7 月 18 日，在 2026 世界人工智能大会（WAIC 2026）期间，中科闻歌发布了业界首个覆盖 " 基、枢、核、脑、端 " 全链路的 AI 决策产品体系。发布会结束后，中科闻歌 CEO 罗引接受了媒体群访，围绕决策 AI 的技术演进方向、商业化落地路径、与物理 AI 的协同布局，以及海外市场拓展等议题，与现场记者进行了交流。对于外界关注度较高的几个问题，罗引也在现场逐一作了回应。

在罗引看来，过去几年的大模型主要解决 " 生成答案 " 的问题，但企业真正需要的，并不只是一个会聊天、会写内容的助手，而是能够理解业务、分析问题、预测变化，并参与实际决策的 AI。"AI 的下一站，绝不只是生成答案，而是深度参与决策。" 这也成为中科闻歌此次发布新产品体系的核心出发点。

此次发布的 " 基、枢、核、脑、端 " 体系，覆盖从算力和模型管理、数据治理、科学与通用模型，到决策推演和智能体执行的完整链路。简单来说，就是先让 AI 看懂企业内部的数据和业务关系，再完成分析、推演和方案比较，最后把结果送到具体岗位和流程中执行，让 AI 从业务外围的辅助工具，逐渐进入企业生产经营的核心环节。

发布会上，中科闻歌还现场演示了决策 AI 在多个具体场景中的落地应用。以制造业为例，系统能够发现设备异常，结合订单、机台和工序关系判断问题原因，再自动生成检修、通知和排程方案；在企业经营层面，原本需要两三天完成的数据分析，可以压缩至 10 分钟以内；到了战略决策阶段，系统还可以结合市场、政策、产业和舆情信息，对投资、产能布局和市场进入等问题进行推演。

被问到部署成本这个企业最在意的问题时，罗引认为，决策 AI 的部署不能简单追求 " 大模型 "，而要看具体业务需求。生产环节看重实时性，更适合轻量化模型；经营分析需要兼顾效率和准确性；到了战略决策层面，由于涉及更多变量和复杂推演，则需要更强的模型支持。核心就是根据不同场景灵活调配算力，把成本和效果之间的平衡找到位。

在罗引看来，企业不会单纯关注一次调用消耗了多少 Token，更关心的是投入之后能不能带来实际收益。他举例说，面对复杂问题，通用大模型往往需要多轮提问才能得到相对完整的结果，而决策 AI 希望依托企业数据和专家智能体协同，一次就给出更准确、更有针对性的分析。对企业而言，只要这套能力确实能帮上忙——提升效率、压降成本，甚至在关键经营决策上派得上用场，自然也就愿意为它买单。

罗引坦言，大厂的优势在于通用底座，但行业 know-how 才是垂直场景的护城河。这类数据与经验往往是 " 闭源 " 的，先发者一旦形成数据闭环，后发者很难靠算力或模型规模扳回这一局。

这一判断也来自中科闻歌过去的创业经历。罗引坦言，技术团队早期很容易拿着算法去找场景，先强调自己技术有多强，再询问客户能用在哪里。后来团队逐渐把顺序反过来，先看市场和客户到底有什么问题，再把业务问题转化为技术问题，最后选择合适的算法解决。这种从需求出发的思路，也成为中科闻歌今天推进决策 AI 落地的重要方法。

在回答 " 哪个场景与 AI 结合讲最快出成果 " 的提问时，罗引坦言十分看好 AI+ 新材料和 AI+ 制造业。他表示，新材料从科研成果走向产业应用的周期相对更短，更容易体现 AI 带来的价值；而制造业在排产、能耗管理、设备维护等环节存在大量优化空间，也是决策 AI 最容易落地的场景之一。他希望未来每座工厂都能拥有一个 "AI 大脑 "，帮管理者及时发现异常、定位原因，再给出更合理的处置建议。

聊完决策 AI，罗引也把话题延伸到了物理 AI。他提到，中科闻歌过去主要精力放在信息分析和决策推演上，但 AI 一旦真正走进生产环境，光是给出一份分析结论远远不够，还得想办法跟机器人、生产设备这些执行端连上，才能让决策真正落地。

在出海方面，罗引表示，中科闻歌已经与中东、东南亚的一些合作伙伴进行对接，但现阶段仍会优先把国内市场跑通。他认为，中国市场场景复杂、竞争激烈，如果能够在国内完成成熟验证，未来复制到海外会更快，而不是把海外市场当成试验场。

从此次发布会和群访分享来看，中科闻歌希望做的，并不是再推出一个通用大模型，而是让 AI 真正进入企业日常经营和生产管理。相比模型参数、榜单成绩，这类产品最终还是要回到实际业务中接受检验。能不能帮助企业提高效率、降低成本，能不能真正参与决策，才是决定决策 AI 能否走得更远的关键。