产业优化决策平台沃时科技(Wushi Technology)最近宣布完成天使轮融资，投资者投资于明星风险投资。作为科技领域的一只行业基金，池星表示，决策智能是其关注的焦点。

传统制造企业往往具有数据量大、人力密集、工艺复杂等显著特点，人工智能作为一种以数据和算法为核心的技术手段，正被应用于各个着陆现场，其中，Woshi技术以智能制造和工艺优化等领域为重点，旨在为客户建立工业智能决策平台，利用数据和算法的优势，优化生产过程，降低成本，提高生产效率。

目前，Woshi科技开发的智能决策平台可用于医药、化工、能源、零部件制造等领域。在Woshi技术涵盖的众多行业中，制药CRO/CMO行业的快速发展尤为引人注目。根据Frost&Sullivan的预测，全球制药市场CRO从2006年的18%增长到2017年的44%，全球CRO行业的渗透率预计到2020年年底将达到54%。

在国内制药业快速发展的背景下，吴氏技术在现阶段主要以制药CRO/CMO行业为重点，为企业提供从数据端到研发端和生产端，从实验室环节到过程放大，再到生产环节的软件产品全过程。

在医学领域，人工智能的价值正在逐渐显现。市场上的主流竞争产品集中在人工智能技术的发达国家，如InsiloMedicine、原子化、数字、慈善AI、冰石和景泰技术，如美国和中国。那么如何在竞争中反映和石技术的技术和产品差异呢？

作为回应，Woshi Technology的创始人曾博士说，主流的人工智能驱动的药物研究和开发服务专注于药物发现。除了传统的药物化学反应预测外，Woshi技术的覆盖范围还包括解决工艺环节的问题。通过一套成熟的混合模型，为客户提供从基本化学反应智能探索到复杂生产单元优化的服务。同时，为了为不同需求的客户提供差异化服务，Wochi技术为客户提供了不同的模块化产品组合。通过API接口调用，客户可以进行封闭的测试和使用，从而保护客户的隐私和数据安全。

伍斯特同时覆盖了物料链和作业链

在算法层面，伍斯特算法具有以下特点：

用混合模型代替单一决策模型，通过使用数学规划和数据驱动模型）实现多目标优化

大规模建模和求解能力，整合大量约束，通过使用多维约束，实现了真实场景的描述，并给出了相应的优化方案

用不确定性动态模型代替传统的线性模型。伍斯特采用不确定动态模型算法，考虑到现场的不确定性事件，在技术积累的基础上提前制定响应策略，掌握了 1 亿级约束的大规模建模能力，并开发了相应的求解框架。

从业绩来看，伍斯特已与多家企业合作并签订了商业合同，其中包括 CMO 上市公司，并已进入第二轮合作。在第一轮项目验收中，伍斯特科技在提高实验室研发效率方面取得了显著成绩。该软件主要用于降低人员成本、试错成本情况、提高精度等方面。

值得注意的是，伍斯特的技术不仅应用于 CRO/CMO 行业，而且具有更广阔的市场空间。其核心的非线性整数解框架和建模能力也可应用于其他复杂度和不确定性较高的领域。如供应链、机器故障预测、先进调度等行业。

伍斯特团队的主要成员来自卡内基梅隆大学、中国科技大学、复旦大学、东南大学等高校。其核心研发团队成员具有海外博士背景。