企業采購是供應鏈管理的重要組成部分，這一企業行為從合同和訂單管理中衍生而出，隨著政策推動，采購供應鏈形成了覆蓋供應商尋源、采購商城、供應商全生命周期管理、采購協同的閉環管理能力，還從單一的采購環節向研發、生產、物流、服務等環節延伸。

企業物資采購規模龐大。億邦智庫《2024數字化采購發展報告》顯示，2023年全國企業物資采購總額約175.4萬億元，其中數字化采購額約17.2萬億元，滲透率達9.8%，增速15.2%。

從物資采購品類看，2023年生產性物資采購額為97.3萬億元，非生產性物資采購額為78.1萬億元，非生產性物資主要涉及辦公用品、MRO工業品、工會福利、營銷物資四大場景。其中，辦公用品市場規模約2萬億元，MRO工業品約8.9萬億元，營銷物資約2萬億元，工會福利超1萬億元。

這個十幾萬億的大市場，先后經歷了在線化、數字化、智能化等技術驅動帶來的商業模式重構。隨著招投標從線下轉線上，企業采購從ERP、SRM軟件演變為網上商城，又迎來AIGC的全面改造——不僅快速用上了AI營銷、AI客服、AI知識庫等通用模型能力，也在積極探索智能尋源、AI招投標、AI導購、智能核價、智能合同、智能物流調度、智能供應商畫像與風控等采購特有場景的AI落地。

技術進展正在為采購帶來哪些改變？AI如何帶動采購數字化創新？本文將初步梳理采購不同環節中的AI應用及實踐案例，為行業提供參考。

1、采購前:以標準化構建數字化基礎

多種力量在推動企業采購的發展:

在需求側，央國企不斷推進陽光采購，將采購權限從子公司收回總部，進行統一線上采購建設。采購方式也從直接交易的供應商協同拓展至多級供應商協同。

在供給側，采購服務商通過軟件和資源，串聯起供需兩端，實現從需求預測、尋源、商城采購、訂單/合同管理、采購/付款、供應鏈計劃、智能補貨的全流程管理。

大量供應商被整合進服務商的采購系統，通過數字化采購平臺實現產品銷售和業績增長。

只不過要想采購做得妙，先要標準建得好。企業采購長期以來面臨物資編碼混亂、SKU管理難、供需匹配費勁、尋源招標慢等問題，標準的不統一也讓數字化能力被局限在局部環節，難以形成全鏈條的科學決策和降本增效。

如今，大模型帶來新解法。

? AI重構物資/商品編碼體系

標準化是數字化與智能化的前提，但企業采購中的商品編碼混亂由來已久。

在數字化早期，商品信息就不太完整。比如缺失產品圖，缺標題，缺品名，缺重量體積，缺稅收編碼等。而且To B行業商品種類繁多，不同企業的商品需求也各不相同，單個企業建起的商品目錄很難得到復用。

如今，大模型的語義搜索、意圖識別和圖像識別技術，正在重構采購的商品編碼體系。

中交電商總經理陳鵬告訴億邦動力，由于供應商之間的商品編碼并不一致，比如A供應商推了十幾萬SKU，B供應商推了十幾萬SKU，同一個物品，在不同供應商那里有不同的描述文字。所以中交電商訓練的AI會識別描述和商品之間的關系，進行商品編碼的合并，合并不了的商品，再推給人工做再次干預。

天源迪科則基于“迪科工業品大模型”構建的AI企業物資治理系統，解決物資數據混亂、標準不統一、數據質量差的問題。“迪科工業品大模型”不僅能智能識別和處理物資數據，實現數據歸一化和標準化，提高物資調度與管理效率，還能將前置物資智能審核效率提升150%，數據質量提升80%。

更具*性的是京東工業的墨卡托標準商品庫。這是一種新編碼方式，用AI疊加各品類頭部品牌商的專家經驗，提煉出商品共性后形成的一套統一商品參數，構建出一種統一的工業供應鏈“語言體系”。目前，京東工業品墨卡托標準商品庫已建設有四級類目，與1500家工業品專業品牌合作進行數據對接，建有2500多個商品數據庫標準模板并開展應用。

