大宗商品的AI真相

来 源 | 扑克投资家

有预测称，到2027年将有超过40%的agentic AI项目被取消，原因不是技术不行，而是成本高企、商业价值不明确、风险管控不到位。在大宗商品这个千年行业里，AI落地的成功率只会更低。你不是在做一个推荐算法，你是在面对全球天气、地缘政治、矿山罢工和一个突然跳涨10%的期货盘。

所以真正的问题不是“AI会不会取代人”。那些活下来的项目揭示了一个完全不同的故事：AI冲击的从来不是岗位，而是“价值创造”这件事儿的定义本身。未来能活下来的企业，不是用AI替代人的企业，而是把人和智能体捏成一个“超级团队”的企业。

我们拆开四个正在发生的“转基因实验”，每一个都在重写一类价值。

中粮油脂的商情团队面对的是全球40多个数据源、1500多项数据要素。产地暴雨刚泼下10分钟，国内豆油期货就能涨跌停。但在2022年之前，他们的研究员每天要做的，是手动打开这些网站，把数据一个个敲进Excel——单条信息耗时20分钟，一天光输数据就占满两小时。

这是把高价值的人困在了低价值的劳动里。

2023年，中粮油脂启动商情平台建设。今天，1214个核心数据实现100%自动抽取，单条录入时间从20分钟压缩到10秒，综合成本砍掉80%。以前2小时才能完成的数据分析，系统2秒生成结果。

在那之后，研究员从“数据搬运工”变成了“决策分析师”，他们可以腾出精力，开始做过去不可能做的事。比如：把产地出口政策调整、天气预测、期货盘面、海运状态打包在一起推演。

AI负责执行关联，然后把决策空间交还给人。

上海钢联是中国最大大宗商品数据服务商，拥有27.6万数据订阅付费用户，国内首家通过国际证监会IOSCO认证。它的核心产品是“数据”，但数据本身不稀缺，稀缺的是“理解数据的人”。

2025年，上海钢联研发了垂直大模型“钢联宗师”，并打造了三款应用的AI产品矩阵：“小钢”数字智能助手、EBC企业级决策平台和“小铁”智能办公助手。年报显示，2025年其归母净利润2.13亿元，同比增长31.85%，AI产品已实现从技术验证到商业落地的跨越。

这才是价值重写的第二层。上海钢联的核心能力是价格指数和产业数据，但过去这些数据需要靠“人类分析师”来解读，分析师的数量就是服务能力的天花板。现在“小钢”智能助手在市场分析方面已达到初级分析师水平，能辅助团队做数据分析和研报撰写。

分析师的总量没变，但分析师的能力被“复制”了。一个资深分析师的判断力现在可以24小时服务成百上千个客户，而不是一次只能接一个咨询电话。

EBC平台更是从数据采集开始打通全链路。这套方案在煤焦钢电产业链落地多个场景，曾单月帮客户采购降本3678万元。关键词是“生态协同”——AI不仅改善单个企业效率，还在重塑产业链的分工方式。

但必须说：大模型“幻觉”在大宗商品领域可以造成灾难性后果。如果AI对库存数据或供需预测产生误判，一个错误建议可能牵动千万级损失。正如IDC在2026年报告中指出的，智能体需要建立严格的约束、权限边界和行为控制机制，才能从“可用”走向“可控”。

热联集团曾是传统大宗商品贸易商，但现在做的事完全超出了“低买高卖”的范畴。它推出的“五维管家服务”涵盖实体企业的库存、产能、订单风险管理，以及采购、销售两端优化。翻译一下：它从产业链的交易对手方，变成了实体企业的“外部CFO”和“风险管理部”。

一个典型案例：聚酯产业链某短纤企业在扩产时遭遇产能不确定性，热联介入后，通过聚酯链期货工具帮企业锁定远期加工费。2025年初，这家企业短纤生产线满负荷运转，长丝设备逐步试产，逐渐蜕变为产业链复苏标杆。

热联集团高级副总裁劳洪波的话一语中的：“大宗商品市场具备交易对手多、规模大、价格波动剧烈等特点，上游想高价卖货、下游想低价买货，上下游容易陷入价格零和博弈关系。期货、期权等工具的出现则打破这种困局。上下游企业从价格博弈的对手方，逐步变为服务赋能、合作变现的产业链协作伙伴。”

