决策 AI 为什么突然火了：从 Jev 和 Decitron 说起

过去两年聊 AI，聊的基本都是“怎么回答”：写一段文案、答一道题、生成一张图，比的都是谁的内容更顺、更快、更像人写的。但最近风向有点变化，圈子里被反复提起的词换成了“决策 AI”，干脆有人喊出了 “Decisions, not strings” 的口号——要决策，不要文本。这个口号来自 Jev，一款由 OpenAI 背景团队 TypeSafe 做出来的模型，短短几天就在技术社区刷了屏。生成式 AI 解决“怎么回答”，决策 AI 要解决的是“怎么选择”，这中间的空白，恰好是大模型火了这么久一直没人认真填的。

Jev 的思路说穿了非常朴素：把决策压缩成一次瞬时判断。传统大模型遇到“客户投诉信用卡重复扣款”这种事，会洋洋洒洒生成一段分析文字，然后由人或程序去读、去理解、去决定下一步。Jev 不来这套，它直接输出一行结构化的结果——比如 Billing 概率 96%、Fraud 概率 3%、Other 概率 1%，程序拿到就能执行。有人管这叫 “AI 版的 if/else”：传统软件里写死的条件分支，升级成基于概率的动态判断，比如“AI 认为是账单问题的概率超过 80%，就自动走退款流程”。快、便宜、稳定，还能直接嵌进现有软件和 Agent 流程，这种工程上的老实劲儿，恰恰是它走红的原因。

同样是决策 AI，今年 6 月中科闻歌发布的 Decitron 走的却是另一条路。如果说 Jev 把决策压缩成当下的一瞬间，Decitron 就把决策展开成一场对未来的推演：先用世界模型搭一个“沙盘”，再把企业、竞争对手、市场各方这些参与者放进去做多智能体推演，最后算出不同选择可能把局面推向哪里。它回答的不是“此刻选什么”，而是“选完之后接下来会发生什么”——企业要不要扩产，对手会不会跟着降价，政策和原材料一变，原来的方案还成立吗。一个做战略和复杂系统决策的“决策大模型第一股”，和一款嵌入软件的轻量判断模型，前后脚出现，很难说是巧合。

把两款产品摆在一起看，共同点其实相当清晰。输出都从“内容”变成了“行动”：Jev 给的是可以直接执行的判断结果，Decitron 给的是对现实的建模和路径比较，而不是一篇关于未来的分析文章。两者也都把不确定性显式地量化了出来，Jev 敢说“我选 A，把握 72%”，Decitron 会推演不同主体在不同行动下可能沿哪几条路径演化。更关键的是，“决策”在它们那里都不再是大模型顺手附赠的能力，而是一个独立的计算范式——输入状态、输出判断是一种，输入现实、建模世界、模拟行动、比较策略是另一种，但“决策本身就是计算对象”这件事，是共通的。

决策 AI 在这个时间点火起来，说到底是生成能力同质化之后的必然位移。当“会生成”逐渐成为所有大模型的基础能力，回答得好不好这件事已经拉开不了差距，行业的注意力自然要往下游走，去找真正决定价值的环节——而商业世界里，价值恰恰是在一个个选择中产生的：要不要转人工、要不要扩产、要不要跟进降价。Jev 和 Decitron 一个压缩、一个展开，路线完全不同，却从两个方向同时指认了同一个事实：生成能力已经不够看了，AI 行业的下一场较量，不只在“会不会说”，而在世界不断变化时，模型到底“会不会选”。