? 企業招投標，全面AI化

供應商想要進入客戶的采購體系，還要經歷招投標環節。統計數據顯示， 2019年至2023年全國招標項目數量實現了連續5年自然增長，招標數量驟增。

對采購方來說，審核海量標書耗時耗力且易于出錯。對供應商來說，客戶的報價單往往包含幾千條甚至幾萬條數據，通過人工匹配上萬條數據和超百萬SKU，讓標書的復雜度直線上升。

不少企業正憑借“大模型+本地知識庫”的深度融合，開發高效精準的“AI招投標助手”。

比如大唐犀維電商，利用大模型自動識別資質、證照，通過OCR、NLP自然語言理解，聯動第三方網站進行驗證，訓練了近80種常見資質以及業績合同的智能評審模型。研發采購文件和報價文件結構化編制工具，編制了600余個采購文件范本，建設資質業績、供應商信用標準庫，實現信息自動集成、引用和比對，為智能評審提供技術支撐。

齊心集團則通過AI系統，自動尋找相似或相同商品，自動匹配相應的SKU，并通過成本、質量和模型匹配價格，快速報給客戶。

國家能源集團更是運用AI進行采購場景創新的國內*“智能無人評審系統”。這一系統建設了一套從采購文件編制、報價文件響應、評審結果輸出為一體的智能化采購解決方案，實現非招標采購全類別、全評審方式全覆蓋。僅需專家對自動評審出的偏離項進行復核即可完成評審，大幅降低自有裁量權、顯著提高評審效率。目前上線運行8萬余單，準確率超97%。

? 智能尋源，提供多維度供應商畫像

尋源指的是企業在供應鏈管理中，尋找可以提供優質產品和服務、滿足企業需求的資源，包括供應商尋源、采購尋源、溯根尋源等多個方面。

傳統的尋源依靠企業的人員分工，異地尋找。2.0階段的尋源已經延伸到AI搜索與智能匹配。

被AI加持過的尋源系統，支持跨區搜索，可以智能推薦匹配，還能提供多維度供應商畫像，甚至可以進行全網招募供應商。除了搜索框搜索外，還可以進行高級搜索，比如選擇采購類型、產品分類、注冊地區等要素，提高了尋源精準度。

用友BIP采購云就利用大數據分析模型，依據供應商的歷史績效記錄、技術能力、成本控制(Cost)、交付表現(Delivery)以及環境與社會責任(Environment amp; CSR)等多維度評估指標，精準定位與推薦*企業需求的優質供應商。

? AI導購，采購員的好幫手

盡管有了數字化的尋源、商品系統，采購員日常工作還是繁重。因為采購員還要面對信息獲取、供應商管理、價格波動預測、數據分析等方面的難題，不僅影響采購效率，還可能對供應鏈的穩定性和采購成本控制產生不利影響。

AI導購成了采購員的好幫手。由大模型+RPA構成的采購助手，可以為采購人提供關于商品型號、參數、規格等專業問題的咨詢服務，還能夠通過自然語言交流對復雜需求進行精準分析、做出專業的商品推薦。

同時AI導購還被一鍵導入企業專屬知識庫，提供企業流程、制度、管理規定、操作指引，采購員可以通過和AI導購對話，咨詢任何企業規定或需求細節。

比如阿里國際站推出的AI生意助手，具有自動接待功能，可以0時差全天候及時回復海外客戶 。同時還可以幫助商家快速發布商品，將商家發布商品的時間從原本的60分鐘，縮短至最快60秒。

京東工業也基于AI大模型推出采購助手。通過AI大模型的自然語言能力，以及對采購知識的理解能力、合成能力、生成能力和檢索能力，輔助人工，提升效率。這是類似于助理員工，或者虛擬員工的角色。

