中国工业报记者 马艳

绍兴柯桥的夏天，空气里飘着染料和棉纱混合的味道。这里是全球最大的纺织品集散地，年成交额突破4400亿元，每天有数不清的订单从世界各个角落涌进来，变成布，再变成衣服，流向更远的角落。

但7月27日这天，柯桥人讨论的不仅仅是布。在杭州湾科创中心的会客厅里，一群人正在讨论一个更抽象的话题——决策。他们想弄清楚一件事：一台机器、一套算法，能不能替工厂里那些干了二十年的老师傅，做出更聪明的判断。

这天，中科闻歌正式发布“工业决策大脑”。在这套系统背后，是中科闻歌构建的“基—枢—核—脑—端”决策AI树：从工业数据底座、业务平台和基础模型出发，向上生长出面向生产经营的决策大脑，并通过智能体和智能装备把决策转化为车间里的实际行动。柯桥由此成为这套决策AI体系率先进入工业场景、跑通“感知—决策—行动”闭环的重要样板。

但这场发布会的真正主角，其实不是产品本身，而是一个更根本的问题——一家做AI的公司，为什么要钻进闷热的纺织车间？

故事的起点在北京。2017年，王磊带着一群从中科院自动化研究所走出来的同事，注册了一家公司。他们给公司取名“闻歌”，取自“闻弦歌而知雅意”。这个书卷气十足的名字背后，藏着一个非常务实的野心——让AI真正理解人，理解企业，理解那些没有说出口的需求。

在创业之前，王磊在中科院做了二十余年的人工智能研究。他很清楚学术与产业之间存在很深的沟壑。“我们早期更多关注算法本身的先进性，但进入真实工业场景后逐渐认识到，实验室里的技术指标与产业应用价值之间还有很长的链条。算法只有与行业数据、业务知识和生产流程深度结合，才能真正解决实际问题、创造应用价值。”后来他带着团队彻底扭转了思路，“别对自己说有什么，就说这个市场需求是什么、客户需求是什么，然后再提炼出技术问题。”

此后的九年，中科闻歌不断深入产业一线，将真实需求转化为技术命题，再把技术能力嵌入业务流程。团队也早已走进柯桥纺织车间，在生产现场理解工艺、数据和决策难题。2026年6月26日，中科闻歌以“决策大模型第一股”的身份登陆港交所；一个月后，公司又在柯桥发布工业决策大脑，也让中科闻歌从实验室走向生产一线的长期探索更加清晰地呈现出来。

没走进车间的人，不懂什么叫“难”

葛金宝是那个被派去“蹲车间”的人。他是中科闻歌旗下中科巨细的总经理，负责把公司的AI技术真正“塞进”工厂的生产流程里。

“只靠远程调研或者通用模型，很难真正理解不同工厂的工艺流程、设备状态、管理要求和业务约束。”葛金宝说。他的团队里全是工程师，但葛金宝要求他们进工厂的第一件事不是写代码，而是跟着挡车工学怎么“看布”。作为一位“纺织老兵”，葛金宝要求工程师既要懂订单怎么形成、生产怎么组织、质量怎么控制，更要懂一线生产背后藏着什么样的真实痛点。

曹家是中科闻歌的CTO，他跟着葛金宝跑了不少车间。他发现一个问题——几乎所有工厂都不缺设备，不缺数据，不缺系统，但一到关键决策，还是得靠老师傅的经验。

问题出在哪儿？曹家总结了一句话：工厂里最值钱的东西，都装在老师傅的脑子里，拿不出来。

“我们现在手上这些数据，可能是感知过来的输入数据，还有最后老师傅作出决策的结果数据，中间的过程数据没有留存。比如说配色，客户的需求来了，老师傅直接去取色、调色、出配方、打样，一轮一轮去做，最后出来的配方，你根本不知道中间是怎么调的。”曹家告诉中国工业报记者。

这不是某一个工厂的问题，是几乎所有传统制造业的共性问题——经验在流失，而数据帮不上忙。

让AI学会“说话”

中科闻歌的团队决定做一件事——让AI“读懂”工厂。

这话听起来简单，做起来极难。一张订单在贸易系统里叫“订单号A”，到了织造车间可能被叫作“生产批号B”，再到染整环节又变成了“染色单C”。同一批布，在不同系统里是完全不同的“身份”。人靠脑子能对上，但机器不行。

怎么解决这个问题？“在数据层，我们的工业决策大脑配备了工业数据集成套件，可以快速将工厂里ERP、MES、PROM这些数据快速集成，接入、清洗、治理、对外服务，实现数据标准的一致化。”曹家说，最终要解决让整个工厂说同一种业务语言这个问题。

数据口径统一了，AI才能准确识别每一个业务对象之间的关系，后续的决策才有可靠的依据。

第二步，是把老师傅脑子里的经验“拽”出来。中科闻歌团队的方案是：把客户需求、染料特性、布料材质、企业留存的配方数据、老师傅每一次调整的记录，全部放到一起，让AI跟着学。不是取代老师傅，是把老师傅的判断路径拆解成可复用的逻辑。

