賦能新質生產力背景下AI+數智采購模型構建在供應鏈領域的應用創新與實踐

關鍵詞：AI+數智采購模型；新質生產力；供應鏈管理；數智化轉型

中圖分類號：F274 文獻標識碼：A 文章編號：2096-7934（2024）11-0087-10

一、背景概述

（一）新質生產力進程加速，驅動供應鏈領域模式變革

隨著全球經濟的不斷發展和科技創新的日益加速，新一輪產業變革正在深刻影響著供應鏈領域。在這一背景下，新質生產力的進程加速成為推動供應鏈模式變革的關鍵驅動力［1］。新質生產力的加速發展是數字化轉型和智能制造的必然趨勢。通過發展人工智能、大數據、物聯網等先進技術，企業可以實現生產效率的提升、產品質量的優化以及供應鏈協同的增強。加速新質生產力進程，意味著企業將迎來更高效、智能的生產模式，為市場競爭贏得先機［2］。

供應鏈作為產品從生產到消費的全流程管理體系，其高效運作對企業的競爭力和市場占有率至關重要。新質生產力進程的加速帶來了市場需求、技術革新和消費者行為的變化，迫使供應鏈領域必須加速變革。只有適應新時代的需求，供應鏈模式才能跟上時代步伐，實現更高水平的效益和價值。

新質生產力進程的加速既為供應鏈領域帶來了前所未有的發展機遇，也帶來了諸多挑戰與不確定性。機遇在于利用先進技術和智能化手段提升供應鏈效率和靈活性，挑戰則在于如何有效整合新技術、優化供應鏈流程、提升服務水平，以應對日益復雜多變的市場環境。

深入探討新質生產力進程加速對供應鏈領域模式變革的影響，可以幫助企業深刻理解當前形勢下的機遇與挑戰，制定相應的戰略規劃和應對措施，推動供應鏈管理的創新與升級，實現產業持續發展和提升競爭力。

在當前新質生產力進程加速的背景下，傳統供應鏈領域采購模式面臨著諸多難題和挑戰，迫切需要變革。

（1）供應鏈瓶頸： 傳統采購模式在新質生產力進程中可能面臨供應鏈瓶頸，導致采購周期延長、供應鏈不穩定等問題。新質生產力的形成要求更高的供應鏈效率和可靠性，傳統模式難以滿足這一需求。

（2）技術創新不足： 隨著新質生產力進程的推進，對新技術和新產品的需求不斷增加，尤其是先進技術和智能化手段的要求不斷提高，傳統采購模式可能無法及時跟進和應對技術創新，導致采購產品滯后于市場發展。

（3）成本控制困難： 傳統采購模式下，成本控制往往比較困難，難以有效降低采購成本，影響企業的競爭力和盈利能力。新質生產力的形成要求更加注重成本效益和優化利用資源。

（4）管理流程煩瑣： 傳統采購模式中的煩瑣管理流程可能導致效率低下、溝通不暢等問題，影響采購項目的順利進行和成果達成。

（5）缺乏靈活性和定制化： 隨著新質生產力進程中不同行業和企業需求的多樣化，傳統采購模式可能缺乏足夠的靈活性和定制化服務，無法滿足不同企業的個性化需求。

因此，急需變革采購模式以適應新質生產力進程的加速和國內外市場的快速變化。通過創新采購模式，優化供應鏈管理，提升技術創新能力，加強成本控制，簡化管理流程，增強靈活性和定制化服務，可以有效解決傳統采購模式所面臨的種種難題，提升企業的競爭力和持續發展能力。

（二）“AI+”模式下，供應鏈品類價值需進一步挖掘

隨著人工智能（AI）技術的飛速發展和應用場景的不斷拓展，“AI+”模式在供應鏈管理中逐漸展現出強大的潛力和價值［3］。在這一背景下，供應鏈管理者和企業開始意識到在“AI+”模式下，供應鏈品類價值的進一步挖掘對于實現智能化、高效化的供應鏈管理至關重要。

1 AI技術在供應鏈中的全面應用

隨著AI技術的不斷成熟和普及，供應鏈管理中的各個環節都開始加速采用AI技術，如預測分析、智能優化、智能調度等。AI技術的廣泛應用使得供應鏈管理更加智能化、精準化和靈活化，為企業提供了更多的發展機遇和競爭優勢。

