不敢信？中國AI國家隊出手，剛剛通關了萬億主戰場「地獄級副本」

編輯：編輯部

【新智元導讀】人人都在夸智能體有多強，但真正的生死考場從不是Demo現場，而是幾億金額、零容錯的招標采購。英偉達和OpenAI才剛喊口號，但這家AI已經先走了一步，趟過落地的深水區了。

這幾天，「打工人版」Claude火得一塌糊涂。

一鍵清空桌面、雜亂筆記瞬間成報告，甚至，給AI一個文件夾，就能直接幫你干活。

毫不夸張地說，你的父母都能用上「編碼版」Claude了！還有人驚呼，「這就是第二個ChatGPT時刻」。

更令人驚掉下巴的是，Claude之父自曝，Claude純100%編碼，一周半就創造出了Cowork，端到端真正實現了閉環。

不僅如此，最近爆紅的各種Claude Skills庫，直接給AI加上了雙重buff，「技能包」讓AI智能體干活更得心應手。

有的Skills GitHub庫，直接刷爆近40k星標。

一夜之間，AI智能體竟變得這么強了？

硅谷AI能造APP，卻卡在最后一公里

人們常說2025年是「智能體元年」，但要真正規模化普及，還得看2026年。

CES 2026大會上，老黃再一次對當前AI的進展，做出了前瞻性的判斷——

智能體本身，就是未來的交互界面。

無獨有偶，OpenAI總裁Greg Brockman也給出了驚人一致的判斷：2026年，將是企業級智能體真正普及的一年。

回望過去一年，我們看著OpenAI Operator在瀏覽器里熟練地幫人訂機票；看著Grok 4并行多個智能體，暴力破解了人類最高難度的純文本考試；看著Claude Code讓不懂代碼的普通人，在幾小時內手搓出一個App。

