沙利文发布《2026年中国决策智能：重塑产业经济的“AI第三极”》

人工智能能力的演进并非单一路径替代，而是识别、生成与优化的层层递进。分析式AI擅长识别规律、预测趋势，回答“发生了什么”和“可能会怎样”；生成式AI侧重内容创造与自然语言交互，回答“如何表达”和“如何协同”；决策式AI则面向复杂业务目标，将预测结果、业务规则、资源约束与优化目标纳入统一决策流程，进一步回答“应该怎么做”。尤其在多目标、多约束和动态扰动并存时，单纯预测或生成往往不足以给出可落地答案。白皮书将其视为人工智能由工具性走向行动性的重要演进方向，其输出不止是洞察或方案草稿，而是排产计划、调度指令、路径规划、库存配置等可直接进入业务流程的行动方案。

与概率性生成不同，决策式AI通常以目标函数、约束条件和求解过程为依据，强调结果的可解释、可验证与可审计。在电力、航空、制造等低容错场景中，高性能求解器的速度、稳定性和数值精度，往往决定方案能否在真实业务中被采用。

从价值边界看，决策式AI并不孤立存在，而是与分析式AI、生成式AI形成协同：前者提供预测、识别和归因能力，后者降低知识交互、模型构建和结果解释门槛，决策式AI则完成约束求解、方案权衡与执行闭环，并根据业务反馈持续迭代。三类能力的结合，使人工智能能够从“辅助判断”进一步走向“主动行动”，尤其适用于复杂调度、资源分配、动态定价、生产计划、路径规划与供需协同等高价值业务环节，并通过反馈形成持续优化的决策闭环，进一步提升运营效率与系统韧性。

来源：沙利文分析

决策式AI并非单一模型、单点工具或固定技术路线，而是一种围绕业务目标与执行结果，融合数据、模型、规则、知识、仿真、优化及反馈机制的智能决策范式。其能力贯穿数据理解、目标建模、方案生成、仿真评估、优化求解与执行反馈等环节，旨在将复杂业务问题转化为可执行、可评估、可追踪并能够持续迭代的行动方案。

完整技术架构可分为三层：底层算力底座与加速库，为不同决策技术提供统一的数据、模型、算力和治理支持；中层多路径决策能力融合预测分析与因果判断、智能体协同、规则引擎与知识推理以及优化求解器与数学规划等技术；上层智能决策平台与行业应用则面向制造、能源、交通、航空航天和金融等场景，将技术能力转化为生产计划、调度指令、路径规划与资源配置等业务行动。决策式AI的关键不只是具备多种技术能力，更在于通过全栈架构实现算力、模型、算法、平台与场景的纵向贯通，使不同技术路径能够根据业务目标灵活组合，并形成“感知—判断—生成—优化—执行—反馈”的完整闭环。全栈协同能力由此成为提升决策质量、工程效率与规模化复制能力的重要基础。

全球决策式AI产业整体规模呈现显著的增长态势，增长的底层动力来自企业对复杂运营决策的系统性升级需求，市场容量将实现量级提升。决策式AI的市场空间，由其在能源、制造、交通、供应链等高复杂度场景中，对可验证、可执行、可持续优化的具体决策价值共同支撑。以下按三层核心口径测算，覆盖从底层求解能力、平台化能力到行业解决方案交付中的应用价值。

全球决策式AI市场正从单点算法工具，扩展为覆盖平台能力与行业解决方案的全栈价值空间，预计市场规模将由2025年5,261亿美元增长至2030年14,627亿美元，2025-2030E CAGR约22.7%。

从市场结构看，产业重心正从底层算法软件逐步向决策平台层和行业解决方案层上移。底层求解器与数学优化软件提供核心计算能力，但客户采购重心正更多转向集建模、求解、仿真、调度和执行闭环于一体的平台化产品与行业交付服务。市场增长的主要增量预计将来自行业解决方案层。随着行业场景拓展、工业智能体、数字孪生和数据治理体系逐步成熟，决策式AI的商业化将从单点验证走向多场景复制，推动市场规模保持较高增长。

能源电力、智能制造、交通物流、航空航天与消费零售等领域，普遍存在决策频率高、约束条件多、结果影响范围广等特征，因而成为决策式AI较具代表性的应用方向。

在能源电力领域，决策式AI可用于电网经济调度、新能源出力协同和现货交易策略优化；在智能制造领域，可围绕复杂排产、多工厂产能协同、库存补货和异常重调度，在交付时效、设备负载与物料约束之间进行整体权衡；在交通物流领域，则可应用于车辆路径规划、航班恢复、运力分配和港口调度，在突发扰动下动态调整资源配置。相关技术实践也表明，调度、路径规划、线性及混合整数规划正在成为国际优化工具持续拓展的重点能力。

面向航空航天等高可靠场景，决策式AI能够将轨迹窗口、动力学条件与安全边界转化为可验证的优化模型；在消费零售领域，则可支持库存分配、动态定价和营销预算优化。未来，其落地路径有望由单点计划工具逐步延伸至覆盖“预测—建模—求解—执行—反馈”的闭环决策体系，并由一次性项目应用走向跨区域、跨业务单元的持续优化。真正理解行业物理约束与业务流程，并将其沉淀为可复用模型和平台能力，将成为决策式AI实现规模化价值的重要基础。

从中国竞争格局看，本土企业已在算力、求解器与行业应用各层形成多元布局：大模型与智能体厂商贴近经营流程，但精确优化往往依赖外部引擎；预测决策平台擅长数据分析与业务优化，但在全约束条件下的最优求解方面仍有边界；行业软件和垂直模块贴近具体场景，但跨行业复制与标准化交付仍需验证；商业化求解器掌握核心算法能力，但价值上限取决于其与国产算力、建模平台和行业交付的协同。整体来看，中国决策式AI具备产业体系完整、场景复杂度高、国产替代需求明确等发展条件；下一阶段仍需在底层算法、跨层接口、工程化交付与可复制商业模式上持续积累。