一排排整齐划一的机械手臂，日夜无休的在生产线上轮转腾挪，AGV小车在既定的路线上往来穿梭，中控室的大屏上跳动的数字，呈现着产线上每一处细节的一举一动。往日喧嚣的工厂，在智能化的“乐谱”下，似乎演绎出一种特殊的旋律。
这些成熟的、真实的智能制造的场景，是每一家制造业企业所期待的未来图景。
如果说智能化，是制造业转型升级的必然选择，那么这幅智能制造的美妙图画背后，就一定会有一支神奇的画笔，这就是“智能决策”。
我们知道数字化的前提是数据化，而数据有别于信息和知识的最大区别，就是数据可以支持决策，可以产生价值。这也是为什么智能决策可以看做是制造业智能化的“大脑”，可以撬动企业新增长的根本原因。
驱动制造业转型，智能决策浮出水面
最近两年，对制造业影响最大的不确定因素就是新冠疫情的挥之不散，制造业企业长期面临用工难题，和供应链危机。
由研究咨询机构爱分析联合杉数科技共同组织编写的《2022工业“智能决策”白皮书——点亮企业增长的“灯塔”》当中也提到：全球产业链正经历深度重构，同时，受疫情影响短期过热的海外市场需求将在国外经济滞胀背景下受到抑制，短期增长动力减弱。面对复杂变化，中国制造业需要向智能制造转型升级，走出第二增长曲线。
的确，疫情作为一柄双刃剑，尽管带来了诸多负面的因素，但也因此激发了企业对于智能化改造的新需求。埃森哲预计到2035年，工业因智能化应用增加值增速可以提高2.0%左右。同时，《“十四五”智能制造发展规划》也提出，到2025年，规模以上制造业企业基本普及数字化，重点行业骨干企业初步实现智能转型。
另一项驱动力，这是双碳目标。制造业一直是降碳的主力行业，这这也倒逼制造业要快速迈向数字化转型，用智能化的技术节能减排，度过碳达峰之前的阵痛期。
因此，以会智能化为目标的工业互联网建设逐渐浮出水面，成为了制造业企业通向未来的阶梯。而工业互联网智能化体现在感知控制、数字模型、决策优化三个基本层次，基于海量工业数据全面感知，通过端到端的数据深度集成与建模分析，实现核心环节智能优化与决策，由自下而上的信息流与自上而下的决策流共同构成了应用优化闭环。
这就牵引出智能决策的意义，以其为核心的决策优化是工业互联网智能化的“大脑”，是最大化发挥工业数据的价值的支撑点，也是工业互联网价值实现的关键。
按照《白皮书》的定义：智能决策是组织或个⼈综合利用多种智能技术和工具，基于既定目标，对相关数据进行建模、分析并得到决策的过程。该过程综合约束条件、策略、偏好、不确定性等因素，可自动实现最优决策，以用于解决新增长时代日益复杂的生产、生活问题。
很明显，智能决策可以在决策机制上降低对人的依赖，提高决策的效率，从而提高企业的收益增长速度发展空间。其所依赖的核心技术除了我们熟知的机器学习技术之外，还包括了运筹优化等技术。
从“芯”出发，杉数愿做先行者
作为智能决策的两大支点，运筹优化和机器学习之间又是如何协作的呢？
机器学习技术通过强化学习、深度学习等算法实现预测，通常需要⼤量数据来驱动模型以实现较好的效果。而运筹优化技术基于对现实问题进⾏准确描述刻画来建模，通过运筹优算法在⼀定约束条件下求⽬标函数最优解，对数据量的依赖性弱，结果的可解释性强。
很显然，前者是数据依赖，机器学习算法助力智能决策的数据分析和预测能力；而后者是模型依赖，运筹优化技术助力智能决策的规划求解能力。在场景应用上，两项技术之间可以形成很好的互补作用。
杉数科技工业与智能制造副总裁黄翔
杉数科技工业与智能制造副总裁黄翔指出，“两者的深度融合不仅在底层技术，也代表了一些应用场景。例如，服装行业或零售快销行业的补货场景，需要先对前端市场有一定的预测情况下，再利用运筹优化的多级库存模型，去做补货策略的制定。”
而作为运筹优化的核心，求解器是用于求解运筹优化问题的底层专业计算软件，能够针对多种运筹优化模型进行算法优化和求解，被誉为实现智能决策的“计算芯片”。
既然是“芯片”就一定存在卡脖子的问题。
