人工智能赋能政府采购转型升级

编者按：

从20世纪60年代开始，人工智能快速发展并逐渐展现出巨大的社会经济效益潜力。人工智能作为新兴产业已成为多个国家科技战略发展关注的重点领域，同时也为科技革命和产业变革注入重要动力，对社会发展、经济增长与国防安全等均产生了重要影响。世界各国为抢占科技发展优势，在国际竞争中掌握主导权，从多方面加强了对人工智能产业发展的支撑。

党的十八大以来，以习近平同志为核心的党中央高度重视数字经济发展，明确要求推动互联网、大数据、人工智能同实体经济深度融合。随着数据资源成为驱动经济发展的战略资源，平台经济成为驱动经济发展的新模式，寻求人工智能技术与招标采购的深层次结合和创新，促进招标采购由数字化向智能化转型，以及通过转型带动我国产业链供应链的升级，是当前招采行业的重要研究课题。本期《中国招标》特设专题，邀请多位业内专家从理论和实践两个角度对此进行探讨。

政府采购作为国家和地方政府在公共事务中购买商品和服务的重要手段，具有重要的经济和社会影响力。随着数字技术的飞速发展和数字化转型的推进，政府采购领域也面临全新的挑战和机遇。在此背景下，人工智能作为一种新兴技术手段，正逐渐融入政府采购的各个环节，为政府采购带来全新变革和机遇。笔者梳理了人工智能的发展历程及底层实现逻辑，分析其在政府采购领域的具体应用场景，并探讨人工智能在政府采购中的创新潜力，以期为我国政府采购领域的人工智能应用提供实践参考。

人工智能的发展历程及底层实现逻辑

智能之源：人工智能的基本概念及其演变

人工智能是一个集数学、计算机科学、脑科学等多领域的交叉学科。计算机通过不断学习，且对人类进行智能模拟后，既具备类人的认知、学习和适应能力，又拥有解决复杂问题、提高工作效率、辅助决策等能力，进而实现在多个领域的智能化应用。

人工智能的起源可以追溯到20世纪50年代，在这个时期，计算机刚刚问世，人们开始尝试将计算机应用于智能领域。早期的人工智能研究主要集中在基于逻辑的符号操作和基于启发式搜索的问题求解。随着计算机科学和技术的发展，人工智能的研究领域不断拓展，涌现出许多重要的理论和方法。从20世纪60年代的规则推理，到20世纪70年代的专家系统，再到20世纪80年代的机器学习，人工智能快速发展。目前，伴随着大数据、云计算等信息技术的飞速进步，硬件计算能力的增强为推动深度学习发展注入了强大动力。深度学习通过让计算机计算多层神经网络、模拟人脑认知过程，实现对复杂数据的自动特征提取和表示，从而减少人工智能在技术应用与现实场景之间存在的差距。当前，深度学习在计算机视觉、语音识别、自然语言处理等领域均取得了显著成果。

近年来，深度学习技术在不断进步，其主要演变方向是采用各种技术策略，运用更多的数据来训练更为复杂、规模更大的神经网络，即从少量数据到海量数据，从轻度复杂的小模型到高度复杂的大模型转变。2023年，大模型在人工智能领域取得重大突破。大模型是指具有数亿甚至数十亿参数及以上的深度学习模型，如美国OpenAI的GPT，以及国内的百度文心一言大模型、阿里通义千问大模型、科大讯飞星火认知大模型和华为盘古大模型等。这些大模型展示了卓越的性能，使人工智能在自然语言处理、计算机视觉等领域实现了从量变到质变的飞跃。深度学习技术及其大模型的发展，为人工智能领域带来了前所未有的机遇，进一步推动了技术的创新和应用的拓展。

三位一体：数据、算法与计算能力共筑发展基石

人工智能的底层实现逻辑离不开三个最主要的因素，分别是数据、算法和计算能力。首先，数据是人工智能发展的基石，通过对大量数据的收集、处理和分析，可以为机器学习和深度学习提供训练所需的丰富信息和测试的样本。其次，算法是人工智能的核心，也是人工智能的灵魂，它决定了如何处理和分析数据，以及如何进行模式识别和决策制定，实现对实际问题的解决。最后，计算能力为人工智能提供了强大的动力，是实现人工智能的关键，它提供了处理大规模数据和复杂算法所需的计算资源和速度。这三个方面的相互作用使人工智能能够模拟人类智能，并在各个领域展现出强大的应用潜力。