2“AI+”模式下的供應鏈創新與優化

“AI+”模式將人工智能技術與傳統供應鏈管理方式相融合，實現了供應鏈管理的數字化、智能化和個性化定制。通過AI技術的賦能，企業可以提升運作效率、降低成本、提高服務質量，從而實現供應鏈的優化升級和智能化轉型。

3挖掘供應鏈品類價值的重要性與挑戰

盡管AI技術在供應鏈管理中已經取得顯著進展，但仍有許多供應鏈品類的價值有待進一步發掘。發掘供應鏈品類價值意味著更好地理解和應用數據、優化供應鏈流程、提升供應鏈效率和靈活性，探索如何充分利用AI技術優化供應鏈管理，提高供應鏈的智能化水平和價值創造能力，從而更好地滿足市場需求、提升競爭力，推動供應鏈領域的持續發展與提升。

（三）AI+數智采購模型構建

1構建背景

人工智能（AI）技術和數據智能的融合應用逐漸成為企業供應鏈管理的重要趨勢［4］。在這一背景下，構建AI+數智采購模型已成為企業提升采購管理效率、降低成本、優化供應鏈的關鍵舉措。

隨著全球數字化轉型的加速推進，企業對于采購管理的要求也在不斷提升。AI技術和數據智能的迅速發展為構建智能化采購模型提供了有力支持，促使企業積極探索AI+數智采購模型的應用，以應對日益復雜的市場環境和采購挑戰。

構建AI+數智采購模型對于企業實現采購數智化轉型和智能化升級具有重要意義。AI技術的智能決策能力和數據智能的深度分析能力結合，可以幫助企業更準確高效地進行采購決策和資源配置，從而提高采購效率、降低成本、優化供應鏈管理。AI+數智采購模型可以在采購需求預測、供應商管理、采購成本優化、風險管理等方面發揮重要作用［5］。通過AI技術的智能化應用和數據智能的深度分析，企業可以實現采購流程的自動化和智能化，提升決策的準確性和效率，從而實現采購管理的數智化升級。盡管AI+數智采購模型帶來了諸多優勢，但在從傳統復雜系統品類供應鏈管理模型向AI+數智采購模型進行轉型構建過程中也面臨著諸多挑戰［6］。

（1）供應鏈管理復雜性。當前的復雜系統品類供應鏈管理模型需要多個供應商提供不同部件，容易導致信息不對稱和協調困難，供應商選擇困難、交付周期長、質量管控不到位等問題。

（2）技術整合難度。復雜系統品類供應鏈管理模型涉及多種技術和組件，技術整合難度大，容易出現兼容性問題和系統不穩定、技術標準不統一、接口兼容性差、系統集成測試不完備等問題。

（3）成本控制挑戰。復雜系統品類供應鏈管理模型的采購成本高，難以有效控制，可能超出預算，影響企業經濟效益。存在價格波動大、成本估算不準確、采購規模影響價格等問題。

（4）風險管控不足。復雜系統品類供應鏈管理模型的采購風險多樣化，包括質量風險、供應商風險、合規風險等。存在信息不對稱、合同風險評估不全面、應急預案缺失等問題。

（5）供應商管理挑戰。供應商管理涉及多方合作，供應商層級多、種類繁多，管理難度大，容易出現合作糾紛和溝通不暢，供應商績效評估不準確、合作協調困難、供應商信息不透明等問題。

通過對復雜系統品類供應鏈管理模型采購痛點的深入分析和提出解決方案，可以有效應對挑戰，提升采購效率和管理水平，確保采購項目的順利進行和成功交付。

2構建案例及應用

軟件定義網絡（SDN）是復雜系統品類供應鏈管理模型的一個應用實例，其代表著一種創新的網絡架構，核心概念在于將網絡的控制平面與數據平面分離，它創建了一個可以通過軟件進行程序設計的架構，它是一種完全不同于常規實體裝置的運行模式。軟件定義網絡（SDN）的應用不僅提高了網絡的互用性，而且還能降低對專用設備的依賴性，可以大大降低運行費用和資金投入，提高網絡業務的可控度和管理柔性。軟件定義網絡（SDN）是 IT云資源庫工程構建過程中重要的一環，由各種硬件和軟件組成，其產品體系非常復雜，在不同的行業中具有廣闊的應用前景。

