聚焦供应链，杉数科技联合学界推出LEAVES算法求解器

如何通过多维度的深度分析帮助客户找到在不同场景下的最优定价和销售策略？如何针对供应链中包括预测、订单、库存、货运、配送等各个环节提供优化方案，帮助企业控制成本……诸如此类的商业问题真实存在，且急需解决。随着可以获取的数据维度及数据量不断增加，解决复杂商业问题的难度也在不断增加。

36氪此前报道的初创公司杉数科技则希望利用深层次数据优化算法和复杂决策模型的求解能力，服务企业尤其是供应链方向的企业，实时获得商业决策中的最优解。公司成立于2016年，成立之初，即获得了来自真格基金和北极光创投210万美元的融资。成立不到一年，就已经与京东、顺丰、滴滴等知名公司达成合作关系。

近期，公司联合上海财大，联合研发了国内第一个运筹学算法求解器——LEAVES算法求解器第一版。在杉数科技看来，这是对公司发展十分重要的一步。

此次发布的LEAVES算法求解器第一版，由冯·诺依曼理论奖唯一华人得主、国际知名运筹学专家斯坦福大学叶荫宇教授领导，上海财经大学与杉数科技共同主导开发，以开源的方式运行，为政府部门和各企业提供调用代码，以解决行业中的大规模数据优化问题。

杉数科技告诉记者，LEAVES算法求解器其实更多的是一个开源的算法求解平台，他们鼓励开源社区每一个工程师和科学家的积极参与。目前的功能分为三大模块，即传统运筹学的根基数学规划、大规模机器学习算法的高效实现和运筹学的实际应用软件。

数学规划模块可以解决Linear Programming（线性规划）、Geometric Programming（几何规划）、Locally Constrained Convex Programming（线性约束的凸规划问题）等常见的大规模优化算法求解问题。团队表示，在求解很多问题方面，水准已达到了国际前沿，例如，针对大规模SDP问题（半定规划问题）设计的求解器，是国际上目前最好的SDP求解器之一。团队告诉36氪，在大规模问题的建模求解中，主流优化算法求解器的并行化能力普遍没有充分开发，也是未来的努力方向；而在日常接触的问题处理上，LEAVES算法求解器运行效率与稳定度都非常可观。

除上述的技术创新外，LEAVES算法求解器同样有可能会产生比较大的社会价值和商业价值。

在物流、生产制造、金融、交通运输、资源管理、集成电路设计、环境保护、电力管理等，变量和约束数量达到几十万或者以上级别的优化算法问题无处不在。但目前国内并无本土的、可用的求解器，可供选择的商业软件（如Gurobi、Cplex、Mosek）、开源软件（如COIN、SCIP）、普适性算法软件（如Matlab）均是来自海外公司或者机构。若有国产替代软件，数据安全则更有保障。

对于大量有需求的客户来说，在这之前也鲜有高性价比的解决方案。Matlab只能处理数据规模较小的优化问题。COIN、SCIP等开源求解器虽然调用免费，但是因为缺少维护的动力，迭代普遍较慢，目前在整数规划求解的速度方面，依然与商业求解器存在一个数量级的差距。当前企业可以选择的商业软件主要有IBM公司旗下的Cplex，美国的Gurobi以及丹麦的Mosek等，但收费昂贵。以Gurobi为例，一台机器上的使用许可证高达14万人民币，且一个许可证只能提供给一台机器使用，这就意味着如果一个公司的机房需要几十台机器同时维护数据维持运算，就需要花费非常高昂的价格，且企业无权、无法自主调整算法代码。LEAVES算法求解器则提供了高性价比的替代方案。

要打造真正可用的求解器并不容易。团队也表示，实事求是地讲，在数学规划软件上，目前LEAVES与国际主流的商用求解器还有比较大的差距；他们在项目里启动数学规划部分的初衷，是希望可以创造一个华人领导、全世界参与的高水平开源社区与平台，以更好地集聚全世界最优秀学者，加速建设一个成熟可用的开源求解器，缩小与主流商用求解器的差距。

因此，在项目伊始，除了叶荫宇教授与其弟子葛冬冬、中国运筹学会数学规划分会理事长、中科院戴彧虹教授和他们的研究团队、国内运筹学专家邓琪、江波、何斯迈、明尼苏达大学工业与系统工程系系主任张树中、佐治亚理工运筹学终身副教授、青年学者蓝光辉、UIUC、加州大学伯克利分校等高校的多名年轻博士生也都有积极参与。此后，北大国际数学中心等科研机构，顺丰、京东、永辉、苏大天宫等大型企业也表示会陆续加入到LEAVES的共建工作中。

