倍增業務效益，智慧決策開闢新賽道 | 愛分析調研

2022年7月，紐交所上市企業Palantir 獲得戰略融資約4.5億美元，估值近200億美元。2022年2月，決策類AI企業第四正規化獲得騰訊等戰略投資，融資金額超十億美元，估值近30億美元。2021年1月，智慧決策企業Gro intelligence獲得Intel Capital等投資，融資金額達8500萬美元。

上述融資事件裡的“主角”，均為國內外為客戶提供智慧決策解決方案的廠商，智慧決策受到資本的熱捧。同時，根據IDC的研究， 2021年中國智慧決策解決方案的市場規模達 8.9億美元，預計未來五年的市場規模增速超過50%。智慧決策已經成為資本以及科技企業角逐的新賽道。

智慧決策，是指綜合利用機器學習、深度學習、強化學習、運籌最佳化等多種智慧技術實現自動決策，可以基於既定目標，綜合約束條件、策略、偏好、不確定性等因素，對相關資料進行建模分析，從而自動生成最優決策。

哪些因素驅動了智慧決策的快速發展？智慧決策賽道處於怎樣的發展階段，賽道格局如何？愛分析將透過本文對這些問題作出詳細解答。 

01

企業需求、技術迭代、政策引導驅動智慧決策快速發展

精細化、敏捷化運營要求下，企業智慧決策需求增長

經濟新常態下，精細化運營成為企業業績增長的關鍵動力。市場環境迅速變化，企業業務運營的敏捷性需求提升，對決策時效性和質量提出更高要求。與此同時，各行業帶來決策要素增長和關聯性增強，使得市場環境快速變化，決策考慮維度變得更加複雜，人工經驗愈發難以應對。

因此，智慧決策應運而生。針對於企業決策週期長、決策質量低、人力成本高、客戶體驗差等決策痛點，智慧決策能夠與各行業場景深度結合，提高決策效率。

比如金融領域，智慧決策可用於金融產品開發、營銷獲客、風險控制、合規監管、資產管理等多個場景。其中在營銷獲客場景下，企業擁有多層次的客戶群體和複雜多樣的金融產品，智慧決策可幫助目標產品匹配合適的人群，幫助目標人群匹配合適的產品，實現雙向精準推薦。

在工業領域，智慧決策可用於產品設計、產品採購、生產質控、產品銷售及存貨管理等場景。以排產場景為例，工廠的生產線情況複雜，人工排產耗時低效，無法定量分析能耗成本，在智慧決策的幫助下，工業排產可選擇成本最低的生產路徑，有效降低成本的同時提高產能，減少浪費。

在智慧城市領域，智慧決策可用於市政資源排程、交通最佳化、網路規劃、疫情防控等場景。以城市經濟大腦場景為例，經濟工作需要統籌各個部門協同工作，智慧決策能夠輔助政府部門給出優質經濟治理方案，實現全區域經濟產業資料全面匯聚、共治共享。

完善的資料基礎是智慧決策發展的沃土

智慧決策需要大量且高質量資料進行模型訓練，因此數字化基礎設施，尤其以資料中臺為代表的資料治理能力決定了智慧決策的發展水平。隨著資訊化和數字化建設的推進，大型企業普遍具備資料基礎，業務資料實現了可採集與可分析，為資料驅動的智慧決策提供了必要條件。

核心技術日益成熟，為智慧決策發展奠定基礎

• 智慧化發展歷經感知智慧、認知智慧，進入決策智慧階段

智慧化指使物件具備靈敏準確的感知功能、正確的思維與判斷功能、自適應的學習功能、以及行之有效的執行功能。縱覽智慧化的發展，可將智慧化分為三個階段：感知智慧、認知智慧和決策智慧。 

目前，智慧化發展整體上處於認知智慧階段，但部分具備完善數字化基礎設施的行業、場景，在機器學習、運籌最佳化等技術推動下，正在積極探索決策智慧應用落地。

• 機器學習、運籌最佳化等核心技術持續突破

智慧決策的關鍵技術主要分為機器學習和運籌最佳化兩類。機器學習技術透過強化學習、深度學習等演算法實現預測，通常需要大量資料來驅動模型以實現較好的效果；適用於描述預測類場景，如銷量預測。運籌最佳化技術基於對現實問題進行準確描述刻畫來建模，透過運籌最佳化演算法在一定約束條件下求目標函式最優解，對資料的依賴性弱，結果可解釋性強，適用於規劃、排程、協同類問題，如人員排班、補配貨。

