封面图片及本图片由AI生成

前几天跟一个在制造业做采购总监的朋友聊天，他说了一句话，让我琢磨了很久。

"以前我的KPI是降本5%，现在老板问我，你用AI了吗？用AI降了多少？"

这不是个例。AI进入采购供应链，已经不是"要不要"的问题，是"多快"的问题。最近上海交大安泰经管学院发布了一份《2026年"人工智能+"行业发展蓝皮书》，里面有几组数据，跟采购供应链从业者直接相关，值得认真看一下。

先说一个最震撼的数据

蓝皮书里提到：2024年初，全球AI的日均Token调用量是1000亿；到了2026年3月，这个数字突破了140万亿。

两年多，增长了超过千倍。

这个数据跟采购有什么关系？关系大了。Token调用量暴涨，说明企业正在把AI塞进每一个能塞的地方——客服、文案、写代码，现在轮到采购了。

我接触过的企业里，去年还在讨论"要不要用AI"，今年已经在比"谁用得更好"。这个速度，比当年ERP普及快得多。

来源：腾讯新闻《聚焦技术重构与产业赋能 交大安泰发布〈2026年"人工智能+"行业发展蓝皮书〉》2026-04-24

制造业的AI应用，正在发生什么？

蓝皮书里有一个数据让我印象深刻：制造业应用大模型的企业比例，在一年内从9.6%跃升至47.5%。

这个数字意味着什么？意味着你身边差不多一半的制造型企业，已经在用AI做点什么了。

在采购供应链这个垂直领域，我认为目前AI渗透最快的三个环节是：

第一，智能询比价。以前询比价要人工整理供应商报价、做Excel对比表，现在AI可以自动读取多家报价文件，提取关键条款，生成对比分析。我见过最快的案例，把原来需要2天的询比价流程压缩到了2小时。

第二，合同风险审查。采购合同里的陷阱，有经验的采购员能看出来，但新人不行。AI模型经过大量合同数据训练后，能在几秒钟内标记出非常规条款、模糊交付条件、不合理的违约责任分配。这个能力，已经在不少企业的采购流程里"内生"了——拿掉它，流程就卡住了。

第三，供应商尽职调查的自动化。查工商信息、诉讼记录、经营异常，这些以前要专人花时间查，现在AI可以自动完成初筛，人工只需要复核 flagged 的供应商。效率高不说，关键是覆盖面广——人工核查可能只查Top 20%的供应商，AI可以全覆盖。

来源：网经社《上海交通大学：〈2026"人工智能+"行业发展蓝皮书〉》2026-04-24

"数据治理"这个词，采购人迟早要面对

蓝皮书里有一句话，我建议做采购的人认真想想："数据不再是AI的燃料，而是AI的血液。"

燃料是加了就能跑的东西，烧完就没了。血液是在系统里持续循环的东西，不能断。

放到采购的场景里，这句话的意思是：你不能只想着"我有历史采购数据，能不能训练一个模型"。正确的问题是："我的采购数据能不能持续流动、持续更新、持续被各业务环节调用？"

我见过太多企业的采购数据，存在各自的Excel里、邮件里、ERP的某个模块里，格式不统一、编码不统一、口径不统一。这种数据状态，AI用不起来——不是模型不够好，是数据根本没治理过。

蓝皮书指出：率先完成数据治理的企业，正在建立难以复制的竞争壁垒。这个判断，我完全认同。

数据治理这件事，做的时候很痛苦，要统一主数据标准、清洗历史数据、建立更新机制。但一旦做成了，后来者想追，光是数据清洗就要花几年的时间。这个时间差，就是竞争壁垒。

来源：光明网《上海交大安泰发布〈2026年"人工智能+"行业发展蓝皮书〉》2026-04-24

AI+采购的三个阶段，你在哪一阶段？

结合蓝皮书中对AI产业赋能阶段的分析，以及我观察到的采购供应链实战情况，我认为AI在采购领域的渗透，可以分成三个阶段。

阶段一：工具期。AI是外挂工具，用来写邮件、整理表格、生成询价单草稿。用不用两可，不用也不影响业务。这个阶段，大多数企业都在。

阶段二：嵌入期。AI开始嵌入采购流程的关键节点——询比价自动完成、合同审查自动预警、供应商评分自动计算。这个时候，拿掉AI，流程还能跑，但效率会明显下降。目前头部制造企业正在进入这个阶段。

阶段三：内生期。AI已经成为采购流程的"基础设施"，不是在流程之外加点什么，而是流程本身就是围绕AI能力设计的。这个时候，拿掉AI，流程就跑不通了。目前国内能达到这个阶段的企业还很少，但已经在发生。

蓝皮书中也提到，AI赋能正从龙头企业的标杆工程向中小企业和产业链上下游扩散。这个扩散过程，在采购领域会表现为：阶段一的企业越来越多，阶段二的企业开始出现，阶段三的企业成为行业标杆。

你在哪一阶段？这个问题的答案，决定了你接下来该投入什么、投入多少。

来源：上海交通大学行业研究院 蓝皮书全文 2026-04-27

一个容易被忽视的问题：AI采购决策的合规风险

蓝皮书的治理篇提出了一个判断：技术变革的速度已经超过制度演进的速度。这个"制度落差"，在采购领域表现得特别明显。

具体来说，有三个问题，企业迟早要面对。

第一，责任归属问题。如果AI给出的供应商风险评估建议导致了错误决策，责任算谁的？目前没有标准答案。但从趋势看，企业需要在内部建立AI辅助决策的记录留存机制——谁用的AI、基于什么数据、得出了什么结论，这些都需要留痕。

第二，数据合规问题。如果你的采购数据（供应商信息、价格信息、合同文本）被用来训练境外大模型，合规吗？这个问题在国企和央企里尤其敏感。蓝皮书中也提到，AI治理的全球碎片化正在成为现实挑战。

第三，算法公平性问题。如果采购过程中的供应商筛选用到了AI算法，你怎么证明这个算法没有歧视某些供应商？在政府采购和国企采购里，这个问题迟早会成为审计重点。

我的建议是：不要等标准出来了再行动。可以在企业内部先建立一套AI采购工具的使用规范——哪些环节可以用AI辅助、哪些环节必须有人工复核、哪些数据不能用来训练外部模型。这套规范不用等国家标准，企业可以自己先建立。

来源：新浪新闻《交大安泰发布〈2026年"人工智能+"行业发展蓝皮书〉》2026-04-28

写在最后

说回到开头那个采购总监朋友的故事。他后来跟我说，他们公司用AI做了两件事：一是自动整理供应商报价对比表，二是自动标记采购合同里的非常规条款。

这两件事加起来，让他的采购团队效率提升了大约30%，而且新员工的上手时间从3个月缩短到了3周。

这不是什么高深的技术，就是实实在在地用起来了。

蓝皮书里说，AI竞争的焦点已经从"模型比拼"转向"全栈系统工程能力"。翻译成采购人的语言就是：别再纠结用哪个AI工具了，想想你的采购流程里，哪些环节可以用AI重构，然后去干。

2026年，AI+采购供应链，已经从"观望期"进入"行动期"。这个转折，比大多数人意识到的都要快。

来源汇总：· 腾讯新闻 2026-04-24· 光明网 2026-04-24· 网经社 2026-04-24· 上海交大行业研究院 2026-04-27· 新浪新闻 2026-04-28

如果觉得有启发，欢迎点赞、转发，让更多人看到AI+产业落地的真实进展与采购供应链机遇。