去年A輪融資4000萬之后,杉數(shù)科技一直沒顧上對外宣布。業(yè)務正式運營一年多,杉數(shù)科技已經完成了營收回款過千萬,這在一片AI公司炒估值炒創(chuàng)業(yè)團隊背景甚至炒發(fā)布學術論文、參加高逼格學術會議的洪流里,尤為清奇。
這似乎與其核心的技術——以優(yōu)化算法及數(shù)學建模為核心的智能決策技術一樣,或許不是那么性感,但極為實用。
了解到,杉數(shù)科技已拿下了京東商城、滴滴、順豐、永輝超市等一系列巨頭的訂單。
“目前主動找我們的客戶太多,我們的服務能力遠遠不夠?!鄙紨?shù)科技CEO羅小渠頗為憂愁。作為一家創(chuàng)業(yè)公司,杉數(shù)科技有一流的團隊和市場定位,一流的拿大客戶的能力,但在集中爆發(fā)的市場需求面前,步伐依然顯得不夠快。
這是一種實用的AI技術
“我們輸出的是一個可見、清晰的結果,可以用數(shù)據(jù)直接測量,這是我們做的這件事兒的特點?!?/span>
以與某啤酒巨頭的合作為例,杉數(shù)科技為其提供城市大倉到門店各渠道的B2B補貨配送優(yōu)化。
這里從品牌商角度需要知道三個問題:第一是運力,可以是自己的車隊也可以是第三方車隊,需要告訴承運部門需要多少輛車;第二需要知道這么多車,每輛車去哪些地方?傳統(tǒng)的方法是一個人負責一個配送區(qū)域,今天100單跑100個地兒,1萬單就跑1萬個地方,訂單高度不平均,不能動態(tài)調整;第三是知道了每輛車去哪些地方后,先去哪兒后去哪兒?
杉數(shù)科技CPO王曦稱,以上每個環(huán)節(jié)都可以被優(yōu)化。通過其優(yōu)化算法,整個城市配送至少達到三個層面的優(yōu)化效率。
第一,人工減少,原本可能需要兩個排班的人花很多個小時去做每天的訂單分配,用大車還是小車?裝箱規(guī)格等需要人來判斷的許多問題直接被系統(tǒng)自動化替代;第二,用車數(shù)量直接節(jié)約了20-30%;第三,路徑優(yōu)化后配送時間短了,節(jié)約了成本。
這種直接輸出數(shù)據(jù)結果的優(yōu)化算法,讓杉數(shù)科技的技術聽上去沒那么酷但卻很實用。尤其在整個零售供應鏈體系里,從前端的產品定價到物流配送、倉儲、生產制造,每一塊鏈條都需要效率的極致優(yōu)化,每一個環(huán)節(jié)效率的提升都將帶來企業(yè)整體利潤的提升。
在互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)人口紅利時代,零售行業(yè)全心全意在跑馬圈地,無所謂效率優(yōu)化。但在人口紅利消失后,零售業(yè)又回歸到了追求對每一個環(huán)節(jié)效率的提升。
羅小渠稱,杉數(shù)科技跑了一年后,2017年的回款已經超過了一千萬,真正落地了一些案例,找到了一條讓抽象的優(yōu)化算法落地的路徑。
“中國的AI企業(yè)動輒估值好幾個億美金,它們實際到手的收入可能才幾百萬。很多企業(yè)拿出來講的不是真正的客戶落地,而是發(fā)的文章數(shù)量、參加的會議規(guī)格,沒有在商業(yè)上找到真正的應用場景?!绷_小渠稱,杉數(shù)科技的價值遠遠被低估了,在2C的投資邏輯下是看不懂2B市場真正的價值創(chuàng)造機制的。
服務10億級別企業(yè)需要什么能力?
目前,杉數(shù)科技定位供應鏈優(yōu)化,瞄準營收規(guī)模10億以上的企業(yè)服務,主要提供五塊服務:運輸優(yōu)化(調度運力資源,用幾輛車?怎么優(yōu)化路徑?先送什么后送什么?)、場景式倉儲(貨架怎么擺放更優(yōu)化?)、網(wǎng)絡優(yōu)化(核心是選址)、庫存優(yōu)化(如何補貨,如何在不同的倉庫之間調撥?)、定價。
2017年,杉數(shù)科技跟國內的一個零售行業(yè)巨頭合作的就是門店的選址。與騰訊和支付寶提供的門店選址不同,杉數(shù)科技主要提供底層算法,這套算法模型包括兩個層面:
第一是基于需求數(shù)據(jù)的判斷,跟阿里、騰訊的服務相似,需要分析用戶在哪兒?
