雷鋒網(wǎng)按：日前，雷鋒網(wǎng)報(bào)道了鈦媒體和杉數(shù)科技主辦的 2017 AI 大師論壇，其中，杉數(shù)科技首席科學(xué)顧問(wèn)葉蔭宇出席了活動(dòng)并發(fā)表了學(xué)術(shù)演講。作為在運(yùn)籌學(xué)領(lǐng)域的頂尖學(xué)者，葉蔭宇以《優(yōu)化算法的思想及應(yīng)用》為題，主要在運(yùn)籌學(xué)應(yīng)用的物流選址及路徑優(yōu)化、庫(kù)存管理、投資組合優(yōu)化三個(gè)方面詳細(xì)闡述了他的看法。

從古至今，“優(yōu)化”一直是生產(chǎn)生活中重要的部分。而運(yùn)籌學(xué)作為優(yōu)化算法的重要根基，在第二次世界大戰(zhàn)期間首先在英美兩國(guó)發(fā)展起來(lái)，學(xué)者把運(yùn)籌學(xué)描述為就組織系統(tǒng)進(jìn)行各種經(jīng)營(yíng)所作出決策的科學(xué)手段。二戰(zhàn)結(jié)束后，人們將運(yùn)籌學(xué)應(yīng)用到了企業(yè)和政府之中，為經(jīng)濟(jì)發(fā)展加速，運(yùn)籌學(xué)廣泛的引用在生產(chǎn)、服務(wù)、金融行業(yè)之中。在大數(shù)據(jù)時(shí)代，運(yùn)籌學(xué)進(jìn)一步蓬勃發(fā)展，而如何將大數(shù)據(jù)轉(zhuǎn)化為最優(yōu)決策成為了運(yùn)籌學(xué)重點(diǎn)課題。

葉蔭宇簡(jiǎn)介：葉蔭宇是斯坦福大學(xué)李國(guó)鼎工程講座教授（K. T. Li Chair Professor），也是優(yōu)化領(lǐng)域基石算法之一——內(nèi)點(diǎn)算法的奠基人之一。因貢獻(xiàn)突出，他曾獲得美國(guó)運(yùn)籌與管理學(xué)會(huì)馮·諾依曼理論獎(jiǎng)，也是迄今為止唯一獲得此獎(jiǎng)的華人學(xué)者。在業(yè)界，葉蔭宇擔(dān)任了優(yōu)化軟件公司 MOSEK 科技顧問(wèn)委員會(huì)主席、杉數(shù)科技的首席科學(xué)顧問(wèn)。

以下為葉蔭宇演講內(nèi)容，雷鋒網(wǎng)進(jìn)行了不改變?cè)獾木庉?：

1982 年剛到美國(guó)讀書(shū)的時(shí)候 AI 非常熱，但那時(shí)候年輕人不知道我差點(diǎn)就去搞 AI 了。那時(shí)候要搞所謂的專(zhuān)家系統(tǒng) AI 空間，學(xué)的語(yǔ)言是學(xué) Lisp，沒(méi)有很多的數(shù)據(jù)，人家有些就總結(jié)不出來(lái)，AI 就慢慢的冷下去了。我比較喜歡數(shù)學(xué)，就從事了運(yùn)籌學(xué)。

什么是運(yùn)籌學(xué)？它是一種研究?jī)?yōu)化的學(xué)問(wèn)，就是怎么能夠在實(shí)際生活中，把事情做到極值，不僅僅是找一個(gè)可行的方案，而是一定要找到最優(yōu)的方案。

Nothing at all takes place in the Universe in which some rule of maximum or minimum does not appear. 這是大數(shù)學(xué)家歐拉的話。這種理論也是基于自然形成，也是所謂的一個(gè)平衡，也是能量函數(shù)，到了極值。

說(shuō)到運(yùn)籌學(xué)，數(shù)學(xué)怎么能接地氣，怎么落到實(shí)地，怎么真正對(duì)人們生活產(chǎn)生一些影響？數(shù)學(xué)家們就開(kāi)始尋求這樣的方案。在二次大戰(zhàn)的時(shí)候，如何研究盟軍配置，還包括一些博弈問(wèn)題，以前看過(guò)一個(gè)電影叫《A Beautiful Mind》，研究這個(gè)東西研究到博弈空間。

標(biāo)志性的結(jié)果就是 1947 年 George Dantzig 提出線性優(yōu)化，為優(yōu)化中最經(jīng)典的算法， 這就是里程碑的意義。之后到經(jīng)濟(jì)發(fā)展中，運(yùn)籌學(xué)得到很快的發(fā)展，特別是計(jì)算機(jī)的高速發(fā)展。以前是結(jié)構(gòu)問(wèn)題，可能是要 1 小時(shí)，現(xiàn)在可能不到 1 秒就可以解出來(lái)，所以這個(gè)硬件的控制，也有算法的提高。

