維科杯 · OFweek 2025（第十屆）人工智能行業(yè)年度評(píng)選（OFweek 10th AI Awards 2025）由中國高科技行業(yè)門戶維科網(wǎng)主辦、維科網(wǎng)人工智能承辦，該評(píng)選是人工智能行業(yè)內(nèi)的一大品牌盛會(huì)，亦是高科技行業(yè)具有專業(yè)性、影響力的評(píng)選之一。

此次活動(dòng)旨在為人工智能行業(yè)的產(chǎn)品、技術(shù)和企業(yè)搭建品牌傳播展示平臺(tái)，并借助 OFweek 平臺(tái)資源及影響力，向行業(yè)用戶和市場推介創(chuàng)新產(chǎn)品與方案，鼓勵(lì)更多企業(yè)投入技術(shù)創(chuàng)新；同時(shí)為行業(yè)輸送更多創(chuàng)新產(chǎn)品、前沿技術(shù)，一同暢想人工智能行業(yè)的未來。

本次評(píng)選活動(dòng)報(bào)名截止時(shí)間是 6 月 13 日，并于 2025 年 6 月 18 日 － 6 月 27 日進(jìn)入網(wǎng)絡(luò)投票階段，7 月 30 日在深圳舉辦盛大的頒獎(jiǎng)典禮。 目前，活動(dòng)正處于火熱的企業(yè)申報(bào)階段，業(yè)內(nèi)企業(yè)積極響應(yīng)。

參評(píng)企業(yè)

聯(lián)想作為全球領(lǐng)先ICT科技企業(yè)，秉承“智能，為每一個(gè)可能”的理念，持續(xù)研究、設(shè)計(jì)與制造全球最完備的端到端智能設(shè)備與智能基礎(chǔ)架構(gòu)產(chǎn)品組合，為用戶與全行業(yè)提供整合了應(yīng)用、服務(wù)和最佳體驗(yàn)的智能終端，以及強(qiáng)大的云基礎(chǔ)設(shè)施與行業(yè)智能解決方案。

參評(píng)信息

申報(bào)獎(jiǎng)項(xiàng)：維科杯·OFweek 2025人工智能行業(yè)優(yōu)秀創(chuàng)新力產(chǎn)品獎(jiǎng)

產(chǎn)品名稱： 聯(lián)想LeOPT優(yōu)化平臺(tái)

產(chǎn)品特點(diǎn)：

聯(lián)想 LeOPT 優(yōu)化平臺(tái)提供從靈活建模到高效求解與分析的端到端全棧優(yōu)化能力，有效解決供應(yīng)鏈、交通、金融等多行業(yè)的資源配置和任務(wù)規(guī)劃問題。平臺(tái)基于聯(lián)想集團(tuán)最佳實(shí)踐提供成熟優(yōu)化模型倉庫，開箱即用，幫助用戶高效應(yīng)對(duì)各類場景中的優(yōu)化挑戰(zhàn)。

同時(shí)，聯(lián)想LeOPT優(yōu)化平臺(tái)還內(nèi)置多種基礎(chǔ)模型，支持交互式與智能體建模等輔助建模方式，幫助用戶高效應(yīng)對(duì)復(fù)雜場景中的優(yōu)化挑戰(zhàn)。

1、自然語言建模提升建模效率

本平臺(tái)突破性地將基于大語言模型的智能體（LLM-based agent）與運(yùn)籌優(yōu)化技術(shù)深度融合，打造出自然語言驅(qū)動(dòng)的自動(dòng)化建模解決方案。用戶輸入自然語言場景描述后，解析用戶業(yè)務(wù)場景描述，分析出優(yōu)化因子，并通過交互的方式逐步生成變量、約束和目標(biāo)函數(shù)，在用戶的交互與監(jiān)督下從0到1搭建運(yùn)籌優(yōu)化模型。模型建好后自動(dòng)存入優(yōu)化平臺(tái)模型倉庫，用戶上傳業(yè)務(wù)數(shù)據(jù)，即可調(diào)用求解器求解。智能體還能在求解后對(duì)結(jié)果進(jìn)行深入分析，為用戶提供數(shù)據(jù)洞察，全流程實(shí)現(xiàn)需求描述→數(shù)學(xué)建�！�代碼生成→決策分析。與傳統(tǒng)建模工具相比，模型開發(fā)周期大幅縮短70%。通過領(lǐng)域知識(shí)增強(qiáng)和數(shù)據(jù)-模型協(xié)同校驗(yàn)，與通用LLM平臺(tái)相比，模型生成準(zhǔn)確率顯著提升42%，助力企業(yè)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的智能決策升級(jí)。

