《杉数科技：2025AI赋能千行百业产业创新——杉数科技AI决策典型案例集（64页）.pdf》由会员分享，可在线阅读，更多相关《杉数科技：2025AI赋能千行百业产业创新——杉数科技AI决策典型案例集（64页）.pdf（64页珍藏版）》请在三个皮匠报告上搜索。

1、AI赋能千行百业产业创新杉数科技AI决策典型案例集能源电力|交通物流|工业制造|零售连锁日用消费|服饰鞋帽|金融投资|高校教育杉数科技典型案例集IN D USTRY CA SE S自成立以来，杉数科技产品及服务已在能源电力、工业制造、交通物流、零售连锁等20余个细分领域落地应用，服务了包括国家管网、国家电网、南方电网、海尔、小米、金风科技、中外运、中国邮政、德邦快递、东方航空、京港地铁、北京公交、滴滴、匡威、斯凯奇、立顿、好丽友、亿滋、自然堂、欧莱雅等数百家国内外行业头部企业，实现数字化转型与业务二次增长。INDUSTRY CASESAI决策助力企业运营增长，赋能千行百业数字化转型AI决策助力

2、企业运营增长，赋能千行百业数字化转型*排名数据源自：2025.01，第三方国际测评平台（https:/plato.asu.edu/bench.html,By Hans Mittelmann）四位斯坦福博士联合创立四位斯坦福博士联合创立四位四位产品斩获11项世界排名第一*产品斩获11项世界排名第一*11项11项用户覆盖全球70+国家及地区用户覆盖全球70+国家及地区70+70+服务20+行业数字化转型服务20+行业数字化转型20+20+.40工业制造零售连锁交通物流其他行业40目录CONTENTS010923355167778901能源电力ENERGY AND ELECTRICITY02工业制造

3、INDUSTRIAL MANUFACTURING03交通物流TRANSPORTATION AND LOGISTICS04零售连锁RETAIL CHAIN05日用消费FAST MOVING CONSUMER GOODS06服饰鞋帽APPAREL AND FOOTWEAR07金融投资FINANCIAL INVESTMENT08高校教育EDUCATION SECTOR公司简介COMPANY PROFILE技术能力TECHNICAL COMPETENCE产品家族PRODUCT FAMILY101102103104资质荣誉QUALIFICATION AND HONORS能源电力01ENERGY AND

4、ELECTRICITY资源配置出清效率&鲁棒性提升智能调度机组运行优化降低发电成本，加大电网输电量；在保障运行稳定的前提下，大幅提升出清效率求解稳定性提升1.5倍增送电量&新增新能源消纳数千万MWh/年年研发及运维费用节约千万元01能源电力0201跨区域的现货市场示范出清系统考虑客户模型规模庞大、约束耦合性强、约束稠密性高的特点，设计高效定制化优化算法。通过按时间维度拆分求解模型降低问题难度及耦合度；通过热启动及基于断面潮流约束设计的拉格朗日松弛方法（LMM）促进求解效率。基于业务需求，杉数科技采用先进的数学模型和人工智能技术，结合多目标优化方法，考虑业务和环境约束条件，确保模型的稳定性和可解

5、释性。基于COPT求解器和优化算法，对模型进行高效求解。该方案旨在协助客户实现高效的跨区域的现货出清，确保电力现货市场日前出清的稳定性、高效性、最优性，并使出清结果具有高度可解释性。解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS杉数团队发挥自身产品优势，考虑客户的需求更注重决策支持系统技术的应用，先进的运筹优化决策手段以及先进的数据驱动方法，为客户定制专属优化算法，实现单轮模型求解从“千秒”降低到“百秒”级别，大幅降低计算成本以及目标函数与标准值的差别。求解稳定性提升1.5倍左右；平均求解效率比基于某国外求解器产品的元模型提升50%左右；电网增送电量及新增新

6、能源消纳数千万MWh/年；节省研发及运维费用千万元/年。客户需求CUSTOMER REQUIREMENT作为知名大型电力基础设施头部企业，承担着保障电力供应稳定、高效、可靠的重要使命。随着电力市场的不断发展与变革，其运行主要面临如下挑战：多目标优化：实现机组发电成本、启停成本、弃水成本等最小化；高精度预测：提升发电计划的准确性，以提升系统可靠性；日前出清优化：综合考虑机组组合约束、逻辑关系约束、时间耦合性约束等因素，进行出清模型改造，生成最优的发电计划和市场出清结果；跨区域协同：实现区域间电力资源的优化配置和互济，提升整体系统的经济性和可靠性。某大型知名电网企业天然气管网流量流向分析模型研究降

7、低区域管网总功率10%控制管网压力温度误差.1为解决企业周转量、管输瓶颈、建设时序、N-1供气情景等相关业务需求，客户协同杉数科技开展天然气资源流量流向分析模型研究，建立基于数据、算法和算力的具有核心竞争力的流量流向分析模型，提升对管网的布局能力、市场营销能力、投资决策能力和建设能力。建立完整的全国管网模型:建立完整全域管网模型，在开展管网流向流量分析时，调用不同级别管网模型参与计算；流量流向模型研究：在已建天然气管输规划模型的基础上，完善模型拓扑结构的特征信息，优化数学模型及数据快速处理算法，提升模型收敛速度，增强模型计算结果的准确度，形成可靠的理论计算方法，实现多目标管网优化模型建立与求解

8、；模型应用需求：基于基础模型，建设时序、瓶颈分析、N-1供气、价格平衡带等多场景的优化决策应用。01能源电力客户需求CUSTOMER REQUIREMENT建设天然气管网流量流向分析优化软件研发流量流向分析系统,以稳态模型、目标函数和优化算法的研究成果为基础，支持用户基于不同管网结构的基础数据创建基础模型。用户可根据业务需求选择基础数据，调用算法设置优化目标，运行基础模型求解，并在地图上直观展示优化结果。构建管网多目标优化模型。支持用户基于业务目标自主选择优化指标并配置权重。管网优化模型不仅可以在满足管段输送能力的基础上进行平衡优化，还可对管段能力进行松弛，进一步拓展管网优化计算能力，满足更复

9、杂的业务需求。技术创新融合。将运筹优化技术与水力计算创新性融合，解决管网优化计算的非线性难点。基于COPT求解器，采用序列线性规划框架（SLP）求解模型，融合一阶泰勒展开与信赖域方法，同时设计了基于流量和压力去耦合的两阶段初始解求解算法，能够处理约束复杂、规模极大的问题，并实现0.0001精度的秒级求解。应用成效APPLICATION EFFECTIVENESS作为天然气管网决策的重要支撑工具，该系统实现了以下价值：高效评估：可高效评估管网整体周转量，为决策提供精准数据支持；辅助平衡分析：支持区域气源价格平衡分析，提升资源配置效率；全局优化：对天然气管网流量流向进行全局优化，并智能分析区域转供

10、关系，实现管网运行效率最大化；降低功耗：优化区域管网瓶颈，降低总功耗，提升管网运行经济性；高精度求解：基于COPT求解器的序列线性规划框架（SLP）和两阶段初始解求解算法，实现0.0001精度的秒级求解，显著提升计算效率与准确性。管网优化算法研究辅助平衡分析求解器国产化替代某大型石油天然气管网集团0403解决方案SOLUTION构建计划优化模型，定制非线性求解算法该场景属于大规模混合整数非线性规划问题，求解难度大。团队通过结合原油采购、装置加工、生产工艺流程、产品调和及销售等流程要求，基于杉数自研COPT求解器构建计划优化数学规划模型，实现高效求解，涵盖从原油进厂到产品出厂的整个链条，满足生产

11、计划调度计算需求，实现企业效益的最大化。研发面向炼化业务中非线性约束的处理框架，为非线性求解模块提供起点，用于寻优迭代计算。通过COPT求解器支持对业务场景建模的定制化加速，包括内置算法研发与定制化求解器调参，对于企业实现国产化工业软件的技术突破、自主可控具有重要意义。高性能国产求解器助力炼化计划优化建模求解提升计算时效20%降低原油采购成本1模拟流程工业企业的生产经营过程，通过对企业生产经营计划的优化，实现效益最大化的目标。具体而言，需将模型转换成数学规划问题，然后通过线性规划的算法对初始规划问题的约束条件不断进行调整，最终使得约束条件非常接近模型数据所反应的实际情况，由此得到最优解。计划优

12、化模型建模：为适应炼化企业的特点，需处理对应的非线性问题。在满足采购和销售约束、产品质量约束、装置运行约束等条件下，找到一个优化原料品种配置、装置加工量分配、产品生产比例以及合理库存管理的生产方案，最终实现工厂总体效益最大化；生产环节的非线性因素：在考虑生产因素时，存在双线性和三线性的约束条件；高性能国产求解器支持：针对大规模线性规划子问题，客户需要借助商用高性能求解器，实现快速、准确的求解，以支撑复杂模型的优化计算。01能源电力客户需求CUSTOMER REQUIREMENT解决方案SOLUTION通过融合COPT求解器并定制化非线性优化问题求解算法，为客户计划优化软件提供优化计算引擎，保障

13、计算结果的准确性、可靠性。计划优化模型作为炼化企业经营决策的关键支撑，在物料混合、装置负荷等调度场景中，能够在明确的操作目标和安全生产约束条件下，为调度决策提供量化数据支持，为企业制定经营策略、提高管理效率、优化生产过程，以及实现全局资源配置提供有力支撑。国产自主可控的求解引擎：求解速度提升20%，优化目标偏差控制在1%内，达到同级别国外主流软件的计算精度和速度；提升业务决策速度，优化生产效益：借助智能化的计划优化系统，灵活安排企业生产方案，快速响应市场变换，优化原材料采购成本，实现降本增效，全面提升企业竞争力。应用成效APPLICATION EFFECTIVENESS生产经营计划优化非线性算

14、法研究全局资源配置优化求解器国产化替代某大型知名石油企业060501能源电力定制运筹算法实现辅助决策运用定制化智能优化算法，结合杉数COPT求解器的高效计算能力，实现了LNG贸易和船舶运输的全局最优计划制定，显著提升决策的抗风险性，建立贸易与物流部门之间的协同反馈机制，借助模拟仿真技术分析边际效益，为决策提供了科学依据。LNG贸易运输优化模型以LNG供给需求数据、船舶数据等为输入，以最大化船舶运输利用率为优化目标，建模侧涉及船型组合、航线组合等多种决策，同时考虑了供需、泊位、坞修等复杂约束，最终构建了混合整数规划算法模型。算法集部分主要应用运筹优化建模技术。混合整数问题求解引擎模块基于杉数CO

15、PT求解器的分支剪界算法（Branch-and-Cut）的技术框架设计，显著提升了模型的计算效率与稳定性。解决方案LNG智能贸易优化算法，让决策更智能节约物流租金成本30%输出全年运输计划分钟级在市场高度不确定和LNG船舶资源有限的条件下，石化企业亟待提升船舶利用率、降低海运物流费用、增强中长期贸易计划和船舶运输计划合理性等业务指标，保证LNG的业务运营及营收情况处于较为稳定且动态平衡的水平，提高自有船舶周转率。船舶运输方案有待提升：在有限的船舶资源条件下，依靠人工经验计算平衡多条航线的船期和港口时间窗，具有计算周期长、时间久等痛点；贸易计划和运输计划协同有待优化：贸易计划制定后，船舶运输计划

16、需要根据贸易计划进行制定，一旦船舶运输计划排布不开或者明显存在效益问题时，双方部门需进行频繁沟通，效率待优化。客户需求CUSTOMER REQUIREMENTSOLUTION借助智能算法和LNG贸易技术力量，实现LNG贸易和船舶运输计划的优化，让客户单位的LNG贸易决策（贸易计划、船舶运输计划）向智能化、精细化的模式转变；引入多维度因素进行最优求解，降低LNG进口成本，提升抗风险能力，实现经济效益最大化。输出全局最优计划，提升决策抗风险性；建立协同反馈机制，实现智能决策；动态模拟仿真，分析边际效益。贸易优化运输优化协同反馈动态仿真某大型知名石化企业0807应用成效APPLICATION EFF

