田江含

在指數(shù)級的變革加速中，ChatGPT、AI常常讓我們覺得又要站在一個新的世紀拐點上見證科技變革。20世紀40年代，計算機誕生，信息化時代起航，“數(shù)字化”不再是遙遙無期的幻想。

2013年，工業(yè)4.0概念提出，智能化時代躍然眼前。同一年，致力于為歸國人才服務(wù)的朝陽海外人才創(chuàng)業(yè)大會（OTEC）第一屆成功舉辦。2022年，OTEC升級為朝陽國際人才創(chuàng)業(yè)大會（ITEC），繼續(xù)致力于為落地北京市朝陽區(qū)的海外高層次人才提供創(chuàng)新升級服務(wù)。2022年，《留學》雜志與ITEC一同回首了十年間大會的人才歸國引進和創(chuàng)新創(chuàng)業(yè)項目落地，如格靈深瞳、杉數(shù)科技、NHUB、玻色量子等。它們在各自的創(chuàng)業(yè)賽道上大放異彩。

2016年7月16日，羅小渠、王曦、王子卓、葛冬冬，四位斯坦福博士組隊參加了OTEC大賽，并獲得國內(nèi)晉級賽冠軍、全球大賽季軍。隨后，這支團隊帶著對斯坦福杉數(shù)校徽的致敬和對數(shù)字科技賽道的憧憬，正式創(chuàng)立了“杉數(shù)科技”，成為ITEC孵化的企業(yè)中，對于工業(yè)4.0概念最直接、最深度的參與者之 一。

2023年3月30日，由杉數(shù)科技舉辦的“智能決策·重塑增長”2023杉數(shù)科技智能決策前沿峰會在北京舉行。會上發(fā)布了杉數(shù)新一輪融資消息，同時，面向零售快消的決策優(yōu)化產(chǎn)品計劃宇宙（Planiverse）與面向工業(yè)制造的決策優(yōu)化產(chǎn)品杉數(shù)數(shù)弈（LibraMind），兩大智能決策產(chǎn)品平臺重磅亮相，并正式公布了核心技術(shù)引擎COPT求解器6.5版。發(fā)布會上，杉數(shù)科技的幾位聯(lián)合創(chuàng)始人詳細地解釋了產(chǎn)品及用途。

北京市朝陽區(qū)副區(qū)長舒畢磊線上參會對大會的召開表示祝賀，舒副區(qū)長表示激發(fā)數(shù)據(jù)的生產(chǎn)價值智能決策正是核心關(guān)鍵技術(shù)之一，要把數(shù)據(jù)決策的力量注入產(chǎn)業(yè)，不是一朝一夕之事，需要匯聚多方資源和力量，深耕細作。斯坦福大學講席教授、馮諾依曼理論獎獲得者葉蔭宇等多位嘉賓參會，從技術(shù)、產(chǎn)業(yè)、金融各方面分享了他們對于智能決策趨勢的洞察和實踐。

《留學》以此為契機，再度與杉數(shù)科技聯(lián)合創(chuàng)始人&首席產(chǎn)品官王曦就“智能化時代的教育路徑，學霸的成長與選擇，當下創(chuàng)業(yè)的考量”等話題展開對談。

對話杉數(shù)科技聯(lián)合創(chuàng)始人&首席產(chǎn)品官王曦

Q：數(shù)學在你的一生中扮演著什么樣的角色？

A：我有一對很開明的父母，當時的專業(yè)選擇上我與他們討論過。我的父母告訴我，如果我沒有主意，那我可以參考他們的意見，如果有很強烈的想法，那么他們會支持我。作為一個“選擇困難癥患者”，我遇到專業(yè)選擇一樣是迷茫的。當時覺得以后干啥都離不開數(shù)學，所以我選擇了到北大讀數(shù)學?，F(xiàn)在回想起來多少有些不知天高地厚，北大數(shù)學系，全國高等數(shù)學教育的殿堂之一，我感覺自己就是一群“神”中間的一個普通人。

