工業級優化決策平臺「沃時科技」，近日宣布完成天使輪融資，投資方為馳星創投。作為科技領域產業基金，馳星表示決策智能是其重點關注方向。

傳統制造業企業往往具有海量數據、密集人力、復雜流程等顯著特點。人工智能作為以數據為基礎，算法為核心的技術手段，正加速應用于各個落地場景中。其中，沃時科技聚焦于智能制造和工藝優化等領域，旨在為客戶搭建工業級智能決策平臺，利用數據和算法的優勢優化生產流程，降低成本，提高生產效率。

目前，沃時科技自主研發的智能決策平臺可以應用于醫藥、化工、能源、零部件制造等領域。在沃時科技覆蓋的諸多行業之中，醫藥CRO/CMO行業的高速發展尤為引人注目。根據Frost & Sullivan預測，全球制藥市場CRO從2006年的18%增長到2017年的44%，預計2020年末全球CRO行業滲透率達到54%。

基于國內醫藥行業飛速發展的背景，沃時科技在當前階段主要聚焦于醫藥CRO/CMO行業，為企業提供從數據端到研發、生產端的軟件產品全流程，覆蓋從實驗室環節、到工藝放大、再到生產環節。

在醫藥領域，人工智能的價值正在逐漸顯現。市場上的主流競爭品集中于美國和中國等AI技術發達國家，例如Insilico Medicine、Atomwise、Numerate、BenevolentAI、冰洲石、晶泰科技。那么如何在競爭中體現沃時科技的技術和產品差異呢？

針對這一問題，沃時科技創始人曾琢博士表示，主流的AI驅動的藥物研發服務主要聚焦于藥物發現環節。而沃時科技的覆蓋范圍除了傳統的藥物化學反應預測，還包括工藝環節的解決方案，通過一套成熟的混合模型，為客戶提供了從基礎的化學反應智能化探索到復雜的生產單元優化的服務。同時，為了能夠為不同需求的客戶提供差異化服務，沃時科技面向客戶提供了不同模塊化產品組合，通過API接口調用等方式，客戶可以進行封閉測試和使用，進而保護客戶的隱私和數據安全性。

沃時科技同時覆蓋物質鏈和操作鏈

在算法層面，沃時科技的算法具有以下特點：

以混合模型替代單一決策模型，通過利用數學物理模型（mathematical programing）和數據驅動模型（data-driven model）實現多目標優化

大規模的建模和求解能力，整合海量的限制條件，通過利用多維度限制性條件，實現真實的場景描述和提供對應的優化方案

以不確定性動態模型替代傳統線性模型。通過利用不確定性動態模型算法，考慮場景中的不確定性事件，并提前做出應對策略

基于技術積累，沃時科技已經掌握了億級別限制條件的大規模建模能力，并研發了相關求解框架。

從成果來看，沃時科技已與多家企業進行合作并簽訂商務合同，包括CMO上市公司，并且已經進展到第二輪合作中。在第一輪項目驗收中，沃時科技幫助實驗室提升研發效率的成果顯著。軟件主要作用于人員成本縮減、試錯成本境地、準確度提高等方面。

值得關注的是，沃時科技的技術不僅僅應用于CRO/CMO行業，還有更廣闊的市場空間，其核心的非線性整數求解框架和建模能力同樣可以應用于其他具有高復雜性和不確定性領域。例如供應鏈、機器故障預測、高級排產排期等行業。

沃時團隊主要成員來自美國卡內基梅隆大學、中國科學技術大學、復旦大學、東南大學等高等學府。其核心研發團隊成員均具有海外博士背景。
責任編輯：YYX