運(yùn)籌學(xué)比 AI 要老，但是 AI 和機(jī)器學(xué)習(xí)又提供了一種機(jī)會(huì)，很多頂層的東西都是要靠?jī)?yōu)化，不管是學(xué)習(xí)還是剛才講到的要用決策問(wèn)題。

整個(gè)來(lái)說(shuō)，所謂優(yōu)化在滿足我們時(shí)有很多要決策的，而且也都是需要比較量化的。滿足一定的約束條件下，使某一個(gè)函數(shù)最大，這就是優(yōu)化問(wèn)題，怎么把一個(gè)問(wèn)題變成這個(gè)東西，就需要建模。所以我們一般是從建模到求解，然后再到?jīng)Q策，然后我們就需要一套算法來(lái)求解。

在這個(gè)里面，把實(shí)際問(wèn)題變成數(shù)學(xué)問(wèn)題，再變成優(yōu)化問(wèn)題，然后來(lái)求解。什么叫大數(shù)據(jù)，有很多不同的這個(gè)解釋?zhuān)瑪?shù)據(jù)大到一定程度以后，就可以量化了。量化以后，我們可以用數(shù)學(xué)的方程、公式來(lái)描述它，然后來(lái)決策，變成一個(gè)量化的決策問(wèn)題。

1982 年我去美國(guó)中間經(jīng)歷了 AI，當(dāng)時(shí)是最紅，現(xiàn)在又紅起來(lái)。但是有些點(diǎn)我覺(jué)得沒(méi)變的，優(yōu)化好像始終是不動(dòng)點(diǎn)一樣，不管是你在各行各業(yè)都需要它，因?yàn)樵谶@點(diǎn)上也可以說(shuō)起來(lái)像統(tǒng)計(jì)、數(shù)學(xué)還是一些機(jī)理。

這里面有很多算法的問(wèn)題，學(xué)習(xí)有很多深度學(xué)習(xí)、MDP、機(jī)器學(xué)習(xí)等等。

我個(gè)人怎么理解 AI？特別是大數(shù)據(jù)時(shí)代的商務(wù)決策，各自所采取的作用，我們要用到很多計(jì)算機(jī)、信息學(xué)，包括機(jī)器學(xué)習(xí)、數(shù)據(jù)搜集，然后我們要通過(guò)很多機(jī)器學(xué)習(xí)做一些規(guī)律性分析，然后建模做出決策。

從中醫(yī)的角度來(lái)說(shuō)，有點(diǎn)像拉脈一樣，拉了脈以后老中醫(yī)有一個(gè)決策，中醫(yī)來(lái)說(shuō)就是開(kāi)處方藥。而在這個(gè)過(guò)程中如何判斷準(zhǔn)確，開(kāi)什么處方，有些東西要用三錢(qián)，有些東西要四錢(qián)，但是有些中醫(yī)搞的不好就是比較模糊，“當(dāng)歸少許”這個(gè)就不清楚。

所以這里面是需要有一些量化、需求管理和規(guī)律性分析。我覺(jué)得機(jī)器學(xué)習(xí)確實(shí)做的好，但怎么決策里面都有一些很傳統(tǒng)的優(yōu)化模型和運(yùn)籌學(xué)模型。

我給大家舉幾個(gè)簡(jiǎn)單的例子，為什么有些決策模型并不需要深刻的理解就可以得出來(lái)？

一、物流選址及路徑優(yōu)化

比如說(shuō)這個(gè)選址問(wèn)題，尋求一個(gè)區(qū)域內(nèi)最優(yōu)的倉(cāng)庫(kù)選擇，成本最少。我要建一二三四五個(gè)庫(kù)建在什么地方，那么這里面就要權(quán)衡很多，一次建設(shè)費(fèi)多少，建設(shè)費(fèi)之后我服務(wù)區(qū)域有多大，區(qū)域大了以后人家從很遠(yuǎn)的地方跑過(guò)來(lái)運(yùn)輸成本就高了，那么你可以寫(xiě)成一個(gè)像這樣的數(shù)學(xué)規(guī)劃方法。

那么這樣的問(wèn)題怎么選才好，以前的算法，我就把它寫(xiě)成一個(gè)整數(shù)規(guī)劃?，F(xiàn)在不行，好像有些算法，像幾個(gè)月都算不出解來(lái)?，F(xiàn)在很多東西，要隨時(shí)的，有些東西看成是網(wǎng)絡(luò)，就要把這個(gè)點(diǎn)放在上面，進(jìn)行隨時(shí)的調(diào)配、重新選址。這個(gè)時(shí)候我的算法就非?？?，然后就會(huì)有很多近似算法，這里面我們也做過(guò)一些工作，就是比較確定性的這個(gè)問(wèn)題，這里面的算法，選址的問(wèn)題。

