報告編委

黃勇

愛分析合伙人&首席分析師

李進寶

愛分析高級分析師

蘭壹凡

愛分析分析師

目錄 

1. 研究范圍定義

2. 市場洞察

3. 廠商全景地圖

4. 市場分析與廠商評估

5. 入選廠商列表

1.     研究范圍定義

研究范圍

經濟新常態下,精細化運營成為企業增長的關鍵動力,對決策質量提出了更高要求。同時,復雜多變的商業環境使決策約束條件不斷增多,并對決策敏捷性提出了更高要求。因此,依靠業務規則和專家經驗的傳統業務決策愈發難以滿足企業的需求,企業需要對決策方式進行升級。

智能決策綜合利用機器學習、深度學習、強化學習、運籌優化等多種智能技術實現增強和自動決策,可以基于既定目標,綜合約束條件、策略、偏好、不確定性等因素,對相關數據進行建模分析,從而自動生成最優決策。智能決策具備助力企業實現決策方式升級的能力。

愛分析通過對智能決策市場的研究發現,不同智能決策廠商的技術路徑有較大差異,進而在應用場景方面也各有所長。企業需要結合自身數字化發展規劃和業務場景需求,選擇最合適的廠商共建智能決策能力。基于以上背景,愛分析希望通過智能決策廠商全景、最佳實踐案例研究,助力企業決策者精準選擇合適廠商和成功實施智能決策項目。

從技術架構角度,智能決策市場可以劃分為智能決策平臺和智能決策應用解決方案兩部分市場。智能決策平臺提供支撐智能決策算法、模型和應用開發及計算的工具。應用解決方案層重點包括金融、消費品與零售、國防軍工、政府與公共服務、制造、能源、物流、航空、醫療與醫藥、汽車等行業智能決策解決方案。

本報告重點選取金融行業智能決策解決方案、消費品與零售行業智能解決方案和國防軍工行業智能決策解決方案三個市場作為重點研究對象,對智能決策進行研究。

圖 1:智能決策市場全景地圖

 

 

廠商入選標準

本次入選報告的廠商需同時符合以下條件:

• 廠商的產品服務滿足各市場分析的廠商能力要求;

• 近一年廠商具備一定數量以上的付費客戶(參考第4章各市場分析部分);

• 近一年廠商在特定市場的營業收入達到指標要求(參考第4章各市場分析部分)。

(注:“近一年”指2021年Q4至2022年Q3)

2. 市場洞察

•      智能決策市場規模超80億元

愛分析推算,2022年中國智能決策市場規模為87.7億元人民幣,同比增速為28.0%。雖然今年的市場增速相較以往有所放緩,但對比其他人工智能細分賽道,該市場仍表現亮眼。

圖 2:中國智能決策市場規模預測

 

 

智能決策已在金融、制造、能源、消費品與零售等多個行業落地應用,其中金融是第一熱門行業。2022年中國金融行業智能決策解決方案市場規模為23.6億元,市場規模占比為34.5%。該市場的貢獻者包括國有大行、全國性股份制銀行、城商行、農商行等多種銀行,也包括保險公司、證券公司等其他各類金融機構。除市場規模數據外,從供需兩側也能感受到金融行業的火熱。在供給側,31.8%的智能決策廠商滲透了金融市場;在需求側,智能決策用戶已經從頭部機構擴展至腰部機構,而其他行業的智能決策用戶還停留在頭部機構。

•      尺有所短,寸有所長,技術融合是必然趨勢

智能決策主要有三大類技術路徑,第一大類是廣義機器學習技術路徑,包括機器學習、深度學習和強化學習;第二大類是運籌優化技術路徑;第三大類是規則引擎技術路徑。機器學習是數據驅動,適用于解決描述統計類問題,掌握統計規律后方便做預測;運籌優化是業務模型驅動,適用于解決優化類問題,可以從多解中找到最優解;規則引擎是專家經驗驅動,適用于解決先驗認知類問題。未來趨勢是三條路徑融合。在解決復雜決策問題的場景,需要對問題進行拆解,既有預測也有優化,因此需要機器學習和運籌優化融合。同時,引入規則引擎,通過人機協作的方式充分利用行業專家經驗。

•      智能決策與業務場景深度結合,持續圍繞行業Know-how打造核心競爭力

智能決策解決方案和具體業務場景高度關聯,甲方需要有業務Know-how的廠商。相應地,廠商需要提供行業專家顧問,通過行業專家顧問結合解決方案的方式切入市場。未來,廠商將持續發力各自聚焦的行業,持續提升智能決策與業務場景的結合程度,將行業做深做透,以行業為界構建護城河。廠商深耕市場的方式也將不僅僅是“行業專業顧問+解決方案”的方式,還包括持續提升行業產品的標準化程度。至于處于應用層之下的平臺層市場,短期內難成氣候,主要因為客戶缺少對求解器等工具的采購驅動力,他們更需要解決方案。

•      智能決策市場的商業模式更加多元化,從“賣產品/解決方案”向“賣服務”轉變

智能決策市場的主要交付物是解決方案,也有少量的標準化產品。當前,有一些頭部廠商正在探索新的商業模式。例如,廠商依賴于自身的智能決策產品和解決方案,給客戶提供結果輸出,即“賣決策結果”。再例如,廠商支持客戶從一次性買斷式付費轉向按照效果付費或者面向建設、維護決策模型的服務體系來付費。可以看出,不論哪種商業模式的轉變,都是從“賣產品/解決方案”向“賣服務”轉變。對于客戶而言,上述商業模式的主要吸引力在于較低的智能決策能力體系構建費用投入。對于廠商而言,他們探索這些商業模式亦有自身的考量,一方面是留住費用有限的客戶,另一方面是構建更健康的現金流。在“賣產品/解決方案”的商業模式下,項目周期較長,容易對智能決策廠商的現金流造成壓力。

•      甲方對全局業務智能決策能力體系的偏好持續增強

甲方需求分為單點式、單線式和全局式三種形式。單點式指在某個細分業務場景實現智能決策;單線式指實現某一類細分業務場景的智能決策閉環;全局式指實現多個大類業務場景的智能決策。隨著智能決策的價值釋放,客戶對全局業務智能決策能力體系的偏好持續增強。

3. 廠商全景地圖

愛分析基于對甲方企業和典型廠商的調研以及桌面研究,遴選出在智能決策市場中具備成熟解決方案和落地能力的入選廠商。

 

 

4. 市場分析與廠商評估

愛分析對本次智能決策項目重點研究的特定市場定義如下。同時,針對參與此次報告的部分代表廠商,愛分析撰寫了廠商能力評估。

4.1金融行業智能決策解決方案

市場定義:

應用于金融行業的智能決策解決方案,金融行業包括銀行、互聯網金融公司、證券公司、保險公司、互聯網金融公司、汽車金融公司等參與者,解決方案主要被用于滿足智能營銷、智能風控、智能核保等需求。

