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

2018 年冬天，團隊在一次北方出差途中遇上大雪封路，深夜滯留高速。這樣的奔波在當時並不罕見，為了讓客户真正理解人工智能能解決什麼問題，團隊只能一站一站地跑、一個行業一個行業地講。

當時提到人工智能、算法，對方的反應通常是 “這個東西跟我好像關係沒那麼大”。

七年之後的 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%。香港公開發售超額認購 5966.78 倍，國際配售獲超 20 倍認購。

上市首日，中科聞歌盤中漲幅已經達到 87%。

2025 年，中科聞歌的營收突破 4 億元，老客户的淨收入留存率（NDR）高達 139.5%。

按收入計算，中科聞歌這一年在中國企業級大模型驅動的決策智能服務提供商中排名第一，市場份額達 10.2%。

與創業早期需要反覆解釋人工智能和算法能解決什麼問題不同，最近中科聞歌的一線銷售人員在密集走訪數十家江浙中小企業時，已經明顯感受到需求端的主動升温。

“見面人家就説要購買”。例如在紡織廠，產品不僅可以擔任 AI 故障診斷助手還能成為管理層決策輔助工具；一個外貿老闆用自然語言問一句話，系統就能自動關聯底層數據、生成決策報表。

這種變化背後，是中科聞歌八年打磨出的一套名為 DOMA 的技術框架，其將數據、行業知識本體、大模型和智能體組織成一條完整鏈路，讓 AI 能夠嵌入企業的每一個生產決策環節。

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不再只是 “AI 能不能回答問題”，而是 “AI 能不能進一步推演世界、預測未來”。

也正基於這一判斷，中科聞歌近期發佈了通用決策大模型 Decitron 決策機。中科聞歌聯合創始人、CEO 羅引表示，決策機的核心不是回答問題，而是把複雜世界轉化為一個可計算、可推演、可驗證的系統。

以下是這家 “中科院系 AI 公司” 從實驗室到 IPO 的完整故事。

拿着錘子找釘子

故事的起點在中關村。

2017 年之前，中科聞歌創始團隊核心成員的身份是中國科學院自動化研究所的研究員。也正是在這一階段，團隊逐步形成了一個清晰共識：人工智能的價值，不應只停留在實驗室和論文中，而應走向產業實踐，轉化為真實的業務與經濟價值。

2016 年、2017 年，國家相繼出台鼓勵科研人員離崗創業的政策。在這一背景下，王磊、羅引、曾大軍等博士級科研人員共同創辦了中科聞歌。

其中，王磊為公司聯合創始人、董事長，羅引為聯合創始人、CEO，曾大軍為聯合創始人。

“中科院跟我們説，創業不成功，你就回來。” 王磊向華爾街見聞回憶道，“後來發現回不去了。團隊一起跑出來了，公司這麼大，這麼多同事，每個人都要在這工作，創造自己的收入。”

公司取名 “聞歌”，取的是 “聞絃歌而知雅意” 之意。公司的使命聽上去很大：為企業打造 AI 時代先進的業務和決策系統。

儘管擁有中科院的背景，但起步的時候，中科聞歌沒有客户，也沒有銷售團隊，甚至沒有人聽得懂他們在説什麼。

“確實我們這個背景出身的話，很多客户也很信任我們。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，大家都是同台競技。” 王磊説，“最終都是要為客户提供有價值的服務。”

中科聞歌找到的第一個落腳點是媒體和通信行業，從資本市場的角度來看，這一領域並不性感。

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，技術建立在中小規模數據和專用機器學習之上。而傳媒和通信領域恰好有海量的複雜多模態數據。文本、圖片、視頻、音頻都需要算法去識別和理解，且有明確的付費意願。

團隊當時的想法是，必須先找到一顆能夠 “釘下去” 的釘子，才能在此基礎上繼續搭建更大的業務版圖。

幫大型媒體機構做複雜數據分析與人工智能輔助決策，就是中科聞歌的第一顆釘子。

彼時大型媒體機構面臨的困難是每天上傳的視頻、音頻、文字等多種不同格式採訪素材過於繁雜，難以被有效利用和存儲。

針對這一痛點，中科聞歌對圖片、音頻、視頻等採訪素材進行語義標註、存儲、標籤化檢索，以便日後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於每天處理海量素材的大型媒體集團而言，確實可以帶來效率提升。

中科聞歌由此一步步構建起從數據管理、內容分析到選題決策、傳播效果評估的全鏈條服務能力，逐漸拿下了多家媒體客户。

雖然這個行業的想象力有限，但成了中科聞歌困難時期的 “稻草”。

在最艱難的 2020 年，中科聞歌正是靠着這一客户獲得了相對穩定的現金流，也讓公司沒有在 AI 商業化最早期的寒冬中倒下。

對中科聞歌來説，這段經歷沉澱下來的不只是客户和收入，還有後來被證明極其寶貴的底層能力：處理多源異構數據的習慣、對 “事件—對象—關係—影響” 進行系統建模的方法、在高治理要求場景下保證可靠性的工程經驗。

