創(chuàng)業(yè)早期的北京中科聞歌科技股份有限公司（“中科聞歌”），并沒有今天這樣清晰的市場定位。

2018年冬天，團(tuán)隊(duì)在一次北方出差途中遇上大雪封路，深夜滯留高速。這樣的奔波在當(dāng)時并不罕見，為了讓客戶真正理解人工智能能解決什么問題，團(tuán)隊(duì)只能一站一站地跑、一個行業(yè)一個行業(yè)地講。

當(dāng)時提到人工智能、算法，對方的反應(yīng)通常是“這個東西跟我好像關(guān)系沒那么大”。

七年之后的2026年6月26日，中科聞歌在港交所掛牌上市。

6月25日暗盤收盤，中科聞歌報115.4港元，較招股價60.7港元上漲90.12%。香港公開發(fā)售超額認(rèn)購5966.78倍，國際配售獲超20倍認(rèn)購。

上市首日，中科聞歌盤中漲幅已經(jīng)達(dá)到87%。

2025年，中科聞歌的營收突破4億元，老客戶的凈收入留存率（NDR）高達(dá)139.5%。

按收入計(jì)算，中科聞歌這一年在中國企業(yè)級大模型驅(qū)動的決策智能服務(wù)提供商中排名第一，市場份額達(dá)10.2%。

與創(chuàng)業(yè)早期需要反復(fù)解釋人工智能和算法能解決什么問題不同，最近中科聞歌的一線銷售人員在密集走訪數(shù)十家江浙中小企業(yè)時，已經(jīng)明顯感受到需求端的主動升溫。

“見面人家就說要購買”。例如在紡織廠，產(chǎn)品不僅可以擔(dān)任AI故障診斷助手還能成為管理層決策輔助工具；一個外貿(mào)老板用自然語言問一句話，系統(tǒng)就能自動關(guān)聯(lián)底層數(shù)據(jù)、生成決策報表。

這種變化背后，是中科聞歌八年打磨出的一套名為DOMA的技術(shù)框架，其將數(shù)據(jù)、行業(yè)知識本體、大模型和智能體組織成一條完整鏈路，讓AI能夠嵌入企業(yè)的每一個生產(chǎn)決策環(huán)節(jié)。

在中科聞歌對下一階段AI能力的判斷中，真正重要的問題已經(jīng)不再只是“AI能不能回答問題”，而是“AI能不能進(jìn)一步推演世界、預(yù)測未來”。

也正基于這一判斷，中科聞歌近期發(fā)布了通用決策大模型Decitron決策機(jī)。中科聞歌聯(lián)合創(chuàng)始人、CEO羅引表示，決策機(jī)的核心不是回答問題，而是把復(fù)雜世界轉(zhuǎn)化為一個可計(jì)算、可推演、可驗(yàn)證的系統(tǒng)。

以下是這家“中科院系A(chǔ)I公司”從實(shí)驗(yàn)室到IPO的完整故事。

拿著錘子找釘子

故事的起點(diǎn)在中關(guān)村。

2017年之前，中科聞歌創(chuàng)始團(tuán)隊(duì)核心成員的身份是中國科學(xué)院自動化研究所的研究員。也正是在這一階段，團(tuán)隊(duì)逐步形成了一個清晰共識：人工智能的價值，不應(yīng)只停留在實(shí)驗(yàn)室和論文中，而應(yīng)走向產(chǎn)業(yè)實(shí)踐，轉(zhuǎn)化為真實(shí)的業(yè)務(wù)與經(jīng)濟(jì)價值。

2016年、2017年，國家相繼出臺鼓勵科研人員離崗創(chuàng)業(yè)的政策。在這一背景下，王磊、羅引、曾大軍等博士級科研人員共同創(chuàng)辦了中科聞歌。

其中，王磊為公司聯(lián)合創(chuàng)始人、董事長，羅引為聯(lián)合創(chuàng)始人、CEO，曾大軍為聯(lián)合創(chuàng)始人。

“中科院跟我們說，創(chuàng)業(yè)不成功，你就回來。”王磊向華爾街見聞回憶道，“后來發(fā)現(xiàn)回不去了。團(tuán)隊(duì)一起跑出來了，公司這么大，這么多同事，每個人都要在這工作，創(chuàng)造自己的收入。”