甲方終端用戶:

IT、數據、風控、產品、運營等部門

甲方核心需求:

金融行業對智能決策的需求既具有代表性,又具有獨特性。代表性主要體現在數據治理賦能、可解釋性和全局決策能力體系三個方面。獨特性主要體現在信創要求和動態決策需求兩個方面。

•      甲方需要數據治理賦能。金融行業是數字化轉型的排頭兵,具有大量數據沉淀。智能決策解決方案需要站在“數據巨人”肩膀上發揮作用,因此對數據治理能力有較高要求,比如建立數據規則、打通數據孤島、數據集中管理等。當前,較多有實施智能決策項目意向的金融機構不具備優良的數據治理能力,以至于難以滿足智能決策需求,邊治理數據邊推進智能決策項目進程已成為現實。因此甲方需要得到來自廠商的數據治理賦能。

•      甲方對信創有顯著需求。近幾年,信創(信息技術應用創新)浪潮正在席卷整個數字化領域。根據行政規劃,信創事業推進具有鮮明的行業特征。推進節奏可以總結為“2+8”,“2”指黨政,“8”指金融、醫療等八大關乎國計民生的重點行業,金融行業屬于信創重點推進行業。金融機構包括銀行、保險、券商、消費金融等多個細分類型,其中銀行是智能決策市場的核心客群。相較于其他金融機構,相關部門對銀行有更高的信創要求。

•      智能決策需要具備可解釋性。智能決策在金融行業的諸多應用場景中,有些應用場景看重效果,不太需要決策背后的解釋,例如營銷場景,而有些場景不僅看重效果,還需要背后的解釋,例如風控場景。在風控場景下,銀行根據智能決策結果,決定不給某個客戶提供貸款,則需要出具相應的解釋。隨著人工智能解決復雜問題能力的提升,其解釋性持續減弱。對于金融機構而言,需要廠商提供具有可解釋性的智能決策解決方案,對于“黑盒”則較難接受。

•      全局決策能力體系重要程度持續提升。金融機構的較多場景對智能決策有需求,包括管理層面和營銷、風控、反欺詐、核保等運營層面,致力于提升決策效率和準確率,最終實現人效和用戶體驗提升。廠商在滿足甲方需求時分為單點式、單線式和全局式三種形式。單點式指在某個細分應用場景實現智能決策,比如某金融機構推出新產品,需要在老客戶名單中尋找購買意向最高的群體,此時可以借助智能決策的力量。單線式指實現某一類細分場景的智能決策閉環,比如信貸風控可以分為貸前、貸中、貸后,可以借助智能決策的力量實現甲方整個信貸業務的智能決策。全局式指實現多個大類場景的智能決策,以銀行為例,包括營銷、風控(含交易監控、反洗錢、反欺詐等)、運營等。隨著智能決策在金融領域的價值釋放,金融機構對全局決策能力體系的偏好逐漸加強。

•      甲方需要解決動態決策類問題。主流的智能決策解決方案主要應用于偏靜態的決策環境,面對動態環境則較為吃力。金融行業智能決策相關的動態環境包括但不限于競爭對手的反應、最新的金融政策、客戶的反應等因素。隨著靜態決策環境下自身需求得到較充分滿足,金融行業的甲方開始關注“如何在動態環境中持續、快速找到最優決策”的問題。

廠商能力要求:

金融行業的甲方核心需求對廠商能力提出多項要求,分別是數據治理能力、信創能力、決策結果解釋能力、豐富的金融項目經驗、行業Know-how和“強化學習+環境學習”能力。

•      廠商需要具備數據治理能力。良好的數據治理能力是實施智能決策解決方案的前提,但受限于金融機構數據治理能力難以滿足需求,因此需要智能決策廠商親自上陣向甲方輸出數據治理能力。基礎要求:廠商具備建立數據平臺的能力,將分散于各個系統的、對智能決策有價值的數據進行集中管理。

•      廠商需要符合信創資質。廠商需要向甲方證明自身的信創實力。在項目實踐中,廠商主要通過信創組織身份、底層國產軟硬件產品互認證書、信創項目案例、信創環境測試報告和國家信創產品名錄(非公開)五種方式來證明。

信創工委會是重要的信創組織,“信創”一詞便由其提出,廠商加入其中獲得成員身份對廠商參與有信創要求的項目較為重要。底層國產軟硬件產品互認證書指智能決策廠商需要和國產芯片、操作系統、數據庫和中間件廠商進行適配工作并取得證書,比如龍芯、麒麟操作系統、達夢數據庫等廠商。信創環境測試報告指智能決策廠商將產品置于信創環境,取得相關測試報告,以證明可用性。

•      廠商應具備智能決策的結果解釋能力。智能決策有多條技術路徑,包括機器學習、深度學習、強化學習、規則引擎、運籌優化等。深度學習可解釋性較差,更適用于圖像識別,人臉識別等不需要解釋的場景,若廠商僅具備深度學習能力,并且甲方需要智能決策解決方案具備較強的可解釋性,則二者不匹配。

為了增強結果解釋能力,主要有兩種方法。第一種方法,采用“專家經驗+模型”的體系增強可解釋性,引入專家的先驗知識,作為建模和調優的依據。第二種方法,引入“因果學習”,通過因果學習可以找到決策的驅動因子,從而提升可解釋性。

•      深厚的行業Know-how是構建全局決策能力體系的必備條件。從能力稟賦出發,可以將智能決策廠商大致分為兩類,一類是通用型算法公司,提供算法建模工具,技術積累深厚但行業Know-how通常相對較弱。另一類是行業性公司,他們先運用行業專家經驗確認場景所需方向,再結合算法把場景落地,行業Know-how積累深厚但技術Know-how通常相對較弱。

智能決策廠商應該實現價值交付,而不是模型交付。不僅要能夠提供智能決策模型的能力,還要提供模型構建、管理、投放、分析到產生模型的業務報告這一套完整流程。廠商需要對智能決策的金融業務場景足夠熟悉,才能設計金融場景智能決策全局體系。相較于技術Know-how,行業Know-how是廠商更為重要的能力,它是廠商構建金融機構全局決策能力體系的必備條件。

•      廠商需要具備“強化學習+環境學習”能力。“如何在動態環境中持續、快速找到最優決策”是甲方逐漸關注的問題,機器學習、深度學習、運籌優化等典型技術路徑較難應對,廠商需要用新解法應對新需求,而“強化學習+環境學習”具備相應能力。