1.数据处理是构建高效准确人工智能模型的关键环节。高质量的训练数据能使模型更好地学习到事物的规律。将数据输入人工智能算法模型进行训练前，需要对其进行一系列处理，包括但不限于数据清洗、数据规范化、特征工程、数据标注和分类、数据集划分等。这些数据处理步骤是构建高效准确的人工智能模型的关键，但并不是每次数据处理要遵循一成不变的流程，可根据实际需求进行调整。

2.算法是驱动人工智能模型感知、思考与决策的力量。算法赋予了模型感知、思考和决策的能力，决定了模型如何对数据进行学习和优化。在当前人工智能领域，主流的算法主要分为两大类：机器学习和深度学习。机器学习算法包括许多子领域，如监督学习、无监督学习、半监督学习和强化学习等。深度学习算法主要包括卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）和生成对抗网络（GAN）等。这些算法通过层间的非线性变换和正则化技术，使模型能够自动学习数据的有用特征，从而实现对复杂任务的处理。

3.计算能力是助力深度学习和大模型发展的重要驱动力。随着硬件技术的进步，如图形处理器（GPU）、张量处理器（TPU）等高性能计算设备的出现，人工智能模型的规模和复杂度得到了极大提升。大模型的建立正是计算能力不断增强的体现。大模型具有更强的表示能力和泛化性能，可以处理更为复杂的任务和数据。得益于硬件技术的进步，研究人员现在能够训练更大、更复杂的模型，从而在诸多领域实现人工智能的广泛应用。

人工智能在政府采购领域的应用场景分析

在政务服务领域已成熟应用

因数字化时代的到来，人工智能技术在我国数字政府建设中发挥着日益重要的作用。政务服务作为数字政府的重要组成部分，人工智能的应用为政务服务带来了前所未有的变革，对政府职能转变、提升政务服务效率及便利民众生活具有重要意义。人工智能在政务服务领域的主要应用场景包括以下六个方面。一是智能咨询与答复，通过搭建智能问答系统实现政务服务平台与民众的高效互动；二是智能受理与审批，利用人工智能技术优化政务流程，实现政务服务事项的在线申请、自动审核、进度跟踪等功能，提高政务服务效能；三是智能数据分析与决策支持，深入挖掘和分析政务数据，为政策制定和执行提供支撑；四是智能监管与风险防控，实时监控政务服务过程，实现异常预警和风险防范；五是智能互动与公共服务，创新政务服务平台，提供个性化公共服务；六是智能助手与智能终端，为民众提供政务办事指南、政策解读等便捷服务，实现政务服务的线上线下融合。人工智能在政务服务中的应用致力于实现政务服务的智能化、高效化和便捷化。未来，随着人工智能技术的不断创新发展，其在政务服务中的运用将更加深入，为构建服务型政府和服务型社会贡献力量。

在政府采购典型场景探索应用

政府采购是推动数字政府高质量发展的关键环节，政府采购流程包括需求提出、预算审批、招标采购、投标评审、合同签订及执行等多个环节。传统政府采购存在信息不对称、评标主观性强、合同管理效率低及风险评估不足等问题。这些问题主要源于人工操作导致的失误，如评标环节受限于专家经验和主观判断、合同管理费时费力且易丢失、风险评估无法全面考虑风险因素等。因此，在政府采购领域，人工智能同样具有广泛的应用前景。为了解决这些问题，业界正在逐步探索智能招标、智能评标、智能合同管理和智能风险评估等人工智能技术和政府采购典型场景融合应用的落地。

1.智能招标

智能招标旨在通过分析招标需求和供应商信息，实现快速、准确的匹配。为实现这一目标，智能招标采用机器学习算法对大量招标需求和供应商数据进行训练和学习，从而能够自动识别和提取关键特征，并根据这些特征进行匹配，以达到高效、精准的招标匹配效果。

在招标需求分析方面，智能招标可以自动识别和提取关键词、技术要求、预算限制等重要信息，并将其转化为结构化的数据。通过对历史招标需求的分析，智能招标可以发现不同项目之间的相似性和差异性，从而为新项目的招标需求提供参考和建议。在供应商匹配方面，智能招标不仅可以根据招标需求的特征和要求，自动筛选出符合条件的供应商，还可以综合考虑供应商的能力、信誉度、价格等因素，并利用机器学习算法进行评估和排序。

2.智能评标

智能评标是利用自然语言处理技术，对投标文件进行自动分析和评分，旨在帮助评标专家快速、准确地对投标文件进行评分和排名。智能评标可以快速识别投标文件中的关键信息，如报价、技术参数、合同条款等，并通过预先设定的评价标准自动计算每个投标文件的得分和排名。

