爱调研(爱调研app)

2022年7月，纽交所上市企业Palantir 获得战略融资约4.5亿美元，估值近200亿美元。2022年2月，决策类AI企业第四范式获得腾讯等战略投资，融资金额超十亿美元，估值近30亿美元。2021年1月，智能决策企业Gro intelligence获得Intel Capital等投资，融资金额达8500万美元。

上述融资事件里的“主角”，均为国内外为客户提供智能决策解决方案的厂商，智能决策受到资本的热捧。同时，根据IDC的研究， 2021年中国智能决策解决方案的市场规模达 8.9亿美元，预计未来五年的市场规模增速超过50%。智能决策已经成为资本以及科技企业角逐的新赛道。

智能决策，是指综合利用机器学习、深度学习、强化学习、运筹优化等多种智能技术实现自动决策，可以基于既定目标，综合约束条件、策略、偏好、不确定性等因素，对相关数据进行建模分析，从而自动生成最优决策。

哪些因素驱动了智能决策的快速发展？智能决策赛道处于怎样的发展阶段，赛道格局如何？爱分析将通过本文对这些问题作出详细解答。

01

企业需求、技术迭代、政策引导驱动智能决策快速发展

精细化、敏捷化运营要求下，企业智能决策需求增长

经济新常态下，精细化运营成为企业业绩增长的关键动力。市场环境迅速变化，企业业务运营的敏捷性需求提升，对决策时效性和质量提出更高要求。与此同时，各行业带来决策要素增长和关联性增强，使得市场环境快速变化，决策考虑维度变得更加复杂，人工经验愈发难以应对。

因此，智能决策应运而生。针对于企业决策周期长、决策质量低、人力成本高、客户体验差等决策痛点，智能决策能够与各行业场景深度结合，提高决策效率。

比如金融领域，智能决策可用于金融产品开发、营销获客、风险控制、合规监管、资产管理等多个场景。其中在营销获客场景下，企业拥有多层次的客户群体和复杂多样的金融产品，智能决策可帮助目标产品匹配合适的人群，帮助目标人群匹配合适的产品，实现双向精准推荐。

在工业领域，智能决策可用于产品设计、产品采购、生产质控、产品销售及存货管理等场景。以排产场景为例，工厂的生产线情况复杂，人工排产耗时低效，无法定量分析能耗成本，在智能决策的帮助下，工业排产可选择成本最低的生产路径，有效降低成本的同时提高产能，减少浪费。

在智慧城市领域，智能决策可用于市政资源调度、交通优化、网络规划、疫情防控等场景。以城市经济大脑场景为例，经济工作需要统筹各个部门协同工作，智能决策能够辅助政府部门给出优质经济治理方案，实现全区域经济产业数据全面汇聚、共治共享。

完善的数据基础是智能决策发展的沃土

智能决策需要大量且高质量数据进行模型训练，因此数字化基础设施，尤其以数据中台为代表的数据治理能力决定了智能决策的发展水平。随着信息化和数字化建设的推进，大型企业普遍具备数据基础，业务数据实现了可采集与可分析，为数据驱动的智能决策提供了必要条件。

核心技术日益成熟，为智能决策发展奠定基础

智能化指使对象具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能、以及行之有效的执行功能。纵览智能化的发展，可将智能化分为三个阶段：感知智能、认知智能和决策智能。

目前，智能化发展整体上处于认知智能阶段，但部分具备完善数字化基础设施的行业、场景，在机器学习、运筹优化等技术推动下，正在积极探索决策智能应用落地。

智能决策的关键技术主要分为机器学习和运筹优化两类。机器学习技术通过强化学习、深度学习等算法实现预测，通常需要大量数据来驱动模型以实现较好的效果；适用于描述预测类场景，如销量预测。运筹优化技术基于对现实问题进行准确描述刻画来建模，通过运筹优化算法在一定约束条件下求目标函数最优解，对数据的依赖性弱，结果可解释性强，适用于规划、调度、协同类问题，如人员排班、补配货。