此外，不少企業還嘗試通過大模型進行需求預測、供應商管理、智能合同管理等環節，在多個維度幫助企業采購降本增效，增強采購供應鏈的透明度和可追溯。

2、采購中:在海量SKU中尋找訂單的*解

從ERP軟件到SRM軟件到網上采購商城，企業采購經過多輪迭代，正式形成以電商商城為代表的主要采購方式。億邦智庫調研顯示，截至目前國務院國資委監管的97家央企中，已經有超過70家企業建立了采購商城。政府、軍隊體系亦自上而下建立了自行采購平臺。

盡管做到了采購的線上化，但大宗商品價格波動劇烈，非生產性物資種類多、渠道復雜、數據龐大，企業如何在海量商品中找到自己采購訂單的*解？

? 價格監測，讓企業不當“冤大頭”

想要在采購過程中不當“冤大頭”，每個企業都不會錯過價格監測這個關鍵環節。但價格不是你想監測就能監測到，“采購時缺少價格參考，監管體系不完善，采購價格高導致合規性風險等問題。”天源迪科執行總裁謝立拓認為。

對于價格漲輒大起大落的大宗商品采購來說，價格預測已經成為行業常態，老道的從業者都會靠“總結經驗”和“猜行情”來預判價格走勢。

比如鋼鐵行業在每年春節前都要進入冬儲階段，鋼貿商通常會在春節前1-2個月儲存鋼材，在春節后進行銷售。但企業要不要冬儲，取決于對春節后價格的預期，經驗時靈時不靈，冬儲也會有虧損風險。

蘭格鋼鐵基于二十多年行業數據積累，推出“鋼鐵智策”AI預測系統大模型，實現對鋼鐵行業未來1-12周現貨市場的數據預測，鋼鐵行業上下游趨勢分析預測，以及宏觀經濟高頻數據展示、各項經濟運行數據的趨勢預測。

在辦公用品、MRO、福利勞保等非生產性物資采購中，由于眾多繁雜、渠道復雜、共計多種，導致部分網上商城的價格變動頻繁，難以監測實施數據，形成*采購計劃。

億邦智庫注意到，有些央國企網上商城已經開始利用AI技術實現實時價格監控、優化定價模型，利用AI技術輔助商家入駐審核、監控商家價格行為，包括:

1. 采購預算編制時參考價格

2. 商品上下架時價格偏離度審查

3. 定標輔助，合理定價決策

4. 商城采購同款、相似商品實時比價

5. 商城價格策略定制

6. 供應商考核和管理依據

比如天源迪科的AI價格監測產品，可以幫助企業監測物資價格波動情況，實現智能比價、智能控價。

? 高效匹配，讓供需雙方快速牽手

面對動輒涉及上百萬SKU、無數供應商的供給量，企業采購部門只能依靠人力看著訂單找商品，不僅耗時耗力，而且運轉低效。AI讓供需高效匹配成為可能。

比如，齊心集團通過大量商品數據清洗和提取，相同、相似商品識別，格式標準化轉換，將供需雙方的商品信息翻譯為標準化商品參數，構建了企業商品標準庫模型。基于對齊的商品模型庫，齊心得以為供需雙方提供高效匹配。

而京東工業的太璞數智供應鏈解決方案，則可以系統幫助供應鏈供需兩端實現數智化:在供給側，通過IPNP將制造商、分銷商及代理商連接起來，同時連接需方與庫存，通過智能決策實現供需的匹配和協同；在需求側，完成內部供應鏈的數智化，包括企業自身內部需求計劃、管理、供應商管理、財務打通等。這樣，京東工業就可以基于算法和大模型的預測，打造最短鏈路，實現協同降本。(推薦閱讀《中國工業品變革，五年五個關鍵詞》)