Claude之父Boris Cherny半開玩笑地說，他過去三十天的代碼貢獻，100%都是由Claude Code完成

一切看起來都很美好。AI似乎已經無所不能，它能寫詩、能畫畫、能寫代碼。

但是，且慢。

如果你把視角從硅谷的演示Demo，拉回到真實且殘酷的商業世界，你會發現一個尷尬的「最后一公里」斷層：

這些聰明的AI，敢不敢讓它去審核幾億金額的標書？敢不敢讓它在沒有人類盯著的情況下，對涉及法律責任的流程做判斷？

絕大多數時候，答案是沉默。

因為寫錯代碼可以Debug，畫錯圖可以重繪，但在商業核心業務——

尤其是招標采購這種合規要求高、風險集中的領域，錯誤的代價往往是巨額罰款、法律訴訟，甚至是牢獄之災。

這才是AI落地的真正深水區。

地獄級副本：招標采購領域的AI轉型

如果不是央國企或大型集團的供應鏈負責人，你很難想象這個崗位的「酸爽」。這絕不僅僅是填幾張表那么簡單。

招標采購，是連接企業供應鏈上下游的超級樞紐。在這個樞紐里，充滿了著名的「不可能三角」：合規、成本、效率。

• 標書審閱效率低，合規風險難防控
• 
  

首先合規問題，招標文件隱性風險審查、評審環節主觀判斷，都存在一定的人為干預，影響了公平公正。

還有成本極難控制，流程中人工加班、重復工作是顯性成本，供應商選擇不當，更成為了難以回避的隱性成本。

從效率來說，從招標文件編制、審核、再到評審環節專家評審，都需要消耗大量的人工精力。

這三大挑戰，依靠傳統的人工模式，已經難以跟上企業的發展需求。

• 投標異常行為，屢禁難止手段難辨
• 
  

在投標環節，往往會出現各種異常行為。

以市政EPC項目為例，專家需在短時間內，對幾百份文件進行風險排查，標書動輒上千頁。

傳統的方式比如文檔識別，很難深層次檢測投標文件內容本身異常，比如文本語義級相似、圖片實質性相似、關鍵要素相似、報價規律性等。

因此，這些過程皆需要專家逐字逐句進行比對，工作量巨大。

• 文件編審周期長，評審公平保障難
• 
  

科大訊飛數字化業務群CTO張永亮舉了一個真實的場景案例：

業務方提出如下一個采購需求，到了編制環節，編制人員可能因為對條款不熟悉、項目不了解，導致效率低，甚至可能出現很多漏洞。

再到下一個環節中，審核人員又需要耗費大量精力查找隱性條款，若因查得不仔細，還會導致流標、供應商投訴等問題。

從管理者角度來說，歷史招標過程中沉淀的優質經驗，難以得到復用。

在傳統模式下，不同專家的評分偏差率高，甚至一些項目因評分爭議需要復核。

傳統的電子化招采系統（如SRM系統），本質上只是把紙質流程搬到了線上。它們能解決流程流轉的問題，但解決不了「決策」的問題。

與之相對的，現代大模型可以比對幾百份標書的資質、篩查風險、判斷價格合理性，但它們普遍存在的「幻覺」問題，對要求100%合規的招采行業來說堪稱是「史詩級災難」。

因此，行業真正等待的，并不是一個更聰明的AI，而是一套能夠嵌入主流程、邊界清晰、結果可核查的智能系統。

一座「智能體工廠」

回顧招采技術的發展，我們經歷了從小模型專精（如OCR自動評標）的1.0時代，到大模型泛化認知的2.0時代。

而現在，隨著全流程自主規劃能力的出現，行業終于邁入了「智能體（Agent）」的3.0時代。

1月13日，「AI國家隊」科大訊飛重磅發布的「招采智能體平臺」，給出了一個完全不同的解題思路。

它徹底拋棄了「輔助工具」的定位，直接提出了一個大膽的概念：智能體工廠（Agent Factory）。

這意味著，訊飛把招采領域幾十年積累的專業能力，全部拆解成了標準的「智能樂高模塊」。

由此一來，以上三個痛點迎刃而解。

• 招采智能體精準嵌入「全流程」：編標環節自動生成招標文件，并進行合規檢測；清標環節智能體揪出報價雷同、資質造假等問題；評標環節評審智能體，主動審查同時給專家一個參考。
• 
  
• 招標文件編審智能體：只要用自然語言講出需求就會自動回填項目信息、分析場景、選范文模板、推薦評審規則，一鍵出稿。還能針對招標文件的風險進行全方位的審查，再也不用人工對著法律條文逐條修改。
• 異常行為檢測智能體：先解析所有招標、投標文件，把文本、圖片都轉成結構化數據；隨后從企業關聯、語義相似、報價規律等8個維度，精準檢出異常行為跡象；最后生成風險預警、異常詳情和結果判定，連證據鏈都給你整理好。
• 輔助評標智能體：打破傳統評標引擎 「黑盒調試難」 困局，實現定點調試提效，進一步提升評審準確率，支持私有化部署深度適配企業個性化需求。
• 
  

