半岛大模型如何突破语言的限制？决策智能是人工智能发展的重要阶段，它通过模拟人类的思维过程和反馈交互方式，为复杂的决策问题提供高效、可靠和优化的解决方案。决策智能在各行各业都有广泛的应用，尤其是在产业互联网领域的供应链、交通、物流等场景，它可以帮助企业提升运营效率、降低成本、增强竞争力和创新能力。

　　随着人工智能技术的不断进步，其也面临着新的挑战和机遇。如何利用大模型提升决策智能的性能和泛化能力？如何将大模型与具身智能相结合，实现更自然和灵活的人机交互，突破语言模型的限制？如何将决策智能应用到自然科学领域，解决一些基础和前沿的科学问题？如何将决策智能与新能源相融合，推动绿色和可持续的发展？

　　为了促进决策智能的发展和交流，DataFun将于8月12日-13日举办DataFunSummit2023决策智能峰会，邀请了国内外知名的学者和专家，共同探讨决策智能的前沿技术、应用案例和未来趋势。峰会将围绕强化学习、运筹优化、决策大模型、AI for Science等热门技术线个论坛，涵盖了供应链、新能源、交通、物流等多个产业领域。峰会将为参会者提供一个深入了解决策智能的机会，也将为产业互联网的发展提供一个交流合作的平台。

　　如果您对决策智能感兴趣，或者您想了解如何将决策智能、大模型应用到您的行业和企业中，欢迎报名参加，共同探索决策智能的无限可能。

　　个人介绍：曾任职于百度，参与构建了“凤巢深度学习系统”；曾在今日头条，主持设计新闻推荐系统与信息流广告系统。其研究领域包括人工智能、迁移学习、AutoML等，多次在 NeurIPS、AAAI、ACL、KDD、SIGKDD 等人工智能顶会上发表论文，获 APWeb2010 Best Paper Award等学术研究成绩，并被全球著名科技杂志 MIT Technology Review 报道。陈雨强在第四范式带领研究院与产品工程团队，实验、转化最尖端的人工智能技术，打造多款人工智能平台级产品，及第四范式大模型产品“式说”。

　　个人介绍：郝建业博士，天津大学智算学部副教授，华为诺亚决策推理实验室主任。主要研究方向为深度强化学习、多智能体系统。发表人工智能领域国际会议和期刊论文100余篇。主持参与国家基金委、科技部、天津市人工智能重大等科研项目10余项，研究成果荣获ASE2019、CoRL2020等最佳论文奖，以及NeurIPS20-21 黑盒优化比赛BBO、MineRL、求解器黑盒优化等冠军。相关成果在游戏AI、广告及推荐、自动驾驶、网络优化、物流调度等领域落地应用。

　　个人介绍：杉数科技联合创始人兼首席技术官，香港中文大学（深圳）数据科学学院教授、副院长。2012年获斯坦福大学管理科学与工程博士学位。曾任职明尼苏达大学工业与系统工程系副教授。现担任广东省人工智能数理基础重点实验室主任。主要研究方向为运筹学及机器学习的应用。他在运筹学和管理科学国际顶尖杂志上发表过超过50篇文章，并担任MS, OR, M&SOM, POMS等编委。王子卓教授曾经或正在主持包括来自中国国家自然科学基金、美国国家自然基金等多项研究项目。曾参与如京东，顺丰，滴滴，华为，南航等多项业界合作。

　　个人介绍：印卧涛博士，原加州大学洛杉矶分校（UCLA）数学系终身教授，世界知名数学家，于2019年加入阿里巴巴达摩院，负责决策智能实验室。他曾获得2016年晨兴应用数学金奖，运筹学和管理学研究会（INFORMS）优化协会，为表彰其在优化领域做出的突出贡献，授予中国数学家印卧涛2021年度Egon Balas奖，同时他也是自2018年至今全球top1%高引学者。