2、交互式建模提升可解釋性

聯(lián)想LeOPT優(yōu)化平臺(tái)打破了傳統(tǒng)建模的高門檻壁壘，通過交互式建�？梢詷O大地降低建模難度，即使是缺乏專業(yè)背景的業(yè)務(wù)人員，也能在平臺(tái)引導(dǎo)下快速完成模型搭建。工業(yè)領(lǐng)域的運(yùn)籌優(yōu)化建模，是在遵守復(fù)雜多樣的業(yè)務(wù)邏輯規(guī)則的前提下，綜合提升各項(xiàng)業(yè)務(wù)指標(biāo)，需要同時(shí)兼顧大量決策要素。因此，實(shí)際問題往往充滿各類建模挑戰(zhàn)，小到基本物理規(guī)律、場景基礎(chǔ)結(jié)構(gòu)，大到多目標(biāo)優(yōu)化、全局優(yōu)化等行業(yè)訴求，甚至包含動(dòng)態(tài)變化、實(shí)時(shí)影響等外在因素。平臺(tái)可以輔助建模人員將這些建模要素逐一拆解、量化，轉(zhuǎn)化為數(shù)學(xué)語言——比如用不等式約束限定資源上限，用結(jié)構(gòu)方程描述變量關(guān)系，再將它們有機(jī)組合成完整的模型體系。這個(gè)過程不僅是對(duì)約束條件的細(xì)致梳理，更重要的是，交互式建模通過可視化可配置的決策路徑展示，用戶能夠清晰洞察每個(gè)模型參數(shù)對(duì)結(jié)果的影響，讓“黑箱模型”變得透明。這種深度的人機(jī)交互與清晰的解釋機(jī)制，不僅提升了決策效率，更在用戶與平臺(tái)之間建立起穩(wěn)固的信任橋梁，助力形成可持續(xù)的人機(jī)協(xié)作生態(tài)。

3、自研求解器保證效率和適配性

平臺(tái)支持線性規(guī)劃、混合整數(shù)規(guī)劃、約束規(guī)劃等多樣化建模路線，無論是追求資源高效分配的線性優(yōu)化場景，還是涉及離散變量決策的復(fù)雜組合問題，亦或是需要處理多維度限制條件的約束求解任務(wù)，均可按需靈活調(diào)用適配方案。在問題求解方面，聯(lián)想LeOPT優(yōu)化平臺(tái)內(nèi)置聯(lián)想研究院人工智能實(shí)驗(yàn)室自主研發(fā)的底層計(jì)算引擎——LeOPT求解器。通過優(yōu)化搜索框架、混合強(qiáng)化學(xué)習(xí)樣本增強(qiáng)等關(guān)鍵創(chuàng)新大幅提升問題求解速度。在復(fù)雜的優(yōu)化任務(wù)中將龐大的數(shù)學(xué)模型變換為求解模型往往耗時(shí)低效。LeOPT采用專為復(fù)雜約束設(shè)計(jì)的映射算法，相較于傳統(tǒng)方法，模型變換效率提升三倍以上。LeOPT借助機(jī)器學(xué)習(xí)技術(shù)的分階段優(yōu)化算法，智能識(shí)別，根據(jù)問題匹配算法模型技術(shù)自動(dòng)參數(shù)調(diào)優(yōu)，針對(duì)用戶的特定問題提供深度定制化的求解方案，不僅大幅提高求解效率，也保障了LeOPT對(duì)不同行業(yè)問題的適配。

參評(píng)理由：

在數(shù)據(jù)與決策交織的現(xiàn)代網(wǎng)絡(luò)中，微小的決策誤差都可能引發(fā)巨大的連鎖反應(yīng)。以金融行業(yè)為例，一家資產(chǎn)管理公司在進(jìn)行投資組合優(yōu)化時(shí)，若因模型誤差導(dǎo)致資產(chǎn)配置出現(xiàn) 1% 的偏差，可能會(huì)造成數(shù)百萬甚至上千萬元的直接損失。在制造業(yè)，生產(chǎn)線的排產(chǎn)計(jì)劃如果存在決策誤差，不僅導(dǎo)致設(shè)備空轉(zhuǎn)，還可能影響訂單交付。優(yōu)化已成為組織在數(shù)字達(dá)爾文時(shí)代的關(guān)鍵生存法則。但是，優(yōu)化建模和求解絕非易事。

