當前，數據處理技術已經沒有太大的壁壘，智能決策正處于發展的第二、三階段，運籌優化和機器學習是兩類關鍵技術。2022年，運籌優化和機器學習技術都實現了不同程度的突破，其中，國內運籌優化技術的成績非常亮眼。

運籌優化的核心技術是求解器，近幾年剛剛發展起來，由于研發壁壘較高，目前國內研究的企業和機構都很少。在智能決策賽道上，杉數科技是少數具備底層求解器技術自研能力的服務廠商。2022年。杉數求解器COPT實現了三次重磅升級，使得國產求解器的各項求解性能上都已經比肩甚至超越國際先進的求解器。目前，COPT求解器同時具備大規模混合整數規劃、線性規劃（單純形法和內點法）、半定規劃、（混合整數）二階錐規劃以及（混合整數）凸二次規劃和（混合整數）凸二次約束規劃問題求解能力，為中國智能決策技術的廣泛應用提供了強勁的底層技術支撐。

機器學習技術，主要是通過強化學習、深度學習等算法實現預測，其與整體AI技術的發展水平相關，2022年各個服務廠商都在不同程度地加大機器學習與智能決策的融合創新，從算法、模型等層面提升智能決策的速度和質量。

技術前進的一小步，映射到各行各業的無限場景中，帶來的都是巨大的變化。舉例來說，求解器求解性能的提升，可以提高企業決策效率和質量，進而帶來成本降低或收益增加，比如，上汽通用基于求解器COPT構建整車排產系統提升入場運輸效率，結合各路線/供應商結算模式，預計年化收益達數百萬。在數字化的浪潮下，技術創新永無止境，相信隨著不同技術的疊加效應逐漸顯現，智能決策會釋放出更大的潛能。

在智能決策賽道上，因為技術路徑不同，不同服務廠商的服務場景也各有差異，應用版圖呈現出百花齊放的特點。具體來看，偏重于機器學習類的廠商，主要服務于預測類業務場景，偏重于運籌優化技術的廠商，對于資源調度類問題更加游刃有余，而能夠將機器學習和運籌優化技術深度融合的廠商，無論是現在還是未來，都將占據更大的領先優勢。

應用之變：大型企業加速決策升級，場景滲透加劇

技術的進步有賴于科研水平的發展，同時也需要在商業場景中的千錘百煉，大型企業由于數據基礎更深厚，成為智能決策實踐的引領者。2022年，很多大型企業在推進數字化建設時，都著重加強數據驅動決策，在城市基礎設施建設方面，智能決策也成為打造智能化和精細化運營模式的關鍵力量，各服務廠商則在不同領域各顯神通。 

根據《2022愛分析·智能決策廠商全景報告》顯示，各智能決策廠商的服務范圍已經覆蓋包括工業制造、消費零售、金融、能源、航空等十多個行業。從整體情況來看，工業制造、消費零售和金融行業是服務廠商較為集中的領域，能源電力、軌道交通等領域由于場景更為復雜、技術壁壘更高，服務廠商相對較少。其中，杉數科技是少有的業務范圍覆蓋幾乎所有行業的服務廠商，這顯示了其綜合技術和解決方案能力。而從杉數科技的應用實踐中，我們也可以簡單了解過去一年市場的應用情況。

在服務模式上，杉數科技一方面將求解器COPT作為一種通用的智能化工具，接入不同企業和機構的數智化系統和平臺，實現底層求解“芯片”的國產化替代，發揮國產求解器的普惠價值。另一方面，以求解器為核心技術引擎，為企業機構提供不同場景的全套解決方案，幫助企業實現從數據到決策的升級。2022年，其在零售消費、工業制造、能源電力、軌道交通等領域都成功落地了多個項目，業務范圍和市場規模都在進一步擴大。