　　个人介绍：秦志伟（Tony）博士毕业于哥伦比亚大筹学专业，现任美国Lyft公司首席科学家，曾任滴滴美国研究院首席研究员和AI研究总监。主要研究领域横跨运筹学，机器学习和人工智能，并在强化学习及其在智慧交通，供应链优化和在线营销等应用上有特别聚焦。Tony在运筹学，机器学习和数据挖掘领域的国际期刊和会议上发表论文40多篇，拥有20多项授权美国专利，是KDD-2023领域主席，AAAI-2023、2021资深程序委员，以及多个顶会的程序委员。Tony获得2023年度全球运筹学应用最高奖项Franz Edelman Award决赛奖，以及2019年度INFORMS Daniel H. Wagner Prize运筹学杰出应用实践奖。

　　个人介绍：阿里巴巴菜鸟网络人工智能部资深算法专家，目前主要从事机器学习和运筹优化领域相结合的算法研究和架构体系设计。在阿里巴巴历经阿里云、天猫推荐、搜索、菜鸟网络，2015年团队获得CEO特别贡献奖。所领导的团队构建结合精确求解、启发式求解、深度强化学习求解的Greed Solver中的VRP Solver，突破了几十个世界范围内的best known solution，成功入围2021年Franz Edelman杰出成就奖全球决赛，于2022年被授予“杭州工匠”荣誉称号。

　　个人介绍：杨超，现任阿里巴巴达摩院决策智能实验室高级算法专家，过往工作包括深度学习、强化学习、数值计算等技术的研发与应用，曾于2021年带队获得过国家电网举办的电力调度AI大赛冠军，目前负责决策智能实验室强化学习相关技术的研发，以及数学与数据双决策引擎在电网调度中的落地应用。

　　演讲提纲：近几年来深度强化学习（DRL）在工业界的探索和应用越来越受到广泛关注，例如在电商推荐、供应链装箱以及航运路径规划等领域已经展现了一些成功落地的案例，但在更广泛的行业应用上，DRL仍然面临着一些挑战，例如缺乏泛化性、健壮性或安全性等问题。在人类有史以来构造的最复杂的工业系统之一的电力系统中，电网的调度运行更多的是依靠人工经验与数学模型来进行调控，但随着“碳中和”战略的要求以及可再生能源的不断发展，电网调度需要有更加高效的调度算法来进行辅助和协作。本次报告将从安全性的角度出发，介绍安全强化学习（SafeRL）的基本概念与常用方法，包括它在电网调度不同问题上的应用，以及由决策智能实验室打造的包含数学与数据双决策引擎的研发与部署应用平台。

　　周帆，上海财经大学统计与管理学院副教授，博士生导师，美国北卡罗莱纳大学教堂山分校博士。主要研究方向包括强化学习，深度学习，因果推断，多项研究成果发表于Journal of American Statistical Association，Biometrics，NeurIPS, ICML, KDD, IJCAI等国际权威统计期刊和人工智能顶会，曾获得泛华统计协会新研究者奖，北卡罗来纳大学教堂山分校生统系Barry H. Margolin毕业论文奖，入选上海市青年科技英才扬帆计划，上海市晨光计划，主持包括国家自然科学基金在内的多项省部级项目。

　　个人介绍：本科毕业于清华大学化学工程系，之后于美国康奈尔大学获得过程系统工程方向博士学位，研究方向包括供应链系统的多目标优化，考虑不确定性的两级随机优化及鲁棒优化算法，博弈论在供应链优化中的应用，大规模MINLP问题的建模与求解等。博士期间以第一作者的身份发表数十篇优化相关SCI论文，Google Scholar Citation引用次数达1000+次，并担任AIChE Journal、Computers & Chemical Engineering、Computers & Industrial Engineering、Operations Research等多家国际期刊审稿人。入选北京市科技新星，北京市海外人才聚集项目，现担任杉数科技副总裁，在物流、航空、能源、供应链、制造等场景下有丰富的运筹优化算法落地实施经验。

　　演讲提纲：本次分享在性能方面会介绍一下最新的 6.5 版本在线性规划和整数规划以及一系列非线性规划方面的最新求解效率提升和国际排名更新结果；同步会介绍包括分析模型不可行性、自动参数调优、设置初始解、callback回调能新功能特性；并以最新的南方电网电力现货市场出清场景来分享实际落地测试的最新性能进展。应用案例方面还会以石化、地铁、化工和零售供应链为代表场景进行分享。

