6月5日，中科闻歌在北京发布了一款叫Decitron决策机的产品。听名字像科幻片里的东西，但它不是什么概念产品——是全球首个面向复杂开放决策场景打造的通用决策大模型。
它跟ChatGPT有什么区别
中科闻歌董事长王磊在发布会上说了一句很到位的话：ChatGPT的脑子里装的是百科全书，Decitron的脑子里装的是动态沙盘。
传统AI擅长回答问题、写文案、画图。但你问它"美联储主席换人后，美国利率会怎么走"，ChatGPT最多给你列几条可能性，没有推演过程。
Decitron不一样。它会把这个问题拆成几个关键变量：新主席的立场、通胀数据走势、FOMC内部表决格局、市场预期，然后模拟不同选择下的多条路径，告诉你在什么条件下会降息、什么时候会按兵不动、哪些信号出现说明政策要转向。
推演世界，不止是回答问题
发布会上演示了两个案例。第一个是宏观金融："美联储主席更替后，2026年美国利率政策可能如何演化"。Decitron没有直接给答案，而是像下棋一样推演：按兵不动、数据转弱后试探性调整、外部冲击导致政策后移、金融震荡引发紧急转向——四条路径，每条有概率、触发条件和风险信号。
第二个案例更接地气：短剧行业趋势研判。它分析平台政策、制作公司订单、演员开机率、用户付费等变量后得出结论：短剧行业正从高速扩张进入规则重构期。如果未来三个月同时出现"平台减少保底、头部厂牌集中拿单、腰部演员开机率继续下降"，行业分化会加速。
有意思的是，它还给不同角色出了行动建议：平台方要加快规则固化；制作公司要绑定头部渠道；腰部演员得往直播或电商方向转型。这已经不是"AI怎么说"，而是"AI建议你怎么做"了。
三项核心技术：世界模型+多智能体推演+博弈求解
中科闻歌CEO罗引博士把技术路线讲得很清楚。核心是三项：世界模型把现实世界转化为可计算的状态空间；多智能体推演模拟多方互动博弈；博弈求解把因果推断、概率更新和策略优化融合进大模型。
他们甚至把博弈论、最优化理论等2000多个场景求解方法，变成了2000多个可量化的AI算子。这意味着推演结果不是靠语言模型"猜"出来的，背后有可计算、可追踪的数学体系撑着。
在PolyBench国际评测中，Decitron终局预测准确率81.20%，预期波动预测准确率73.40%，三项SOTA。一个月的全天候模拟测试也验证了它在高频变量场景下的持续推演能力。
从"生成答案"到"推演世界"
王磊把这次发布称为"真实世界决策的AlphaGo时刻"。十年前的AlphaGo是在19×19棋盘上做决策，Decitron面对的是真实世界这张更复杂的棋盘：变化的信息、多方博弈、不确定的变量。
Decitron还有一个叫X-Signal的功能——能持续追踪你的议题。比如你把"美联储降息"设为追踪任务，它会持续监测全球新闻、市场信号，一旦关键变量变化，自动更新路径、调整概率。判断不再是一次性的，变成动态更新的决策系统。
中科闻歌孵化于中科院自动化所，长期深耕认知智能和多智能体系统。Decitron定位可应用于金融市场、宏观经济、公共治理、企业战略、产业研判等领域。
我的判断是：AI从"帮你聊天"到"帮你写代码"再到"帮你做决策"，这一跳比前两次都大。不是因为技术更炫，是因为决策场景离钱最近、容错率最低。Decitron能不能跑通商业闭环，关键看企业用户愿不愿意把真金白银的决策交给AI推演。但如果这条路走通了，AI的价值就从"效率工具"变成了"决策合伙人"。
从生成答案到推演世界，这一步跨越的意义比大多数人以为的更大。传统AI是知识检索加组合，Decitron要做的是因果推断加路径推演。后者才是真正逼近人类决策的方式。不过81.2%的准确率在金融决策场景够不够用，要看具体应用领域——有些场景90%都不够，有些60%就已经很有价值了。
2000个博弈论算子这件事很有意思。大部分AI决策产品其实是大模型在假装推演，底层是语言生成不是数学计算。Decitron把求解器和语言模型拆开又链式融合，这个思路是对的——让大模型做它擅长的事，让数学做它擅长的事。
PolyBench三项SOTA、终局预测81.2%、MSE 0.822%。数据看着不错，但要注意这毕竟是基准测试。真实世界的决策场景远比PolyBench复杂。关键要看上线后在金融和产业研判场景的实际表现。X-Signal持续追踪功能如果能跑通，比一次性推演有价值得多。
所以以后开会老板说这个项目你怎么看，我可以把电脑转过去说AI说应该这样这样。等等，那老板为什么还要付我工资？?
我最关心的是它什么时候开放给普通用户。目前看起来还是面向企业和专业机构的，但如果能出一个轻量版——比如输入我该不该跳槽去这家创业公司，它帮你分析行业趋势、融资环境、公司竞争格局——那才是真正的生产力工具。