当数学系毕业生走进车行：他用算法连接起两个世界

当数学系毕业生走进车行：他用算法连接起两个世界

2015年，王子儒走进广州大学的校门，开始攻读应用数学专业。那时他不会想到，十年之后，他会在波士顿的一个车行里用XGBoost算法为车辆定价，会站在INFORMS年会的讲台上向全球同行展示ChatGPT的公众情绪分析，会收到来自《欧洲商业、经济与管理杂志》的审稿人聘书。

从数学系到车行，这个转折看起来有点“反常识”。

在广州大学，王子儒学的是数学分析、高等代数、常微分方程、实变函数，以及一系列精算课程。这些训练给了他一种底层能力：把复杂问题抽象成模型，然后用数学语言求解。无论面对的是保险公司需要厘定的保费，还是车行需要确定的租车价格，在他看来，底层逻辑是一样的——变量、约束、优化。

2022年，他进入克拉克大学攻读商业分析硕士。这所学校位于伍斯特市，距离波士顿一小时车程，课程设置极其务实：机器学习、高级大数据计算、可视化分析、SQL数据管理……每门课都在教他怎么把数据变成决策。

正是在克拉克，王子儒的系统性技能树开始成型。

他和同学一起做了一个又一个项目：用PySpark处理11.5万条汽车销售数据、用七种机器学习模型预测航空公司乘客满意度、用随机森林和XGBoost预测沃尔玛的周销售额（准确率达到91.3%）。这些项目的代码被他托管在GitHub上，模型被他反复调优，特征重要性图被他画了一遍又一遍。抽象的数据，在这些项目中变成了能回答具体问题的工具。

但真正的转折发生在毕业之后。

2023年底，王子儒加入了CAC Auto Group波士顿分公司，职位是商业分析师。这不是一家科技公司，没有数据中台，没有算法团队。他面对的是真实的车队、真实的租约、真实的客户抱怨和真实的财务压力。

他本可以做一个“分析员”——坐在后台跑跑模型、出出报表。但他选择了另一种路径：把自己扔进业务里。

他亲手设计了整套租车业务框架。从客户信息怎么收集、车辆日历怎么画，到租约合同怎么自动生成、月度报告怎么一键导出——他把这些过去靠人工跑断腿的流程，全部塞进了自动化管道里。他还开发了一套半自动化的调度模型，把预订、可用车辆和保养计划放在一起平衡，计算出最优分配方案。这套系统上线后，车队的闲置时间明显减少，行政负担大幅减轻，定价决策也有了数据支撑。

更重要的是，这套系统验证了一个假设：用算法优化车队运营，不是大企业的专利。一套用Python、SQL和开源工具搭建的系统，完全可以在预算和人力都极其有限的环境中跑起来，并且跑出效果。

这个假设，成为他后来创立FleetOps AI的起点。

FleetOps AI的定价引擎是一个典型的技术样本。它采用树形机器学习模型（梯度提升和随机森林），在11.5万条车辆销售数据上做了基准测试，综合考虑车龄、里程、历史需求、季节性和区域市场数据，输出优化后的每日、每周和月度价格区间。在仿真实验中，这套引擎相较于静态成本加成定价，平均收入提升了18.5%，车队利用率提升了7.2%。

有趣的是，王子儒不必跟客户讲这些算法细节。他跟租车行老板聊的是“这辆车下周四该收多少钱”，跟小车队经理聊的是“怎么让你的车少停在车库多在路上”，跟维修厂老板聊的是“怎么在故障发生前就知道该换刹车片了”。他把这些复杂的计算，封装进了简洁的仪表板和一键生成的价格推荐中。用户不需要知道什么叫随机森林，只需要知道系统给出的建议比自己的“直觉”多赚了多少钱。

这种“把复杂留给自己，把简单留给用户”的设计理念，贯穿了他整个产品思路。FleetOps AI的订阅价格从每月399美元起——这个定价策略，让全球范围内数以百万计的中小型车队运营商都有机会用上过去只有大企业才能负担的智能管理工具。

2026年1月，王子儒收到了一份特殊的文件。《欧洲商业、经济与管理杂志》邀请他担任同行评审员，评审一篇题为“面向中小企业车队运营成本优化的集成AI框架”的论文。这意味着，学术界已经正式将他视为这个细分领域的专家——尽管他从未在任何大学担任教职，尽管他的“实验室”是一间车库，他的“科研经费”是自己的积蓄。

从应用数学到商业分析，从学术论文到车行代码，从Excel表格到XGBoost模型——王子儒走过了一条非线性的路。这条路没有遵循任何职业规划的教科书，却自洽地连接了几个看似不相关的节点。路的那一头是抽象的数学世界，路的这一头是真实的、满载货物的车辆，是忙碌的、需要做决策的小企业主，是全球经济最基础也最容易被忽视的根系。

而他正站在这条路的中间，把两个世界连接起来。(文/陈桐)