強化學習善于應對復雜化、精細化決策場景,通過智能體與決策環境持續地交互和反饋,在動態環境中找到最優決策。但強化學習的落地存在阻礙,一方面是數據需求大,即使金融機構數據沉淀較為豐富,在滿足強化學習數據需求方面仍較為吃力;另一方面是存在試錯階段,金融機構相較于交通運輸、制造業企業更能接受試錯,但仍然存在一定的落地阻礙,明知有錯而為之對于CIO或者業務領導而言不是明智之舉。強化學習存在的問題,在引出環境學習后,可以迎刃而解。環境學習綜合了專家知識、機理模型和數據驅動的機器學習能力,能夠構建更為精準的虛擬環境,可以幫助強化學習做低成本試錯和策略迭代。強化學習+環境學習是解決“如何在動態環境中持續、快速找到最優決策”問題的有效手段。

入選標準:

1. 符合金融行業智能決策解決方案市場分析的廠商能力要求;

2.近一年廠商在該市場的營收不低于500萬元;

3.近一年廠商在該市場的付費客戶不低于3個。

代表廠商評估:

 

 

FiboAI

廠商介紹:

上海斐波那契人工智能科技有限公司(簡稱FiboAI)成立于2020年11月,核心團隊成員來自上海交通大學,并擁有在FICO、廣發、平安、人保等知名科技公司和金融機構的從業經驗。FiboAI聚焦智能決策領域,采用“規則引擎+機器學習”技術路徑,助力企業發掘數據背后的規律,全方位提升決策能力。目前,FiboAI已服務銀行、保險、零售、醫療等行業的多家客戶。

產品服務介紹:

數字決策平臺(DDP)是FiboAI自主研發的智能決策產品體系,包含EngineX-智能決策引擎、ModelX-機器學習平臺和DataX-數據分析平臺三款產品,它們分別為數字決策平臺(DDP)提供專家決策、模型決策及數據決策支持。FiboAI既提供標準產品,也提供定制化解決方案、行業模型開發和咨詢服務。

廠商評估:

在技術方面,FiboAI采用“規則引擎+機器學習”技術路徑,其決策結果先天具備較強解釋性。在產品與交付方面,FiboAI具有輕量化且標準化的產品和較快的交付速度,是智能決策市場的“輕騎兵”,尤其適合需求簡單、明確,周期短的智能決策項目。除標準產品外,FiboAI還可以提供可兼容企業現有系統架構與業務流程的定制化智能決策解決方案,有利于金融機構減少費用投入。

•      FiboAI采用“規則引擎+機器學習”技術路徑,決策結果具備較強解釋性。智能決策在金融行業的諸多應用場景中,有部分場景對解釋性有要求。FiboAI采用“規則引擎+機器學習”技術路徑,其中規則引擎輸出的決策結果先天具備較強解釋性。另外,規則引擎技術路徑有利于解決企業冷啟動需求,比如銀行開辟一條新業務線,缺乏相應數據,其他技術路徑在缺乏數據的情況下容易陷入“巧婦難為無米之炊“的困境,而規則引擎依托專家經驗,通過共建規則庫,可以順利渡過冷啟動階段。

•      FiboAI是智能決策市場的“輕騎兵”,尤其適合需求簡單、明確,周期短的智能決策項目。相較于其他智能決策廠商而言,FiboAI的產品更加輕量化和標準化,更適合貼近細分場景的單點式需求。例如,某保險公司有42個各自為政的業務系統,因發送策略混亂導致消息重發、漏發、誤發、頻發、無效發送等情況,引起較多客訴,該企業與FiboAI合作后,與此相關的客訴率下降90%以上,并節省了75%的消息發送費用成本。再比如,在國家防范電信詐騙和反洗錢的大背景下,某銀行需要對客戶的賬戶交易情況進行監控以便及時發現異常用戶,并需要有專業實時計算能力和關聯分析能力的廠商,該銀行與FiboAI合作后,從單一的事后分析變成實時攔截和事后分析相結合,更精準地實現防范電信詐騙和洗錢。

FiboAI規則引擎使用門檻較低,不需要要代碼知識,業務人員可以自行通過規則集、評分卡和決策表等個性化的配置頁面,實現不同金融業務場景下的規則配置,學習成本比較低。另外,在項目的試運行階段,規則引擎相較于其他路徑有更快的迭代速度,因為規則引擎更加靈活,調整單獨的指標即可,而模型則需要重新訓練。輕量化且標準化的產品,低學習成本以及更快的迭代速度,使得FiboAI擁有更短的交付周期,平均交付周期只有一周左右。因此,FiboAI比較適合需求簡單、明確,周期短的智能決策項目。

•      FiboAI可以提供不顛覆企業現有系統架構與業務流程的定制化智能決策解決方案,有利于金融機構減少費用投入。FiboAI可以提供與金融機構各類系統靈活交互,可兼容現有系統架構與業務流程的定制化智能決策解決方案。金融機構無需耗費高額的時間成本和資金成本改造現有系統,即可實現智能決策產品的順利落地。

典型客戶:

招商信諾、中信銀行、興業銀行、浦發銀行、華泰證券

代表廠商評估:

 

 

九章云極DataCanvas

廠商介紹:

北京九章云極科技有限公司(簡稱九章云極DataCanvas)成立于2013年,是中國數據智能基礎軟件領軍者。九章云極DataCanvas通過自主研發的一系列企業級AI應用所需的平臺軟件產品及解決方案,助力用戶實現數智化升級,推動政府和企業AI規模化應用,致力于實現AI普惠。當前,九章云極DataCanvas自主創新的產品和解決方案已在政府、金融、通信、制造、交通、航空、能源、教育、地產和互聯網等十大行業落地應用。

產品服務介紹:

九章云極DataCanvas擁有DataCanvas APS機器學習平臺、DataCanvas RT實時決策中心平臺和DataCanvas BAP面向業務自動建模平臺三款核心產品。

DataCanvas APS機器學習平臺是面向數據科學團隊的一站式數據分析平臺,集數據準備、特征工程、算法實現、模型開發、模型發布、模型生產化管理于一體,幫助企業快速構建數據分析應用。

DataCanvas RT 是企業分布式流數據實時處理、分析和決策的中心,能夠接入多種數據流進行實時處理和分析,是將ETL、業務模型、機器學習、人工智能、可視化擴展到實時數據分析的軟件產品,加速了“實時智能”在政府和企業各類業務場景的落地應用。

DataCanvas BAP面向業務自動建模平臺是面向業務人員的低門檻、全流程、一站式決策分析自動建模平臺,提供從數據加工管理,模型訓練評估,到決策分析可視化的完整業務閉環數據科學綜合平臺。

廠商評估:

九章云極DataCanvas的產品化程度高,以一站式數據分析平臺為抓手顯著縮短數據和智能決策模型之間的距離。對于金融機構的“動態問題”、“低解釋性”等行業痛點,九章云極DataCanvas依托深厚的人工智能技術積累可以有效解決。并且,九章云極DataCanvas廣泛覆蓋智能決策應用場景,具備構建金融機構全局決策能力體系的實力。

