（图片来源：Pixabay）
【本文来自钛媒体特色栏目「快公司」】
“高性能科学计算软件的开发，一直是工业界和学术界关怀的问题，MindOpt的单纯形求解算法排名榜首，是中国企业近些年来在优化计算软件范畴获得的重要成功之一。”中科院数学与系统科学研究院研究员戴彧虹评价道。
今年8月，阿里巴巴达摩院宣布，该团队研发的数学规划求解器MindOpt参加国际权威的Mittelmann榜单测评，成功求解出了测评中全部40个线性规划问题，以快于第二名10%的速度优势，在单纯形法测评中排名第一。
数学规划，也就是将复杂的现实问题建模成数学问题，并用数学方法进行求解的过程。在人们常说的智能决策之中，“智能”引擎的其中一个就是数学规划，而求解器则是求解数学规划问题的软件。
求解器的技术壁垒高、研发难度大，国外已经出现了不少成功商业化的求解器团队，中国具备研发能力的团队屈指可数，无论是规模还是技术都与国外求解器有一定的差距。受美方的禁令波及，中国制造产业也正在寻找“国产替代”。因此，这一次达摩院成功登顶，在中国科技圈引起不小的震动。
不过有趣的是，没到两个月，由美国亚利桑那州立大学汉斯·米特尔曼（Hans Mittelmann）教授维护的这一权威榜单，悄悄更换了多个规模更大更困难的测评问题，并对多个求解器进行更新，竞争一直呈白热化状态。
截止最新11月2日，MindOpt在Simplex LP（线性）求解器榜单中排第三，被另一家中国初创企业——杉数科技（北京）有限公司（以下简称杉数科技）研发的“COPT数学优化求解器”所超越，后者已持续位列该榜单前三近一年半时间，其中绝大部分时间名列榜首。
求解器榜单最新排名情况
值得注意的是，“COPT数学优化求解器”不止在线性规划单纯形法技术领域，而且在线性规划内点法（Barrier Method）求解器、大型网络优化基准测试两个细分榜单中均排在前三，这两项MindOpt并不在榜单当中。
这项求解器技术是一家创业团队——杉数科技的核心技术产品。杉数科技也正在摸索将这项技术商业化，用在人工智能决策领域，帮助企业在复杂问题中获得最优解。
11月18日，杉数科技宣布完成近亿元B轮融资，引入万科集团及天任投资两个重要战略股东，资金将主要用于产品研发与推广、团队建设等。
在此之前，该公司也获得了真格基金、北极光创投、联想创投、将门创投等知名基金的投资。
杉数科技联合创始人&CSO、斯坦福大学运筹学博士、上海财经大学教授葛冬冬告诉钛媒体App，在他看来，工业4.0和互联网时代依靠AI技术帮助企业进行相关决策是大势所趋。杉数科技利用“求解器”和机器学习引擎，以“企业决策大脑”优化中台为支撑，可帮助客户（企业）在各种复杂问题下完成最优决策，而这也是目前很多公司发展过程中的迫切需要。
“COPT数学优化求解器”：帮助企业拥有智慧决策大脑
对于数学规划求解器来说，它的底层技术是应用数学中的运筹学。
运筹学是近代应用数学的一个分支，主要是研究如何将生产、管理等事件中出现的运筹问题加以提炼，然后利用数学方法解决问题的学科。而在运筹学里，对于数学规划求解器的定义是，针对多种已经建立的线性、整数及各种非线性规划模型，进行大量计算，寻求出最优解决方案。
由于整个算法优化求解过程可以看作是一个“黑盒子”引擎，因此，求解器也被业界称为算法上的“芯片”。
在求解器诞生之前，这一步通常是由人工完成——依赖有经验的业界研究员们手动计算模型的最优解。在模型复杂或者数据量庞大的情况下，这个步骤消耗了大量的人力，结果准确性也难以保证。
此后，发展起以一系列庞大算力支撑的启发式算法，不过这种做法往往只能寻求一些可行解决方案，求解质量和时间难以保证。
当下，在世界风云突变的市场环境中，很多企业决策者都是依靠数据简单分析，进而根据经验判断做出企业决策性部署。一旦发生偏差与失误，可能会造成企业处于危机状态。
在这种情况下，如何能更进一步利用数据为企业服务，是行业亟待解决的问题。
杉数科技自研了一套名为“COPT数学优化求解器”算法系统，依托企业提供的过往数据，规划多种已经建立的线性、整数及各种非线性数据模型，并将目标和约束以数学模型的形式进行有效表达，然后通过对这些数学模型进行求解，自动分析出多种决策方案，最终挑选出一套最佳的方案来供企业选择。
以国内某ICT巨头为例，该公司有上千个工厂和供应商，包含原材料和组件在内的零部件共有5万多种，相互以复杂的一个网络拓扑关系出现，材料信息、生产能力、工厂需求等均不相同。在它未来的一个计划生产周期内，需要精确到每个车间要生产哪些东西，要生产多少，每小时要用到哪些零部件，变量和约束大约在5000万至1亿左右，这种体量以及精细的决策需求显然需要算法的介入。
葛冬冬表示，利用“COPT数学优化求解器”，整个过程仅需大约2~3小时。通过这种优化决策，可以使生产排程订单满足率提高20%，产能损失率降低30%，排产排程人工干预降低70%，非计划维修降低15%。