那么有一個(gè)問(wèn)題就稍微更復(fù)雜一點(diǎn)，不是選址，那么選一個(gè)倉(cāng)庫(kù)提供一個(gè)區(qū)域服務(wù)，但是這個(gè)是叫 HUB 的選址，有些不是從倉(cāng)庫(kù)發(fā)到某一個(gè)顧客上，某一個(gè)是要經(jīng)過(guò)中轉(zhuǎn)站，再到顧客。

比如說(shuō)航班的調(diào)運(yùn)問(wèn)題，那么這個(gè)中轉(zhuǎn)站怎么選才好，有一部分有問(wèn)題，這里面就會(huì)有一些選擇。通常我們把選址的問(wèn)題，叫作戰(zhàn)略性的決策，一旦選了以后幾年都不會(huì)變。決策又分為戰(zhàn)略決策、戰(zhàn)術(shù)決策、operation 決策，而這里面是 operation 決策。

我現(xiàn)在要送貨，送到這么多的點(diǎn)上，如何都送出去然后回到出發(fā)的地點(diǎn)使整個(gè)距離最小，這是旅行商問(wèn)題，這也是很經(jīng)典、很確定性的。

在整個(gè)地方因?yàn)橛纸熊?chē)輛調(diào)度問(wèn)題，當(dāng)然實(shí)際問(wèn)題比這更復(fù)雜，一輛車(chē)不能跑，可能幾千上萬(wàn)輛車(chē)誰(shuí)跑哪些地點(diǎn)、哪些區(qū)域、又怎么選址，這里面就非常非常復(fù)雜了，而且需要取貨，同時(shí)送貨，你取貨的話必須要保證在某一個(gè)時(shí)間點(diǎn)上，或者時(shí)間窗口。這個(gè)就是運(yùn)籌學(xué)比較擅長(zhǎng)的問(wèn)題，要非常實(shí)時(shí)的做這些問(wèn)題。

這是一個(gè)簡(jiǎn)單的解決方案，分而治之，我現(xiàn)在有 5 輛車(chē)要服務(wù)這個(gè)區(qū)域，首先就建立一個(gè)服務(wù)區(qū)的概念，怎么把這個(gè)大的區(qū)域分成 50 分，每一個(gè)區(qū)域選擇一個(gè)分點(diǎn)，這個(gè)我們叫區(qū)域選擇，非常的大。

選了以后，我知道我在分這個(gè)區(qū)域的時(shí)候，每個(gè)區(qū)域的這個(gè)工作量都是什么，盡量的均勻的，要不然我一個(gè)區(qū)域很大，跑兩天跑不完，一個(gè)區(qū)域半天就跑完了。

這應(yīng)用在實(shí)際問(wèn)題中。大家看到了沒(méi)有，這里面有 50 輛車(chē)，現(xiàn)在這個(gè)圖在做什么，找路徑。這是一個(gè)實(shí)際問(wèn)題，原來(lái)是一個(gè)大的地理數(shù)據(jù)圖，那么這個(gè)問(wèn)題是每一個(gè)街道都要跑的，我再劃分這個(gè)區(qū)域的時(shí)候每個(gè)區(qū)域里街道的總長(zhǎng)度是基本上相似的。但是哪怕街道一樣，我要拿每一個(gè)顏色的這個(gè)就有這個(gè)扯進(jìn)去跑，我在跑這個(gè)區(qū)域的時(shí)候，怎么跑到最大，把所有的街道都跑一趟，這個(gè)時(shí)候就有路徑問(wèn)題。

這個(gè)問(wèn)題從優(yōu)化、運(yùn)籌學(xué)說(shuō)是研究很老的問(wèn)題。要把每個(gè)街道都走一道，然后這各區(qū)域就完成了，這個(gè)主要是為了地圖公司。

美國(guó)有一個(gè)很有名的地圖公司，后來(lái)諾基亞買(mǎi)了。我相信大家肯定用過(guò) GPS，是兩個(gè)核心技術(shù)，一個(gè)核心技術(shù)也就是衛(wèi)星定位，經(jīng)度緯度定位以后，所以的地理信息位置，都是搜集過(guò)來(lái)的，那么街道的地理數(shù)據(jù)，城市在不斷的變，所以每次都要派一輛車(chē)或者用圖像的信息把街道信息改變都要重新搜集進(jìn)來(lái)，要派一輛車(chē)把每個(gè)街道跑一道。上面就一個(gè)攝像頭，非常高效，然后全部搜起來(lái)，去做這個(gè)事情。