•      九章云極DataCanvas推出一站式數據分析平臺,顯著縮短數據和智能決策模型之間的距離。九章云極DataCanvas的核心產品之一——DataCanvas APS機器學習平臺,是面向數據科學團隊的一站式數據分析平臺,集數據準備、特征工程、算法實現、模型開發、模型發布、模型生產化管理于一體,幫助企業快速構建數據分析應用,顯著縮短數據和智能決策模型之間的距離。DataCanvas APS機器學習平臺為數據科學家、應用程序開發人員和業務專家提供了一套高效的工具,可以實現跨組織、跨部門人員的相互協作、資源共享,輕松地處理和使用多元數據來大規模地構建、訓練和部署模型。

九章云極DataCanvas為了降低建模人員門檻,推出DataCanvas BAP面向業務自動建模平臺,這是一個面向業務人員的低門檻、全流程、一站式決策分析自動建模平臺。DataCanvas BAP打造建模新范式,讓業務人員也具有成為數據科學家的潛力,有利于金融機構降低對數據科學人才的依賴程度,有效解決招聘難、人力成本高等問題。

•      九章云極DataCanvas融合多條智能決策技術路徑,實現優勢互補。九章云極DataCanvas成立于2013年,聚焦數據智能,在AI技術方面具有深厚積淀。九章云極DataCanvas坐擁比較完備的“AI武器庫”,包括機器學習、深度學習、時間序列、因果分析、運籌優化、強化學習和環境學習等,可以從容應對智能決策場景的諸多需求和行業痛點。例如,金融機構作為智能決策實踐的領頭羊,愈發關注“如何在動態環境中持續、快速找到最優決策”的問題,九章云極DataCanvas可以通過“強化學習+環境學習”的技術組合來解決。再例如,金融機構在一些場景需要智能決策具有較高解釋性,九章云極DataCanvas可以引入因果分析來解決,通過因果學習找到決策的驅動因子,從而提升可解釋性。

•      九章云極DataCanvas具備構建金融機構全局決策能力體系的實力。九章云極DataCanvas已服務浦發銀行、興業銀行、中原銀行等多家金融機構,助力金融機構在智能信貸風控、智能反欺詐、實時推薦、精準營銷、量化投研、投后預警、網點運營分析等場景實現智能決策。九章云極DataCanvas當前的金融機構客戶以單一場景智能決策需求居多,例如貸后風控預警、營銷線索挖掘等,但九章云極DataCanvas已具備構建金融機構全局決策能力體系的實力典型客戶:

典型客戶:

浦發銀行、興業銀行、中原銀行

代表廠商評估:

 

 

數勢科技

廠商介紹:

北京數勢云創科技有限公司(簡稱數勢科技)成立于2020年4月,是一家數據智能平臺與技術服務提供商。數勢科技憑借豐富的金融和消費領域業務Know-how及技術沉淀,通過包括數據資產云、經營分析云、智能營銷云在內的一系列智能決策產品,助力金融、零售等行業企業實現數字化升級。

產品服務介紹:

數勢科技的企業數字大腦,是一個由AI和知識驅動的一站式智能決策平臺,包括數據資產云、經營分析云和智能營銷云三款核心產品。

數據資產云:為企業提供指標規范標準定義、口徑統一的加工過程、靈活自助的指標應用和服務。

經營分析云:基于統一口徑指標體系的經營分析平臺,除駕駛艙的全面追蹤外,還有智能決策診斷、目標what-if測算、部門系統對齊能力。

智能營銷云:以用戶全生命周期管理為核心,基于客戶數據、客戶分析和客戶旅程三大產品模塊,滿足企業用戶資產沉淀、用戶識別、用戶洞察、需求預測、策略制定與優化等智能營銷需求。

廠商評估:

數勢科技可以提供“技術咨詢診斷+數據治理+隱私計算+場景級智能決策建模+陪伴式運營服務“的用戶運營端到端智能決策服務。數勢科技核心技術團隊具有京東和平安金融科技的從業經歷,擅長基于高并發環境設計解決方案,能夠勝任金融機構高頻次決策的場景需求。數勢科技產品技術自主可控,不僅是北京信創工委會會員單位,同時獲得了麒麟操作系統、達夢數據庫和人大金倉數據庫的信創適配認證,滿足金融機構信創要求。

•      數勢科技提供專業的數據治理服務,為高效、高質量地輸出決策結果打好基礎。數勢科技創始人黎科峰博士曾在平安金融科技擔任CTO,推動了集團用戶數據的全面打通,并對外進行金融科技賦能;曾在京東作為零售中臺負責人和技術委員會主席,推動了京東零售的數字化轉型。數勢科技以數據中臺為抓手,具備出色的數據治理能力,為智能決策系統高效、高質量地輸出決策結果打好基礎。面對數據治理能力較弱的金融機構,數勢科技掌握將數據治理項目與智能決策項目同步推進的方法論,有利于智能決策效果快速驗證和縮短整體項目周期。

•      數勢科技具備隱私計算技術,在保障數據安全的前提下有利于增強模型精準度。除了內部數據,金融機構還需要行外數據支持決策,例如信用卡申請場景需要和銀行外企業合作,通過可用不可見的隱私計算,在保障合規性的條件下引入更多數據,有利于增強模型精準度。數勢科技具備隱私計算技術,可以有效幫助金融機構擴散數據來源口徑,助力輸出高精度決策模型。

•      通過場景級智能決策建模和陪伴式運營服務,數勢科技為金融機構提供好用的用戶運營端到端智能決策服務。數勢科技脫胎于京東和平安金融科技,基于大型互聯網企業的用戶數字化運營實踐經驗,可為金融行業用戶運營智能決策體系實現全鏈路賦能,用以解決精細化分層分群策略缺失、客群識別不精準、策略覆蓋時效性低等一系列痛點。面對業內常出現的“智能決策模型跟業務場景結合度不高,難以落地”弊病,數勢科技有成熟的應對策略:不直接提供通用模型,而是依托豐富的金融行業Know-how,聚焦貼近場景的模型。例如預流失客戶的識別模型、信用卡向財富管理導流的決策模型等,模型價值一目了然,便于應用落地。智能決策項目正式上線之后,數勢科技可以為金融機構提供陪伴式服務,支持駐點和遠程等多種方式。

•      具備“高并發、低耦合、信創”特點,數勢科技智能決策解決方案貼合金融機構技術要求。數勢科技核心技術團隊具有京東和平安金融科技背景,擅長基于高并發環境設計解決方案,能夠勝任金融機構高頻次決策的場景需求。數勢科技產品之間可以解耦,產品里的微服務之間也可以解耦,金融機構不需要把現有平臺推翻,只需補齊欠缺的功能即可實現平臺升級,有利于金融機構快速且較低成本地建設用戶運營全鏈路決策能力。因為金融行業在諸多行業中數字化轉型比較靠前,金融機構的相關產品、系統較多,較難接受顛覆性的智能決策解決方案。金融行業屬于信創重點推進行業,數勢科技重視信創,現已加入北京信創工委會,成為會員單位。同時還獲得了麒麟操作系統、達夢數據庫和人大金倉數據庫的信創適配認證,滿足金融機構信創要求。

