隆道公司吴树贵：AI赋能采购业务分析

场景就是需求，生成式AI的研发首先要找对场景。

11月30日至12月1日，由中国科技产业智库「甲子光年」主办的「致追风赶月的你」2023甲子引力年终盛典在北京顺利举行！

百余位嘉宾齐聚一堂，聚焦产业前沿话题，剖析科技产业风口，总结分享这一年来的里程碑事件和行业变量。站在历史长河审视当下，ChatGPT与AI大模型的诞生，或许会成为对整个互联网文明，乃至整个工业文明的一次颠覆。科技与产业深度融合下，一个崭新的时代正在来临。

现场，北京隆道网络科技有限公司总裁吴树贵为观众带来了主题为《生成式人工智能VS业务分析AI助手》的分享。

吴树贵认为，通用AI模型不会适用于所有场景，生成式AI的研发首先要找对场景，其次要进行数据的匹配与积累。与自然资源不同，数据资源会越用越多，因为数据在使用过程中会产生更多新的数据，所以我们要把数据用起来。

以下是北京隆道网络科技有限公司总裁吴树贵的演讲实录：

大家好！今天我想和大家分享的是我们基于生成式人工智能开发出的一个新产品。这个产品已经在我们用户中试用了。

1.生成式AI研发要找对场景

简单来说，生成式人工智能可以生成文字、编写代码、制作图片，等等。例如，你给它念一句诗“小桥流水人家”，它能够画出相应的画。此外，它还能处理音频和视频。举个例子，我们清华大学的资深人工智能专家张钹院士曾经尝试过，他让AI唱一下清华的校歌，结果它编出一首新的曲子。所以张钹教授说人工智能有时候会一本正经地说胡话，因为清华的校歌只有一个版本，但AI能够编曲，所以就编了一个新的版本。这也是我们在AI领域经常会遇到的问题。

生成式人工智能是一项技术，但要将它实际运用在业务中，还需要做一层技术开发，形成基于AI的业务 APP。

我们要解决的是让这项技术真正落地应用的问题。比如我在大厂的一个人工智能系统上问今年成交供应商有多少？它可能无法给我一个准确的答案。但它在说胡话吗？也不完全是，但是它给出的答案可能并不实用，甚至对你没有帮助。

但是，我们的产品能为你生成新的业务分析报告，这是实打实的。我们的软件系统或AI应用可以在PC端运行，也可以在手机端运行，但开发过程非常困难。刚才主持人提到今天是OpenAI推出ChatGPT一周年的日子，似乎在一年内就推出了这样的产品有些令人惊讶。

我从2001年开始创业，建设运营了中国第一个互联网招投标网站中国国际招标网，这个网站主要开展机电设备国际招标业务，20多年的在线运行，让我们完成了招标采购基础模型的数据积累。现在我们与客户合作研发了生成式AI，并专门用于采购招标业务分析，算法和数据资源我们一样也不少。

生成式AI的研发和应用，首先要找对场景，场景就是需求，而数据的匹配至关重要。举个例子，AlphaGo与围棋大师柯洁下棋。据说柯洁在与AlphaGo的8盘对弈中，仅在第四盘时才有胜算，最后哭了，说下不过它。但我想说，如果我们改变策略，不下围棋，下中国象棋，给它一个当头炮，看看它会如何应对？

我想强调的是，用对数据很重要。AlphaGo中灌入了世界历代围棋大师的棋谱，它可以一直进行不间断的计算并且不会疲劳，而柯洁或任何一位围棋大师，在经过四个小时的对弈后都会感到疲惫不堪。所以，选择合适的数据至关重要，如果数据错了，很可能导致一本正经地说胡话。就像刚才说的清华校歌，我们不需要AI生成新的校歌，因为目前清华校歌只有一个正确答案，不可能有第二个，这时候我们不需要运算，只需要给出正确答案就可以了。但在很多情况下，我们需要进行计算和推理，因此首先需要对数据进行整合和加工。

我们在处理数据的时会遇到很多问题，也很难穷尽所有的场景，所以在AI应用中可能会遇到很多千奇百怪的问题。因此，我们既要有对自然语言的处理能力、整合能力，同时，也要不断向AI灌输知识或者说语料，让他不断地进行深度机器学习。

举个例子来说明生成式人工智能的机器学习过程。如果我下午来会场，没有听到刚才五位嘉宾的圆桌对话，我在讲话中就不会提到数据处理，也不会说我们与泛微有合作，我们用户里有用泛微系统的。如果我之前不知道泛微的存在，我可能就不会在演讲中提到它。这意味着我在来到这里之前我头脑里的语料库已经完成了一轮更新。

当我来到现场发现新情况、新问题，并根据这些进行了新的回应，这就是生成式AI掌握的一种重要技能，即学习能力，将新的语料和问题融会贯通。所以，一要有知识储备，二要有融会贯通，要让生成式AI能模仿人的思维进行数据处理，再给出答案，这是我们需要了解的。

2.数字化转型中，数据积累至关重要

经过长时间的储备，我们在数据开发和应用方面已经获得了三项专利。我们的业务分析系统具有即时响应的特点，比如用户可以随时问合作的供应商数量，它可以立即生成答案，并且是真实数据。我们的数据截止时间是T-1，也就是说，当用户查询时，系统提供的是截止到前一天晚上的数据，也算很快了。

