WAIC 2026｜决策智能论坛三大主题报告精要：决策智能进展、AI+科学和AI安全大模型
7月18日，在WAIC 2026中科闻歌决策大模型系列产品发布暨人工智能与决策大模型论坛上，中国科学院自动化研究所副所长曾大军教授，中国科学院自动化研究所研究员、赛思极限CEO徐楠博士，国科智安总裁赵菲菲博士，分别围绕决策智能、AI+科学与AI安全作主题报告，从复杂决策、科学发现和安全治理三个维度，探讨人工智能能力边界与应用范式的深层变革。
以下为三场主题报告的核心观点与内容精要。
曾大军教授：
决策智能正在成为人工智能的新疆域
中国科学院自动化所副所长曾大军教授作学术报告
当前，无论是国家治理还是企业经营，决策环境都在变得更加开放、动态和复杂。在国家治理层面，“黑天鹅”“灰犀牛”等风险因素交织叠加，对决策的科学性、系统性和前瞻性提出了更高要求；在企业层面，全球供应链、价值链加速重构，产业转型升级也在呼唤更加精准敏捷、情景鲁棒和开放动态的决策体系。
曾大军表示，决策智能的核心，是运用人工智能的方法、框架和技术，为现代决策面临的复杂问题提供系统性支撑。人工智能不仅可以帮助决策者理解结构化、非结构化和多模态信息，还能够进一步参与方案生成、路径推演、结果评估与任务执行，推动更多过去“无法分析、无法计算、无法推演”的复杂问题，进入可计算、可推演、可评估、可决策的范畴。
决策与AI正在“双向赋能”
决策科学与人工智能的发展一直紧密相连。一方面，从知识图谱、机器学习到预训练大模型，AI正在提升人类对复杂环境的感知与理解能力；另一方面，强化学习、多智能体、优化求解器和仿真器等技术不断融合，使AI能够对复杂情境进行计算、推演，甚至完成任务规划与自主执行。
曾大军指出，决策不仅需要人工智能的支撑，高层次认知、推理与决策能力本身，也代表着人工智能未来发展的重要方向。真正能够持续创造价值的人工智能，不只在于生成内容，而在于能否在复杂环境中理解问题、形成判断并辅助行动。
人工智能的深度参与，也在推动决策范式从“理”“数”进一步走向“智”，由以人为中心逐步进入人和智能体融合决策的新阶段。
让复杂决策形成推演闭环
决策智能需要回答三个基础问题：人与智能体如何共同决策，AI如何理解并生成复杂决策，以及决策形成后如何预见和检验其可能产生的结果。
围绕这些问题，曾大军介绍了决策智能的整体研究框架：一是研究人与智能体共同参与决策的交互机制；二是利用多智能体等技术，降低复杂人工智能工具的使用门槛；三是构建决策世界模型，让AI形成的方案能够被重新放回复杂场景中推演，并通过对未来演化的预见，反向校验和优化当前决策。
其目标不是简单给出一项建议，而是形成“环境理解—方案生成—路径推演—结果反馈—决策优化”的完整闭环。
在技术层面，智能规划正由符号系统规划、神经系统规划走向神经与符号融合，Transformer与强化学习的结合，也为复杂环境中的策略自主进化提供了新的路径。中国科学院自动化研究所与中科闻歌近年来围绕相关方向持续开展理论、算法与技术体系探索。
曾大军判断，决策智能已经进入系统布局的关键窗口期。谁能率先形成真正好用、管用的框架与工具体系，谁就有可能在下一阶段的技术创新、产业应用和决策范式变革中发挥更强的牵引作用。
徐楠博士：
“通专一体”科学基础模型推动科研范式重塑
赛思极限CEO徐楠博士作主题演讲
随着科学问题日益复杂、科研数据快速增长，传统科研方式面临效率瓶颈，AI for Science正推动科学研究从经验驱动走向数据与模型驱动。
徐楠介绍，当前AI for Science基础模型主要形成三类路径：面向特定科研任务构建专用模型；利用智能体和科研工具增强通用大模型；将蛋白质、DNA等科学对象映射到统一语言空间，形成领域语言模型。
这些路径已经在多个科研场景中展现价值，但在科学机理与数据融合、推理逻辑性和结果可解释性等方面仍面临挑战。
针对这些问题，磐石2.0提出第四条技术路径——“通专一体”。它不是简单为通用大模型外挂科研工具，而是从底层架构出发，将通用知识推理能力与专业科学能力进行原生融合和联合训练，通过一个模型求解不同科学与工程问题。
