杉数科技：从数据收集到智能决策

近日，由创业黑马与人工智能新媒体平台黑智发布的《2017年度最具商业价值人工智能公司TOP50 榜单》上，斯坦福大学博士罗小渠、葛冬冬、王子卓联合创办的杉数科技在其所在的“企业服务领域”被评为最具商业价值的人工智能公司之一。

杉数科技于2016年创建，当年8月获得真格基金和北极光创投领投的天使轮投资。杉数科技CTO、明尼苏达大学助理教授王子卓在6月24日的“AI大师圆桌会”上介绍说，他们的核心业务是通过大数据和机器学习，帮助企业制定更好的定价策略。

一项权威调查显示，95% CIO(首席信息官)认为他们在数据和决策建立桥梁上做得并不好。将人工智能的应用从最初的数据收集、分析，延伸到最终的决策环节，补足了人工智能在决策链上的最后一环。杉数科技的切入点是大型消费类企业的定价环节，由数据驱动，动态调整商品的定价。

王子卓在会上表示，定价策略制定时最重要的是了解消费者构成偏好和行为，例如某一件商品价格发生变化时会对消费行为产生什么影响，某件产品消失后，对消费行为有何影响；除去这些理性因素，消费者在做选择时还会参考网络效应、光环效应、诱饵效应等非理性因素，通过机器学习用模型把它们挖掘和刻画出来，并通过不断得反馈进行优化。

杉数的决策模型中，运用了大量运筹学的研究成果。杉数科技首席科学顾问、斯坦福大学李国鼎工程讲座教授叶荫宇，曾获运筹管理学界最高奖、美国运筹与管理学会冯诺依曼理论奖(迄今为止华人唯一获奖者)，CTO王子卓曾获美国运筹管理学会收益管理分会2015年最佳实际应用奖提名。

作为20世纪30年代初发展起来的一门新兴学科，运筹学的主要目的是在决策时为管理人员提供科学依据，是实现有效管理、正确决策和现代化管理的重要方法之一。

王子卓介绍说，杉数与其他同类创业公司的差异性在于，从技术上来说，他们不仅是AI，还结合了运筹学，为企业打造可以落地的解决方案。

24日的“AI大师圆桌会”由钛媒体和杉数科技联合主办，斯坦福大学李国鼎工程讲座教授(Chair Professor)叶荫宇、杉数科技CTO、明尼苏达大学助理教授王子卓、佐治亚理工学院终身教授蓝光辉、清华大学交叉信息研究院助理教授李建和纽约大学助理教授陈溪等嘉宾出席会议。

会后，列席会议的媒体对嘉宾进行了群访，以下为媒体采访的部分摘要：

媒体访谈实录

(中新经纬摘编、整理)

问：你怎么看现在的AI的格局，因为BAT都在做，在这样的格局下，对于创业公司来说，还有哪些比较好的切入点，一旦其业务范围跟巨头有交叉，致胜点在哪里？

陈溪：这是一个专业领域的融合，像BAT在模式识别这方面做得非常好，但是具体跟场景的结合，像杉数科技解决了很多无人仓、供应链定价方面的问题，我觉得BAT还是有一定的这个壁垒，并不来自于AI，而是来自与大家对这个问题的理解和需求。

王子卓：服务点应该是我们的优势是什么，第一说机器学习，现在有一些团队在开发，确实做得非常不错，而我们团队的特点是把机器学习和这个运筹学的结合，我们感觉在这个领域里头的这方面的人才非常非常少，尤其是在国内。那么就是说，可能大公司想去组建这样的一个团队，是比较困难的，至少现状是这样的。另外我觉得也像陈溪说的，运筹学的特点就是针对问题提供一些解决的方案，它不是说一个固定的问题，解决了就完事了，需要有真的这方面的足够的训练，能够有充分的对场景的把握，对一些问题的逻辑建模和求解，可能需要有很长的经验才可以做，所以能够做的人也是非常少，我们跟大公司合作了很长时间，通常发生的情况就是说我们解决了一个问题之后呢，会有更多的团队来找到我们，觉得这个事情也可以用我们的方法去解决，会有更多的一些结合点。我们也会做一些培训，培训后他们也意识到，他们也需要我们，他们可能在运筹与机器学习这一块，可能最好的解决方案呢，还是找像我们的这样公司来合作，去帮他们针对不同的问题定制一些方案。

所以就会有不同的团队找过来，说我们这个问题可能会需要用跟你们有一些关系，需要用这个运筹的这个方法解决。定价、库存、无人仓到这个其他的一些东西，也是不断地在扩展，我觉得这个也是一个很合理的模式，国外也有一些团队，做定制解决方案也好，也都做的很好。包括我们自己也有了一些产品，不管是大企业也好，小企业也好，可能也有必要再重新开发一套，这个产品当然需要我们定制化，有这个定制化的服务，所以这一块有很大空间。

李建：就是说像大企业找到这样的团队，也是找不到的，也是很难找到的，另外一个，我们给大企业做培训，基本上培训大企业越来越发现需要我们，不是说培训完了之后就不需要我们，并不是，越培训觉得这个东西重要。

问：我想问一下叶老师，你怎么看国内运筹学这一块人才紧缺这个事？

叶荫宇：我觉得不是人才紧缺的问题，而是导向的问题，我个人认为，中国学生学理工科都是很强的，但是他们也有这种风气，永远追那个最时髦的，我觉得这个风气要改一改。就像刚才前面老师讲的，说不定有一天AI就不那么火了，所以我觉得学生还是要把基础打好，我非常赞成美国这个教育，不要进去就搞AI，搞运筹、搞统计，都可以。