机器学习和运筹优化近年持续取得技术突破。如机器学习中的深度学习技术，在大数据、强力的计算设备以及有效的训练技巧的推动下，正在逐渐突破梯度消失带来的隐层数量限制，隐层“深度”日益增加，模型的复杂度以及学习能力大大提升。运筹优化技术在持续深化现有技术框架，解决精度、可解释性和拓展性平衡问题的同时，也在应用领域持续突破，如将线性整数规划应用于城市轨道、将多目标在线匹配应用于共享交通的司乘匹配和派单。此外，强化学习由于融合了统计学、心理学、运筹学、信息论以及计算机科学等多学科，成为智能决策的研究热点，正被尝试应用于解决运筹优化中的组合优化问题。

政策推动智能决策能力建设及场景应用

政策层面，近年，智能决策已经成为国家战略层面高度重视、重点发力的领域，在农业、商务、建材、工厂、家居、政府管理等方面不断推动智能决策相关技术应用，先于市场指明了智能决策的应用发展方向，进一步推动了智能决策能力建设及场景应用。

​其中，2021年7月全国人民代表大会印发的《2035远景目标纲要》明确，“将数字技术广泛应用于政府管理服务，推动政府治理流程再造和模式优化，不断提高决策科学性和服务效率。加快构建数字技术辅助政府决策机制，提高基于高频大数据精准动态监测预测预警水平。”这一要求表明可将智能决策应用于政府管理领域，推动政府治理流程再造和模式优化，从而提高政府决策的科学性和服务效率。

02

多方势力抢占智能决策市场先机，智能决策技术和场景融合能力是关键

大型科技企业与垂直人工智能企业各据一方

目前，国内智能决策的主要玩家可分为平台型厂商和垂直厂商两类。平台型厂商以阿里云、百度云、华为云为代表，具有雄厚的资金实力，研发偏向于技术创新，由于平台型厂商具备完善丰富的数字化技术，智能决策产品既可独立形成解决方案，也能组合、搭配其他技术形成定制化解决方案，满足客户不同场景需求。垂直厂商以第四范式、中科闻歌、明略科技、杉数科技为代表，聚焦于特定业务场景，针对性研发场景智能决策应用平台，以优势行业为壁垒，向其他行业拓展。

​数据处理、算法研发、场景融合能力是智能决策厂商竞争的关键能力

智能决策厂商竞争的关键在于是否能够有效提升企业决策质量和效率，使得企业决策更具有精准性和前瞻性。因此，智能决策厂商需要具备以下能力要素：

扎实的数据处理能力。智能决策解决方案需拥有高效的数据处理平台，面对多格式、多维度、高实时性数据能够进行快速处理，通过数据处理平台对数据进行统一管理，让预测模型训练和上线过程都能高速获取特征数据。智能决策解决方案里的数据处理平台实现一体化，就能打破不同部门间的数据壁垒，让数据在相同机器学习模型进行运用，能够进一步提升智能决策的效率和准确率。

持续迭代的算法研发能力。智能决策解决方案需具备机器学习理论以及运筹优化知识，还要融合脑科学、类脑计算、心理学等学科知识。这要求服务厂商的人才团队需具有深度挖掘决策本质的研究能力和创新能力，才能够大大提升模型持续学习的效用。与此同时，服务厂商需要在技术算法方面持续投入时间和资金，既要覆盖大规模数据获取成本还要支持经年累月的技术研发，才能够实现智能决策的核心技术突破。

智能决策解决方案需要与企业总体架构以及应用场景深度结合。这既依赖于服务厂商在行业领域的知识沉淀和经验积累，也依赖于服务厂商对于企业整体战略方向的判断与把控，需要服务厂商能够站在企业战略层面，给出适应企业需求的个性化智能决策解决方案，让企业不再面对智能决策解决方案碎片化落地的现状。