公司取名“聞歌”，取的是“聞弦歌而知雅意”之意。公司的使命聽上去很大：為企業(yè)打造AI時代先進(jìn)的業(yè)務(wù)和決策系統(tǒng)。

盡管擁有中科院的背景，但起步的時候，中科聞歌沒有客戶，也沒有銷售團(tuán)隊(duì)，甚至沒有人聽得懂他們在說什么。

“確實(shí)我們這個背景出身的話，很多客戶也很信任我們。但真的到市場上去競爭，我覺得無論你是從中科院出來，還是從清華出來，大家都是同臺競技。”王磊說，“最終都是要為客戶提供有價值的服務(wù)。”

中科聞歌找到的第一個落腳點(diǎn)是媒體和通信行業(yè)，從資本市場的角度來看，這一領(lǐng)域并不性感。

但中科聞歌有自己的判斷：2016年、2017年還沒有今天的通用大模型，技術(shù)建立在中小規(guī)模數(shù)據(jù)和專用機(jī)器學(xué)習(xí)之上。而傳媒和通信領(lǐng)域恰好有海量的復(fù)雜多模態(tài)數(shù)據(jù)。文本、圖片、視頻、音頻都需要算法去識別和理解，且有明確的付費(fèi)意愿。

團(tuán)隊(duì)當(dāng)時的想法是，必須先找到一顆能夠“釘下去”的釘子，才能在此基礎(chǔ)上繼續(xù)搭建更大的業(yè)務(wù)版圖。

幫大型媒體機(jī)構(gòu)做復(fù)雜數(shù)據(jù)分析與人工智能輔助決策，就是中科聞歌的第一顆釘子。

彼時大型媒體機(jī)構(gòu)面臨的困難是每天上傳的視頻、音頻、文字等多種不同格式采訪素材過于繁雜，難以被有效利用和存儲。

針對這一痛點(diǎn)，中科聞歌對圖片、音頻、視頻等采訪素材進(jìn)行語義標(biāo)注、存儲、標(biāo)簽化檢索，以便日后二次加工和傳播利用。

這件事聽起來平淡無奇，但這種固定工作流的做法對于每天處理海量素材的大型媒體集團(tuán)而言，確實(shí)可以帶來效率提升。

中科聞歌由此一步步構(gòu)建起從數(shù)據(jù)管理、內(nèi)容分析到選題決策、傳播效果評估的全鏈條服務(wù)能力，逐漸拿下了多家媒體客戶。

雖然這個行業(yè)的想象力有限，但成了中科聞歌困難時期的“稻草”。

在最艱難的2020年，中科聞歌正是靠著這一客戶獲得了相對穩(wěn)定的現(xiàn)金流，也讓公司沒有在AI商業(yè)化最早期的寒冬中倒下。

對中科聞歌來說，這段經(jīng)歷沉淀下來的不只是客戶和收入，還有后來被證明極其寶貴的底層能力：處理多源異構(gòu)數(shù)據(jù)的習(xí)慣、對“事件—對象—關(guān)系—影響”進(jìn)行系統(tǒng)建模的方法、在高治理要求場景下保證可靠性的工程經(jīng)驗(yàn)。

有了媒體這個根據(jù)地，中科聞歌才開始向政務(wù)、金融、科研、工業(yè)等領(lǐng)域擴(kuò)展。

王磊用一個比喻解釋這種遷移效率的提升：“原來做了A系統(tǒng)之后，到了B系統(tǒng)又得從頭開始。現(xiàn)在做了A之后到B，可能有70%的積累，你只要再做30%的工作。做多了之后你會發(fā)現(xiàn)，可能90%都是通用的東西。”

今天回頭看，那顆”釘子”真正重要的，是讓團(tuán)隊(duì)第一次建立起處理復(fù)雜組織數(shù)據(jù)、理解業(yè)務(wù)規(guī)則、構(gòu)建行業(yè)知識體系的能力。

后來進(jìn)入政務(wù)、金融、科研和工業(yè)，這些能力幾乎都得到了復(fù)用。

一個必須砸錢的決定

2022年底，ChatGPT橫空出世，

當(dāng)時，中科聞歌核心團(tuán)隊(duì)開會到凌晨，討論這件事可能帶來的沖擊。他們認(rèn)為，這不再只是一次產(chǎn)品級創(chuàng)新，還可能是一場底層技術(shù)范式的遷移。

“原來的模式是專用的機(jī)器學(xué)習(xí)解決特定行業(yè)的問題，算法在A領(lǐng)域能用，到B領(lǐng)域可能就要重新訓(xùn)練另外的模型。”

ChatGPT出來以后，在王磊看來，大模型改變的是整個AI產(chǎn)業(yè)的競爭邏輯。

從“針對一個問題訓(xùn)練一個模型”，轉(zhuǎn)向“構(gòu)建一個能夠理解世界的通用智能底座”。如果缺席這一輪基礎(chǔ)模型能力建設(shè)，公司未來很可能失去參與下一階段競爭的資格。

