决策模型走红：AI从生成内容转向毫秒级判断

9月中旬，TypeSafeAI发布了一款叫Jev的模型。它不做文章生成，也不聊天，连一整句话都不输出。输入进来，它只把它归进预设选项，回一个是/否、一个分值、一个概率。就这么个“不会说话”的模型，上线几周用户数突破百万，财富500强里约三分之一的企业用上了它，估值在24天里从约2亿美元涨到75亿美元。

一个品类名字随之被行业迅速接受：决策模型。OpenAI两周内就推出Decisions API，AWS、微软、Cloudflare陆续进场，不到一个月同类产品冒出十余款。这类模型蹿红的速度，映出人工智能产业正在变的一件大事：衡量模型价值的标准，从内容生成得好不好，往决策准不准、响应快不快、执行成本高不高那头延伸。

OmAI联汇CEO兼首席科学家赵天成认为，不少场景真正需要的是一连串连续、快速、可以度量的决策，而不是把内容生成得天花乱坠。“大语言模型其实也能完成很多决策，但决策模型属于快速模型，把全部能力和精力集中在可度量、可验证的决策上。决策模型瞄准的是另一类场景：那里要的不是生成出来的一段内容，而是一个拿来就能用的判断——快、成本低、端侧可读。”

“决策的质量和成本”，这正是决策模型的产业逻辑起点。

决策模型，AI进入深水区后的“快思考”补位

其实近一年企业AI的叙事已经明显转向：前两年比的是“模型会不会写、会不会答”，眼下云厂商、SaaS厂商和办公平台争着把AI Agent、智能体、智能决策塞进CRM、ERP、供应链和办公流程里。产业信号很一致：AI正从内容生成工具，变成能进入业务流程、直接产出经营结果的“决策基础设施”。

Jev的输出不是文本，是类型化的值：是或否、选项编号、校准过的概率分数。应用程序拿到就能用，中间不用再解析。代价是它“不会说话”，收益是端到端延迟被压缩到70到500毫秒，比同类大语言模型快20到200倍；微软的演示里，同一个分类路由请求，决策模型182毫秒就返回了，大模型花了6.4秒。这不叫“稍微快一点”，而是把决策从“以秒计”拉回到“以毫秒计”，高频连续决策链条的时延门槛降了下来，进实际业务流程也就更容易了。

决策模型的价值，在于推动AI模型形成更加清晰的能力分工。复杂推理、内容生成和需要开放答案的任务，继续由通用大模型负责；Agent工作流里那些答案空间有限、调用量大、必须快且稳的判断节点，交给决策模型。它不是来取代大模型的，只是把“决策”从“生成”的范畴里切出来，让这类模型的决策质量、响应速度和调用成本，能围绕具体任务得到更独立、明确的评估与优化。

赵天成说：“实际智能应用里，不同决策的难度并不一样，不能同等对待。解决哥德巴赫猜想和日常做客服分类，理论上耗费的脑力差得很远。可现在大语言模型推理时，成本开销却是一样的。”

企业端采用得这么快，原因也在这里。过去两年，大量企业场景被套上生成式的壳，骨子里干的却是决策的事：工单路由、风险分级、流程审批、库存判断、Agent动作选择。生成式只是手段，决策才是目的。手段的成本和延迟远远超出目的本身所需时，市场迟早会要求把两者重新对齐。决策模型干的就是这件事：让模型聚焦在它该聚焦的事上，快速决策和快速响应，而不是用最昂贵的方式生产最不需要的内容。

赵天成表示，决策模型一出现，公司整个团队的第一反应是很振奋。过去五年OmAI联汇做的很多事情，实质上就是决策模型在做的事，只不过在TypeSafe AI提出决策模型这个概念之前，没有一个大的名目把它们归拢到决策模型名下。

一个行业开始拿“快”和“可度量”来界定一个模型品类，而不再用“写得像不像人”衡量一切，这说明它终于走入了深水区。深水区里，用户要的不是夸夸其谈，而是一连串连续、及时、负担得起的判断。决策模型切中的，正是这个沉默而庞大的需求。不过，当这些判断进入机器人、无人机等物理设备，光有快速和低成本还不够。

物理世界的决策，需要端侧原生的流式多模态

两类场景的共同需求，都是在任务和目标明确、约束清楚的前提下，快速作出可执行的判断；差别在于，数字工作流主要依据已有信息完成判断与操作，物理世界则要求模型持续感知动态环境，结合任务目标、空间状态和执行反馈实时调整决策。这样一来，决策就从一次性输出结果，变成贯穿感知、理解与行动全过程的连续智能活动，对响应速度、判断准确性和执行可靠性都提出了更高要求。判断窗口可能从秒级压缩到百毫秒级，出错的代价也从简单的结果偏差升级为真实的物理世界风险。

落到具体处，物理世界的第一道门槛：输入变了。

软件工作流里，决策模型吃进去的是一段用户评论、一张表单、一条工单——说到底还是文本窗口。物理世界不一样：三路摄像头的实时视频流、机器人本体的姿态参数、自然语言指令同时涌进来，动态、流式、多模态搅在一起。

第二道门槛：错误代价变了。

数字空间里决策错了，改一下重来；机器人错了，可能把鸡蛋夹碎，也可能让无人机炸机。是生和死的区别，不是简单判错一个答案的区别。代价这么严肃，第三个要求就被逼出来了：预判能力。现在的决策模型做的是单步判断：这一轮对还是不对。物理世界却得往后想两三步：刹车必须提前踩，等看见墙再决策已经来不及。