當然我也是幸運的，我現(xiàn)在從事決策科學的應用，離不開我的數(shù)學基礎(chǔ)，而當時社會發(fā)展趨勢也是越來越需要數(shù)學——精細化運營是企業(yè)發(fā)展的一道門檻，而其中的決策方法需要數(shù)據(jù)驅(qū)動。

這個趨勢我們不跟進，別人也會跟進，這件事我們不做，別人也會做。如果我們不做，我們會不會后悔？我覺得答案是肯定的。無論我能做到什么程度，做多好，我心中也沒有底，但趨勢當前，我的人生又何妨一試？所以2016年我們組建團隊，之后創(chuàng)立杉數(shù)科技。我們一直堅信我們的方向是正確的，現(xiàn)在看來我們這個事情不僅正確，而且很有意義。

Q：什么是COPT？萬物真的皆可優(yōu)化 嗎？

A：COPT即Cardinal Optimizer的縮寫，中文正式名稱是杉數(shù)優(yōu)化求解器，取自杉數(shù)科技的英文名Cardinal Operations。求解器是一類軟件，它能幫助企業(yè)在既有規(guī)劃中，對現(xiàn)有資源進行運籌，優(yōu)化配置決策。

“宇宙萬物，演進更替，總有某種形式的最大化或最小化存在其中?！边@個最大化和最小化，用我們的語言稱之為優(yōu)化，不僅是每一個企業(yè)希望通過數(shù)字技術(shù)賦能自己的決策過程、獲得真金白銀收益的指導方向，也是我們在不斷的產(chǎn)業(yè)服務(wù)過程當中，通過包括像我們新發(fā)布的計劃宇宙（Planiverse）和杉數(shù)數(shù)弈（LibraMind）這樣的決策優(yōu)化產(chǎn)品，賦能企業(yè)降本增效，節(jié)能減排，提升精細化運營水平的指導方向。

可以說求解器是企業(yè)數(shù)字化轉(zhuǎn)型中的關(guān)鍵，它能夠幫助企業(yè)應對越來越規(guī)?；絹碓烬嬰s的供銷或運營系統(tǒng)。如果只從方式方法上來說，我們幫助企業(yè)解決這些實際問題，跟小初高的學生做數(shù)學應用題沒什么區(qū)別，只不過我們面對的“應用題”要復雜很多。打個比方，一張普通的數(shù)學試卷，會有選擇題、填空題和應用題，其中最后的大題一般是最難、最復雜的，我們可以將企業(yè)的實際需求想象成“最后的大題”，只不過這道“大題”題干更長，難度更高，變量更多且相互糾葛。

我們不僅要得出最優(yōu)解，也要考慮計算量、計算效率、計算精度和時間成本。對擁有持續(xù)需求的企業(yè)，我們甚至要在極短時間內(nèi)得到多個解，為此需要開發(fā)一個極高精度，極高效率的計算器，即使企業(yè)不了解計算器內(nèi)部的運行，但只要他們輸入對應的自變量，即可在極短時間內(nèi)得到參考答案。這個計算器就是求解器。

Q：如何看待“最優(yōu)解不一定是所有人都認為最正確的選擇？”如果最優(yōu)解不一定是“最正確”的，我們?yōu)槭裁催€要追求最優(yōu)？

A：當人們做決策的時候，不確定性因素是如影隨形的，往往在做決定之后，那些不確定性因素才會揭曉。所以在決策過程當中，一定會有利弊的權(quán)衡，這利弊的權(quán)衡就是咱們經(jīng)常所說的最優(yōu)，但是最優(yōu)是不是一定每個人都認為它最正確、也最適合自己？那不一 定。

我們講“最優(yōu)”，是在一個限定的決策框架內(nèi)的。比如說你的最優(yōu)決策，以及各種各樣的目標，從一開始就和別人是不同的。我們能做的是在你的獨特框架之中，去幫你找到最優(yōu)解，這是決策優(yōu)化技術(shù)，但是沒有唯一正確的事情。同樣，雖然不同人看待事物的角度不同，但在固定的視角或框架中，我們可以嘗試在不損害到其他因素的前提下，用最小的成本達到最理想的效率，對于企業(yè)來說，這是“最優(yōu)”的意義所在。

