自从我整理了3万条政府采购意向后

我原本只想自己能早一点发现商机。后来才发现，看见信息不算太难，难****公司，让一群人接着往下做。

我常想到一个有点别扭的场面。

员工 A 打开 AI，问了一个问题，几秒钟后得到一份很完整的分析。接着，他把其中几段复制到表格里，重新查客户背景，再去群里问一句：“这个项目有人跟吗”

AI 已经用上了，工作方式似乎没怎么变。

写文案、做摘要、查资料、生成方案，现在都很快。可一个答案出来以后，谁来判断、下一步做什么、过几天还能不能找到当时的依据，这些琐碎的事依然得靠人接住。

我也是做“商机前哨[1]”以后，才慢慢看清这个问题。

最初的想法很简单。公开采购需求明明已经散落在网上，能不能把它们收集起来，让销售早一点看见

做着做着，问题变了。

大家找到项目以后怎么办AI 分析****公司自身的资质、案例和投标习惯，能不能跟着项目一起走如果这些都接不上，搜索再快，最后也只是多了一个信息入口。

我曾经在国内某夕阳行业No.1的企业待过不同岗位，很多企业的市场工作，是从一份正式招标公告开始的。

预算明确了，采购流程启动了，截标时间也写在页面上。市场找资料，销售找关系，售前赶方案。办公室一下子忙起来。标书代写

只是到了这个时候，留给企业的时间往往已经不多。

在正式公告出现以前，采购单位通常会发布采购意向或公开计划。****政府公开标，但在某些行业或许可能会更前置。它想解决什么问题，预算大致有多少，计划什么时候启动，常常已经留下了一些线索。标书代写

这些信息并不难找到。难的是它们散落在不同网站，每天都在增加，也很少有人能长期盯着。

“商机前哨”最早做的，就是把这些信号收回来。

截至 2026 年 7 月 24 日最新取图时，公开页展示了 30,486 项采购意向、4,839.22 亿元已统计预算，当前覆盖**、**、** 3 个省级地区。90 天正式公告转化率为 9.2%。这里说的“转化”，指采购意向在观察期内进入正式公告，和销售成交没有关系。

图 1：公开页持续收集外部需求信号。数据会随线上页面更新。

搜索“人工智能”，系统会列出采购单位、地区、预算、发布时间和计划采购时间。一条 39.55 万元的系统升级需求和一条 6,000 万****中心项目，都会出现在结果里。

标题里都有“人工智能”，两件事却差得很远。一个企业可能很适合前者，看到后者却只能围观。金额大小很醒目，真正决定要不要跟进的，还有能力、周期和投入。

图 2：搜索先把信息找出来，企业再结合预算、时间、采购单位和自身能力做判断。

更早看到需求，确实能多留一点准备时间。但早期信息也更模糊。

线上 30 天观察窗口显示，成熟意向样本约 2.6 万条，30 天内进入正式公告的比例为 0.7%，已转化样本的周期中位数为 10 天。

0.7% 这个数字不好看，也很难拿去做宣传。

可它很有用。它提醒我们，采购意向离订单还很远。销售不该每天收到几百条“疑似商机”，然后自己去信息堆里找重点。有人要持续观察这些项目，也要随着时间和新信息调整判断。