这些变化指向同一个结论：物理世界的决策模型必然走上“端侧原生的流式多模态”这条路。这个概念是OmAI联汇在今年上半年于业界第一次提出的，追求三件事：端侧原生、流式感知、快速决策。

物理世界的场景大多以端侧多模态模型为核心，面向高并发、实时、流式、主动式的需求，快速响应机制少不了。赵天成指出，“这正是一些纯粹用云端大语言模型落地物理世界时遇到的典型问题。而OmAI联汇推出的端侧部署、轻量化模型架构、流式架构的模型产品，都是在解决这类问题。”

从Flow到Go，端侧多模态迈向专门化决策模型

决策模型为什么火、物理世界需要什么样的决策模型，前两部分已经说过了。OmAI联汇的答案没停在概念上，而是落在它已经铺开的VLX矩阵里。这套矩阵也给了产业一个更值得观察的样本：它不是单个模型，而是围绕物理世界实时决策搭建起来的一整套能力。

翻一翻OmAI联汇的来路，2021年它就做出了国内较早的视觉语言大模型之一，还拿到工信部首张多模态模型认证，编号OmModel 001号。那时候多数人还把多模态当成概念，联汇已经进了模型能力的正式认证体系。

2025年2月，这家公司开源了VLM-R1，这是全球首个把GRPO强化学习方法从纯文本搬到视觉语言领域的框架。关键之处在于，“强化学习+视觉语言”的工程路径被公开给了社区，联汇在视觉语言模型上的积累不是关起门来的演示，而是能落到生态里的方法论输出。

2026年上半年，OmAI联汇在业界头一个提出“端侧原生的流式多模态”。眼下VLX矩阵有四层能力：VLX-Flow管持续感知，回答视频流里正在发生什么、要不要关注；VLX-Seek管精准定位，回答目标在哪、要找的物品或区域是哪一个；VLX-VR管视频推理，回答事件何时发生、前因后果和视频证据是什么；VLX-Go管行动导航，回答下一处该去哪儿、关注什么、执行什么任务目标。

这四层不是四个各管各的模型，它们跑在同一条视频流上，共享基座、统一数据格式、推理链路打通，是一套面向物理AI打通的端侧产品体系。现有VLX模型其实已经在这些能力上具备不同程度的判断与决策。即将推出的决策模型也不是在原有体系外另加一个孤立模块，而是冲着物理世界高频、连续、实时的决策需求，对环境状态理解、任务判断、决策输出和响应效率再做优化，让模型从感知、理解到决策与行动咬合得更紧。

技术路线成不成立，说到底要看它有没有进真实设备、真实场景和真实工作流。联汇给出的不是单点Demo，而是一组已经铺开的商业化落点。

低空场景里，OttoPlex御行智飞低空具身智能平台用的是VLX-Seek 0.6B端侧版本，为低空巡检任务提供按自然语言描述定位目标与区域的能力；定位结果不会停在模型输出里，飞手、上层任务系统或后续工作流都能接着处理。

无人机这边，公安、海事、自然资源、园区、应急、救援等低空场景已经商用落地；机器人这边，云深处、宇树等具身头部企业的设备已经部署；安防这边，百万级摄像头的商业化服务接入已经完成；可穿戴这边，好马APP是全球首个服务近10万视障者的AI助视平台。

再往底层看，华为昇腾、地瓜、RK3588国产芯片的适配已经做完，苹果、联想、惠普、英伟达四大AI PC品牌也完成了端侧接入。这些跨场景、跨芯片、跨终端的商业化实践，既验证了OmAI联汇模型的工程化部署与场景适配能力，也给它继续做面向物理世界的实时决策模型垫下了真实应用基础。

这一演进还说明，OmAI联汇的技术体系正从面向具体任务的感知、推理与行动能力，往面向物理世界的专门化实时决策能力走。

按OmAI联汇的测算，端侧能做到0.1秒级响应，云端往往要5秒以上，差出约50倍。端侧模型还能直接处理实时视觉信息，数据传输与信息转换带来的延迟和信息损失都少了。隐私与可用性也是一层：部分安防、工业、低空和应急任务里，数据本地处理、断网可用是重要的部署要求。成本上，端侧部署成本能降一个数量级，实时性提升数倍，国产芯片就能跑，具身智能从“Demo阶段”迈入“量产阶段”的拐点有可能提前到来。

云端并不会因为端侧而被抛下。赵天成把终局看成有层次的：“我判断后面走的就是端云协同。慢思考交给云端，快思考、所有需要快速决策的事，全放到端侧。我们不少产品已经这么干了，效果比只用端或者只用云都强。这条路我们跑通了。”

对物理AI来说，决策模型的价值最后得在真实设备和实际任务里见分晓：能不能在有限时间内给出可靠判断，能不能把持续感知、空间理解与行动执行接上。人工智能正从内容生成走向自主决策和实际任务执行，决策的准确性、响应速度与运行成本，正在成为衡量模型实际应用价值的重要标准。

真正该盯的，不再只是模型能生成什么样的答案，而是它能不能在持续变化的真实环境里，更快、更准、更便宜地作出判断。OmAI联汇在端侧原生流式多模态上攒下的技术，以及在无人机、机器人等场景里的商业化实践，是它继续拓展物理AI实时决策能力的底子。

从持续感知、空间理解到行动规划，OmAI联汇已经搭起面向物理世界的多模态能力体系。而即将发布的专门化决策模型，会怎样进一步打通感知、判断与行动之间的智能闭环，又会给无人机、机器人等动态智能终端带来怎样的能力升级？

11月的发布节点越来越近，OmAI联汇这款端侧多模态决策模型，究竟能给物理世界的实时决策带来什么突破？答案值得期待。