　　演讲提纲：运筹优化在菜鸟的实践应用。作为一家全球化的物流公司，运筹学在菜鸟应用广泛，在多个场景下都落地产生了实际的价值，同时菜鸟在运筹学也有前沿理论的创新，很多问题的研究达到了业界领先的水平。

　　个人介绍：赵磊博士，清华大学工业工程系运筹学与数据科学研究所教授，运筹学与服务科学研究室（TOpS Lab）主任，交通科学与物流研究中心主任。近年来主要从事随机优化方法及其在供应链风险管理、物流和运输管理（特别是超大型城市中的物流配送管理）以及全渠道零售和物流中的应用，其研究获得国家自然科学基金、科技部等的资助，并且同中外运、中石化、中远海运科技、阿里、华为、美团、IBM中国研究院、日本三菱重工、美国通用磨坊等企业合作，研究发表于ANOR、COR、EJOR、MSOM、OR Spectrum、TRB、TRC、TRE、TS等运筹学和交通科学领域学术期刊；曾任美国运筹与管理学研究协会（INFORMS）交通科学与物流分会（TSL）秘书长和INFORMS Journal on Computing期刊副编，现任Transportation Science期刊副编和Transportation Research Part E期刊编委。

　　个人介绍：大型商超中的众多商户由各自的物流服务商提供配送服务。由于卸货泊位数量有限，未经协同的配送容易导致大型商超中的卸货拥堵。为此，我们提出了考虑卸货泊位约束的大型商超协同配送优化策略，建立了两阶段随机整数规划模型，考虑车辆行驶时间和卸货服务时间的随机性，并对复杂配送规则进行数据建模。我们设计了基于自适应大邻域搜索和混合整数规划模型的高效优化算法，并基于新加坡商超真实数据进行数值实验，展示了协同配送和考虑随机信息的价值。

　　个人介绍：王磊，京都大学博士，现任阿里云智能行业解决方案研发部高级算法专家，负责决策优化技术研发。曾任伊利诺伊大学香槟分校(UIUC) Beckman研究所人工智能实验室博士后，上海交通大学助理教授，长期从事决策优化、数据挖掘、人工智能的算法研发与行业应用。

　　演讲提纲：结合一个决策优化技术的行业落地案例，介绍决策优化算法在实际生产系统产生业务价值的难点和挑战以及相应的解决方法。分析决策优化算法在行业应用中的发展趋势与研发思路。

　　个人介绍：白辰甲博士现为上海人工智能实验室青年研究员，博士毕业于哈尔滨工业大学，曾在加拿大多伦多大合培养。研究方向包括深度强化学习、决策大模型、四足机器人应用等。在高水平学术会议和期刊上发表论文20余篇，出版专著一部，成果曾获机器学习顶会 NeurIPS, ICML, ICLR 亮点论文，并担任多个国际会议和期刊的程序委员会委员或审稿人。

　　个人介绍：研究领域包括游戏场景下的数据挖掘、异常检测、强化学习等。相关成果发表于KDD、，相关工作支持了《逆水寒》、《倩女幽魂》、《战意》等公司内外部游戏项目。

　　个人介绍：阿里巴巴集团高级算法专家，西北工业大学计算机硕士，曾在阿里网页搜索、广告、商品推荐等多条业务线从事先进人工智能算法研究与应用落地，在SIGIR、CIKM、ICASSP等人工智能会议发表多篇论文，多项国际国内专利获得授权，作为Tech Leader领导的阿里招聘智能化项目曾获得阿里巴巴集团CPO年度大奖金海豚奖。近两年聚焦新能源相关的决策智能算法研究与应用，带领团队获得国际人工智能会议NeurIPS 2022虚拟电厂综合能源调度大赛冠军，相关算法模型在山东电力交易项目应用落地，为客户持续显著创收。

　　演讲提纲：达摩院决策智能实验室推出了创新产品MindOpt Copilot，此产品是在全球大模型浪潮的背景下，利用实验室优化建模和求解的技术积累和优势所开发。MindOpt Copilot的目标是推动大模型和建模求解技术在运筹优化和智能决策领域的应用，使得数学工具能够更深更广地渗透到社会各个角落。这不仅能让大模型的应用超越传统的AI领域，更能在各种垂直领域中迅速崭露头角。本次分享将介绍和演示MindOpt Copilot。

