当AI不再「夸夸其谈」：决策模型爆红，物理世界需要端侧「快判断」

9月中旬，一家名为TypeSafeAI的初创企业推出了名为Jev的模型。这款模型不会撰写文章，不会进行对话，甚至不会生成任何完整的句子。它的功能只有一个：将输入内容归类到预设选项中，输出一个“是/否”的判断、一个评分或一个概率。正是这样一款“不善言辞”的模型，上线数周后用户数突破百万，财富500强企业中约有三分之一开始使用它，并且在24天内，其估值从大约2亿美元飙升至75亿美元。

这一现象催生了一个迅速被行业认可的新品类名称：决策模型。OpenAI在两周内跟进发布了Decisions API，AWS、微软和Cloudflare也相继入局，不到一个月内就涌现出十多款同类产品。决策模型的快速崛起，反映出人工智能产业正经历一项重大转变：对模型的价值评估，正从内容生成质量延伸至决策的准确性、响应速度以及执行成本。

OmAI联汇CEO兼首席科学家赵天成指出，许多场景并不需要夸夸其谈的内容生成，而是需要一系列连续、快速且可量化的决策。“大语言模型确实也能处理很多决策任务，但决策模型是一种快速模型，它将全部能力和精力聚焦于可度量、可验证的决策上。决策模型切入的，正是另一类场景：这里需要的不是一段生成的内容，而是一个可以直接使用的判断——快速、低成本、并能在端侧运行。”

“决策的质量与成本”，这正是决策模型的产业逻辑出发点。

决策模型，AI进入深水区后的“快思考”补位

事实上，过去一年企业AI的叙事已明显转变：前两年大家比拼的是“模型会不会写、会不会答”，现在云厂商、SaaS厂商和办公平台纷纷将AI Agent、智能体、智能决策嵌入CRM、ERP、供应链和办公流程中。产业信号高度一致：AI正从内容生成工具，演变为能够进入业务流程、直接产出经营结果的“决策基础设施”。

Jev的输出路径并非文本，而是类型化的值：是或否、选项编号、校准后的概率分数。应用程序拿到这些结果后可以直接使用，无需中间解析环节。代价是它“不会说话”，但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；在微软的演示中，同一个分类路由请求，决策模型在182毫秒内返回结果，而大模型则用了6.4秒。这不仅仅是“稍微快一点”，而是将决策从“以秒计”拉回到“以毫秒计”，降低了高频连续决策链条的时延门槛，使其更容易融入实际业务流程。

决策模型的价值在于推动AI模型形成更清晰的能力分工。通用大模型继续负责复杂推理、内容生成以及需要开放答案的任务；决策模型则负责Agent工作流中那些答案空间有限、调用量大、且必须快速稳定的判断节点。决策模型不会取代大模型，但它将“决策”从“生成”的范畴中切割出来，使得这类模型的决策质量、响应速度和调用成本能够围绕具体任务进行更独立、明确的评估与优化。

“在实际的智能应用中，不同决策的难度各不相同，不能一概而论。就像解决哥德巴赫猜想和日常做客服分类问题，理论上消耗的脑力完全不同。”赵天成说道，“但现在大语言模型进行推理时，成本开销却是相同的。”

这也解释了为何企业端的采用速度如此之快。过去两年，大量企业场景被套上生成式的外壳，本质上却是在做决策相关的事情：工单路由、风险分级、流程审批、库存判断、Agent动作选择。生成式只是一种手段，决策才是最终目的。当手段的成本和延迟远超目的本身所需时，市场迟早会要求将手段与目的重新对齐。决策模型所做的正是这件事：让模型聚焦于它该做的事情上，即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。

“决策模型出现时，公司整个团队的第一反应是非常振奋。”赵天成表示，过去五年OmAI联汇所做的许多工作，本质上就是决策模型所做的事情，只是在TypeSafe AI提出决策模型这一概念之前，没有一个统一的名称将它们归纳起来。

当一个行业开始用“快”和“可度量”来定义一个模型品类，而不是用“写得像不像人”来衡量一切时，说明它终于进入了深水区。深水区里，用户需要的不是夸夸其谈，而是一系列连续、及时且负担得起的判断。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、无人机等物理设备时，仅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是，在明确的任务和约束下快速做出可执行的判断；区别在于，数字工作流主要依据已有信息完成判断与操作，而物理世界则需要模型持续感知动态环境，结合任务目标、空间状态及执行反馈实时调整决策。由此，决策从一次性的结果输出，演变为贯穿感知、理解与行动全过程的连续智能活动，对响应速度、判断准确性及执行可靠性提出了更高要求。判断窗口可能从秒级压缩至百毫秒级，错误代价也从简单的结果偏差上升为真实的物理世界风险。

具体而言，物理世界的第一道门槛：输入变了。

在软件工作流中，决策模型的输入是一段用户评论、一张表单、一条工单——本质上仍是文本窗口。但物理世界的输入是：三路摄像头实时视频流、机器人本体姿态参数、自然语言指令同时涌入，动态、流式、多模态交织。

第二道门槛：错误代价变了。

数字空间中的决策错误，可以修改后重来；机器人决策错误，可能导致鸡蛋被夹碎，或无人机炸机。这是生与死的区别，而不仅仅是答案判错那么简单。代价的严肃性催生了第三个要求：预判能力。当前的决策模型进行的是单步判断：这一轮是对还是错。但物理世界需要往后思考两三步：刹车必须提前踩下，等到看见墙再决策已经来不及。