這個(gè)時(shí)候每一個(gè)城市都要把這個(gè)街道跑一道的話，不可能跑一輛車(chē)，可能是 50 輛車(chē)，我們?cè)趺磩澐诌@個(gè)車(chē)輛的區(qū)域，以前是用郵政編碼來(lái)分，由于城市的改變有些郵政編碼，有的會(huì)大好幾倍。這樣分就不合理，我們要根據(jù)這個(gè)瞬時(shí)情況進(jìn)行分析。如何判斷有效，原來(lái)要用 75 輛車(chē)現(xiàn)在 60 輛就夠了，原來(lái)用兩天時(shí)間，現(xiàn)在一天半，我們確實(shí)講，效率提高了25% 到 30%，這個(gè)技術(shù)諾基亞還在用，全世界 26 個(gè)國(guó)家在使用。

我不知道大家剛才看到我在排序的過(guò)程中，在這個(gè)路徑過(guò)程當(dāng)中大家也都沒(méi)有遇到，我原來(lái)認(rèn)為我排出來(lái)最后的總路程最短，后來(lái)給我們提一個(gè)要求這里面有多少是左轉(zhuǎn)多少是右轉(zhuǎn)，你能不能排路徑的時(shí)候，盡量向右轉(zhuǎn)。因?yàn)榭紤]的是要完成的時(shí)間，左轉(zhuǎn)所要花的時(shí)間，要比向右轉(zhuǎn)高 5 到 10 倍。因?yàn)橛屑t綠燈，所以我們用運(yùn)籌學(xué)的辦法把這個(gè)解決掉。

再舉一個(gè)路徑優(yōu)化的問(wèn)題，大家都在搞所謂的無(wú)人倉(cāng)。有一些小車(chē)搬運(yùn)載有貨物的托盤(pán)到空閑工作臺(tái)，然后小車(chē)搬運(yùn)到托盤(pán)從工作臺(tái)回到倉(cāng)庫(kù)空儲(chǔ)位，我們叫回庫(kù)。然后小車(chē)搬運(yùn)空托盤(pán)從工作臺(tái)到托盤(pán)回收處，我們叫回收。這里面都是一些貨柜，怎么拖起來(lái)怎么用，又要路徑又要協(xié)調(diào)。

我覺(jué)得在我們國(guó)內(nèi)研究機(jī)器人，研究的比較多的是提高機(jī)器人自身的能力，我覺(jué)得做的非常好。個(gè)人能力都非常好，但是我們國(guó)家在很多問(wèn)題上，缺少通盤(pán)調(diào)配和安排。機(jī)器人那么強(qiáng)，在一個(gè)團(tuán)隊(duì)工作的時(shí)候是不是就很強(qiáng)了，我們就比較缺乏統(tǒng)籌的軟件決策系統(tǒng)。就像我們中國(guó)足球到個(gè)人，也許有些能力很強(qiáng)，但是在一起就不行。我們很注重個(gè)人能力的提高，人都不要輸在起跑線上，但是我覺(jué)得我們國(guó)家，長(zhǎng)期缺乏一種集體的、統(tǒng)籌的，這樣決策的開(kāi)發(fā)，或者能力的提高。每個(gè)機(jī)器人都在瞎跑的話肯定不行，包括無(wú)人車(chē)。

很多公司都在考慮無(wú)人車(chē)的技術(shù)多強(qiáng)，但是其實(shí)最主要的問(wèn)題是什么，反而是無(wú)人車(chē)之間的協(xié)調(diào)、調(diào)配和統(tǒng)一指揮。

比如說(shuō)這里面是工作臺(tái)，某一個(gè)區(qū)域的貨來(lái)了以后，我們來(lái)分擔(dān)，然后這是一個(gè)動(dòng)圖，整個(gè)的這個(gè)貨品的分擔(dān)，這里面有很多問(wèn)題。我們?cè)谘芯窟^(guò)程中，比如說(shuō)這里面的路徑，怎么找路徑，從設(shè)計(jì)上來(lái)說(shuō)，你是設(shè)計(jì)成單行線還是雙程線，這里面有學(xué)問(wèn)的，如果設(shè)置單行線跑的距離要長(zhǎng)，碰撞的可能性就少一些，這里面都可以通過(guò)優(yōu)化來(lái)進(jìn)行解決。

比如，我們跟合作的電商進(jìn)行物流倉(cāng)統(tǒng)籌調(diào)配，其中的算法也都是算出來(lái)的。這里面是三配，機(jī)器人怎么配到貨柜，怎么收檢這個(gè)站，這個(gè)方法目前是用機(jī)器人去托盤(pán)，拖這個(gè)貨柜，把整個(gè)的貨柜用到旁邊的這個(gè)臺(tái)上，然后又把這個(gè)拿下來(lái)，再把托盤(pán)送回去。

我們中國(guó)人就很喜歡把國(guó)外的東西搬過(guò)來(lái)，首先是機(jī)器人，把整個(gè)的貨柜拖起來(lái)，可能那個(gè)貨柜員就檢一個(gè)東西下來(lái)。那么為什么說(shuō)貨柜不動(dòng)，而且貨源坐在機(jī)器人身上然后去檢貨呢，可能人需要多一點(diǎn)，但是貨柜可以裝的更高了，空間利用率更高了。

