6月26日-28日，由中國石油和石化工程研究會聯合中國石油、中國石化、中國海油、國家管網、國家能源、中國中化等單位舉辦的“中國石油石化智慧供應鏈技術交流大會暨石油石化企業供應鏈管理研討會”在西安市召開。北京筑龍智能化事業部總經理、筑龍研究院副院長胡婧玥受邀出席，帶來主題為“大模型加持下的采購供應鏈智能化應用”的分享，同與會嘉賓探討北京筑龍基于AI大模型在采購供應鏈中的應用與探索。

胡婧玥指出，AI大模型技術雖在文檔解析、對話交互等方面表現出色，但面臨數據安全、業務建模、模型泛化等挑戰。特別是在特定問題處理上，其答案可能缺乏數據支撐，影響應用的可信度和可靠性。

她表示，大模型在行業內的應用需結合行業數據的加工預處理、專業的提示工程及模型微調、結果的深加工處理才能獲得預期的應用效果。并分享了北京筑龍通過應用大模型技術構建的招標采購智能化全景應用，重點分享了3個大模型在招標采購領域深度應用的場景。

圖-北京筑龍招標采購智能化全景應用

智能輔助審查AI+數據驅動，提升審查效能與決策精準度

胡婧玥指出，確保招標文件的合法合規性是企業進行公正、公平、透明招標活動的基礎。針對當前存在的一系列挑戰，如準入門檻過高、地域限制、所有制歧視、差異得分、信用評價標準不統一以及不合理限制措施等，需采取智能化手段，優化和補充企業現有的審查機制。

北京筑龍以“提高審查效能，輔助各業務人員決策”為目標，應用AI大模型技術，結合業務場景，生成標書公平競爭審查大模型。助力招標人、招標代理、監督人等各業務人員更高效地處理標書審查工作，減少人工干預，提高審查效能。通過自動化和智能化的審查流程，企業能夠更快速地識別潛在風險，制定更合理的審查策略，確保招標活動的公正、公平、透明。

智能輔助評審，AI輔助決策，讓評審效率提升70%以上

胡婧玥指出，數字化時代，傳統評標工具面臨諸多困境：

一是效率問題，現在的評審環節與紙數字化質化時代區別并不大，仍需專家逐個評審，需要借助技術提升效率。

二是質量問題，專家評委的專業能力和主觀性都會導致評標質量存在差異，標書文件數量大也會導致評審有遺漏。

三是圍串標問題，傳統的評標工具對于投標人之間的圍串標發現能力略顯不足，特別是在內容雷同和關系交叉等方面缺乏有效手段。

四是監管問題，對于評審專家的評標專業性、打分偏離度、投標人異常投標行為等內容也需要加強監管。

基于此，北京筑龍借助大模型對標書文件的內容解析能力實現評審的智能化。以“提升評標效率、輔助專家決策”為目標，打造了“智能輔助評審”工具。可自動解析招標文件的要求、自動分析投標文件的構成、自動對比投標文件的響應情況、自動計算客觀分及生成評標報告，將評標業務場景從耗時耗力的人力審查過渡到以算法檢查為先，專家對結果進行復核決策的數字化、智能化時代。

物資編碼智能化，讓企業物料數據標準化，輕松實現一物一碼

隨后，胡婧玥介紹了北京筑龍在企業物資編碼方面的智能化應用。她指出，部分國央企通過不斷實踐，在企業物料打通方面取得了階段性的成果，但是也遇到了難以突破的問題。具體可以歸納為三點：

其一， 投入巨大。物料主數據的建設涉及到大量的物料品種以及海量的編碼數據，少則幾萬，多則幾十上百萬，成本、建設周期、參與人員都需要極大的投入。

其二，規范性難以延續。物料主數據“三分建設、七分運營”，很多企業往往重視建設過程，卻忽略了后期的使用，在數據的填報和審核都出現了很多不規范的現象，數據質量有待優化。

其三，與使用習慣不符。物資編碼的管理是以物料碼為主要對象，而使用者通常是以物料的屬性參數描述來認知和區分物料的，這樣就導致二者之間存在差異，編碼的管理與使用習慣不太相符。

圖-企業物料主數據“編碼”難題

胡婧玥介紹了北京筑龍的解決方案，基于AI算法+大模型，打造了物料管理方法論。智能物料結合了傳統的物料編碼技術和自然語言處理技術（AI算法+大模型），實現智能賦碼、智能推薦、智能排重、智能映射四方面智能化能力，可將原始雜亂的物料數據進行結構化、標準化轉換，提升物料編碼管理的效率與質量。其中智能推薦與智能排重解決企業物資編碼的“新入庫”編碼與“存量編碼”問題；智能賦碼為采購物料清單快速獲取編碼；而智能映射將解決集團與下級單位編碼數據統一問題。

北京筑龍的成功實踐為大模型技術的應用和發展提供了新的思路和方向，展示了AI技術在推動產業升級和數字化轉型中的重要作用。下一步，北京筑龍將繼續深化大模型在采購招標領域的應用，推動技術的裂變和智能化落地。同時，將依據沉淀的適應大模型B端落地的應用范式，為行業的數字化轉型和產業升級貢獻更多力量。