　　个人介绍：中国科学院自动化所-博士，华为诺亚方舟实验室-高级研究员。主要负责具身智能，决策基础模型等技术方向的研究与落地应用。

　　个人介绍：许华哲博士现为清华大学交叉信息研究院助理教授，博士后就读于斯坦福大学，博士毕业于加州大学伯克利分校。其研究领域是具身人工智能（Embodied AI）的理论、算法与应用，具体研究方向包括深度强化学习、机器人学、基于感知的控制（Sensorimotor）等。其科研围绕具身人工智能的关键环节，系统性地研究了视觉深度强化学习在决策中的理论、模仿学习中的算法设计和高维视觉预测中的模型和应用，对解决具身人工智能领域中数据效率低和泛化能力弱等核心问题做出多项贡献。其发表会议论文三十余篇，代表性工作曾被MIT Tech Review，Stanford HAI等媒体报道。

　　演讲提纲：具身智能融合了决策智能、感知智能、机器人学等多个领域，使智能体在与环境的交互中提升其认知和行动能力。为了使智能体进一步走向通用人工智能，泛化能力将是重要基石。具身智能的需要何种泛化能力？需要如何实现这样的泛化能力？本报告将给出尝试性的回答，并从具身控制中视觉外观（Visual Appearance），几何位姿（Geometry and Poses）等角度切入，介绍研究者在以上领域的初步探索结果，以及后续可延伸问题。

　　个人介绍：邓亚峰，现任碳硅智慧创始人兼CEO，致力于用人工智能赋能生命科学，提高新药研发效率和成功率。他毕业于清华大学，近二十年人工智能算法及产品研发经验，曾任360集团副总裁、人工智能研究院院长兼搜索事业部总经理，科创版第一家人工智能上市公司格灵深瞳CTO；带领团队在计算机视觉、多模态大模型、知识图谱、机器人、智能搜索等领域做出过创新成果或先进产品；获得2021年中国人工智能年度十大风云人物称号，曾任中国图形图像学学会常务理事，北京人工智能产业联盟副理事长等职务。累计申请发明专利140余项（已授权98项），带领团队在FRVT、LFW、FDDB、OGB-Wiki、Flick30k-CN、COCO-CN、PRCV等国际国内主流人工智能竞赛或评测中获得过一流成绩。

　　个人介绍：负责建立生物AI大模型，并在靶点发现和蛋白质设计相关的应用任务中完成算法落地。 前微软亚洲研究院机器学习组主管研究员， 蚂蚁金服知识图谱及NLP算法总监。开源软件 lightGBM 作者，并著《分布式机器学习:算法，理论与实践》。研究方向涉及多模态，NLP，计算广告，图学习，因果推断，分布式机器学习等多方面， 在人工智能领域会议（ICML，NIPS，KDD，ACL，AAAI等）上有30+篇论文发表，研究工作 Google Scholar引用达 1w+。

　　个人介绍：郑行，深势科技算法研究员，博士就读于北京大学计算生物物理专业，主要研究方向为药物分子虚拟筛选、药物结合自由能计算、分子表示学习、分子生成等，主导研发了 Uni-Mol、Uni-Dock、Uni-GBSA 等系列工具，并参与建设 Hermite®️ 药物设计平台，致力于将 AI+Science 研究范式应用在解决药物设计的实际问题中。

　　演讲提纲：基本原理驱动和数据驱动是科学研究的两大范式。在 AI for Science 的时代下，两种范式下的方法开发都产生了新的变化。而随着预训练大模型的发展和其表现出的强大性能，数据标注、模型训练、应用构建等环节又产生了新的要求。本次报告将基于深势科技推出的分子三维结构表征学习框架和预训练模型 Uni-Mol 和第一性原理机器学习势函数预训练模型 DPA-1 的发展回顾，探讨 AI for Science 范式下的科学研究和预训练模型的发展和使用。

