2022年，是疫情的轉折之年，也是很多企業和行業的變革之年。經濟寒冬中，抗風險能力、生產供應柔性、精細化運營等被提升到前所未有的高度，數字化轉型愈加迫切，智能決策成為越來越熱的話題。自救和蟄伏之外，很多企業都在借助智能決策技術破局增長甚至彎道超車，智能決策領域的這一年，是挑戰和突破共存的一年。
挑戰在于，面對復雜多變的國際格局和疫情形勢，企業對自主可控技術的要求越來越高，對技術的經濟效益考量增強，在選擇服務廠商時更加謹慎。突破在于，智能決策的國產化技術再上新臺階，業務應用范圍和方式也持續拓展，智能決策的價值被進一步釋放。
透過2022年的這些動向和改變，我們可以看到，困境并不會讓有價值的技術和企業止步，反而會助推它向更深更遠的地方滲透。智能決策在新邊界的突破，對新場景的賦能，都給2023帶來更多想象和期待。
自上而下加碼，“三花聚頂”催熱智能決策市場
智能決策是隨著數字經濟、工業互聯網等逐漸發展起來的，和前些年互聯網風口中的產業形態不同，智能決策在技術和實踐上都復雜得多，其真正走進大眾視野不過是近幾年的事情。而在2022年這個特殊時期，上自國家政策下到企業戰略，都越來越重視智能決策。
國家政策方面，2022年初，國務院發布的《“十四五”數字經濟發展規劃》強調，有條件的大型企業要形成數據驅動的智能決策能力。8月，科技部發布《關于支持建設新一代人工智能示范應用場景的通知》，明確運用優化決策等技術，實現生產過程等領域的智能決策。
從市場需求上來看，疫情給經濟市場帶來巨大沖擊的同時，也讓更多企業意識到“柔性增長”的重要性，不確定的市場環境倒逼著企業加快轉型升級。同時，消費模式的“千人千面”以及營銷渠道的多元融合，讓產供銷的格局發生變化，生產、供應、營銷等都亟需提升計劃管理的敏捷性，智能決策成為企業數字化轉型的必然選擇。
Gartner發布的《2022年人工智能技術成熟度曲線》報告稱，盡早采用復合型人工智能、決策智能等AI技術將給企業機構帶來明顯的競爭優勢。并指出，在企業機構重構業務流程并增強韌性、適應性和靈活性的過程中，決策智能方法和技術將發揮重要作用，依托多種軟件技術的決策智能市場正快速興起，已開始為決策者提供解決方案。
技術方面，智能決策技術目前已經走向早期成熟的階段，大數據、人工智能、運籌優化等技術融合日益加深，智能決策的技術可行性和應用價值在不同領域都得到了驗證。而且，以阿里、華為、IBM為代表的平臺型廠商，和以杉數科技為代表的垂直型廠商，都在針對不同方向持續推進技術創新，為智能決策的廣泛落地提供源源不斷的動力。
可以說，這一年，政策、技術和市場迎來“三花聚頂”的時刻，智能決策不再是“錦上添花”的選修課，而成為企業數字化道路上無法繞過的必選題。2022年，領先企業沒有因為疫情影響放慢改革步伐，智能決策市場依然呈現較大的增長態勢。據愛分析推算，2022年中國智能決策市場規模為87.7億元人民幣，同比增速為28.0%。在這個增長數字背后，蘊藏著哪些改變？又將給未來發展帶來怎樣的指引和啟示？。
技術之變：國產化技術更上層樓，服務廠商百花齊放
在我們看來，智能決策主要包括三個階段，每個階段都關聯著不同的核心技術。第一階段是數據描述階段，即數據采集和管理，主要涉及數據處理相關技術；第二階段是通過數據進行規律分析，即利用機器學習和統計學技術了解事物背后的原因和規律，并對未來做出預測；第三階段是建模和求解決策，涉及到機器學習和運籌優化等技術。
當前，數據處理技術已經沒有太大的壁壘，智能決策正處于發展的第二、三階段，運籌優化和機器學習是兩類關鍵技術。2022年，運籌優化和機器學習技術都實現了不同程度的突破，其中，國內運籌優化技術的成績非常亮眼。
運籌優化的核心技術是求解器，近幾年剛剛發展起來，由于研發壁壘較高，目前國內研究的企業和機構都很少。在智能決策賽道上，杉數科技是少數具備底層求解器技術自研能力的服務廠商。2022年。杉數求解器COPT實現了三次重磅升級，使得國產求解器的各項求解性能上都已經比肩甚至超越國際先進的求解器。目前，COPT求解器同時具備大規模混合整數規劃、線性規劃（單純形法和內點法）、半定規劃、（混合整數）二階錐規劃以及（混合整數）凸二次規劃和（混合整數）凸二次約束規劃問題求解能力，為中國智能決策技術的廣泛應用提供了強勁的底層技術支撐。