數(shù)學(xué)建模作為破解復(fù)雜現(xiàn)實(shí)問題的核心工具，其技術(shù)深度與知識(shí)壁壘形成了較高的應(yīng)用門檻。由于實(shí)際場景的多樣性與獨(dú)特性，不同領(lǐng)域需構(gòu)建適配性極強(qiáng)的差異化模型體系：在供應(yīng)鏈優(yōu)化場景中，物料采購計(jì)劃通常依賴線性規(guī)劃技術(shù)實(shí)現(xiàn)資源的精準(zhǔn)配置；主生產(chǎn)計(jì)劃需借助混合整數(shù)規(guī)劃或強(qiáng)化學(xué)習(xí)算法完成生產(chǎn)排程的動(dòng)態(tài)優(yōu)化；而面對(duì)復(fù)雜生產(chǎn)調(diào)度，往往需要融合混合整數(shù)規(guī)劃、約束規(guī)劃與啟發(fā)式優(yōu)化方法，才能達(dá)成全局最優(yōu)解。更具挑戰(zhàn)的是，現(xiàn)實(shí)問題常呈現(xiàn)多維度、復(fù)合型特征。以物流優(yōu)化為例，其業(yè)務(wù)流程涵蓋裝箱、路徑規(guī)劃、排線卸貨三大核心環(huán)節(jié)，每個(gè)環(huán)節(jié)均對(duì)應(yīng)特定的數(shù)學(xué)難題：裝箱環(huán)節(jié)涉及 3D 裝箱問題，需在空間約束下實(shí)現(xiàn)裝載效率最大化；路徑規(guī)劃環(huán)節(jié)面臨復(fù)雜裝載同程多路徑規(guī)劃問題，需兼顧時(shí)效、成本與路況動(dòng)態(tài)調(diào)整；排線卸貨環(huán)節(jié)則對(duì)應(yīng)柔性車間調(diào)度問題，需統(tǒng)籌站臺(tái)利用率、卸貨順序和訂單優(yōu)先級(jí)等。這種專業(yè)知識(shí)與算法能力的深度融合，使得數(shù)學(xué)建模領(lǐng)域形成了較高的技術(shù)門檻，通常需要具備深厚數(shù)學(xué)功底、豐富算法經(jīng)驗(yàn)的專業(yè)人員，才能應(yīng)對(duì)這些復(fù)雜且極具挑戰(zhàn)性的現(xiàn)實(shí)問題。

不僅如此，優(yōu)化模型的構(gòu)建還需要對(duì)業(yè)務(wù)需求的深度理解。不同行業(yè)、不同地域需求差異巨大，以零售業(yè)為例，線上線下融合的庫存優(yōu)化模型，需要充分考慮商品的季節(jié)性、促銷活動(dòng)、消費(fèi)者購買習(xí)慣等因素，只有精準(zhǔn)把握業(yè)務(wù)邏輯，才能構(gòu)建出貼合實(shí)際需求的模型。

在問題求解方面，許多實(shí)際問題涉及大量的變量和約束條件，例如大規(guī)模的生產(chǎn)調(diào)度場景，不僅存在生產(chǎn)時(shí)間、成本等連續(xù)變量，還涉及到任務(wù)分配、設(shè)備選擇等離散變量，以及眾多的約束如生產(chǎn)能力限制、物料配比、訂單交付方式和日期等。求解這樣的大規(guī)模模型，計(jì)算量呈指數(shù)級(jí)增長，對(duì)計(jì)算資源和時(shí)間要求極高。不同類型的模型需要不同的求解算法，但很難找到一種通用的算法能高效求解所有模型。為了應(yīng)對(duì)復(fù)雜模型求解，通常會(huì)選擇啟發(fā)式算法或者簡化場景模型。采用啟發(fā)式算法雖然能在較短時(shí)間內(nèi)找到近似最優(yōu)解，但不能保證找到全局最優(yōu)解，而且對(duì)于不同的問題實(shí)例，算法的性能表現(xiàn)可能差異很大，具有一定的不確定性；若對(duì)實(shí)際問題進(jìn)行簡化和假設(shè)，這些假設(shè)可能與實(shí)際情況存在偏差，導(dǎo)致求解結(jié)果在實(shí)際應(yīng)用中效果不佳。

在數(shù)學(xué)建模門檻高、現(xiàn)實(shí)復(fù)雜場景求解難的行業(yè)現(xiàn)狀下，聯(lián)想 LeOPT 優(yōu)化平臺(tái)以全鏈路技術(shù)能力與創(chuàng)新功能，為用戶提供高效解決方案。具體優(yōu)勢(shì)如下：