另外，理工科变得愈来愈受欢迎，这不仅在中国，在美国也是这样，我们斯坦福大学，很多本科生都转到工科学院，我觉得学文理的学生也没有什么障碍去接触一些理工科的内容，其实很简单，无非就是一些1＋1等于2这些简单的术语就可以了。然后有一定的抽象的思维能力吧。但是这也反映出来，越来越围绕靠理工这方面来做，所以我们教育要加强简单的一些OR知识素养，我记得我们斯坦福商学院的院长，也叫他们MBA的学生去听听课。

问：中国企业对于AI应用商业决策的认知是怎么样的，有经历过什么样的阶段，现在是到什么程度？

王子卓：如果单独考虑AI的话，基本上所有企业都希望发展AI这方面的技术，不管是大企业还是小企业，基本上所有的企业都在谈这个事情，但是我觉得很多企业不是很清楚，到底AI带来什么东西，也不知道到底AI哪一点可以跟业务结合，可能有一点盲目。

我觉得比较重要的是，具体的商业场景下，需要哪一个具体的技术点，可能是AI，比如要做语音图像识别的；也有可能用其他的，运筹学、一些简单的机器学习，也是大数据，也是决策。很多时候领导层不见得完全知道这些技术的区别，可能看到这个报道说某一技术解决了各种各样的问题，那么我们的问题也都可以解决。这需要技术人员比较了解整个技术的特点，也需要找到合适的使用方向的能力。

但是我觉得这其实也是我们的使命吧，我们去接触这些公司呢，目的也是去说明他们很多问题是我们可以解决的，而且他们也确实可以看到这个效果，很多公司接触我们之后也提到，不管是招聘这方面的人才也好，还是说扩大合作也好，比如说他们去做他们内部的开发或者说怎么样也好，也都是正向的一个结果。总结来说大家都希望通过这个数据，通过智能决策提升效率。所有的企业，不光是互联网企业，还有传统企业，也都是在寻找这样的答案。那么就是说，到底答案是什么，可能就需要更多的了解。

问：叶教授曾提到AI在1982年非常火， 2016年AI也是很火的，今年经历一个冷却的阶段，你觉得未来AI是什么样的发展趋势？

王子卓：这个其实很难预测，但是我觉得随着科学技术的发展，更多的不是一个线性上升，而是一个爆发性的改变，可能某一个点开始就有一个突然的进度，而这个进度之后，有些人就会跟着潮流解决相关的问题，解决完了之后又会停留在每个阶段，比如说最近解决了这个图像识别，包括围棋；但是可能还有一些更难的问题，比如AI之间的互相交流，跟人的深入交流，在我看来现在还没有很好的方法处理。真正具有代表性的AI技术还没有很好的处理这个事情，可能处理的结果和算法不一样，也可能会停滞很长时间，就看停多长时间，停一两年可能在研究，可能也10年20年，这个不好说了。

不过，企业需要提高效率，这个事情是永远都需要的，应该用什么方法提高效率呢？我觉得AI这个领先技术的发展，这一块我们用现有的方式帮助他们提升，总归还是一个所谓的刚需吧。

叶荫宇：我个人认为，AI肯定会发展，至于还叫不叫AI我就不知道了。大家仔细想一想，其实AI要解决的问题、统计要解决的问题，或者说计算机要解决的问题，其实关键还是要服务于人类，提高效率，减少风险，而且应用大量的数学或者说量化的工具。这个趋势会越来越强。在这点上，我说AI永远不会死，因为它和统计、运筹学都一样的，但是它会不会以另外一个名词来出现呢？我觉得这是不确定的。

另外我觉得媒体不需要局限于这个问题是叫AI还是不叫AI，关键是它确实是用到了一些基于科学或者说科学决策的方法，本身也就是这样的意义。反过来说在美国呢——我们刚刚开过一个会，没有多少人提到AI。我们中国有一个传统，比较重视概念，比如说这个是属于AI的，刚才也有人说我一定要招AI的人，但是国外说句实话根本还没有AI这种专业，我们的专业还是数学、物理、统计、优化，在我们计算机系，计算机系领域有AI但是是一个实验室，那学生一样要学很多课程，包括优化等等。所以在这点上，我觉得容易把一个名称去炒得很火热，以它来画线，好像非AI不可。我觉得，还是需要按它的本质来理解。

蓝光辉：我补充一点——我觉得还是需要一些本质的思考吧，在历史上，也有过因为某一项技术的知名度导致期望值过高，人们希望它解决所有问题。我觉得思考的时候，从研究角度来说，那只是一个名字而已，真正秉承的还是一些数据的办法、建模，不要去叫AI或者说不叫AI。

问：我有一个问题问王总，大家现在来看的话，不管是你刚才说的智能决策这个领域，还是AI领域，大家感觉无论是从创业还是从这个研究来看的话，同质化现象比较明显，你是怎么评价、怎么看待这个现象，在AI这个领域创业如何体现差异化？

王子卓：我觉得这是很好的观察，确实有非常多创业企业去做AI有关的事情，而且确实这里头有同质化的现象。我们的差异化在于，从技术来说，我们不光是AI，还希望结合运筹学，为企业打造真正可以落地的解决方案，这是很多AI公司可能没法达到的。

我觉得差异化还体现在，针对具体场景，如果我深耕某一个具体的行业，把这个行业所有特别细的特点都吃透，那么我用一些方法——AI也好，或者更简单的智能决策方法也罢，把它的问题解决好，这也是一个企业成功的方式。