企业真正需要的是懂业务、懂决策的“决策大脑”。
越来越多玩家涌入AI赛道，决策智能怎么重构组织能力？Token“通胀时代”到了，决策智能又该如何算好“成本账”？
企业建设与运营成本降九成，决策智能正在重构组织能力
大模型技术走向成熟，AI产业的竞争逻辑也在发生根本转变。
“今天，企业的核心竞争力，不再是有多少算力或模型，而是能不能适应高速变化、充满不确定的社会，看清事实、更准地判断因果，快速做出微观和宏观的判断。从智能到决策，这是一场组织能力的重构。”在罗引看来，AI的下一站，绝不只是生成答案，而是深度参与决策。
罗引把决策智能的发展分成“三重跃迁”：从计算AI，到生成AI，最终走到决策AI。真正的高阶形态，是决策AI赋能企业中高层决策，调用生成式AI和计算型AI，层层叠加，最后嵌入组织的判断、协同与行动链条。
受访者供图
中国科学院自动化研究所副所长曾大军认为，在“决策范式演变”这个阶段，最根本的变化是决策问题的边界被重新划定。“过去，我们觉得没法分析、没法算、没法推演、没法定量分析的复杂决策问题，现在都在人工智能的牵引下，被纳入可计算、可推演、可评估、可决策的范畴。”
曾大军判断，决策智能已进入系统布局的关键期。“现在，谁能先冲出来，从工具层面真正提供好用、管用的框架，对下一步的进展就会起到很强的牵引作用。”
WAIC 2026期间，中科闻歌发布了业界首个“基、枢、核、脑、端”完整AI决策产品体系。《每日经济新闻》记者现场了解到，这套体系以DOMA架构为技术底座，覆盖数据治理、业务建模、模型推理与智能体执行全链路，打通从企业生产经营决策到科学发现的AI决策闭环。
记者还注意到，这套决策AI产品体系直接帮企业降本提效。数据显示，企业建设与运营成本最高降低约90%，决策响应速度最高提升192倍，原本平均32小时的分析，现在10分钟就能完成，推动企业决策能力走向“智能化装配”。
Token“通胀时代”来临，决策智能如何算好成本账？
AI爆发式增长之下，衡量价值的“新货币”Token正经历一场结构性“通胀”。一方面，部分模型价格持续走低甚至免费；另一方面，面向复杂任务的旗舰模型和Token价格逆势上涨。
这意味着，相比单轮问答，企业的战略推演、生产调度、市场预测这类决策任务，往往涉及多轮理解、任务拆解、工具调用和长链路执行，Token消耗量是普通对话的几十倍甚至上百倍。
中科闻歌“决策AI树”（受访者供图）
那么，决策AI在实际部署时，如何平衡思考决策智能的准确性与Token的消耗成本？罗引表示：“我们的产品覆盖中观、宏观、微观三个层面，使用频次完全不同。”
罗引进一步分析：微观层面的问题，使用频率更高，因为它们跟生产直接相关；中观层面可能按天来算；宏观层面则是按年或按季度。把这三层分清楚后，可以选择不同参数或不同算力要求的模型来搭配，投入和产出就能算得过来账。
另一方面，罗引指出，更深层的逻辑是“以质换量”。虽然有些大模型也能帮你做决策分析，但“消耗的Token成本并没有带来收益，得不到全面准确的分析”。而决策智能平台背后，是多个专家智能体协同，一次推演的成本可能是常规问答的几十倍，但得到的结果准确又专业，用户愿意为确定性决策价值买单。
谈到未来Token价值的拐点，罗引认为，这取决于底层计算范式的突破。
“这个得从物理层面研究，是不是能攻克一些底层技术，比如半导体、超导、量子力学。如果能改变底层计算的范式，未来成本一定会急剧下降。现有这套GPU的逻辑，只要参数量大了、耗电量大了，一定解决不了。”罗引坦言。
罗引说，他跟中科大量子计算专家交流时了解到，如果未来能用几千甚至几万个量子比特承载大模型参数，计算成本可能是现在的万分之一。但这一天的到来，“可能还需要十年，但到底是多少个‘十年’，目前还不好判断”。
市场规模未来5年将增近10倍，哪些领域能率先吃到“螃蟹”？
当市场不再满足于AI只当“诗人”或“助手”，决策智能正成为AI产业的下一个增长极。
据《每日经济新闻》记者了解，中国企业级大模型驱动的决策智能市场规模正高速扩张。灼识咨询的数据显示，2025年该市场规模已达39亿元，占整个企业级大模型市场的21.6%；预计到2030年，规模将大幅增长至375亿元，未来5年将增近10倍。
受访者供图
那么，未来决策智能会在哪些场景和领域率先爆发？
罗引指出，科研领域是必然的，尤其是材料领域。比如，AI for Science的爆发速度远超生物制药，原因在于“生物制药和其他领域，从实验室研究走向临床再到市场推广，一般需要5到10年；但新材料出现一两年就能面向市场，转化链条更短”。
其次，制造领域是决策智能落地的另一个主战场。每个工厂都希望有个大脑，把低能耗、排产效率不高、生产环节有异常的地方修复成相对完美的状态，用“厂长思路”进行AI升级。
最后，社会服务与消费领域同样潜力巨大。他明确感受到，AI在促进消费、物流贸易等方面正成为“隐形推手”，能带动更多生产效能，提高商品和资金流转效率。
每日经济新闻