17、ECTIVENESS交通物流02TRANSPORTATION AND LOGISTICS智能决策优化的港口一体化生产调度系统方案核心在于构建一个集成的生产调度系统，利用运筹优化算法和人工智能技术，实现精准计划制定、作业指令分解、动态监控布设、实时数据收集与分析、计划优化、决策形成等闭环运行机制。通过数据接入、模型计算与业务流转，系统将提供装卸指令推荐、泊位分配、卸车计划等功能，辅助各部门计划员完成调度决策。COPT求解器作为系统的核心优化引擎，以其卓越的计算性能，实现了求解器全面国产化替代，高效解决港口调度中的复杂资源分配问题，显著提升港区生产效率。同时，系统还将提供可视化展示、方案分析、多版

18、本对比等功能，帮助用户理解优化结果，并进行决策调整。上述方案的实施显著提升了港口运作效率和自动化水平，实现了资源的合理配置和生产流程的优化。智能优化决策助推港口数字化转型计划、指令采纳率95%决策时长减少50%流程优化率提高10%客户需要建立统一调度平台，实现生产指令分解、实时监控、动态调整的一体化管理，并借助仿真模拟与COPT求解器的优化能力，提升堆场、泊位资源利用率。通过算法升级与系统集成，构建全链条智能化调度体系，强化上下游协作（销售、铁路、航运），提高应急响应与资源利用效率，推动港口运营向数字化、自动化转型。业务逻辑复杂，难以全面考虑众多因素：各模块牵一发而动全身；卸车、装船、排船等模

19、块均需注意不同约束因素；依赖人工经验，计划、协同效率低：各角色关系密切，频繁沟通，效率偏低；卸车、装船、设备维修等计划主要靠人工经验制定，缺少科学智能的决策工具，应急调整能力差；数据系统难打通，数据不准确：铁路、船舶等外围系统数据难打通，到港时间随机性强；堆场场存等数据需人工核验。计划、指令准确率 95%；备煤、开垛采纳率 90%；决策时长减少50%；流程优化率提高10%。02交通物流客户需求CUSTOMER REQUIREMENT解决方案SOLUTION生产调度泊位管理装卸指令业务一体化1009某大型知名干散货港口应用成效APPLICATION EFFECTIVENESS智能车辆调度系统：基

20、于智能调度算法，综合考虑订单特性、车辆能力和服务需求，构建一套自动化配送管理系统，优化订单匹配和路径规划。COPT求解器作为系统的底层优化引擎，以其卓越的计算性能高效解决物流调度中的复杂资源分配问题，实现订单与车辆资源的最优匹配。系统支持一键上传标准化订单模型，并通过优化参数配置自动排单，确保在业务约束下最大化车辆利用率。方案结合智能算法动态调整跨区拼单、车组服务能力和车辆载货限制，在降低人工调度成本的同时，提升订单执行效率。此外，系统具备可视化数据分析和KPI监控功能，帮助企业实时优化运营策略。智能优化城市家居配送与运力调度调度人工成本降低50%用车成本降低6%车辆行驶里程降低5%客户单位亟

21、需优化城市内家居产品配送流程，提升订单管理、车辆调度和路径规划的智能化水平，以降低配送成本、提升车辆利用率和提高客户满意度。当前配送业务约束条件复杂，需要智能调度系统实现合理分单、匹配最优车辆和动态调整路径。复杂订单约束：订单涉及不同类型的家居产品配送，存在跨区拼单、车辆通行限制等复杂约束，传统调度方式难以精准匹配；车辆利用率低：受订单随机性、服务需求差异和装载能力约束影响，部分车辆出现低效运行或空驶现象，影响整体运营效率；人工调度成本高：传统的手动排单方式效率低下，难以在满足业务约束的同时实现最优调度。02交通物流客户需求CUSTOMER REQUIREMENT解决方案SOLUTION杉数团

22、队深入客户相关业务场景，全面梳理业务流程。针对客户面临的复杂约束条件，凭借专业能力，精心设计并构建智能车辆调度系统，该系统成功打破原有配送业务的诸多瓶颈，以智能化手段重构业务流程，为企业的物流配送环节带来显著变革。调度人工成本降低50%；用车成本降低6%；车辆行驶里程降低5%。智能排单运力匹配路径规划成本管控某大型知名综合物流企业1211应用成效APPLICATION EFFECTIVENESS智能仓储优化系统基于智能仓储优化模型，通过数据驱动的方式优化货位推荐、拣货路径和装车规划，提高仓储运营效率。系统接收仓库布局、订单信息和车辆数据等输入，通过秒级计算智能匹配最优货位，减少出入库搬运距离。

23、优化目标包括最大化存储利用率、最小化作业路径、提高拣选准确率，并结合车辆调度、货位分配和订单优先级实现仓储全流程优化。杉数团队敏锐洞察到客户仓库运营管理的痛点，面对该企业高SKU、多批次的复杂库存管理需求，深入调研仓库布局、业务数据和作业流程，运用智能仓储优化模型，对货位推荐、拣货路径、装车规划等环节进行全方位优化设计，为仓储运营带来了数字化变革。智能优化仓储管理与拣货调度出入库路径距离降低40%人工采纳率超过85%计算时间秒级当前仓库主要依赖人工进行入库和拣选规划，效率较低，成本高，难以满足高SKU、多批次的复杂库存管理需求。客户希望优化仓储作业流程，提升从货位推荐、拣货优化到装车调度的全链

24、条运营效率，以降低运营成本并提升仓库管理精准度。仓储规划依赖人工：货位分配、拣选路径和装车决策主要依赖人工经验，效率低且优化空间有限；出入库路径冗长：货物存放位置与车辆停放点分布不合理，导致搬运距离长；SKU管理复杂：SKU数量70+，淡旺季特征明显。出入库路径距离缩短40%；人工采纳率超过85%；秒级计算时间。02交通物流客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS货位推荐拣货优化装车优化货量预测某大型知名综合物流集团1413智能网络优化系统采用智能优化模型来对各类运输线路、货流、节点及其处理能力进行优化。

25、通过多阶段的智能调度和路径规划，提升运输的高效性与实时响应能力。同时，基于数据挖掘技术与COPT求解器高性能计算，对陆运和航空运输进行全局优化，确保达到最优的运输路径和调度效率，降低总运输成本。杉数团队深度融合“智能规划+AI”理念，引入人工智能与现代运筹学技术。在充分考量庞杂信息以及时效标准等诸多约束条件下，通过智能优化模型和路径规划算法，对运输线路、资源调配等进行多阶段智能调度与精细规划，为企业的物流运输体系带来全方位的智能化升级。智能运输网络规划与优化时效达标比例提高15%运输总里程减少10%客户单位希望通过智能网络规划，优化国内外的物流配送路径，提升运输效率。该项目涉及了陆运、航空网络

26、的优化规划，侧重于基于高效标准和精准的运输时效，最大化物流资源的合理配置，同时考虑到节点间的处理能力与运输的高效性。此外，客户关注如何降低运输成本，提升效率，并且需要系统支持多场景下的智能决策和实时动态调整。六万条寄递线路、上千条陆运邮路、百个候选通航点；涉及陆运和航空干线网络优化共7个场景，分别进行建模优化。时效达标比例提升15%；运输总里程减少10%。02交通物流客户需求CUSTOMER REQUIREMENT解决方案SOLUTION路网优化路径规划路由控制资源调度某大型知名物流企业1615应用成效APPLICATION EFFECTIVENESS智能优化的分单派车调度引擎提供了一种基于动

27、态规划（ADP）的车辆调度优化模型，帮助客户实现分单派车的最优化分配。通过对订单需求与车队分布的实时监控，系统能够动态调整车辆调度，以最小化接单距离并提升接单收入和应答效率。测试结果显示，优化后能够显著提高GMV、应答率，并减少应答时间和接单距离，从而提升了整体运输效率与收入。杉数组建专业团队，聚焦算法层面展开工作，并充分考虑到最大化接单收入与最小化接单距离这两个关键目标的平衡。通过反复模拟和测试，优化算法参数。同时，为了应对不同时段、不同区域的订单波动，我们对算法进行了针对性的优化，使其具备更强的适应性和灵活性。智能优化分单派车调度应答率平均提升0.5%应答时间减少3.1%接驾距离减少1.2

28、%客户单位希望通过优化分单派车的策略，提升配送效率。具体目标是最大化接单收入的同时，最小化接单距离。通过分析订单需求和车輛分布情况，优化车辆的调度和应答速度。需要同时考虑订单需求和车队分布的实时变化；需要合理调配资源，以优化整体运营效率。应答率提升0.5%；应答时间减少3.1%；接驾距离减少1.2%。02交通物流订单和车辆分布分析（颜色越深表示需求不满足情况越严重）派单逻辑之：先来先到客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS车辆调度分单派单实时调度动态规划某知名出行平台1817智能排班的双模型体系基于智能

29、优化算法构建“轮值表-排班表”双模型协同体系。轮值表（CrewScheduling）：通过数学规划模型拆分每日值乘任务，优化换乘衔接与工时上限约束，生成最小人力配置方案；排班表（Crew Rostering）：采用均衡分配算法，将轮值任务按公平性、连续性规则绑定至司机，保障工时均衡与班制合规；分场景动态优化：结合多场景参数库（如节假日、高峰时段），实时调整模型输入，输出适配性排班方案，并通过可视化看板集中管控。智能合理安排地铁司机的运转班次和值乘方式排班效率提升10倍值乘人数优化7%工时均衡提升92%项目涉及超大规模人力资源统筹，需对数百人的乘务团队及超500个车次进行高效配置，实现全天候资源

30、动态调度，同时深度适配复杂规则以满足多元化排班需求。要求支持多场景运营，适应平峰与尖峰时段的人力差异，并将业务逻辑模型化，以量化优化支持智能化决策，推动业务快速迭代。02交通物流规模庞大：数百人的乘务团队、超过500个折返车次；全寿命周期均衡管理：覆盖平日、双休、节假多种场景；白班、夜班、早班多种班制；平峰、尖峰多种班组；精细化资源管控：考虑换乘时长、出退勤地点、班制要求、用餐合理性等多方面排班规则。效率跃升：排班效率同比提升10倍，实现分钟级复杂场景排班计算；资源降本：值乘人数优化7%，减少冗余配置，年节省人力成本超千万元；均衡性增强：工时均衡性提升92%，降低司机疲劳风险，提升团队稳定性；

31、可扩展性：完成试点线路验证，为多线路快速复制提供标准化模型与系统底座。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS乘务排班数据集成多场景优化可视化指标某知名地铁公司2019智能模型驱动的新能源车辆运营决策系统针对新能源汽车运营挑战，本解决方案采用运筹优化技术，实现数据驱动的智能决策。通过精细化的数据预处理，整合线路时刻、场站车辆信息，构建出购车选型、能源布局、车线匹配及保养计划四大数学模型。旨在最小化运营成本、空驶成本，最大化电车利用率，合理配置充电设施，并优化保养计划。COPT优化求解引擎的应用，确保了决策

32、过程的精确性与效率，助力企业提升运营管理水平，推动绿色交通智能化发展。计划制定效率提升90%，充电桩利用率提升5%+，累积碳排放量减少上千吨/年，节省运营成本3000+万元/年；线路配车数下降15%；车辆过保率下降65%；运营成本下降18%；空驶成本下降50%。传统模式下，运营线路和车辆规模庞大，新能源汽车的种类繁多，充电需求的差异性大，充电站资源的短缺成为突出问题。此外，运营决策主要依靠人工经验，导致车辆利用率低、充电排队现象严重、运营成本高以及复杂场景适应性差等问题。为解决这些问题，企业亟需引入智能决策技术，研发核心业务的智能决策模型。模型的重点在于车辆选型与线路匹配、能源布局优化以及保养

33、计划的智能制定，以确保线路运行的顺畅，最小化运营成本，并最大程度地提高车辆利用率。智能优化电动车运营与充电桩布局电车利用率提升10%运营成本下降18%碳排放量减少上千吨/年02交通物流数千辆公交车（纯电/混合/氢能）、上百条线路、数十个充电站、上千版时刻表；充电资源配置不合理：空驶距离长（每天3万公里），充电排队多；电车利用率低，车辆保养过保率高。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS购车选型车线匹配能源布局保养计划某大型公交集团2221工业制造03INDUSTRIAL MANUFACTURING多工厂

