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 :
2026 年伦敦人工智能颠覆性技术研讨会--为什么决策优化正在成为一种竞争优势？
应伦敦高盛集团（Goldman Sachs）的邀请，我有幸参加了2026 年高盛颠覆性技术研讨会。 在与来自各行各业的投资者、技术公司和决策者的多次讨论中，我们发现了一个明显的共同点： 决定增长的不是 "更多的项目"，而是投资项目在数学上的最佳选择、顺序和组合。
许多讨论中反复出现的一个主题是
特别引人注目的是，结构性问题经常被证实：公司早已不再只考虑短期预算、 而是考虑3 年、4 年、5 年或 10 年计划。这就带来了一个根本性的挑战： 不是 "一个 "投资决策，而是在预算范围内同时进行几十到几百个可能的项目、 能力、风险和战略限制。
因此，决定性的问题不再是：A 项目好吗？ 而是在现实限制条件下，所有可能项目的哪种组合能产生最大的投资回报率？ 这才是真正优化的开始。
效果从起始位置开始：全局最优
从许多讨论中得到的一个重要启示是，任何人都应将自己的投资环境视为一个完整的系统 并据此计算出最佳投资组合起始位置的人，并不是从随机的优先顺序开始的、 而是从全局最优开始。
这种数学优化的起始位置从根本上改变了战略管理、 因为每一个进一步的决策都是基于已经计算出的最佳投资组合。
数年的优化周期
这种效果在多年规划范围内尤为明显。 每年对项目组合进行重新优化，形成了一个连续的战略周期：
- 所有投资项目都作为一个项目组合进行建模。
- 数学价值最高的组合将被实现。
- 未承诺的流动资金将保留并转入下一个财政年度。
- 可用预算增加并再次优化。
这就形成了一个随着时间推移不断优化组合的系统。 资本、影响力和战略清晰度相互促进。
在 3 年、4 年、5 年或 10 年的时间里，这就形成了一个优化、预算增长和战略影响的循环--一种结构性的 战略影响--结构性竞争优势。
重要：项目不会消失--它们会得到更好的定位
这一点在许多讨论中都得到了证实： 在优化的投资体系中，项目不会被 "抛弃"。
它们会被调整优先次序、推迟实施或在战略上更好地定位、 这样，它们就能在适当的限制条件下，在最佳时机产生最大的投资回报率。
结论：决策质量成为竞争优势
高盛颠覆性技术研讨会清楚地表明 未来几年决定性的竞争优势将不仅仅来自于新技术、 而是通过系统地改善资本分配决策。
用数学方法优化投资组合的人 不仅使单个项目的价值最大化，而且 而是整个公司多年来的价值最大化。
"每家公司都有权实现利润最大化"。
这并不意味着短期利润最大化、
而是资本、资源和时间的最佳利用--基于
决策逻辑、
这种逻辑应符合投资的实际组合性质。
Sascha Rissel 是一位企業家、策略顧問及科技遠見家，擁有超過 20 年在複雜商業模式的開發、擴展與優化方面的經驗。他結合深厚的企業管理專業與高度的科技理解，特別專注於 人工智慧、演算法決策模型 以及 系統最佳化 等領域。
透過 StratePlan 與 DeepAnT 等計畫，他持續推動以數據為基礎的 ROI 計算、智慧化專案優先排序與預測分析的發展。他的核心重點在於 可衡量的影響力、可靠的決策基礎，以及將高度複雜的數學模型轉化為可實際落地的解決方案，服務於企業、公共行政與工業領域。
Sascha Rissel 代表一項明確的原則：始終將 策略、科技 與 影響力 系統性地整合思考。