此外，我们的系统可以查询任何时间维度的信息，如今年、上个月或上半年的数据。用户只需指定时间维度，选择全维度或特定业务领域进行查询，就可以获得信息。例如用它了解当前进行中的项目数量、与我们合作的供应商数量等。这些信息可以是整体的，也可以是个人的，全都来源于真实数据，因此我们的系统是“实话实说”的。

能无师自通的产品，就是用户友好型的产品。我们在整个系统的产品开发过程中，对团队成员的要求就是，凭借用户日常上网浏览新闻、网购或玩游戏等在线互联网体验来设计我们的产品，让用户不需要专门培训就可上手使用。

使用我们的产品带来的好处是，可以推动企业自身数据的资源化。刚才有专家提到现在开始将数据资产化，使用了一个词“数据目标”，意味着数据可以作为资产入账。但我更倾向于强调数据的实际运用。就像存货一样，数据如果不用，就是死的资产。所以我提倡要把数据用起来，数据在使用过程中会产生新的数据。

与自然界的资源不同，数据资源是越用越多的。以“红学” 为例，曹雪芹写了一本书，他肯定没有想到后来会有一个专门的学术领域叫做“红学”，这就是一本书形成的庞大的资源，属于数据资源的范畴。同样地，我们企业的数据也是如此，一定要充分利用它，让它产生价值，这样入表后数据的价值才会得到提升。

关于PC端的功能，我们也提供了多样化的功能选择。你可以选择形成个人的或组织的分析报告，也可以选择全维度、分维度或特定分类的，比如招标、询比价、竞价等，都可以专门分类进行分析。

为了提高效率，我们也准备了模板。这样就不必每次都重新输入相同的信息。当然，如果你不喜欢现有的模板或有其他需求，也可以随时生成新的模板。所有的信息和数据都会被存档，所以你也可以随时回顾以前的总结。比如我想知道今年采购项目的总量，系统会迅速为你提供答案。这些数据都是真实的，尽管我没有透露具体来源。

从时间维度来看，我们可以生成各种业务分析。尽管这个领域很窄，但其底层逻辑却是很多的。我个人认为AI的发展过程中，不可能一贴药方治百病，更不能用一个通用的AI模型适用于所有场景，至少近期是没有的。实际上，AI在某一方面表现出色，但其他方面可能并不擅长，而数据的差异也会导致AI在不同任务中的表现有所不同。

将来，AI的发展会首先在某一领域取得突破，然后再向其他领域扩展。当我们从采购领域开始突破时，已经看到前景了。例如，AI可以替代所有采购交易方式，因为我们拥有底层数据和实际场景，可以与用户紧密合作，组织语料，不断让机器学习。机器学习需要人类的指导，而不是机器自身学，它也可以通过自我学习逐渐提高智商，但这是一个漫长的过程。我们目前所处的AI发展阶段相对于未来的发展空间而言仍然处于婴儿时代，它的发展空间巨大，但道路漫长，因此我们需要保持信心并勇敢地迈出第一步。最近，我们的用户社区非常活跃，许多用户每天都在试用我们的产品，并积极向我们提供反馈，包括建议增加新的语料等。

在实现数字化转型的过程中，数据的积累至关重要。数据积累，必须要建立数字化系统，这就意味着企业的数字化转型。以制造业为例，主要包括采购、生产和销售三个领域。整个企业数字化转型要建系统时必须考虑与供应链的整合。要从大处着眼，小处着手，企业的数字化转型在四大领域都要做，其中最重要的是实现数据资源化。

我们选择的切入点是采购领域，这与传统的电商有所不同。传统电商主要帮着企业卖东西，而我们是帮着企业去买东西。供应链是一个相当复杂的领域，我自己也研究了很多年。为什么从采购领域切入？因为采购与销售是每个企业都相关联的环节，而且采购在供应链的构建中起着决定性作用。采购人员需要从多个供应商中做出选择，而我们的系统可以帮助他们挑选出最优质的供应商。

现在对供应商的评估非常严格，有客户告诉我，他们希望了解供应商的上游供应链情况，包括第一层、第二层和第三层供应商。大家都知道蝴蝶效应，供应链中的任何一个环节出现问题，都可能影响到整个供应链。因此，这条数据链和供应链是从需求开始，根据需求配置资源，所有相关方包括产能供应商等都需要协同作业。在这个过程中，每一个参与的伙伴都需要创造价值。如果一个供应商在竞标中没有中标，那可能是因为采购商认为他们没有提供足够的价值而将其排除在外。

所有的业务活动和数据都是紧密相关的，这个过程中沉淀了大量的数据。如果你没有建立数字化采购系统，是没有这些数据的，AI的业务模型建立也会成为问题。所以我们的AI是基于多年为企业进行采购所积累的大量数据，对采购领域的独特见解而构建的。

最后，介绍一下我们，隆道公司，成立于2017年。前面提到的中国国际招标网是2001年与商务部（当时的外经贸部）合作建设的，我们始终坚持以数字技术服务采购和供应链为使命服务企业。采购是供应链中的一个组成部分，但我们强调采购的重要性，为什么呢？因为这是我们进入市场的切入点，而且采购在供应链的构建中十分重要，因为它关系到原材料的质量，供应商的稳定性和成本控制等多个方面。我们非常期待与大家的合作，尤其是新AI产品推出后，我们希望在技术合作和投资领域等方面都能与大家进行深入探讨。

我们一直致力于打造一个对社会有价值的企业，希望我们的发展能对所有人都有好处。我们是一个追求共赢的企业，谢谢大家！