2026年上财AI+运营研讨会顺利举行

6月12日，由上海财经大学商学院运营管理系联合上海市数据科技与决策前沿科学研究基地主办，上海财经大学数实融合与智能决策交叉实验室、上海财经大学学报、上海财经大学中国式现代化研究院数智赋能绿色创新团队协办的“AI+运营”研讨会顺利举行。来自新加坡国立大学、多伦多大学、香港中文大学（深圳）、上海交通大学、香港中文大学、北京大学、上海财经大学等海内外知名高校的运营管理学者，以及来自亚马逊FBA全球科学部的行业专家齐聚现场，围绕AI技术在运营管理的科学研究、企业实践、行业变革中的应用及影响，开展主题报告、专题报告、圆桌论坛等多项交流活动。

12日上午，上财AI+运营研讨会顺利开幕，开幕式由上海财经大学商学院运营管理系系主任王文斌教授主持。上海财经大学商学院副院长高维和教授出席开幕式并致辞。高维和副院长首先向与会的各位专家、参会同仁致以诚挚欢迎与谢意，他表示，本次研讨会旨在搭建AI与运营管理领域的高水平学术对话平台，期待各位学界同仁充分分享前沿研究成果、碰撞学术观点；也欢迎全体参会人员踊跃参与研讨、互学互鉴，依托这一学术平台实现互启思路，共同提升，并预祝本次研讨会取得圆满成功。

本次研讨会汇聚了国内外运营管理领域的知名专家学者，聚焦人工智能在运营管理研究中的前沿成果展开主题分享，以及由学界专家与企业高管共同参与的圆桌论坛。

来自新加坡国立大学的张俊标教授作题为“Business Analytics in the Era of AI”的主旨演讲，探讨了AI时代商业分析领域的教育与研究转型。首先，张教授介绍了AI时代下知识生成的即时化冲击带来的就业格局转变，AI的崛起使底层的商业逻辑、预测视角等基础知识（Enduring Fundamentals）变得更加珍贵，懂行业且懂AI的专家与普通使用者之间的差距也会拉大，人类的核心竞争力更在于行动能力与专业深度。在AI的冲击下，未来的教育更应提升学生的专业技术水平，探索如何利用AI改善世界，以及如何在AI加持下，将精力投入到重要的课题行动中。

张教授还系统阐述了商业分析教育的转型方向：过去十年，亚洲商学院以满足市场需求为导向，着重于培养应用数据驱动决策人才。但随着AI的普及，商业分析的教育重点也应从公式记忆转向利用AI提升课堂内容层级，注重framing（框架）、communication（沟通）和validation（验证）等高阶思维能力的培养。最后，张教授通过讲述地缘政治对物价的影响的实例，主张AI生成的初步判断可能存在偏差，专业人士的价值在于利用科学模型（如博弈论、优化算法等）提高预测的精准度，并确保结果的可靠性。

来自多伦多大学的胡明教授作题为“When AI Meets OM”的主旨演讲。胡明教授探讨了人工智能与运营管理结合的研究方向，重点阐述了利用大语言模型进行推断与微调以解决长尾商品决策问题的理论框架。此外，胡明教授与其团队还分析了人机协作下的新型消费搜索与推荐机制，并提出了构建面向消费者的AI购物代理模型，通过多模型集成与LLM选择机制优化购买时机决策。胡明教授指出，对于学者，AI的加持将提升文章质量与发文速度，但同时也导致审稿量增加及拒稿率上升，需要更高质量的文章。对于劳动市场，部分场景下AI缩小了高低技能者的差距，但AI也可能导致对劳动力需求的两极分化，低技能的劳动者可能被替代，而高技能者则借助AI表现更佳。

其次，胡明教授介绍了基于大语言模型（LLM）的推断与微调理论，提出了长尾商品的库存与定价的解决方案，并通过两阶段模型构建了人机协作下的新型消费行为模型。最后，胡明教授讲解了面向消费者的AI购物代理。研究视角从解决企业运营问题转向为个人创建AI策略，帮助消费者处理日常运营决策，引入上层LLM作为“选择器”，根据商品特性判断适用哪种价格假设模型。

来自香港中文大学（深圳）的王子卓教授作题为“From Optimization Automation to Innovation: Building OR-Native AI in the LLM Era”的主旨演讲，围绕大语言模型赋能运筹优化展开，展示了人工智能赋能优化建模、算法设计和智能决策的最新研究。运筹优化虽已广泛应用于物流、制造、金融等行业，但在实际应用中存在建模门槛高、专业人才不足、业务需求与算法表达难以衔接等挑战。王子卓教授介绍了团队构建OR原生大模型的系统探索：以ORLM框架为基础，通过数据强化模型对变量、约束和代码生成的理解，通过微调提升专业建模能力；同时提出推理增强方法，对复杂建模中的关键错误进行轻量化修正，提升模型的过程推理能力。此外，Agora-Opt框架将多智能体协作、记忆机制和辩论机制引入优化建模，使模型能够在复杂问题中相互校验、积累经验，提升建模可靠性和求解质量。

