隨著《“互聯網+”人工智能三年行動實施方案》《國務院關于印發新一代人工智能發展規劃的通知》《關于促進人工智能和實體經濟深度融合的指導意見》《生成式人工智能服務管理暫行辦法》等一系列政策法規的發布，人工智能越來越深刻地影響著各行各業的發展。在政府采購領域全面實施電子化、步入數字化的背景下，人工智能技術的廣泛應用將對政府采購的治理模式、監管理念、采購場景、交互形式等產生顛覆性變革。
數字經濟時代的新質生產力
人工智能并非一個新名詞，早在1956年便被提出。實際上，現在大家討論的是以大模型為代表的新一代人工智能技術。與傳統人工智能技術專注于單一任務不同，新一代人工智能技術的核心在于其基于深度學習的高維度表征能力和泛化能力。這需要很強的算法模型、高性能算力以及大量數據作為支撐，三者缺一不可。
為什么ChatGPT出現后，國內外政府和企業在人工智能領域投入大量資源，加速部署人工智能在各個垂直行業的研究與應用？筆者認為，這是因為人工智能作為引領未來的戰略性技術，是國家核心競爭力的重要體現，也是深刻改變商業模式的重要因素。尤其在當前國內外經濟下行壓力增大，土地、勞動力、資本等生產要素的紅利逐漸消失的背景下，新發展需要新動能。2020年4月，中共中央、國務院發布了《關于構建更加完善的要素市場化配置體制機制的意見》，將數據、技術納入生產要素范圍，意義非同一般。
人工智能技術作為新一代信息技術的代表，通過算法、算力和數據的創新集成，催生了新一輪科技革命和行業變革。因此，人工智能技術被各國視為數字經濟時代的革命性生產要素。同時，新質生產力強調以科技創新為核心。筆者認為，人工智能技術完全符合新質生產力的定義。
新技術不是單純的技術升級
傳統信息技術主要指的是以計算機技術為核心，?結合通信技術、?電子技術、?軟件技術等多種技術手段，?對信息進行獲取、?處理、?傳輸和存儲的一系列綜合性技術體系。?這些技術的目標在于提高信息的處理效率、?提供高效的信息服務和解決信息傳輸中的各種問題。
站在人工智能快速發展的今天來看傳統信息技術，筆者發現，以大數據、云計算、區塊鏈、物聯網、人工智能等為代表的新技術與傳統信息技術有明顯的區別。新技術不是單純的技術升級，必須以業務為導向、應用場景為載體、用戶體驗為中心，技術與業務深度融合才能真正落地、發揮價值。
以政府采購為例，我國政府采購信息化發展大致可以分為無紙化辦公、電子化管理、平臺化運營和數字化賦能四個階段。其中，數字化賦能階段的方向是智能化。在前三個階段，各地主要實現了“買過什么、做過什么”，而智能化要解決的是“怎么買、怎么買得更好”的問題。筆者認為，未來基于采購數字化平臺的“采購智能體”應該需要像人一樣去思考、去工作，這與傳統信息技術系統運行是完全不同的底層邏輯和技術架構，有些甚至是顛覆性的。
全面應用仍面臨許多障礙
在政府采購領域，目前對人工智能技術應用的研究主要集中在智能問答、政策解讀、圖文生成、智能比價、采購文件智能編制和審查、輔助評審、串通投標行為分析等方面。此外，個別企業已在部分領域推出了一些智能產品。但客觀來說，這些基于大模型的人工智能產品具有泛化能力，會有很多似是而非的結果，并不能替代決策，只能作為決策的參考。
在筆者看來，人工智能技術是引領未來的技術，一定要發揮其在政府采購領域的積極作用，但目前在制度建設、算法治理、數據應用、信息安全等方面仍存在許多障礙。換言之，推廣人工智能技術的應用是一件困難但正確的事，需要各級政府部門悉心指導，在政策上給予更多的支持。
在制度層面，需要明確數字化采購的法律地位以及對異常情形的處理規范，避免因制度缺失而引起行為失范、監管滯后。
在算法治理方面，一是對采購流程和交易規則進行梳理，加大對數智采購產品的知識產權保護力度；二是建立智采算法模型的報備機制，增強數據模型的可視化和決策程序的可溯化，幫助決策者識別決策中的錯誤，避免算法偏見和決策失控。此外，要加強對人工智能技術的倫理研究，科學界定智能采購的應用范圍，規避“自主智采”的風險。
由于數據是算法訓練的基礎，人工智能成果高度依賴于大量、多樣化的數據。因此，在數據層面，應在數據安全的前提下解決數據短缺問題，支持公共數據或政府公開信息的開放共享，提升數據質量。
此外，值得注意的是，數據的采集、清洗、標注和維護都需要成本，而這對數據所有者和數據運營機構來說都是一筆不小的費用。因此，筆者建議，應鼓勵采購數據市場化交易和增值化服務，使采購數據與人工智能技術的融合真正成為促進政府采購高質量發展的核心要素和關鍵變量。
?。ㄗ髡邌挝唬赫稍朴邢薰荆?/p>
