📋 本文信息分级
- 🔴 法规原文引用：招标投标法实施条例第39-41条（视为串标/串标认定）、87号令第60条（异常低价澄清），附条款编号
- 🟡 案例事实：湖南26家串标案数据、某年采购额5亿企业自查发现3起疑似案例
- 🟢 行业惯例与共识：围串标识别6大维度方法论，行业通行的信号检测框架
- 🔵 作者经验与观点：人工审查 vs AI识别的能力边界对比、部署路径建议
- ⚪ 操作建议：6维度实操检查法 + 3步部署路径（免费起步→引入工具→系统嵌入）
人工看过的标，为什么还是漏了串标？
26 家企业被查处，20 家申诉，0 家通过。 通报出来后，甲方采购负责人说了一句话：“这些投标文件我一份份看过的。”
他没说谎。问题在于——他看的是内容，没看信号。
人工审查围串标，盯的是资质齐不齐、方案好不好、报价合不合理。但围串标的蛛丝马迹恰恰不在”内容好不好”上，而藏在6个维度的关联信号里：报价规律、文档指纹、人员网络、设备痕迹、行为模式、历史轨迹。
一个5家投标人的项目，人工要交叉比对多少组关系？
5家×6个维度×两两组合 = 60组比对。
一个年采购额5亿的企业，每年评标项目超过200个，总比对量超过12000组。
人脑处理不过来，不是不努力，是信号维度超出认知带宽。
AI不一样。60组比对，人工需要3天，AI只要30秒——而且不会漏掉任何一组。
这不是”用不用AI”的问题，是”围串标的信号已经多到人工无法穷尽”的现实。参见 AI招采10条红线对技术赋能合规的刚性要求。
围串标的6大信号维度
围串标从来不是单一信号暴露的，一定是多个维度同时出现异常。以下是6大核心信号维度，每一个都是AI的检测切入点。
① 报价规律异常——数字背后的”默契”
围串标最经典的信号，藏在报价里。
典型表现：
- 等差/等比关系：3家投标人的分项报价呈精确等差（如A报100万、B报110万、C报120万），或等比（如95万、100万、105.26万），差值过于规整
- 微调式差异：各家总价差异极小，且差异仅集中在1-2个分项，其余分项报价完全一致
- 陪标式报价：某家投标人报价显著高于市场均价且明显不可能中标，仅充当”凑数”角色
- 规律性让步：多个项目中，同一组投标人的中标顺序呈轮换特征
人工检测瓶颈：5家投标人的分项报价表，每家有15个分项，人工需要两两比对15×(5-1)=60组数据，还要判断等差等比关系——几乎不可能在评标时限内完成。
AI检测思路：对分项报价进行两两差值计算和比值计算，自动识别等差/等比/微调模式，输出异常关联度评分。
② 文档指纹雷同——“同一个模板”的痕迹
投标文件即便内容不同，编制痕迹会”出卖”它。
典型表现：
- 相同模板痕迹：页眉页脚格式、水印位置、页边距完全一致，连段间距都一样
- 相同排版/字体：正文字体、字号、行距完全相同，尤其当字体选择非默认字体时
- 相同错误：多个投标文件中出现相同的错别字、标点错误、公式编号连续
- 元数据泄露：文档属性中的创建者、修改者、修订次数异常关联
- 图片/表格复用：不同投标文件中嵌入相同的图片（像素级一致）或表格格式
人工检测瓶颈：评标专家很难同时打开5份PDF逐页比对排版细节，更不会去查看文档元数据。
AI检测思路：提取文档元数据（作者、创建时间、修改时间、修订次数），计算排版特征相似度（字体、字号、行距、页边距向量），对嵌入图片进行哈希比对，输出文档指纹相似度矩阵。
③ 人员关联网络——藏在工商信息里的人际线
围串标的”人”的关联，比想象中密集得多。
典型表现：
- 法定代表人交叉：A公司的法定代表人曾在B公司任高管
- 高管互任：两家投标人的董事、监事、经理存在重叠
- 股东关联：两家投标人的实际控制人为同一人或存在股权代持关系
- 联系方式重叠：不同投标人留了相同的联系电话、邮箱或联系地址
- 项目负责人交叉：不同投标人拟派的项目经理有在同一单位共事经历
人工检测瓶颈：工商信息查询需要逐一比对，5家投标人两两交叉10组，每组要查法人、股东、高管、联系方式——人工查完一个项目至少半天。
