政策核心观点 - 国家发改委等八部门发布《关于加快招标投标领域人工智能推广应用的实施意见》，旨在通过政府引导、多方参与、场景牵引、安全可控的原则，推进人工智能与招标投标深度融合，以改进招标投标范式，提升服务和监管的数智化水平，保障公共资源公平高效配置并规范市场秩序[1] - 政策设定了明确的阶段性目标：到2026年底，招标文件检测、智能辅助评标、围串标识别等重点场景在部分省市实现全覆盖应用；到2027年底，更多重点场景在全国范围内推广应用，形成一批模型训练、场景应用、机制保障等方面的经验做法，有效促进招标投标市场规范健康发展[1][4] 总体目标与原则 - 总体目标是围绕招标投标交易全过程和管理重点环节，积极稳妥推进人工智能应用，为保障公共资源公平高效配置、规范招标投标市场秩序提供有力支撑[4] - 实施原则为政府引导、多方参与、场景牵引、安全可控[4] 人工智能+招标场景应用 - 招标策划：辅助招标人对行业趋势、市场供需等进行综合研判，生成客观量化的招标需求、技术和商务条件，从源头提高招标的科学合理性[5] - 招标文件编制：智能匹配招标文件范本，推荐适合的资格条件、评标办法和标准，辅助或自动生成招标文件，提升编制质量[5] - 招标文件检测：对招标文件开展合规性、合理性等多维度检测，自动识别违法违规和排斥限制竞争等问题，实行“先体检、再发布”[5] 人工智能+投标场景应用 - 投标策划：全方位捕捉项目招标信息，结合投标人特点推送适合项目，智能生成招标需求图谱，辅助分析评估项目竞争的经济性，提高投标效率[6][7] - 投标合规自查：深度解析招标文件要求，辅助确定技术方案和报价区间，并对投标文件进行响应性比对，自动提示违法违规、错误缺漏等问题，对可能低于成本价的投标进行风险提示[7] 人工智能+开标和评标场景应用 - 开标：打造类人化数字开标人，自动完成宣读纪律、唱标等工作，智能判断并提示开标异常情况[8] - 专家抽取：综合解析项目特点，自动生成与项目相适应的专家抽取方案，提高专家与项目的匹配度，保障科学性和公正性[8] - 智能辅助评标：打造类人化评审推理能力，建立综合评审指标体系，深度解析招标投标文件，辅助专家开展评审或生成结果供参考，提升评标公正性[8] 人工智能+定标场景应用 - 评标报告核验：打造评标报告智能审核能力，辅助核查数据准确性、逻辑关联性等，自动预警评分不一致、计算错误、专家打分偏离度过大等问题[9] - 辅助定标决策：基于多维数据对中标候选人进行立体画像，引入数字人答辩等方式，辅助招标人进行综合比对分析并作出定标决策，实现全过程记录和可追溯[9] - 中标合同签订：自动提取合同主要签约要素并生成合同，实现在线签订和存档，对关键权利义务条款进行风险提示，减少“阴阳合同”等问题[9] 人工智能+现场管理场景应用 - 场所调度：对交易场所进行全方位智能化管理，高效调配资源和人员，动态监测人员和活动情况，打造无人值守智慧交易环境，提升跨区域交易服务便利化[10] - 见证管理：构建“智能研判—动态干预—链上存证”的闭环见证体系，进行无感化数字见证，强化异常行为分析预警，为执纪执法提供支撑[10] - 档案管理：构建交易档案智能化管理体系，实现智能填报、链上存证、智能归类与检索，充分挖掘档案在政策评估、围串标分析等方面的综合利用效能[10] - 智慧问答：搭建专业问答引擎，提供多模态交互式咨询服务，实现操作引导、范本推荐、异常预警问答、异议投诉咨询等功能[11] 人工智能+监管场景应用 - 专家管理：构建评标专家全生命周期智能管理体系，进行多维立体画像并辅助动态考核，赋能全国评标专家“一网管理”，推动优质专家资源共享共用[12] - 围串标识别：构建“主体+行为”全覆盖的综合预警体系，通过多维数据碰撞和主体画像，穿透式发现企业特征雷同、行为异常等问题，深度扫描投标文件挖掘疑似线索[12] - 信用管理：打造智慧信用管理能力，实现信用信息的客观记录、自动归集、共享应用和动态调整，打造智慧信用评价模型，精准开展信用评价和预警[12] - 协同监管：打造贯通项目标前、标中、标后的分析预警模型，自动识别应招未招、转包违法分包等问题，加强“行刑纪”贯通衔接，实现智能化闭环管理，推动形成“一网共治”的智慧监管格局[13] - 投诉处理：打造智能化投诉处理能力，辅助分析投诉书并形成初步审查意见，分类给出处理建议，辅助生成处理决定书，并对恶意投诉进行智能筛查和处理[13] 规范部署实施要点 - 科学组织推进：根据实践需求和技术基础确定实施路径，市场化场景积极培育人工智能应用服务商，保障公平公正的场景注重发挥政府主导作用，加强统筹规划和集约建设[14] - 强化系统集成：持续深化公共资源交易平台整合共享，有序开展集约化改造，提升流程和系统的标准化水平，强化系统互联互通，提高模型部署效率[14] - 夯实数据基础：加强招标投标数据治理，构建涵盖全流程的高质量数据集和知识库，推进数据集的共建共享和生成数据的归集治理，支撑模型训练和应用[14] - 持续迭代优化：建立模型常态化升级机制，及时更新数据集和知识库，运用专业数据针对性训练以优化算法，建立用户评价反馈机制驱动迭代[15] - 健全应用机制：加强人工智能应用与全流程各环节的衔接，健全模型生成内容的转化应用机制，坚持技术的辅助性定位，模型结论不替代使用主体的自主判断和法定责任[15] - 提升安全水平：严格落实安全管理要求，强化模型算法、数据资源等安全能力建设，严格开展备案和审核，构建安全防护体系，防范模型黑箱、幻觉和算法歧视等风险[15] 组织保障措施 - 各省级发展改革部门要切实发挥指导协调和牵头抓总作用，加大组织实施力度，协调解决数据和算力需求，联合有关部门确定应用场景和实施路径，分类推动落实[17] - 加强与高校、科研院所、人工智能企业合作，充分发挥人工智能企业作用，促进产学研转化，并强化人才队伍和跨领域人才培养[17] - 国家发展改革委将会同有关部门加强统筹协调，做好宣传引导和风险管控，指导各地、各中央企业深化探索应用，完善配套制度规则，推进标准体系建设，及时总结推广典型经验[17]