34、协同排产引擎与全局优化的多级安全库存模型在多工厂环境下，需综合考虑工厂差异化属性、物料供应限制、产能约束及生产调配协调。依托高性能优化引擎COPT求解器，快速处理大规模复杂约束问题，在规定时间内精准制定最优生产计划，兼顾复杂业务优先级，合理分配物料与产能，确保高效协同与资源最优配置。通过对供应链中的原材料、半成品、关键器件等的库存问题进行建模分析，并基于COPT求解器的智能优化算法，优化库存位置、库存策略以及对应的安全库存。通过需求预测模型+库存策略选择+安全库存优化+仿真调优的四部曲实现多级库存优化。解决方案多工厂协同排产及库存优化，增加供应链柔性订单满足率提升20%人工排产干预降低70%随

35、着业务的持续发展，原有的单工厂模式、复杂且不透明的排产引擎，以及传统的安全库存策略已无法满足当前需求。大量依赖人工干预，不仅增加了管理难度，还对生产效率造成了严重影响。为此，该企业计划重新梳理业务需求，重构多工厂协同排产引擎，并优化库存管理策略，以提升整体运营效率。规模庞大，运营调度复杂：企业有数百家工厂，数千个车间以及上游的数百家供应商，总计数十万余件生产物料（包含原材料/半成品/成品）；求解能力要求高：为了保证良好的动态调整效果，需要高频计算，每天保证工厂上班前自动生成未来28天小时级别的生产计划和未来10周天级别的订单分配计划；ICT行业的特殊性：生产流程繁琐，物料清单BOM多样，组件可

36、以通用等复杂规则带来了千万级别的约束条件。03工业制造客户需求CUSTOMER REQUIREMENTSOLUTION应用成效APPLICATION EFFECTIVENESS重构后的多工厂协同排产引擎支持区分工厂属性定义产能约束、物料约束、加工流程等并个性化定制了企业复杂场景解决方案，大幅减少人工介入。提供智能订单延迟分析，辅助业务快速定位问题。多级库存优化引擎在提升客户水平的同时大幅降低库存成本，增加供应链柔性。辅助客户提升库存决策的效率与协同性，为建立库存策略有效性等评价指标/体系建立基础。整体订单满足率提升约20%，产能损失降低30%；降低人工干预排产约70%的同时，提升1.5倍仿真速

37、度；拉动收益约上亿美元/年。多工厂协同排产安全库存优化仿真调优智能分析某大型知名ICT企业2423收益提升上亿美元/年解决方案SOLUTION一体化多维智慧计划排产系统基于动态库存水位的实时监控与智能调控，统筹平衡物料供应与车间整体资源，精准制定高效合理的生产计划；依托多维度需求分析，深入挖掘市场及生产端需求变化，驱动精准的物料需求预测与优化配置，提升供应链协同能力；同时，通过构建统一的智慧计划管理平台，实现各业务环节的信息互通与数据共享，降低跨部门沟通成本，避免信息孤岛问题，从而极大提升计划排产的效率与灵活性，确保生产任务的高效执行和资源利用的最大化。通过多维度的需求管理给出“准确”供应链规

38、划输入，解决常规产品与特殊产品需求不均衡对于计划制定产生的影响。结合多目标/约束制定合理的排产计划解决企业日渐缩短的交货周期问题。利用智慧排产平台的统一性、高效性、准确性，解决多工厂多车间的协同、人工计划制定效率低等问题。一体化多维智慧计划排产，助力企业降本增效库存积压天数缩短57%计划排产效率提升80%综合节省成本数千万/年在生产管理和供应链优化的背景下，构建端到端的量化决策体系，以精准分配生产单位的资源，最大限度地提高资源利用率，从而有效降低整体生产成本。期望通过生产计划平台，打破信息孤岛，实现供应链各环节的信息实时共享，从而增强供应链的可视化和可控性，为管理层提供数据驱动的决策支持。优化

39、企业内部各部门及各生产环节的协同管理机制，提升整体运营效率。通过智能化、标准化的管理手段，使企业能够更快速地响应市场变化，减少沟通成本，提升执行力。端到端量化决策：通过量化决策端到端的生产单位资源分配，降低生产成本；打破信息孤岛：统一生产计划平台，实现供应链信息的及时共享，为供应链管理决策提供有力支撑；多部门协同：优化各部门/各环节的协同管理工作效率，加快决策速度。计划排产的效率相较于人工排产的效率提升约80%；非常规品的WIP、成品库存积压天数缩减57%；为企业节省成本约数千万元/年。03工业制造客户需求CUSTOMER REQUIREMENT应用成效APPLICATION EFFECTIV

40、ENESS智慧排产一体化计划平台动态库存水位需求预测某大型知名电子产业制造商2625提升产销协同能力。提高跨部门响应速度。拉通透明供应链信息。多工厂分单协同优化平台，基于“全局统筹”基础上的智能分单 按照优先级排序，首先要确保总成本最低，具体包括车辆配送成本和客户自提费用。其次，要求每个工厂的产能使用率均衡，产能过剩时需要尽量均衡各工厂的产能利用率，而产能不足时则要均衡各工厂的超排比例。最后，一个客户的所有订单应该尽量分配给一个发货地址，以优化配送效率和减少成本。在优化运营流程的过程中，运输成本成功降低了25%，极大地提高了成本效益。同时，自提率下降了10%，表明客户对于自提的需求减少，从而推

41、动了其他配送方式的使用。整体拆单率也减少了10%，这意味着订单管理和配送流程得到了更好的优化，减少了拆单带来的不必要复杂性。此外，工厂的生产均衡性提升了50%，意味着生产效率得到了显著提高，资源分配更加合理，从而更好地满足了市场需求，提升了整体运营的效率和稳定性。全国多工厂智能分单引擎，实现每年上千万元成本节约运输成本降低25%整体拆单率降低10%工厂均衡性提升50%随着业务的快速发展，传统的手工分单模式已经难以满足日益增长的需求，效率低下且成本较高，严重制约了企业的运营效益和响应速度。因此，为了适应市场的变化并提升整体竞争力，该企业计划对现有业务需求进行全面梳理，旨在重构一个覆盖多工厂、全国

42、范围内的智能分单优化引擎。通过这一新系统的建设，企业将能够实现自动化、精确化的分单流程，从而提高订单处理效率、降低成本、提升客户满意度，并更好地支撑未来的业务扩展与发展。订单的分配要求：客户订单指定电芯规格、型号及系数（电芯组），工厂按要求提供并打包指定数量的电芯组。每个订单包含多个电芯组，每个电芯组为一订单行，指定对应包装型号；订单配送成本：每个工厂有唯一发货地址，每个订单指定唯一收货地址。配送成本按发货地址、收货地址（县市）及重量单独核算。不同收货地址有对应分段定价规则。项目收益据估算可实现总成本节约上千万/年；减少客户自提以及拆单配送的概率，大大提升客户服务水平及满意度；平台多工厂、上万

43、订单、数千余个收货地的全局优化，解决了手工分单难的问题。模型目标优先级（顺序有先后）：总成本最低、每个工厂的产能使用率均衡、一个客户的所有订单（行）尽量分配给一个发货地址。03工业制造客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS智能引擎分单优化生产均衡产能规划某大型知名新能源制造商2827兼顾求解效率与求解质量的整车排产算法综合考虑车间排产和排产序列的优化，对不同排产序列下的货量分布进行了模拟，分析排产序列对入厂运输费用的影响。为了进一步优化运输成本和提高生产效率，通过平准化排产实现了货量的均衡分配，从而有效

44、降低了运输车辆的投入。此外，通过分车间排序，使得定货量与实际消耗保持一致，这样不仅能够有效避免因货量过大而造成的溢库现象，还能减少因货量不足导致的紧急拉动情况，提高了整体供应链的效率和稳定性。COPT求解器凭借其强大的数学规划能力与高效的求解性能，成为多车间排序优化算法的核心引擎。通过启发式算法与数学规划优化算法相结合的方式，同时兼顾求解效率和求解质量。首先通过将业务规则与算法相结合，确保算法能够生成一个基本可行的解，避免出现不满足实际生产需求的情况。针对三车间排序需求，算法会综合考虑各车间的生产流程和排序需求，确保车间之间的排序计划能够顺利衔接和执行，避免因排序不当造成生产延误或资源浪费。最

45、后，算法还会进行数据预校验，快速发现潜在的冲突和问题，并及时定位到具体问题，确保系统能够在执行过程中避免不必要的错误和优化失误。汽车制造企业整车数字化排产，提升供应链稳定性计划拉动物流效率提升10%日均运输管理费降低7%年化收益提升数千万/年希望打破现有的统一序列、最长路径及相同节拍的物料需求规则，转而制定符合工艺要求的平准与循环排序计划，以实现均衡的货量需求。同时，需根据工艺要求和物流优化，制定各车间的物料分配排序计划，确保物料的准确预测，避免出现溢库或紧急拉动的情况。此外，要求针对子线工艺限制，单独制定子线排序计划，以提升子线生产计划与实际生产的匹配度，确保车身零件需求的精确获取，并能够实

46、时跟踪车身生产进度，进行重排序更新。提升物流资源规划的精准度：帮助企业更加高效地管理供应链，通过精细化的数据分析和智能化的预测工具，更准确地预测需求波动，合理调配物流资源，避免过度库存和缺货现象，确保物流体系的灵活性和稳定性；降低物流运作及资源成本：需要在确保产品质量和生产进度的基础上，优化各项资源配置，降低物流运作及资源成本。实现生产线与物流之间的高效协同，避免不必要的延迟和浪费。按货量高、频次高、费用高选定供应商；优化排产后的日车次/日费用各降低7%；对入场运输效率的提升，结合各路线/供应商结算模式，预计年化收益提升数千万/年。03工业制造根据市场需求，制定月度平准排产计划。平准&循环排序

47、计划模型。分车间排序计划模式。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS精益计划整车排产库存优化模拟仿真某大型知名汽车制造企业3029解决方案整体项目覆盖特定家电品类的总装产线和BOM拆解，涉及多个工厂，数千件产品的计划安排。算法覆盖上万种可能的计划组合，并在模型中考虑百万级约束条件。基于COPT求解器的高性能计算能力，系统能够快速处理复杂约束并优化求解，输出天颗粒度产品详细加工指令和秒颗粒度时序生产计划，同时生成基于上述计划的各类KPI分析统计报表。最终实现：更协同、更智慧的工厂级智能生产计划订单满足率提

48、升20%换模次数降低50%产能损失减少30%客户单位原本的计划排产系统需要大量的人工干预，每次制定排产计划耗时严重，准确率低。同时，急单插单也不能快速的调整响应，严重影响生产效率。面对这样的业务现状，客户需要一套更加智能的排产系统来实现：建立一套线上化的智能主计划排产系统，提高计划制定的效率；计划颗粒度需要更加精细，输出的排产结果要更加精准；充分考虑各类特殊情况，使用智能算法快速求解最优排产方案；客户期望通过这个项目，建立一套主计划系统，协同工厂/总部之间的计划制定，同时充分利用积累的数据进行相应的排产决策。家电类订单满足率提升20%；换模次数降低50%；产能损失减少30%。03工业制造客户需

49、求CUSTOMER REQUIREMENTSOLUTION应用成效APPLICATION EFFECTIVENESS智能排产动态调整多工厂协同产能规划某大型知名家电制造品牌3231通过运筹优化技术，结合高性能的COPT求解器，更加合理地安排生产物料资源，实现整体企业运营的利润最大化。结合模型的销量预测，掌握市场动态，合理规划企业供应链。以利润为导向的供应链管理，可以高维指导整体采购、生产、库存、发运。同时优化产能规划与生产工艺，进一步符合环保控制要求。农业化工化肥行业产销协同有效产能利用率提升20%综合降低能耗10%库存成本下降数千万元化肥行业整体市场环境面临产能结构性过剩、产品同质化严重等挑

50、战，导致企业利润空间被不断压缩，市场竞争日趋激烈。化肥企业亟需加快转型升级，以提高市场竞争力，突破行业发展的瓶颈。具体需求如下：产能优化与升级：行业整体产能过剩，需优化生产结构，淘汰落后产能，向高附加值、绿色环保的产品方向升级；产品差异化与创新：传统化肥产品同质化严重，需加大研发投入，开发新型肥料，如缓控释肥、生物肥、特种肥等，以提升产品附加值，满足现代农业的精细化需求；数字化与智能化生产：利用数字技术推动智能化制造，提高生产效率，降低成本，同时优化供应链管理，实现精准供需匹配。设备：实现生产数据监控、连续生产优化，生产效率提升约15%；生产：多产线/品种换型，一体化联动产能、订单、库存，提升