我覺(jué)得我們大家可以想到一些更好的，但是這套技術(shù)可以用，而且人坐在機(jī)器上，不僅前后移動(dòng)還可以升降貨柜，可以放更高，運(yùn)行過(guò)程中形成三位的倉(cāng)庫(kù)而不是平面的倉(cāng)庫(kù)，這樣我們就可以計(jì)算出來(lái)，包括貨的這個(gè)密度，增加多少，倉(cāng)庫(kù)的利用率可以增加多少。那么對(duì)于像我們國(guó)家，人力相對(duì)比較便宜，房非常貴，是不是就更好一點(diǎn)，但整個(gè)也是靠產(chǎn)品運(yùn)輸來(lái)優(yōu)化問(wèn)題進(jìn)行求解。

從優(yōu)化的模型下，各種各樣的這個(gè)決策，還有算法，我在國(guó)內(nèi)跟工業(yè)界接觸也有一段時(shí)間，工業(yè)界總是覺(jué)得我們需要深度學(xué)習(xí)，需要機(jī)器學(xué)習(xí)，需要把預(yù)測(cè)的精度再提高 1%，提高 1%。我覺(jué)得有時(shí)候忽略了一點(diǎn)，有個(gè)測(cè)不準(zhǔn)的這個(gè)定理到一定時(shí)候不可能提高的，有一個(gè)不確定的這個(gè)規(guī)律存在。

股票市場(chǎng)存在一兩百年，也沒(méi)有人能 100% 預(yù)測(cè)股票市場(chǎng)，所以在測(cè)不準(zhǔn)的情況下，在決策上是不是可以做點(diǎn)工作，在知道測(cè)不準(zhǔn)，可能有不同的這個(gè)狀況出現(xiàn)的情況下，我的決策是不是可以調(diào)整一下，從數(shù)據(jù)到?jīng)Q策我們是不是也可以做一些工作。比如說(shuō)我可以保證我在期望值省時(shí)一些，但是我保證永遠(yuǎn)不會(huì)破產(chǎn)，防備那些惡性大事件發(fā)生，所以這些模型在 OR 應(yīng)用到很多的。

比如說(shuō)路徑優(yōu)化，搞了一個(gè) PonyPlus，我給這個(gè)送貨員把一個(gè)任務(wù)今天要派 10 個(gè)單，給到這個(gè)送貨員，就搞一個(gè)輔助工具怎么去路徑最好，排了一個(gè)，這里面都有這樣一些工具。

二、庫(kù)存管理

這里面最典型的是庫(kù)存問(wèn)題，就是典型的知道你測(cè)不準(zhǔn)，我怎么能夠把局測(cè)做到最好，把庫(kù)存做到最好。以前早的時(shí)候還沒(méi)有深度學(xué)習(xí)，比如你是小零售商，你進(jìn)貨進(jìn)多少，進(jìn)一個(gè)星期的貨，但是不知道這個(gè)星期有多少，多的有多的損失，少的有少的損失。所以這個(gè)時(shí)候運(yùn)籌學(xué)就有一套方法來(lái)處理這個(gè)問(wèn)題。

最近大家是否聽(tīng)說(shuō)過(guò)美聯(lián)航上面有一個(gè)人，因?yàn)闄C(jī)票賣(mài)多了，上了飛機(jī)被人拖下去，后來(lái)是賠了幾個(gè)億，為什么說(shuō)這是典型問(wèn)題，是不確定環(huán)境下的決策？

飛機(jī)上座位是固定的 300 個(gè)，你事先只賣(mài) 300 張票，不會(huì)賣(mài)多，來(lái)的人都可以登記，問(wèn)題是總有 5% 到 10% 的人，因?yàn)楦鞣N各樣的原因是不會(huì)來(lái)的。那么你賣(mài) 300 張票，5% 到 10% 是不會(huì)來(lái)，那么那部分就會(huì)損失，所以航空公司一般都會(huì)多賣(mài)一點(diǎn)。這個(gè)道理是一樣的它也要權(quán)衡，它知道有些人不來(lái)，我怎么多賣(mài)幾張，最好的是有些人不來(lái)，不來(lái)的人數(shù)正好是我多賣(mài)的人數(shù)。但是永遠(yuǎn)是測(cè)不準(zhǔn)的，也就出現(xiàn)美聯(lián)航的這個(gè)問(wèn)題。

一般我們決策是什么，業(yè)內(nèi)通過(guò)拍賣(mài)的形式，你愿意乘坐下一次航班，給你多少錢(qián)，美聯(lián)航說(shuō)到 600 塊錢(qián)就不向上提，所以我們要找一個(gè)權(quán)衡，多賣(mài)幾張最好。