这些变化指向了同一个结论：物理世界的决策模型必然走向“端侧原生的流式多模态”这一路径。而“端侧原生的流式多模态”，是OmAI联汇在今年上半年于业界首次提出的概念，它追求：端侧原生、流式感知、快速决策。

物理世界的场景多以端侧多模态模型为核心，面向高并发、实时、流式、主动式的场景，必然需要快速响应机制。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

如果说前两部分回答的是“决策模型为什么火”以及“物理世界需要什么样的决策模型”，那么OmAI联汇的答案并不在概念里，而在于它已经铺开的VLX矩阵中。同时，VLX矩阵提供了一个更值得产业观察的样本：它不是单点模型，而是一套围绕物理世界实时决策展开的体系化能力。

回顾OmAI联汇近年来的发展，早在2021年，它就已推出国内较早的视觉语言大模型之一，并获得了工信部首张多模态模型认证（OmModel 001号）。这意味着，在多数人还将多模态视为概念时，联汇已进入了模型能力的正式认证体系。

2025年2月，OmAI联汇开源了VLM-R1，这是全球首个将GRPO强化学习方法从纯文本迁移到视觉语言领域的框架。这一步骤的关键在于，它将“强化学习+视觉语言”的工程路径公开给了社区，表明联汇在视觉语言模型上的积累并非封闭演示，而是能够应用于生态的方法论输出。

到2026年上半年，OmAI联汇在业界首次提出了“端侧原生的流式多模态”概念。目前，VLX矩阵已形成四层能力：VLX-Flow负责持续感知，回答视频流中正在发生什么、是否需要关注；VLX-Seek负责精准定位，回答目标在哪里、要找的物品或区域是哪一个；VLX-VR负责视频推理，回答事件何时发生、前因后果以及视频证据是什么；VLX-Go负责行动导航，回答下一步应前往、关注或执行什么任务目标。

这四层并非四个孤立的模型，而是在同一条视频流上共享基座、统一数据格式、打通推理链路的能力层。这是一套面向物理AI打通的端侧产品体系。事实上，现有的VLX模型已在上述能力中具备了不同层次的判断与决策能力。即将推出的决策模型，并非在原有体系之外增加一个孤立模块，而是面向物理世界高频、连续、实时的决策需求，对环境状态理解、任务判断、决策输出及响应效率进行进一步优化，推动模型从感知、理解到决策与行动形成更加紧密的智能闭环。

值得注意的是，技术路线是否成立，最终要看它是否进入真实设备、真实场景和真实工作流。联汇的答案不是单点演示，而是一组已经铺开的商业化落点。

在低空场景中，OttoPlex御行智飞低空具身智能平台采用VLX-Seek 0.6B端侧版本，为低空巡检任务提供基于自然语言描述的目标与区域定位能力；定位结果并非停留在模型输出中，而是可供飞手、上层任务系统或后续工作流进一步处理。

在无人机方面，公安、海事、自然资源、园区、应急、救援等低空场景已实现商用落地；在机器人方面，云深处、宇树等具身头部企业的设备已部署；在安防方面，已完成百万级摄像头的商业化服务接入；在可穿戴设备方面，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国产芯片适配已经完成，苹果、联想、惠普、英伟达四大AI PC品牌端侧也已接入。这些跨场景、跨芯片、跨终端的商业化实践，不仅验证了OmAI联汇模型的工程化部署与场景适配能力，也为其进一步发展面向物理世界的实时决策模型提供了真实应用基础。

这一演进也意味着，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，进一步走向面向物理世界的专门化实时决策能力。

在OmAI联汇的测算中，端侧可以实现0.1秒级响应，而云端往往需要5秒以上，两者相差约50倍。同时，端侧模型能够直接处理实时视觉信息，减少数据传输与信息转换带来的延迟及信息损失。再加上隐私与可用性——在部分安防、工业、低空和应急任务中，数据本地处理与断网可用，是重要的部署要求。成本上，端侧部署成本可降低一个数量级，实时性提升数倍，且国产芯片即可运行，这让人工智能从“演示阶段”进入“量产阶段”的拐点有可能提前到来。

但端侧并不意味着放弃云端。赵天成对终局的判断是分层的：“我认为后面其实就是端云协同。慢思考的部分在云端运行，所有快思考、所有快速决策，全部在端侧运行。我们在许多产品中就是这么使用的，最终结果比纯端或纯云都要好。这个路径我们已经验证通了。”

对于物理AI而言，决策模型的价值最终需要在真实设备与实际任务中得到验证：能否在有限时间内做出可靠判断，并将持续感知、空间理解与行动执行有效衔接。随着人工智能从内容生成走向自主决策与实际任务执行，决策的准确性、响应速度与运行成本，正成为衡量模型实际应用价值的重要标准。

真正值得关注的，不再只是模型能够生成怎样的答案，而是能否在持续变化的真实环境中，更快、更准确、更低成本地做出判断。OmAI联汇长期积累的端侧原生流式多模态技术，以及在无人机、机器人等场景中的商业化实践，为其进一步拓展物理AI实时决策能力奠定了基础。

从持续感知、空间理解到行动规划，OmAI联汇已建立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，将如何进一步打通感知、判断与行动之间的智能闭环，又将为无人机、机器人等动态智能终端带来怎样的能力升级？

随着11月发布节点临近，OmAI联汇即将亮相的端侧多模态决策模型，究竟将为物理世界的实时决策带来怎样的突破？答案值得期待。