首頁 > 產業 > 正文

視焦點訊！從求解器到行業智能決策，杉數尋求“最優解” | ToB產業觀察

2023-04-11 11:49:13來源：鈦媒體  

圖片來源：視覺中國

每個數字化階段都對應著一套不同的技術體系，從自動化到信息化再到智能化，很難用一個階段的體系解決另外一個階段的問題。

現階段，數字化浪潮下，企業經營進入全新拐點，通過數字化驅動供應鏈精益運營，實現精細化管理，成為企業審時度勢，調整經營思路，應對不確定性的關鍵能力。


(資料圖片僅供參考)

數據逐漸完備，模型漸趨復雜，如何搭建從數據到決策的橋梁，實現智能決策？在企業數字化深度轉型新階段的迫切需求下，作為智能決策的核心技術引擎，求解器開始為更多企業所知。

隱形計算“芯片”

在中國每天有超過10000個航班起降，地鐵僅北京每天開行就超10000列，物流領域每天有上億件包裹被運輸，2021年全國發電量超多8萬億千瓦時。在諸如此類極其復雜的運營場景中，背后都有一個隱形計算“芯片”——求解器，在大規模現實問題中，給定模型和數據，它可以快速找出問題的最優解，解決千頭萬緒的資源調度優化問題，在現實生產生活中具有重要價值和意義。

以北京四號線-大興線地鐵為例，這條線路地鐵客運量排在全國前10名，早高峰發車密度小于兩分鐘一班，最短時間能達到1分43秒一班。在地鐵運營中，只要是小于兩分鐘，其信號系統就要承擔非常大的壓力。由于列車需要保持安全的運行間距，在發車間隔時間短的情況下，諸如高峰期乘客擁擠導致車門關不上等原因，就會導致某一列地鐵不能按時發車，進而產生多米諾骨牌效應，造成整條線路運行延誤。對地鐵運營方而言，不僅需要制定合理的列車排班，還需要具備預測并應對動態高峰客流的能力。

此外，基于列車排班還要進行乘務排班。據四號線-大興線地鐵的運營方京港地鐵介紹，通過梳理發現乘務排班有80個約束條件，其中包含69個硬約束跟11個軟約束，如此復雜的約束條件下，即便是非常有經驗的排班經理都需要耗費大量時間去反復對排班模型和計劃進行推論論證驗算。

而今年，京港地鐵有了新的幫手——針對地鐵運營管理中列車運行、排班等決策優化場景，通過杉數科技的運籌優化算法+高性能求解器，大幅了提升決策智能化程度及運營效率。

“整個地鐵運營管理確實是環環相扣，智慧城軌的最大價值之一是在于互動的平臺數字管理理念，從單一項目管理決策輔助，擴大到運營體系互動互通的決策優化。”京港地鐵CIO賀贊賢說，杉數科技智能決策算法平臺，未來有望能為城軌運營提供從客流預測，到排車排人、排修等一系列的決策鏈路上優化賦能，達成智慧城軌建設的使命，為乘客及城市提供更優質的出行體驗。

“智能決策是數字化的終極目標和最終的原動力。”杉數科技聯合創始人&CEO羅小渠說。從2016年成立，杉數科技就提出“智能決策”，此后也一直圍繞這個目標不斷進行技術升級。

3月30日，杉數科技正式公布了核心技術引擎COPT求解器6.5版。在公布的前一天，國際權威測試榜單ASU教授Hans Mittelmann測試平臺最新數據顯示，杉數優化求解器COPT6.5在近20多個模塊測試中獲得5項第一和5項第二的優異成績。

其中，線性規劃領域，COPT6.5在求最優頂點解和求最優數值解兩個模塊上均取得世界第一的成績。值得一提的是，杉數從2019年5月份發布第一版線性求解器開始，COPT求解器在線性規劃模塊至少75%以上時間位列榜單第一。作為在現實中最常用的整數規劃，杉數優化求解器COPT取得了世界第二，同時COPT也是整數規劃榜單上唯一的國產求解器。

此次COPT6.5還新增加了函數回調Callback功能。該功能可以幫助用戶在求解一些復雜問題，使用整數規劃建模時，反復調用函數計算求解。

“雖然在一些線性和非線性的模塊杉數跟榜單上的其他企業一樣或者比它們更好，但整數規劃模塊還存在差距。“這一模塊極端重要，占了80%的場景，我們必須做到跟最先進的企業性能一樣或者比它更好。”杉數科技聯合創始人&CSO 葛冬冬坦言，未來將繼續降低整數規劃模塊求解速度上跟歐美企業的差距。

但在技術比拼之外，求解器跟模型之間的配合也極其關鍵。

例如杉數早期跟國內一家頂級ICT廠商合作時，技術上跟國際水平差距還很大，但最后計算的效果超過了技術性最好的Gurobi，“這種超越并不是在短短幾個月里面求解器有一個巨大的飛躍，其實是綜合性的模型優化，求解器定制化的開發能力達到的綜合效果超過了它，這是非常關鍵的。”羅小渠說，“美國求解器不會幫國內企業干這個事情，這就是我們服務國內企業時一個很大的優勢。作為國產求解器，我們可以打破這個技術壁壘，讓企業一起來看怎么更好優化。”