當(dāng)時團(tuán)隊(duì)面臨一個重大抉擇：要不要自己訓(xùn)練一個大模型？

如果訓(xùn)練大模型，則意味著研發(fā)投入的成倍增長，但如果不訓(xùn)練自己的模型，則可能會被淘汰出局。

“在公司馬上盈利的時候，你現(xiàn)在又砸錢去干這個事，你這錢掙得回來嗎？”當(dāng)時有投資人對此提出了質(zhì)疑。

在反復(fù)權(quán)衡之后，團(tuán)隊(duì)的判斷是：“這個事情不干，可能以后就沒有未來的聞歌了。過幾年聞歌就在這個賽道里面被淘汰了。”

2023年初，王磊和羅引拉上了自動化所的師兄弟們研討方案，最終決定自己跑一遍訓(xùn)練流程。

這筆“豪賭”的代價在財務(wù)報表上清晰可見。

這一年，中科聞歌的研發(fā)開支高達(dá)1.8億元，同年凈虧損達(dá)到2.6億元。

虧損擴(kuò)大背后，中科聞歌也由此補(bǔ)上了基礎(chǔ)模型能力這一關(guān)鍵拼圖。

同年6月，中科聞歌發(fā)布了全自主知識產(chǎn)權(quán)的“雅意”大模型，成為國內(nèi)最早一批擁有完整基礎(chǔ)模型訓(xùn)練能力的企業(yè)級AI公司之一。

基礎(chǔ)模型能力由此成為中科聞歌參與市場競爭時的重要變量。

據(jù)中科聞歌方面介紹，2023年以后，在參與客戶項(xiàng)目和招投標(biāo)過程中，中科聞歌逐漸感受到企業(yè)級AI競爭的分化：沒有基礎(chǔ)模型積累的企業(yè)，在復(fù)雜場景的技術(shù)方案設(shè)計(jì)上往往面臨能力邊界；而具備模型研發(fā)能力的企業(yè)，也未必能夠深入理解行業(yè)業(yè)務(wù)和決策閉環(huán)。

企業(yè)真正需要的，不只是模型能力本身，還有一套能夠與業(yè)務(wù)場景深度結(jié)合的系統(tǒng)化能力。

中科聞歌目前的模型體系分為兩種：一類是雅意這種通用大模型，一類是磐石這類面對細(xì)分場景的專用大模型。

這背后的思路是“通專融合”，即基礎(chǔ)模型解決常識和通用問題，專用模型解決垂直領(lǐng)域的深度需求。

單個廠商很難一個模型打天下。做基礎(chǔ)模型做得好的，未必在科研、代碼模型上也做得好。中科聞歌團(tuán)隊(duì)認(rèn)為，模型生態(tài)最終會形成基礎(chǔ)模型、行業(yè)級模型和專業(yè)模型的層級結(jié)構(gòu)。

AI落地的“最后一公里”

如果僅以通用大模型參數(shù)規(guī)模和算力投入作為衡量標(biāo)準(zhǔn)，中科聞歌可能還是很難與互聯(lián)網(wǎng)大廠等AI玩家匹敵。

但企業(yè)級AI的競爭，并不只是一場基礎(chǔ)模型能力的競賽。對于中科聞歌這樣的企業(yè)級AI公司而言，真正的關(guān)鍵在于：能否把大模型能力與行業(yè)知識、業(yè)務(wù)數(shù)據(jù)和組織流程結(jié)合起來，解決真實(shí)場景中的復(fù)雜決策問題。

很多企業(yè)部署AI失敗，并不是模型不夠聰明，而是模型不了解企業(yè)自身的業(yè)務(wù)規(guī)則。中科聞歌提出DOMA框架，即Data（數(shù)據(jù)）、Ontology（本體）、Models（模型）、Agents（智能體）四個詞的縮寫，這套框架聽起來學(xué)術(shù)味十足，但確實(shí)是中科聞歌從多年行業(yè)實(shí)踐中錘煉出來的重要方法論。

數(shù)據(jù)、本體、模型和智能體共同構(gòu)成企業(yè)AI運(yùn)行的底層基礎(chǔ)，其中最關(guān)鍵的一層是行業(yè)本體（Ontology）。它讓AI不僅理解語言，更理解企業(yè)如何思考。

以投資分析為例，如果讓模型評價一個投資標(biāo)的，A問一次采用這種分析框架，B問一次又變成另一套方法論。

但如果預(yù)先告訴模型，評價一家企業(yè)需要重點(diǎn)看財務(wù)報表、核心團(tuán)隊(duì)、技術(shù)先進(jìn)性等指標(biāo)，再讓模型按照這一框架進(jìn)行定量和定性分析，結(jié)果的一致性和準(zhǔn)確性就會明顯提升。