公开页能做的，差不多到这里就结束了。

这是我做完公开页后碰到的第一个现实问题。

用户搜到一条项目，点进去看完，关掉页面。第二天又来了一条相关信息，他可能已经忘了昨天看过什么。即使点了收藏，收藏夹也不会提醒团队下一步该做什么。

于是，产品里有了工作台。

登录后，左侧能看到市场热度、知识图谱、招标雷达、采购意向、我的项目、投标顾问、知识库、企业画像、策略中心和数据源监控。

菜单看起来不少。它们其实都在补同一件事：让一条信息留下来，并且有人接手。

一条采购意向可以进入项目，项目有自己的阶段，团队可以补充情报，AI 的研判也会留在里面。过几天再打开时，大家知道事情走到了哪里。

这听起来很基础。可企业里的很多 AI 应用，偏偏就停在这一步之前。

通用模型可以解释一份招标文件。轮到“我们到底要不要投”，它知道得就不够了。

同一个项目，****公司面前，答案可能完全相反。一家有资质、有案例，也熟悉采购单位；另一家没有交付经验，项目金额再大也未必值得追。

工作台里因此增加了企业画像。核心资质、证书、经营数据、典型案例和负面规则，都可以保存在这里。AI 研判项目时，会一并读取这些背景。

图 3：示例企业画像。公司的基本情况保存下来，分析项目时可以直接使用。

有些内容是在说企业会什么。有些内容则是在提醒团队：低价搏标不做，资金没到位的项目谨慎投入。

这些话可能来自老板，也可能来自一次吃过亏的项目。写进企业画像以后，下一次分析就不必指望某个人临时想起来。

我对 AI 的期待也没有那么玄乎。它不用替管理者拍板，先把公司的基本情况记住，已经能减少很多空泛的建议。

类似的问题也出现在客户关系上。

一个采购单位以前发过哪些意向其中哪些变成了正式项目采购方向有没有延续过去又有哪些供应商中标销售熟悉这些事情，系统未必知道；销售换人以后，新同事更难接上。

所以又有了知识图谱。

图 4：采购单位、意向和项目之间的关系被保存下来，回看时有历史可循。

图画得漂不漂亮并不关键。采购单位和项目之间的历史能留下来，团队以后还能用，这才有意义。

这里也藏着风险。系统一旦把关系连错，后面的判断可能一起跑偏。现在需要区分已确认关联和候选关联，保留原始来源，也留出人工复核的位置。这部分很慢，却省不了。

我以前也觉得，用户收藏了项目，说明产品已经帮上忙了。

后来发现，收藏只是“我看过”。项目有没有人负责、准备到哪一步、最后为什么赢或输，收藏夹回答不了。

工作台把项目分成登记、意向、公告、方案准备、投标中、已出结果、赢单和输单等阶段。团队可以更新状态、补充线下情报，也可以发起智能研判。

图 5：AI 参与项目研判，项目状态和推进决定仍由团队负责。

一条新的采购意向进来，系统会结合企业资质、案例和决策规则做分析。负责项目的人再把客户沟通、内部判断和下一步计划补进去。AI 有可能说错，人也可能改变主意，这些都可以在项目里继续更新。

到了这里，我才觉得****公司。

它不再只是网页上的一行标题。有人在看，有状态，也有下一步。

工作台里仍然有对话式 AI。投标顾问可以搜索招标信息，引用文档段落和知识点，回答资质、预算、评分重点和投标策略等问题。

图 6：对话会使用项目背景、企业数据和可核验的资料来源。

单看聊天窗口，它和常见的 AI 助手没有太大区别。真正影响回答的，是它背后能读到什么：当前项目、企业画像、相关文档，还有过去留下的知识。

聊完以后，结果也要回到项目里。否则窗口一关，这次对话就和工作断开了。

“AI Lab”这个说法，是产品做着做着才出现的。也是为装逼。

公开页负责接收市场上的信号，****公司的情况，项目流程记录事情走到哪一步，知识图谱和知识库留下来源与关系。AI 顾问夹在这些环节中间，处理一项项具体任务。

它们拼到一起以后，已经有了一间企业 AI Lab 的样子。

那个括号里写的是：还在搭。

目前公开数据只覆盖**、**、**，离**市场雷达还很远。采购关系和生命周期指标要继续校验。AI 研判无法代替客户关系，也不会替人做投标决定。通用的可视化工作流编排还没有完全产品化。

还有一个更难回避的问题：它究竟节省了多少时间，提高了多少有效跟进率，带来了多少收入

现在的数据还回答不了。

功能做出来，说明这条路可以走。企业愿不愿意长期用，经营结果会不会变好，要等真实使用来验证。这个过程急不得，也包装不出来。

它最早只是网页上的一行字。

系统把它收回来，有人看见，AI 帮忙读了一遍。****公司的资质和案例做判断，把它放进项目，补上客户沟通和下一步计划。项目结束后，发生过的事情又成为下一次判断的参考。

这条路现在还没有完全走通，至少已经不再止于一个聊天窗口。

完整的市场体系还需要品牌、内容、渠道、客户运营、销售协同、交付反馈和经营复盘。成熟的企业 AI 也需要权限、评测、成本控制、异常处理和结果审计。眼前这套系统，只碰到了其中一小段。

但这段很靠前，如果你想看看它现在长什么样可以打开：

商机前哨：mk.****.com[2]

[1] 商机前哨: https://mk.****.com/[

2] 商机前哨：mk.****.com: https://mk.****.com/