典型客戶:

平安證券、中金財富、民生銀行

代表廠商評估:

 

 

同盾科技

廠商介紹:

同盾科技有限公司(簡稱同盾科技)創立于2013年,是中國領先的人工智能科技企業,專注決策智能先進技術研發和應用。同盾科技堅持自主科技創新,形成了“基于隱私計算的共享智能平臺-智邦”和“基于人工智能的決策智能平臺-智策”兩大平臺,聚焦于金融風險、安全風險、政府治理風險三大場景,幫助客戶提升風險管理能力,優化決策效率,釋放數字生產力的價值,至今已有超過一萬家客戶選擇了同盾科技的產品及服務。

產品服務介紹:

同盾科技圍繞決策智能主線,搭建了“基于隱私計算的共享智能平臺——智邦”和“基于人工智能的決策智能平臺——智策”,在兩大平臺的基礎上,同盾科技不斷完善智能決策相關軟件產品體系,包含:大數據平臺、決策引擎平臺、指標平臺、模型平臺、智能運營平臺、知識圖譜等,致力于打造一整套基于知識洞察的決策體系,涵蓋數據收集、治理到模型訓練、自動化決策、模型自動調優等環節,實現決策閉環。

廠商評估:

同盾科技在數據治理能力、隱私計算技術、金融行業風控模型、定制化服務等四個方面具備突出優勢。同盾科技依托專業的數據治理能力,助力金融機構打造智能決策所需的數據底座,提升決策效率和質量;同時積極探索隱私計算,通過提升數據流動性來擴展智能決策可用的數據資源;在此基礎上,通過機器學習、 決策引擎、知識圖譜等技術的組合應用,構建多業務、多場景的規則、策略及AI模型,實現營銷、反欺詐、信貸風控等各業務鏈條的智能化決策體系。如今,同盾科技已服務400+銀行客戶,擁有豐富的金融項目經驗,憑借深厚的行業Know-how,同盾科技完成對營銷、風控、運營等多個場景的覆蓋,具備構建全局決策能力體系的能力。在交付方面,同盾科技提供緊貼場景需要,可為有個性化需求的金融機構提供定制化的產品解決方案。

•      同盾科技具備專業數據治理能力,助力金融機構打造智能決策所需的數據底座。良好的數據治理能力是實施智能決策解決方案的前提,但受限于金融機構數據治理能力難以滿足需求,因此需要智能決策廠商能夠輸出數據治理能力。

同盾科技的產品矩陣包含星河大數據平臺和極溯指標平臺,星河大數據平臺具備海量數據存儲、加工及分析處理一站式服務能力,可以將金融機構分散于各個系統的、對智能決策有價值的數據進行集中管理,極溯指標平臺是包括實時指標、離線指標和特征工程的一體化平臺。

•      同盾科技探索隱私計算技術并推出相關產品,通過提升數據流動性來擴展智能決策可用的數據資源。金融機構數據敏感,即使在內部部門、分支機構間也有流動限制,因此需要借用隱私計算的“數據可用不可見”能力,降低數據流動限制。同盾科技基于聯邦學習、多方安全計算等隱私計算技術推出了共享智能平臺——智邦,該平臺定位于支撐數據安全交互與知識共享、實現數據價值的基礎設施。

•      同盾科技擁有豐富的金融項目經驗,覆蓋場景廣泛,具備構建全局決策能力體系的能力。金融行業包括多個子行業,同盾科技已經實現較大范圍覆蓋,包括銀行、保險、汽車金融、互聯網金融等。銀行是智能決策市場的核心客群,也是同盾科技的核心客群。目前,同盾科技已為累計400多家銀行提供了包含零售信貸風險管理、小微信貸風險管理、交易反欺詐、營銷及客戶價值管理、數據安全管理、智能運營管理等解決方案,幫助銀行優化決策效率,改善用戶體驗。在銀行類型方面,同盾科技的客戶涵蓋國有大行、全國性股份制銀行、城商行和農商行等多種類型。在標桿客戶方面,同盾科技已與六大國有銀行均建立穩定的合作關系。

金融機構的較多場景對智能決策有需求,包括管理層面和營銷、風控、反欺詐、核保等運營層面。廠商在滿足甲方需求時分為單點式、單線式和全局式三種形式。隨著智能決策在金融領域的價值釋放,金融機構對全局決策能力體系的偏好逐漸加強。同盾科技在金融領域覆蓋場景廣泛,涉及精準營銷、智能風控、智能運營等多個大類場景,并且同盾科技在場景豐富度方面持續深耕,未來將向量化分析、風險傳導、營銷安全等方面拓展。

•      同盾科技提供緊貼場景需求,可為金融機構提供定制化的產品解決方案。考慮到金融機構的個性化需求,同盾科技根據反欺詐和風控、信用貸款申請、汽車租賃場景、收單和支付等場景,分別推出交易版決策引擎、信貸版決策引擎、商戶版決策引擎等。此外,對于個性化需求更為強烈的客戶,同盾科技推出“咨詢+系統”的服務模式,憑借擁有深厚技術背景、業務背景及咨詢背景的綜合性業務專家資源,同盾科技根據客戶的實際需求,結合客戶數據稟賦、業務渠道、產品特性等情況,為客戶提供定制化的產品解決方案,對單元化的智能決策產品體系進行可零可整的靈活配置以及二次開發。

典型客戶:

中國工商銀行、中國農業銀行、中國光大銀行、浙商銀行、中國人民保險

4.2消費品與零售行業智能決策解決方案

市場定義:

應用于消費品與零售行業的智能決策解決方案,消費品與零售行業包括零售商超、品牌商、電商等,解決方案主要被用于滿足智能營銷、智能定價、智能補配調等需求。

甲方終端用戶:

IT、數據、運營、供應鏈、門店等部門

甲方核心需求:

頭部零售商超是消費品與零售行業智能決策解決方案市場的的核心客群。專家經驗面對海量SKU和消費者愈發捉襟見肘,難以高效且正確地做出決策,這是驅動智能決策在該行業落地應用的主要因素。消費品與零售行業的甲方有兩項常規核心需求,分別為數據治理賦能和決策結果可解釋性,屬于跨行業的共性需求。該行業的甲方也有自己的獨特需求,分別為供應鏈優化和用戶運營,致力于打造涵蓋“買”與“賣”全流程的智能決策體系。