51、有效产能利用率20%；运营：库存成本下降约数千万元，整体客户满意度提升15%。03工业制造提升产销协同能力。加快市场响应速度。提高投入产出比例。客户需求CUSTOMER REQUIREMENT运用运筹学的思想，精准把握市场需求，实现利润最大化。通过智能化的数据分析和预测模型，辅助企业精准预测产品销量，提前规划生产策略。借助COPT求解器的高效计算能力，快速分析物料供应、产能瓶颈等关键限制因素，优化资源配置，提高生产效率。同时，统筹管理仓储与供应网络，实现高效库存管理。基于实时数据和COPT求解器秒级优化速度，快速调整生产计划，敏捷响应市场变化，减少库存积压与缺货风险。全面降低生产、仓储及运输成

52、产销协同优化引擎为供应链流程赋能本，提升企业整体运营效率和市场竞争力。解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS产销协同产能规划销量预测智能调拨某大型知名农业化工企业3433零售连锁04RETAIL CHAIN该电商平台90%以上SKU通过RDC（区域仓)FDC（前置仓）两级库存系统进行补货，需要一套敏捷柔性的库存管理体系。本项目通过构建智能化的库存管理体系，为企业带来显著的运营效率提升和成本优化：库存周转天数降低10%，库存金额降低10%，资金使用效率提升，释放更多流动性；重点商品现货率提升5%，确保高毛利商品不断货，并有效提升客户满意度和忠诚度；订单

53、满足率提升5%，通过更精准的库存配置，实现服务水平和成本的最佳平衡。该项目不仅实现了短期的财务收益，更重要的是通过构建数字化、智能化的库存管理能力，为企业打造了面向未来的核心竞争力。在电商行业竞争日益激烈的背景下，高效的库存管理能力将成为企业实现差异化竞争的关键抓手。智能化多级仓储管理方案，带来真金白银的效益提升库存周转天数降低10%订单满足率提升5%商品现货率提高5%随着该电商平台业务的快速扩张，其销售额呈现出爆发式增长态势。与此同时，企业的库存规模、商品品类及SKU数量迅速增长。面对庞大的产品体系和复杂的业务场景，传统的仓储管理模式已难以满足企业的发展需求，暴露出库存周转效率低下、区域供需

54、失衡等一系列问题。为此，杉数科技为该企业设计了一套智能化多级仓储管理体系下的补货、调拨、退货一体化解决方案，帮助其建立更加柔性敏捷的库存网络，在降低周转天数和库存成本同时保证订单满足率，使得该电商在激烈竞争下最大化其利润。04零售连锁客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS需求预测动态安全库存仓库选品采配退一体化管理某大型知名电商平台3635智能需求预测缓解库存压力，提升整体利润库存周转天数降低80%利润平均提高40%某企业是国内知名特卖电商平台，销售模式以闪购为主。闪购模式的特点是商品上线时间短、促销力

55、度大，且产品更新迭代速度极快。这种模式下，平台每天都会上线大量新品，而商品的销售周期通常较短，导致需求预测和库存管理面临巨大挑战。新品占比高&销售波动大，依靠人工经验难以预测准确；为了避免潜在的销售损失，企业采用了“大进大出”的库存策略，即大量采购商品以确保供应，但这种方式导致库存积压问题严重，并造成了高额的折旧成本及仓储成本。由于需求预测不准确，部分商品销售不畅，导致库存周转率低，进一步加剧了库存压力；客户单位亟需一套科学的需求预测和库存策略优化方法。库存降低：在保证利润不降的前提下，平均能使库存降低80%；利润增加：根据销量预测确定订货量，利润平均提高40%。04零售连锁客户需求CUSTO

56、MER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS需求预测库存补货优化新品预测模拟仿真某知名特卖电商平台383704零售连锁通过以上算法方案实施及落地使用，形成了一套科学的定价流程，包括：1.标准化市场弹性测试流程，输出需求拟合结果、建立全平台调价管理机制；2.进行多次AB测试，在智能化价格管理基础上结合CPS促销手段，有效提升销售及利润表现；3.深入管理场景，建立IT-数据-业务的全链条价格管理机制，推动智能价格管理的自动化落地、效果监测及运营。具体表现为：超过98%的铺货量形成自动定价覆盖，Amazon+eBay双平台自动调价系

57、统落地；营业额提升5%-8%，毛利提升3%，年度净利润提升千万级人民币。针对客户需求，考虑当前管理成本，推荐基于商品分群进行市场敏感度刻画及需求测算，从而实现最大化利润的价格调整。数据驱动定价决策，解锁利润增长新动力自动定价覆盖98%营收提升8%净利润提升数千万/年客户是一家铺货型跨境电商企业，年营收规模超过十亿人民币，拥有数十个自有品牌，主要通过全球主流电商平台（如Amazon、eBay等）开展业务，同时积极拓展东南亚（Lazada）和俄罗斯（速卖通）等新兴市场。其核心业务模式是通过大规模铺货策略，管理超过十万个SKU，并在各电商平台总铺货量达到上千万，形成了广泛的商品覆盖和市场规模。当前价

58、格管理主要由IT人员基于固定品类的统一利润率进行管理；业务部门有部分调价权，基于特定项目的销量和利润目标进行小范围价格调整及促销计划。客户希望能够通过一套科学的定价方案，优化价格管理流程，提升整体利润水平和市场竞争力。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS智能价格管理促销方案优化数据可视化监控某知名跨境电商企业403904零售连锁本项目在某市核心门店/云仓范围内进行相应的预测算法/补货算法输出，通过8-10月的回测验证，整体算法表现稳定，能够显著提高云仓和门店预测准确率。在基于预测之上，进行相应的安全库

59、存计算和补货计算，优化门店的库存周转天数，降低库存资金占用，同时通过设置合理的补货点和节奏，降低了门店生鲜品类的损耗。打通云仓门店链路，预测补货通盘考虑后疫情时代，消费者购买行为模式变化，社交电商、社区团购、O2O等新渠道、新模式出现，作为传统大型线下商超，该企业在积极布局O2O等渠道的同时，日常运营中也发现了如下问题：因此，该企业希望通过搭建一套覆盖门店及附属云仓的预测补货业务平台，帮助计划员解决运营工作中面临的诸多挑战，本期项目专注于算法方案设计与测算。系统预测准确率低，对于业务干预有较强依赖度；求安全库存水位计补货策略由人工经验设定，存在优化空间；云仓补货跟门店割裂，流程没有形成闭环；促

60、销数据没有结构化，无法有效利用。云仓日预测准确度提升3.4%；门店周预测准确度提升17%；门店/云仓平均库存天数降低0.5天；门店/云仓总体生鲜品类的损耗率降低0.9%；云仓日度有货率提高4.3%。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS需求预测动态安全库存智慧补货某大型知名商超集团平均库存天数降低0.5天损耗率下降0.9%17%周预测准确率提升 424104零售连锁整体业务流程覆盖客户数千家全国的门店，涵盖在门店销售的饮品类，食品类等多个大类数百SKU。通过需求计划制定拉动后续的库存补货计划，大幅节省门

61、店补货业务流程的操作时间，有效提升了订单满足率：线下门店需求量进行预测及基于预测进行补货优化平均预测准确率提升10%潜在销售机会增加5%紧急调拨减少30%该品牌是全球型的咖啡连锁企业，在国内拥有数千家门店，凭借不断推出的新品深受广大消费者的热爱。然而当前采用的传统的预测方式容易造成报废率高、订单满足率低等问题，新品预测准确率仍需改进：本项目致力于为门店提供智能预测补货系统，充分利用大数据与算法优势，结合地理位置、天气、客流等多维数据源，通过准确合理的预测补货减少食材损耗，增加畅销食品的销售。平均预测准确率提升10%；门店下单补货节省1小时；门店间紧急调拨减少30%；系统补货订单采纳率85%；潜

62、在销售机会增加5%。门店补货依赖人工经验，效率低，效果不稳定，每天都要投入大量精力；缺少有效的指标分析，补货效果难以量化分析；鲜食报废率高、同时缺货的概率比较高，造成双向浪费；对于长效品类，库存积压的情况比较明显，周转率有进一步提升的空间；对于BOM拆分数据没有较准确的数据积累。解决方案SOLUTION门店需求预测智能预测补货某国际知名连锁咖啡品牌4443应用成效APPLICATION EFFECTIVENESS客户需求CUSTOMER REQUIREMENT04零售连锁该项目基于杉数的Planiverse计划宇宙平台的Demand.ai需求计划模块，搭载Coforecast引擎，构建了符合客

63、户业务场景和形态的预测算法模型。本项目将零散的线下人工预测计划处理整体迁移至线上，大幅提高计划处理的流程效率。同时对关键SKU的预测也有明显提升：构建需求预测平台，提供规范流程管理和算法预测支持预测准确率提升10%计划效率提升60%随着茶饮市场竞争不断加剧，消费者诉求更加多元，为及时准确感知终端市场的需求变动情况，该企业渴望基于需求计划环节的升级解决如下痛点：DP报数主要通过人工处理，预测过于依靠人工经验，没有系统支持，预测流程极为耗时；供应链的信息独立，需要从不同系统和表格中抓取数据，且数据的可视化较弱；现有的流程和工具无法支持从sell out到sell in的预测转换。在数字化漩涡的牵引

64、下，客户希望通过深度应用数据科学，激发变革式创新，实现供应链需求预测数字化、自动化、智能化的逐步转型。基于经销商历史出库数据结合GMV预测量，对关键渠道商品的预测准确率提升10%；计划制定的业务流程规范化，效率提升60%。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS需求预测业务流程规范某国际知名茶饮品牌464504零售连锁针对电商渠道，在销量占比80%的品类上进行月/周两个不同颗粒的预测，通过模型给出终端消费GMV的需求量和Sell-in的需求量，同时支持根据备货规则前置备货量，更好的指导企业进行相关商品的库

65、存备货，进而对上游生产安排提供指导。对线上渠道进行销量预测，覆盖GMV终端计划拉动物流效率提升25%预测准确率提升10%面对迅速变化、竞争加剧的中国休闲食品市场，该客户希望通过智慧需求预测平台赋能企业快速响应市场需求，提升预测准确性，解决企业在实际运营中亟待解决的诸多挑战：数据依靠人工提报,提报方式基础、评估模式粗放；预测准确率不佳，大促预测结果差、细颗粒度预测结果差；缺少数据可视化，执行层面缺乏精细化指导；备货与销售提前期不一致，备货压力大。整体终端消费的需求量预测，在电商渠道GMV总量预测提升约25%（分品类）；基于经销商历史出库数据结合GMV预测量，对Sell-in预测准确率提升10%（

66、分品类）；基于备货规则，将需求预测量转化为N-3的平均备货需求，实现了从预测到库存的合理衔接，将备货提前期在需求计划节点上纳入考量，形成合理的预测/备货方案。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS需求预测销量预测电商渠道备货管理 某国际知名零食品牌4847整体平台上线覆盖客户全品全仓以及数千家门店的预测补货场景，通过从需求-仓端补货分货-门店叫货补货的全流程智能化，提升整体预测准确度，拉高门店叫货满足率，同时缩短产销周期，降低仓库/门店的库存水平，带来：端到端供应链数智化升级周度预测准确率提升16.5%

67、库存周转天数下降15%门店调货满足率提升4%客户是国内近年来快速崛起的零食连锁品牌。经历多年高速发展，传统的供应链计划流程和过度依赖人工经验的计划模式已不能适应时代发展，需要柔性要求更高，响应速度要求更快的供应链管理；同时，又不能无限堆积库存开设分仓来满足市场波动需求。客户需要更科学的决策方式来解决如下问题：周预测准确率平均提升16.5%；大仓端库存周转天数下降10%；门店端库存周转天数下降15%；门店调货满足率提升4%。04零售连锁提升供应链协同：提升供应链对上游供应商的协同（预测/库存/生产/原料），缩短上游供应商下单响应时间降低采购成本；提升供应链的管理效率：实现店仓联动，提高后端供应链

68、的响应程度；分仓分渠道进行细颗粒度的精准预测；科学规划各层级仓库的库存水位（减少库存囤积）。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS需求预测智慧补货库存优化某上市零食连锁品牌5049日用消费05FAST MOVING CONSUMER GOODS项目在某亚太国家落地实施，覆盖多个工厂，数十个DC仓库的一体化预测补货调拨需求。统一了数据格式和规范，通过模型刻画SKU波动并适配合适的补货模型。同时将人力无法考虑的完整的补货业务规则直接纳入模型。高效的计算也保证了紧急插单情况下的重新计算。给客户带来了切实的收益

