“谁能率先构建起AI原生型产业生态，谁就能在人工智能时代抢占价值创造的制高点。”

运筹学领域国际顶级期刊《运筹学（Operations Research）》日前首次发表运筹学大模型工作。这一AI研究成果以开源生态模式打破技术垄断，为全球工业优化决策提供了“中国方案”。

据悉，《运筹学OR》发表的这一联合研究成果，来自上海交通大学安泰经济与管理学院特聘教授、智能计算研究院院长葛冬冬团队，与上海财经大学、香港中文大学（深圳）、杉数科技等单位，作为基于开源大语言模型的自动化优化建模框架，被命名为：ORLM，意为运筹大模型。

解放·上观AI制图

优化建模与求解，是运筹学在实际应用中的核心环节。传统运筹优化高度依赖人类专家经验，存在成本高昂、效率低下和泛化能力差等问题。而现有基于GPT-4等闭源模型的解决方案，虽能压缩时间，却面临企业核心数据外流等风险。

这项中国新研究首次提出了一种创新的、可定制化的开源大语言模型训练框架，专为优化建模任务设计。该框架支持对开源大模型进行领域定制训练，显著提升了模型在自动化建模与求解方面的能力。

在制造、物流、电商与零售等多个行业的生产计划，及库存管理、订单处理等场景测试中，ORLM辅助工程师平均缩短2小时以上决策时间，准确率提高10%-25%，有效提升了实际工业场景中人机协作的效率。尤为重要的是，该系统通过本地化部署解决了企业数据隐私泄露风险的定制难题。

解放日报·上观新闻记者了解到，这一研究构建了从数据生产、模型训练到场景落地的完整技术闭环，其创新价值在工业级实践中得到验证。团队构建了首个工业级优化建模基准数据集：IndustryOR，涵盖13个行业与5类典型问题（包括线性、整数、混合整数、非线性及其他），并设有多级难度划分。相比国际已有数据集，IndustryOR在多样性与现实性方面具有显著优势，为未来优化建模模型的评估提供了更全面、更严格且贴近实际的测试环境。

据悉，该研究提供了有效的开源模型训练路径，共合成约32481条高质量训练样本。实验结果表明，开源模型系列“ORLMs”在多个公开基准数据集上的表现均显著优于如GPT-4等的主流闭源模型及其他开源大模型，达到了当前该领域的最先进水平和能级。

专家认为，作为首个开源的运筹学大语言模型，ORLM的诞生标志着运筹学从依赖专家经验的传统建模范式，迈向自动化与智能化的新阶段。通过对开源大语言模型（LLMs）进行定向训练，ORLM使运筹优化技术更易于在工业界和学术界广泛部署与应用。这一自动化建模能力不仅显著提升了建模效率，还有效降低了技术门槛，使更多企业能够借助运筹学手段优化决策流程，实现降本增效的目标。

未来，随着模型性能的持续优化、强化学习等技术的引进与基准数据集的进一步扩展，ORLM有望在供应链优化、能源管理、医疗资源配置等多个关键领域取得实质性突破。同时，ORLM所构建的开源生态也为学术研究提供了宝贵的平台资源，推动运筹学与人工智能的深度融合，开辟智能优化领域的新路径。

葛冬冬。

值得关注的是，葛冬冬教授2025年第一季度已在《运筹学OR》、《国际控制杂志IJOC》，优化算法顶级期刊MOR、MP上连续发表（包括被正式接收）5篇大模型和优化算法论文，彰显中国学者在该研究领域的学术引领力。

目前，研究团队已开源了首个面向优化建模的大语言模型ORLM，为该领域构建起一个具有广泛适应性的模型生态基础，推动了优化建模技术的普惠化，为学术界与产业界提供了重要的参考范式与实验平台。

正值上海交通大学人工智能周，根据在交大行业研究院新发布的《“人工智能+”行业发展蓝皮书》，“人工智能+”行业研究团队负责人史占中表示，AI作为拥有自我进化能力的通用赋能技术，正以指数级创新速度突破“技术—经济—社会”的三重边界，其影响力已超越传统ICT技术的历史坐标系。人工智能与先进制造、量子计算、生命健康、新材料、新能源等前沿产业领域加速融合，将催生出更多新的科技和产业赛道。

身为蓝皮书主编，史占中教授认为，未来产业竞争的本质，将演化为“数据密度×算法精度×场景厚度”的乘积效应，“谁能率先构建起AI原生型产业生态，谁就能在人工智能时代抢占价值创造的制高点。”可以说，这既是技术经济范式的迭代，更是人类认知疆域的拓展，其深远影响将超越产业变革本身。

史占中

【新闻链接】

《“人工智能+”行业发展蓝皮书》的“6+3+3”

6个特征趋势：

（1）人工智能技术，驱动各产业数据-信息-知识的迭代

（2）数据和算法驱动的全链条智能化

（3）智能化催生流程与组织的范式创新

（4）垂直行业深度定制化

（5）人机协作模式快速发展

（6）云边端协同的轻量化服务

3大融合趋势：

（1）多模态大模型与具身智能的结合，推动制造、医疗、服务等场景向具身化决策演进；

（2）量子计算与生成式AI的融合，将加速新材料研发和能源系统优化；

（3）神经拟态计算与脑机接口的突破，预示着人机协同新范式的到来。

3个主要挑战：

（1）技术伦理与治理框架的完善，企业和个人数据隐私、算法透明度等问题需通过政府监管与技术创新同步解决；

（2）通用人工智能（AGI）的长期布局，随着多模态大模型、具身智能等技术发展，AI将逐步实现从小场景到通用场景的跨越，在复杂场景中有待协同拓展；

（3）全球化竞争背景下的生态竞合，未来国家与城市竞争的关键有待提升“技术能力+产业禀赋+生态协同”的综合优势。

• 媒体链接
  中国发表首个开源的运筹学大语言模型，辅助工程师平均缩短决策时间超2小时