人工智能化身评标高手

在安徽，人工智能已经担纲评标专家与招投标文档的审查职责，表现日益成熟，堪称越来越称职的“守门人”。

去年3月，一场招投标评审中出现了这样一幕：“AI类人评审专家”深度融入5名人类专家评审组，率先完成全流程评审并生成评分报告，5名专家核验后全票采纳了AI的结论。

令人惊叹的是，原需人工花费3.5小时的评审工作，AI仅15分钟就给出评审意见，效率显著提升。

这一幕，是公共资源交易大模型的实战首秀，也标志着安徽率先让“AI+招投标”大模型从概念走入现实。

省发展改革委会同各地有关部门统筹推进大模型建设应用并持续迭代升级，2025年以来，已累计质检招标文件3.6万份，监测投标项目4438个，开展“AI先评、专家复核”项目657个。

2025年5月，国家发展改革委相关负责人在新闻发布会上指出，安徽积极推进招投标领域大模型应用，AI评标可达到业界熟练专家水平。

2026年初，国家发展改革委等八部门联合印发《关于加快招标投标领域人工智能推广应用的实施意见》，提出到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。

当人工智能深度嵌入招投标这一事关公共资源公平配置的关键环节，带来的不仅是一场数智化转型的效率革命，更是一场监管重塑的深刻变革。

一个精心打造的智能平台

招投标领域为何需要AI来充当“助手”?

“招投标领域廉政风险点多，工作量较大，是AI应用的良好场景。‘AI+招投标’，可以最大程度地提效率、防风险、促公正。”谈及应用AI的初衷，安徽合肥公共资源交易中心副主任邵华说。

2024年5月，安徽合肥公共资源交易中心就开始了探索，与科大讯飞合作，以讯飞“星火”模型为底座，通过专业的招投标数据来喂料和学习培训，将通用人工智能大模型训练成垂类大模型。

“我们录入了多达290份的法律法规规章和规范性文件，82.9TB的训练语料，这些内容都是大模型学习的基础素材，海量的学习信息造就了这个大模型的专业化能力。”安徽合肥公共资源交易中心信息科副科长陈大兴说。

我们日常使用通用人工智能大模型时，最怕的就是AI“一本正经地胡说八道”。这样的垂类大模型会不会有“AI幻觉”，怎样避免其中的风险?

“相比通用人工智能大模型，垂类大模型的AI幻觉会少很多，因为它主要依据的是相关规章制度文本，而非创作型输出，也就是说，它的输出内容都必须是有章可循的。”陈大兴表示，为了确保AI使用的安全，该中心建立了“人防+技防”的规范化制度和完善的使用流程，确保大模型全周期安全可控。

一个“铁面无私”的把关者

在招投标领域，招标文件的合规性是确保公平竞争的第一道关口。资质条件设置是否合理、业绩门槛有无“萝卜坑”嫌疑、评标办法是否科学，这些问题一旦在源头“失守”，后续环节再严格也无济于事。

“过去，招标文件的合规性审查主要依靠人工，一个项目少则几十页、多则上百页，审查人员很难做到面面俱到。”陈大兴坦言。

更棘手的是，一些隐含的歧视性条款或排他性参数，往往隐藏在专业的表述之中，普通审查难以发现。

比如，在某小区户外墙面维修项目的招标文件审查中，大模型发现了一些“蹊跷”：项目招标文件第5页要求投标人资格业绩。

大模型认为，根据有关规定，除特大型、技术特别复杂以外的房屋建筑和市政基础设施工程，不得设置投标人资格业绩条件。招标文件这一不合规的特殊要求，没有逃过AI的“火眼金睛”。

AI是怎么判断出来的?原来，大模型经过了长期的“勤学苦练”，它依托国家、省、市各级招投标相关法律法规规章及规范性文件，整合全省海量招投标数据资源，通过了大量的预训练和监督微调。同时，在全省16个市全面推进合规质检常态化应用，形成“使用—反馈—调优”良性循环，练就了这种“铁面无私”的把关本领。