Q：你認為AI對教育的影響，人類的未來會五顏六色，還是千篇一律？AI是吞噬人類的猛獸，還是載人前行的良駒？

A：首先，我認為社會的運行和個人需求都是復雜而多元的。從宏觀的角度看，教育就是為各種各樣的社會需求去培養(yǎng)人才。從微觀角度看，每個人經(jīng)歷教育后，想法和需求也是不同的。培養(yǎng)和教育是一個滿足社會需求的過程，也是一個人成長和分化的過程。

簡單來說，就像無窮大除以無窮小一樣，難以得出定數(shù)、常量。教育的理念可能會在某些方面更趨同，但方向和結(jié)果則不一定。比如教育理念可能會逐漸注重于激發(fā)興趣、引導行為以及尊重孩子，這些理念雖然在互相認同和靠近，但目的和結(jié)果是增加創(chuàng)造力和創(chuàng)造動力并讓人多樣化的。無論宏觀和微觀都是多樣的，同時也在隨時間而變化，所以我不認為教育會傾向于讓孩子同質(zhì)化。

我傾向于AI是匹良駒，像杉數(shù)科技的COPT是在幫助人類求解。如同前面所說，我們是幫助企業(yè)將費時、費力的復雜工作交給了AI來執(zhí)行。COPT能做的比人力計算更快、更好，但本質(zhì)上沒有脫離“求解”這一使命。

Q：能用決策科學的角度，分析下?lián)裥?、文理分科及是否留學等人生選擇嗎？

A：我從決策科學的角度淺談一下，框架里面都會有最基本的三要素，我們先簡單梳理一下。第一個要素叫作可行方案，也就是能做什么，不能做什么，比如要不要留學，學文還是學理？

第二個要素是不確定性。我們?nèi)绻宄刂牢磥淼娜松壽E，我們其實不需要決策。我們會遇到的不確定性，包括留學的不確定性，求職的不確定性，這涉及對每一個要素的權(quán)衡。

第三個要素是價值導向，也就是什么好，什么不好。是去大公司就職，還是選擇創(chuàng)業(yè)，到底對我來說是哪個更好，每個人的評價標準都不同。企業(yè)也是，有的關(guān)注業(yè)務(wù)的增長，有的關(guān)注結(jié)構(gòu)的精簡，不同企業(yè)不同時期都是不一樣的。

許多家庭應該會將注意力放在第二個要素，即不確定性的分析上，例如孩子進入這所學校以后的發(fā)展怎么樣，選擇這門學科以后的發(fā)展怎么樣，畢業(yè)能不能找到好工作，然后去用各種各樣的過去的經(jīng)驗去預測未來可能會發(fā)生什么。

這當然無可厚非，但從我的角度去看，往往有一個要素容易被忽視，那就是第三個要素，所謂的價值取向。去不去留學、學文學理這事兒，我們往往是站在一個家長的角度，作為一個決策代替者來做這件事，把不確定性分析得再好，分析完之后說走這條路比那條路更好，這個決定如果沒有引入任何孩子的特性或主觀意愿的話，決策本身是有缺失的。

家長不應該在孩子的未來決策上，把孩子和自己捆綁在一起做決定。家長與其為孩子的未來持續(xù)焦慮，不如更多地了解國內(nèi)的趨勢，了解各行業(yè)的就業(yè)情況，讓孩子對未來或當前行業(yè)和專業(yè)有一定的認知。

當然，要說清那些分支之間誰好誰壞，那就得說清誰是決策者，就要給決策者足夠多的權(quán)重?？陀^來說，面對自身未來要做出決定的始終是孩子自己，決策的權(quán)重應該向孩子去傾斜，父母更應該做好信息傳遞的角色。無論是初中、高中、本科，家長的行動都不晚。