有了媒體這個根據地，中科聞歌才開始向政務、金融、科研、工業等領域擴展。

王磊用一個比喻解釋這種遷移效率的提升：“原來做了 A 系統之後，到了 B 系統又得從頭開始。現在做了 A 之後到 B，可能有 70% 的積累，你只要再做 30% 的工作。做多了之後你會發現，可能 90% 都是通用的東西。”

今天回頭看，那顆” 釘子” 真正重要的，是讓團隊第一次建立起處理複雜組織數據、理解業務規則、構建行業知識體系的能力。

後來進入政務、金融、科研和工業，這些能力幾乎都得到了複用。

一個必須砸錢的決定

2022 年底，ChatGPT 橫空出世，

當時，中科聞歌核心團隊開會到凌晨，討論這件事可能帶來的衝擊。他們認為，這不再只是一次產品級創新，還可能是一場底層技術範式的遷移。

“原來的模式是專用的機器學習解決特定行業的問題，算法在 A 領域能用，到 B 領域可能就要重新訓練另外的模型。”

ChatGPT 出來以後，在王磊看來，大模型改變的是整個 AI 產業的競爭邏輯。

從 “針對一個問題訓練一個模型”，轉向 “構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模型能力建設，公司未來很可能失去參與下一階段競爭的資格。

當時團隊面臨一個重大抉擇：要不要自己訓練一個大模型？

如果訓練大模型，則意味着研發投入的成倍增長，但如果不訓練自己的模型，則可能會被淘汰出局。

“在公司馬上盈利的時候，你現在又砸錢去幹這個事，你這錢掙得回來嗎？” 當時有投資人對此提出了質疑。

在反覆權衡之後，團隊的判斷是：“這個事情不幹，可能以後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練流程。

這筆 “豪賭” 的代價在財務報表上清晰可見。

這一年，中科聞歌的研發開支高達 1.8 億元，同年淨虧損達到 2.6 億元。

虧損擴大背後，中科聞歌也由此補上了基礎模型能力這一關鍵拼圖。

同年 6 月，中科聞歌發佈了全自主知識產權的 “雅意” 大模型，成為國內最早一批擁有完整基礎模型訓練能力的企業級 AI 公司之一。

基礎模型能力由此成為中科聞歌參與市場競爭時的重要變量。

據中科聞歌方面介紹，2023 年以後，在參與客户項目和招投標過程中，中科聞歌逐漸感受到企業級 AI 競爭的分化：沒有基礎模型積累的企業，在複雜場景的技術方案設計上往往面臨能力邊界；而具備模型研發能力的企業，也未必能夠深入理解行業業務和決策閉環。

企業真正需要的，不只是模型能力本身，還有一套能夠與業務場景深度結合的系統化能力。

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分場景的專用大模型。

這背後的思路是 “通專融合”，即基礎模型解決常識和通用問題，專用模型解決垂直領域的深度需求。

單個廠商很難一個模型打天下。做基礎模型做得好的，未必在科研、代碼模型上也做得好。中科聞歌團隊認為，模型生態最終會形成基礎模型、行業級模型和專業模型的層級結構。

AI 落地的 “最後一公里”

如果僅以通用大模型參數規模和算力投入作為衡量標準，中科聞歌可能還是很難與互聯網大廠等 AI 玩家匹敵。

但企業級 AI 的競爭，並不只是一場基礎模型能力的競賽。對於中科聞歌這樣的企業級 AI 公司而言，真正的關鍵在於：能否把大模型能力與行業知識、業務數據和組織流程結合起來，解決真實場景中的複雜決策問題。

很多企業部署 AI 失敗，並不是模型不夠聰明，而是模型不瞭解企業自身的業務規則。中科聞歌提出 DOMA 框架，即 Data（數據）、Ontology（本體）、Models（模型）、Agents（智能體）四個詞的縮寫，這套框架聽起來學術味十足，但確實是中科聞歌從多年行業實踐中錘鍊出來的重要方法論。

數據、本體、模型和智能體共同構成企業 AI 運行的底層基礎，其中最關鍵的一層是行業本體（Ontology）。它讓 AI 不僅理解語言，更理解企業如何思考。

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

但如果預先告訴模型，評價一家企業需要重點看財務報表、核心團隊、技術先進性等指標，再讓模型按照這一框架進行定量和定性分析，結果的一致性和準確性就會明顯提升。

這個 “告訴模型怎麼看數據” 的過程，就是本體建模。

本體層的作用是把特定行業中的業務對象、對象之間的關係、運行規則和約束條件進行結構化，形成一套 AI 可以理解的 “行業思維模式”。

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容；而企業真正關心的問題往往不是 “答案是什麼”，而是 “下一步應該怎麼辦”。

一位參與 Decitron 研發的技術人員告訴華爾街見聞，很多複雜決策問題之所以難，是因為問題往往涉及多個主體、多個變量以及持續變化的約束條件，無法被簡化成一次性的問答。

“真正的決策問題，首先要被轉換成一個可分析、可拆解、可推演的結構。” 在他看來，這也是決策機與傳統生成式模型的重要區別：後者更擅長基於已有知識生成回答，而前者更強調對事件關係、路徑變化和結果分支的持續建模。