成熟模型即取即用：依托聯(lián)想集團(tuán)在多領(lǐng)域積累的豐富實(shí)踐經(jīng)驗(yàn)，LeOPT 優(yōu)化平臺(tái)構(gòu)建了成熟的優(yōu)化模型倉庫。用戶無需從零開始構(gòu)建模型，可直接調(diào)用倉庫中的模型資源，開箱即用，快速響應(yīng)各類優(yōu)化挑戰(zhàn)，大幅節(jié)省建模時(shí)間與人力成本。

交互式建模智能引導(dǎo)：針對(duì)有自主建模需求的用戶，平臺(tái)的交互式建模功能提供強(qiáng)大支持。平臺(tái)內(nèi)置豐富的基礎(chǔ)模型庫，并配備智能選擇邏輯，能夠基于問題類型、規(guī)模大小以及變量特征，為用戶智能推薦適配的建模路徑。這不僅降低了建模操作難度，還提升了模型的可解釋性，逐步培養(yǎng)用戶與平臺(tái)之間長期穩(wěn)定的人機(jī)協(xié)作信任關(guān)系。

自然語言建模高效精準(zhǔn)：面對(duì)特定場景需求，平臺(tái)的自然語言建模能力優(yōu)勢(shì)盡顯。與傳統(tǒng)建模工具相比，使用自然語言建�？墒菇�模耗時(shí)大幅縮短 70%，顯著提升建模效率。同時(shí)，通過領(lǐng)域知識(shí)增強(qiáng)與數(shù)據(jù)-模型協(xié)同校驗(yàn)機(jī)制，與通用大語言平臺(tái)模型相比，模型生成準(zhǔn)確率顯著提升 42%，確保模型質(zhì)量與實(shí)際需求高度契合。

多種建模技術(shù)：內(nèi)嵌混合整數(shù)規(guī)劃、約束規(guī)劃等多種建模技術(shù)，用戶可根據(jù)不同場景的特性與需求，靈活選擇適配的技術(shù)方案，實(shí)現(xiàn)定制化建模，保障優(yōu)化效果。在高價(jià)值場景中，平臺(tái)推出獨(dú)有的先進(jìn)建模方法。借助深度強(qiáng)化學(xué)習(xí)、嵌套優(yōu)化和模型分解等前沿技術(shù)，能夠有效解決大規(guī)模調(diào)度和復(fù)雜場景下的優(yōu)化難題。

強(qiáng)大求解引擎：集成了自主研發(fā)的LeOPT求解器，該求解器在全球求解器排行榜中穩(wěn)居第一梯隊(duì)，它支持線性規(guī)劃 (LP)、混合整數(shù)規(guī)劃 (MILP)、二次規(guī)劃等全場景優(yōu)化問題，尤其在大規(guī)模復(fù)雜組合優(yōu)化問題上表現(xiàn)卓越，創(chuàng)新的新融合機(jī)器學(xué)習(xí)與傳統(tǒng)優(yōu)化算法，實(shí)現(xiàn)了智能參數(shù)調(diào)優(yōu)、自動(dòng)模型預(yù)處理等，可以高效處理百萬級(jí)變量規(guī)模的工業(yè)級(jí)問題。

目前，聯(lián)想LeOPT優(yōu)化平臺(tái)已經(jīng)在消費(fèi)電子、專用設(shè)備、汽車、船舶等制造業(yè)發(fā)揮作用，覆蓋主計(jì)劃、物料需求計(jì)劃、工廠計(jì)劃、車間細(xì)排程、庫存優(yōu)化、物流優(yōu)化等場景。在賦能某合資車企的廠外物流計(jì)劃中，聯(lián)想LeOPT優(yōu)化平臺(tái)助力平均裝載率提升至86%以上，排線時(shí)間平準(zhǔn)化率提升至91.2%；在助力某大型船舶制造企業(yè)總組搭載排程優(yōu)化時(shí)，塢期優(yōu)化時(shí)間縮短至15分鐘以內(nèi)，總組平臺(tái)使用率提升至62%以上，塢期建造時(shí)間縮短至75天以內(nèi)。

歡迎參與

本屆 “OFweek 10th AI Awards 2025” 活動(dòng)正處于火熱的企業(yè)報(bào)名階段，申報(bào)通道將于 6 月 13 日截止！

這是展現(xiàn)企業(yè)實(shí)力、獲取行業(yè)認(rèn)可的絕佳機(jī)會(huì)，別再猶豫！有意參評(píng)的企業(yè)，點(diǎn)擊文末 “閱讀原文”，或填報(bào)下方鏈接，馬上行動(dòng)，讓您的企業(yè)在人工智能領(lǐng)域綻放光彩！

企業(yè)申報(bào)評(píng)選快速通道：
https://forms.ofweek.com/Form/preview/form_id/2019