获悉，近日APS厂商「清智优化」宣布完成数千万人民币天使轮融资，由英诺天使基金领投，启迪之星创投、水木清华校友种子基金跟投。本轮资金将主要用于产品开发和市场拓展。

清智优化成立于2022年4月，核心团队由清华大学运筹学与数据科学研究所的校友、香港大学的校友组成。公司主要基于运筹优化的智能决策技术，为制造企业提供APS、WMS、TMS等智能决策服务，覆盖生产、运输、采购、库存等供应链环节，从而实现各层级业务的降本增效和增收，可广泛应用于航空航天、新能源、新材料等行业。

值得一提的是，清智优化成立一个月即正式入选用友YonBIP“金牌合作伙伴”，预计在今年实现千万元营收。

清智优化创始人蒙绎泽博士毕业于清华大学工程业工程系，师从申作军、邓天虎老师，两位老师入选2018年弗兰兹厄德曼获奖者（Franz Edelman Laureate），该奖是美国运筹学与管理科学学会（INFORMS）设立的管理科学界最高奖项，有工业工程界“诺贝尔”奖之称。

公司成立前，她曾在用友工作了三年，期间担任用友智能制造事业部工业大脑运筹算法团队负责人，负责多个工业智能项目及工业大脑产品的算法设计和代码实现。

在这个过程中，她发现市场上存在着结构性机会，一是随着Z世代人群成为消费主流群体，个性化需求与日俱增，从而对工厂的多品种、小批量柔性生产能力提出了要求；二是目前人工决策缺乏科学理论的支撑，在决策效率和质量上仍有很大提升空间；三是当前我国数字经济快速发展，数字自动化逐步完成后，人们开始关注智能化决策对企业发展的推动。

“在整个经济呈L型增长的背景下，企业不再像以往粗放式增长，转而更关注精益式管理，对成本进行精细控制，因此决策优化的效果将直接影响企业竞争。”蒙绎泽谈道。

具体来看，清智优化的APS产品既能与ERP或MES系统集成，也能以轻量化的方式独立提供服务。在提供技术服务时，公司首先需要将客户面临的决策过程用数学语言进行描述，并清晰定义出这一决策过程所需要考虑的设备、人员、工艺、产能等约束条件，再根据客户需求设定优化目标，如设备利用率、效益最优化等，最后基于运筹优化理论进行最优解或近似最优解的高效计算，将原本复杂的决策过程转化为数学优化模型进行求解，整个平均部署时长为两周。

与人工决策相比，基于运筹优化算法的智能决策具有响应快、决策质量高、可追溯性更强等优势，能大大减少对人工的依赖。

从行业层面看，如今国内外提供智能决策相关服务的厂商类型较多，包括提供商业求解器的IBM CPLEX、Gurobi，提供高级计划与排程的Asprova、Planet together、永凯等APS厂商，提供企业信息化/智能化管理软件的SAP APO、用友/阿里工业大脑等传统企服IT商，以及与清智优化一样提供基于运筹优化的整体智能决策解决方案的决策优化服务商。

“目前市面上优质的APS、WMS、TMS供应商比较稀缺，而且优化效果与企业的利润空间直接相关。”蒙绎泽解释，客户需要极致的优化服务，但基于运筹优化的建模和算法设计需要很深的学术积淀，技术门槛较高，还要求研发团队对产业界有着丰富了解，因此这方面的底层求解器长期被国外所垄断。

蒙绎泽认为，清智优化与同行相比的优势在于团队在运筹学算法和产业落地场景上都有着深厚积淀。“如今我们的APS平台已涵盖上百个智能决策模型，可覆盖企业采购、生产、存储、销售、运输等全链条环节的决策优化，最大限度发挥各个生产基地的生产能力、检验能力和库存能力，实现跨地域、多基地协同调度的生产。”蒙绎泽说，尤其是如今产品结构和销售体系日益复杂，如何灵活采用排产调度方案来最大限度地发挥资产的效能，是企业降本增效的关键。

产品规划方面，目前清智优化主要基于内置场景或行业模板，搭配行业通用的约束快速构建需求，接着再基于场景自动匹配模型库及求解器，未来将提供配套的数字孪生系统，能够对不同的方案进行仿真模拟和比对，从而帮助客户获得满意的智能决策方案，甚至还能实时做出决策优化调整。

落地方面，现阶段清智优化以打造标杆客户为主，产品服务为项目制收费。因此，现在公司营收主要来源于私有云部署形式的定制化项目，客户包括航空航天、新能源、新材料等领域的上市公司，以及部分国企/央企大客户。

预计在今年下半年或明年，公司将通过调用智能决策模型，拓展对成本比较敏感的中小型企业，逐步提供基于公有云形式的SaaS订阅制服务。

“运筹学在工业领域的大规模普及才刚刚起步，粗略估计整个智能制造系统的解决方案市场为千亿级至万亿级规模。”蒙绎泽提到，公司有机会在三五年内成为国内智能决策及APS领域的头部企业之一。