截至目前，该大模型累计质检招标文件3.6万份，精准发现资质条件设置不合理等问题3264个，已督促招标人修改完善招标文件并整改到位，切实维护公共资源交易市场公平竞争秩序。

一双“洞察秋毫”的慧眼

围标串标，一直是招投标领域的顽疾。传统的串标识别主要依赖机器码、IP地址等表层信息比对，容易被绕开。该大模型的雷达检测功能，让这一难题有了破解之道。

该大模型依托语义理解、逻辑推理、多模态分析及DNA同源识别技术，对投标文件进行深度扫描，重点挖掘语义雷同、文本相似等围串标线索。与传统方式相比，它能从文本风格、段落结构、图片嵌入信息乃至错别字等深层次维度构建异常识别网络，识别出那些人为刻意规避的隐蔽行为。

比如，在某市污水管道改造项目的投标文件中，大模型发现了“猫腻”：有两家企业自主编写的部分文本相似率达到97.50%,共发现456处相似，且有101处图片相似，44处文本同错;此外，与另外42个投标人存在程度不等的雷同、同错。

“传统人工筛查需逐一对比数百页投标文件，耗时较长，而多模态雷达监测可在评标准备阶段5分钟内完成扫描监测，投标异常行为实时预警。”陈大兴表示，通过对投标文件主观项内容进行“深度扫描”，重点挖掘语义雷同、文本相似等围串标线索。

目前，大模型与合肥市公共资源交易智慧监管系统互联互通，贯通招投标全链条数据，正在打破投标异常行为隐蔽性强、人工识别效率低的监管瓶颈。

更令人称道的是，大模型设置了行政端和公安端，公安端可以进行数据分析锁定，为公安机关研判提供高质量“原材料”。

截至目前，大模型累计监测4438个项目、20.56万份投标文件，预警同错、雷同线索668个，支撑公安机关破获串通投标案件324起。

一次“令人信服”的高效评标

某小区墙面维修项目的招投标，采用了“手拉手”式AI类人评审。仅需15分钟，AI就给出评审意见，5位评委在经过仔细的研判后，完全采纳了AI评审意见，可谓是“时间短、效率高、评审准”。

“按照以往的节奏，光是翻阅这些文件就要耗费大半天时间。但这一次，AI类人评审专家率先完成了全流程评审，不仅给出了量化评分，还附上了详尽的评审依据。”一位参与评审的专家坦言，AI的评审逻辑清晰、评分依据扎实，与招标文件规定的评审标准高度吻合。

“我们五位专家各有所长，但AI综合了不同专业领域的知识体系，给出的结论经得起推敲。”该专家笑着说，“科技的力量，不服不行啊!”

台上一分钟，台下十年功，对于垂类大模型来说也是如此。

陈大兴介绍，根据真人专家的评审逻辑，大模型需要按照“万千百十个”的训练路径，即每类项目类人评审能力需经过上万份交易文件“喂料”学习、上千个项目样本训练微调、百余个项目验证复核、十余个项目实战运用后，形成达到熟练专家评审水平的该类项目AI评审模型。

一场场看似轻松快捷的评标背后，是长达数年的技术攻坚，“背靠背”验证，“肩并肩”协同，“面对面”试点，最终实现“手拉手”模式应用。

截至目前，共完成657个“手拉手”AI评审项目，主观项评审时长压缩至平均15分钟，一致采纳率达91.17%，AI评审更加客观稳定，其专业性获得评审专家高度认可。

从一座城市的先行先试，到国家层面的制度安排，安徽用一次次实战检验，给出了一个坚定的回答：在公共资源交易的数智化转型之路上，技术不只是提效的工具，更是守护公平的力量。

当大模型以算力为尺、以数据为据，为每一份标书、每一次评审、每一笔交易注入公平的内核，一个更加规范、透明、高效的招投标新生态，正在“走来”。