不同智能决策厂商在以上厂商关键能力中侧重点不同。针对数据处理能力，大型科技企业和少数垂直人工智能企业如第四范式、中科闻歌均具有优势，能提供数据平台+融合智能决策一体化平台产品，如中科闻歌的“天湖”数据智算中台。而在算法研发能力方面，大型科技企业资金雄厚，更具研发优势。针对场景融合能力，垂直人工智能企业以解决行业场景痛点为切入点，普遍具有场景融合能力，如第四范式的智能营销平台服务于金融行业、明略科技的智能广告平台Serving系统。

数据智能厂商之间的竞争不仅仅依赖基础的数据处理能力，还依赖算法技术能力和对垂直行业的理解和交叉学科的融合能力，以及厂商对企业整体智能决策系统的判断与把控能力，才能够总结出智能化时代新型决策方式，实现从“信息域”向“认知域”再向“决策域”的跨越。

03

智能决策代表厂商分析

下面，本文将以Palantir、中科闻歌两家代表厂商为例，具体分析智能决策厂商的技术、产品和业务布局。

Palantir

Palantir Technologies成立于2003年5月，是一家提供一站式数据智能解决方案的企业。Palantir早年辅助美国情报局进行反恐调查和运行工作，近年开始服务于商业企业，覆盖军事、警务、金融、制造、网络、医疗等多个领域，帮助企业大规模高效整合数据、决策和业务流程。

Palantir发布的Gotham和Foundry软件平台，可将机构海量信息转化为反映业务的数据资产，能够为国防部门、情报局、灾害救援组织等提供平台决策支持，基于Gotham和Foundry通用的大数据融合和可视化分析平台，指挥人员和调度人员能在单一系统内实现敌人的活动预判决策等。

例如在军事应用场景，Palantir 基于全量多模态数据融合和协同分析框架，支持对地理空间上分散的人、装备、环境、事件等进行大规模实时监测和因果分析，以指导复杂战场环境下的军事行动。大数据技术已被美国军方广泛运用于战场态势分析和预测，如定位伊拉克战场中可能存在的炸弹或地雷位置，帮助美军在巴格达规划一条被袭概率最小的路径。

中科闻歌

中科闻歌成立于2017年，定位于数据与决策智能服务商，深耕“数据智能+人工智能+运筹学“智能计算核心技术，专注于人工智能基础平台与应用研发，吸纳了各个领域的高水平技术人才，在安全、媒体、金融、政务、商业五大领域配备具有丰富工作经验的开发团队，实现智能决策理论与实践能力的互促互进、相辅相成。

中科闻歌以“天湖”数据智算平台和“闻海”全球开源数据平台为技术底座，打破原先数据由企业不同部门管理而形成的数据壁垒，支持实时采集、清洗、治理、存储、管理、检索、分析各个环境多模态数据，能够高速提取模型所需的特征数据，依托“天湖”数据智算平台的多模态数据智能技术，构建领域模型实现知情决策，面向未来可能发生的场景主动进行情景推演与态势预测，进一步提升智能决策的效率和准确率。

例如在城市管理领域，中科闻歌积极配合“数字政府”发展战略，为“智慧城市”建设提供应用解决方案， 构建形成和谐统一，集约共享，智能决策，科学发展的智慧城市生态，实现对城市运行的实时感知、精准分析、整体研判和协同指挥。相关技术成果已助力多个城市防疫部门实现风险预警、实时处理和调查溯源的防疫闭环。如在城市防疫风险预警环节，中科闻歌可针对进行重点人群核酸情况智能比对，对检测时间不符合要求的人员自动发送短信提醒，并同步给企业管理和政府管理人员；在疫情发生后，能够快速进行人员比对、物资调配智能决策，优化调度资源。

04

智能决策将成为业务提效的核心驱动力

目前，智能化正迈入智能决策阶段。一方面，随着市场认知深入、技术的强化迭代、政策的方向引导，更多的市场需求被释放，领先企业纷纷通过运用智能决策拉开与后进者间的距离。另一方面，综合型技术巨头和专业智能决策技术服务商各成一派，加大场景边界拓展力度。在需求和供给共同作用下，智能决策技术将日益成熟，智能决策市场也将迎来蓬勃发展，进而为资本入场带来丰富的战略机遇。