機器學習和運籌最佳化近年持續取得技術突破。如機器學習中的深度學習技術，在大資料、強力的計算裝置以及有效的訓練技巧的推動下，正在逐漸突破梯度消失帶來的隱層數量限制，隱層“深度”日益增加，模型的複雜度以及學習能力大大提升。運籌最佳化技術在持續深化現有技術框架，解決精度、可解釋性和擴充性平衡問題的同時，也在應用領域持續突破，如將線性整數規劃應用於城市軌道、將多目標線上匹配應用於共享交通的司乘匹配和派單。此外，強化學習由於融合了統計學、心理學、運籌學、資訊理論以及電腦科學等多學科，成為智慧決策的研究熱點，正被嘗試應用於解決運籌最佳化中的組合最佳化問題。

政策推動智慧決策能力建設及場景應用

政策層面，近年，智慧決策已經成為國家戰略層面高度重視、重點發力的領域，在農業、商務、建材、工廠、家居、政府管理等方面不斷推動智慧決策相關技術應用，先於市場指明瞭智慧決策的應用發展方向，進一步推動了智慧決策能力建設及場景應用。 

其中，2021年7月全國人民代表大會印發的《2035遠景目標綱要》明確，“將數字技術廣泛應用於政府管理服務，推動政府治理流程再造和模式最佳化，不斷提高決策科學性和服務效率。加快構建數字技術輔助政府決策機制，提高基於高頻大資料精準動態監測預測預警水平。”這一要求表明可將智慧決策應用於政府管理領域，推動政府治理流程再造和模式最佳化，從而提高政府決策的科學性和服務效率。

02

多方勢力搶佔智慧決策市場先機，智慧決策技術和場景融合能力是關鍵

大型科技企業與垂直人工智慧企業各據一方

目前，國內智慧決策的主要玩家可分為平臺型廠商和垂直廠商兩類。平臺型廠商以阿里雲、百度雲、華為云為代表，具有雄厚的資金實力，研發偏向於技術創新，由於平臺型廠商具備完善豐富的數字化技術，智慧決策產品既可獨立形成解決方案，也能組合、搭配其他技術形成定製化解決方案，滿足客戶不同場景需求。垂直廠商以第四正規化、中科聞歌、明略科技、杉數科技為代表，聚焦於特定業務場景，針對性研發場景智慧決策應用平臺，以優勢行業為壁壘，向其他行業擴充。

資料處理、演算法研發、場景融合能力是智慧決策廠商競爭的關鍵能力

智慧決策廠商競爭的關鍵在於是否能夠有效提升企業決策質量和效率，使得企業決策更具有精準性和前瞻性。因此，智慧決策廠商需要具備以下能力要素：

紮實的資料處理能力。智慧決策解決方案需擁有高效的資料處理平臺，面對多格式、多維度、高實時性資料能夠進行快速處理，透過資料處理平臺對資料進行統一管理，讓預測模型訓練和上線過程都能高速獲取特徵資料。智慧決策解決方案裡的資料處理平臺實現一體化，就能打破不同部門間的資料壁壘，讓資料在相同機器學習模型進行運用，能夠進一步提升智慧決策的效率和準確率。

持續迭代的演算法研發能力。智慧決策解決方案需具備機器學習理論以及運籌最佳化知識，還要融合腦科學、類腦計算、心理學等學科知識。這要求服務廠商的人才團隊需具有深度挖掘決策本質的研究能力和創新能力，才能夠大大提升模型持續學習的效用。與此同時，服務廠商需要在技術演算法方面持續投入時間和資金，既要覆蓋大規模資料獲取成本還要支援經年累月的技術研發，才能夠實現智慧決策的核心技術突破。 

智慧決策解決方案需要與企業總體架構以及應用場景深度結合。這既依賴於服務廠商在行業領域的知識沉澱和經驗積累，也依賴於服務廠商對於企業整體戰略方向的判斷與把控，需要服務廠商能夠站在企業戰略層面，給出適應企業需求的個性化智慧決策解決方案，讓企業不再面對智慧決策解決方案碎片化落地的現狀。

 