機器學習技術，主要是通過強化學習、深度學習等算法實現預測，其與整體AI技術的發展水平相關，2022年各個服務廠商都在不同程度地加大機器學習與智能決策的融合創新，從算法、模型等層面提升智能決策的速度和質量。
技術前進的一小步，映射到各行各業的無限場景中，帶來的都是巨大的變化。舉例來說，求解器求解性能的提升，可以提高企業決策效率和質量，進而帶來成本降低或收益增加，比如，上汽通用基于求解器COPT構建整車排產系統提升入場運輸效率，結合各路線/供應商結算模式，預計年化收益達數百萬。在數字化的浪潮下，技術創新永無止境，相信隨著不同技術的疊加效應逐漸顯現，智能決策會釋放出更大的潛能。
在智能決策賽道上，因為技術路徑不同，不同服務廠商的服務場景也各有差異，應用版圖呈現出百花齊放的特點。具體來看，偏重于機器學習類的廠商，主要服務于預測類業務場景，偏重于運籌優化技術的廠商，對于資源調度類問題更加游刃有余，而能夠將機器學習和運籌優化技術深度融合的廠商，無論是現在還是未來，都將占據更大的領先優勢。
應用之變：大型企業加速決策升級，場景滲透加劇
技術的進步有賴于科研水平的發展，同時也需要在商業場景中的千錘百煉，大型企業由于數據基礎更深厚，成為智能決策實踐的引領者。2022年，很多大型企業在推進數字化建設時，都著重加強數據驅動決策，在城市基礎設施建設方面，智能決策也成為打造智能化和精細化運營模式的關鍵力量，各服務廠商則在不同領域各顯神通。
根據《2022愛分析·智能決策廠商全景報告》顯示，各智能決策廠商的服務范圍已經覆蓋包括工業制造、消費零售、金融、能源、航空等十多個行業。從整體情況來看，工業制造、消費零售和金融行業是服務廠商較為集中的領域，能源電力、軌道交通等領域由于場景更為復雜、技術壁壘更高，服務廠商相對較少。其中，杉數科技是少有的業務范圍覆蓋幾乎所有行業的服務廠商，這顯示了其綜合技術和解決方案能力。而從杉數科技的應用實踐中，我們也可以簡單了解過去一年市場的應用情況。
在服務模式上，杉數科技一方面將求解器COPT作為一種通用的智能化工具，接入不同企業和機構的數智化系統和平臺，實現底層求解“芯片”的國產化替代，發揮國產求解器的普惠價值。另一方面，以求解器為核心技術引擎，為企業機構提供不同場景的全套解決方案，幫助企業實現從數據到決策的升級。2022年，其在零售消費、工業制造、能源電力、軌道交通等領域都成功落地了多個項目，業務范圍和市場規模都在進一步擴大。
比如，零售消費領域，杉數科技為伽藍集團打造的智慧供應鏈平臺成功落地，該平臺打破了伽藍集團原有計劃的孤立性，實現在“一盤貨”模式下讓數據變現，幫助伽藍建立動態可調整的庫存水位，充分釋放“一盤貨”勢能，極大地提升了計劃的高效敏捷性，滿足市場碎片化需求，為伽藍構建堅實的企業競爭壁壘。
工業制造領域，杉數科技與上汽通用打造的整車數字化排產系統在凱迪拉克工廠上線使用，并榮獲2022 IDC中國未來企業大獎優秀案例獲獎。該系統助力上汽通用凱迪拉克工廠實現更精準、更高效、更均衡的排產目標，實現了精細化的物料拉動，降低了物流成本，為上汽通用帶來了可觀收益，更為上汽通用實現整車廠、零部件供應商、物流運作服務商與經銷商多方高效協作，建立“共擔、共享、共贏”的數字化新生態奠定了重要基礎。
能源電力領域，杉數科技協力南方電網打造的電力市場出清引擎成功上線，在南方區域電力市場啟動試運行，通過設計出清計算差異化算法，對電力現貨市場原出清模型進行深度定制化改造，顯著提升了現貨市場出清計算效率，實現機組出力分配最優化，促進電力現貨交易的供需平衡，有效降低了平均發電成本，提升了整體運營效率和效益。