在算法创新方面，王子卓教授重点展示了MILP-Evolve框架，利用大语言模型自动生成、演化和优化混合整数规划求解策略，体现了AI从“辅助建模”走向“参与算法设计”的潜力。结合IndustryOR真实产业案例数据体系和EM World Model教学科研平台，王子卓教授向大家展现了大模型推动智能决策与运筹优化创新发展的广阔前景。

圆桌论坛由上海财经大学研究生院院长魏航教授主持，特邀亚马逊FBA全球科学总监沈昕阳、新加坡国立大学张俊标教授、多伦多大学胡明教授、香港中文大学（深圳）王子卓教授同台参与交流。

当前人工智能已逐步具备问题识别与模型构建能力，在此背景下，嘉宾们继续聚焦三大核心维度充分交流：一是AI技术的发展对管理学、管理者更多的是替代还是促进；二是管理者应如何锚定核心职能、发挥不可替代的价值；三是管理学研究者应如何借力技术迭代，推动学科理论创新与研究方法升级。

主持：魏航▲

嘉宾：沈昕阳▲

嘉宾：张俊标▲

圆桌交流

 AI与运营管理：

促进还是替代？  

嘉宾：胡明▲

嘉宾：王子卓▲

沈昕阳认为AI对企业管理者的工作既是替代，又是促进，并结合亚马逊的企业实际情况，认为部分流程化的工作已经可以用AI工具替代，但是当前的企业管理者更应该关注如何在生产中融入AI，做好多智能体协同与目标设计；AI也创造了新需求与新命题。张俊标教授则结合新加坡现状，认为当下的管理者、政府应该用变化的视角看待AI的影响，关注AI带来的新工作，新经济体系，需要跟上技术、时代的发展，研究未来的变化方向。胡明教授则从运营管理的历史发展角度出发，指出技术发展中总会无法避免地带来两极的发展，但也总有措施应对AI技术带来的替代问题针对学术研究领域，他认为AI在提升产出效率的同时也带来了低质量内容泛滥的问题，研究应当回归问题本质，更多关注方法背后的底层逻辑与实践解释力。王子卓教授则从当前的项目推进的角度去诠释AI对人类的替代，认为过去成本高、周期长的项目在当下的启动成本显著降低的，管理者应当以此为契机，跟上时代，适应和拥抱AI技术。魏航教授在主持总结中表示，管理兼具科学与艺术双重属性，标准化的技术类环节可被AI替代，而管理的人本价值与艺术属性，将在AI时代愈发凸显其重要性。

下午的会议，参与分享的嘉宾们围绕会议主题各抒己见，并介绍了自己的研究进展。

来自上海交通大学的罗俊教授带来题为“Measuring Supply Chain Resilience: A Perspective Inspired by Material Mechanics”的演讲，围绕供应链韧性展开。罗俊教授指出，从新冠疫情到贸易冲突，全球性冲击使供应链韧性（SCR）成为各国政府高度关注的重点。然而，在行业层面存在实用测量框架的缺乏的问题，限制了将韧性从抽象概念转化为可分析、可优化量化指标的努力。下游订单可通过多种路径向上游传导，在传导过程中，可能引发产能闲置等问题，这使得衡量行业层面的供应链韧性面临重要方法论挑战。

受材料韧性测度方法的启发，罗俊教授提出两种适用于供应链网络的韧性指标，该指标满足三项要求：第一，应采用网络视角，同时保持计算上的可处理性；第二，应作为供应链网络（SCN）的内在属性，不依赖预设的中断情景或概率空间；第三，应能够反映供应链网络的适应能力。罗俊教授进一步构建线性规划模型以计算该指标，并通过三个具体供应链场景的案例研究展示其实际意义。研究结果为行业层面的韧性分析提供统一框架，并为宏观层面的供应链治理提供相关启示；同时，该框架有助于刻画系统稳定性并识别供应链网络的“屈服点”

来自上海交通大学的葛冬冬教授带来题为“New Advances in Mathematical Programming”的演讲，围绕数学规划求解器、高性能优化算法与异构计算平台的最新进展展开分享。葛冬冬教授梳理了国际主流数学规划求解器的发展历程，重点介绍国产求解器COPT的研发进展。目前COPT已进入NEOS、GAMS等国际优化软件生态，用户覆盖全球80多个国家和地区、2000余所高校和科研机构，体现了国产高端工业软件在全球优化计算领域的竞争力。

其次，葛冬冬教授介绍了团队在CPU + GPU异构计算方向的代表性成果，包括GPU一阶线性规划算法cuPDLP-C、原始对偶混合共轭梯度法PDHCG以及半定规划求解算法cuLoRADS等。这些方法充分利用GPU并行计算能力，在大规模线性规划、二次规划和半定规划问题中显著提升求解速度与可处理规模，并在欧洲EDA设计、PageRank、多层供应链网络设计、南方电网出清调度等任务中展现突出性能。报告还介绍了相关算法在市场均衡、量子有序搜索、机器人控制等前沿领域的应用突破。最后，葛教授展望“超智融合”的异构计算平台，强调未来数学规划求解器将与GPU、国产芯片、量子计算和企业级智能决策系统深度结合，构建高精度、高性能、可解释的优化计算底座。