69、：覆盖“工厂-仓库-经销商”链条，实现全链条预测补货最优决策综合成本节省数百万/年缺货率降低5%物流成本降低25%随着食品饮料市场竞争不断加剧，消费者诉求更加多元，面对的销量波动愈发剧烈，库存补货的合理性和缺货的影响逐步放大，迫使企业开始思考：在数字化浪潮的推动下，企业希望通过深度应用数据科学，激发变革式创新，实现供应链数字化、自动化、智能化的逐步转型。如何保持持续的增长与高利润率？如何实现产销协同及提升供应链效率？如何在成本可控下维持满意的客户服务水平？仓端的需求预测准确率提升0.7%，缺货率降低5%；基于预测动态输出补货调拨计划，使仓端周转天数降低 0.5天；节约综合成本（物流/仓储费用等

70、）数百万人民币/年。05日用消费客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS需求预测动态安全库存 智慧补货天维度计划某国际知名啤酒品牌5251上架、拣货、任务指派、理货四算法协作智能优化仓库上架拣货及任务指派效率仓库作业效率提升10%人力成本降低15%发运量工时缩减25%现有的仓储管理体系存在上架作业人员分配低效易错、拆货任务无规范化流程、叉车指派不合理等问题。项目的目标是通过运用先进的优化算法，合理调配资源，确保仓库作业流程的高效运行，并通过数据分析、精准调度来提高资源利用率和作业效率。业务涵盖亚太地区多个

71、国家、近百个仓库、日均活跃叉车数约数百台、日均活跃产线数约近百条、日均扫描托数十万托；仓库作业分配效率低：上架作业人员配置不合理，易出现错误；拆货任务缺乏规范：拆货路由未规划，任务分配混乱；车辆资源利用不充分：车辆指派存在人工干预，未充分优化资源。仓库作业效率提升10%；人力成本降低15%；发运量工时缩减25%。05日用消费本解决方案通过优化仓储管理和任务调度，提升整体运营效率。首先，针对上架和理货策略，利用货品流通性数据分析，合理推荐存储货位，并通过动态ABC商品分类提高出库效率。在拣货策略优化方面，综合考虑叉车与货物的位置，优化拣货路径，提升叉车作业效率。叉车任务指派则通过合理调配任务与资

72、源，确保叉车资源的均衡使用，提升整体效率。通过码头停靠优化，结合任务量预测与任务分配，均衡码头负载，提升装载作业的整体效率。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS库存管理上架优化拣货优化任务指派某国际知名啤酒品牌5453解决方案SOLUTIONOfftake-Sell Out-Sell In针对全渠道进行销量预测与CPFR协同处理预测准确度提升13%库存金额降低千万级客户电商部门希望有一个线上需求计划协同平台，更多地接收各电商渠道销售端的信息，将线下手工计划工作转为线上，形成信息的交流和互联，稳固和提升

73、市场份额与营收。针对整体预测的业务现状，其当前面临着：手工计划亟需升级；细颗粒度需求预测准确率不准；终端数据积累形同虚设；整体项目覆盖线上线下共十余个渠道，包括纯线上（京东、猫超等）和线下O2O（盒马、大润发等）。在这些渠道考虑全场景的预测，如促销、新品、季节性、特殊事件、退市等的全面场景。输出长周期需求计划和短周期需求协同。基于杉数Planiverse产品平台，搭载Coforecast引擎提供相应的系统和算法的一体化解决方案，提供了一套线上协同平台，将需求计划整体纳入平台管理。实现了：核心线上/线下的SKU预测准确率13%；在核心SKU预测准确度提升的前提下，业务部门能够合理的安排库存水位，

74、优化库存金额，整体项目带来库存金额的下降达到千万级。05日用消费客户期望通过该项目，建立统一化、可扩展的协同工作平台，创新利用终端数据来构建成熟场景化预测算法模型，为业务提供帮助。客户需求CUSTOMER REQUIREMENT应用成效APPLICATION EFFECTIVENESS需求预测库存优化协同式供应链管理模式某国际知名食品饮料品牌5655构建不同的预测分类模型强调数据协同与执行协同提供电商渠道定价决策建议，助力关键业务指标提升促销活动GMV提升8%日常销售GMV提升5%费销比提升16%作为国际知名食品龙头品牌，该企业电商渠道缺乏有效的价格管理方法，无法结合变化的销售环境快速实现动态

75、定价；缺乏针对高频的促销活动的分析方法，不了解促销效果高低和促销的投入产出比情况，促销活动力度依赖主观决策；市场投入和促销价格折扣投入资源巨大，但缺乏资源投入的有效性分析。针对线上的日常销售和促销，杉数科技配合客户设计满足业务目标的价格和费用优化工具：结合线上的销售特点，进行商品聚类，给出每个商品日常价格的优化建议；针对不同的促销活动，提供促销力度的建议和对业务的影响预估；分析促销价格投入和市场流量投入的效果，提供费用优化方案。1.价格管理短板：电商渠道价格管理方法缺失，难以随销售环境变化实施动态定价，错失市场先机；2.促销策略待优化：高频促销活动缺乏有效分析，对促销效果和投入产出比认知不足，

76、力度决策主观性强；3.投入效益不明：宠物食品事业部在市场和促销折扣投入巨大，但缺乏投入有效性分析，资源利用效率待提升。价格和费用优化工具的上线，为该客户实现了精准的商业洞察与策略优化。通过智能算法深度剖析市场价格走势和费用结构，实现促销活动与日常销售的差异化定价及费用精准投放，助力客户在激烈的市场竞争中脱颖而出。具体表现为：促销活动 GMV 提升 8%：借助工具对促销活动进行精细化策划与价格调控，精准吸引目标客户，显著提升促销活动的销售转化；日常销售 GMV 提升 5%：运用工具优化日常定价策略，挖掘潜在消费需求，实现日常销售业绩稳步增长；费销比提升16%：通过对费用支出的智能分析与优化配置，

77、在控制成本的同时，最大化销售收益，实现费用投入产出比的大幅提升。05日用消费客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS电商渠道定价优化数据弹性分析某国际知名食品品牌5857打造一盘货供应链管理平台，降低库存，提高效率库存同比下降15.2%系统补货建议采纳率85%业务人员提效25%客户集团是排名前列的国货美妆护肤企业，旗下拥有多个品牌。随着业务发展不断壮大，其正经历从营销端到供应端的数字化转型，并大力推动“一盘货”变革，面对多前端、多渠道、多场景的市场需求，一个更加柔性、敏捷、稳固的供应链必不可少。因此，客户

78、希望通过打造一个覆盖供应链端到端的智慧决策平台，帮助业务进行更高效智能的运营管理：需求预测：通过AI预测方法滚动预测全渠道上千个SKU的销量，并基于平台实现跨部门协同、可视化分析等功能，将差异化的渠道需求转为一致性的供应链计划；安全库存优化：为全仓网结构各DC制定合理的差异化库存管理策略，在满足服务水平的前提下，优化各级库存水平，用更低的成本撬动更大的生意；补货策略优化：通过常规场景与活动场景切分，运用运筹优化算法，考虑复杂业务约束，提供不同场景下的补货建议，并基于系统实现执行、模拟仿真等功能，让补货计划更贴近执行。1.信息共享的及时率和需求预测准确率不高：计划业务和依赖的信息散落，没有统一系

79、统平台，终端的需求变化不能被及时可视和管理；2.库存积压与缺货并存：希望通过相对提升准确率，当前最核心期望用合适的库存来满足想达到的服务水平；3.补货策略不够合理：备货策略应该分为常规补货和活动备货，希望能够在同一个系统平台做协同。智慧供应链计划平台的上线，打破了原有计划的孤立性，实现在“一盘货”模式下让数据变现，帮助客户建立动态可调整的库存水位，充分释放“一盘货”势能，极大地提升了计划的高效敏捷性，满足市场碎片化需求，为客户构建坚实的企业竞争壁垒。库存同比下降15.2%；系统补货采纳率85%；业务人效提高25%。05日用消费客户需求CUSTOMER REQUIREMENT解决方案SOLUTI

80、ON应用成效APPLICATION EFFECTIVENESS需求预测动态安全库存智慧补货订单履约某国内知名美妆护肤品牌6059数据驱动的需求预测和智能化的库存管理，提升供应链敏捷性订单满足率98%月粒度准确预测率 85%该企业致力于推动供应链的全面升级，从传统的以产品为中心的供应链模式向以消费者需求为导向的端到端供应链转型。通过提升供应链的敏捷性和响应能力，更好地满足消费者多样化、个性化的需求，从而在激烈的市场竞争中占据优势。为实现这一目标，企业计划：拥抱大数据技术：构建全面的数据采集和分析体系，实时获取、积累消费者行为、市场趋势、销售动态等多维度数据；融合人工智能算法：对全渠道（天猫、京东

81、等平台以及线下专柜）的需求进行精准预测。通过深度学习和机器学习技术，更准确地洞察消费者购买偏好、季节性需求变化以及市场波动，从而为供应链的各个环节提供科学决策依据；敏捷库存管理：采用更加智能化和敏捷的库存决策机制，通过动态优化库存水平，实现库存成本最小化和运营效率最大化。总体而言，项目实施后，企业通过数据驱动的需求预测和智能化的库存管理，显著提升了供应链的敏捷性和效率。这不仅帮助企业降低了运营成本，还提高了市场响应速度和客户满意度，为企业在激烈的市场竞争中赢得了更大的优势。上线后，企业在供应链管理和需求预测方面取得了显著的成效，具体表现在以下几个方面：爆品预测精准度显著提高：在爆款产品的需求预

82、测方面，企业实现了85%的月度预测准确率和75%的周度预测准确率。这一成果使得企业能够更好地把握爆款产品的市场需求，避免因库存不足导致的销售损失或因库存过剩造成的资源浪费；全量SKU预测能力增强：针对全量SKU的需求预测，企业实现了80%的月度预测准确率和68%的周度预测准确率。这一提升使得企业能够更全面地掌握各类产品的销售趋势；大促活动预测表现优异：例如，在京东双12大促期间，企业的预测准确率达到了80%，成功应对了高峰期的订单需求，确保了大促活动的高效、顺利进行。05日用消费客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECT

83、IVENESS销售预测大促预测库存管理某国际知名美妆品牌通过AI预测方法滚动预测全渠道（天猫、京东、线下装）上百个SKU的销量，颗粒度到周。对于销售占比极高的大促月份/阶段，我们设计了一套对于电商大促场景的针对性建模方案。6261针对线上渠道的促销定价管理，有效提升GMV促销活动预测准确度提升11%促销活动GMV提升15%促销费效比提升17%作为全球大型日用品消费公司，该企业十多年前就开始布局电商业务，其电商平台销售占比持续上升，但电商平台的竞争非常激烈，消费者对于价格比较敏感，贸然调价可能产生不利影响。另一方面，电商的促销频率极高，巨大的促销费用投入也正在成为经营负担。所以，客户希望找到应对

84、方案以：客户期望通过这个项目，建立统一化、可扩展的协同工作平台，创新利用终端数据来构建成熟场景化预测算法模型，为业务提供帮助。分析不同渠道来源的消费者数据，了解消费者对不同商品的价格敏感程度；了解不同流量的转化率以及转化率随流量的变化规律，分析流量费用的投入产出比；结合历史促销活动和销量数据，输出促销价格优化建议和销量预测。诊断产品战略定价，以提升产品市场竞争力，增加企业营收；改变传统依赖人员经验的促销方式；优化费用投入的产出效率。项目针对线上旗舰店的6大品类、数千种产品，开发针对促销场景的价格分析工具，实时计算商品价格弹性，并据此更新商品分类以及对应销售/促销策略；基于此开发了促销预测工具：

85、选用差异化的混合算法模型，对每一次促销活动到SKU*天/周/月颗粒度的销量进行预测，辅助运营和财务部门人员促销计划决策；底层搭建了促销活动优化模型：给定业务目标和约束，输出促销活动建议和对应的关键业务指标，指导电商运营人员实际工作，在实际落地带来了：覆盖品类的促销活动的预测准确率提升11%；对应促销活动的GMV提升15%；在促销优化模型的支持下，通过优化活动选取，提升促销费效比约17%。05日用消费客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS品类销量预测促销定价某国际知名日用消费品牌6463打造端到端一体化计