•      甲方需要數據治理賦能。金融機構作為數字化轉型的排頭兵,尚需補足用于智能決策的數據治理能力,其他行業則更加需要。在消費品和零售行業,除頭部電商之外,其他企業的數據質量和完整性普遍存在缺陷,若直接應用智能決策將會出現明顯偏差。智能決策解決方案需要站在“數據巨人”肩膀上發揮作用,因此對數據治理能力有較高要求,比如建立數據規則、打通數據孤島、數據集中管理等。當前,較多有實施智能決策項目意向的消費品和零售企業不具備優良的數據治理能力,以至于難以滿足智能決策需求,因此甲方需要得到來自廠商的數據治理賦能。

•      甲方通過智能決策實現更加精準的用戶運營。智能決策在消費品與零售行業滲透率較低,主要應用于頭部企業。這些頭部企業需要通過智能決策實現更加精準的用戶運營,主要體現在兩個方面。首先是智能人群圈選,當前的意向人群圈選方式主要依賴運營人員的經驗,隨著用戶運營的深入,傳統方式愈發吃力,會出現較多的誤判和遺漏。智能決策可以實現智能圈選,不但可以準確快速地圈選出意向人員,而且可以根據營銷效果進行自動調優。其次是個性化運營,當前甲方大多在用戶整體運營方面已經非常成熟,但能做到個性化運營的非常稀少。甲方大多在全國用一套策略,往往難以貼合實際情況,導致效果打折扣。甲方需要個性化運營,致力于做到“門店級差異化運營”。

•      甲方通過智能決策實現供應鏈優化。供應鏈對于消費品與零售行業至關重要,甲方對此非常重視,但仍然存在缺貨、高庫存、SKU臃腫、門店個性選品策略缺失等問題。例如SKU臃腫問題,該問題在商超業態非常明顯。商超傾向追求大而全,導致SKU數量驟增,當甲方意識到一些SKU并非必要且不盈利的時候,試圖做“減法”。可面對數萬乃至數十萬SKU時,如何快速準確地挑選出需要剔除的商品成為一個難題,專家經驗失靈,智能決策因此受到較多關注。

廠商能力要求:

消費品與零售行業的甲方核心需求對廠商能力提出多項要求,分別是數據治理能力、頂級行業Know-how、構建供應鏈全鏈路決策體系的能力和決策結果解釋能力。

•      廠商需要具備數據治理能力。良好的數據治理能力是實施智能決策解決方案的前提,但受限于甲方數據治理能力難以滿足需求,因此需要智能決策廠商親自上陣向甲方輸出數據治理能力,包括數據匯聚、統一口徑、數據清洗和數據維護等方面。

•      廠商需要頂級行業Know-how。智能決策在消費品與零售行業滲透率較低,主要應用于頭部企業。這些頭部企業希望通過智能決策實現更加精準的用戶運營,難點不在于技術,而是行業Know-how。從表明來看,精準用戶運營主要體現在智能人群圈選和個性化運營兩個方面,往更深層次分析,這些需求的實現需要建立在“更精細人群標簽體系”之上。如此,才能發揮智能決策的價值,進而實現根本性的用戶運營能力升級。面對行業頭部企業,一般的行業Know-how難以在人群標簽體系方面指導他們,智能決策廠商需要站在更高的維度向下輸出,才能全方位地、根本性地助力甲方提升用戶運營能力。

•      廠商需要具備構建供應鏈全鏈路決策體系的能力。結合甲方在供應鏈優化方面的需求分析,單點式的能力難以滿足其需求,廠商需要具備構建供應鏈全鏈路決策體系的能力。供應鏈全鏈路決策體系至少包括品類結構優化、預測補貨和智能選品三部分。品類結構優化:縮減商品數量,需要商品結構優化,在采購端有利于品類管理,在銷售端也不需要頻繁更新商品。預測補貨:降低缺貨率,提高庫存周轉率,提高資金使用效率。智能選品:為門店選擇合適的商品,提升資金使用效率,減少庫存占用。

入選標準:

1. 符合消費品與零售行業智能決策解決方案市場分析的廠商能力要求;

2. 近一年該市場年營收不低于500萬;

3. 近一年該市場付費客戶數量不低于3家。

代表廠商評估:

 

 

數勢科技

廠商介紹:

北京數勢云創科技有限公司(簡稱數勢科技)成立于2020年4月,是一家數據智能平臺與技術服務提供商。數勢科技憑借豐富的金融和消費領域業務Know-how及技術沉淀,通過包括數據資產云、經營分析云、智能營銷云在內的一系列智能決策產品,助力金融、零售等行業企業實現數字化升級。

產品服務介紹:

數勢科技的企業數字大腦,是一個由AI和知識驅動的一站式智能決策平臺,包括數據資產云、經營分析云和智能營銷云三款核心產品。

數據資產云:為企業提供指標規范標準定義、口徑統一的加工過程、靈活自助的指標應用和服務。

經營分析云:基于統一口徑指標體系的經營分析平臺,除駕駛艙的全面追蹤外,還有智能決策診斷、目標what-if測算、部門系統對齊能力。

智能營銷云:以用戶全生命周期管理為核心,基于客戶數據、客戶分析和客戶旅程三大產品模塊,滿足企業用戶資產沉淀、用戶識別、用戶洞察、需求預測、策略制定與優化等智能營銷需求。

廠商評估:

數勢科技基于數十家客戶的最佳實踐,總結出“GASO”智能決策模型,并在京東零售方法論加持之下,以智能決策為切入點,助力消費品與零售行業數字化升級。數勢科技聚焦服務大型零售商超和品牌商,幫助其構建“買賣”兩端的高效決策體系。“買”端,即構建供應鏈全鏈路決策體系,實現企業在品類結構優化、預測補貨和智能選品三方面的核心需求。“賣”端,即用戶運營,企業不但能深耕垂直用戶群體,還能實現“千店千面”的個性化運營。

•      數勢科技基于豐富的最佳實踐提出智能決策方法論——GASO(目標Goal、分析Analysis、策略Strategy、優化Optimization)智能決策模型。GASO模型以數據為基礎,將戰略目標層層拆解到可被一線執行的業務目標;并匹配相應的量化指標體系,找到阻礙目標達成的問題,進行歸因和預測;之后再做出相應的策略設計與實施;最后根據監測的數據,對策略進行持續優化。比如在一次促銷活動中,首先需要先確定活動目標,比如拉新;然后收集相關數據,并進行潛在用戶、用戶需求洞察、商品偏好、定價等分析;然后基于分析洞察的結論,制定和實施相關的選人選品定價等策略;并在活動過程中去實時監測活動數據,及時調整相關策略。數勢科技基于數十家客戶的最佳實踐,總結出“GASO”智能決策模型,對于消費品與零售行業客戶具有較高的普適性。