　　个人介绍：谢凌曦博士现任华为公司高级研究员。他分别于2010年和2015年于清华大学获得本科和博士学位，并且于2015年至2019年期间在美国加州大学洛杉矶分校和约翰霍普金斯大学担任博士后研究员。谢凌曦博士的研究兴趣覆盖计算机视觉的各个方向，主要包括统计学习方法和深度学习模型的应用。他的研究工作覆盖图像分类、物体检测、语义分割和其他视觉任务，并积极推动自动机器学习算法在上述领域的应用。谢凌曦博士已经在国际的学术会议和期刊上发表超过90篇论文，谷歌学术引用超过8000次。他于2015年获得清华大学优秀博士论文奖，并于ICMR2015会议上获得最佳论文奖。

　　演讲提纲：数值天气预报在每日天气预报、极端灾害预警、气候变化预测等领域发挥着重要作用，但是随着算力增长的趋缓和物理模型的逐渐复杂化，传统数值预报的瓶颈日益突出。研究者们开始挖掘新的气象预报范式，如使用深度学习方法预测未来天气。在数值方法应用最广泛的中长期预报任务中，AI预报方法精度仍然显著低于数值预报方法。

　　本次报告中，我将介绍盘古气象大模型，一种新的高分辨率全球AI气象预报系统。盘古气象大模型是首个超过传统数值预报精度的AI方法，1小时-7天预测精度均高于传统数值方法（欧洲气象中心的operational IFS），同时预测速度提升10000倍，能够在秒级时间内提供全球气象预报。古气象模型的水平空间分辨率达到0.25度，时间分辨率为1小时，覆盖13层垂直高度，可以精准地预测位势、湿度、风速、温度、海平面气压等气象特征。作为基础模型，盘古气象大模型能够直接应用于下游气象预报场景，例如在热带风暴轨迹预测中，盘古气象大模型的预测精度显著超过欧洲气象中心的细网格预报结果。

　　个人介绍：杨超林，上海财经大学信息管理与工程学院副院长，教授，杉数科技科学家。香港中文大学博士，国家优青。长期从事供应链管理、库存管理、数据驱动的运营管理等方面的研究。多篇代表性研究成果发表在《Management Science》、《Operations Research》、《Production and Operations Management》等管理科学领域国际顶尖期刊。主持多项科研与人才基金，包括国家自科优秀青年基金，国家自科面上基金，国家自科青年基金，以及上海市人才发展资金。研究成果曾获2015年度POMS-HK国际会议最佳学生论文奖二等奖和2015年度Service Systems and Service Management国际会议（ICSSSM15）最佳论文奖。为国内多家零售、物流、制造企业（包括京东、顺丰科技、华为等）提供库存管理与优化咨询服务。指导研究生获得首届阿里云基础设施供应链大赛亚军。

　　个人介绍：辛林威博士是美国芝加哥大学Booth商学院运营管理方向的副教授。他本科毕业于浙江大学数学系（2008年），后在美国佐治亚理工学院获得运筹学博士（2015年）。他的主要研究方向是库存和供应链管理：为公司/政府/非营利性组织设计模型和算法，以便在各种不确定的情况下有效地达到 供需平衡。他利用渐进分析对随机库存模型的研究获得过多个INFORMS（运筹学和管理科学研究协会）论文奖项，包括应用概率学会颁发的最佳论文奖（2019年）、George E. Nicholson最佳学生论文奖（2015年）、最佳青年学者论文奖第二名（2015年），以及制造与服务运营管理最佳学生论文入围奖（2014年）。他采取产学研相结合，与业界的广泛研究合作包括阿里巴巴集团，阿里巴巴菜鸟，京东物流，以及沃尔玛全球电子商务。他在阿里巴巴的库存管理系统中落地了基于博弈论和深度强化学习的补货算法，算法在阿里巴巴的自营品牌天猫超市中的采用率超过了65%，这项工作也入围了2022年INFORMS Daniel H. Wagner杰出实践奖。他与京东物流在智能仓库机器人调度算法方面的工作被素有运筹和管理科学界“诺贝尔奖”之称的INFORMS Franz Edelman奖所认可（2021年），累计可为公司节省数十亿美元。他的研究成果发表在《Operations Research》，《Management Science》，《Mathematics of Operations Research》和《INFORMS Journal on Applied Analytics》等学术期刊上。他的研究曾被多家中外媒体报道。他目前在芝加哥大学教授MBA以及博士生课程。

