AI 写标书撞脸,问题不在串标变多,在判据失灵

先说结论：AI 参与写标书，真正的麻烦不是它让串标变多了，而是它把监管用来发现串标的那根指针磨钝了。

招投标这条线判断串通，长期靠一个很朴素的直觉：你的文件里出现了只有你才有的东西，而这东西跑到了别人家里。这套直觉在《招标投标法实施条例》第 40 条里有条文对应，也在那部业内常称“释义”的权威读本里有解释。

问题是，当大家都拿同一批模型生成文件，“只有你才有”本身就成了稀罕事。

判据的字没改，判据脚底下那块地动了。

第 40 条列了 6 种被视为投标人相互串通的情形。跟 AI 写标书能扯上关系的有两处。

一处盯着编制行为：文件由同一单位或者个人制作。另一处盯着文件长相：投标文件异常一致，或者报价呈现规律性差异。

一个问“谁做的”，一个问“做成什么样”。

在 AI 出现之前，这两件事基本重合。不同家的文件撞在一起，通常说明背后有同一双手。现在它们可以分开了，而且分得很干净。这正是所有争议的源头。

还要注意一个立法技术上的细节：条文用的是“视为”。视为是一种推定，它把举证的压力换了一个方向，但没有宣布这件事不可解释。这个差别，后面会变得很关键。

AI 不是法律主体。它既不是单位，也不是个人。

条文里那句关于“同一单位或者个人”，规范对象是行为的做出者。拿同一个大模型写文件，在结构上跟拿同一款办公软件排版、拿同一家造价软件算量没什么区别：工具是共用的，行为是各自做出的，责任也各自承担。

所以“大家都在用同一个工具”这句话，本身推不出串通。

但故事到这儿没完，而且没完的部分才是重点。

工具同源落不到那条讲编制主体的规定上，那它落到哪儿？

答案：落到看结果的那一项上。释义给“异常一致”的界定，大意是概率极小、甚至不可能撞上的内容，偏偏在不同文件里一起出现。它不问是谁写的，它问这个巧合有多离谱。

于是审查重心发生了一次位移：从“你有没有共用编制方”，转到“你的产出为什么这么像”。

对 AI 从业者来说，这是整篇最该记住的位移。因为后者是模型的特性，不是投标人的特性。

大模型面对同一份招标文件、同一套提示词，给出高度趋同的行业平均答案，是它的常态行为。法律语境里的“异常”，和统计语境里的“异常”，在这里根本不是同一个词。

前者说的是“不该发生”，后者说的是“不该出现在这个分布的低概率尾部”。模型恰恰把过去落在尾部的事情，搬到了分布的峰上。

把释义列举的典型表现摊开看，很有意思。

错误雷同、打印错漏一致、自行编排的版式完全一样、某家特有的业绩或编号或标识出现在别人文件里。

这几条有一个共同点：它们都在找“不该共有却共有了”的东西。

错别字是私有的，排版习惯是私有的，自家项目的编号更是私有。私有物跨家流动，说明中间有共同的手。

而 AI 做的事，恰好是稀释私有性。

它把行业公共话术重新洗一遍再交回给你。那些“严格遵守有关法律法规”“确保质量与安全”的句子，本来就是大家都会写的东西，撞上不奇怪，也不该被当成线索。

它又不太会主动保留你家独有的东西，除非你先把独有的东西喂进去。

于是原来那把尺子量不准了：尺子的刻度叫“特有性”，而 AI 正在把“特有”批量改写成“共有”。

反过来还有一层更麻烦的。AI 也会制造新的类私有指纹。同一次调用给出的段落顺序、同一套小标题命名、同一种别扭的连接词习惯，会原封不动落进好几家的文件。

这种雷同不是串通，但它长得跟串通一模一样。识别系统只认长相，不认出身。

把它抽象成一句话：任何以文本独特性当证据的判定，都在赌“自然状态下不该撞车”。撞车的先验概率足够低，所以一撞就能推定有人为。

大语言模型把这个先验抬起来了，推定的力量就打折。

招投标不是孤例。

论文查重在赌跨作者的句子不会自己撞上。学术不端的认定在赌同一套论证骨架不会独立长两次。版权官司里那条「先证明接触过、再比对实质性相似」的认定路子，同样依赖相似本身带信息量。连原创性认定，都把风格指纹当成作品的一部分。

这几条线共享同一个前提：相似是异常信号。

当相似只是同一批模型的分布产物，信号强度就衰减，这些领域都会撞上同一件事，只是到达时间不同。

做过后训练的人对这件事应该不陌生。模型在奖励分布平滑的区域收敛，输出熵往下走，采样多样性收缩。你追求稳定可控，就得接受同一 prompt 下产出的方差变小。方差变小在工程上是优点，在法律上是隐患：它让“两份文件很像”这句话，从一条线索降格成一条噪声。

