公共资源交易行业AI技术应用研究

AI（Artificial Intelligence，人工智能）被誉为21世纪三大尖端技术（基因工程、纳米科学、AI）之一，作为新一轮科技革命和产业变革的重要驱动力量，在提高工作效率、降低劳动力成本、优化人力资源配置以及促使新的职位需求方面取得了具有革命性意义的成就。随着国内外经济环境的变化，我国AI的发展也呈现出明显的阶段性特征，大体来看可以划分为初期探索（2017年以前）、加速推进（2017—2020年）和应用落地（2021年至今）三个阶段。截至目前，国内AI的基础建设和技术创新已经取得长足进展，公共资源交易领域也具备AI应用的基础。笔者从公共资源交易中心的视角，基于深圳公共资源交易数字化转型过程，探索AI技术的应用。

数字化新技术发展的现状

国内AI技术的发展现状

近年来，国内在算力、芯片和5G（5th Generation Mobile Communication Technology，第五代移动通信技术）等新型基础设施领域的发展呈现快速增长和持续创新的趋势，为AI的大规模计算和数据处理提供了强有力的支持。算力方面，我国的超级计算机在全球范围内一直处于领先地位，在量子计算领域取得了显著的进展；芯片方面，我国已经掌握自主研发AI芯片和GPU（Graphics Processing Unit，图形处理器）芯片等关键技术；5G方面，据中国互联网络信息中心发布的第53次《中国互联网络发展状况统计报告》显示，截至2023年底，我国累计建成5G基站337.7万个。

截至目前，国内的AI专利申请量居世界首位，新载体建设取得新进展，关键核心技术取得局部突破。计算机视觉领域，图像识别与分类、目标检测和跟踪、图像生成与处理等各方面都开展了技术创新，并取得显著的进展；自然语言处理和语音识别领域，中文自然语言处理在预训练模型方面取得重要突破，基于深度学习的方法在语音识别领域取得了显著的进展；机器学习领域，在深度学习框架和工具方面，国内的科技公司和研究机构在支持分布式训练、模型压缩和加速等方面实现了突破创新。

同时，国内在AI应用领域催生了大量成功案例。以语音识别技术为例，专业的AI公司通过大数据和深度学习算法的应用，使语音识别的准确率已经达到甚至超过了人类水平。此外，国内在人脸识别、自然语言处理、无人驾驶等领域也取得了重大突破，许多国内科技公司也在全球范围内崭露头角，国产AI未来发展能量巨大。

公共资源交易领域AI技术应用现状

目前，各省市公共资源交易平台功能日臻完善，招标采购业务活动基本实现全流程线上化，正在加快向数字化和智能化方向转型，AI应用具备一定基础条件，应用现状总结如下。一是AI技术应用呈点状、分散分布，未能实现全流程拉通，整体效能不高，主要满足领域内的业务实际需求；二是功能相对单一，以辅助人工操作为主，AI功能和应用的智能化水平不高，AIGC（生成式AI）应用尚无成功案例；三是各地公共资源交易中心都在积极探索应用，百花齐放、百家争鸣，尚未形成统一的标准。

综上所述，整个行业的AI技术应用比较依赖于AI厂商的技术成熟度，目前还处于初级探索阶段，并且由于各地经济水平和信息化程度不同，实际应用效果更是参差不齐。

深圳公共资源交易数字化转型AI实践应用

深圳交易集团数字化转型成果

为践行深圳市公共资源交易改革使命，深圳交易集团有限公司（以下简称集团）启动“风火轮”数字化转型计划，以服务大湾区、辐射全国的公共资源交易领域新标杆为总体目标，打造全国领行智远的交易生态平台。在公共资源交易领域全国首创“中台化＋低代码”创新架构，领先落地“云原生＋微服务”技术应用，行业率先实现“SaaS”（Software as a Service，软件即服务）互联网多租户模式，构建覆盖金融、主体信息服务等增值业务的生态服务体系，落实新技术在交易场景中的应用，推进数据应用创新场景设计与开发。当前，集团正在全力打造“风火轮”数字化品牌，探索生态合作模式，加快数字化成果转化和输出。

AI技术创新应用亮点

1.打造AI中控平台

在AI技术落地应用过程中，遵循中台架构打造了“AI中控平台”，实现向上统一提供服务能力、向下兼容各家厂商能力以及AI后台管理的功能（如图1所示）。

（1）向上服务，提供涵盖文字识别、内容安全审核、语音处理、自然语义分析、人脸识别等基础AI能力，以及针对要素交易业务特点，打造标的物智能提取、标的物智能分类、精准推荐、非结构化数据转换、围串标分析等定制AI能力。