　　个人介绍：多年运筹优化算法研究经验，自加入杉数以来专注于为大型企业提供优化方案并实施，参与并主持实施了多个大型制造企业供应链与生产制造优化项目，主导设计华为多工厂生产排程项目与多级库存优化项目、顺丰选址优化项目、仓储优化管理项目和库存管理项目；永辉门店选址优化项目；万城万充选址优化与定价项目；上汽通用排产排程项目；舜宇光学物料计划项目；六国化工企业产销协同升级项目以及多家航空公司的航空排班和航班恢复项目等等

　　数据集团 数据研发总监、数据实验室负责人，上海市科学学研究所人工智能治理特聘顾问个人介绍：毕业于华中科技大学计算机专业。现为倍通数据集团数据治理与研发总监、数据实验室负责人，同时为上海市科学学研究所人工智能治理特聘专家、柳州市政府顾问，曾任BIG4数据专家、央企数据实验室负责人、DANONE数据转型顾问委员会成员。他专注于跨领域的商业模式创新与数据变现，曾从零到一为某大型集团建立数据能力体系和创新生态系统，赋能全业务领域。他热衷于行业贡献，曾参与国资委、工信部重点研究课题，他是（英国TheAISummit）VisionAIres.ai人工智能社区的创始成员之一，曾在哈佛商业评论、、APAC CIO Outlook、CIOApplications Europe等刊物发表文章。

　　个人介绍：董丰莲，中国石油规划总院高级技术专家，16年工作经验，长期从事石油产业链生产经营优化模型、算法和软件系统的开发与应用推广，主持研发了完全国产化、达到国际先进水平的石油产业链生产经营优化软件，并已在中石油总部和多家炼化企业成功应用。科研成果获省部级奖励3项，取得软件著作权20件，发表论文10余篇。

　　个人介绍：上海财经大学信息管理系统本科，斯坦福大学管理科学与工程硕士，熟悉数据分析、机器学习算法，以及运筹优化在工业界的应用。在杉数科技担任多个核心项目的技术负责人以及项目管理人，其中包括京东收益管理项目、华为大型生产排程项目、德邦与顺丰价格优化项目、永辉门店、顺丰场站选址、欧莱雅端到端供应链优化，及星巴克只能补货项目等。有丰富的技术落地以及项目管理经验。

　　个人介绍：毕业于芝加哥IIT，10年电力行业工作经验，曾先后入职西门子（PTI）、清华大学、阿里巴巴达摩院。研制的电力市场与调度运行优化算法应用于多个分中心，以及20余个省网级电力调度、交易部门。负责并参与多个电力现货市场的规则设计、算法开发、系统设计。现就职于阿里巴巴达摩院，负责绿色能源AI相关业务。主导研发优化与强化学习双决策平台、数学优化求解器、虚拟电厂等产品方向，在电网业务中实现电网调度底层国产引擎全自主可控替代、平台产品赋能南网多届AI调度大赛，降低强化学习与数学优化在电力调度开发门槛，实现技术普惠。

　　个人介绍：阿里巴巴集团高级算法专家，西北工业大学计算机硕士，曾在阿里网页搜索、广告、商品推荐等多条业务线从事先进人工智能算法研究与应用落地，在SIGIR、CIKM、ICASSP等人工智能会议发表多篇论文半岛官方网站，多项国际国内专利获得授权，作为Tech Leader领导的阿里招聘智能化项目曾获得阿里巴巴集团CPO年度大奖金海豚奖。近两年聚焦新能源相关的决策智能算法研究与应用，带领团队获得国际人工智能会议NeurIPS 2022虚拟电厂综合能源调度大赛冠军，相关算法模型在山东电力交易项目应用落地，为客户持续显著创收。