AI检测思路：对接工商信息API（天眼查/企查查），自动构建投标人关联图谱，计算两两关联深度，识别”看似无关实则同源”的企业集群。
④ IP/MAC地址重叠——同一台电脑的”分身术”
这是目前被查处案例中最常见的证据类型，也是甲方最容易忽视的。
典型表现：
- 同一IP上传：多份投标文件从同一IP地址上传至招标平台
- 同一MAC地址编制：投标文件的电子签章日志显示同一MAC地址
- 同一设备属性：文档元数据中的计算机名称、操作系统信息一致
- 时间序列异常：多份投标文件在同一设备上依次编制，创建时间间隔极短
人工检测瓶颈：IP/MAC信息通常不在投标文件正文中，而藏在电子招标平台的日志里，采购人根本看不到。
AI检测思路：对接电子招标平台日志接口，自动提取上传IP、签章MAC、编制设备信息，进行聚类分析，标记同一设备关联的多个投标人。
⑤ 投标行为模式——时间轴上的”默契配合”
围串标不仅看单个项目，更要看跨项目的投标行为模式。
典型表现：
- 联合弃标：同一组投标人多次同时报名但放弃投标，干扰有效竞争人数
- 轮流中标：A项目甲中标、B项目乙中标、C项目丙中标——轮换瓜分
- 陪标式报价：某家投标人始终报价偏高且从不中标，“专业陪标”角色稳定
- 投标时间异常：多家投标人在截止前极短时间内集中提交，暗示统一调度
- 异议投诉配合：中标结果公示后，未中标方之间协调提出异议或投诉
人工检测瓶颈：行为模式需要跨项目、跨时间段分析，单个项目的评标专家看不到全局。
AI检测思路：汇总历史投标数据，构建投标人行为时序模型，识别轮流中标模式、专业陪标角色、联合弃标集群，输出行为模式异常评分。
⑥ 历史合作轨迹——市场瓜分的”势力图”
围串标的终极信号，是看长期的市场格局。
典型表现：
- 中标模式高度重复：同一组投标人在多个项目中始终由同一家中标，其余家从未中标
- 市场分区分割：不同区域/品类的项目被特定企业群体”瓜分”，互不进入对方领地
- 新进入者消失：某一投标人首次参与后便不再出现，仅充当一次”凑数”
- 合作频率异常：某些投标人在同一招标人的项目中”碰面”频率远超概率预期
人工检测瓶颈：需要拉取3-5年的全部招标数据做全局分析，人工根本无法完成。
AI检测思路：构建投标人-项目二部图网络，计算市场分割指数、碰面频率的统计显著性，识别”隐性围标联盟”。
AI识别方法：每个维度怎么落地
理解了6大信号维度，关键问题是：AI具体怎么识别？以下是每个维度的技术实现路径。
报价规律识别
核心技术：统计异常检测 + 模式匹配
- 差值/比值矩阵：对每个分项报价计算所有两两差值和比值，识别等差/等比/微调模式
- 报价离散度分析：计算各分项报价的变异系数(CV)，CV<5%的分项标记为”异常趋同”
- 陪标识别：检测报价显著偏离中位值的投标人，结合历史中标率判断陪标概率
- 报价结构相似度：将分项报价序列归一化后计算余弦相似度，>0.95标记为异常
输出：报价异常关联度评分(0-100)，异常分项列表，疑似陪标投标人
文档指纹识别
核心技术：文档特征提取 + 哈希比对
- 元数据提取：读取PDF/Word文档属性（作者、创建时间、修改者、修订次数、计算机名）
- 排版特征向量化：提取字体、字号、行距、页边距、段间距等特征，构建排版特征向量
- 内容指纹计算：对文档正文进行SimHash/MinHash计算，快速识别文本相似度
- 嵌入资源比对：提取文档中嵌入的图片/表格，进行MD5/感知哈希比对
- 错误一致性检测：OCR识别后比对错别字、标点错误的一致性
输出：文档指纹相似度矩阵，高相似度文档对(>0.85)，元数据关联报告
人员关联识别
核心技术：知识图谱 + 关联分析
- 工商数据采集：对接天眼查/企查查/国家企业信用信息公示系统API
- 关联图谱构建：以企业为节点、以人员/股权/联系方式为边，构建关联图谱
- 路径发现：计算两两投标人之间的最短关联路径，1-2跳内的强关联标记为异常
