政府采購需求管理插“智”“啟”飛

■ 作者：饒青山

　　《政府采購需求管理辦法》要求，采購人在確定采購需求前，要從相關產業發展、市場供給、歷史成交情況等幾個方面進行需求調查。產業發展、市場供給是政策環境、市場環境，更多是決定采購方式的不同，而應用人工智能技術可以化繁為簡，通過歷史成交信息結合應用場景來制定采購需求，使之具備理論和數據支撐，變得更科學，也更具可操作性。本文針對當前框架協議采購推進中出現的采購需求標準制定問題，結合當下人工智能技術實際落地應用情況展開探討。

　　合理制定采購需求的可行性路徑

　　政府采購目錄內適合框架協議采購的貨物類品目約20個，在過去電子賣場的交易中，這些品目的歷史成交信息是以采購訂單形式存在的。單個商品的訂單數量、成交商品的數量是最直觀反映采購人需求的數據，因此，以歷史成交數據為基礎，從包數、配置、最高限價3個維度進行分析建模，合理制定框架協議采購需求，解決當前需求制定的難題，路徑可行。

　　首先，合理設定需求包數量。目前框架協議采購的需求包數量設置具有一定的隨意性。從理論上來講，采購包數量多，產品配置更精細，產品數量也較多，市場競爭較充分。但從市場化配置資源的角度看，在采購總額一定的情況下，可采購商品選擇性越多，訂單商品越分散，入圍供應商、廠商的積極性和服務質量越會降低，進而直接影響采購人的采購體驗。如，某地臺式計算機設50個包，便攜式計算機設40個包，而據統計，電子賣場臺式計算機采購額占比約25%，便攜式計算機采購額占比約8%，臺式計算機采購數量大約是便攜式計算機3到4倍。從數據相關性分析，便攜式計算機設置40個包明顯偏多。

　　因此，合理的采購包數量是與該品目歷史成交采購額和采購數量正相關的，不同品目之間的包數設定，應根據不同品目采購占比變化趨勢，保持包數合理的增減變化。主觀、隨意、粗放式設定采購需求包數是不科學的，也不是良性的供需關系，不能體現政府采購管理目標。

　　其次，合理設定配置標準。在確定品目的包數后，合理設置各包的配置是采購需求管理的核心和關鍵。配置包括標準屬性（特征）和屬性值兩個方面。對于屬性標準，《政府采購需求管理辦法》明確：“可以直接引用相關國家標準、行業標準、地方標準等標準、規范，也可從項目目標提出更高的技術要求。”目前臺式計算機、便攜式計算機、一體式計算機、工作站、通用服務器、數據庫、操作系統已有相應的標準規范，其他品目的標準規范有關部門也在抓緊制定中。有標準規范的品目的采購需求可以確保按統一的標準執行，沒有標準規范的品目的采購需求仍然由采購人、征集機構根據品目特點定義。

　　有了標準規范，如何合理區分各品目屬性（特征）標準之間的差異值，即屬性值，從而進行不同的采購需求分包？這是政府采購需求管理的重點，也是難點。根據歷史成交信息，可以解決上述難點，合理地設定采購需求包的配置范圍。

　　第一步，可以從兩個維度對歷史成交信息進行分析，一個是采購數量最多的商品，另一個是被更多采購人采購的商品（采購人數量多的商品）。采購數量多代表商品的性價比較高，而采購人數量多代表商品覆蓋不同的應用場景。

　　第二步，將采購人數量多的商品配置進行分析，從關鍵屬性和價格影響因素進行不同參數值或參數范圍值調整，形成不同配置的采購需求包；同時，對采購數量多的商品進行同樣的分析，形成需求包做補充。這一環節要注意結合市場、行業情況，特別是新技術、新產品的應用情況。例如，當前計算機已經發展到AI PC時代，核心芯片不是單一的CPU，而是集成封裝了CPU、GPU和NPU。當前以CPU作為關鍵指標來設置框架協議采購的需求存在不足，應根據新技術的變化，在需求包中也補充相應場景的配置需求。