　　1. 国际人工智能会议NeurIPS 2022举办了以楼宇社区综合能源调度为赛题的CityLearn Challenge竞赛，以美国某社区真实的太阳能发电、负荷、储能调度控制数据为基础，优化电费和碳排放。大赛中我们以融合优化和强化的方案夺得冠军，值得一提的是我们单独的优化方案和单独的强化方案成绩也超过亚军队伍。冠军方案节约电费36%，减少碳排19%

　　2. 我将介绍问题理解及优化方程的设计、非线性优化近似线性化、考虑预测不确定性的随机优化方法、强化学习方案等。

　　个人介绍：阿里云智能电力行业线解决方案架构师，阿里云金牌讲师。浙江大学电气工程博士毕业，毕业后留校从事科研工作。发表论文32篇，撰写专利50余项，获得省级以上奖项5项。从事电力调度行业14年，长期从事包括电力系统计算分析与优化、电力大数据与人工智能算法、人工智能可解释算法方面的研究及应用研发。作为主要成员参与3个国家级重点项目，数智产品应用覆盖全国10余个省级调控中心、30余个地市级调控中心，并服务于G20、冬奥会等重大保供电事件。

　　演讲提纲：以区域电网自适应调控运行为例介绍数智孪生方体系；介绍镜像孪生、深度神经网络、强化学习、高性能并行计算等数智孪生关键技术在新型电力系统业务智慧中的应用。

　　个人介绍：纽约州立大学能源技术与政策硕士，8年能源互联网从业经历，曾任泰豪软件副总工、阿里巴巴达摩院智能决策实验室电力产品专家，研发服务于发电、售电、电网的多个电力营销及电力交易软件。

　　个人介绍：向琛，女，本科毕业于上海交通大学电气工程系，硕士毕业于德国亚琛工业大学电气工程系。现任蔚来汽车电网互动解决方案专家，负责汽车蔚来电力市场业务。曾任沃尔沃亚太区数据智能经理，负责亚太区数据智能业务，曾就职英飞凌德国以及ABB瑞士研发中心，从事电力行业控制算法与数据挖掘工作；对欧美电力市场改革以及国内各省电力市场改革深入研究，多次合作跨国团队参与相关技术咨询项目；曾就职于泰豪集团电网软件事业部担任产品总监，主持电力市场软件和算法开发设计工作，深度参与贵安配售电公司、腾讯高能网的电力交易、碳交易和售电云平台的开发工作。

　　个人介绍：李祖毅是浙江大学求是讲席教授，致力于解决碳中和战略大背景下，新能源及智能电网发展中出现的不确定性、可靠性、韧性问题。研究兴趣包括电力系统的安全经济、市场化、智能化运行，涵盖电力系统智能调度、电力市场设计、微电网及互联微电网、用户侧能源互联网。共同领导了世界上第一个校园微电网的设计、实施和运营。曾任伊利诺伊理工大学 (IIT) 电气与计算机工程系教授，以及 IIT 加尔文电力创新中心副主任。于1995年获得上海交通大学电力工程学士，1998年获得清华大学电气工程硕士，2002 年获得伊利诺伊理工大学电气工程博士。

　　演讲提纲：在全球能源转型以及国家能源安全的大背景下，中国的电力系统正在经历前所未有的转变。构建新型电力系统已经成为国家能源战略的重要组成部分。从调度决策的角度来看，新型电力系统与传统以及现有电力系统最大的区别在于高比例的新能源，而新能源具有很强的间歇性波动性或者不确定性；另外负荷侧的灵活资源越来越成为调度决策的一个重要元素；再者，电网侧也从传统的交流系统转变为交直流混合的系统。所有这些变化使得调度决策这一优化问题的求解难度极大地增加，传统基于数学规划的方法将不再能满足调度决策的优化性实时性要求，基于人工智能的方法将是必由之路。对电力系统这一对安全要求非常高的行业来说，解决调度方案的可行性是最重要的问题，避免人工智能“一本正经的胡说八道“将是一个至关重要的命题。

　　个人介绍：京东物流智能网络优化负责人，9年供应链优化算法和数字孪生模型开发和应用经验，在京东任职期间，作为算法核心开发人员，主导搭建了京东一台双塔智能决策算法体系，先后负责天策智能规划平台、京东物流数字孪生服务平台、应急物流规划平台，以及动态路由系统等核心系统算法的开发和推广应用。将数字孪生和大规模网络优化技术成功应用于中小件、快运、大件和TC等多类供应链优化场景，为京东物流节约成本年均1亿元以上。学术成果方面，在国内外期刊和会议发表仿线项专利在审。