在求解器市场很早就存在三巨头格局，如IBM的Cplex，Gurobi，FICO的Xpress，以及开源软件SCIP。在商业商用求解器市场，中国在2017年之前完全是一片空白。当时，杉数科技与上海财经大学在2017年推出了中国第一个开源求解器LEAVES，算是开启了国产化求解器坎坷的成长之路，之后又在2019年发布了国内首个达到世界⼀流水准的线性规划求解器COPT。
“杉数科技是国内最早发布和提出的国产求解器的企业，这也和公司创始人及企业的文化相关，杉数科技是真心实意的想把领先的技术带到国内的智能决策行业当中来，在打破欧美国际垄断的同时，可以让更多本土企业有更多选择。”黄翔表示。
而继杉数科技之后，中科院、阿里、华为等企业和机构也陆续研发并发布了国产求解器，也让求解器真正代表了中国制造业智能化转型的“芯”动力。有了“芯”，制造业才有了智慧的“灵魂”。
黄翔说，“求解器和智能决策技术，作为核心的计算‘芯片’技术，需要向数据中台或应用中台去做支撑的，并且只有落实到具体的应用场景去，才能发挥真正的作用。”因此，杉数也在积极融入国内的生态。
例如杉数科技正在与卡奥斯做深度融合，并在海尔内部做了相应的落地。双方希望能够孵化出行业标准，去适应更多平台，并与更多企业来共建。“我们也会将求解器，为企业作为赋能，提供给各大企业。随着行业理解的加深，丰富度会越来越多。我们作为先行者，为各行各业打个样，做一个参考。”黄翔说。
成长为智能决策平台服务商
智能制造的本质，是精细化定制化生产模式，对传统粗放的流程化生产模式的替代。其中最核心的转变，就是流程驱动被数据驱动所取代，而只要有数据的地方，就有智能决策施展的舞台。
“但杉数科技也不是一家固步自封的企业，我们会随着场景的变化，随着产业链的发展，不断的更新调整和迭代我们的模型、产品和方案。”黄翔说。
一方面，杉数科技会选择与客户形成能力共建的模式，将决策智能技术提供给客户，客户也将业务应用的场景理解加深，并形成相应的实施基础。对于杉数科技来说，这就等于贡献了一个实际的落地应用，为行业带来了实打实的价值。这其实就是杉数科技的最终愿望：让整个行业和企业都能拥有智能决策技术来助力企业做好运营和战略规划。
另一方面，杉数科技不仅针对现有生态的外延去做优化和决策分析，同时也针对一些新兴场景，由杉数科学家和业务顾问团队去做相应模型研究和探索。
如黄翔所说，“求解器作为一个通用工具，已经在业界达成了共识，但是在以求解器为核心搭建的智能决策平台，以及上面的模型应用层到产品应用层，还是会根据行业的特性去进行适配和调整。”
当然很多人也许有相似的疑问，既然求解器是一个通用工具，那么为什么杉数科技还要基于具体的场景进行研究呢？
实际上，这是客户需求至上的一种选择。要深入了解客户，就必须先洞察客户复杂的应用场景，脱离了场景的技术从来满足不了客户最本质的需求。从这个维度看，杉数科技其实已经从求解器技术的提供商，上升到智能决策的服务商这个新的维度。
黄翔也确认，“杉数科技，今后会是齐头并进，不仅是涉及到求解器，也涉及到场景应用部分。只有把应用真正服务好企业，企业才能享受到这些真金白银的价值。杉数科技既会有从核心技术的研发，去形成产学研的闭环，也会有偏向于商业价值转换的应用，未来这两个循环都是会持续去做。”
因此，我们也从《白皮书》中看到了大量的行业场景，既有面向生产的智能决策产销协同排产模式，也有面向运营的产销协同智能决策系统，还有迈向⾯向产业链的协同运营和新品优化等方案。包括一汽大众、上汽通用、六国化工、海尔集团、舜宇光电等制造业的标杆企业，均通过智能决策创造了新的生产力。
通过这些案例，我们也可以总结：智能决策落地核心在于智能决策平台的建设，选择拥有技术和丰富落地经验的合作伙伴，有利于智能决策系统快速部署，快速见效。从根本上来说，数字化转型也是一次选择，正确的选择能够事半功倍，错误的选择可能会南辕北辙。杉数科技，从求解器的核心技术出发，到智能决策平台能力的打造，都证明了其会是制造业迈向智能化转型路上的“好伙伴”。