?智慧履約，不論客戶在哪兒都能準時達

信等行業的業務覆蓋從省級到鄉鎮的諸多網點，中交中建等建筑企業則在全國各地修橋造路。這就要求服務商們具備全國性的履約和售后服務能力。

比如齊心集團自建了倉儲物流系統，同時整合自有物流及第三方物流，服務全國客戶。據了解，齊心集團的AGV智能物流倉儲，通過智能揀選、搬運、分揀系統，優化出入庫流程，實現自動化管理。倉庫空間利用率提升了40%，倉庫存儲能力提升了200%，揀選效率提升50%，準確率達到99.99%，對訂單履約配送的效率提升了30%左右。

京東工業則在倉配履約環節，通過“萬單合一”“萬倉合一”實現供應端資源整合——將多平臺、多品類、多訂單的集單尋源和集單配送“化零為整”實現“萬單合一”，打通品牌廠商、三方供應商以及屬地服務商現貨及期貨庫存資源形成的 “萬倉合一”模式，以“最短搬運距離、最少搬運次數”實現物流配送成本的*。

3、采購后:對賬查詢秒級響應

隨著商品到貨，這場復雜的線上協同還沒走到終點。

? 驗收結算，定時定點一鍵完成

對采購方來說，商品驗收后，就是對賬、扣款、付款、發票環節。只不過對賬是個重復性的體力勞動，手工結算費時費力，結算單據溯源復雜；線下結算周期長，重復勞動多，手工整理易出錯；每個對賬周期內，業務人員都要忙得不可開交。

對供應商來說，在賬單和銀行單據下載后，需要進行收入和收款匹配，同時與發票進行勾稽處理。

隨著智能化發展，不少企業選擇用AI+RPA解決常規對賬事項。企業可以預先設置對賬規則，系統定期根據訂單、入庫及到貨信息自動生成對賬單，并組織供應商進行對賬。只有那些特殊的、復雜的或需要協商的情況才交由專人處理。

比如用友的YonSuite預置了對賬規則、對賬周期及對賬事項范圍，自動生成對賬單發起對賬流程，實現自動化和精準化的財務核對流程，提升對賬效率和準確性。

? AI客服，應用*

客服行業一直被認為是大模型*的落地場景之一。同樣基于自然語言，同樣以對話為主，同樣以對話框的形式來交流。

2023年大模型爆發伊始，AI客服系統成為不少企業的應用*。

鑫方盛引入多種聊天機器人，為用戶提供7*24小時全天候服務，確保客戶隨時獲得幫助，不僅提升了客戶滿意度，也顯著增強了企業的運營效率。

齊心集團也利用大模型和AIGC技術，構建2B行業商品專有大模型知識庫，為用戶提供商品智能問答，根據用戶需要推薦商品，提高客戶采購決策效率；同時基于大模型和AIGC技術的智能客服，可以快速響應商品咨詢、物流查詢、售后服務等，大幅提升了服務智能度、準確度和效率。

京東工業則在9月9日推出履約支持AI小助手，打造對話式履約數據查詢和信息整合服務。無論是企業內部員工還是外部合作伙伴，只需要同AI小助手對話提問，即可快速獲取單據、物流位置、關單時間、預計發貨、預計送達時間等信息。相較于傳統的人工，引入AI小助手后，企業的需求響應時間可從數小時縮短至秒級，極大提高訂單履約流程中的工作效率。

結語

隨著AI技術與采購場景的深度融合，不少企業已經開始構建基于全供應鏈的AI決策大腦和賦能全鏈條的AI應用。AI采購也從2023年的一擁而上，進入2024年的全面開花。

億邦智庫認為，以大數據、云計算、人工智能等為代表的信息技術，加速與實體經濟深度融合，推動產業數智化進程。供應鏈行業迎來了由人工智能技術驅動并開啟的新一輪革新，這場變革不僅影響了供應鏈的管理方式，還重塑了企業之間的合作模式和服務交付過程。應用人工智能技術，采購流程進行了深入的優化和自動化，實現智能決策和預測。當前，生成式人工智能在采購業務中的應用越來越深入，賦能企業高效數據分析、精準采購決策與*業務管理。

免責聲明：該文章系本站轉載，旨在為讀者提供更多信息資訊。所涉內容不構成投資、消費建議，僅供讀者參考。