　　个人介绍：夏明飞，目前担任三一集团智能制造数智化产品负责人。清华大学毕业，在校期间获“国家奖学金”，获清华大学优秀毕业论文、优秀毕业生荣誉称号。毕业后，曾在国家电网、京东物流等头部企业工作多年，从事供应链管理数智化转型工作，在供应链物流、智能算法、电网能源等方面具有丰富数智化工作经验，并在CIE等国际国内期刊发表SCI、EI论文多篇。

　　个人介绍：11年供应链物流智能化产品经验，目前在京东物流负责分拣、配送的智能化决策产品与落地。

　　个人介绍：姚宇，毕业于北京交通大学，获得工学博士学位，现任河海大学土木与交通学院讲师，硕士生导师。主持/参与国家级、省部级项目5项，在《Transportation Research Part B》、《Transportation Research Part C》、《Computers & Operations Research》等学术期刊发表论文10余篇。主要研究方向为运筹学理论及智能优化算法在物流、交通等方面的应用。

　　演讲提纲：本次演讲将介绍交替方向乘子法（ADMM）分解框架的构建方法，及其在物流、交通等领域大规模优化问题中的应用。

　　个人介绍：北京航空航天大学管理科学与工程专业博士毕业，北京经济技术开发区优秀人才，CSCP-供应链管理专业资格认证。先后在京东物流与顺丰科技工作，主要从事物流与供应链场景下的智能决策算法研发工作。

　　首先，我们将关注业界物流与供应链管理中的一些主要问题，如网络优化、库存优化、运输优化等，同时也将讨论运筹学的常见方法以及它们在处理这些问题中的潜在价值。

　　本次演讲的重要部分之一是探讨运筹优化理论与实践的结合。理论与实践的结合通常开始于理论模型的建立，然后将模型与实际问题相结合，通过优化算法求解，最后根据求解结果调整模型和算法。在这个过程中，必须深入理解问题背景，不断调整和优化模型和算法，以使结果更符合实际需求。

　　接下来，我们将深入了解如何将运筹优化算法落地实施。这一步骤包括模型和算法的选择、数据的获取和处理、算法的编程实现、测试和调优、以及结果的应用和反馈。这个过程需要运筹优化算法工程师、数据分析师、业务专家和IT支持团队的紧密合作。

　　此外，本次演讲还将讨论运筹优化算法工程师的职业发展路径，包括所需的基本技能，如数学和统计知识、编程能力、算法理解和设计能力等，以及在供应链管理领域的可能职业机会。在当前的人工智能、大数据等技术背景下，运筹优化算法工程师如何通过持续学习和技能提升，以应对快速发展的技术环境，也是本次演讲的一部分内容。

　　在演讲的最后，我们将通过一些顺丰的实际案例来直观地展示运筹优化方在供应链管理中的应用和效果。

　　传统的线路优化是基于业务经验自下而上进行反馈的，每日走货的线路通过一线调研就可以固化下来。对于不稳定的线路，若货量上涨申请临时加开线路，待货量稳定则转为固定线路；若货量不足则调整线路进行集货，或转隔天发货等。一线根据业务经验选择合理的线路方案进行走货。但随着线路逐渐覆盖到全国，依靠经验人工调节就存在明细的滞后性，货量增加容易造成爆仓延误时效，增加投诉；货量减少则线路不饱和，造成空跑，浪费人力物力。因此需要通过智能化，系统化的解决实时线路优化问题。

　　德邦应用蒙特卡洛算法和整数规划，打造线路动态路由平台，实时仿真货量流向，动态调整线路，并预警异常线路，在最小粒度调整的情况下，实现货量和线路承载的动态平衡。

　　DataFun 专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过500场线上线下沙龙、论坛及峰会，已邀请3000+专家和学者参与分享。旗下公众号 DataFunTalk 累计生产原创文章1000+，百万+阅读，17万+精准粉丝。