如此一來，模型看數據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 決策智能平台，亦是這套方法論的產品化呈現。

DIP 解決的是企業 AI 落地中最常見的三個問題：數據散、業務複雜、行動難推進。

在企業場景裏，一張訂單背後往往關聯着客户、產品、庫存、合同等一整套業務鏈條。如果 AI 只會讀取數據，卻不理解這些數據之間的關係，就很難參與真正的業務決策。

DIP 的作用就是把分散在不同系統裏的數據轉化為 AI 可以理解的 “業務本體”，再讓模型基於業務規則完成分析、判斷和行動。

比如，業務人員想知道 “未來 30 天內哪些 A 級醫療行業客户可能流失”，DIP 便會自動關聯客户等級、訂單記錄、售後工單等信息，形成完整的客户經營視圖。最終給出風險客户名單、風險原因的解釋等報告。

這意味着，中科聞歌並不打算在參數規模上與大廠硬碰硬，真正要爭奪的是企業 AI 落地的 “最後一公里”，即讓模型能夠讀懂業務、理解規則，並真正進入企業的決策流程。

Decitron 決策機：

讓 AI 從生成答案走向推演決策

如果説過去幾年，大模型讓外界看到了 AI 在內容生成、知識問答和效率提升上的能力，那麼在中科聞歌看來，企業級 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 決策機的重要背景。

作為面向複雜開放場景打造的通用決策智能模型產品，Decitron 決策機並不侷限於單一行業或單一任務，而是聚焦不確定性、多路徑選擇和多方博弈下的複雜決策問題，幫助用户理解局勢、推演走向、比較方案，並形成更具參考價值的判斷。

其應用場景可覆蓋金融市場、宏觀經濟、國際形勢、公共治理、企業戰略、投資研究和產業研判等多個領域，是中科聞歌多年決策智能能力的一次集中產品化呈現。

以美國利率變化預測為例，利率決策本身並不是單一數據能夠決定的結果，而是受到通脹走勢、就業數據、經濟增長、市場預期、政策表態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複雜問題，Decitron 決策機會通過對多源信息的持續分析和多路徑推演，幫助用户理解不同情景下利率變化的可能方向、關鍵變量及其潛在影響。

這體現出決策智能區別於傳統信息檢索和生成式問答的價值：它更關注的是在不確定環境中輔助用户進行判斷。

在更貼近日常生活的場景中，Decitron 決策機也可以用於 “高考志願填報”。高考成績揭曉之際，志願規劃往往成為考生和家長面臨的重要選擇。面向這一場景，Decitron 決策機上線了 “高考志願推演” 功能，為考生和家長提供志願規劃輔助參考。

不同於一些更多基於既有數據和規則、提供 “衝、穩、保” 等相對確定參考結果的志願填報工具，Decitron 決策機更強調對不同選擇背後機會、風險和差異的推演，幫助用户在理解多種可能性的基礎上，結合自身偏好作出判斷。

從資本市場視角看，Decitron 決策機的意義也在於，它進一步強化了中科聞歌 “決策智能” 這一差異化標籤。

當前，AI 公司的競爭正在從模型參數和通用能力，逐步轉向能否進入真實業務場景、能否解決複雜問題、能否形成可持續交付。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級、更重場景、更強調決策價值的路徑。

對於中科聞歌而言，Decitron 決策機既是一次產品發佈，也是在上市節點向外界展示其長期技術路線的重要窗口，當 AI 從生成式應用走向決策式應用，企業級 AI 的競爭焦點，也可能從 “誰更會回答” 轉向 “誰更能幫助客户做出更好的判斷”。

走向產業深處

對於中科聞歌而言，登陸資本市場並不是創業階段的結束，而意味着進入另一場更長期的競爭。

漂亮的增長曲線背後，是不容迴避的財務現實。

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，複合年增長率達到 27.4%，但三年累計虧損達到 5.83 億元。

當前虧損的核心原因是研發投入，過去三年研發開支累計接近 5 億元。

不過，有一組數據值得特別關注。中科聞歌的 AI 服務平均交付週期從 2023 年的 185 天，縮短到 2025 年的 80 天。

交付週期的縮短意味着底層模塊的複用率在大幅提升，這是中科聞歌系統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，平台化的進展還需要更多財務指標來持續驗證。

王磊顯然清楚這些。他在交流中引用 Palantir——這家同樣從複雜組織的數據治理和決策支持起家，近期備受資本市場關注的公司。

與此同時，中科聞歌也在關注 Anthropic 等全球先進 AI 企業的進展。對其而言，這種借鑑並不意味着簡單複製，而是在中國市場環境、客户結構和產業數字化進程的現實基礎上，尋找一條適合自身的企業級 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 AI 記憶”。

Decitron 決策機的發佈，正是這一理想向前推進的重要一步。對於剛剛登陸資本市場的中科聞歌而言，“通用決策” 不再只是一個技術方向，也正在成為其面向未來的核心產品敍事。