中國移動信息科技中心（以下簡稱“IT公司”）負責中國移動電信集團公司的第一批 IT云資源庫的建設、運行與維護。IT公司在軟件定義網絡的招投標活動中，將傳統的軟件定義為：

從一個復雜的體系類型的供應鏈管理模式過渡到一個 AI+數字智慧的購買模式，這個模式不但可以根據不同類型的軟件和硬件的定價模式進行智能運算，也可以在 IT云資源庫以及全集團范圍內的復雜體系類型的供應鏈管理模式中得到實際的運用。

通過 AI+數字化的購買模式， IT公司可以根據萬兆光模塊、防火墻等標準，對整個 IT軟件和硬件進行定價。該措施使得各業務單位的要求上報程序得以簡化，要求主管單位提高對投資估計的精度，提高了投標單位的競爭能力，保證隨后使用的單位可以快速地將實施指令發布出去；在此基礎上，對復雜體系類別的招投標進行了全程智能控制。

該模型已成功應用于兩期SDN框架招標采購項目中，并在最新一期的框架采購項目中得到進一步的優化和拓展。同時，為推動SDN系統中核心網絡設備產品向國產化方向邁進，IT公司新增設了自主可控標段，并將該模型應用于其中。通過對需求、計劃和采購三個流程節點進行自主可控調研分析，針對SDN系統中關鍵設備的關鍵部件（如CPU、轉發芯片、交換芯片等）國產化芯片增加權重的舉措，逐步引導廠商實現芯片國產化替代。這一舉措將有助于推動本土芯片產業的發展，提升國內供應鏈的自主可控性和技術創新能力，同時降低對進口零部件的依賴，實現了對SDN系統國產化的戰略部署和持續優化。

當前，類似SDN復雜類系統項目的需求呈現出頻繁增長的態勢，隨著技術的不斷進步和市場的競爭日益激烈，如果采用傳統復雜系統品類供應鏈管理模型方式，將不可避免地面臨重復操作、采購周期較長和人力資源浪費等現實問題。因此，為有效應對這些挑戰，迫切需要一套更高效、智能的采購模型。通過持續優化現有采購模型，構建AI+數智采購模型，旨在提高工作效率、降低采購成本，并推動行業內復雜品類采購系統向引導國產化和自主可控方向發展。

由此可見，IT公司的AI+數智采購模型不僅旨在簡化流程、減少時間成本，更重要的是為復雜品類系統的國產化和自主可控發展提供有力支撐。通過建立高效的采購機制，IT公司能夠更好地引導供應商實現本土化生產和技術創新，從而推動整個產業鏈的提升和發展。這一舉措不僅有助于提升企業的競爭力，還為行業的可持續發展奠定了堅實基礎。

二、“AI+”采購模型的探討

在復雜系統品類供應鏈管理模型采購中，采購模型的設計至關重要。下面將重點針對傳統復雜系統品類供應鏈管理模型和AI+數智采購模型展開論述，重點闡述“AI+數智采購模型”的含義、重要性以及如何解決供應鏈管理過程中的痛點。

（一）傳統復雜系統品類供應鏈管理模型分析

傳統復雜系統品類供應鏈管理模型在單一品類招標采購過程中扮演著至關重要的角色。這種模型是為了應對單一品類復雜系統的供應鏈環境而設計的，涵蓋了從原材料采購到最終產品交付的整個供應鏈流程。通過對傳統復雜系統品類供應鏈管理模型的分析，我們可以深入了解其優勢、局限性和未來發展方向［7］。

1優勢

（1）全面性和綜合性： 傳統復雜系統品類供應鏈管理模型考慮了供應鏈的各個環節和因素，從供應商選擇到生產制造再到產品配送，實現了全面管理。

（2）流程規范和優化： 該模型通過規范的流程設計和優化，提高了供應鏈的效率和協同性，確保了產品的及時交付和質量控制。

（3）風險管理和應變能力： 通過對供應鏈中的各種風險因素進行分析和評估，傳統模型能夠幫助企業制定相應的風險管理策略，提高供應鏈的應變能力。

2局限性

（1）信息不對稱： 傳統模型在多品類復雜系統的供應鏈信息共享和透明度方面存在不足，無法智能化共享整個鏈條的信息，導致出現信息不對稱問題，影響了供應鏈各方的合作和協調。例如，以多品類復雜系統采購報價為例，需按產品和服務分別進行單獨報價，產品又根據硬件產品和軟件產品的分類進行區分報價，這一模型往往根據市場規律和單一供應商分析情況進行報價選擇，無法有效進行智能化價格聯動。

