决策者：大多数战略决策都是在没有看到完整决策空间的情况下做出的
资本分配很少因为缺乏分析而失败。
如果有 20 个项目，就会有超过 100 万种可能的投资组合。
执行委员会审查项目。委员会确定措施的优先次序。
但几乎没有一个组织会在实际约束条件下计算数学上的最优组合。
全局最优仍然是隐形的。
如果不计算完整的决策空间，复杂性就会被管理而非优化。
在下文中，我们将分析组织如何对其投资组合进行正式建模，并在实际约束条件下事先确定全局最优{{ ： }}
Starting point：
这种新计算方法的决定性区别在于应用时间： ，而是在实际决策之前，根据公司完整的投资和项目清单进行计算。
通常情况下，会有一份潜在的 CAPEX 项目清单，如工厂现代化、工厂升级、新建厂房等。例如，工厂现代化、信息技术改造、产品开发、 基础设施措施或效率计划。同时，还有一些固定的限制，如有限的总预算、有限的工程能力、 生产窗口、风险预算和战略框架条件。
这就是真正的决策问题：并非所有项目都能实现。因此，问题不在于 哪些项目单独看来是合理的，而在于在给定的限制条件下，这些项目的哪种组合构成了全局最优的整体组合。
因此，新的计算方法并不孤立地评估单个项目，而是从这些项目中计算出最优的组合、而是从完整的项目清单 中计算出最佳项目组合，同时考虑到所有预算、能力、风险和战略限制。其结果是，在作出实际投资决策之前，从数学上合理地 选择那些能够共同产生最大总体价值贡献的项目。
这将 CAPEX 规划从一个连续的选择过程转变为一个持续的组合优化过程、 其中充分考虑了机会成本、限制瓶颈和组合效应。
为什么大多数投资组合在结构上都是次优的 - 90 秒内
- 投资组合决策根据逻辑 2^N生成组合决策空间。
- 从大约 20 个项目开始，几乎不可能进行完整的人工评估。
- 经验主义（如 "NPV 前 5 名"、"IRR > WACC"、"Payback < 3 年"）造成系统性扭曲。
- 组织将局部最优与整个决策空间中的最佳解决方案相混淆。
- 机会成本因此在结构上仍然不可见。
- 算法优化计算实际约束条件（预算、能力、风险、环境、社会和治理等）下的最佳项目组合。
结论{{ ： }}
那些不计算完整求解空间的人默认了次优资本分配。
博客主要文章 :
为什么蛮力决策原则上是不可能的
执行摘要
我们特意做出了在实践中几乎不可能实现的极为有利的假设。尽管如此，结果仍然是显而易见的： 2300 个选项的完整搜索空间无法通过蛮力计算出来--不是 "太慢"、 而是原则上无法计算。由此可见：价值不是通过更快的计算来创造的，而是通过数学优化（限定、缩减、减少）来创造的。 优化（限定、减少、智能控制搜索空间）。
假设（刻意乐观，并非争论不休）
- 决策空间：2300 种可能的组合 (300 个项目的二元决策）
- 评估选项（组合/路径）：1 µs = 10-6秒 (包括目标值计算、限制、评估--快得不切实际）
- 计算能力：1,000,000 个并行内核 (大于现实中可用的超级计算机容量）
步骤 1：问题规模
2300≈ 2,037 ×1090
→ 可能的投资组合数量：~1090
步骤 2：有效计算能力
- 1 次评估 = 10-6秒
- 1.000,000 个内核 ⇒106 次并行评估
- ⇒有效速度：每秒1012次评估
步骤 3：总计算时间
T = (2.037 ×1090) /(1012) = 2.037 ×1078秒
换算成年：
(2.037 ×1078) / (3.154 ×107) ≈ 6.46 ×1070年
步骤 4：宇宙分类
宇宙年龄：≈ 1.38 ×1010年
比值
(6,46 ×1070) / (1,38 ×1010) ≈ 4,7 ×1060
→4.7 万亿宇宙年龄
结果（清晰明确）
计算机无法完全计算2300 个选项。 速度不慢。不贵。但原则上不行。
即使有不切实际的快速评估、大规模并行化和完美缩放，这个问题在物理上和宇宙学上仍然是 在物理上和宇宙学上都无法用蛮力解决。
战略后果（决定性的一点）
- 蛮力：不可能
- Excel 和场景：毫无意义（与房间的大小相比）
- 直觉：系统性错误
→ 只有通过数学优化和边界、缩减和智能搜索空间控制 才能做出切实可靠的决定。