（2）向下兼容，创新性采用“中台”概念，通过封装器兼容各家AI厂商的语音处理、OCR（Optical Character Recognition，光学字符识别）图像识别、自然语义处理等原子能力，可随时调整、启用、禁用各厂商原子能力，而不影响应用端的各类服务；

（3）后台管理，打造管理和监控一体化的AI资源管理中心，实现了账号鉴权管理、API（Application Programming Interface，应用程序编程接口）授权管理、资源使用管理、日志管理、文件管理、中继器管理等功能。

图1　AI中控平台

2.数据治理同行

伴随产品研发，集团同步启动了数据治理工作，以“盘、规、治、用”为思路，建立统一的数据资产、数据标准、数据质量、数据安全管理体系，实现了数据全生命周期的管控，为AI训练提供大量高质量的数据做好准备。

有别于传统信息化系统建设，数据是系统建设的附属物，集团数字化转型开展“风火轮”项目建设，坚持数据标准先行，首先解决了公共资源行业跨业务品类数据标准不统一、数据流通不顺畅的痛点和难点，共整理形成7大主题域，小计45大类、692小类，共5200余项数据标准，完成数据语言和度量衡的统一，打破数据流通的瓶颈。同时，基于标准规范和业务需求，结合日常数据使用的痛点和难点、紧急程度，开展历史交易数据的质量及安全提升工作，共整理出涉及2001个检核对象的3526条数据质量检核规则，为数据质量检测提供依据，为形成高质量的数据资源夯实了基础。

3.应用场景丰富

集团积极探索、创新应用新技术，沉淀了较多的应用案例，取得了较好的应用效果，为市场主体提供便利服务、为平台运营提升运行效率、为主管部门贡献智慧监管。以下主要从基础通用应用和定制场景应用进行介绍。

（1）基础通用应用

用户注册、办理业务时，提供各类证书的文字识别功能，减少用户输入信息，节约办理时间，提升用户体验；公告、新闻等发布时，提供文字、图片、音频、视频的违法违规识别功能，能够及时预警，提升审核效率；专家入场时，闸机提供人脸识别功能，方便专家快速便捷进入场地；专家评审时，提供人脸登录功能，快捷登录开评标系统，开展评审活动；客服服务时，利用录音转文字能力，将客服通话录音转化为文本，对可能出现的违规用语、危险用语等进行及时的干预处理。

（2）定制场景应用

利用标的物提取模型，从交易公告、项目名称、标的名称等非结构化信息中提取项目的交易标的，在信息检索时，以达到精准搜索，减少信息检索成本、缩短信息链路；利用标的物分类模型，从标的名称等非结构化信息中提取关键信息，将项目或标的进行自动分类标记；在用户办理业务、登录系统时，通过智能推荐模型，可为用户推送项目公开信息、项目公告等；在分析项目交易行为时，通过围串标分析模型，能够精准分析项目是否存在违规行为；在档案整理时，通过非结构化转化结构化模型，可对标书等多类文件的图片、文字等非结构化数据进行识别并抽取形成结构化数据，减少人工录入成本，提高档案利用率。

实践启示

AI技术的发展趋势

1.国内AI技术的发展趋势

（1）生成式AI将继续快速发展

随着ChatGPT（Chat Generative Pre-trained Transformer，OpenAI研发的一款聊天机器人程序）和Sora（OpenAI发布的人工智能文生视频大模型）等生成式AI工具的接连问世，大幅度缩减了以往人类科技改变生活、影响行业发展的进程，根据曼迪普·辛格（Mandeep Singh）领导的彭博行业研究分析师（Bloomberg Intelligence）发布的一份最新报告，该行业可能会在十年内以高达42％的复合速度高速增长。

（2）AI将进一步融入各行各业的工作

事实上，在许多情况下，生成式AI工具使用起来非常直观，各行各业员工会非常快速地采用这些工具，让其作为“秘书”来随时辅助自己的工作。在今年1月的达沃斯论坛上，OpenAI的联合创始人、首席执行官萨姆·奥尔特曼（Sam Altman）也强调，AI带来的技术革命不同于以往，但AI不会像人们担心的那样取代许多工作，而是会成为一种“提高生产力的不可思议的工具”。