這點(diǎn)我們做過(guò)很多實(shí)際案例特別是在我們國(guó)內(nèi)比較大的電商里，幫他安排，通常周轉(zhuǎn)率在 29 天的，那么現(xiàn)在降 16.5%，庫(kù)存的金額大家也都知道零售商最怕的就是庫(kù)存周轉(zhuǎn)率太低，買(mǎi)了人家的東西自己又賣(mài)不出去，庫(kù)存金額降 19.2%，現(xiàn)貨率提升了，GMV 上升 1.9%，而周轉(zhuǎn)天數(shù)下降到 16.5%。就是說(shuō)我們主要是降低了這部分人力，在不損失這兩個(gè)標(biāo)準(zhǔn)的情況下。

還有一個(gè)辦法根據(jù)某一個(gè)電商的特點(diǎn)，叫閃購(gòu)，出一份貨賣(mài)一個(gè)星期就不賣(mài)了，那么這個(gè)時(shí)候他們通常這個(gè)電商把那個(gè)星期的預(yù)測(cè)，需要備多少貨就決定下來(lái)，我們采取兩階段的策略，首先我有一個(gè)總的估量，但是我發(fā)貨的時(shí)候是發(fā)三天的貨，通過(guò)第一天的銷(xiāo)量我再?zèng)Q定追不追貨，不知道大家聽(tīng)懂了沒(méi)有，本來(lái)一周的需求量是 100，我實(shí)際送到前沿倉(cāng)庫(kù)送 60 件，頭一天的這個(gè)銷(xiāo)量是夠，我是否需要把這 40 件補(bǔ)上去就看第一天的銷(xiāo)量，第一天的銷(xiāo)量對(duì)后續(xù)的這個(gè)預(yù)測(cè)度就更高。

王曦也是我們斯坦福的學(xué)生，現(xiàn)在是杉數(shù)的產(chǎn)品經(jīng)理。設(shè)計(jì)了一個(gè)叫 Stockgo，根據(jù)我們跟電商還有其他接觸的這個(gè)規(guī)律，我們覺(jué)得應(yīng)該給每一個(gè)中小電商，至少提供一個(gè)可能的工具，觀察庫(kù)存的周轉(zhuǎn)來(lái)確定，幫助他決策。

這里面有很多的功能，比如說(shuō)對(duì)目前庫(kù)存狀態(tài)的量化評(píng)估，對(duì)高精度的銷(xiāo)量預(yù)測(cè)，高精度的補(bǔ)貨策略，供應(yīng)鏈管理的智能化轉(zhuǎn)型，包括很多的機(jī)器學(xué)習(xí)工具還有深度學(xué)習(xí)工具，對(duì)你的庫(kù)存狀態(tài)進(jìn)行評(píng)估，精確到每一個(gè) SKU，還有補(bǔ)貨策略，以及個(gè)性化的全云端解決方案，也可以直接把數(shù)據(jù)傳送到杉數(shù)，然后幫你進(jìn)行診脈。

總的目的是，把這些 OR 的東西對(duì)經(jīng)濟(jì)起大作用，這是已經(jīng)在跟很多 ERP 的公司發(fā)給他們使用，通常周轉(zhuǎn)率會(huì)提高到 50%，資金及人力成本降低，電商自動(dòng)化庫(kù)存能力也都是在提高，這是一個(gè)小工具，到時(shí)候這些能夠?yàn)閺V大的小電商服務(wù)。你也可以自己調(diào)整，但是至少給了你一個(gè)可能性。

三、投資組合優(yōu)化

最后我就講一講最近還研究一些投資組合優(yōu)化，也就是防范風(fēng)險(xiǎn)。

這里面很多情況有一個(gè)叫 Markowitz，叫現(xiàn)代投資前沿理論。Markowitz 也是在我們斯坦福工作過(guò)一段時(shí)間，把投資組合的問(wèn)題寫(xiě)成一個(gè)二次規(guī)劃，它的目標(biāo)函數(shù)不是線性函數(shù)，是二次函數(shù)，所有的約束也都是線性。

如何解這個(gè)問(wèn)題解的最快，這個(gè)時(shí)候我們就有很多的問(wèn)題，因?yàn)槌霈F(xiàn)了二次函數(shù)呢，大家知道在統(tǒng)計(jì)中，二次的 X 的平方通常描述變化量，我們需要波動(dòng)不太大，這就是簡(jiǎn)單的這個(gè)二次函數(shù)，實(shí)際上要解的也就是二次規(guī)劃，常見(jiàn)的軟件 Barra、Axioma、ITG、Mosek 等。

那么在交易過(guò)程當(dāng)中，你的算法你的求解器比人家快一些，我個(gè)人認(rèn)為高頻交易的競(jìng)賽也就是算法速度的這個(gè)競(jìng)賽。我知道國(guó)內(nèi)就用到過(guò)這樣的模型，自己解需要解 10 秒鐘的時(shí)間。從 10 秒到 0.04 秒，這里面有算法的模型。