智能评标在政府采购中的应用可以极大提升评标效率和准确性，减少人为因素的干扰和影响，同时，可以降低评标成本，提高评标的公正性和客观性。智能评标不仅可以应用于政府采购、工程建设等领域的招标项目中，也可以扩展到其他需要进行投标评标的领域，为评估工作提供更加科学、客观、准确的支持。

3.智能合同管理

智能合同管理是基于图像识别和自然语言处理技术实现，旨在提取和管理合同信息，并利用图像识别技术对合同文件进行扫描和识别，将合同内容转化为可编辑的文本格式。同时，通过自然语言处理技术，智能合同管理能够分析和理解合同文本中的关键信息，如合同条款、金额、日期等，并进行分类和整理。

智能合同管理具备以下显著优势。一方面，它实现了合同管理效率的显著提升。相较于传统方式，人工阅读和整理海量纸质合同既耗时又费力，而智能合同管理则能自动识别与提取合同信息，从而大幅降低人力和时间成本。另一方面，智能合同管理提升了合同的准确性和一致性。由于人为因素的存在，传统的合同管理容易出现错误和遗漏，而智能合同管理借助自动化手段，确保了合同信息的精准录入和一致性。

4.智能风险评估

政府采购作为国家财政支出的重要部分，相关供应商信用评估和风险预测至关重要。政府采购智能风险评估是以财务、业务、法律和社会责任等多维度数据为依据，利用先进的技术手段，为政府提供精准、高效的供应商信用评估和风险预警。

政府采购智能风险评估具有显著的优势。一方面，它能提升供应商信用评估的效率和准确性，减少人工审核的成本。通过运用先进的大数据和人工智能技术，政府采购智能风险评估能够早期识别和预警风险，使政府及时应对供应商风险，确保政府采购项目的安全性和合规性。另一方面，政府采购智能风险评估的应用将会推动我国政府采购领域的技术创新和产业发展。随着大数据、人工智能等技术的进一步成熟，智能风险评估在数据挖掘、算法优化、智能决策等方面的能力将进一步提升，这将有助于降低政府采购风险，提高公共资金使用效率。

人工智能在政府采购领域应用展望

克服大模型等应用的融合难点

虽然大模型技术在自然语言处理、数据分析等方面具有显著优势，但如何将其与政府采购业务场景有效融合，实现定制化、高效化应用，仍需不断探索和实践。未来，大模型等人工智能技术的不断创新与发展，将推动现有技术下的政府采购智能应用向更深层次、更多领域拓展和升级。例如，通过构建供应商能力专属大模型，为政府采购提供有力的数据支持，从而提供更加精准的评估和预测，为我国政务采购领域带来更多高效便捷的解决方案。同时，随着技术的成熟，人工智能将在政府采购领域催生出更多创新应用场景，助力政务采购迈向智能化、透明化和公正化的新阶段。

推动政策法规和标准规范建设

人工智能在政府采购领域的应用涉及诸多法律和伦理问题，如数据安全、隐私保护、责任归属等。当前，我国相关政策法规和标准体系亟待加强完善，以促进人工智能在政府采购领域的健康发展。2023年7月，国家互联网信息办公室等七个部门公布了《生成式人工智能服务管理暂行办法》，为我国生成式人工智能的发展提供了清晰的发展蓝图和监管指导。借鉴现有实践经验，可尝试推进政府采购领域生成式人工智能技术应用的立法工作。同时，标准和评价体系是推动以大模型为代表的人工智能技术在政务采购应用中实现高质量发展的重要力量，第三方机构应加快构建相关人工智能技术应用标准和规范体系，指导人工智能技术在政府采购领域的建设、应用、评价等各环节，推动人工智能技术在政府采购应用发展“有据可依”。

加快培养复合型人才

在当前信息技术飞速发展的背景下，大模型技术在政府采购领域的广泛应用已成为时代发展的必然趋势。然而，这一技术的深入推进和实施，离不开高素质人才的有力支撑。政府部门需要一支具备专业技能和丰富经验的信息化管理队伍，熟练运用大模型技术开展政府采购的各个环节，如需求分析、风险评估、合同管理等。此外，具备跨学科知识的复合型研究人才，能够将大数据、人工智能等先进技术与政府采购相结合，不断探索创新应用，为政府采购提供更加高效、透明、公正的解决方案。

结语

未来，人工智能，尤其是大模型技术在政府采购领域的发展趋势和应用前景备受瞩目，同时，也面临着技术创新、政策法规、标准规范和人才培养等方面的挑战，需要政产学研各方形成合力共同努力，实现人工智能赋能政府采购成功转型升级。

（作者单位：中国信息通信研究院）