机器学习也是杉数科技着力打造的部分。例如此次在LEAVES平台上发布的机器学习算法求解器LEMO，采用了一系列国际最前沿的大规模凸优化与非凸优化技巧，目前对多个机器学习经典模型在单机上的求解速度已位居世界领先行列。LEMO结合了传统优化软件和深度学习软件的不同优点，支持机器学习的同时，可直接服务于运筹优化、数学规划等更为广泛、复杂的数学问题，并提供相应的调用接口。值得注意的是，传统优化算法软件如果要充分利用高性能计算，例如并行或分布式，代码迁移非常麻烦，而LEMO可以利用CUDA等高性能计算进行加速，大大提升运行效率。

在现代商业应用中，运筹学与人工智能算法紧密结合，体现出其强大的支持作用。因此，杉数科技也开发了多款应用软件，并在LEAVES平台上做了一个初步的展示。例如，由杉数科技开发的国内第一个全方位个性化云端智能库存管理系统StockGo就充分利用了运筹学的核心优势，通过优化技术为企业用户检测库存健康状况并给出实时、精准的智能采购建议，以提升企业供应链响应速度与系统效率。通过帮企业打通库存数据、定价数据及促销数据，在数据基础上建立决策模型，从而建立完整、动态的商品进销的决策链条，而非简单的数据看板。杉数希望通过这样的方式，真正帮助企业增加销量和利润。

杉数科技将向上海财经大学交叉科学研究院提供每年逾400万人民币的资金支持，用于共同设立人工智能联合实验室，并采取多项措施，支持其科学家团队的研究工作。团队表示，之所以愿意在这一领域投入，是希望可以促进中国运筹学的更好发展，也是看重其对公司潜在的商业价值。

优化求解技术服务是一个高度重视算法的行业。杉数科技分析，技术的领先性也是这个行业的核心竞争力之一，这种核心竞争力很大程度上来自于学界的科研创新、优秀的专业人才。通过这样的科研支持，团队不仅可以获得并应用更多的学界创新信息，也有助于增强外部的智力支持，甚至提前锁定优秀的专业人才。

而上海财经大学之所以愿意合作，也是希望两方面的因素可以互相形成良性促进，推动运筹学方向的研究、发展与落地。

这种对于行业的理解，也源自团队这一年多的技术及商业探索。相比于一年前，团队近期也将业务重心聚焦在了供应链领域，尤其是在物流、仓储、零售等环节。

团队在做了大量的市场调研和验证后，做出了这一决策。供应链领域是万亿级市场，数据显示，我国供应链管理服务行业的市场规模已经超过1.5万亿美元，到2020年有望突破3万亿美元。当前，随着运营成本的上升、信息化和数据化水平的提升，有了做优化的需求和可能。在海外，这一领域的商业价值已经被验证，已经出现估值数百亿美元的公司。而刚刚开始创业不久，杉数科技接触的国内供应链领域的客户就表达了付费的意愿，并产生了可观的付费订单。

目前，在物流仓储方向，杉数科技通过提供各个环节上的优化方案，提升供应链的响应速度、降低库存，以帮助企业节约在供应链方面的成本。在零售方向，杉数科技利用智能定价系统帮助电商客户找到不同场景下的最优定价和销售策略，以提升企业销售额。

去年开始，杉数科技主要是以行业决策解决方案的形式提供服务，已经与国内知名的电商公司、物流公司公司建立了合作，提供动态定价、供应链管理方面的的优化方案，并产生了营收。例如，在与一家合作伙伴的库存管理优化上，使用杉数科技的服务，可以将电商的周转率从25天降到 16.5天，使得库存金额降低19.2%，现货率也有提升，GMV 上升1.9%。今年，团队与客户的合作不断深化，也在拓展一些新的合作场景。

团队计划，未来这一方式的合作客户仅针对行业标杆大客户，后者不仅付费能力强、背书作用好，且提出的问题往往具有代表性、前沿性。CEO罗小渠告诉36氪，长远来看，公司的成果会以相对模块化、标准化的形式，提供给中小客户，这可能是未来公司盈利的重要增长点。这一方向的企业数量众多，且增速较快。据统计，全国物流公司数量超30万家,是增长最快的实体行业之一；我国零售业经营单位共有1811.91万个，同比增长5.2%。

现阶段，杉数科技已经组建了50人的团队。公司的六位核心领导层均博士毕业于斯坦福大学，其中联合创始人兼首席科学家葛冬冬、CTO王子卓及高级副总裁王曦都是运筹学博士，高级副总裁勒雅是机器学习权威Hastie教授的博士。团队发表过优化算法、供应链、机器学习等领域大量国际一流论文，也主持过多项中美自然科学基金的项目。王曦在加入杉数创始团队之前在Google总部任职，负责Project FI项目。此外，团队也组建了一支科学家服务团队，包括冯▪诺依曼奖唯一华人得主、斯坦福大学讲席教授叶荫宇及佐治亚理工大学终身教职副教授蓝光辉等。

此外，杉数科技今年还成为了INFORMS（国际运筹管理学年会）的主要赞助商。团队表示，之所以愿意在这方面投入，一方面是希望提升在专业学术圈的知名度；一方面也是希望吸引更多的人加入到LEAVES平台的开发中。