来自香港中文大学的张任宇副教授带来题为“Calibrating AI for Simulation and Inference in Operations”的演讲。张任宇老师首先指明大型语言模型（LLM）为运筹学研究人员提供了两种不同的杠杆：一是用于社会仿真的廉价合成决策者，二是用于大规模实证分析的廉价预测标签。然而，AI输出往往存在系统性偏差，并且很少能达到运筹学严格研究所要求的统计或理论标准，他认为，校准是连接“丰富但不完美的AI”与可信研究成果的关键纽带，并在实证流程的两个阶段展示这一原则。

对于事前仿真，张任宇老师将行为理论转化为结构化的LLM提示，以区分上下文形成与上下文导航，对提示混合进行有限人类数据的校准，并通过自动链式推理分析验证结果与推理层面的对齐。校准后的代理能够重现原始行为假设，并在无需额外人类数据的情况下实现样本外泛化。对于事后推理，提出一种校准的LLM增强双重机器学习框架Aug-DML，将稀疏实验标签与丰富的LLM伪标签融合，在稳健性与效率之间进行权衡，降低因果估计的MAPE并保持名义覆盖率。这两个阶段共同表明，AI在运筹学中最有价值的作用并非替代理论或实验，而是在实证流程中经过精心校准的补充工具。

北京大学光华管理学院韩锦晖助理教授带来题为“Debiasing AI Agents: From Personalized Shopping to Social Science Studies”的演讲。报告聚焦人工智能智能体在现实应用中的“去偏”问题，探讨当AI agents成为人类决策中介时，如何识别并修正AI与人类目标之间的系统性错位。韩锦晖老师指出，AI agents的生成结果可能受到模型机制、目标函数和交互环境影响，与真实人类行为存在偏差。因此，研究者需要进一步研究应在多大程度上信任AI agents，如何将AI生成数据与有限的人类观测数据结合，何时停止继续收集人类样本等问题。韩锦晖老介绍了一个序贯分析框架，刻画AI与人类行为之间的差距，建立更稳健、可解释且具有统计保证的结合机制。

报告的第二部分转向个性化购物场景中的黑箱购物智能体。当前，购物智能体正被广泛应用于产品搜索、个性化推荐，但智能体的内部目标和决策机制对用户不可见，推荐结果也存在偏差。韩锦晖老师介绍了关于训练购物智能体的用户侧可训练白箱模型，通过学习结构化提示策略，引导用户与黑箱智能体之间的交互，使推荐过程朝着更高个体效用的方向调整，为理解AI agents的可信使用、偏差控制与人机协同决策提供了具有启发性的分析框架。

上海财经大学商学院柯晨旭副教授带来题为“Threshold Effects in Consumer Choice: Implications for Pricing and Assortment Optimization”的演讲，围绕消费者选择中的“阈值效应”及其对企业定价和品类优化的影响展开分享。报告指出，在现实消费场景中，消费者而是常常受到价格阈值和效用阈值的影响，价格变化与产品组合调整不仅会影响消费者对不同产品的相对偏好，也可能改变消费者实际参与比较和选择的产品范围。通过将阈值机制纳入消费者选择模型，柯晨旭老师进一步揭示了传统选择模型在刻画消费者有限注意、心理门槛和行为约束方面的不足。

柯晨旭老师进一步讨论了阈值效应如何改变企业的最优定价与品类管理决策，构建了包含消费者异质性、产品利润贡献和阈值约束的品类优化框架，分析企业如何在有限产品集合中选择最优组合，以实现预期收益最大化。柯晨旭老师还介绍了混合阈值Luce模型下的优化求解思路，通过猜测阶段与动态规划搜索阶段相结合的方法，应对复杂模型中的计算挑战，揭示了消费者心理门槛对定价逻辑、产品组合策略的深层影响，也为零售、电商和平台企业在复杂需求环境下开展产品上架、价格设计与品类优化提供了具有行为基础的管理启示。

研讨会尾声，上海财经大学商学院运营管理系系主任王文斌教授做闭幕总结，再次感谢与会的各位专家带来的精彩分享，期待未来更深度的学术合作与交流，本次“AI+运营”研讨会圆满落下帷幕。

本届研讨会为期一天，深度聚焦人工智能与运营管理交叉领域的前沿学术成果与产业实践，吸引了海内外多所知名高校的专家学者与产业界代表齐聚交流。会议通过主题报告、专题报告与产学圆桌对话等形式，充分展现了该领域的最新研究进展与实践探索成果，搭建起学术研究与产业应用双向赋能的高质量交流平台。作为本次研讨会的主办单位，上海财经大学商学院始终以培育卓越商学人才、推动学科创新发展为己任，紧密跟进数智技术演进趋势，持续深耕运营管理与数据决策等前沿方向。未来，学院将持续发挥学科与科研平台优势，深化交叉领域研究与产学协同创新，为商学学科高质量发展与产业数字化转型升级，不断贡献上财智慧与力量。