86、划平台，串联采购/需求/库存全计划预测准确度提升10%库存周转率提升5%计划效率提升50%随着中国美妆日化行业前端消费市场不断涌现的新趋势、新渠道、新模式，该老牌本土美妆日化企业在日常计划管理运营过程中面临尝试诸多挑战，如计划强依赖人工业务经验，计划流程各环节可视度低等。客户预期通过构建供应链计划平台，实现需求计划、分仓预测、库存补货环节的数智化升级，一方面借助前沿智慧算法实现数据驱动的计划，另一方面基于系统平台提升计划工作及协同工作的效率。项目覆盖客户全品类全渠道的需求计划制定、所有全国区域仓库的分仓出库预测，及全国范围的CDC到RDC的补货计划制定。使用杉数供应链计划平台Planivers

87、e，构建智能化的预测算法和库存补货算法。在平台上进行跨部门的计划协同，提升计划制定的效率和速度以及精度。总体收益如下：SKU/仓库/渠道的月度需求预测准确度提升10%不等；基于需求计划和算法优化的库存补货计划，库存周转率提升5%；计划制定发布的全流程提速50%，大幅提升计划上下游各个环节的可视化程度。05日用消费客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS需求计划（渠道、仓）供应计划库存补货计划某国产美妆百年品牌6665服饰鞋帽06APPAREL AND FOOTWEAR提供全渠道促销定价决策建议，助力促销关

88、键业务指标提升节省预算10%提高收益6%总ROI提升40%智慧促销定价系统的上线，为该客户解决了促销计划手工作业繁重、决策依靠经验、活动效果难以复盘的痛点，帮助客户实现了从促销数据分析 促销定价决策 促销活动复盘全链路的自动化与科学决策辅助，并成功实现了：杉数科技帮助其建立一套促销优化系统，以商品促销洞察为起点，基于价格优化引擎计算，提供科学的产品-价格组合建议，并支持基于仿真分析模拟活动收益。以此提升促销计划的数字化程度，辅助提升财务收益。06服饰鞋帽相同收益下节省预算10%，相同预算情况下提高收益6%；促销活动总ROI提升40%。客户需求CUSTOMER REQUIREMENT解决方案SO

89、LUTION应用成效APPLICATION EFFECTIVENESS促销预测 定价优化促销复盘全渠道管理某国际知名鞋服品牌客户为美国某知名运动鞋品牌，自进入中国以来，目前在国内已有经销点数百家。随着经济增量时代的结束，消费者对于个性化的消费需求日益升级，产品迭代速度加快，线上线下的多元化销售渠道也增加了收益管理的复杂度，品牌商对商品的精细化管理势在必行，急需一套促销价格优化算法的价格智能管理系统。6867线上折扣渠道促销优化，提升促销GMVGMV提升5%折扣准确率98%计划效率提升40%客户长期以来，对于促销管理缺少系统化、自动化的管理工具，依赖人工进行每一次的促销选品、定价、执行的全流程，

90、管理费时费力。经调研商品人员：6小时花在excel上，1小时花在电商中台；而运营人员：4小时时间花在excel上，1小时花在电商中台。才能完成一次促销活动的线上流程，于此同时，收益管理决策强依赖人工经验，缺乏科学指导，缺乏可量化的复盘分析。整体项目支持客户线上渠道相关的促销活动的制定、对促销品类进行精细化分类，搭建不同的促销价格模型来分析产品定价和销量的关系，进一步根据量价关系，通过优化算法寻找符合促销活动目标（最大化GMV、清仓等）的促销产品组合。叠加不同渠道的玩法输出完整的促销计划。促销品类GMV整体提升5%；折扣在实际复盘上的准确率达98%；基于历史数据对促销品类的预测销量准确度达70%

91、；计划效率提升40%。06服饰鞋帽面对复杂多变的市场环境，客户需要一套可灵活拓展至不同业务场景的管理平台，来支撑整体促销计划的制定和价格的选择，实现和电商平台的自动对接，提升效率。客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS线上产品促销优化收益管理销量预测某国内知名运动鞋服品牌7069多工厂派单生产协同优化，实现产能均衡柔供接单率提升20%产能达成率提升30%产能均衡度提升50%客户原有的供应链团队开始接管各事业部成衣业务的产能规划与大货排单职能。因此业务开展需要精准、快速、有力的产能规划及排单系统，来应对每

92、年4个季度的生产计划安排的制定，以此来提升供应商合作紧密度。派单计划的重点，是解决柔性供应场景问题，建立柔性计划快速通道，提升柔供单接单率。建立一套线上的主计划排产升级，提高计划制定的效率；计划颗粒度需要更加精细，输出的排产结果要更加精准；产能分配充分考虑各类型工厂的约束需求，输出符合业务落地的产能规划；大货排单能够快速反馈，及时调整和算法优化输出。整体项目考虑每季度200+供应商，4大品牌，数千种款式，在千万级限制条件下，构建合理的算法模型，输出最优产能规划方案与大货排单方案。其中底层产能计算至天颗粒度，实现10分钟完成季度产能规划、1小时完成季度大货排单计划。并实现多版本KPI分析溯源。项

93、目整体带来可观的收益：柔供接单率提升20%；产能达成率目标吻合度提升30%；产能均衡度提升50%;计划制定效率提升70%。06服饰鞋帽客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS主计划排产生产派单协调优化 智能分单分析看板某国际知名服饰品牌7271优化Inbound到货计划，平滑仓库产能，降低成本订单延误笔数降低90%额外仓储成本降低23%总仓波动性降低50%该集团是排名前列的国际运动鞋服品牌企业，旗下拥有多个品牌。随着业务发展不断壮大，需求和供应端的矛盾日益凸显，经常出现仓库空闲货没到或者到货了仓库无法存放

94、，亦或是仓库整体产能不均衡的情况，爆仓和空闲时有发生。客户面临的难题包括：数据问题：订单数据需要从多平台、多操作方、多维度提取，数据的准确性、及时性差；计划不准：到货预测不准确、到仓时间没有规划导致仓库收货经常出现波峰波谷，仓库产能利用率低；流程信息化存在断点：业务人员难以高效追踪业务情况缺少关键KPI指标展示和查询，可视和预警功能。通过搭载Inbound到货计划算法，并建立核心的inbound到货计划平台，覆盖客户多个大仓、六十余个发货城市。业务场景考虑国内外海/陆运输，港口缓存等可优化的条件和约束，在保证订单交期的前提下，削峰填谷，平滑仓库收货产能情况，让额外仓储成本和调拨成本都得到了明显

95、的降低。订单延误笔数和件数，回测期间表现为降低90%，大幅减少订单延误状况；优化到货时间，降低仓库的额外暂存费用23%；仓库加班量降低12%；总仓收入产能平滑，波动性降低50%，总体收货节奏得到平稳过渡。系统化、自动化的创建计划；梳理计划全流程的SOP；形成工厂-物流部门的快速协同，月计划周更新；将原来仓库被动接收工厂交货，转变为基于需求主动安排调整交货；考虑相关业务约束，将仓库收货产能、库容产能进行平滑计算。06服饰鞋帽客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESSInbound到货计划优化仓库收货产能平滑某

96、世界知名鞋类品牌7473上门量体排线优化线路数平均节省15%总里程平均节省17%客户是一家互联网服饰定制标杆企业，其采用“互联网+上门量体+工业4.0”的C2M运营模式。由于公司业务扩张，原先由坐席人工规划安排上门量体线路的方式无法支撑日益增加的订单量，客户也面临了实际的调度问题：亟需通过智能调度系统提高排线效率，改善线路合理性，降低调度人员成本，改进调度体验。订单量陡增，人工调度工作量大，超负荷；区域熟悉度、经验要求高，新坐席培训成本高；线路安排耗时耗力，客户响应速度慢，影响客户体验。整体项目应用在客户全国200余座城市的调度排线场景。涉及数十个网点坐席的业务支持，每天处理上百份订单的自动排

97、线，为客服坐席大幅度提高了工作效率，客户的响应速度从半天预约确认缩减到1小时确认，同时优化了线路，缩减上门里程：线路数平均节省15%；总里程平均节省17%；线路预约响应时长缩减70%。06服饰鞋帽客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS销售人员拜访智能线路规划某知名服装定制平台7675金融投资07FINANCIAL INVESTMENT最优投资组合模型助赢股票交易年化超额收益达成20%+投资组合跟踪误差4%+整体问题求解效率提升75倍在现代金融市场中，投资者面临着如何在众多股票中选择最优投资组合的挑战。为

98、了应对这一挑战，投资者通常会基于一定的假设和目标来制定投资策略。在本项目中，我们假设投资者是风险规避的，追求期望效用的最大化。这意味着投资者不仅关注投资组合预期收益，还关注其风险水平，通常以收益率方差来衡量。此外，所有投资者处于同一单期投资期。基于这些假设，投资者的目标是从一个给定的股票池中选出一定数量的股票，构建一个最优的投资组合。这个最优组合需要在给定的投资期（289天）内最大化期望效用，同时控制风险。在本项目中，我们构建了一个最优股票组合，并在289天的投资期内实现了显著的投资回报。具体成果如下：通过科学的选股和组合优化，我们的投资组合实现了年化超额收益20%+；投资组合的跟踪误差为4%

99、+，表明组合收益与基准收益之间的偏离程度较低。模型的考虑因素包括：股票池的大小 宏观微环境股票市值的大小 上市公司业绩行业对股票的影响投资组合收益与市场的相关性个股历史表现等各方面的影响07金融投资一、建模：MISOCP(混合整数二阶锥模型)二、求解：求解效率提升75倍客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS投资组合优化大规模问题计算某知名资产管理公司7877智能化风控降低业务风险通过率提升14个百分点覆盖标签集的坏账率下降3个百分点该企业面临用户历史信用记录少、人工风控引擎单薄等挑战，希望通过构建智能反

100、欺诈模型，精准判断借款交易风险，从而在提高审核通过率的同时，降低业务风险，减少误检及漏检，并提升风险判定的准确率。基于企业提供的海量数据，我们利用近千万用户数据作为训练集，构建反欺诈模型，并通过百万级用户数据进行测试与验证。这一规模化的数据基础确保了模型训练充分性和验证可靠性，为企业实现智能化风控提供了坚实的数据支撑。本项目的实施取得了显著的应用效果，具体成效如下：审核通过率大幅提升：通过智能反欺诈模型的精准判定，借款交易的审核通过率从16%提升至30%，显著提高了业务效率，为更多优质用户提供了服务机会；好账召回率表现优异：模型在识别优质用户方面表现出色，好账召回率达到76%+，确保了大量低风

101、险用户能够顺利通过审核，提升了用户体验与业务规模；坏账召回率显著提升：在风险用户识别方面，模型的坏账召回率达到48%+，较原有风控体系有显著提升，有效降低了欺诈交易带来的潜在损失；坏账率明显下降：在74%+的覆盖标签集上，坏账率下降了三个百分点。07金融投资客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS反欺诈识别智能化风控某知名跨境支付平台8079大规模问题求解助力金融机构抵御风险显著降低计算复杂度显著提升信用评估精准度某国际知名金融服务品牌是全球支付行业的市场领导者之一，以其创新的金融产品和服务闻名。在开展业

102、务时，企业希望能够在吸引客户与控制风险之间找到平衡，换言之，需要对客户的信用度及还款能力做出准确判断。如果低估客户的信用度，提供的信用额度或利率报价可能缺乏吸引力，难以争取到目标用户；而如果高估客户的还款能力，则会增加违约概率，导致财务损失。此外，由于客户群体规模庞大（超过1千万），信用评估模型的构建和求解复杂度极高，传统的建模方法难以高效处理如此大规模的数据，同时还需满足实时性和准确性的双重需求。这一挑战要求品牌在技术、算法和风险管理能力上不断创新，以实现精准评估与高效运营的双重目标。通过创新性地采用基于客户行为特征的分层建模与精准报价策略，某国际知名金融服务品牌成功解决了余额转结业务中的复

