【主题沙龙】1到100，它所解决的不止是大规模量产难题

恒大和 FF 撕上头条的时候，以吃苦耐劳闻名的花花刚刚准备转投芯片领域。对于贾跃亭“量产交付”的窘境，花花很不以为然：研发是从 0 到 1，量产就是从 1 到 100。从 0 到 1 难，从 1 到 100，只要钱到位，怎么可能办不成？财大气粗的花花踏踏实实搞研发，看着自家的 AI 芯片各项测评指标遥遥领先，花花开心得像个三百斤的孩子。

可万万没想到，花花的芯片正准备大规模量产的时候，却遇到了致命难题：原有的排产引擎是单工厂作业，逻辑复杂且不透明，产量跟不上需求，光是多工厂的产线优化问题，模型里就有上亿个变量。花花尝试用旧模型求解，电脑直接宕机了。

商场不等人，眼见机会将要流失，花花很心急！四处寻求解决办法之际，她找到了小伙伴—联想工业大数据联盟 IBDA。原本花花并没有抱太大期望，因为 IBDA 是解决工业企业的业务标准化和数字化问题的专家，而自己遇到的问题在于工业大数据处理。没想到，这个问题却完全没有难倒 IBDA。原来，IBDA 有一个秘密武器：上亿变量的求解，两小时就能搞定。下个月，IBDA 要专门举办一场主题沙龙来介绍这个学科。

IBDA 告诉花花，除了生产排程，还有需求预测、物料备货、库存管理、运输优化、仓网布局等各个环节的无数问题，只要问题够复杂、数据够准确，都可以着落在这个学科来解决，花花立刻坐不住了。

互联网的带动作用促使着各行业求新求变，消费提质升级已展现出全新的格局和趋势，新一代的消费者迅速崛起，随之而来的是不断细化的消费需求和愈发多元的消费趋势，人工智能和大数据成为推动中国企业发展的重要引擎。如何多角度提高自身效率、降低成本，以获得竞争中的优势；如何洞察消费者的消费偏好与趋势；如何结合多维度数据定制符合市场趋势与自身条件的解决方案，都是现代工业企业必须面对并解决的棘手问题。

随着产量增加、产线升级，工业制造企业在需求预测、仓网布局、库存管理、运输优化、智能排产等各个环节都面临着挑战。梳理业务需求、构建智能排产引擎、制定物料备货方案和多维度精准预测方案，都急需运筹优化、机器学习、随机模拟等前沿技术的赋能。

在此背景下，由联想工业大数据与杉数科技联合举办的 IBDA 主题沙龙，旨在凝聚各方力量，共同探讨 AI 时代下，运筹学与工业制造业相结合的发展新模式、新理念。

2018 年 11 月 15 日（周四）

14:00—17:30

上海市杨浦区纪念路 8 号 5 号楼 109

活动嘉宾包括但不限于：葛冬冬教授、何斯迈教授、国际汽车企业供应链负责人、中国工程机械行业领军企业负责人

葛冬冬

上海财经大学交叉科学研究院院长

斯坦福大学运筹学博士

杉数科技联合创始人 &CSO