这才是“价值创造定义被重写”最深的一刀。利润的来源是客户为确定性支付的服务对价。 热联的模式里，AI工具帮它做风险计算和场景模拟，但“管家”的角色是人在扮演——理解客户的真实痛点、设计个性化解决方案、在AI给出的概率分布中做最后的判断。人在定义“什么是客户需要的确定性”，AI在计算“如何用最低成本提供这种确定性”。

2025年上半年，热联集团销售量6700万吨，同比增长48.4%；营收1250亿元，同比增长23.7%。这种增长来自深耕产业服务，不是“赌对了行情”——这是正和游戏，不是零和游戏。

欧冶云商的实验揭示了一个更激进的命题：钢铁交易能不能让人和AI重新分工？

2025年，欧冶云商推出“现货交互式AI智能分析智能体”，第一步实现了交互式AI智能分析。这个智能体依托大模型技术，可以自动进行市场分析、价格预测和交易策略生成，为钢铁企业的现货交易、供应链管理和市场决策提供智能支持。同年，又发布“钢铁营销AI智能体”，整合宏观经济、客户行为、价格波动等多维度数据，自动生成营销策略和客户匹配方案。

表面看是效率提升，内里是角色重分配。传统钢铁交易中，销售人员需要对客户进行产品匹配，需要个人经验判断市场行情和价格走势。现在，AI智能体将多维度数据进行交叉分析，销售人员从“数据收集和产品匹配”中解放出来，将更多精力投入到客户关系维护和复杂交易判断上。

欧冶云商的“钢铁专家智能体”还在2025年中国国际进口博览会上获得人工智能优秀案例优胜奖。这个奖项不只是一个荣誉，而是表明“AI+钢铁电商”的模式已被行业正式认可。

但必须正视硬币的另一面：欧冶这场实验的核心数据——AI智能体为交易效率提升了多少、为企业降低了多少成本——并未公开披露。这恰恰是大宗商品领域AI落地最真实的状态：实验在进行，方向是明确的，但ROI远未清晰。 这呼应了Gartner的警告：多数AI智能体是为“demo”而建，不是为企业而建。

说完四个实验，如果你觉得“超级团队”是一路坦途，那是在写科幻。实际落地中，至少三个问题悬而未决：

第一，幻觉在金融场景中可能致命。大模型幻觉的根本问题是架构问题，在模型缺乏可信企业数据、数据定义不一致时，失败是必然的。大宗商品领域一个错误的供需判断或趋势预测，足以引发重大财务损失。这就是为什么“人在回路中”不是一种妥协，而是一种安全架构。

第二，40%以上的AI智能体项目将被取消。 大部分AI智能体仍在demo阶段，真正的企业级部署面对成本高企、ROI不明、安全风险三重困境。

第三，全球巨头也在谨慎探路。 即便是维多、摩科瑞这样的国际大宗商品贸易巨头，它们的AI探索也停留在“开发算法挖掘数据中隐含模式”的初期阶段，远未达到“AI驱动交易决策”的成熟度。这意味着中国企业的实验已经是全球前列，但也意味着没有成熟路径可以照搬。

价值创造的定义被重写后，“超级团队”就不只是一个漂亮的组织概念，成为了一套新的资源分配逻辑：

AI拿走的，是数据处理、模式识别、标准化流程执行、毫秒级响应。这些是人类本来就不擅长的事——人脑处理不了10.7TB的多维价格数据，但AI可以。人留下的，是定义价值方向、设计协作规则、处理例外和非结构化决策、在AI的概率输出中做定性判断、在AI出错时兜底。

不是“你干这个，我干那个”的简单分工，而是根本性地重问一遍：每一项业务动作，到底凭什么创造价值？ 中粮的研究员不再凭“信息搬运速度”创造价值，上海钢联的分析师不再凭“解读数据的时间投入”创造价值，热联的业务员不再凭“赚差价的信息差”创造价值。

而这一点，才是对那句话最准确的回应——AI冲击的不是岗位，是“价值创造”的定义本身。 当定义被重写，你和智能体各自该站在哪里，答案自然浮现。

但单个企业的探索注定有其局限。整个行业都在问“AI到底该怎么落地”“风控体系如何从成本中心转向战略中心”“可信贸易的基石怎么搭建”时，答案不可能由任何一家公司单独完成。它需要产业链上中下游的决策者坐在一起，把各自踩过的坑、验证过的模型、沉淀下来的方法论，摊在桌面上对撞——这就是TGW存在的理由。