像搭積木一樣，搭建智能體

作為招采行業的探路者，科大訊飛認識到：招采比他們想象的更加復雜。本質上是因為，缺乏承上啟下的載體。

而這個全新的招采智能體平臺，以Agent作為底座，打造了一個專屬于行業的智能體平臺。

它融合了行業知識庫，利用Workflow構建了全場景的招采智能體應用。

這樣，就能通過搭積木的方式，降低開發門檻，實現應用的快速落地。

而且，這個平臺還有40多個場景的子Agent，比如招標文件解析，資質驗真。

同時，平臺還整合了11萬多個泛行業的優質智能體，覆蓋生活、學習、辦公全場景。

要知道，速度就是企業AI落地的核心需求。

而這個平臺，可以讓你零代碼、用自然語言描述需求，快速生成應用。另外，低代碼工作流可以把各種能力、插件、組件、工具拼接起來。

現場怎樣搭一個智能體

在大會現場，科大訊飛的工作人員為我們演示了如何像搭積木一樣，搭建一個評審辦法解析智能體。

其中，子Agent、知識庫等，都是在招采智能體中上線的原子能力Agent。

具體步驟如下：首先，在開始節點配置輸入，導入招標文件。

接著，招標文件解析Agent，可以利用多模態識別能力將招標文件內容解析為結構化信息。

然后，通過評審辦法抽取一個Agent。接著在知識庫節點，選擇適配的大模型。

而初步評審辦法解讀Agent和詳細評審辦法解讀Agent，會依次工作。

再后面的招標規則整合Agent，就可以實現對評審辦法的全維度梳理，然后進行結構化的輸出。

就這樣，短短幾分鐘的時間，這個平臺就搭建出一個Agent。

接下來，工作人員還具體演示了，怎樣用它調試一個真實的項目。

導入一份招標文件，輸入提示詞，短短幾秒就得到了具體的評審因素、打分因素、評分標準的關鍵等。

RPA賦能智能體

在招采過程中，有很多重復性很強的工作。比如在評標環節，專家經常需要第三方的網站，用到它們的知識，極其繁瑣。

而且，資質條款的核驗需要在企業內部查詢，還需要手動核對，耗時又費力。

而科大訊飛的資質驗真Agent，可以自主決策核驗路徑。全程都無需人工介入，能真正解放人力，提升效率。

這正是Agent與RPA融合后產生的質變。通過將AI的決策規劃能力與RPA的精準執行能力深度融合，訊飛的平臺構建了「AI大腦」與「自動化雙手」的閉環，使智能體能夠自主理解任務、決策路徑并完成跨系統的復雜操作。