103、杂挑战，显著提升了业务效率并实现了业绩的快速增长。本项目将机器学习与分层建模技术应用于大规模客户信用评估，通过将客户群体划分为多个同质子类别，并针对每个类别建立独立的评估模型，显著降低了计算复杂度，同时提高了信用评估的精准度。这一创新方法不仅解决了传统模型难以处理海量数据的难题，还为金融行业的风险管理提供了新的范式。首先基于客户行为特征将其分为多个类别，并为每个类别建立独立的评估模型，通过三个层面判断报价策略。07金融投资客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS优质用户识别信用评估 产品匹配大规模问题求解

104、8281某国际知名金融服务品牌优化风控管理并降低运营成本产品A过件率提升10%个性化推荐多策略产品当前，随着金融科技的迅猛发展和数字化转型的深入推进，金融机构正加速布局智能贷款服务，以提升服务效率和客户体验。然而，在推进过程中，该机构意识到自身缺乏一套科学的智能推荐系统，导致客户经理不得不依赖人工方式匹配客户与产品，不仅效率低下，还容易出现偏差。同时，由于缺乏精准的推荐机制，贷款产品与客户资质匹配度不足，可能增加坏账风险，进而影响机构的整体风控水平。此外，没有数据驱动的推荐系统，机构难以实时洞察客户需求的变化，无法及时调整产品策略，从而错失市场机遇。为此，该机构决定构建一套智能贷款服务推荐系统

105、，旨在通过精准匹配提升客户满意度和转化率，优化风控管理并降低运营成本，最终推动金融机构实现智能化转型和业务可持续增长。对于智能贷款产品A，杉数模型过件率相对对照组提高了10%；对于智能贷款产品B，杉数模型过件率相对对照组提高了5%。基于用户行为数据进行画像构建与客群分类，结合多策略产品实现精准推荐，并通过实时监控动态优化，全面提升个性化服务效果。具体实施方法如下：基于用户行为数据进行画像构建与客群分类，结合多策略产品实现精准推荐，并通过实时监控动态优化，全面提升个性化服务效果。具体实施方法如下：07金融投资客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPL

106、ICATION EFFECTIVENESS推荐系统智能贷款服务某国际知名金融服务企业8483解决方案SOLUTION精细化运营提升资产规模及客户粘性线下测试准确率85%实际营销成功率提升2个百分点该机构目前正在积极推进大众基础客群的经营服务，其核心目标是通过精细化运营提升客户在机构的资产规模以及客户粘性。为实现这一目标，机构重点关注精准营销领域的优化与创新，旨在更高效地识别客户需求、激活潜在客户，并深化与现有客户的关系。具体而言，该机构希望通过数据驱动的精准营销策略，实现对客户行为的深度洞察。通过整合客户的多维度数据（如交易记录、资产配置、消费习惯、生命周期阶段等），机构能够构建全面的客户画像

107、，识别出不同群体的客户。在此基础上，机构可以针对不同客户群体设计差异化的营销方案。线下测试准确率达到85%；实际营销成功率提升2个百分点（营销3周后与营销8周后对比），表现如下图：1.利用特征工程技术刻画用户画像在建立有价值客户识别模型的过程中，我们通过对该机构客户的多维度数据进行深度挖掘和分析，构建全面且精细的用户画像。多维度的数据包括交易记录、资产规模、消费频率、产品偏好、生命周期阶段、风险偏好等。2.利用历史数据搭配随机森林等机器学习分类模型在模型构建阶段，基于历史数据，我们采用了随机森林（Random Forest）等机器学习算法进行模型训练开发及调优。其中，随机森林通过构建多棵决策树

108、并进行投票或平均，能够减少单一决策树的过拟合风险，提高模型的泛化能力。此外，随机森林还能够输出特征重要性评分，帮助机构进一步优化特征选择。07金融投资项目主要解决方案为利用机器学习建立有价值客户识别模型，包括：客户需求CUSTOMER REQUIREMENT应用成效APPLICATION EFFECTIVENESS金融机构用户画像刻画客群精准营销某知名商业银行8685科学算法模型助力用户斩获比赛大奖团队获得算法大赛一等奖当年参与团队数量1298支客户为中国知名的移动金融智选平台，通过人工智能、云计算等技术，为个人消费者、小微企业、个体工商户提供金融产品的搜索、匹配、推荐服务，以及金融教育、行业

109、报告等内容服务。同时，还为金融机构提供贷前、贷中、贷后全流程风控解决方案，多维度立体输出“技术+场景+用户+运营”全链条服务。该项目为其风控算法大赛参赛项目，项目核心待解决问题为：预测用户在线贷款申请批准情况（批准或拒绝）。项目主要技术方案需涵盖主要特征选择、字段缺失值及正负样本不平衡等问题。当年共有一千余支队伍（来自清华大学、中国科技大学等，六成以上为研究生学历）报名参加比赛，报名人数和参赛队伍均刷新了历次比赛之最，同时创下了金融科技领域算法比赛的最大规模。其团队在所有队伍中排名第一。基于十余万训练数据、数万测试数据及上百个多个原始特征逐步建立模型，采用多种采样方法及模型优化方法。在项目方案

110、中，数据处理与特征工程的实施分为四个关键步骤，依次为数据清洗、数据编码与分析、特征提取和特征选择。在此基础上，项目进入模型搭建与调优阶段。07金融投资客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS贷款申请审批风控大赛特征工程某知名网络金融服务平台8887高校教育08EDUCATION SECTORAI智能决策沙盘创新赋能MBA课堂剧本杀形式授课角色扮演大模型优化算法智能决策契合MBA项目目标商业模拟作为国内顶尖的MBA项目，该高校MBA项目致力于培养适应复杂商业环境的高素质管理人才。该项目目前面临的挑战是传统教

111、学模式难以充分结合现代商业决策过程中的复杂性与动态性，学生在实际案例中难以有效应用理论知识进行商业决策。学校需要一种能够将理论与实践紧密结合，提升学生在复杂商业环境中的应变能力和决策水平，同时增强团队协作能力的创新教学模式。为此，该高校MBA项目的教学管理团队与杉数展开合作，希望杉数可以提供基于“大模型+优化算法”的智能决策沙盘课程，将该沙盘融入到该MBA项目的人工智能课程当中。该沙盘课程需要通过商业模拟决策的形式，涵盖需求梳理、数学建模和多方案决策等全流程，帮助学生在互动中解决实际问题，提升其决策分析能力和团队协作技能。该解决方案为该高校MBA项目引入了“大模型+优化算法”的智能决策沙盘，旨

112、在通过创新的教学模式，提升学生在复杂商业环境中的应变能力和决策水平。智能决策沙盘的基本优化场景是，面对复杂多变的商业情境和实际案例，通过角色扮演和团队协作，模拟真实的商业决策过程，以期在满足各种教学目标的条件下，实现诸如学生参与度最大化、决策能力提升、团队协作能力增强等目标。该沙盘具备以下功能和特点：创新教学模式：结合剧本杀形式，引入实体剧本道具，通过角色扮演和团队协作，让学生在互动中体验商业决策过程。全流程覆盖：沙盘课程涵盖需求梳理、数学建模和多方案决策等全流程，帮助学员在模拟环境中解决实际问题。数据驱动决策：基于大模型建模平台，提供复杂商业情境的建模和优化算法支持，帮助学生进行科学决策。杉

113、数科技的团队为该知名高校MBA项目引入的智能决策沙盘课程，深度嵌入进整个课程计划中，最终完美契合了学校预期的教学目标。学生参与度大幅提升：通过创新的剧本杀形式和角色扮演，学生参与度提升，课堂互动性显著增强；决策能力显著提升：学生在模拟商业情境中进行多方案决策，决策能力提升，能够更有效地应用理论知识解决实际问题；课程满意度显著提高：这一项创新教学实践，受到学生和教师的高度评价。08高校教育“大模型+优化算法”的智能决策沙盘客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS智能决策沙盘团队协作剧本杀形式商业模拟某知名高

114、校MBA项目9089大模型建模教学平台助力打造精品课程自然语言建模大语言模型供应链、运营管理等场景实战案例分析精准满足学院教学需求定制化服务某商学院本科院校致力于培养具备运筹优化和智能决策能力的高素质管理人才。然而，在教学过程中，商学院面临着以下挑战：教学方法传统：现有的教学模式难以充分结合现代商业决策过程中的复杂性与动态性；理论与实际应用脱节：学生解决复杂问题时缺乏高效工具和生动案例支撑，难以将理论知识有效应用于实际问题；缺乏创新教学工具：商学院需要一种创新的教学模式和工具，能够提升学生在数据科学、建模技术与决策分析方面的学习效率，同时培养他们的实际应用能力。结合大模型智能决策建模平台，杉数

115、为该院校打造精品课程，旨在通过创新的教学模式，提升学生在复杂商业环境中的应变能力和决策水平。该平台具备以下功能和特点：实战案例分析：通过详细的企业级项目案例，让学生直观地看到大语言模型在商业环境中的具体应用。例如，在供应链管理中，平台展示了库存优化等实际问题的解决方案；自然语言建模功能的创新性：该功能允许学生通过简单的语言描述其面对的商业问题。平台将自动将这些描述转化为数学模型和求解算法，帮助学生快速解决问题；模型模板的可扩展性：平台内置了多种预定义的模型模板，涵盖供应链管理和运营管理中的典型场景。这些模板不仅降低了入门难度，还为学生提供了丰富的实际操作机会。杉数科技为该院校提供的大模型运筹与

116、智能决策建模平台，自投入使用以来，显著改变了传统的教学模式，为学生带来了全新的学习体验。通过结合结构化建模原理和企业案例解析，该平台不仅极大提升了学生在数据科学、建模技术与决策分析方面的学习效率，还通过智能化解读，帮助学生深入理解复杂问题的解决方法，培养他们的实际应用能力，使学员能够将学到的理论知识有效转化为解决实际问题的能力。08高校教育基于大语言模型与运筹优化算法的大模型智能决策建模平台教学模式创新实际应用能力增强课程满意度提高教学资源优化学习效率显著提升学生参与度提升客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVE

117、NESS大模型建模教学平台大语言模型企业案例解析实际应用能力某商学院本科院校精品课程9291先进的智能决策教学与实训平台涵盖多行业案例应用资源数据集ORLM大模型大模型建模工具国产GPU高性能AI算力作为物流与供应链领域的重点高校，该高校需解决以下问题：智能工具缺失：传统教学缺乏智能工具支撑，学生难以将运筹学理论转化为实际建模能力；科研平台分散：缺乏一站式开发环境，无法满足多场景（物流调度、仓储优化等）教学需求；技术可控程度低：教师在开展需构建国产化技术底座，适配国产 GPU 及求解器，保障供应链领域技术自主可控；学生实战水平不足：亟需整合行业真实案例数据集（如物流运输、仓网规划等），提升学生

118、实战能力。杉数科技为该高校供应链专业师生打造了系统级智能教学与科研平台项目建设方案，项目包括以下核心组件：一站式人工智能开发平台：支持并发用户数50人，支持自然语言建模与智能分析，包含智能决策教学与建模工作台，支持预置模型建模、自然语言建模两种建模方式。运筹优化在物流中的应用资源数据集：涵盖物流与供应链管理、物流运输等10+行业案例以及配套代码，提供Python环境，支持国产化求解器COPT调用。智能仓储建模及可视化集成平台：配套部署高性能AI算力资源，支持国产GPU卡调用。通过与杉数科技的合作，某市属高校成功构建了系统级智能教学与科研决策教学平台，创新了教学模式，提升了学生的实践能力和教师的

119、科研水平，为物流与供应链管理专业的高质量发展提供了有力支持。教学资源丰富：平台提供了10个教学案例，涵盖物流调度、装箱优化、仓储内调度优化等多种场景；实践能力提升：学生在平台上的实践操作能力显著提升，能够更高效地解决复杂问题；科研成果显著：平台支持了多个科研项目的开展，促进了教师在物流与供应链管理领域的学术研究。08高校教育系统级智能教学与科研平台建设方案客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS物流与供应链优化实践教学智能决策AI开发平台某市属高校供应链产业学院实践基地建设9493大模型驱动的物流智能决策

120、教学与实训中心先进LLM技术与智能决策算法大模型智能决策智能决策建模平台+硬件设备软硬联动全方位支持教学与科研教学实训结合该高校在物流管理学科中，缺乏与实际行业场景对接的教学平台，传统教学模式下学生难以将理论应用到实践，缺少复杂问题模拟与决策优化训练。缺乏实际场景对接：现有的教学与科研环境难以与实际物流行业场景有效对接，缺乏足够的实践环节和真实案例分析，学生难以将理论知识应用于实际操作。同时，学生在面对实际物流问题时，往往因缺乏经验而不知所措，影响了实践能力和解决问题的效率与质量；教学手段亟待创新：传统的教学方法和工具已无法满足现代物流管理教育的需求，高校迫切需要引入创新的教学手段、技术和能全

