李根 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

杉数科技，非典型AI公司。

不从事语音、图像和NLP链条上的任何一项，也不以机器学习、深度学习作为唯一的核心支撑，杉数站在机器学习和运筹的交叉口，做的是数据规律挖掘之后，建模、求解，提供最佳决策方案的生意。

目前，付费客户名单中囊括了京东、顺丰、滴滴、永辉、万达、百威、德邦等。营收方式也简单而直接：出售结合用户场景的深度、精细解决方案，一个合作一笔账款。

于是挑战也暗含其中，一次合作结束，付费客户是否还愿意继续合作？供应方案效果，就是营收钥匙。

杉数方面称，2017年回款数已经超1000万元。但看起来只是起跑小试，因为2018年第一个月，商业合同确认数便超过了2017年全年总营收。

就是这样一家公司，近日还宣布获得高达投资（Pagoda Investment）领投，将门创投、联想创投跟投的Pre-A轮融资，总额4000万元。

杉数究竟是做什么的？

△ 杉数科技CEO罗小渠

决策AI

对于AI的理解，杉数科技CEO罗小渠有清晰的链条层次划分。

他认为AI可以分为三大层次：

首先是数据层，包含图像、语音和自然语言处理在内，本质都是数据采集和管理，把真实世界信息转换成机器可以理解和处理的数据。

其次是分析层。通过机器学习和统计学的方法，从搜集的数据中分析隐藏的规律，找到规律性的东西。

最后到达决策层，在规律的基础上，通过算法实现决策性分析，辅助人类完成决策。

实际上，一般意义上，分析层和决策层之前少有明确区分。无论是机器学习的方法，还是深度学习的理论，简单而言都是通过大规模数据分析完成决策。

但罗小渠并不认同。

他解释说，分析层更多在找寻“关联”，但关联并不等于决策。

比如以天气预报举例，往往通过历史数据挖掘去捕捉关联性，然后出预测结论，并给决策性分析。

这其中就有分析和决策的不同。

第一，分析给出的规律应用到决策，涉及具体的场景和个体差异。比如明天天气预测下小雨，对于身体强弱不同的人，实际的决策性建议就会不同——或许身体好的人不需要带伞。

第二，数据规律得出的预测，永远都有不确定性，如何在实际决策时应对不确定性，这是决策必须要解决的核心问题。

第三，从预测到决策，中间还有诸多限制性因素需要考虑其中，如何在这些影响因子中得到最优解、系统平衡点，会展现为决策结果。

分析和决策的区别，正是杉数安身立命的要点所在，最核心的技术有两个：一个是建模，另一个是求解。在当前学科体系中，这属于运筹学范畴。

传统运筹的科研方法是先找问题场景，在基于假设和经验去找逻辑，进而匹配模型去描述，最后通过数学求最优解。

但在新时代里，优化已经变成了一个非常底层的算法科学，并且在机器学习、深度学习中发挥重要作用。

杉数，就是希望运用运筹的方法在整个AI链条中发挥作用，或者更直白讲：供应决策方案。

实际应用

来几个实际案例。

比如跟物流企业合作，核心要解决的问题是“物流网络规划”。

通常对方会给出基础数据集分析，显示路线、物流量、量变情况等，如果进一步分析这些数据，也能得到一些关联性规律，排出路线与路线之间的耦合性、替代性，以及淡旺季变化情况。

OK，分析层结束。

杉数所要进行的就是在此基础上给出一个最后决策方案。具体来说，就是要给客户一套实际可行的建议，具体到整个网络中每一个中转场、营业站、网点如何排兵布阵，每一个都在什么位置？相互之间的距离如何安排？

这就进入了决策层。

这样的合作并不容易，一旦决策实施，数据反馈就会迅速知晓方案到底好不好。

另一个案例则更实时，涉及平台需求分配和资源调度。

这样的合作方通常会有两套算法系统。第一套是预测系统，对一定时间窗口内的需求增长情况有大致判断；另一套是分配系统，这套系统还需要增加各方面权重，帮助整个平台内参与者有序排布。

最具挑战是，这两套系统通常要一起运转，并且对计算时间的要求极为严格，越快得出决策结果，用户体验会越好。

之前一般做法是增加服务器、计算力，但物理量变后来已经无法应对指数级增长的需求。

于是后来意识到只有从算法层面做出质变革新。罗小渠透露说，双方合作重构了底层算法，联合研发了3个月之久，从算法层面解决了原本堆叠服务器才能完成的需求应对。

当然，同样还是供应解决方案。

标准化挑战

杉数科技也不是没有意识到一单生意一单营收的局限。

团队认为，2018年是公司以模块化、标准化方式服务市场的重要时期。2017年下半年，杉数团队已经推出了两款模块化标准化产品。

一款针对库存管理，叫“StockGo库存狗”。主要通过需求预测和优化决策，为零售电商类的客户提供供应链和库存管理的解决方案，针对滞销、脱销问题，适用于涉及到库存的客户，目前客户包括日化、图书、食品、家居、彩妆、母婴、3C、家电、鞋包等领域。

另一款主打运输优化，名为“PonyPlus小马驾驾”，是由算法驱动的智能运输管理产品，主要针对有城市配送需求的客户，根据其需求，提供多维度，多目标，多场景的配送任务分配以及运输优化解决方案，帮助企业提升运营效率，降低物流决策成本。

目前，“PonyPlus小马驾驾”已与海底捞物流子公司蜀海、百威等达成了合作，而且越是涉及多方对接配送、多个配送因素参与的物流场景，越能展现“PonyPlus小马驾驾”的决策和效率优化效果。

罗小渠说，标准化、模块化化产品研发，会重点放在物流、零售和快消三个领域。它们的共同点是：供应链。都是线性链条上复杂问题的决策，需要考虑的影响因子很多。

于是就决定了在决策层，标准化产品永远无法满足需求。

特别是B端大客户，都有具体的场景、特殊的问题，需要定制化服务和方案。也就是说，一对一的解决方案供应需求肯定长期存在。

罗小渠心中也清楚，对于技术公司来说，没有一个技术领域的技术优势是永恒的，所以杉数这样的以算法为核心竞争力的公司，永远考虑的事情是如何持续保持领先性，保持学习能力和解决问题能力的及时性。

他把这种挑战当做机遇，把这把达摩克利斯之剑当做鞭策。“我们有这个领域最优秀的团队，我们知道机会和挑战。”

实际上，杉数最早被真格资金和北极光**天使轮，也与其团队构成有关。

杉数的5位管理层人员全部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CPO王曦都是运筹学博士。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，以及知名ML青年学者、佐治亚理工大学终身教职副教授蓝光辉等。

截至2017年底，杉数的团队规模超过了50人。杉数CEO罗小渠认为，目前人才方面的优势，仍旧是杉数发展的势能所在。

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

加入社群

量子位AI社群15群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot6入群；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群请加小助手微信号qbitbot6，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态