（来源：杉数科技官网）
除工厂的排程问题外，在连锁商超企业面临扩张计划时，也需要“COPT数学优化求解器”来解决相关复杂问题。
葛冬冬介绍可永辉超市的案例。永辉超市现在在上海已经有300多家店，他们与杉数科技合作，用选址软件做智能选址。
“比如，今年计划开50家店，明年开100家店，后年开150家店，利用‘COPT数学优化求解器’就可以算出这50家店该怎么开、开在哪，明年100家店该怎么开、开在哪，互相之间不会产生恶性竞争。”
简单来说，这些问题的解决，可能需要一个大的动态规划系统来建模，而最后的求解，往往需要“求解器”这样的计算系统来线性规划(LP)、混合整数规划(MIP)逼近正确值，求得最优解。
葛冬冬介绍，“COPT数学优化求解器”的使命，就是让企业拥有“智慧决策大脑”能力，高效地解决一些复杂问题，并得到最优解。
此外，依托“COPT数学优化求解器”衍生的决策模型算法能力，以及物流仓储等场景中的客户需求，杉数科技还自主研发了“杉数智慧链”优化解决方案平台，这是公司的另一产品业务。
杉数科技介绍，该平台利用企业级大数据处理能力、决策模型算法模块以及业务场景解决方案的一站式整合，为企业提供收益管理、库存优化、仓储优化、运输优化、生产制造、网络优化与选址等行业性智能系统解决方案，解决企业所遇到的供应链管理难题。
目前，杉数科技依靠自研的“求解器”以及优化中台，基于供应链产品平台经验，已经在物流、交通、零售、金融以及智能制造等多个领域的的工业场景中推出成熟解决方案，服务的对象也包括苹果、小米、滴滴、京东、永辉、海尔、上汽通用、顺丰等多家头部企业。
自主研发“国产求解器”，打造公司核心竞争力
过去30余年中，世界领先的“商业求解器”一直由欧美三巨头Gurobi、IBM Cplex以及FICO Xpress所垄断，而中国由于研发时间太长、投入资金数额巨大、运筹学人才稀少等诸多原因，一直没有自主研发的国产“商业求解器”。
自2018年起，中美关系紧张，中兴、华为、海康威视等多家中国科技企业先后被美国列入实体清单或被采取打压措施。今年6月初，传出哈工大与哈工程被禁止使用美国MathWorks公司的科学计算工具Matlab事件，让整个软件行业变得人心惶惶。
尽管欧美求解器三巨头依然与中国企业正常来往，但多家在美实体清单中的科技企业都开始寻找国产替代，防止这些软件未来将要通过美方许可审批。且加上国外软件的售后服务欠佳等因素，研发“国产求解器”变得迫在眉睫。
在如今国际竞争环境下，国产求解器已成为中国需要突破的“卡脖子”工程。
葛冬冬认为，求解器是优化产业链与供应链、为复杂生产场景提供智慧决策的“引擎”，也是事关国家基础设施建设能级提升、敏感战略资源调度与部署的核心技术之一。
2016年，葛冬冬联合他在斯坦福读博时的三位同学罗小渠、王子卓、王曦共同成立杉数科技，尝试发展国产商业求解器，避免受制于人，并且将其作为公司最核心的任务和未来的技术支撑。
经过三年的研发、试错、迭代下，2019年，杉数科技正式发布“COPT数学优化求解器”。
与国外顶级求解器相比，杉数科技的“COPT数学优化求解器”也已达到国际第一梯队水平，与顶级商业求解器之间的差距越来越小。
据钛媒体App了解，目前中国也有一些企业通过收购现有的开源求解器，从事国产求解器的研发；而阿里云在今年8月发布MindOpt线性规划求解器；包括北大的国际数学中心，中科院，上海财经大学等高校机构近几年也在做相关研发尝试，不过都未超过“COPT数学优化求解器”的技术水平。
杉数科技现阶段共有100多名员工，其中超70%为技术出身人员。核心团队成员具有丰富的行业实践经验，此前曾为谷歌、IBM、波音、美国能源部等机构解决运营决策优化问题。
杉数科技介绍，自2016年成立至今，公司始终保持着每年翻一番的业绩。2020年在疫情影响下，实际营业收入依然基本实现了翻番的增长。
有行业人士指出，随着中国经济开始进入平稳增长期，各行各业对精细化运营需求提升，对商业优化求解的需求也日益提升。而杉数科技等企业刚好踩在需求点上，随着数据的优势逐步巩固，竞争壁垒将会逐渐提高。
葛冬冬对钛媒体App表示，接下来杉数科技将基于成熟的技术平台、高效率的服务方案和亮眼的头部案例，向下获取客户，快速复制实现业务的规模化增长，一步一步、扎扎实实做技术。
当谈及未来5-10年规划，葛冬冬表示，预期行业内也许将会再出现2-3家企业，杉数科技届时应该预期将达50%左右的份额。
他强调，杉数科技的目标并不是要“占领”市场，更多是与国外的顶级智能决策企业达到同一水平，做求解器行业的“领头羊”。（本文首发钛媒体App，作者 | 林志佳，编辑 | 赵宇航）
无论外界风云变幻，始终坚定
12月，钛媒体全球领袖年会一如既往
2020 T-EDGE 全球创新大会即将在12月18日-20日，北京大兴星光视界中心隆重开幕