•      數勢科技專注零售指標平臺,幫助企業沉淀“全面、統一、易用”的數據資產,為高效、高質量地輸出決策結果打好基礎。數勢科技在消費品與零售領域的核心客群之一是零售商超,已經服務了包括永輝、沃爾瑪、中百在內的多家頭部零售商超。數勢科技創始人黎科峰博士曾在京東作為零售中臺負責人和技術委員會主席,推動了京東零售的數字化轉型,在零售領域擁有行業頭部經驗。數勢科技認為數據底座是智能決策的重要基礎,其中指標平臺更是重中之重。

指標平臺是企業的指標資產中心,包含指標體系管理、加工和服務產品能力,幫助企業沉淀“全面、統一、易用”的數據資產。指標平臺向上靈活支撐業務需求,響應企業領導、業務部門、分析師等角色不同領域、粒度、時效的數據需求;向下深度連接數據倉庫,梳理、記錄、優化企業數據治理過程中的資產,優化數倉模型,并建立數據運營規范。數勢科技指標平臺具有“標準設計、統一加工;一次定義、隨處使用”的優點。同時,經過和永輝、沃爾瑪等頭部零售商超的合作之后,數勢科技指標平臺在豐富度和專業度方面有一定優勢。

•      數勢科技整合京東、阿里等互聯網平臺用戶運營方法論,結合線下及全渠道零售的最佳實踐,助力消費品與零售行業的用戶運營能力再上新臺階。智能決策在消費品與零售行業滲透率較低,主要應用于頭部企業。面對行業頭部企業,一般的行業Know-how缺乏指導價值,智能決策廠商需要站在更高的維度向下輸出。京東、阿里等互聯網平臺用戶運營方法論加持的數勢科技具有先天優勢。在用戶運營方面,數勢科技的方法論主要包括三個方面。首先,數勢科技為企業構建更加精細的用戶標簽體系;其次,數勢科技賦予企業智能人群圈選能力,企業不但可以準確快速地圈選出意向人員,而且可以根據營銷效果進行自動調優;最后,數勢科技可以支持企業個性化運營,做到“千店千面”。

數勢科技的用戶運營方法論不僅適用于零售商超,也適用于品牌商。品牌商距離終端門店距離較遠,難以透過層層渠道商對終端門店施加影響。數勢科技基于算法模型,可以幫品牌商尋找高潛力門店。然后通過智能決策,數勢科技助力品牌商為高潛力終端門店提供個性化運營策略建議,提升效率和業績,為自身發展注入新動力。

•      數勢科技具備構建供應鏈全鏈路決策體系的能力,尤其擅長品類結構優化。供應鏈全鏈路決策體系包括品類結構優化、預測補貨和智能選品三個核心部分,數勢科技均具備相關能力。由于SKU過多,企業往往需要進行品類機構優化,刪除盈利不足的單品。在分析各單品盈利能力時,分析模型尤為重要,每一個單品需要考慮進貨價、出貨價、履約成本、庫存損耗、營銷成本,商家返利,以及各項成本的分攤邏輯。分析模型較為復雜,很多頭部消費品和零售企業也難以輸出專業、嚴謹的分析模型。數勢科技基于京東零售的能力沉淀,以及和北京航空航天大學在智慧供應鏈方面的研究結果,在品類結構優化方面具有領先優勢,并在多家行業頭部企業落地應用。

典型客戶:

永輝、沃爾瑪、武漢中百、寶潔、飛鶴

4.3國防軍工行業智能決策解決方案

市場定義:

應用于國防軍工行業的智能決策解決方案,國防軍工行業包括軍委各部委、海軍、陸軍、空軍、戰略支援部隊、軍事科學院、國防軍工相關大學、國防軍工相關企業等,解決方案主要被用于作戰綜合博弈、兵棋推演、無人機作戰規劃、軍事物流調度、目標識別、行為預測、危機預警、裝備維修時機判斷等需求。

甲方終端用戶:

參謀部、技術部等

甲方核心需求:

高超音速飛機、高超音速導彈等“速度型”裝備的出現,加快了戰場節奏,瞬息萬變的戰場強調決策時效性;無人機等無人裝備的加入,改變戰爭構成要素、作戰觀念、組織形態和保障模式,增加了作戰編排難度;對假想目標全方位監控產生的海量信息,靠人力難以找到威脅點,阻礙決策推進。這些是驅動智能決策在國防軍工行業落地應用的主要因素。軍委各部委、海軍、陸軍、空軍、戰略支援部隊、軍事科學院、國防軍工相關大學、國防軍工相關企業等角色對智能決策均有需求,核心需求包括以下四項。

•      甲方需要得到來自廠商的情報治理賦能。甲方基于開源數據對假想目標進行全方位監控,會產生大量數據,如果沒有強大的情報治理能力,數據價值將難以體現,例如無法識別威脅信息,無法評估假想目標各方面能力情況等。

•      甲方需要有國防軍工行業Know-how的廠商。國防軍工行業敏感性高,廠商不容易做行業積累,并且行業人才難以在社會面流動,招聘難度大。導致智能決策廠商大多不具備國防軍工行業Know-how,如果不能夠結合業務理解去做國防軍工項目,成功率通常比較低。

•      甲方需要具備多場景智能決策解決方案的廠商。國防軍工行業在多個場景對智能決策有明確需求。相關場景包括作戰綜合博弈、兵棋推演、無人機作戰規劃、軍事物流調度、目標識別、行為預測、危機預警、裝備維修時機判斷等。甲方通常更傾向與能應對多個場景的廠商進行合作。

•      甲方需要可信智能決策。國防軍工行業對智能決策有兩方面的可信需求。一方面是決策結果可解釋性,例如對無人裝備打擊邏輯的解釋;另一方面是自主可控,強調產品信創以及國產生態適配能力。

廠商能力要求:

國防軍工行業的甲方核心需求對廠商能力提出多項要求,分別是情報治理能力、相關項目經驗、技術豐富度、決策結果解釋能力和信創能力。

•      廠商需要具備情報治理能力。甲方基于開源數據對假想目標進行全方位監控,會產生大量數據,甲方需要通過強大的情報治理能力,利用模型對數據進行加工、篩選、歸納等處理,充分發揮數據價值。例如識別易被忽略的威脅信息、解析條令法規等。

•      廠商需要有豐富的國防軍工項目經驗。國防軍工行業并非“為了智能而智能”,而是以解決實際業務問題為導向。國防軍工行業的甲方對廠商項目經驗非常看重,不僅僅看重數智技術。這就要求廠商必須有耕耘國防軍工行業的決心并且取得一定效果。

•      廠商需要具備多種技術路徑,來應對甲方的多場景需求。國防軍工行業的多場景智能決策需求通過需要多技術融合才能滿足,要求廠商有豐富的技術積累。例如偏裝備級的博弈場景需要強化學習,意圖識別廠商需要深度學習,軍事物流規劃需要運籌優化和強化學習。