“我们不是取代老师傅，是想把他的经验和知识形成企业可复制、可以快速再去应用的一个资产。”曹家说。

第三步，是把AI做出的决策“翻译”成车间里能用的指令。排缸、排产、配色、巡检，每一个环节都有AI的参与，但每一个环节的最后一步，都必须落到机器能执行的动作上。

这套东西，中科闻歌的团队管它叫“工业决策大脑”。

它并不是某一个环节的单点AI工具，而是中科闻歌决策AI树在工业场景中的完整落地：底层接入并治理工业数据，中间层沉淀工艺知识、调用模型和智能体，上层形成排产、排缸、配色、巡检等决策，再由生产系统和智能装备执行。也正是在柯桥，中科闻歌的AI决策体树率先从数字世界走进生产现场，开始参与一家工厂每天都要面对的具体判断。

车间里的“新同事”

工业决策大脑第一次真正“上工”，是在柯桥的一家纺织印染厂。

染厂最头疼的事之一是“排缸”。染缸不能停，一旦停了再重启，蒸汽和洗缸的成本让人心疼。但上一缸布染完和下一缸布入缸之间，往往要等半小时。如果排产没跟上，缸就空转。

葛金宝带着工程师蹲在染厂里算了一笔账：“很多染缸在染布时，我们发现很多缸在空转。前一单做完后，如果下一单不能立刻接上，哪怕只间隔半小时，染缸也不能停机——因为一旦停机，重新升温、上蒸汽和洗缸的额外消耗会更大。”

工业决策大脑能干的事，就是把排缸这件事从“人的经验判断”变成“机器的实时优化”——综合考虑订单交期、染料、缸型、设备状态、洗缸残留，几分钟之内生成一个可执行的排缸方案。

染厂老板看了一组对比数据：排缸时间压缩，水电气成本降了一大截。葛金宝说：“我们同样的品质、同样的产能，但它的水电气下降了很多，因为把空转率大大下降了。”

在另一家织造厂，工业决策大脑带来的是一台会自己“走路”的巡检机器人。

织造车间里，一个挡车工要同时看几十台机器，在震耳欲聋的噪音里来回走，检查断经、断纬、油污。曹家向记者描述那个场景：“一旦出现残次品，织机会一直运行，布就会一直产出次品，损耗就比较大。车间现场噪音非常大，环境也不好，导致人非常容易疲劳，特别依赖于工人体力、仔细度、责任心。”

巡检机器人干的就是这件事——以每秒0.8米的速度在车间里自主巡检，识别出20多种织造缺陷。发现异常之后，它把数据回传给工业决策大脑，大脑再判断要不要通知停机。

一台机器人，首年能为工厂省下大约26万元。

中晖织造的严涛是车间管理者，他算了一笔更实在的账：过去靠人工巡检，频次、状态、记录方式都不一样，“对于管理人员来说也很难连续完整的掌握现场情况”。机器人来了之后，他第一次能实时看到72台织机的运行状态。

“这次合作让我感受最深的是，对于企业来说AI有没有用，最终要看它能不能在真实车间里稳定运行，解决具体的问题。”严涛说。

决策的终点不是服务器，是车间

从北京的科研一线，到绍兴柯桥的纺织车间，九年来，中科闻歌一直在探索同一件事：如何让人工智能跨越实验室与产业之间的鸿沟，真正进入生产一线。

如今，柯桥成为中科闻歌决策AI树率先落地工业场景的重要一站，纺织也成为这套体系率先跑通完整业务闭环的样板行业。这里验证的不只是一套面向纺织企业的产品，更是一条让决策AI深入研发、生产和经营管理，再走向更多工业领域的落地路径。

王磊在大会上的发言不长，但他反复在强调一件事——“技术不应该只是停留在实验室里，它应该深入到我们的工业现场和场景，要读懂设备、工艺、订单和质量数据，能将我们长期沉淀的经验转化为可复用的行业知识，让决策的依据可解释、决策的过程可追溯、决策的结果可执行。”

目前，工业决策大脑已经进了木林森、中辉纺织、东进新材料、舒美针织等多家柯桥本地企业。它干的事五花八门：帮理单员把外贸订单的拆解时间从1小时压缩到几秒钟；帮计划员把排产方案从几个小时缩短到几分钟；帮老板实时看清整个工厂的运行状态。

曹家说，他们现在做的最重要的一件事，就是让AI“扎根车间”。

“我们的定位非常明确——做机器人和工业系统之上的决策大脑。”曹家说，他管这套体系叫“感知—决策—行动”的闭环，但翻译成大白话其实很简单，就是让AI别光会聊天，去车间干点实在的。

圆桌论坛上，苏州大学纺织与服装工程学院教授刘宇清说了一句话，被很多人记住了：“决策AI的终点不是服务器，是车间。中科闻歌的决策基因再强，最终的价值也要体现企业能不能做出更好的经营判断。”

这话没错。当无数AI公司还在追逐更聪明的通用大模型时，中科闻歌选择了一条更艰难但也更务实的路，那就是钻进闷热的车间，向老师傅请教，替小老板算账，让AI真正学会“拍板”。

这不浪漫，但有用。而有用，恰恰是产业AI最稀缺的品质。