決策機Decitron發(fā)布會現(xiàn)場

2026年6月5日，中科聞歌正式發(fā)布通用決策大模型——Decitron決策機。作為面向復雜事件、復雜系統(tǒng)和復雜決策打造的產品，Decitron決策機不只是回答問題，而是理解事件、推演路徑、比較結果，幫助人類在復雜事務中做決策。

“AI已經(jīng)開始像水和電一樣進入現(xiàn)實世界和人們的生活。但當AI會聊天、會寫作、會畫畫、會做視頻之后，一個更重要的問題正在出現(xiàn)：AI能不能不只是回答問題，而是進一步推演世界、預測未來？”發(fā)布會上，中科聞歌董事長王磊拋出了這個關于AI下一階段發(fā)展的關鍵問題。

正是基于對這一問題的思考，中科聞歌正式發(fā)布了AI決策時代的全新產品——Decitron決策機。王磊表示：它不是聊天機器人或者搜索引擎，而是一個能夠分析事件關聯(lián)、模擬不同選擇、推演可能未來的通用決策大模型。Decitron決策機的使命，是“推演世界、看見未來”。

不止回答問題，更要推演路徑

作為面向通用決策場景打造的決策智能模型產品，Decitron決策機并不局限于單一行業(yè)或單一任務，它聚焦存在不確定性、多路徑選擇和多方博弈的復雜決策問題，可廣泛應用于金融市場、宏觀經(jīng)濟、國際形勢、公共治理、企業(yè)戰(zhàn)略、投資研究和產業(yè)研判等領域。

為了更直觀展示這一能力，發(fā)布會現(xiàn)場，中科聞歌以“美聯(lián)儲主席更替后，2026年美國利率政策可能如何演化”這一宏觀金融政策情景為例，完整演示了Decitron決策機的推演流程，并展示其與傳統(tǒng)AI問答的不同。

這一問題看似是一個宏觀財經(jīng)判斷，普通AI更多回答“是什么”，但在Decitron決策機的處理邏輯中，它將詳細推演“會怎樣、怎么辦”。系統(tǒng)會將問題拆解為：在什么條件下可能發(fā)生、何時可能發(fā)生、可能發(fā)生到什么程度；如果沒有發(fā)生，又是哪些變量改變了事件原有路徑。

演示顯示，用戶輸入問題后，Decitron決策機并不會立即給出結論，它首先會判斷問題是否具備推演條件，并對復雜問題進行結構化處理。系統(tǒng)會識別問題邊界、時間范圍、判斷對象、核心變量和關鍵主體，將問題轉化為可推演的決策結構。

在該案例中，Decitron決策機快速識別出凱文·沃什、FOMC、美國金融市場等多個關鍵主體，將降息事件拆解為一場圍繞通脹、增長和市場預期展開的動態(tài)博弈。

在多輪推演中，Decitron決策機圍繞美國利率政策議題生成了按兵不動、數(shù)據(jù)轉弱后試探性調整、外部變量沖擊導致政策后移、突發(fā)金融震蕩引發(fā)緊急轉向等不同分支，并進一步給出各路徑的概率、觸發(fā)條件、關鍵變量和風險信號，最終形成條件化判斷。

除宏觀金融政策情景，產業(yè)研判同樣是Decitron決策機的重要應用方向。以短劇行業(yè)發(fā)展趨勢為例，Decitron決策機對平臺政策、內容供給、制作公司訂單變化、演員開機率、渠道分發(fā)和用戶付費等多項變量進行綜合推演，判斷短劇行業(yè)正在從前期的高速擴張階段，逐步進入規(guī)則重構和行業(yè)洗牌期。

在這一案例中，Decitron決策機并沒有簡單給出“行業(yè)會不會降溫”的單一結論，而是進一步拆解出影響行業(yè)變化的關鍵觸發(fā)信號。系統(tǒng)推演顯示，未來3個月內，如果同時出現(xiàn)“平臺減少保底、頭部廠牌拿單集中、腰部演員開機率繼續(xù)下降”三項信號，則意味著行業(yè)分化可能進一步加速。

基于這一判斷，Decitron決策機進一步給出了面向不同主體的行動建議：對于平臺方，應加快規(guī)則固化和分賬機制優(yōu)化，減少粗放式補貼帶來的資源錯配；對于制作公司，應盡快綁定頭部渠道和穩(wěn)定分發(fā)資源，提升項目確定性；對于演員群體，尤其是腰部演員，則需要盡快完成廠牌綁定，或向直播、電商、長視頻配角等相鄰賽道轉型。