121、方位提升学生实践和解决问题能力的教学实训平台。杉数科技为某高校打造的“大模型驱动的物流智能决策教学与实训中心”，结合先进的大模型技术与智能决策算法，提供从理论到实践的全方位教学支持。该中心具备以下特点:物流优化核心：以物流优化为核心，涵盖供应链管理、路径规划、库存管理等关键领域，帮助学生系统学习物流优化理论。智能决策建模平台：提供从“梳理问题数学建模解决方案”的全流程支持，帮助学生将复杂问题转化为可操作的数学模型。硬件设备联动：结合实际硬件设备（如AGV机器人），将方案结果在硬件上实现可视化模拟，让学生在真实环境中感受参数变化。全流程教学支持：通过智能决策软件平台，学生可以完成从问题分析到方案

122、实施的全流程操作，提升解决复杂问题的能力。经过杉数科技与某高校的共同努力，“大模型驱动的物流智能决策教学与实训中心”成功落地并取得了一系列令人瞩目的成果，具体应用成效如下：教学模式革新，树立行业标杆：杉数科技打造的“大模型驱动的物流智能决策教学与实训中心”，彻底打破传统教学的局限，构建起理论与实践深度融合的创新教学模式。该模式为高校数字化教学转型提供了可借鉴的成功蓝本。学生决策分析能力飞跃提升，实际应用能力显著增强：通过参与实训中心的实践项目，学生在面对复杂物流问题时，能够运用所学的大模型技术和智能决策算法，快速准确地进行问题诊断、数据分析以及方案制定。08高校教育大模型驱动的物流智能决策教学

123、与实训中心客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS物流优化AGV机器人供应链管理大模型技术某高校智能决策教学与实训中心9695结合本地特色产业的智能决策实验室，助力地方产业创新提供先进的建模工具ORLM建模大模型提供领先的计算能力数学规划求解器提供强大硬件支持AI算力GPU在地方特色产业转型的关键时期，某知名高校作为区域教育与科研的核心力量，肩负着推动产业升级与创新的重要使命。目前，某高校面临着如下挑战：产教融合不足：某知名高校的科研成果与地方产业的实际需求之间缺乏紧密衔接，导致企业难以快速应用最新的研究

124、成果;校企合作短板：缺少有效的实践平台，学术界的技术创新难以迅速转化为产业发展动力;技术应用滞后：地方企业在智能化转型过程中，缺乏先进的数据分析、优化算法和AI算力支持，难以实现高效决策和运营优化。该高校依托杉数科技的智能决策平台，成功建立了一个结合本地特色产业的“智能决策实验室”，该实验室具备以下的功能：大数据分析与优化算法：实验室融合了大数据分析和先进的优化算法，为地方企业提供精准的决策支持；AI算力支持：配备高性能的AI算力GPU，为复杂的计算任务提供强大的硬件支持，确保模型训练和求解的高效性；数学规划求解器：结合借助杉数ORLM建模大模型和最新的数学规划求解器，实验室为科研人员提供了先

125、进的计算和建模工具；跨学科合作平台：实验室促进了企业与高校的深度合作，基于本地行业数据，从而开展多个跨领域研究项目。在智能决策实验室的建设与运营过程中，杉数团队紧密围绕地方特色产业的转型升级需求，成功实现了某知名高校科研与产业应用的深度融合。科研与产业紧密结合：实验室成功搭建了高校与地方企业之间的合作桥梁，科研成果与产业需求实现了无缝对接;企业数字化转型加速：通过实验室的技术支持，地方企业在智能化转型过程中取得了显著进展，运营效率和决策质量大幅提升;产业创新示范效应：实验室成为地方产业创新的标杆，吸引了更多企业参与合作，推动了地方特色产业的整体升级。08高校教育建立一个结合本地特色的智能决策实

126、验室客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS地方产业产教融合跨学科合作优化算法9897某高校智能决策实验室打破学科层次壁垒的供应链学科竞赛内置多行业企业案例行业真实案例Agent助手教学建模大模型建模工具全方位支持教学与科研教学实训结合该高校在供应链管理相关学科活动中发现，过往举办的学科竞赛存在一些问题：场景真实性不足：竞赛题目多为理论假设，缺乏贴近业界真实业务和挑战的数据支撑，学生无法体验动态市场环境下的复杂决策挑战；技术工具的缺乏：现有竞赛平台无法整合备赛、建模、优化全流程，学生需切换多种工具；未引入

127、前沿大模型工具的支持，限制了学生在复杂问题求解和智能决策方面的学习深度；参赛学科层次单一：以往该学科竞赛对编程、运筹优化等知识要求高，限制了非相关专业学生的参与，参赛人员知识背景单一，能力趋同，缺乏跨学科合作与创新思维的碰撞。杉数科技联合该高校供应链专业打造的学科竞赛，以杉数科技现有的“智能决策教学与实训平台”为依托，利用运筹学和机器学习等前沿技术将企业的实际问题转化为数学模型求解，为高校师生构建“案例教学一数据驱动一算法优化一产教融合”的全链条学科竞赛生态:行业真实案例卡片：平台内置多个行业企业的真实案例卡片，内嵌Python编程、COPT求解器、运筹优化等基础知识介绍。学生可通过这些模块深

128、入学习结构化建模方法，并借助大模型Agent生成代码框架、优化提示词，从而更好地准备竞赛并提升实践能力。全流程平台支持：参赛队伍在教学平台内置Agent的指导和国产求解器的支持下，可高效率实无需切换工具。现“需求梳理一数学建模一求解优化”全流程闭环，产研成果双向转化：优秀参赛学生经企业评估后，接可推荐至相关公司内部实习企业导师指导：杉数科技邀请行业专家和企业导师为学生提供指导，帮助学生更好地理解行业需求和实际应用。通过与杉数科技合作，某高校成功搭建了理论与实践相结合、跨学科知识与专业技术相结合、学生方案与企业导师经验相结合的新型学科竞赛形式。促进跨学科合作与创新：不同专业学生在竞赛中相互学习启

129、发，共同攻克难题，多元化思维碰撞丰富了方案创新性，提供了更全面问题解决视角；提升学生实践与决策能力：学生将理论知识转化为实践，通过平台工具和导师指导，精准完成需求梳理、建模和优化，制定科学合理的供应链管理方案；实现产教融合与人才储备：优秀学生获得企业实习机会，了解行业需求，为企业储备人才，实现教育与产业深度融合共同发展。08高校教育面向全校师生的全链条学科竞赛生态客户需求CUSTOMER REQUIREMENT解决方案SOLUTION应用成效APPLICATION EFFECTIVENESS学科竞赛供应链管理智能决策大模型技术某高校供应链竞赛决策智能教学与实训平台实践支撑案例沉淀业务思维和数学

130、思维的转换降低建模门槛，放宽专业限制学会使用前沿大模型技术了解更多业务场景丰富实战经验的企业导师指导优秀学生可获企业实习机会行业专家提供帮助供应链主题竞赛覆盖决策智能教学的全链条教学案例 行业案例素材库课程视频配套教材配套数据预测项目线性规划项目整数规划项目数学建模 数据分析实操大模型带教需求梳理Agent数据分析Agent辅助建模Agent代码生成Agent辅助预测Agent结果解读Agent均内嵌国产求解器支持求解10099杉数科技，由四位斯坦福博士于 2016 年联合创立，是中国先进的人工智能决策技术服务商。依托中国首个智能计算求解器 COPT 为核心引擎，专注智能决策计算与运筹优化领域

131、，打造“智能算力+优化计算引擎+决策技术中台+业务场景”的端到端智能决策计算业务体系，为客户提供灵活、轻便、高效的决策优化计算服务，解决生产、供应、物流等系列业务场景难题，实现数字化转型与业务二次增长。Nothing at all takes place in the universe in which some rule of maximum or minimum does not appear.L.Euler,1707-1783联合创始人&CEO斯坦福大学商学院博士北京市特聘专家前创业黑马副总裁首席战略官正高级经济师联合创始人&CSO斯坦福大学运筹学博士上海交通大学智能计算研究院院长上海交

132、通大学安泰经济与管理学院特聘教授国务院政府特殊津贴专家国家自然科学基金杰出青年项目、重大项目主持联合创始人&CTO斯坦福大学运筹学博士香港中文大学（深圳）数据科学学院教授、副院长广东省人工智能数理基础重点实验室主任国家海外高层次人才国家自然科学基金杰出青年项目主持联合创始人&CPO斯坦福大学决策与风险分析博士北京市特聘专家北京市朝阳区工商联副主席、朝阳区政协委员前 Google 全球商业运营高级经理来自斯坦福的杰出华人创始团队杉数科技将数学优化、运筹学与 AI 深度融合，以“人工智能+产业场景”的深度融合交出了一份满意答卷，为中国企业构建起从战略到执行的 AI 智慧决策大脑。让 AI 更落地

133、让决策更智能1大核心技术引擎2个关键技术基础能力20+行业成功实践经验坚持关键技术自主创新，研发中国首款全自研智能计算求解器COPT，打破了国际品牌长期市场垄断，提供了全国产化数学规划求解器的新选择。以客户业务需求为核心，掌握决策精确建模、优化求解计算两项关键技术，形成人工智能决策流程，为 AI 的产业落地提供完整的技术组件及解决方案。公司简介COMPANY PROFILE技术能力TECHNICAL COMPETENCE106航天器轨迹优化航天装备试验测控资源调度航天作战资源调度后勤补给存贮管理装备维修军事航班调度航网规化机场选址收益管理机务维修航空无功调度机组组合电力定价市场出清能源动态资源

134、调度维修资源调度乘务人员排班交通AI教学/实训案例实践学科竞赛教育智能选址门店排班收益管理库存优化零售排产排程产销协同库存管理仓网布局工业制造营销策略优化最优预算分配最优流量分配电商运输路径仓网规划资源调度运输优化仓储物流投资组合优化市场量化计算风险管理金融更多行业杉数科技成立多年来，凭借技术优势及服务能力，持续服务20余个行业中场景需求复杂、技术难度极大的头部企业并带来清晰可见的业务收益。北京市工商联执委葛冬冬罗小渠王子卓王 曦102101AI+运筹优化深度融合深耕行业场景创新应用杉数科技在人工智能领域持续深耕，技术成果荣获国家工信部权威认可，多次入选 Gartner、IDC、福布斯等咨询报

135、告；公司获评国家高新技术企业、国家级专精特新“小巨人”企业、北京民营企业中小百强、北京市两业融合试点企业、北京市 硬科技”潜在独角兽企业等荣誉，拥有自主知识产权 200 余项，产品、服务及案例荣获行业荣誉百余项，广受行业与市场认可。杉数科技获得投资界的高度认可，成立之初即获得了来自真格基金和北极光创投 210 万美元的天使轮融资；2017 年7 月，完成 4000 万元 A 轮融资2020 年 3 月，完成近 1 亿元 B 轮融资2021 年 6 月，完成近 2 亿元 C 轮融资。2023 年 3 月，连续完成近 5 亿元 C2 及 C2+轮融资。立足人工智能+运筹优化关键技术。从大模型智能建

136、模、精确决策建模到优化计算，再到千行百业数智化应用的软硬一体化完整技术平台，杉数科技坚定不移地走技术自主创新、产业落地实践的道路。资质荣誉QUALIFICATION HONOR拥有核心技术竞争力广受行业市场与资本市场认可产品家族PRODUCT FAMILY部分荣誉Partial honor104103联系方式非一般的智能决策飞一般的增长步伐北京杉数：北京市东城区 77 文创美术馆一号楼3层上海杉数：上海市杨浦区纪念路8号16号楼客服电话：400-680-5680市场合作：shanshushanshu.ai关注杉数免费试用COPT本案例集内容仅作为参考使用。案例内容描述基于特定场景，不代表对所有客户的适用性，具体场景及成效建议向公司业务顾问咨询。未经本公司书面授权，任何机构或个人不得将本案例集内容用于商业目的或擅自引用其内容。本公司有权根据业务发展需要对本案例集内容进行修订，并保留对相关内容的解释权。Cardinal-case-V2505IN D USTRY CA SE S