從標準工具到行業解決方案

與COPT6.5一起公布的，還有兩款新產品：面向零售快消的決策優化產品計劃宇宙（Planiverse）與面向工業制造的決策優化產品數弈（LibraMind）。

杉數科技聯合創始人&CPO王曦表示，在幫助企業數字化轉型的近七年來，杉數發現，零售快消企業與工業制造企業各自面臨的經營需求都具有高度普適性。例如，消費場景下，零售快消企業普遍亟待解決長/短周期、不同顆粒度下的需求計劃（包括新品計劃）、庫存計劃、補貨計劃、動態定價等一系列供應鏈計劃難題；工業場景下，制造企業則希望打造不同交付模式下、多工廠生產調度系統與柔性生產等經營系統，以解決最優生產計劃、多工廠協同、物料齊套等難題，實現最優產線產能規劃、產供銷協同優化、危機場景精確快速響應以及最優化能耗策略等。

計劃宇宙(Planiverse)—消費智能運營決策優化平臺：基于新一代智能決策技術幫助企業構建預測-優化-模擬-協同的供應鏈計劃分析決策閉環，精準感知需求，敏捷響應變化，智能輔助決策，驅動當下業務增長，賦能未來發展變革。計劃宇宙可有效助力企業實現精細化、一體化、差異化運營管理。具體來說，場景細分保障供應鏈計劃精準可落地；從計劃視角查看未來供應鏈計劃總體狀態；協同差異，拒絕“one-number-plan”。

杉數數弈(LibraMind)—工業智能制造決策優化平臺：以新一代智能決策技術直面復雜決策難題，統籌全業務要素，高效求解，全局優化，構建工業制造“決策大腦”，打破企業數智化轉型核心壁壘，實現從“制造”到“智造”的跨越。杉數數弈能夠幫助企業實現前瞻性規劃、高柔性響應意見多目標優化。具體來說，從長周期產能產線規劃，到短周期經營目標分解，全面保障生產經營效益；以靈活的策略組合拼接驅動柔性制造，快速應對變局；從財務目標到工序工藝，從元素平衡到節能減排，多目標協同優化。

目前這兩款智能決策優化新產品已經在美妝日化、食品飲料、生物醫藥、汽車制造、航空軌交、3C電子、化工等數十個行業數百家知名頭部企業落地應用，并在收益及成本端的取得了顯著成果。

“兩個新產品本身都是長在COPT引擎上的，COPT也有一些新的算法引擎開始慢慢地冒出來，就像一棵大樹向上生長分杈。本質上是從求解器和需求兩端在往中間搭橋。”羅小渠說，但杉數的目標絕對不是簡單的發一堆應用產品，最終會完成一個大的框架，或者是一個計算環境，能夠把所有產品全部整合在一起。

在智能制造和零售快消之后，下一個場景會是哪里？羅小渠坦言，作為創業公司，資源比較有限，在選擇行業和場景的時候會從機會、成本等很多維度去做判斷，會傾向選擇行業數字化領先、規范度高、配合度高的場景或領域。

在標準化和定制化之間

從目前國際上領先的三家商用求解器公司Gurobi、Fico、IBM來看，它們分別代表了三種完全不同的商業模式：全球范圍內技術性最好的Gurobi只做求解器這一個工具軟件，沒有定制化，幾乎不做服務，具體到建模的服務要么客戶自己去做，要么第三方公司去做；Fico則是在求解器的基礎之上，同時也做應用軟件，但主要以金融行業為主要的服務目標，圍繞這個行業把整個產品和服務一起構建的比較完整；第三種是IBM，是一個巨無霸——求解器只是它整個完善的底層技術里的一部分，這個計算體系上有各類行業性產品，產品上有咨詢和服務體系。這三種模式也代表了所有技術產品的商業化路徑。

以杉數科技的產品路徑來看，其選擇的是類似于IBM的思路：“引擎+產品+服務”。

選擇這個方式的原因跟中國的市場環境有關系。“中國頭部企業里對服務的要求是非常高的，它并不是簡單買一個標準化工具，這是之前頭部企業在購買和使用上非常大的痛點。”羅小渠介紹說，服務這種大型企業時定制化是不可避免的，企業有很強的溢價權流程也很長，幾乎不存在簡單的賣標品的情況。

在杉數創立之前，很多大型央國企都是跟IBM這樣的國外大企業合作，但這些企業服務的并不好——中國市場的采購量只占其全球銷售額的幾個點，這么小的比例不可能在中國投入優質的服務資源、產品資源。

但定制化的問題就是需要投入大量人力、財力、物力，定制化產品服務和標準化工具之間，杉數如何平衡？羅小渠的答案是“模塊化”。

“我們對未來有一個預期，有點像預制件工廠，東西造出來可以自己組裝也可以交由第三方組裝，但最核心的能力是放在預制件的打造上。”羅小渠說，就像提供一個積木盒子，客戶可以自行搭建，這樣效率相對來說比較高，也是杉數科技在摸索的一條重要路徑。

在過去近七年時間里，杉數科技并沒有簡單的追求商業化。依托COPT求解器技術平臺，杉數服務了中國數十個細分行業中的數百家頭部企業，從計算的視角重新審視需求邏輯，探索新一代管理軟件的邏輯和架構，推動中國產業運營方式的根本性轉變。

“做難而正確的事。”面對正在發生的大變局，作為產業與技術的連接者，作為國內為數不多的真正意義上的國產自研商用優化求解器，杉數選擇迎難而上。

關鍵詞：

責任編輯：hnmd003

相關閱讀

推薦閱讀