- 隐实控人识别：穿透股权结构，识别实际控制人是否为同一人
- 联系方式聚类：对电话、邮箱、地址进行标准化后聚类，识别信息重叠
输出：投标人关联图谱可视化，两两关联深度评分，隐实控人穿透报告
IP/MAC地址识别
核心技术：日志聚类 + 设备指纹
- 日志数据采集：对接电子招标平台，提取投标文件上传日志
- IP聚类分析：对同一项目各投标人的上传IP进行聚类，同一IP段标记
- MAC地址匹配：提取电子签章/投标文件编制的MAC地址，精确匹配
- 设备指纹提取：从文档元数据中提取计算机名、OS版本、软件版本等设备指纹
- 时间序列分析：分析同一设备上多份投标文件的创建时间序列
输出：设备关联报告，IP/MAC重叠清单，时间序列异常标记
行为模式识别
核心技术：时序分析 + 异常检测
- 历史投标汇总：汇总投标人近3年在同一招标人的所有投标记录
- 轮流中标检测：构建中标序列，检测是否存在轮换模式（排列熵分析）
- 专业陪标识别：统计各投标人的参与次数-中标次数比，长期0%中标率标记
- 联合弃标检测：检测同一组投标人同时弃标的频次是否超出概率预期
- 投标时间聚类：分析投标文件提交时间分布，检测截止前集中提交的异常
输出：行为模式异常评分，疑似陪标投标人列表，轮流中标模式报告
历史合作轨迹识别
核心技术：网络分析 + 统计检验
- 二部图构建：以投标人和项目为两类节点，投标关系为边，构建二部图
- 碰面频率检验：计算两两投标人的共同投标次数，与随机期望对比(超几何检验)
- 市场分割指数：计算不同投标人群体在不同区域/品类的中标集中度
- 新进入者追踪：标记仅参与1次且未中标的”一次性投标人”
- 联盟社区发现：使用Louvain/Label Propagation算法发现投标人社区结构
输出：投标人社区结构图，碰面频率异常对，市场分割指数，隐性联盟清单
实操部署路径：3步走
AI识别围串标不是买个软件就能用，需要系统化的部署。以下是经过多个甲方验证的3步走路径。
第1步：数据采集与治理（1-2个月）
这是最耗时但也最关键的一步——没有数据，AI就是空转。
必采数据清单：
| 数据类别 | 来源 | 采集方式 |
|---|---|---|
| 投标文件 | 电子招标平台 | API对接/批量导出 |
| 报价明细 | 招标平台/评标系统 | 结构化导出 |
| 工商信息 | 天眼查/企查查/公示系统 | API对接 |
| 上传日志 | 招标平台运营方 | 日志接口/人工调取 |
| 历史中标记录 | 招标档案/平台数据 | 结构化导出 |
| 人员社保信息 | 社保查询渠道 | 授权查询 |
数据治理要点：
- 统一企业名称（去除简称、别名、曾用名差异）
- 统一人员身份（身份证号去重，避免同名不同人）
- 时间格式标准化（统一为ISO 8601）
- 文档格式统一转换（PDF/Word/扫描件统一为可处理格式）
常见踩坑：很多甲方以为招标平台数据可以直接用，实际上平台导出的数据字段不统一、名称不规范，不治理直接喂给AI，识别结果全是噪音。
第2步：模型部署与调试（1个月）
部署方案选择：
- SaaS方案：直接使用第三方围串标识别SaaS（适合年采购额<1亿的中小甲方）
- 私有化部署：在甲方内网部署识别引擎（适合对数据安全要求高的大型国企/央企）
- 混合方案：数据采集在本地，模型推理调用云端API（平衡安全与成本）
模型调试要点：
- 阈值校准：先拿已查处的串标案例回测，校准各维度的异常阈值
- 误报控制：初始阈值设置宁可漏报不能误报——误报杀伤信任，漏报可以人工复核
- 维度权重：6个维度不是等权重的，IP/MAC维度的证据力最强但覆盖面最窄，报价维度覆盖面最广但需要结合其他维度确认，需要根据甲方历史数据调整
回测验证：用过去3年的已确认围串标案例做回测，要求召回率>85%、精确率>70%。达不到就继续调参，不要上线。
第3步：结果复核与闭环（持续运行）
AI识别的结果不能直接定性，必须经过人工复核流程。
复核流程：