所以准确的说法不是 AI 制造了更多违规，而是 AI 让监管识别违规的那面镜子起了雾。镜子没碎，只是照不清了。

这个话题确实已经在发酵。同一时间搜一搜，类似的讨论已经有好几篇，比如“专家说@编制时用了同一个 AI”，比如“都用 AI 写标书，内容撞了怎么办”。观点很杂，操作建议更多。

流行的一类建议是让文件错峰：早几天交，或者晚几天交，再或者换个模型、换套提示词重跑一遍。

这类建议动的是时间和表层文字，而条文问的是文件为什么长成这样。

换个模型，只是把指纹从 A 换成 B。两份文件互相之间也许不像了，但它们各自仍然像同一模型下的所有同类文件，而这才是问题的形状。

提交时间更不在条文的评价范围里。它既不解释雷同从何而来，也不解释某项独有标识为什么会出现在别家标书里。

时间管理解决不了证据问题。表层改写同样解决不了：调段落顺序、换近义词，能躲过字面比对，躲不过语义级比对。而语义级比对正是评标辅助工具被反复提起的升级方向。

不列步骤，只讲因果。

风险最高的一类，是直接采用模型的默认输出，不补本地素材。默认输出是同分布里概率最集中的那一坨，也是所有人最可能同时拿到的那一坨。你写得越顺手，说明别人也越顺手。

风险第二高，是把生成结果原样交出去，保留模型特有的表述习惯和结构骨架。小标题的命名方式，“从三个维度出发”式的开篇，同类术语的固定搭配。这些习惯在单份文件里看不见，两三家并排摊开就成了高度一致的个性特征。

而个性特征重合，恰恰是释义列举的那个原型。

风险第三高，是把别家的或行业里流传的模板素材一起喂给同一个模型。素材进去的时候可能带着某家特有的编号、指标口径、项目名，出来的时候就分给了好几家。

这一类最危险，因为它是“私有物跨家流动”的原版形状，只不过中间那个人换成了一次模型调用。

至于提前几天交，属于既不降低也不升高风险的操作，它只解决心理上的问题。

释义本身承认，技术方案存在一致的可能性，评标委员会可以靠澄清、说明机制把怀疑排掉。

也就是说，条文留了一个位置：相似要被认真对待，但相似不等于结论，中间需要成因。

能被采信的不是运气，是留痕。用了哪个工具、哪个版本，喂进去什么素材，初稿长什么样，人工改了哪几处，谁在什么时候改的。

这套链条的意义不是自证清白，而是让“相似”这件事有一个非串通的成因可以讲。

空口讲“现在大家不都用 AI 了吗”没有信息量，因为这句话对所有投标人都成立，也就对谁都排不出什么。

反过来，从规则设计的一侧看，这个口子对监管同样成立：只盯结果的相似程度，很容易误伤合理的工具使用者；只盯行为，又永远追不上工具的变化。相似度阈值触发，加上合理解释审查，这类设想本质上是在结果与行为之间搭一座桥，让两边互相比对，而不是互相替代。

回到开篇那一问：AI 生成的投标文件长得像，算不算异常一致？

按现有条文的框架，答案不在“像”这个字上，在像到什么程度。

模型把行业平均答案批量分发给所有人，这部分相似没有信息量，把它当线索是浪费。剩下的部分才是条文真正在看的：不该撞的撞了，不该共有的共有了，错在同一个位置，标识跑到别人文件里。

判据不会消失，只会搬家。搬家方向大致两个。

一个是从文字表层搬到过程证据：谁生成的，用什么素材，怎么改的。这条已经在各种讨论里被反复提到。

另一个更有意思，从静态比对搬到分布判断：不是问这两份像不像，而是问在给定模型、给定招标文件、给定提示词条件下，这种相似本来该有多常见。落在该常见的范围里就不是线索，落在不该常见的尾部才值得追问。

第二个方向对 AI 从业者更值得关注，因为它意味着未来的合规问题可能不再是内容审查，而是内容分布审查。你要证明的不是这句话没人写过，而是这句话不是一群人同时从同一个峰上摘下来的。

还有一个方向容易被忽略。当相似度不再携带信息，判定会向别的信号迁移：IP 归属、文件元数据、机器码、上传路径、时间戳链条。这些恰恰是过去用来抓“出自同一台电脑”的手段。也就是说，文本这条腿弱下去之后，取证会更依赖工程痕迹这一条腿。对做系统的读者来说，这意味着合规风险的入口，正在从写作行为转移到数据链路。

一句话收尾：AI 让标书变像，不可怕。可怕的是，当所有东西都像，我们就失去了判断谁在说谎的那把尺子。

---

你所在的行业里，有没有一条判据也在被同一批模型磨平？欢迎在评论区聊聊。

*以上内容仅为行业观察与公开资料梳理，不构成法律意见，具体认定以主管部门和评标委员会的判断为准，条文与政策表述以正式文本为准。*