•      廠商需要具備決策結果解釋能力以及信創能力。為了滿足甲方對可信智能決策的需求,廠商需要在決策結果解釋和信創能力兩方面下功夫。“可解釋性”在國防軍工行業的大部分場景不是剛需,廠商需要與甲方溝通了解到哪些個別的場景對可解釋性有需求,通過引入專家經驗協助解釋或者采用解釋性比較高的技術路徑針對性地滿足甲方需求。在信創方面,廠商需要減少對開源軟件和組件的使用,并積極融入國產信創生態之中,與國產芯片、操作系統、數據庫進行適配。

入選標準:

1. 符合國防軍工行業智能決策解決方案市場分析的廠商能力要求;

2. 近一年該市場年營收不低于500萬;

3. 近一年該市場付費客戶數量不低于3家。

代表廠商評估:

 

 

淵亭科技

廠商介紹:

廈門淵亭信息科技有限公司(簡稱淵亭科技)成立于2014年,專注認知決策智能領域,在知識圖譜、圖計算、強化學習、機器學習和深度學習等領域擁有核心技術優勢與領先的工程化能力。淵亭科技聚焦國防軍工、金融、政務、工業互聯網四大行業,為客戶提供包括DataExa-Sati認知智能平臺、DataExa-Nash多智能體協同決策平臺、DataExa-Karma智能決策平臺在內的30余款自主研發產品。在國防軍工行業,淵亭科技已服務諸多單位,并斬獲過多個軍委、軍種級別智能博弈類賽事冠軍及重要獎項。

產品服務介紹:

淵亭科技致力于打造“一站式AI+國防軍工”產品體系,以多智能體強化學習、認知推理、數字孿生等技術為基礎,針對情報分析、裝備體系、仿真推演、指揮控制等方向,提供面向全角色和全生命周期、貫穿軍事作戰各個要素和環節的智能化解決方案。

淵亭科技有四款面向國防軍工行業智能決策方向的核心產品,它們分別為:DataExa-Karma智能決策平臺、天衍·作戰仿真推演系統、天衍·智能任務規劃系統與天衍·多智能體協同決策平臺。DataExa-Karma智能決策平臺是綜合型的智能決策平臺,整合了機器學習、深度學習、強化學習、運籌優化、規則引擎等原子智能決策能力,定位為多種智能決策能力生成和融合運用的中樞;天衍·作戰仿真推演系統是以多兵種聯合作戰、全域作戰為背景的作戰仿真推演平臺;天衍·智能任務規劃系統則是基于DataExa-Karma支撐國防領域的融合決策產品,它產出的決策能力,可以應用在戰斗籌劃、智能調度等場景;天衍·多智能體協同決策平臺是一個面向作戰指揮、無人系統集群協同、策略仿真等智能決策場景的高性能智能體生成系統。

廠商評估:

淵亭科技作為國內少有的同時具備認知智能和決策智能雙能力體系的人工智能廠商,深耕國防軍工行業多年,憑借豐富的項目經驗和行業專家資源,以成熟的產品體系為依托,為國防軍工行業提供一站式AI解決方案。其完善的國防軍工智能決策產品線,可滿足甲方多元化場景需求。在自主可控方面,淵亭科技始終堅持走自主研發路線,所有產品均已完成國產化兼容適配認證,符合信創要求。

•      “認知+決策”雙重核心,一站式AI賦能國防軍工行業。淵亭科技是國內少數在人工智能領域同時具備“認知智能”和“決策智能”產品線的廠商。其中認知智能方向產品覆蓋知識圖譜構建與分析、高性能分布式圖數據庫、自然語言處理、大規模搜索引擎和智能問答。決策智能方向產品覆蓋綜合智能決策、AI全生命周期建模訓練、多智能體強化學習、運籌優化等,深度融合聯結主義和符號主義的優勢,提供完整的一站式AI賦能。這些產品在金融、運營商、制造、能源等民用領域都有廣泛的應用,且產品的健壯性、靈活性、可靠性久經驗證,為國防軍工行業推廣應用奠定了扎實的基礎。

•      橫縱向深耕垂直賽道,戰略聚焦規模化落地。淵亭科技深耕防務領域,積極參與國防數智化建設,公司具有完備的軍工資質,與多所軍事院校、科研院所建立了長期深入的戰略合作關系。公司已服務包括軍委多部委、海軍、陸軍、空軍、戰略支援部隊、國防科技大學、中國兵器、中國船舶等單位,逐漸成為軍事智能領域的踐行者和領導者。多年“前沿探索+一線落地”的雙重模式不斷加深淵亭科技對業務理論和軍事需求的認知與理解,為持續服務國防信息化、智能化、無人化打下了堅實基礎。

•      產品力+場景力+服務力,構建多元化國防產品布局。基于深厚的智能技術儲備,淵亭科技推出4款國防智能決策方向核心產品:DataExa-Karma智能決策平臺、天衍·作戰仿真推演系統、天衍·智能任務規劃系統以及天衍·多智能體協同決策平臺。除此之外,還有多款應用產品作為淵亭國防產品能力地補充或延伸,例如“數據中臺”與“數字戰場圖譜”,它們具備海量數據處理能力,能夠提升甲方的情報治理和運用能力。總體來講,淵亭智能決策產品能力覆蓋多智能體強化學習、語義推理、專家系統、機器學習、深度學習和運籌優化等多個技術領域,完善的技術儲備和管理,有效應對甲方的復雜場景決策需求,為智能決策能力在國防軍工行業各場景的落地掃清技術阻礙。

•      堅持自主可控,打造可信智能決策。隨著國際體系、秩序、力量的變化,國防工業的自主可控成為各國掌握戰略博弈主動權的重要抓手。淵亭科技從成立開始就堅持自主研發,其核心產品代碼自主率超過95%,并且所有產品均完成操作系統、芯片等在內的國產化兼容適配認證,力求核心關鍵技術的自主和供應鏈的可控。比如,在數據知識化的過程中,需要引入知識圖譜類產品,較多廠商的知識圖譜類產品底層是基于開源圖數據庫,而淵亭科技則是在其自主研發的分布式圖數據庫產品DataExa-Seraph上完成的,在突出的安全性、擴展性之上,針對國防典型場景開展優化,提供出色的性能。值得一提的是,在今年信通院組織的《2022年“可信 AI”評測》中,淵亭科技智能決策平臺DataExa-Karma通過了“智能決策系統和工具”地評測,成為國內唯一一家在策略開發、測試發布、運維管理、分析評估和底層支撐等五個模塊均達到4級標準的廠商。

典型客戶:

五大軍種、國防大學、軍事科學院、國防科技大學、八個軍工集團的諸多下屬院所

5. 入選廠商列表