軌道交通領域，上海地鐵與杉數科技基于智能決策技術打造的全壽命智能檢修計劃排程系統在上海地鐵投入使用，系統以更智能、更精細、更敏捷的決策助力車輛檢修精益化，推動了檢修模式的全面升級，為上海軌道交通智能運維系統達到國際領先水平提供了有力支撐。
智能決策技術在不同領域的落地開花，讓我們看到智能決策發展的更多可能，而領先企業的成功實踐，也讓他們更早地享受到智能決策的紅利。疫情的反復無常，帶給市場諸多壓力和沖擊，這種時候往往也是企業實現彎道超車的機會。在智能決策應用上的率先試水，讓大型企業在面對疫情時有了更靈活的選擇，也為他們在疫情后持續增長積蓄了更多力量。
整體來看，智能決策技術的滲透力在2022年變得更加強大。供給側，越來越多的服務廠商進入到不同的領域和場景，去挖掘數據的價值，去激發產業的活力。需求端，越來越多的企業和機構不僅將智能決策寫進戰略規劃，也開始推動智能決策落地，在不同業務場景實現管理運營升級。
站在經濟復蘇的新起點，智能決策領域將有哪些新期待？
以上在技術和應用上的變化，放大到整個時代看，可能并不顯眼，但對于數字化轉型而言，這些改變將為企業突破經營瓶頸帶來新的動能和參考。如果說過去企業數字化轉型更關注的是數據平臺建設，那么接下來，如何從決策角度進一步激發數據價值將成為重點方向。
對于迫切想要推進數字化轉型的企業來說，既要在頂層設計上充分認識智能決策的價值，將其融入數字化進程的不同階段中，也要持續夯實數據基礎，選對方向、用對方法，真正讓技術在場景中釋放生產力。
對于各類服務廠商而言，三年疫情加強了企業對智能決策的重視，2023將迎來一個加速增長的時期，但這并不意味著輕易就可以吃到“蛋糕”。智能決策技術創新與場景融合之難，依然是該領域的關鍵困境所在，落到實際的業務和舉措上，就是如何兼顧技術升級和商業價值的提升。由于各個廠商的技術、資源、解決方案和服務模式都不同，對業務的促進作用也各有差異，2023年必將還是競爭激烈的一年。
技術層面，無論是深度學習還是運籌優化技術，國產化仍然是大趨勢。當前國際格局下，安全、自主、可靠成為企業數字化轉型過程中不得不考慮的因素。因此，在國產化技術方面有優勢的服務廠商擁有更多的機會。另外，機器學習和運籌優化的融合發展，將進一步延伸智能決策技術的應用邊界，各服務廠商的技術比拼將更加激烈，構建自己的技術壁壘才能夠走得更快更遠。
應用層面，智能決策落地不是技術“嫁接”，它需要扎根場景，從數據、模型等多個層面打通業務邏輯，才能從本質上解決業務問題，進而帶來效率和效益提升，這就非常考驗服務廠商的KnowHow能力和深耕的決心。同時，隨著賽道上的競跑者越來越多，服務廠商需建立可快速規?；涞氐臉I務模式，加快市場擴張速度，畢竟，市場和時間是不等人的。
站在2023的新起點，領先廠商們可能已經厲兵秣馬，準備搶占先機，而過去沉淀下來的所有經驗和優勢，都將成為他們繼續突破的原動力。比如，杉數科技在國產求解器上的獨特優勢，將為其擴展市場提供強勁的增長動力，而憑借顯著業務效果積累的一大批高粘性客戶，也是其后續擴展業務邊界和市場的重要資源，同時，基于不同的業務場景構建的標準化基礎模型庫，可迅速在類似場景中快速推廣復用，為產品規?；瘧么蚝昧饲皯稹?/p>
從具體實踐路徑來看，由于智能決策可以惠及的業務領域及場景非常廣泛復雜，很難實現“一刀切”式的大躍進，由點到面的逐步推進其在企業和行業落地，比較符合數字化的演進規律，具有扎實技術基礎和業務模式的企業，有望在2023年迎來新一輪的爆發。
眼光放長來看，智能決策的下沉和推進是一場綜合技術和耐力的馬拉松，國內目前剛剛跑出五公里，挑戰和機會都還很多，未來還有很長的路要走。IDC預計，到2025年，超過60%的中國企業將把人類專業知識與人工智能、機器學習、NLP和模式識別相結合，做智能預測與決策，以增強整個企業的遠見卓識，并使員工的工作效率和生產力提高25%。而2023年作為第一個過渡期，注定是充滿驚喜和期待的一年。歷經洗禮之后，各行各業都將迎來復蘇和轉機，智能決策技術將在新的商業變革中煥發出更強的活力。