第二是基于零售體本身的系統(tǒng)化優(yōu)化問題,例如門店與門店之間的距離多少合適?主路口還是岔路口?支撐倉和門店之間的配送時間和效率是否合理?而這些是杉數(shù)科技優(yōu)化算法所擅長的。
“核心是一套優(yōu)化算法?!绷_小渠所指的優(yōu)化算法是杉數(shù)科技的核心能力和產品,在杉數(shù)科技的產品架構里,底層是一套優(yōu)化算法求解器。2017年,杉數(shù)科技牽頭發(fā)布了國內首個運籌學算法平臺LEAVES,是中國第一個成規(guī)模的運籌學算法求解器。
這個算法源自杉數(shù)科技的創(chuàng)始團隊,五位核心成員均來自斯坦福大學,包括斯坦福大學教授葉蔭宇,馮?諾依曼獎唯一的華人得主。這個團隊核心所學為運籌學,核心就是用優(yōu)化算法解決系統(tǒng)平衡問題,在所有的選擇中找到最佳平衡點。
例如大量的資源分配問題,一個廣告位置到底該放哪個廣告?一個產品定價除了成本和利潤標準外究竟定什么價位會帶來最大的收益?優(yōu)化算法面對一個復雜的系統(tǒng)問題,最終會給出一個確定的答案和選擇,而不是像普通咨詢公司那樣給出一個趨勢或者范圍。
羅小渠解釋,優(yōu)化算法是AI領域中的一個核心算法體系,大量的機器學習和深度學習問題最終都可以歸結為優(yōu)化問題,而且優(yōu)化算法在供應鏈相關的領域中(如物流、零售等)有非常直接的應用價值。
“亞馬遜有一個專門的供應鏈技術團隊,還有一個專門的優(yōu)化算法團隊,兩個團隊加起來好幾千人。而中國在這個領域還是很落后的,連要建一個幾十人的團隊都非易事,核心是沒人?!绷_小渠稱,杉數(shù)科技是極少數(shù)真正從事優(yōu)化算法開發(fā)并能將技術方案落地到企業(yè)讓企業(yè)付費的團隊。這也是杉數(shù)科技可以拿下滴滴、京東、德邦等一眾一流企業(yè)的資本。
據(jù)了解,目前中國的企業(yè)已經開始跑美國找運籌學的人才。羅小渠認為,運籌學是在數(shù)據(jù)的基礎上做決策,統(tǒng)計學人才這兩年在市場上的價碼翻了好幾十倍,運籌學的需求已經在慢慢衍生。
這是一個剛剛開始的紅利戰(zhàn)場
2018年,杉數(shù)科技有一個重點目標,即技術體系的模塊化。羅小渠將其定位為杉數(shù)科技具有戰(zhàn)略意義的大事。
一開始,杉數(shù)科技憑借絕對的技術門檻只服務大企業(yè),提供的是定制化的服務,一個項目幾百萬起,平均每個客戶一年的訂單超過1000萬。但完全定制化的服務無法規(guī)?;瘡椭?,杉數(shù)科技試圖在底層算法基礎上,把技術方案模塊化,如樂高積木一樣,這些無數(shù)微小顆粒度的技術模塊,可以在任何一個需求上自由組合拼接出一套個性化極強的產品,達成標準化和靈活化之間的平衡。
這似乎延續(xù)了杉數(shù)科技團隊的基因,總在追求最完美的平衡。
除此之外,杉數(shù)科技還嘗試了兩個產品:智能庫存管理系統(tǒng)“StockGo庫存狗”和智能配送路徑規(guī)劃系統(tǒng)“PonyPlus小馬駕駕”。其中,庫存狗主要面向小微電商企業(yè),可以植入ERP系統(tǒng),在原有的系統(tǒng)基礎上提供更優(yōu)化的算法決策支持。小馬駕駕主要服務年運輸規(guī)模千萬以上的企業(yè),重點在B2B城配服務。
“中國是個天然市場,中國公司幾乎沒有能夠自建優(yōu)化算法技術體系的,對于第三方技術平臺有強烈的需求?!绷_小渠稱,美國超大型企業(yè)不少會內部自建優(yōu)化算法團隊,主要源于該技術在美國發(fā)展較早,而當時數(shù)據(jù)主要在企業(yè)內部,同時傳統(tǒng)的技術結構決定了解決方案本身的強個性化和對于人工干預的依賴。
但隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、iot帶來大量公共數(shù)據(jù),數(shù)據(jù)在全球范圍內的流通已經很通暢,同時算法技術的演進使得解決方案的自適應程度大大提升,這給第三方技術平臺的出現(xiàn)帶來了機會。從數(shù)據(jù)本身、技術本身的發(fā)展,服務的外置化更有效、性價比更高,未來越來越多的企業(yè)將用外置的服務取代內置的團隊。
而這一效應在中國市場將會尤其明顯:在需求快速擴大的同時,企業(yè)面對的是人才儲備缺乏,自建團隊需要很長時間的困境。這正是杉數(shù)科技這樣的第三方技術平臺崛起的歷史機遇。
杉數(shù)科技在中國市場的服務經驗也驗證了這一趨勢。杉數(shù)科技的合作客戶典型地有著極強的業(yè)務資源和業(yè)務網(wǎng)絡,公司從歷史發(fā)展路徑到組織結構再到公司文化都是高度業(yè)務導向的,此類公司要自建算法團隊并非易事,一來觸及不到合適的人才,二來人才的融合管理也很具挑戰(zhàn)。這樣的公司在中國非常有代表性,對于他們而言,杉數(shù)科技是天然的長期合作伙伴。
“我們公司的發(fā)展戰(zhàn)略是一縱一橫,一縱是供應鏈市場,一橫是服務大量廣泛的優(yōu)化計算需求,如國防安全、醫(yī)療金融、航空能源等等。”羅小渠稱,目前國內大型企業(yè)使用的優(yōu)化求解軟件都被國外的公司壟斷,而杉數(shù)科技的目標,就是讓優(yōu)化算法的應用全面國產化。
目前為止,杉數(shù)科技已經獲得兩輪融資,上輪融資約4000萬元,由高達投資領投,聯(lián)想創(chuàng)投、將門創(chuàng)投跟投。
聲明:本站部分信息來自互聯(lián)網(wǎng),轉載的目的在于傳遞更多信息及用于網(wǎng)絡分享,并不代表本站贊同其觀點和對其真實性負責,也不構成任何其他建議。如果您發(fā)現(xiàn)網(wǎng)站上有侵犯您的知識產權的作品,請與我們取得聯(lián)系,我們會及時修改或刪除