- AI初筛：系统自动输出6维度异常评分和综合风险等级（高/中/低）
- 专家复核：高风险项目由合规/审计专家逐项复核AI标记的异常点
- 证据固定：复核确认的异常点，按法律证据要求固定（截图、日志导出、哈希校验）
- 处置决策：根据证据充分程度决定——暂停评标/要求澄清/移交纪检/纳入黑名单
- 反馈优化：将人工复核结果回灌AI系统，持续优化模型
闭环机制：每季度做一次识别效果评估，统计AI标记的异常中多少经复核确认、多少是误报，据此迭代阈值和权重。参见 甲方AI招标自查清单中的自查要点。
合规边界：AI识别结果的证据效力
AI识别围串标，技术能力不是瓶颈，证据效力和合规边界才是甲方真正要搞清楚的。
AI识别结果的法定效力
能做什么：
- AI识别结果可以作为线索和启动调查的依据，但不能直接作为行政处罚的证据
- IP/MAC地址重叠、文档指纹雷同等客观事实，经人工复核确认后具有证据效力
- 报价规律异常、行为模式异常等统计性结论，需要补充人工审计证据链
不能做什么：
- AI输出的”串标概率95%“不能直接等同于”存在串标行为”
- 不能仅凭AI标记就取消投标人资格或列入黑名单，必须经过完整调查程序
- AI识别过程中采集的个人隐私数据（联系方式、社保信息）必须符合《个人信息保护法》要求
人工复核的必要性
AI识别围串标，本质是缩小排查范围，不是替代人工判断。
一个年200个项目、12000组比对的甲方，AI可以将可疑对象从12000组缩小到300组，人工只需要复核这300组——效率提升40倍，且不漏信号。
但最终定性的那一步，必须是人工完成。原因有三：
- 统计不等于事实：等差报价可能碰巧，同名不同人可能误判，AI无法理解”巧合”
- 法律程序要求：行政处罚需要完整的证据链和告知程序，AI输出不构成法律证据
- 误报后果严重：误将合规投标人标记为串标嫌疑人，对甲方和投标人都会造成重大损害
参见 AI评标的两面性陷阱对AI辅助决策边界的讨论。
甲方实操清单：评标前5项必查
把AI识别围串标落地到评标现场，不需要等系统全部建完。以下是评标前5项必查，用现有工具就能做。
✅ 必查1：投标文件元数据
- 打开PDF属性，查看”作者""创建者""修改者”字段
- 不同投标人的文档属性中出现相同作者名 = 红旗信号
- 工具：Adobe Acrobat / 福昕PDF / 在线PDF元数据查看器
✅ 必查2：分项报价离散度
- 将各家分项报价导出Excel，计算每个分项的变异系数(CV)
- CV<5%的分项超过总项数30% = 报价趋同信号
- 工具：Excel / WPS表格（CV公式：=STDEV()/AVERAGE()）
✅ 必查3：联系方式重叠
- 汇总各投标文件中的联系电话、邮箱、联系地址
- 任何两组投标人出现相同联系方式 = 强关联信号
- 工具：Excel去重比对 / 天眼查企业关系查询
✅ 必查4：工商关联穿透
- 在天眼查/企查查中查询每家投标人的法定代表人、股东、高管
- 两两投标人之间1-2跳内存在人员/股权关联 = 关联信号
- 工具：天眼查”关系图谱”功能 / 企查查”股权穿透”功能
✅ 必查5：历史碰面频率
- 统计同一组投标人在近1年同一招标人的项目中共同投标次数
- 共同投标≥3次且从未同时中标 = 疑似配合信号
- 工具：招标平台历史数据导出 + Excel统计
写在最后
湖南26家串标被查处（详见 湖南26家串标查处详解），查处依据是IP地址相同。但IP只是6大信号维度之一——如果只盯着IP看，其余5个维度的信号全漏了。
围串标识别的本质不是”能不能看出来”，而是”有没有能力同时看6个维度”。
人脑处理不了，AI能。但AI不能替代人做最终判断。
正确的姿势是：AI负责全维度扫描和信号聚类，人负责信号解读和证据固定。
现在就开始做那5项必查。不需要等系统建完，不需要等预算批下来。Excel就能查报价离散度，天眼查就能穿透关联关系。
围串标的信号一直都在，只是以前没人同时看6个维度。现在可以了。