- 人工智能
以数据驱动业务决策，已成为现代企业的共识。但在实际执行过程中，由于业务决策的复杂程度不同，数据应用的深度差异很大。
2016年成立的杉数科技，将自己定义为人工智能决策公司，基于运筹优化算法和复杂决策模型求解技术，专注为企业解决复杂业务场景的决策问题，实现从数据到决策的闭环。过去两年多的时间里，杉数科技服务了京东、滴滴、德邦、顺丰、万达、永辉等巨头企业，实力可见一斑。
运筹优化求解是核心技术壁垒
解决海量数据环境下的复杂业务决策问题，需要对商业问题进行建模和求解，主要用到的数据分析技术是机器学习和运筹优化。机器学习主要实现模型的构建，也是人工智能领域较为通用的技术。杉数科技更核心的技术壁垒，在于运筹优化求解，也是实现从数据分析到决策的关键一环。
杉数科技在运筹优化求解方面的技术优势，源于一支顶尖的数据与决策科学家团队。杉数科技的四位联合创始人罗小渠、葛冬冬、王子卓、王曦都是斯坦福大学博士，背后还有十余位海内外知名大学教授组成的专家团队，并在产业届有丰富实践经验。今年，由杉数科技主导的国内首个华人开发的商用数学规划求解器 Cardinal Solver 即将搭建完成。
相比机器学习等数据分析技术，运筹优化相关理论和技术在中国的应用还不成熟。正是基于这样的环境和技术实力，杉数科技得以征服技术实力较强的巨头企业，与客户的自有技术团队共同推进解决方案的研发与落地。
聚焦三大行业，未来客群下沉服务更多企业
在应用场景选择上，杉数科技主要聚焦零售、物流、制造三大行业，提供一系列解决方案，包括库存优化与补货管理、仓储设计与仓内管理、运输决策优化、网络优化与选址、收益管理与智能定价、生产智能排产排程等。这些应用场景，核心都是在复杂变量约束和海量数据的基础上获得全局最优的方案。
现阶段，杉数科技主要服务的是京东、滴滴、顺丰这类行业头部客户，根据客户业务需求，以项目制的形式提供定制化的落地解决方案，客单价在数百万元级别。
作为初创企业，一开始就能服务头部客户，对于验证技术能力、积累行业经验和树立品牌影响力等各方面都很有好处，在收入层面也能保证较好的现金流。
但从长期来看，项目制、定制化的业务模式存在依靠人头的弊端，另一方面，杉数科技也希望能服务更多下沉客群。因此，杉数科技正在把解决方案打造成更标准化的产品，以降低服务客户的边际成本，并实现客群的下沉，用运筹优化算法赋能更多大中型企业。
在产品化方面，杉数科技打造了杉数智慧链™底层技术平台，将部分通用算法固定成模块化和产品化解决方案，以SaaS模式服务客户。其中，智慧运输决策系统小马驾驾（PonyPlus）等通用性较强的解决方案，已经形成了较为标准化的产品。
近期，爱分析对杉数科技联合创始人&CPO王曦进行了访谈，现节选部分内容分享如下。
王曦拥有斯坦福大学决策分析与风险分析博士、北京大学数学科学学院学士学位，曾担任Google全球商业运营高级经理，是Google Fi创始团队成员。
爱分析：能够去服务这么多大企业，核心的技术壁垒是什么？
王曦：运筹优化模型本身并不是什么壁垒，企业自己的技术团队或多或少有这方面的知识，但这不代表一定能够把建模和求解这两件事做好，因为建模本身需要把一个商业问题转化成一个最终能够求解的数学模型，而求解则是要高效准确地把最优解找到。
第一，我们需要知道它这个场景条件下哪些模型适用；第二，我们需要知道这个场景和其他相似场景有什么不同；第三，我们需要了解里面各种各样的参数、学习机制、模型的迭代到什么阶段是合适的等等…这其实是一门艺术，不是说会几个公式就可以做。
此外，当你真的建模了，还需要把最优解求出来，求解这件事情，其实更核心地体现了我们的技术壁垒。我们在做中国第一个自主研发的商业优化求解器，优化求解器就是解优化问题的计算器，但是它要达到世界领先的精度和效率，对背后的技术要求非常之高。
设想一个场景，几十个子工厂，几万种零部件，几十天或者几十个小时的时间窗，这么一个典型的生产排产问题，乘起来就是个千万量级的问题。这种大规模的问题，即使能够用一个非常精确高效的模型去把它描述出来，也很难去用现有的求解器去求解。
爱分析：底层技术方案通用性怎么样？