（2）反應速度慢： 面對市場快速變化、需求不確定的挑戰，傳統模型的反應速度較慢，無法進行智能化預測和仿真，無法根據市場變化及時調整供應鏈策略。

（3）創新不足： 傳統模型在創新方面存在欠缺，難以應對新質生產力的發展要求，影響了供應鏈的競爭力和持續發展能力。

3未來發展方向

通過對傳統復雜系統品類供應鏈管理模型的深入分析，能夠更好地把握供應鏈管理的發展趨勢，發現問題所在并尋求解決方案，推動供應鏈管理模式的創新與升級，實現供應鏈高效運作和持續發展的目標。

（二）AI+數智采購模型的含義和重要性分析

AI+數智采購模型是指將人工智能（AI）技術與數據智能相結合，運用于供應鏈管理領域的一種創新模型。該模型利用AI技術的智能算法和數據智能的深度分析能力，實現采購決策的智能化和數據驅動化，其含義在于通過AI技術實現智能化決策支持，結合數據智能提高采購流程的效率和精確度。［8］

1含義解析

AI+數智采購模型包含AI技術應用和數據智能驅動兩個主要部分，其中，AI技術在采購管理中的應用涵蓋了需求預測、供應商選擇、價格優化等多個方面，幫助實現智能化的采購決策。數據智能則通過對大數據的深度分析和挖掘，提供決策所需的準確信息，推動采購流程的優化和精細化管理。

2重要性分析

AI+數智采購模型的重要性主要有如下三點。一是提升采購效率，AI+數智采購模型能夠加快供應鏈采購環節的速度，降低人工干預，提高采購效率，節約時間和成本。二是優化資源配置，通過AI技術的智能優化和數據智能的精準分析，企業可以更合理地配置資源，降低庫存成本，實現資源最大化利用。三是降低風險，模型的智能預測和數據驅動決策有助于降低采購風險，提高決策準確性，保障供應鏈的穩定性。

AI+數智采購模型的構建對于企業采購管理的提升和發展具有重要意義。通過充分發揮AI技術和數據智能的優勢，構建智能化、數據驅動的采購模型，將成為企業實現采購管理智能化、精細化的關鍵路徑，構建更高效、更可控的采購管理體系。

（三）AI+數智采購模型如何解決采購痛點

（1）需求管理優化： 通過AI+數智采購模型，將需求管理流程明確化為一個核心要素，提高需求準確性和透明度，避免需求不清晰導致的采購混亂。

（2）計劃制定和執行： 模型中的“計劃”環節可以規范采購計劃的制定和執行，提高采購項目的可控性和執行效率。

（3）采購流程優化： 通過“采購”環節，實現采購流程的標準化并加以優化，加強供應商管理、合同管理等，降低采購成本和風險。

（四）AI+數智采購模型的核心要點和創新點

（1）靈活性和定制化： AI的智能化和靈活因素賦予模型更大的適應性，可以根據具體項目需求定制化采購流程和策略，提高采購效率和成果。

（2）綜合風險管理： 模型中包含綜合的風險管理機制，針對復雜系統品類供應鏈管理模型采購的各類風險進行評估和管理，確保采購項目順利進行。

（3）供應鏈協同： 通過模型的引入，促進供應鏈各環節的協同和配合，優化供應商選擇和管理，提高供應鏈效率和質量。

（五）AI+數智采購模型實施和效果評估

（1）實施階段： 在實施過程中，全面培訓相關人員，確保各環節順利推進，并建立評估機制進行實時監控。

（2）效果評估： 定期對模型的實施效果進行評估和反饋，根據評估結果及時調整和優化模型，持續提升采購管理水平。

（3）通過深入挖掘AI+數智采購模型的含義、重要性和實施方法，結合復雜系統品類供應鏈管理模型采購痛點，可以有效優化采購流程，提高采購效率和質量，實現采購目標的有效實施。