無論是美聯(lián)儲降息這樣的宏觀金融政策判斷，還是短劇行業(yè)洗牌這樣的產業(yè)趨勢研判，Decitron決策機都可以圍繞關鍵變量、參與主體和變化條件，形成多條可比較、可驗證、可追蹤的未來路徑，并標明每條路徑的觸發(fā)條件、概率變化、風險信號和行動建議。

這正體現(xiàn)了其作為通用決策大模型的核心能力：不依賴單一行業(yè)模板，而是把不同領域的復雜判斷拆解為路徑，把路徑拆解為變量，再將變量放入多主體博弈結構中進行連續(xù)演化，最終幫助用戶在不確定環(huán)境中形成更有依據(jù)的決策判斷。

三項關鍵技術，支撐AI推演復雜世界

“如果說ChatGPT的腦子里裝的是一本百科全書，那么Decitron決策機的腦子里裝的更像是一個動態(tài)沙盤?！卑l(fā)布會上，中科聞歌技術團隊用這一比喻，解釋決策機與傳統(tǒng)問答式AI之間的差異。

傳統(tǒng)大模型擅長回答問題、生成內容和整理知識，但真實世界的決策并非一次問答就能完成。復雜決策真正需要的是看見變量、理解因果、推演路徑，并比較不同選擇可能帶來的結果。

中科聞歌首席執(zhí)行官羅引博士表示：“Decitron決策機的核心不是回答問題，而是把復雜世界變成一個可以計算、可以推演、可以驗證的系統(tǒng)?！?/p>

據(jù)介紹，Decitron決策機以世界模型、多智能體推演和博弈求解為三項關鍵技術路徑，將世界狀態(tài)建模、因果推理、概率預測與多方博弈等能力融合在同一推演鏈條中，形成面向復雜決策問題的“四維混合推理能力”，支撐AI從“生成答案”進一步走向“推演世界”。

在具體實現(xiàn)上，“世界模型（Meta World）”負責把現(xiàn)實世界轉化為可計算的狀態(tài)空間。Decitron決策機會將新聞、政策、事件、市場信號等信息，轉化為結構化的State-Action-Outcome框架，即當前世界處于什么狀態(tài)、關鍵主體能夠采取哪些行動、行動之后可能帶來什么結果。

“多智能體推演”則負責模擬真實世界中的多方互動。Decitron決策機會對企業(yè)、市場和公眾等不同主體進行建模，刻畫其目標、約束、資源、偏好和行動空間，并在每一輪推演中模擬不同主體的選擇如何改變世界狀態(tài)，進而觸發(fā)下一輪博弈。

“博弈求解”進一步將大模型的理解能力與因果推斷、概率更新、策略均衡和路徑優(yōu)化結合起來。大模型負責理解問題、識別主體和解釋結果，求解器負責計算路徑、更新概率和優(yōu)化策略。由此，語言模型的理解力與博弈、概率模型的計算力被鏈式融合，共同服務于復雜世界的連續(xù)推演。

據(jù)介紹，中科聞歌已將博弈論、最優(yōu)化理論、不確定性度量等領域的2000多個場景求解方法，轉化為2000多個可量化計算的AI算子，使Decitron決策機的推演結果不再單純依賴語言生成，而是建立在可計算、可量化、可追蹤的求解體系之上。

由此，Decitron決策機不只是看事件，更要看因果；不只是給結果，更要比較路徑；不只是分析單方行動，更要理解多方博弈；不只是輸出結論，更要給出概率、依據(jù)和變化條件。

AI的能力邊界，也由此從語言生成進一步延伸至復雜世界的決策推演。

X-Signal持續(xù)追蹤，把判斷變成可更新的決策系統(tǒng)

當現(xiàn)實世界持續(xù)變化，AI如何不被舊判斷困住，而是根據(jù)新信號不斷更新認知、校準路徑？Decitron決策機給出的答案，是X-Signal（全球信號）持續(xù)追蹤。