　　第三步，進行商品驗證，確保每個采購需求包有至少3個以上品牌，且每個品牌至少有一個對應的商品。為保證有更廣泛的品牌廠商響應征集，采購需求包對應的商品品牌、生產廠家越多越好。

　　最后，合理設定最高限價。《政府采購需求管理辦法》要求采購需求“量化指標應當明確相應的等次”，最高限價也是采購需求的量化指標之一。目前有部分框架協議采購征集時，無論多少個需求包都統一以行政資產配置標準作為最高限價，這是不符合政府采購需求管理要求的，可能導致低價高配置和高價低配置的商品入圍，這與政府采購倡導的“最優性價比”采購管理目標不符。所以，不同的配置標準，應該設置不同等級的最高限價。

　　那么如何設定最高限價？框架協議采購的價格是要經過公開征集和充分的市場競爭的，各廠商為了入圍必然會以相對較低的價格參與報價，虛報價格的可能性相對較小。不同的配置需求包進行成交商品覆蓋驗證時，對該配置下全部商品的價格進行分析，可以取最高價或部分商品價格的平均價作為最高限價。

　　人工智能助力需求制定

　　人工智能作為一項新興技術，正融入到政府采購各個環節，給政府采購帶來全新的機遇和變革。數據、算法是人工智能兩大基石，算力是人工智能的核心。以歷史成交信息制定采購需求，借助人工智能技術建設采購需求大模型，為政府采購提供高效、公正、便捷的解決方案成為必然趨勢。筆者仍以框架協議采購為例，來闡述人工智能在需求模型建設方面的思路和實踐。

　　一是建立品目包數模型。以當地乃至全國近3年成交信息為數據基礎，以交易額和交易商品數為主要錨定目標，通過各品目間的數據變化，建立各品目包數的關系式，再綜合品目產業環境、國家政策、品牌及生產廠家數量等因素，模擬人腦認知過程，以數據為支撐科學分包，實現各品目需求包數的合理化。

　　二是建立標準配置模型。品目標準和配置要求是需求制定的難點，完全可以借助人工智能深度學習技術來解決。通常一個品目有幾十個、甚至幾百個標準屬性（特征），每個屬性還有多個屬性值，每年關聯幾萬個商品，幾十萬筆交易，數據量巨大。要對這些巨量數據進行合理分組，必須依賴人工智能技術。通過計算機計算多層神經網絡深度學習技術建立高效、準確的人工智能品目分組模型，并自動實現對各配置商品、品牌覆蓋情況和限價的驗證，不斷模擬人腦優化模型，使各需求包配置建立在數據決策的基礎上。

　　基于國內成熟的開源模型，目前針對政府采購領域的大模型已有落地案例。近年來全國多個地方政府采購平臺的公開項目結果、賣場成交訂單、框架協議采購項目的需求與結果，以及部分大型電商的商品數據是訓練大模型的基礎數據。經過訓練后的大模型能夠智能推薦商品、協助機構制定框架協議采購需求。這為采購人制定需求、編制采購文件提供了一個科學、合規、合法的智能化工具。

　　隨著人工智能技術與政府采購的融合、發展、創新，以人工智能技術建立采購智能需求大模型，科學地解決框架協議采購推進過程中的難題，是全面助力政府采購邁向智能化、公正化的必由之路。此外，人工智能技術在政府采購領域還有更廣闊的應用場景，例如，基于大語言模型的智能評標系統，可以基于供應商提供的資質、材料、圖片等投標文件，自動識別并排查風險點，并能理解投標文件合理打分；也可以基于大語言模型進行智能交易撮合，根據采購人的采購需求進行商品推薦及交易撮合。因此，隨著大語言模型技術越來越成熟，相信未來政府采購會越來越智能化。

　　（作者單位：博思數采科技股份有限公司）