三、現狀及難點分析調研

當前，以AI+數智采購模型的中國移動集團本地化應用即復雜系統品類中的SDN系統采購模型為例進行分析，從如下三個方面進行闡述。

（一）復雜系統品類項目特點分析

IT公司的采購中心結合 SDN平臺的實際需求，進行了深入的研究和發掘，其主要特征如下。

1節點多

當前，各 IT公司的 SDN網絡架構覆蓋了以下幾個方面：哈爾濱節點，呼和浩特節點，石家莊節點；鄭州節點，寧波節點，蘇州節點；湖南資源池，重慶資源池，汕頭資源池，山東資源池，江蘇資源池等國家一級和二級資源池節點。

2范圍大

根據對 SDN的初步調查，兩個階段共征集到134個項目，各類硬件設施26000多套，總金額達17億元（包括稅收）。

3種類繁多

此次購買的軟件定義為 SDN系統硬件、軟件和人天軟件三個部分，硬件包括核心交換機、 SDN網關、 SDN硬件接入交換機（10 GE）、 SDN硬件接入交換機（25 GE）和防火墻設備5個模塊，軟件包括 SDN控制器、虛擬交換機和 SDN系統管理軟件三個部分。

（二）復雜系統品類項目采購各環節難點

（1）需求部門。按照項目獨立采購，流程周期長、無規模效應，各需求部門的重復工作量極大。

（2）需求歸口部門。按SDN系統投資估算框架采購費用，對于某些項目，投資估算可能會出現偏差，如SDN軟硬件投資和人天開發工作量的預估。

（3）采購部門。涉及的設備種類繁多，按大類可分為：SDN硬件設備（包括核心交換機、SDN網關、SDN硬件接入交換機、防火墻設備）、SDN 軟件設備（SDN控制器、虛擬交換機、SDN系統管理軟件）、軟件開發人天服務等，供應商報價表報價條目達近百行，無法規避不均衡報價，給采購、評審工作帶來極大工作量。

（三）行業招標采購模式分析

經過調查，目前業內的預購方式都是針對單個項目進行的，具體的方式如下。

（1）軟件定義軟件、軟件定義硬件和人天研發服務獨立估價，人天軟件公司根據軟件定義的系統大小對軟件定義軟件的價格進行評估。

（2）根據估計金額的大小，進行成套的投標。以上兩種投標方式都有各自的缺陷：第一種投標方式，其內涵十分復雜，有可能出現不平衡投標；第二種投標方式簡單明了，但在一些工程中，可能出現投標上限過高或過低的現象，從而造成投標報價過高或過低的風險。

四、AI+數智采購模型的實例化應用

針對上述分析，AI+數智采購模型的實例化應用將從如下三個方面進行著重闡述。

1模型智能化分析關聯系數，構建復雜系統品類價格模型

考慮SDN系統內產品種類眾多，既有網絡類產品又有安全類產品，從分類測算分析數據入手，引入AI智能分析策略，非黑盒子類產品分別選取交換機和防火墻光模塊、防火墻板卡標記為單位產品；黑盒子類產品則選取SDN控制器軟件、負載均衡器、SDN系統管理軟件作為整套報價標記。對于非黑盒子類產品，以交換機和防火墻光模塊、防火墻板卡為一個基礎單位標記，分別計算出SDN系統采購設備的權重系數，在計算系數時要將防火墻價格系數、交換機價格系數、SDN 軟件價格系數使用AI進行系數分析。經過行業集團多維數據訓練，AI就可以給出SDN系統軟硬件的權重系數，再將報價系數表分為交換機價格系數表、防火墻價格系數表和 SDN軟件價格系數表，通過不同系數表基礎單位與其他部件價格的權重關系，構建AI+數智采購模型的SDN系統框架采購模型，其推演示意如圖1所示。

原來的報價方法沒有一個統一的規范，每個廠商都是按照自己的慣例填寫的，并且報價的種類也是多種多樣的（如為非黑盒的產品增加、簡化、不平衡的價格等）。在新的投標模式（如表1所示）中，每個供貨商僅需填上參考單價，操作方便且效率高。并能減輕評標人員的工作負擔，節省評審時間（從時至分），大大提升了評標的效率。在此基礎上，提出了一種新的投標模式，該模式可以有效地統一投標人的投標方式，從而有效地防止了投標人在投標中設下一個“圈套”，從而增強了對評標的控制能力。

