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 :
市政人工智能--从局部最优到全局最优
市政决策很少是在真空中做出的。 它们是在时间压力、预算限制、相互冲突的政治目标和日益复杂的情况下做出的。
在实践中，这往往会导致一种熟悉的模式： 决定的是当地的最佳项目，而不是全球的最佳组合。
这正是市政人工智能的战略意义所在。
局部最优：似是而非，但系统不完整
在传统的预算和投资过程中，项目通常是单独考虑的：
- 项目 A 是合理的
- 项目 B 是必要的
- 项目 C 在政治上是可取的
这些决定本身可能都是正确的。 问题出在项目之间：
- 预算竞争
- 筹资逻辑重叠
- 时间安排影响效果
- 组合产生新的效果
结果往往是局部最优： 一个在直接比较中令人信服的决策、 但在整体组合中却无法达到最大效果。
为什么说市政是指数系统
只要同时有多个项目需要决策 市政当局就离开了线性空间。
即使只有几个项目，决策空间也会呈指数增长。 如果有 50 个项目，就会产生一个无法再 "思考"--只能计算--的空间。
这就是为什么人类的直觉、Excel 模型和经典软件 不可避免地达到极限的原因：
大小比较：
我们的银河系和 "只有 "50 个项目的市政决策空间
有 11.25 亿个可能的项目组合
核心思维错误：项目而非组合
局部优化与整体优化的决定性区别不在于单个项目，而在于所有项目之间的相互作用、 而是所有项目之间的相互作用。
局部最优回答了这个问题：
这个项目有意义吗？
全球最佳实践回答了这个问题：
在所有限制条件下，所有项目的哪种组合能使整体效果最大化？
第二个问题无法凭直觉回答。
从选择到计算
现代市政人工智能（如 StratePlan）不会孤立地评估项目、 而是将其作为完整决策空间的一部分。
不是顺序评估，而是同时评估。
在这种情况下，市政人工智能并不意味着自动化。 它意味着事前优化。
没有计算的是建议
在传统的决策过程中，通常会选择几个方案。 从数学角度看，这只不过是在决策空间中猜测而已。
在 50 个项目中，每一个未经充分计算的决策都相当于 从超过四百万种可能性中做出选择--却不知道 不知道自己究竟离全局最优有多近。
全球最优：政治中立，技术可靠
全球最优并不是一个政治决定。 它是一个数学陈述：
在给定的目标、预算和限制条件下，恰好有一种投资组合 具有最大的整体影响。
现代市政人工智能使这一组合显而易见：
- 透明
- 可追溯
- 审计证明
政治机构继续决策--但 但这是第一次在整个决策领域，而不是部分决策领域的基础上进行决策。
结论：从直觉到可预测性
地方政府不是因为缺乏专业知识而失败。 它们的失败是因为复杂性呈指数级增长。
从局部最优到全局最优并不是一个文化问题，而是一个数学问题、 而是一个数学问题。
局部人工智能意味着
- 减少分期付款
- 减少机会损失
- 每欧元的影响更大
最重要的是 对整个机会空间做出公正的决定。