（3）AI监管问题将受到重视

由于AI在技术逻辑和应用过程中存在模糊性，可能引发一系列风险，这些风险可能对个人隐私和企业利益造成威胁，还可能对整个社会的公平性和稳定性产生负面影响。今年以来，全球多个国家和组织纷纷出台倡议或规范，要求加强人工智能的安全监管，人工智能即将告别粗放式发展，迎来安全与发展的同步阶段。当然，人类在努力让技术变得人性化的同时，需要将安全视为一种推动因素、一种在人与技术之间建立信任的必要方式，而不是一种限制或要求。

2.公共资源交易领域AI技术应用发展趋势

（1）AI从功能辅助向全自动智能作业发展

贯穿需求、招标、投标、开标、评标、定标、合同签订、履约管理等环节、全流程智能化作业成为现阶段最急迫的业务需求，预计短期内全流程智能化的公共资源交易“数字人”将会出现。

（2）细分领域专业化的AI大模型将在短期内形成

国内AI头部企业的一些大模型已经开始创建布局新型产业模式，对行业模型支持力度增强，预计公共资源交易领域专业大模型将在短期内呼之欲出。

（3）AI应用将与其他新技术融合发展

除了AI之外，还有许多其他新兴信息技术也在朝着更加人性化的方向发展，并且开始规模化应用。未来，公共资源交易领域AI技术将与其他新兴信息技术充分融合发展，解决横亘在人类与技术之间的许多痛点，帮助释放更大潜力。

公共资源交易AI技术应用的挑战和路径探索

1.AI技术应用面临的挑战

（1）缺乏高质量的数据，应用存在安全风险

AI需要大量的数据进行训练和学习。当前公共资源交易领域数据质量不高，且存在大量的非结构化数据，这些数据可能涉及个人隐私和敏感信息，如果数据泄露或被滥用，将带来严重的隐私和数据安全风险。

（2）研发应用技术不透明，基础投入成本较高

部分AI算法和模型的工作原理不够透明和可解释，这给用户和相关方带来困扰，也限制了AI的应用范围和可信度。当前，硬件设备、软件开发和数据处理，以及算力、人才和技术经验仍然是一项高额成本，对交易中心来说也是一项较大的负担。

（3）应用结果的权威性存在质疑，导致应用范围受限

由于法律法规和制度的部分缺失、机器学习算法的不成熟以及训练样本数据的不完整等原因，智能客服、技术标评审、监察监督等场景下的结果输出还达不到实际应用的效果，可能会给交易平台带来质疑和投诉，这也在一定程度上影响了AI技术的推广应用。

2.AI技术应用的路径探索

（1）推动相关法律法规的完善和数据标准的制定

推动相关法律法规的完善，实现跨地域的公共资源交易流程标准的统一，减少法规制度和逻辑关系的解构难度，将有限的资源投入公共资源交易领域大模型预训练中，提高模型训练效率和质量。同时，推动行业数据标准的细化及贯标落地，为大模型训练提供高质量的数据样本。

（2）推动行业数据的治理和算料集的交易

全国各地公共资源交易中心的交易平台数量众多，虽然沉淀了大量的业务数据，但由于数据标准不统一而无法进行互联互通，因此要推动行业内开展数据标准的统一以及数据质量的治理工作，打通数据流通链路、挖掘数据价值；同时充分利用各地数据交易所的功能，促进算料集的交易，为人工智能产业提供了强有力的数据支持，提高数据资源的配置效率和效益。

（3）开展AI应用顶层设计和集中资源培育行业模型

首先，公共资源交易领域应按照《国家新一代人工智能标准体系建设指南》（国标委联〔2020〕35号）开展AI应用顶层设计，整体规划平台建设和AI技术应用，整合当前数字化资源，拉通业务全流程，推动数据融通产生价值。其次，要集中资源，尽量避免各自为战，统筹协调行业领域各种资源开展专业化模型训练，为行业赋能；最后，当前行业AI模型还处于应用初期，在关注模型带来的成效同时，更要关注和重视模型的持续训练，要通过时间不断沉淀，真正释放其潜力。

前路的确任重而道远，但“坐以待毙”只会被时代淘汰。当前，AI时代已经来临，AI将作为未来10—20年最重要的新质生产力之一，推动整个社会生产力的跃升。公共资源交易市场是我国特有的要素交易市场，推动公共资源交易工作高质量发展对优化营商环境意义重大。因此，应顺应技术发展趋势，探索AI与行业发展融合新路径，促进数字化走向智能化，加速推动行业高质量发展。

（作者单位：深圳交易集团有限公司）