FICO 也是二次規(guī)劃的問(wèn)題，很多大數(shù)據(jù)公司，越來(lái)越重視優(yōu)化，我個(gè)人認(rèn)為美國(guó)最早的大數(shù)據(jù)公司就是產(chǎn)生 FICO 的一家公司，國(guó)內(nèi)是叫征信打分，就是最早的一個(gè)公司把個(gè)人所有的信息收集起來(lái)給這個(gè)人的信譽(yù)打分。我 1982 年去美國(guó)要租房子到銀行開(kāi)款，人家就必要 FICO，我說(shuō)我是中國(guó)來(lái)的沒(méi)有，到美國(guó)租房要擔(dān)保首先就是看這個(gè) FICO，打這個(gè)分。

這個(gè)公司后來(lái)做的很好，大家都用他的 FICO，也就提供這個(gè)服務(wù)，包括在網(wǎng)上查一查這個(gè)征信也都要交錢(qián)，這是美國(guó)很早的大數(shù)據(jù)公司，收集很多公司對(duì)每個(gè)人也都有打分。就是我說(shuō)的英國(guó)優(yōu)化公司，就被這個(gè) FICO 公司買(mǎi)下來(lái)，在大數(shù)據(jù)處理中需要優(yōu)化，能力需要加強(qiáng)。

這里面剛才我提到，我個(gè)人呢，包括杉數(shù)里我們很多人也跟美國(guó)運(yùn)通公司做了很多，它是一個(gè)純信用卡公司，不是一個(gè)單元，實(shí)際上是一個(gè)擔(dān)保公司。信用卡消費(fèi)什么東西，你如果消費(fèi)了什么東西，把前期的這個(gè)還上，你沒(méi)什么，要還不上就加利息，我總跟人家講運(yùn)通公司是合法的高利貸公司，國(guó)內(nèi)有些高利貸公司可能就是比較野蠻。但是他是比較合法的，利率確實(shí)比較高。

那么它的資源是什么，它的核心技術(shù)是什么？就是防范風(fēng)險(xiǎn)，希望你消費(fèi)但又希望你不要還錢(qián)而且希望你還錢(qián)不要還得太快，但是又不希望你永遠(yuǎn)不還。當(dāng)時(shí)在運(yùn)通公司我們工作的時(shí)候，有一個(gè)專(zhuān)門(mén)的團(tuán)隊(duì)就搞這個(gè)，是一個(gè)大數(shù)據(jù)公司，特別是個(gè)人的一些數(shù)據(jù)在那個(gè)時(shí)候沒(méi)有英特網(wǎng)，有比信用卡交易紀(jì)錄的更多數(shù)據(jù)，也都是這個(gè)數(shù)據(jù)來(lái)進(jìn)行識(shí)別。具體項(xiàng)目我不清楚了。

有一個(gè)就是我們幫他搞了一個(gè)怎么追債，運(yùn)通公司信用卡如果三個(gè)月連續(xù)不還錢(qián)，人家不還錢(qián)不能雇殺手卸個(gè)脖子什么的，所以必須要通過(guò)合理的方法博弈，心理學(xué)很復(fù)雜的過(guò)程。所以有一些和追債公司聯(lián)合起來(lái)一起搞。

很多是基于算法的，國(guó)內(nèi)公司搞的這個(gè) AI 非常熱，趨勢(shì)跟隨很緊，在有些問(wèn)題上結(jié)合中國(guó)特色進(jìn)行研究和開(kāi)發(fā)。我個(gè)人在 AI 革命過(guò)程中，看到了中國(guó)體制的這個(gè)優(yōu)點(diǎn)。

為什么呢？也就是說(shuō)文化的優(yōu)點(diǎn)，你過(guò) AI 這個(gè)問(wèn)題，說(shuō)句實(shí)話，深度學(xué)習(xí)這一塊還是有很多理論依據(jù)，深度學(xué)習(xí)本身目前這個(gè)階段，理論還在發(fā)展，做事情這個(gè)過(guò)程有點(diǎn)像我們中醫(yī)，有什么問(wèn)題它很有效，但是真正說(shuō)出一個(gè)道道來(lái)還說(shuō)不出來(lái)，有的時(shí)候也不是 100% 的準(zhǔn)確，但是準(zhǔn)確起來(lái)非常好，一個(gè)癌癥病人吃了幾副藥好了，怎么解釋?zhuān)忉尣涣?，所以我覺(jué)得特別適合中國(guó)的這個(gè)文化，不問(wèn)緣由只看效果，西方在這塊反而比較保守的。

所以我就說(shuō)中國(guó)相對(duì)來(lái)說(shuō)數(shù)據(jù)還比較公開(kāi)自由，壁壘意識(shí)沒(méi)那么強(qiáng)，像美國(guó)大公司數(shù)據(jù)絕對(duì)不會(huì)給你的，所以我覺(jué)得為 AI 開(kāi)辟了很多前途。