磐石2.0的基座模型ScienceOne-Omni可以对文本、晶体结构、化学分子、蛋白质、光谱和科学图像等多种科学数据进行统一编码，并将科学规律和专家经验融入训练过程，支持科学数据理解、知识推理、性质预测和结构生成等多类任务。
模型背后，是磐石团队联合中国科学院相关研究所构建的800万条高质量科学推理数据，覆盖200余项科研任务。在60余项专业科研评测中，磐石2.0在多数任务上显著超越Gemini-3.1 Pro、GPT-5.5等通用旗舰模型，并在多项专业任务中领先领域专用模型，展现出“通专一体”科学基础模型的专业能力与泛化水平。
从模型能力走向科研一线
目前，ScienceOne已经在数十家科研单位推广，赋能百余个科研场景。
在力学领域，磐石团队与中国科学院力学研究所联合开发流体高通量计算软件，可以在10秒内输出仿真结果，并将误差控制在5%以内。
在材料领域，团队与中国科学院上海硅酸盐研究所联合构建催化剂材料创制智能体，将材料设计时间从数月缩短至30分钟以内，并成功发现新型催化剂，使催化活性提高38%。
团队还与中国科学技术大学合作，以磐石为底座驱动机器科学家系统，调度文献挖掘、实验设计、机器操作、计算模拟和智算优化等智能体协同运行。目前，该系统已完成462组样品合成表征和千万量级虚拟筛选，并稳定运行超过1500小时。
为打通“数据—计算—推理—实验”全流程闭环，磐石团队联合中科闻歌构建了一体化科研智能平台ScienceOne.ai。目前，平台已接入2000余项MCP，沉淀3000余个可复用科研技能，推动科研模式从“工具辅助”走向“智能体协同科研”。
赵菲菲博士：
Mythos 5深度解析与启示，AI安全至关重要
国科智安总裁赵菲菲博士作主题演讲
随着大模型开始自主发现漏洞、生成攻击代码并推演攻击路径，AI安全正在迎来新的拐点。
赵菲菲以Anthropic最新发布的Mythos 5为例指出，大模型的网络攻防能力正在跨越新的临界点。Mythos 5在代码理解、漏洞发现和复杂推理等方面展现出显著提升，能够在较短时间内扫描大规模开源项目，并发现多个长期未被识别的安全漏洞。
值得关注的是，这些攻击能力并非被直接训练出来。模型最初被用于发现和修复代码漏洞，但当代码理解、逻辑推理和漏洞识别等能力达到一定水平后，可能进一步组合出攻击代码生成、攻击路径推演等能力。
这意味着，过去高度依赖专业人才和长期经验的安全能力，正在被模型化、自动化和规模化。随着大模型和智能体进入更多业务系统，安全风险也将从内容、数据等单一环节，扩展至模型、智能体、工具调用和业务执行全过程。
AI安全从“外部防护”走向“原生能力”
智能体开始具备自主规划、调用工具和执行任务的能力，AI安全不再只是判断模型“说了什么”，还要关注它“想做什么”“调用了什么”以及“最终执行了什么”。
赵菲菲认为，未来的安全体系需要同时覆盖传统信息域与新兴智能域，贯穿数据、模型、智能体和应用全生命周期，并具备用AI发现风险、研判风险和处置风险的能力。AI越强，越需要与之匹配的安全能力，安全也将成为企业AI基础设施的重要组成部分。
面向这一趋势，国科智安正式发布国产化、自主可控的安全大模型——SSAI智盾·中国版Mythos。
SSAI智盾坚持“通专融合”的技术路线，以通用模型为基础，注入安全领域长期积累的专业知识、业务规则和实战经验，构建可持续演化的安全领域动态本体，并通过多智能体协同，将模型能力转化为风险发现、分析研判、策略生成和任务执行的完整闭环。
在架构上，SSAI智盾连接国产通用大模型及开源模型，构建覆盖多模态内容理解、AIGC鉴别、AI攻防和伦理测评等能力的安全模型矩阵，并依托Token Gateway与SSAI Cowork等智能体应用工程，推动安全能力进入真实业务场景。
目前，国科智安已经沉淀1.56T内容安全数据、1000万条网络高质量语料和1.8亿条价值观对齐语料，为模型训练、专业能力增强和安全对齐提供支撑。
赵菲菲表示，SSAI智盾不盲目追求模型尺寸和算力规模，也不将Benchmark排名作为WY目标。一个安全模型是否真正有效，最终要看它能否准确发现风险、理解复杂情境、形成专业判断，并以可控成本进入实际业务。
评论排行