在發(fā)布會現(xiàn)場，Decitron決策機展示了X-Signal持續(xù)追蹤功能。在演示中，系統(tǒng)可以將美聯(lián)儲降息議題保存為持續(xù)追蹤任務。此后，決策機會圍繞該議題持續(xù)監(jiān)測全球新聞、政策變動、市場信號和關鍵變量變化。一旦相關信號發(fā)生變化，系統(tǒng)會在原有推演結構上自動更新路徑、調整概率，并重新評估不同情景的觸發(fā)條件。

決策機會圍繞該議題持續(xù)監(jiān)測全球新聞等關鍵變量變化

這意味著，第一次判斷的依據(jù)、第二次更新的變量、路徑為何變化、概率如何調整，都會被系統(tǒng)完整保留下來，使一次推演從靜態(tài)分析變成動態(tài)更新的判斷系統(tǒng)。

發(fā)布會上，中科聞歌Decitron決策機產品團隊表示，Decitron決策機服務的是持續(xù)決策。它關注的是用戶真正關心的決策問題，并圍繞已建模議題進行持續(xù)追蹤、更新和校準。

在輸出層面，Decitron決策機可以自動生成兩類報告：一類是推演過程報告，記錄問題如何被界定、主體如何被識別、分支如何生成、概率如何變化、變量如何驅動路徑收斂；另一類是面向決策者的綜合分析報告，直接給出條件化判斷、時間窗口建議、監(jiān)測指標和重估信號。

由此，復雜判斷被沉淀為可傳播、可復盤、可追蹤、可更新的決策資產。

這也是Decitron決策機區(qū)別于傳統(tǒng)問答式AI的重要一步：它不僅回答此刻，更持續(xù)校準未來。

多項測試驗證推演能力，事件終局預測準確率達81.2%

為了驗證Decitron決策機在真實場景中的推演能力，中科聞歌在發(fā)布會上披露了多項測試結果。

Decitron決策機實現(xiàn)3項SOTA

在國際權威數(shù)據(jù)集PolyBench的測評中，Decitron決策機實現(xiàn)3項SOTA，終局預測準確率（FFA）81.20%；預期波動預測準確率（EVPA）73.40%；平均概率預測偏差（MSE）0.822%，綜合表現(xiàn)超越行業(yè)基線。

中科聞歌方面表示，這表明Decitron決策機已經(jīng)跳出單純信息匯總和基礎概率計算層面，能夠對復雜事件背后的因果關系和演化路徑進行結構化推演。

此外，中科聞歌還開展了為期一個月的全天候模擬實時事件推演測試。該測試貼合真實市場節(jié)奏，重點驗證Decitron決策機在高頻變量變化場景下的持續(xù)推演、動態(tài)校準和風險識別能力。

羅引博士表示，相關測試結果進一步驗證了Decitron決策機在復雜事件推演中的能力。它是通過持續(xù)識別變量、分析因果關系、比較不同路徑和動態(tài)校準概率，幫助用戶在不確定環(huán)境中形成更有依據(jù)的決策判斷。

開啟真實世界決策的AlphaGo時刻

發(fā)布會最后，王磊董事長將Decitron決策機的發(fā)布稱為“真實世界決策的AlphaGo時刻”。

他表示，十年前AlphaGo戰(zhàn)勝李世石，證明AI可以在361個交叉點的棋盤上完成極其復雜的決策。今天，Decitron面對的不再是19×19的方格，而是真實世界這張更復雜的決策棋盤。這里有變化的信息、多方的博弈、不確定的變量，以及不斷演化的未來路徑。

在王磊看來，面對復雜世界，人們不再只需要一個答案，更需要推演路徑、識別變量、比較概率、追蹤信號和校準判斷的能力。通過結構化建模、多主體推演、概率預測和X-Signal持續(xù)追蹤，Decitron決策機希望幫助人們把復雜局面看清楚，把行動路徑算明白，把關鍵風險提前暴露。

Decitron決策機的問世，也是中科聞歌長期技術積累和產業(yè)實踐走向產品化、平臺化的重要成果。孵化于中國科學院自動化研究所，中科聞歌核心創(chuàng)始團隊長期深耕復雜信息分析、認知智能、社會計算、多智能體系統(tǒng)和人工智能輔助決策等方向，并在公共治理、金融、媒體融合、產業(yè)智能化等復雜業(yè)務場景中，持續(xù)沉淀數(shù)據(jù)分析、業(yè)務本體建模、AI輔助研判和多智能體推演能力。

工業(yè)時代的基礎設施是電力，信息時代的基礎設施是計算，而智能時代的基礎設施將是決策。