王曦：我们很多底层的技术方案，从模型或者算法角度，有非常高度的标准化程度。所以在服务有相似需求的客户的时候，它们可以作为一个组件化的方式去提供服务，但并不是说这一个组件可以适用于所有场景。通常来说对每一个具体场景，我们需要适配最优的方案，根据客户的需求再做调整，这样才能把价值最大化。
爱分析：对不同的业务场景的理解会是个挑战吗？
王曦：首先，我们有比较聚焦的行业，零售、物流和制造，每一个都是非常大的行业。基于行业，我们提供的服务方向也相对聚焦，收益管理、仓网优化、运输配送优化、排产排程优化等。所以其实在方向选取上我们基本还比较明确，因为这些都是能够用我们这套运筹优化方法来解决的运营决策，每天都在发生的高频次问题，而且能够用数学模型描述，也能够用数字来量化效果。
第二，即使相对比较专注，依然需要有行业经验，这个是一定的，因为我们提供的不是数学公式，而是一个解决方案。这其实也是我们的一个优势，我们在服务客户的过程当中不断积累经验，同时我们有行业经验丰富的行业专家、产品专家加入团队，来服务客户。
爱分析：具体服务的过程当中，数据处理都会在客户的环境里？
王曦：不一定，本地部署和云服务这两种我们都做。
客户希望用一种相对封闭的环境去使用，还是用一种更容易升级、迭代和维护的云服务，这更多取决于客户的选择。
爱分析：服务客户之后，最终产品会部署到客户的业务系统里？
王曦：对，相当于模块化、产品化的方式来让客户使用。如果是本地部署，可能就是在本地的机器上或者系统里面；如果是云端服务，就是调用我们的服务。
爱分析：对数据反馈的实时性要求高吗？
王曦：不一定，看业务类型。比如说运输配送类型的问题，可能以天为单位，今天去分析明天的订单，把明天的车次排出来就可以了。比如生产排产排程、无人仓机器人的调度可能真的需要实时响应。
爱分析：长期来讲，客群定位都会以头部企业大客户为主吗？
王曦：并不是这样。现在我们希望能够先从最复杂的问题做起，可以验证我们的技术方案，展示我们的技术能力，同时也能够获得非常宝贵的品牌背书。
但是我们做这家公司的目的，其实是能够让运筹优化这套决策科学理论服务更多的中国企业，我们肯定不可能只服务巨头，后面肯定会从巨型向大型、中型去下沉，只不过根据专注的领域不同，可能下沉的阶段会不一样。
爱分析：中小客户可能自身的数据基础不好，未来如果想服务这类客群，会采用什么方式？
王曦：我们也会跟外部合作伙伴合作，或者自己获取一些公开数据，也不是完全依赖于客户的数据。
爱分析：头部企业一般技术能力会比较强，是否会自建团队去解决业务优化问题？
王曦：通过算法赋能来提高企业运营效率这件事，可以把它想成一个从0到100分的事情，基本上中国市场分为现在处于初级阶段的状态、五六十分的状态和八九十分的状态这么三类企业。这个跟企业规模没有什么关系，每一类企业都可以选择自建团队，每一类企业也都可以借助外部帮助。但是不管怎么样，对于我们来说，其实和自建团队没有太多竞争关系，更像是一个协作关系。
我们会看到有一些企业自建团队，而且能把这个事从0分做到50分，但是恰恰因为他有这个能力，他会意识到50到100这件事情有多么的难，会希望和我们合作来帮他把这个问题从50做到80，所以我们跟这样的团队合作也会比较顺畅。
爱分析：现阶段主要以项目制模式提供定制化解决方案，未来怎么考虑产品化？
王曦：我们今年自主研发了一套杉数智慧链™解决方案平台，这个平台上面，有企业级大数据的处理能力，有一系列标准化的算法应用模块，基于这些模块，我们还在某些方向达成了比较完善的SaaS系统。基于这样三个层级的服务方式，我们可以显著降低边际服务成本。
爱分析：哪些场景比较容易入手去做产品化？
王曦：现在我们服务的这几个方向，运输优化、门店选址、库存管理、定价，其实我们都有非常高度标准化的模块和服务。
爱分析：获客方式是怎样的？
王曦：我们的市场推广以及客户的口口相传其实都是对我们非常重要的获客方式，很多时候我们和客户沟通完之后，客户就愿意把这件事情交给我们来做，当然可能会分阶段去做。我们也会有少量参与招标或者几家竞争的情况，这种情况下，我们的表现也还是非常有优势的。
爱分析：主要遇到的竞争对手是哪类公司？
王曦：有些朋友以为我们的竞争对手以咨询公司为主，但其实咨询公司做的事情和我们也不太一样。因为我们做运营决策优化，更多的是基于算法驱动的解决方案，落地性非常强，而且可测算，所以其实我们和咨询公司很多时候可以有非常密切的合作。