https://mp.weixin.qq.com/s/SFuA5e2RdDP-zOu1daFnrQ
《政府采购需求管理办法》要求，采购人在确定采购需求前，要从相关产业发展、市场供给、历史成交情况等几个方面进行需求调查。产业发展、市场供给是政策环境、市场环境，更多是决定采购方式的不同，而应用人工智能技术可以化繁为简，通过历史成交信息结合应用场景来制定采购需求，使之具备理论和数据支撑，变得更科学，也更具可操作性。本文针对当前框架协议采购推进中出现的采购需求标准制定问题，结合当下人工智能技术实际落地应用情况展开探讨。
政府采购目录内适合框架协议采购的货物类品目约20个，在过去电子卖场的交易中，这些品目的历史成交信息是以采购订单形式存在的。单个商品的订单数量、成交商品的数量是最直观反映采购人需求的数据，因此，以历史成交数据为基础，从包数、配置、最高限价3个维度进行分析建模，合理制定框架协议采购需求，解决当前需求制定的难题，路径可行。
首先，合理设定需求包数量。目前框架协议采购的需求包数量设置具有一定的随意性。从理论上来讲，采购包数量多，产品配置更精细，产品数量也较多，市场竞争较充分。但从市场化配置资源的角度看，在采购总额一定的情况下，可采购商品选择性越多，订单商品越分散，入围供应商、厂商的积极性和服务质量越会降低，进而直接影响采购人的采购体验。如，某地台式计算机设50个包，便携式计算机设40个包，而据统计，电子卖场台式计算机采购额占比约25%，便携式计算机采购额占比约8%，台式计算机采购数量大约是便携式计算机3到4倍。从数据相关性分析，便携式计算机设置40个包明显偏多。
因此，合理的采购包数量是与该品目历史成交采购额和采购数量正相关的，不同品目之间的包数设定，应根据不同品目采购占比变化趋势，保持包数合理的增减变化。主观、随意、粗放式设定采购需求包数是不科学的，也不是良性的供需关系，不能体现政府采购管理目标。
其次，合理设定配置标准。在确定品目的包数后，合理设置各包的配置是采购需求管理的核心和关键。配置包括标准属性（特征）和属性值两个方面。对于属性标准，《政府采购需求管理办法》明确：“可以直接引用相关国家标准、行业标准、地方标准等标准、规范，也可从项目目标提出更高的技术要求。”目前台式计算机、便携式计算机、一体式计算机、工作站、通用服务器、数据库、操作系统已有相应的标准规范，其他品目的标准规范有关部门也在抓紧制定中。有标准规范的品目的采购需求可以确保按统一的标准执行，没有标准规范的品目的采购需求仍然由采购人、征集机构根据品目特点定义。
有了标准规范，如何合理区分各品目属性（特征）标准之间的差异值，即属性值，从而进行不同的采购需求分包？这是政府采购需求管理的重点，也是难点。根据历史成交信息，可以解决上述难点，合理地设定采购需求包的配置范围。
第一步，可以从两个维度对历史成交信息进行分析，一个是采购数量最多的商品，另一个是被更多采购人采购的商品（采购人数量多的商品）。采购数量多代表商品的性价比较高，而采购人数量多代表商品覆盖不同的应用场景。
第二步，将采购人数量多的商品配置进行分析，从关键属性和价格影响因素进行不同参数值或参数范围值调整，形成不同配置的采购需求包；同时，对采购数量多的商品进行同样的分析，形成需求包做补充。这一环节要注意结合市场、行业情况，特别是新技术、新产品的应用情况。例如，当前计算机已经发展到AI PC时代，核心芯片不是单一的CPU，而是集成封装了CPU、GPU和NPU。当前以CPU作为关键指标来设置框架协议采购的需求存在不足，应根据新技术的变化，在需求包中也补充相应场景的配置需求。
第三步，进行商品验证，确保每个采购需求包有至少3个以上品牌，且每个品牌至少有一个对应的商品。为保证有更广泛的品牌厂商响应征集，采购需求包对应的商品品牌、生产厂家越多越好。
最后，合理设定最高限价。《政府采购需求管理办法》要求采购需求“量化指标应当明确相应的等次”，最高限价也是采购需求的量化指标之一。目前有部分框架协议采购征集时，无论多少个需求包都统一以行政资产配置标准作为最高限价，这是不符合政府采购需求管理要求的，可能导致低价高配置和高价低配置的商品入围，这与政府采购倡导的“最优性价比”采购管理目标不符。所以，不同的配置标准，应该设置不同等级的最高限价。
那么如何设定最高限价？框架协议采购的价格是要经过公开征集和充分的市场竞争的，各厂商为了入围必然会以相对较低的价格参与报价，虚报价格的可能性相对较小。不同的配置需求包进行成交商品覆盖验证时，对该配置下全部商品的价格进行分析，可以取最高价或部分商品价格的平均价作为最高限价。人工智能作为一项新兴技术，正融入到政府采购各个环节，给政府采购带来全新的机遇和变革。数据、算法是人工智能两大基石，算力是人工智能的核心。以历史成交信息制定采购需求，借助人工智能技术建设采购需求大模型，为政府采购提供高效、公正、便捷的解决方案成为必然趋势。笔者仍以框架协议采购为例，来阐述人工智能在需求模型建设方面的思路和实践。
一是建立品目包数模型。以当地乃至全国近3年成交信息为数据基础，以交易额和交易商品数为主要锚定目标，通过各品目间的数据变化，建立各品目包数的关系式，再综合品目产业环境、国家政策、品牌及生产厂家数量等因素，模拟人脑认知过程，以数据为支撑科学分包，实现各品目需求包数的合理化。
二是建立标准配置模型。品目标准和配置要求是需求制定的难点，完全可以借助人工智能深度学习技术来解决。通常一个品目有几十个、甚至几百个标准属性（特征），每个属性还有多个属性值，每年关联几万个商品，几十万笔交易，数据量巨大。要对这些巨量数据进行合理分组，必须依赖人工智能技术。通过计算机计算多层神经网络深度学习技术建立高效、准确的人工智能品目分组模型，并自动实现对各配置商品、品牌覆盖情况和限价的验证，不断模拟人脑优化模型，使各需求包配置建立在数据决策的基础上。
基于国内成熟的开源模型，目前针对政府采购领域的大模型已有落地案例。近年来全国多个地方政府采购平台的公开项目结果、卖场成交订单、框架协议采购项目的需求与结果，以及部分大型电商的商品数据是训练大模型的基础数据。经过训练后的大模型能够智能推荐商品、协助机构制定框架协议采购需求。这为采购人制定需求、编制采购文件提供了一个科学、合规、合法的智能化工具。
随着人工智能技术与政府采购的融合、发展、创新，以人工智能技术建立采购智能需求大模型，科学地解决框架协议采购推进过程中的难题，是全面助力政府采购迈向智能化、公正化的必由之路。此外，人工智能技术在政府采购领域还有更广阔的应用场景，例如，基于大语言模型的智能评标系统，可以基于供应商提供的资质、材料、图片等投标文件，自动识别并排查风险点，并能理解投标文件合理打分；也可以基于大语言模型进行智能交易撮合，根据采购人的采购需求进行商品推荐及交易撮合。因此，随着大语言模型技术越来越成熟，相信未来政府采购会越来越智能化。
service@mail.gcycloud.cn
福建省福州市长乐区数字福建产业园东湖路33号2号研发楼4层
北京市西城区月坛南街14号月新大厦7层、12层