這個“告訴模型怎么看數(shù)據(jù)”的過程，就是本體建模。

本體層的作用是把特定行業(yè)中的業(yè)務(wù)對象、對象之間的關(guān)系、運(yùn)行規(guī)則和約束條件進(jìn)行結(jié)構(gòu)化，形成一套AI可以理解的“行業(yè)思維模式”。

過去幾年，大模型最大的價值，是幫助人們獲得信息和生成內(nèi)容；而企業(yè)真正關(guān)心的問題往往不是“答案是什么”，而是“下一步應(yīng)該怎么辦”。

一位參與Decitron研發(fā)的技術(shù)人員告訴華爾街見聞，很多復(fù)雜決策問題之所以難，是因?yàn)閱栴}往往涉及多個主體、多個變量以及持續(xù)變化的約束條件，無法被簡化成一次性的問答。

“真正的決策問題，首先要被轉(zhuǎn)換成一個可分析、可拆解、可推演的結(jié)構(gòu)。”在他看來，這也是決策機(jī)與傳統(tǒng)生成式模型的重要區(qū)別：后者更擅長基于已有知識生成回答，而前者更強(qiáng)調(diào)對事件關(guān)系、路徑變化和結(jié)果分支的持續(xù)建模。

如此一來，模型看數(shù)據(jù)的時候就不再是盲人摸象，而是有了明確的分析框架。

中科聞歌近期推出的DIP決策智能平臺，亦是這套方法論的產(chǎn)品化呈現(xiàn)。

DIP解決的是企業(yè)AI落地中最常見的三個問題：數(shù)據(jù)散、業(yè)務(wù)復(fù)雜、行動難推進(jìn)。

在企業(yè)場景里，一張訂單背后往往關(guān)聯(lián)著客戶、產(chǎn)品、庫存、合同等一整套業(yè)務(wù)鏈條。如果AI只會讀取數(shù)據(jù)，卻不理解這些數(shù)據(jù)之間的關(guān)系，就很難參與真正的業(yè)務(wù)決策。

DIP的作用就是把分散在不同系統(tǒng)里的數(shù)據(jù)轉(zhuǎn)化為AI可以理解的“業(yè)務(wù)本體”，再讓模型基于業(yè)務(wù)規(guī)則完成分析、判斷和行動。

比如，業(yè)務(wù)人員想知道“未來30天內(nèi)哪些A級醫(yī)療行業(yè)客戶可能流失”，DIP便會自動關(guān)聯(lián)客戶等級、訂單記錄、售后工單等信息，形成完整的客戶經(jīng)營視圖。最終給出風(fēng)險客戶名單、風(fēng)險原因的解釋等報告。

這意味著，中科聞歌并不打算在參數(shù)規(guī)模上與大廠硬碰硬，真正要爭奪的是企業(yè)AI落地的“最后一公里”，即讓模型能夠讀懂業(yè)務(wù)、理解規(guī)則，并真正進(jìn)入企業(yè)的決策流程。

Decitron決策機(jī)：

讓AI從生成答案走向推演決策

如果說過去幾年，大模型讓外界看到了AI在內(nèi)容生成、知識問答和效率提升上的能力，那么在中科聞歌看來，企業(yè)級AI的下一步，正在從“會回答問題”走向“能輔助決策”。

這也是中科聞歌近期推出Decitron決策機(jī)的重要背景。

作為面向復(fù)雜開放場景打造的通用決策智能模型產(chǎn)品，Decitron決策機(jī)并不局限于單一行業(yè)或單一任務(wù)，而是聚焦不確定性、多路徑選擇和多方博弈下的復(fù)雜決策問題，幫助用戶理解局勢、推演走向、比較方案，并形成更具參考價值的判斷。

其應(yīng)用場景可覆蓋金融市場、宏觀經(jīng)濟(jì)、國際形勢、公共治理、企業(yè)戰(zhàn)略、投資研究和產(chǎn)業(yè)研判等多個領(lǐng)域，是中科聞歌多年決策智能能力的一次集中產(chǎn)品化呈現(xiàn)。

以美國利率變化預(yù)測為例，利率決策本身并不是單一數(shù)據(jù)能夠決定的結(jié)果，而是受到通脹走勢、就業(yè)數(shù)據(jù)、經(jīng)濟(jì)增長、市場預(yù)期、政策表態(tài)以及國際局勢等多重因素共同影響。

