去年有个开发者想解决一个排班问题，点进行业标杆的官网，定价页上只有一个按钮：「联系销售」。没有价格。没有套餐。什么都没有。
这种体验你熟悉吗？
他最后发现，这个叫Gurobi的工具年费1万到5万美金，而且许可证绑定特定机器——想在容器里自动扩容？门儿没有。于是他花了几个月，搭了一个9美元月费的API替代方案。
这件事的核心矛盾很有意思：一个几十年前就成熟的技术，为什么用起来像在购买企业级ERP？
线性规划到底是什么？
先快速过一下概念。线性规划（Linear Programming，线性规划）听起来很学术，其实很直白：在给定限制条件下，找出最优解。
你想最大化某个东西——利润、效率、产出——同时受制于预算、时间、人力、原材料。求解器算出数学上的最优答案。
混合整数规划（Mixed-Integer Programming，混合整数规划）是升级版：部分变量必须是整数。你不能生产3.7把椅子，只能是3把或4把。
这些问题的应用场景遍地都是：
• 制造业：工厂本周该生产哪些产品，才能在人力物料有限时利润最大？
• 物流：50辆卡车跑200个站点，最省钱的路线怎么排？
• 排班：30个护士分配到3个班次、7天，既要合规又要照顾个人偏好，怎么安排？
• 金融：20种资产怎么配置，收益最大同时风险可控？
数学理论早就成熟。但商业求解器的定价模式，似乎还停留在大型机时代。
那1万美金到底买了什么？
Gurobi是行业金标准，速度确实快。但问题在于购买体验。
一位用户在论坛吐槽：「最好的混合整数规划求解器（CPLEX、GUROBI、FICO）都贵得离谱，除非你是学术机构。」
另一位说：「Gurobi确实快，但许可证根本搞不定。」
还有人说得更直接：「我就烦那种定价页上什么都没有的。」
挖到的具体数字：Gurobi年费1万到5万美元，看配置；IBM CPLEX单用户起步价3420美元/年。
这些工具的设计对象是财富500强的物流部门，不是给SaaS应用开发排班功能的程序员。
许可证模式雪上加霜。Gurobi的许可绑定特定机器。一位Hacker News用户描述，他们公司「在eBay买了4台旧的24核至强」，就为了避开额外的许可证席位费用。
另一位点出了与现代基础设施的根本冲突：「没法让Gurobi在自动扩容的容器里跑，这最终让我们放弃了。」
云原生时代，你的基础设施可以秒级伸缩，但核心工具却要求你数物理CPU核心、填采购申请、等销售回邮件。
开源求解器 vs 商业包装
开发者没有从零写求解器——那确实不明智。他选了HiGHS，一个已在生产环境验证的开源LP/MIP求解器，包装成托管API。
调用方式：一个HTTP请求。没有许可证文件。没有销售电话。不用数座位。
月费9美元。
这个对比很刺眼。不是9美元 vs 1万美元的技术差距，是商业模式的差距。
商业求解器卖的是「企业级支持」+「性能保证」+「合规背书」。但对于一个需要嵌入产品功能的开发者来说，这些重资产反而是负担。
开源求解器的性能差距在缩小。HiGHS在标准测试集上的表现已经相当能打。对于大多数SaaS场景——排班、路径优化、资源分配——它够用了。
真正的创新在于交付形态：把求解器变成基础设施，而不是资产采购。
谁在重新定义这个品类？
这件事的趋势很明显：基础设施的「民主化」正在吃掉企业软件的溢价。
数据库领域发生过同样的故事。Oracle和SQL Server曾经是企业标配，现在PostgreSQL和云托管服务（RDS、Cloud SQL）承担了90%的场景。剩下的10%才需要专门采购。
机器学习也在走这条路。训练GPT-4级别的模型需要千万级投入，但调用API只需要几美分。
优化求解器可能是下一个。当开源方案的性能达到「足够好」，而云原生交付大幅降低使用门槛，传统厂商的定价权就会被侵蚀。
但这里有个开放问题：性能敏感的场景怎么办？
航空公司的航班调度、芯片厂的排产优化、高频交易的实时风控——这些场景下，求解速度快10%可能意味着数百万美元的差异。Gurobi和CPLEX的技术积累和工程优化，短期内难以被开源方案替代。
市场可能会分层：高端客户继续为极致性能付费，中长尾场景被云原生API收割。
这对传统厂商是威胁，也是机会。如果他们能推出灵活的、按量计费的云版本，而不是坚持机器绑定+年度合同，或许能守住更多阵地。
为什么这件事值得跟踪？
这个案例的价值不在技术本身，而在产品形态的洞察。
开发者识别了一个被忽视的细分市场：需要嵌入优化功能、但付不起企业级定价、也不想管理基础设施的SaaS团队。然后用最小可行产品（Minimum Viable Product，最小可行产品）验证需求。
9美元的定价是信号，不是终点。它测试的是「有没有人为这种便利性付费」，而不是「求解器值多少钱」。
如果验证成功，路径很清晰：按调用量阶梯定价、增加企业级SLA、扩展求解器类型（二次规划、随机规划）。本质上是在重建一个云原生的优化求解器品类。
更大的图景是：企业软件的「消费化」趋势在加速。买家从CIO变成个体开发者，决策周期从季度变成分钟，交付形态从安装包变成API端点。
每个传统品类都在被重新做一遍。这次是运筹优化，下次可能是仿真建模、有限元分析、或者别的什么「只有大企业才用得起」的工具。
如果你在做B2B产品，这个案例值得放进你的参考库：怎么找到被高价方案忽视的细分场景，怎么用现代基础设施重构交付体验，怎么用激进定价验证需求。
最后一个问题留给你：你所在的行业里，有没有那种「联系销售才能看价格」的工具？如果有，9美元的替代方案会是什么形态？
热门跟贴