9月中旬，初创企业TypeSafeAI推出了一款名为Jev的模型。该模型不擅长写作、不参与对话，甚至无法输出完整的句子。它的唯一功能是：将输入内容归类到预设选项中，返回一个“是/否”结果、评分或概率。这款“不善言辞”的模型上线仅数周，用户量便突破百万，约三分之一的世界500强企业开始使用它，在24天内，其估值从约2亿美元飙升至75亿美元。
这催生了一个迅速被行业认可的新品类：决策模型。OpenAI在两周内跟进推出了Decisions API，AWS、微软、Cloudflare也相继加入，不到一个月内，市场上涌现出十余款类似产品。决策模型的快速崛起，反映出人工智能行业正在经历一项关键转变：模型的价值评估，正从内容生成的质量，进一步扩展到决策的准确性、响应速度和执行成本。
OmAI联汇CEO兼首席科学家赵天成指出，许多场景不需要冗长地生成内容，而是需要一系列连续、快速、可测量的决策。“大语言模型也能做出许多决策，**但决策模型是快速模型，将所有能力和精力集中于可测量、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，而是一个直接可用的判断——快速、低成本、可在终端运行。”
“决策的质量与成本”，这正是决策模型的产业逻辑基础。
决策模型，AI进入深水区后的“快思考”补充
实际上，过去一年企业AI的叙事已明显变化：前两年大家比较的是“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。产业信号高度一致：AI正从内容生成工具，转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的输出路径不是文本，而是类型化的值：是/否、选项编号、校准后的概率分数。应用程序可直接使用这些结果，无需中间解析。代价是它“不会说话”，但收益是端到端延迟被压缩到70至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、内容生成和需要开放式答案的任务；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”的范畴中分离出来，使这类模型的决策质量、响应速度和调用成本，能够围绕具体任务得到更独立、明确的评估与优化。
“在实际的智能应用中，不同决策的难度不同，不能一视同仁。就像解决哥德巴赫猜想，与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，“但目前大语言模型推理时，成本开销是一样的。”
这也解释了为什么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，但本质上在做决策的事情：工单路由、风险分级、流程审批、库存判断、Agent动作选择。生成式只是一个手段，决策才是目的。当手段的成本和延迟远超目的所需时，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：**让模型专注于它该做的事——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。
“决策模型出现后，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联汇所做的许多事情，本质上就是决策模型所做的事情，只是在TypeSafe AI提出决策模型概念之前，没有一个统一的名称将它们归纳为决策模型。
当一个行业开始用“快”和“可测量”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、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。因此，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。
数字空间决策错了，可以修改重来；机器人决策错了，可能是鸡蛋被夹碎，也可能是无人机坠毁。这是生与死的区别，而不是简单一个答案判错的区别。代价的严重性倒逼出第三个要求：预判能力。当前决策模型做的是单步判断：这一轮对还是不对。但物理世界需要往后想两三步：刹车必须提前踩，等到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”和“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：它不是一个单点模型，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把多模态当作概念时，联汇已经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、前因后果和视频证据是什么；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。
四层并非四个孤立模型，而是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VLX模型已在上述能力中具备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，最终要看它有没有进入真实设备、真实场景和真实工作流。**联汇的答案不是单点Demo，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；定位结果并不停留在模型输出中，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国产芯片适配已完成，苹果、联想、惠普、英伟达四大AI PC品牌已实现端侧接入。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，差距约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，国产芯片即可运行，这**让具身智能从“Demo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：“我觉得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样使用的，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联汇已经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。
