中科闻歌 CEO 罗引

出品｜搜狐科技

作者｜郑松毅

"AI 的下一站，绝不只是生成答案，而是深度参与决策。" 中科闻歌 CEO 罗引表示。在通用大模型陷入流量与价格内卷的当下，决策 AI 正成为新的产业战场——谁能把模型真正用进行业决策，谁就可能拉开身位。中科闻歌，是这条路线上的代表性玩家之一。

这家源自中科院自动化所的孵化企业，于今年 6 月登陆港交所，成为港股 " 决策大模型第一股 "；并在刚刚结束的 2026 世界人工智能大会上发布了业界首个完整决策 AI 产品体系—— " 基、枢、核、脑、端 "。

但与大厂追求全市场覆盖不同，中科闻歌锚定决策智能这条细分赛道九年，凭借行业专家数据壁垒，走出了一条和互联网大厂错位的路径。

发布会后，围绕决策 AI 的产业逻辑、行业竞争、商业化与出海，罗引与搜狐科技等媒体展开对话。他强调：" 我们不生产虚幻的智能，而要重构真实世界的决策。"

以下为对话精编：

媒体：当下大模型行业内卷加剧，大厂纷纷加速布局，中科闻歌的差异化竞争壁垒是什么？

罗引：大厂目标普遍是全盘覆盖市场，通用大模型主打流量与标准化对话。而我们所做的决策模型核心壁垒体现在行业专家数据与场景沉淀里，为用户拿出切实可行的解决方案，这部分很难被复制。

媒体：如何理解决策 AI，与计算 AI、生成 AI 之间的关系是什么？

罗引：三者是层层递进的调用关系，生成 AI 调用计算 AI 完成数据处理，决策 AI 再统筹调度生成、计算工具，如同人类使用工具不断升级。

媒体：决策 AI 计算量远高于普通问答，Token 成本持续走高，如何平衡推演精度与使用成本？

罗引：我们将决策分为微观生产、中观经营、宏观战略三层，根据任务分层匹配不同算力规格模型，实现成本可控。

虽然单次决策推演 Token 消耗比普通问答高不少，但多智能体综合研判能一次性输出专业、可落地的解决方案，无需用户反复调试提问。对比反复调用通用大模型试错，综合成本反而更低。

媒体：算力紧俏带来的成本问题，何时才能得到根治？

罗引：长远看，现有 GPU 算力框架的确难以彻底解决成本问题。底层半导体、量子计算等技术突破才是成本拐点，若量子比特大规模落地，未来算力成本有望降至当前万分之一，但技术落地可能需要至少十年周期。

媒体：您认为未来 3-5 年，决策 AI 会在哪些行业率先迎来爆发？

罗引：首先是 AI for Science 领域，其中材料制备转化速度最快。我们参与打造的磐石 ScienceOne 科学大模型已经在 60 余项科研评测中超越 GPT、Gemini 等全球顶尖模型，同时也在具体的材料制备的具体应用上提高创制效率，创造实际价值。

其次是制造业，目标是打造 " 工厂数字大脑 "，完成生产全流程闭环。接着是消费、物流、贸易等社会服务领域，通过推演供需提升商品与资金周转效率。

媒体：公司是否有出海布局计划？海外拓展思路是什么？

罗引：出海相关规划一直在推进，中东、东南亚已有合作伙伴对接需求，但我们不会把海外当作试验场。

国内产业场景复杂度堪称 " 地狱级难度 "，先把国内落地逻辑跑通、产品打磨成熟，再向海外复制效率会更高。现阶段重心仍放在国内垂直行业深度落地。

媒体：从科研创业到港股上市，中科闻歌在发展过程中都踩过哪些坑？如今公司坚持做的最重要事是什么？

罗引：2017 年中科院自动化所同期孵化三十余家科创企业，中科闻歌能率先跑出来，主要是想明白了几件事。

很多初创企业踩过最多的坑是 " 技术导向误区 "，团队习惯拿着算法寻找场景，对不准客户需求。后来调整了思路，改为先挖掘客户业务痛点，再反向拆解技术需求，匹配模型方案，市场化效率大幅提升。

另外也曾存在认知短板，团队普遍重技术轻管理，后来逐渐开始主动对接企业，持续迭代技术的同时，注重深入市场了解真实需求，让模型可用更要好用。

当下最重要、必须坚定推进的，是聚焦决策智能这一核心主线。当前，越来越多行业玩家开始布局这一赛道，谁能率先打通从技术研发到场景落地的完整链路，持续提升产业转化效率，谁就能真正建立领先优势。我们目前虽已取得一定先发优势，但领先身位仍然有限，必须持续加大投入、加快技术迭代与规模化落地，不断抬高技术壁垒、扩大领先身位，全面提升市场竞争力。