不同智慧決策廠商在以上廠商關鍵能力中側重點不同。針對資料處理能力，大型科技企業和少數垂直人工智慧企業如第四正規化、中科聞歌均具有優勢，能提供資料平臺+融合智慧決策一體化平臺產品，如中科聞歌的“天湖”資料智算中臺。而在演算法研發能力方面，大型科技企業資金雄厚，更具研發優勢。針對場景融合能力，垂直人工智慧企業以解決行業場景痛點為切入點，普遍具有場景融合能力，如第四正規化的智慧營銷平臺服務於金融行業、明略科技的智慧廣告平臺Serving系統。

 

資料智慧廠商之間的競爭不僅僅依賴基礎的資料處理能力，還依賴演算法技術能力和對垂直行業的理解和交叉學科的融合能力，以及廠商對企業整體智慧決策系統的判斷與把控能力，才能夠總結出智慧化時代新型決策方式，實現從“資訊域”向“認知域”再向“決策域”的跨越。 

 

03

智慧決策代表廠商分析

 

下面，本文將以Palantir、中科聞歌兩家代表廠商為例，具體分析智慧決策廠商的技術、產品和業務佈局。

Palantir

Palantir Technologies成立於2003年5月，是一家提供一站式資料智慧解決方案的企業。Palantir早年輔助美國情報局進行反恐調查和執行工作，近年開始服務於商業企業，覆蓋軍事、警務、金融、製造、網路、醫療等多個領域，幫助企業大規模高效整合資料、決策和業務流程。

Palantir釋出的Gotham和Foundry軟體平臺，可將機構海量資訊轉化為反映業務的資料資產，能夠為國防部門、情報局、災害救援組織等提供平臺決策支援，基於Gotham和Foundry通用的大資料融合和視覺化分析平臺，指揮人員和排程人員能在單一系統內實現敵人的活動預判決策等。

例如在軍事應用場景，Palantir 基於全量多模態資料融合和協同分析框架，支援對地理空間上分散的人、裝備、環境、事件等進行大規模實時監測和因果分析，以指導複雜戰場環境下的軍事行動。大資料技術已被美國軍方廣泛運用於戰場態勢分析和預測，如定位伊拉克戰場中可能存在的炸 彈或地 雷位置，幫助美軍在巴格達規劃一條被襲機率最小的路徑。

中科聞歌

中科聞歌成立於2017年，定位於資料與決策智慧服務商，深耕“資料智慧+人工智慧+運籌學“智慧計算核心技術，專注於人工智慧基礎平臺與應用研發，吸納了各個領域的高水平技術人才，在安全、媒體、金融、政務、商業五大領域配備具有豐富工作經驗的開發團隊，實現智慧決策理論與實踐能力的互促互進、相輔相成。

中科聞歌以“天湖”資料智算平臺和“聞海”全球開源資料平臺為技術底座，打破原先資料由企業不同部門管理而形成的資料壁壘，支援實時採集、清洗、治理、儲存、管理、檢索、分析各個環境多模態資料，能夠高速提取模型所需的特徵資料，依託“天湖”資料智算平臺的多模態資料智慧技術，構建領域模型實現知情決策，面向未來可能發生的場景主動進行情景推演與態勢預測，進一步提升智慧決策的效率和準確率。

例如在城市管理領域，中科聞歌積極配合“數字政府”發展戰略，為“智慧城市”建設提供應用解決方案， 構建形成和諧統一，集約共享，智慧決策，科學發展的智慧城市生態，實現對城市執行的實時感知、精準分析、整體研判和協同指揮。相關技術成果已助力多個城市防疫部門實現風險預警、實時處理和調查溯源的防疫閉環。如在城市防疫風險預警環節，中科聞歌可針對進行重點人群核酸情況智慧比對，對檢測時間不符合要求的人員自動傳送簡訊提醒，並同步給企業管理和政府管理人員；在疫情發生後，能夠快速進行人員比對、物資調配智慧決策，最佳化排程資源。 

04

智慧決策將成為業務提效的核心驅動力

目前，智慧化正邁入智慧決策階段。一方面，隨著市場認知深入、技術的強化迭代、政策的方向引導，更多的市場需求被釋放，領先企業紛紛透過運用智慧決策拉開與後進者間的距離。另一方面，綜合型技術巨頭和專業智慧決策技術服務商各成一派，加大場景邊界擴充力度。在需求和供給共同作用下，智慧決策技術將日益成熟，智慧決策市場也將迎來蓬勃發展，進而為資本入場帶來豐富的戰略機遇。