表1 SDN系統框架采購新報價模型

2引入AI+數智采購模型份額管控機制，優化價格模型

在最新一期的SDN框架招標采購中，為增強競爭性，有效控制采購成本，持續優化AI+數智采購模型份額管控模型，應用AI模型智能化分析能力，對往期多輪報價、綜合得分、份額三個因素進行模型訓練和仿真，輸出以綜合得分閾值95%、份額差閾值30%的綜合得分、份額和價格聯動策略，即在表2份額分配方案基礎上，不改變中標廠商份額排名，根據綜合得分進行可控范圍內的份額調控。如果排名第二的中標人綜合得分大于或者等于第一名綜合得分的95%，則將第一名與第二名份額差的30%調增給第二名；如果排名第三的中標人綜合得分大于或者等于第二名綜合得分的95%，則將第二名與第三名份額差的30%調增給第三名。調整后結果如表3所示。

表2 份額分配方案

表3 份額調整

3引入自主可控標段

為響應國家關于自主可控的相關要求，最新一期的SDN框架采購項目中，在整機國產化基礎上對SDN系統關鍵設備中關鍵部件國產化芯片增加權重，逐步引導廠商實現芯片國產化。積極促進SDN系統潛在供應商生態往自主可控的方向邁出堅實的一步。

五、小結

通過該模式的高效運用，使 SDN （軟件與硬件一體化）的競標模式具備更好的規模效果，增強了廠商之間的競爭力，并大幅減少了企業的采購費用。若能推動該標準的普及應用，將大大提升采購工作的效能，尤其是對新技術新應用的招投標工作，將會起到很好的參考作用，進而逐漸建立起一套適合我國國情的、能夠應用于招投標工作的復雜類型的供應鏈體系招投標模式。

參考文獻：

［1］ 杜傳忠，李鈺葳強化科技創新能力加快形成新質生產力的機理研究［J］湖南科技大學學報（社會科學版），2024，27（1）：100-109

［2］ 杜傳忠新質生產力形成發展的強大動力［J］人民論壇，2023（21）：26-30

［3］ 程建寧AI技術在招標投標活動中的應用及展望［J］招標采購管理，2023（7）：61-63

［4］ 唐隆基，潘永剛，余少雯人工智能重塑數字化供應鏈［J］供應鏈管理，2021，2（8）：32-50

［5］ 周鴻祎AI大模型：新工業革命的驅動力和中國發展的新機遇［J］新經濟導刊，2023（3）：41-46

［6］ 馬春浩，崔辰人工智能賦能供應鏈物流領域探析［J］鐵路采購與物流，2023，18（1）：36-38

［7］ 史丹青基于TCO模型的通信物資供應鏈管理策略研究［J］中國物流與采購，2021（19）：35-36

［8］ 王牧，張國興，趙薇大語言模型在電子招投標中的應用研究［J］中國招標，2024（3）：79-81

Building an AI Plus Intelligent Procurement Model to Promote Innovation and Practice in the Application of New Quality Productivity in the Supply Chain Field

LIU Xuankai，LI Bing

（Supply Chain Management Center， China Mobile Information Technology Co， Ltd， Harbin， Heilongjiang 150028）

Abstract：This paper explores the acceleration of the new quality productivity process and the AI Plus intelligent procurement model. In response to the challenges and demands in the procurement of complex system category supply chain management models， the construction and application of the AI Plus intelligent procurement model are proposed. In the context of accelerating the transformation of supply chain models driven by new quality productivity， the opportunities and challenges brought by accelerating the process of new quality productivity to the supply chain field were analyzed. An analysis is conducted on the meaning and importance of the AI Plus intelligent procurement model， which combines AI technology and data intelligence to improve procurement efficiency， reduce costs， and optimize supply chain management. It discusses how the AI Plus intelligent procurement model can address procurement pain points， including optimization of demand management， planning and execution， and optimization of procurement processes. The specific implementation of the AI Plus intelligent procurement model in complex system category projects was demonstrated through instantiated applications， including innovative measures such as intelligent analysis of correlation coefficients， construction of price models， implementation of share control mechanisms， and introduction of autonomous controllable bidding segments. The application advantages of AI Plus intelligent procurement model were summarized， which can improve procurement efficiency， reduce costs， promote intelligent supply chain management， and provide strong support for enterprises to achieve digital transformation and intelligent upgrading of procurement. Through in-depth exploration and case practice in this study， useful insights and feasible solutions have been provided for promoting innovation and upgrading of supply chain management.

Keywords： AI Plus intelligent procurement model; new quality productivity; supply chain management; digital transformation