如果用這么一個邏輯框架去看的話，我不建議家長花太多的精力去焦慮，我認為應該基于孩子的情況去考慮，而不是根據(jù)社會情況制定一個很高的期望。人生不是跳高，是長跑。

Q：能談?wù)劻魧W期間，你最大的收獲嗎？

A：我覺得數(shù)學和留學的選擇連起來是正確的，留學的經(jīng)歷讓我看到了外面的世界。眼界被拓寬之后，我放下了很多以往糾結(jié)的東西。

我認為我的留學經(jīng)歷最大的收獲就是讀博的過程。讀博期間我所接觸的知識，做過的研究，參與過的討論，遠比博士學位更為重要。我覺得博士應該在特定方面具備足夠的廣度和高度，博士應該是某一領(lǐng)域的深入者，人類認知邊界的探索者——全世界但凡有想要了解這個課題的人，他應該第一時間來找你，無論他是想深入探討課題，還是在做科普時遇到了這個領(lǐng)域的相關(guān)問題，而你要能夠思考并做出回應。

Q：斯坦福博士畢業(yè)后，加入創(chuàng)業(yè)團隊是因為你敢于冒險嗎？冒險值不值得。

A：很多時候我們說創(chuàng)新創(chuàng)業(yè)都是風險偏好型選手愛干的，更有甚者說這是賭徒行為。創(chuàng)業(yè)者是要用顛覆性的方式去改變現(xiàn)有產(chǎn)品或產(chǎn)業(yè)，在這一視角上，我同意其中伴隨著極大的風險，但我不認為創(chuàng)業(yè)者是賭徒。

創(chuàng)業(yè)者與賭徒最大的區(qū)別在于，創(chuàng)業(yè)者應該能夠在眾多的不確定性當中找到那個更大的確定性。我所在的團隊創(chuàng)立杉數(shù)科技，是因為我們看到了社會需要數(shù)據(jù)思維、需要決策科學、需要精細運營的大趨勢，它是確定的。而剩下的不確定性，我們也準備好擁抱他們了，剩下的問題我們要解決他們。如果把所有事情想清楚，確定下來再做，那往往已經(jīng)落于人后了。

拎客

計劃宇宙&杉數(shù)數(shù)弈

計劃宇宙（Planiverse）——消費智能運營決策優(yōu)化平臺：基于新一代智能決策技術(shù)幫助企業(yè)構(gòu)建預測—優(yōu)化—模擬—協(xié)同的供應鏈計劃分析決策閉環(huán)，精準感知需求，敏捷響應變化，智能輔助決策，驅(qū)動當下業(yè)務(wù)增長，賦能未來發(fā)展變革。計劃宇宙可有效助力企業(yè)實現(xiàn)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(tài)；協(xié)同差異，拒絕“one-number-plan”。

杉數(shù)數(shù)弈（LibraMind）——工業(yè)智能制造決策優(yōu)化平臺：以新一代智能決策技術(shù)直面復雜決策難題，統(tǒng)籌全業(yè)務(wù)要素，高效求解，全局優(yōu)化，構(gòu)建工業(yè)制造“決策大腦”，打破企業(yè)數(shù)智化轉(zhuǎn)型核心壁壘，實現(xiàn)從“制造”到“智造”的跨越。杉數(shù)數(shù)弈能夠幫助企業(yè)實現(xiàn)前瞻性規(guī)劃、高柔性響應意見多目標優(yōu)化。具體來說，從長周期產(chǎn)能產(chǎn)線規(guī)劃，到短周期經(jīng)營目標分解，全面保障生產(chǎn)經(jīng)營效益；以靈活的策略組合拼接驅(qū)動柔性制造，快速應對變局；從財務(wù)目標到工序工藝，從元素平衡到節(jié)能減排，多目標協(xié)同優(yōu)化。

目前，這兩款智能決策優(yōu)化新產(chǎn)品已經(jīng)在美妝日化、食品飲料、生物醫(yī)藥、汽車制造、航空軌交、3C電子、化工等數(shù)十個行業(yè)數(shù)百家知名頭部企業(yè)落地應用，并在收益及成本端取得了顯著成果。