工作人員演示了，資質驗真Agent是怎樣運行的。

首先，上傳一份投標文件，輸入評審條款。

然后Agent就識別出，需要到信用中國去實現驗證。

接下來，RPA就代替了人手、人眼，完成了驗證工作。全程它都在自主操作。

最后，它識別到了匹配度最高的一家公司。并且驗證出該投標人并未被列入失信被執行人名單。

總之，如果說Agent是大腦，RPA就是它的雙手，可以輕松打通上下游系統。

另外，輔助評標這個復雜的流程也放到智能體平臺上了，企業可以快速增加節點，上傳知識，完成企業自己的評標智能體開發。

實踐證明，科大訊飛招采智能體平臺在實際落地時AI與專家的主觀項排名一致率已達到95%。

從成熟的智能體生態，到零門檻的快速搭建，RPA的高效協同，再到簡潔的調試和模型精調，整個智能體平臺，將為招采行業開啟應用開發的新范式！

四個「反直覺」判斷

如果說產品功能只是表象，那么透過此次發布會，我們可以提煉出四個觸及AI B端落地靈魂的「反直覺」行業判斷。

判斷一：Agent必須從「聊天助手」進化為「可信賴的業務執行單元」

在消費級場景，AI的答復可以天馬行空。

但在招采這類嚴謹的商業領域，AI輸出的任何結果都必須建立在三個基石之上：可執行、可核查、可追溯。

這要求AI不再是一個僅能對話的「參謀」，而必須成為一個深度理解業務規則、能夠自主完成復雜任務鏈且過程全透明的「專業執行者」。

訊飛通過構建40多個專業子Agent的能力矩陣，并實現其間的規劃與協同，為AI配備了精準的招采「操作指南」，確保其操作穩定、規范，從而真正勝任關鍵業務環節。

判斷二：高自由度是風險，約束才是核心競爭力

通常我們認為AI越自由、越有創造力越好。

但在招采這種規則系統里，Agent必須放棄「自由發揮」 。

此時，真正的工程能力，在于如何把Agent拆解進流程，用規則去校驗它，用多重邏輯去約束它。

用一句話總結就是：

智能招采不是在展示模型有多聰明，而是在驗證工程約束能力有多強。

對此，訊飛采用了SuperAgent架構，通過主Agent調度10+個子Agent，并接入招采法律法規庫和行業知識庫進行嚴格約束。

判斷三：「長期活著」比「一次跑通」重要一萬倍

做一次完美的演示很容易，但在真實環境中活下來很難。

招采的規則會變，流程會變，異常情況才是常態。

真正的技術門檻在于：當規則變更時，系統是否依然可用？在沒有人工兜底的極端情況下，系統是否依然穩定？

因此，Agent能否進入主流程，取決于它的「生存能力」，也就是系統的魯棒性。

如今，科大訊飛已經和許多龍頭企業，在招采產品中進行了合作落地，成功跑通流程。

發布會上，一位重量級嘉賓的出現很有說服力——國家能源集團物資有限公司科技信息部主任朱捷。

作為「智能評審的開創者」，朱捷分享了一個震撼的數據：

他們早已不僅是試用，而是實現了「智能無人評審」的規模化應用。

在集團內部，AI已輔助評審訂單高達18萬單，評審準確率已超過97%。

判斷四：這是一條「不可逆」的單行道

招采屬于企業最敏感、最難回退的系統之一，一旦引入AI，回退成本極高。

訊飛「招采智能體平臺」，正體現了這一不可逆性。

不可逆的核心在于，一旦企業嘗試到AI帶來高效率、公平公正與全鏈路優化，就不可能再心甘情愿退回到傳統低效率模式。

想象一下，過去海量標書評審，人工耗費數小時甚至數天，異常行為檢測依賴專家主觀判斷。

如今，通過平臺實現多維度風險預警與人機協同，讓企業招采效率躍升，運營成本大幅降低。

這意味著，招采領域的Agent應用，正在從實驗期走向了真正的落地期。

為什么是科大訊飛？

在AI Agent這條賽道上，幾乎所有的科技大廠都下了重注，而且還有無數的初創前仆后繼。

為什么偏偏是科大訊飛，在招采這個細分但極度重要的領域跑通了？

答案可能藏在三個關鍵詞里：「底座」、「領域」與「數據」。

• 首先是國產算力底座的硬氣。
• 
  

在當前的國際局勢下，央國企對數據安全和供應鏈安全的考量處于最高優先級。

科大訊飛與華為聯手打造的「飛星一號/二號」平臺，構建了純國產的算力底座。

這種在硬件層面的自主可控，是其他依賴海外GPU的廠商無法比擬的護城河。

• 其次是訊飛星火大模型的「通專結合」。
• 
  

招采業務極其考驗多模態能力——既要看懂晦澀的法律文本，又要看懂復雜的工程圖紙，還要比對公章的真偽。

訊飛星火大模型長期的迭代，尤其是其在圖文理解上的優勢，恰好匹配了招采的痛點。

除了招采領域，基于訊飛星火大模型底座，打造的垂類模型早已遍地開花。

星火醫療大模型深度賦能診療、健康交互等多場景；星火法律大模型打造AI專屬顧問，讓法律咨詢服務公平可及....

這些生動的實踐，正是訊飛「1+N」戰略布局的有力印證，讓通專結合的模式脫穎而出。

• 最關鍵的，是經過實戰驗證的數據飛輪。
• 
  

更深一層看，「通專結合」之所以真正落地，并不是只因為底座強、垂類多，而是它天然具備了跑出數據飛輪的條件。

一方面，大模型提供了強泛化的理解與推理能力，能把招采復雜場景先跑通；另一方面，垂類模型和智能體釘進具體環節，讓LLM在真實業務中獲得高密度的反饋。

由此，便形成了越用越準、越準越用的閉環。

比如，合肥公共資源交易中心，就利用「智慧交易智能體」將一致性提升到了95%。

還有如上提到的國家能源集團的智能評審系統，已輔助評審訂單高達18萬單，準確率超97%。

這種在央企實戰中打磨出來的算法精度和業務邏輯，是任何實驗室里都跑不出來的數據壁壘。

目前，訊飛在AI招采的市場份額持續領先。

從中國石油到國家電投，這些掌握著國家經濟命脈的巨頭們，不約而同地成為了訊飛的合作伙伴。

這些行業巨頭的率先采用與成功實踐，有力證明了AI在復雜B端場景的可行性。

如今，當AI Agent開始在招采這樣嚴謹、復雜的領域挑起大梁，我們有理由相信，2026年，確實會成為一個分水嶺。

它標志著AI從「玩具」變成了「工具」，從「副駕駛」坐到了「主駕駛」。

對于所有的企業管理者來說，現在的問題已經不是「要不要用AI」，而是——

「你的業務流程，準備好迎接一位硅基新同事了嗎？」