面對這類高度不確定的復(fù)雜問題，Decitron決策機(jī)會通過對多源信息的持續(xù)分析和多路徑推演，幫助用戶理解不同情景下利率變化的可能方向、關(guān)鍵變量及其潛在影響。

這體現(xiàn)出決策智能區(qū)別于傳統(tǒng)信息檢索和生成式問答的價值：它更關(guān)注的是在不確定環(huán)境中輔助用戶進(jìn)行判斷。

在更貼近日常生活的場景中，Decitron決策機(jī)也可以用于“高考志愿填報”。高考成績揭曉之際，志愿規(guī)劃往往成為考生和家長面臨的重要選擇。面向這一場景，Decitron決策機(jī)上線了“高考志愿推演”功能，為考生和家長提供志愿規(guī)劃輔助參考。

不同于一些更多基于既有數(shù)據(jù)和規(guī)則、提供“沖、穩(wěn)、保”等相對確定參考結(jié)果的志愿填報工具，Decitron決策機(jī)更強(qiáng)調(diào)對不同選擇背后機(jī)會、風(fēng)險和差異的推演，幫助用戶在理解多種可能性的基礎(chǔ)上，結(jié)合自身偏好作出判斷。

從資本市場視角看，Decitron決策機(jī)的意義也在于，它進(jìn)一步強(qiáng)化了中科聞歌“決策智能”這一差異化標(biāo)簽。

當(dāng)前，AI公司的競爭正在從模型參數(shù)和通用能力，逐步轉(zhuǎn)向能否進(jìn)入真實(shí)業(yè)務(wù)場景、能否解決復(fù)雜問題、能否形成可持續(xù)交付。相比單純追求通用對話能力，中科聞歌選擇的是一條更偏企業(yè)級、更重場景、更強(qiáng)調(diào)決策價值的路徑。

對于中科聞歌而言，Decitron決策機(jī)既是一次產(chǎn)品發(fā)布，也是在上市節(jié)點(diǎn)向外界展示其長期技術(shù)路線的重要窗口，當(dāng)AI從生成式應(yīng)用走向決策式應(yīng)用，企業(yè)級AI的競爭焦點(diǎn)，也可能從“誰更會回答”轉(zhuǎn)向“誰更能幫助客戶做出更好的判斷”。

走向產(chǎn)業(yè)深處

對于中科聞歌而言，登陸資本市場并不是創(chuàng)業(yè)階段的結(jié)束，而意味著進(jìn)入另一場更長期的競爭。

漂亮的增長曲線背后，是不容回避的財務(wù)現(xiàn)實(shí)。

2023至2025年，中科聞歌的營收分別為2.50億、3.18億和4.05億元，復(fù)合年增長率達(dá)到27.4%，但三年累計(jì)虧損達(dá)到5.83億元。

當(dāng)前虧損的核心原因是研發(fā)投入，過去三年研發(fā)開支累計(jì)接近5億元。

不過，有一組數(shù)據(jù)值得特別關(guān)注。中科聞歌的AI服務(wù)平均交付周期從2023年的185天，縮短到2025年的80天。

交付周期的縮短意味著底層模塊的復(fù)用率在大幅提升，這是中科聞歌系統(tǒng)遷移能力的有力證明，也有望在未來成為重要的競爭壁壘。

但企業(yè)級AI市場競爭激烈，“決策智能”作為市場概念仍需等待時間得到普及，平臺化的進(jìn)展還需要更多財務(wù)指標(biāo)來持續(xù)驗(yàn)證。

王磊顯然清楚這些。他在交流中引用Palantir——這家同樣從復(fù)雜組織的數(shù)據(jù)治理和決策支持起家，近期備受資本市場關(guān)注的公司。

與此同時，中科聞歌也在關(guān)注Anthropic等全球先進(jìn)AI企業(yè)的進(jìn)展。對其而言，這種借鑒并不意味著簡單復(fù)制，而是在中國市場環(huán)境、客戶結(jié)構(gòu)和產(chǎn)業(yè)數(shù)字化進(jìn)程的現(xiàn)實(shí)基礎(chǔ)上，尋找一條適合自身的企業(yè)級AI落地路徑。

王磊表示，如果有一天能夠真正把“決策大模型”這件事做成，他希望中科聞歌能“給時代留下一點(diǎn)AI記憶”。

Decitron決策機(jī)的發(fā)布，正是這一理想向前推進(jìn)的重要一步。對于剛剛登陸資本市場的中科聞歌而言，“通用決策”不再只是一個技術(shù)方向，也正在成為其面向未來的核心產(chǎn)品敘事。