中国制造业连续多年位居全球首位，工业品市场规模庞大。然而，由于工业品质量与价格存在不透明和信息不对称等问题，导致区域和渠道间差异大，企业价格监测和成本控制难，同时现有数据流通机制不畅，无法提供及时、准确的市场分析支持。因此，亟需建立一个多源数据融合平台，实现数据标准化、透明化，提升供应链协同管理效能，支持经济高质量发展。

一是构建统一工业品价格数据平台。国家发改委价格监测中心作为业务指导单位，中国人民大学提供科研支持，天源迪科作为应用实施主体，三方合作共同构建工业品价格大数据平台，通过创新协同机制，建立统一的工业品标准库和价格指数库，构建高质量的工业品数据集，汇集超过4000万工业品价格数据与200万标准工业品库。

二是使用人工智能大模型实现数据标准化。项目以工业品AI大模型对不同来源的数据进行标准化处理，构建统一的工业品标准库，实现工业品的统一识别和归类，提升数据的一致性和标准化水平。数据加工过程中，一站式完成标准化处理，将分散、不标准的工业品价格数据转化为高价值信息资源。

三是多域数据融合发挥数据要素价值。打造价格监测与预警系统，实时分析和监测工业品价格变化，实现价格波动异常预警，帮助企业和政府部门快速响应市场变化，助力宏观经济形势分析和市场调控。同时，在供应链优化方面，基于价格指数和历史数据分析，为企业提供采购决策支持，帮助优化采购策略、降低成本。目前已帮助多家央企降低12%综合采购成本，提升90%价格监测效率，并成功发出2万次异常价格预警，显著提升供应链管理水平。

      信息来源：国家数据局