維科杯 · OFweek 2025（第十屆）人工智能行業(yè)年度評選（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，該評選是人工智能行業(yè)內(nèi)的一大品牌盛會，亦是高科技行業(yè)具有專業(yè)性、影響力的評選之一。

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

本次評選活動報名截止時間是 6 月 13 日，并于 2025 年 6 月 18 日 － 6 月 27 日進入網(wǎng)絡投票階段，7 月 30 日在深圳舉辦盛大的頒獎典禮。 目前，活動正處于火熱的企業(yè)申報階段，業(yè)內(nèi)企業(yè)積極響應。

參評企業(yè)

聯(lián)想作為全球領先ICT科技企業(yè)，秉承“智能，為每一個可能”的理念，持續(xù)研究、設計與制造全球最完備的端到端智能設備與智能基礎架構產(chǎn)品組合，為用戶與全行業(yè)提供整合了應用、服務和最佳體驗的智能終端，以及強大的云基礎設施與行業(yè)智能解決方案。

參評信息

申報獎項：維科杯·OFweek 2025人工智能行業(yè)優(yōu)秀創(chuàng)新力產(chǎn)品獎

產(chǎn)品名稱： 聯(lián)想LeOPT優(yōu)化平臺

產(chǎn)品特點：

聯(lián)想 LeOPT 優(yōu)化平臺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，有效解決供應鏈、交通、金融等多行業(yè)的資源配置和任務規(guī)劃問題。平臺基于聯(lián)想集團最佳實踐提供成熟優(yōu)化模型倉庫，開箱即用，幫助用戶高效應對各類場景中的優(yōu)化挑戰(zhàn)。

同時，聯(lián)想LeOPT優(yōu)化平臺還內(nèi)置多種基礎模型，支持交互式與智能體建模等輔助建模方式，幫助用戶高效應對復雜場景中的優(yōu)化挑戰(zhàn)。

1、自然語言建模提升建模效率

本平臺突破性地將基于大語言模型的智能體（LLM-based agent）與運籌優(yōu)化技術深度融合，打造出自然語言驅(qū)動的自動化建模解決方案。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、約束和目標函數(shù)，在用戶的交互與監(jiān)督下從0到1搭建運籌優(yōu)化模型。模型建好后自動存入優(yōu)化平臺模型倉庫，用戶上傳業(yè)務數(shù)據(jù)，即可調(diào)用求解器求解。智能體還能在求解后對結果進行深入分析，為用戶提供數(shù)據(jù)洞察，全流程實現(xiàn)需求描述→數(shù)學建�！�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%。通過領域知識增強和數(shù)據(jù)-模型協(xié)同校驗，與通用LLM平臺相比，模型生成準確率顯著提升42%，助力企業(yè)實現(xiàn)數(shù)據(jù)驅(qū)動的智能決策升級。

2、交互式建模提升可解釋性

聯(lián)想LeOPT優(yōu)化平臺打破了傳統(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)務人員，也能在平臺引導下快速完成模型搭建。工業(yè)領域的運籌優(yōu)化建模，是在遵守復雜多樣的業(yè)務邏輯規(guī)則的前提下，綜合提升各項業(yè)務指標，需要同時兼顧大量決策要素。因此，實際問題往往充滿各類建模挑戰(zhàn)，小到基本物理規(guī)律、場景基礎結構，大到多目標優(yōu)化、全局優(yōu)化等行業(yè)訴求，甚至包含動態(tài)變化、實時影響等外在因素。平臺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)學語言——比如用不等式約束限定資源上限，用結構方程描述變量關系，再將它們有機組合成完整的模型體系。這個過程不僅是對約束條件的細致梳理，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模型參數(shù)對結果的影響，讓“黑箱模型”變得透明。這種深度的人機交互與清晰的解釋機制，不僅提升了決策效率，更在用戶與平臺之間建立起穩(wěn)固的信任橋梁，助力形成可持續(xù)的人機協(xié)作生態(tài)。

3、自研求解器保證效率和適配性

平臺支持線性規(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，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)化平臺內(nèi)置聯(lián)想研究院人工智能實驗室自主研發(fā)的底層計算引擎——LeOPT求解器。通過優(yōu)化搜索框架、混合強化學習樣本增強等關鍵創(chuàng)新大幅提升問題求解速度。在復雜的優(yōu)化任務中將龐大的數(shù)學模型變換為求解模型往往耗時低效。LeOPT采用專為復雜約束設計的映射算法，相較于傳統(tǒng)方法，模型變換效率提升三倍以上。LeOPT借助機器學習技術的分階段優(yōu)化算法，智能識別，根據(jù)問題匹配算法模型技術自動參數(shù)調(diào)優(yōu)，針對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對不同行業(yè)問題的適配。

參評理由：

在數(shù)據(jù)與決策交織的現(xiàn)代網(wǎng)絡中，微小的決策誤差都可能引發(fā)巨大的連鎖反應。以金融行業(yè)為例，一家資產(chǎn)管理公司在進行投資組合優(yōu)化時，若因模型誤差導致資產(chǎn)配置出現(xiàn) 1% 的偏差，可能會造成數(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)計劃如果存在決策誤差，不僅導致設備空轉(zhuǎn)，還可能影響訂單交付。優(yōu)化已成為組織在數(shù)字達爾文時代的關鍵生存法則。但是，優(yōu)化建模和求解絕非易事。