但是中國(guó)發(fā)展過(guò)程中忽略了算法的力量，他們通常是以問(wèn)題為根本，找了一些參考資料在開(kāi)源軟件中找一個(gè)算法進(jìn)行試一試，這是要花非常大的這個(gè)功夫，確實(shí)是要耐得住寂寞，但是要用人家的開(kāi)源軟件，不給的話永遠(yuǎn)會(huì)被牽著鼻子走。我知道其實(shí)他們很需要線性規(guī)劃或者說(shuō)其他的運(yùn)營(yíng)規(guī)劃。但是你要買(mǎi)人家，出于安全考慮也不行。

比如說(shuō) CPLEX，Mosek，現(xiàn)在有些大學(xué)、包括財(cái)經(jīng)大學(xué)、杉數(shù)科技，不光是做實(shí)際應(yīng)用，也培養(yǎng)自己的算法開(kāi)發(fā)，這樣的話就比較有核心技術(shù)了，真正的成為技術(shù)公司而不是咨詢公司。

所以大家投資要是很有錢(qián)的話，要耐得住寂寞，要有核心的技術(shù)等等這樣的一些東西。

未來(lái)的話，我覺(jué)得真是 AI、深度學(xué)習(xí)和機(jī)器學(xué)習(xí)提供了很多的支撐，模型規(guī)模也飛速增長(zhǎng)，因?yàn)樾枰笠?guī)模的優(yōu)化算法，以前我認(rèn)為我就要搞出個(gè)萬(wàn)能的算法，解所有的線性規(guī)劃都要解得快，但是我后來(lái)反觀看AI是非常定制的，我可以對(duì)某一類(lèi)方法用的好就用那個(gè)方法，不是追求某一個(gè)統(tǒng)一的算法，或者類(lèi)別法。反而是比較定制化的，用中國(guó)話來(lái)講比較實(shí)用主義一些。

不一定追求理論上的完美，有一個(gè)統(tǒng)一的算法，所以這點(diǎn)上，我覺(jué)得反過(guò)來(lái)，AI 對(duì)我們的這個(gè)東西有很大的促進(jìn)，什么問(wèn)題需要什么樣的算法，本身需要學(xué)習(xí)的過(guò)程。

還有一個(gè)問(wèn)題，我們以前比較重視凸規(guī)劃，大量的問(wèn)題是凸規(guī)劃?，F(xiàn)在需要考慮如何集群化、軟硬件結(jié)合，如何利用 GPU 實(shí)現(xiàn)并行運(yùn)算，包括應(yīng)用在智慧供應(yīng)鏈、智能金融、健康管理等領(lǐng)域，我對(duì)我們國(guó)家的掛號(hào)系統(tǒng)，有很多的問(wèn)題能不能采取更好的方法，這樣的話對(duì)大家都有好處，這個(gè)東西，我們?cè)?OR 叫排序。

總的來(lái)說(shuō)我是搞運(yùn)籌，因?yàn)橐彩歉銉?yōu)化的，1982 年到現(xiàn)在也大半輩子看到學(xué)術(shù)研究的起伏變化，我原來(lái)比較重視理論，很多問(wèn)題都是寫(xiě)文章，證明一些東西，也小有成就，但是人到年紀(jì)大的時(shí)候維護(hù)自己工作利益所在。我覺(jué)得最大的利益還是對(duì)一般人生活產(chǎn)生一些影響，因?yàn)檎l(shuí)也不知道很多理論證明的結(jié)果有什么東西。

我仔細(xì)想，那些用 PonyPlus 的人，你證明不證明，我可能還是用這個(gè)方法。這就是到一定年齡的時(shí)候，就追求鼓勵(lì)這些年輕人，不光是有一定的學(xué)術(shù)造詣，把自己的學(xué)術(shù)成果轉(zhuǎn)化成技術(shù)，對(duì)人的基本生活產(chǎn)生影響，這才是 OR 的本質(zhì)，OR 是一個(gè)接地氣的科學(xué)，是一個(gè)落地的科學(xué)，怎么落地不能云里霧里說(shuō)嚇?biāo)廊耍?jīng)過(guò)我們的試驗(yàn),還有杉數(shù)這些年輕人都是從斯坦?；貋?lái)的學(xué)生，像運(yùn)籌學(xué)，深度學(xué)習(xí)、機(jī)器學(xué)習(xí)確實(shí)對(duì)電商這些也都產(chǎn)生了一些影響。

所以我就希望大家多支持我們，使得中國(guó)的企業(yè)，從一個(gè)比較粗狂的形式進(jìn)一步拓展為依賴于大數(shù)據(jù)、國(guó)際技術(shù)來(lái)進(jìn)行決策的環(huán)境里面。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。