數(shù)學建模作為破解復雜現(xiàn)實問題的核心工具，其技術深度與知識壁壘形成了較高的應用門檻。由于實際場景的多樣性與獨特性，不同領域需構建適配性極強的差異化模型體系：在供應鏈優(yōu)化場景中，物料采購計劃通常依賴線性規(guī)劃技術實現(xiàn)資源的精準配置；主生產(chǎn)計劃需借助混合整數(shù)規(guī)劃或強化學習算法完成生產(chǎn)排程的動態(tài)優(yōu)化；而面對復雜生產(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，才能達成全局最優(yōu)解。更具挑戰(zhàn)的是，現(xiàn)實問題常呈現(xiàn)多維度、復合型特征。以物流優(yōu)化為例，其業(yè)務流程涵蓋裝箱、路徑規(guī)劃、排線卸貨三大核心環(huán)節(jié)，每個環(huán)節(jié)均對應特定的數(shù)學難題：裝箱環(huán)節(jié)涉及 3D 裝箱問題，需在空間約束下實現(xiàn)裝載效率最大化；路徑規(guī)劃環(huán)節(jié)面臨復雜裝載同程多路徑規(guī)劃問題，需兼顧時效、成本與路況動態(tài)調(diào)整；排線卸貨環(huán)節(jié)則對應柔性車間調(diào)度問題，需統(tǒng)籌站臺利用率、卸貨順序和訂單優(yōu)先級等。這種專業(yè)知識與算法能力的深度融合，使得數(shù)學建模領域形成了較高的技術門檻，通常需要具備深厚數(shù)學功底、豐富算法經(jīng)驗的專業(yè)人員，才能應對這些復雜且極具挑戰(zhàn)性的現(xiàn)實問題。

不僅如此，優(yōu)化模型的構建還需要對業(yè)務需求的深度理解。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、消費者購買習慣等因素，只有精準把握業(yè)務邏輯，才能構建出貼合實際需求的模型。

在問題求解方面，許多實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)時間、成本等連續(xù)變量，還涉及到任務分配、設備選擇等離散變量，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，計算量呈指數(shù)級增長，對計算資源和時間要求極高。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。為了應對復雜模型求解，通常會選擇啟發(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，而且對于不同的問題實例，算法的性能表現(xiàn)可能差異很大，具有一定的不確定性；若對實際問題進行簡化和假設，這些假設可能與實際情況存在偏差，導致求解結果在實際應用中效果不佳。

在數(shù)學建模門檻高、現(xiàn)實復雜場景求解難的行業(yè)現(xiàn)狀下，聯(lián)想 LeOPT 優(yōu)化平臺以全鏈路技術能力與創(chuàng)新功能，為用戶提供高效解決方案。具體優(yōu)勢如下：

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

交互式建模智能引導：針對有自主建模需求的用戶，平臺的交互式建模功能提供強大支持。平臺內(nèi)置豐富的基礎模型庫，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)用戶與平臺之間長期穩(wěn)定的人機協(xié)作信任關系。

自然語言建模高效精準：面對特定場景需求，平臺的自然語言建模能力優(yōu)勢盡顯。與傳統(tǒng)建模工具相比，使用自然語言建�？墒菇�模耗時大幅縮短 70%，顯著提升建模效率。同時，通過領域知識增強與數(shù)據(jù)-模型協(xié)同校驗機制，與通用大語言平臺模型相比，模型生成準確率顯著提升 42%，確保模型質(zhì)量與實際需求高度契合。

多種建模技術：內(nèi)嵌混合整數(shù)規(guī)劃、約束規(guī)劃等多種建模技術，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方案，實現(xiàn)定制化建模，保障優(yōu)化效果。在高價值場景中，平臺推出獨有的先進建模方法。借助深度強化學習、嵌套優(yōu)化和模型分解等前沿技術，能夠有效解決大規(guī)模調(diào)度和復雜場景下的優(yōu)化難題。

強大求解引擎：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，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)模復雜組合優(yōu)化問題上表現(xiàn)卓越，創(chuàng)新的新融合機器學習與傳統(tǒng)優(yōu)化算法，實現(xiàn)了智能參數(shù)調(diào)優(yōu)、自動模型預處理等，可以高效處理百萬級變量規(guī)模的工業(yè)級問題。

目前，聯(lián)想LeOPT優(yōu)化平臺已經(jīng)在消費電子、專用設備、汽車、船舶等制造業(yè)發(fā)揮作用，覆蓋主計劃、物料需求計劃、工廠計劃、車間細排程、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劃中，聯(lián)想LeOPT優(yōu)化平臺助力平均裝載率提升至86%以上，排線時間平準化率提升至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，塢期優(yōu)化時間縮短至15分鐘以內(nèi)，總組平臺使用率提升至62%以上，塢期建造時間縮短至75天以內(nèi)。

歡迎參與

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

這是展現(xiàn)企業(yè)實力、獲取行業(yè)認可的絕佳機會，別再猶豫！有意參評的企業(yè)，點擊文末 “閱讀原文”，或填報下方鏈接，馬上行動，讓您的企業(yè)在人工智能領域綻放光彩！

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