关税节省与合规：Palantir AIP 让贸易合规从数天人工变为规模化的智能体工作流

摘要

Palantir 架构师 Chad 与制造业务负责人 Christopher 在本期 Chad 系列视频中，演示了如何用 AIP 平台解决制造业最头疼的问题之一：物料清单（BOM，Bill of Materials）与贸易合规。核心洞察是：BOM 数据分散在三个高度孤岛的系统中——工程数据（PLM 系统、图纸）、ERP（实际进料、客户订单）与贸易合规（HTS 编码）——而本体论（Ontology）把三者桥接起来，让企业第一次能在一个视图里看清「我在从哪些国家、以什么成本、进口哪些组件」。

演示以虚构的医疗器械制造商 Onyx 为例展开：T99 呼吸机的完整 BOM 层级、采购国别、年用量与花费一目了然。在贸易合规场景中，不断变化的关税法规（钢铁、铝关税，USMCA 证书年度续期等）让企业疲于应付。AIP 系统根据历史报关与预测数据主动提出建议：发现某组件因关税而比美国本地供应商更贵、提醒 USMCA 证书过期、并标记「可能不含钢铝」的组件——因为 HTS 代码既有按材料分类的、也有按功能分类的（如塑料做的螺旋桨叶片根本不含钢）。

关键在于 AIP Logic 编排的多模型智能体工作流：Gemini 2 Flash 负责从图纸中提取材料，GPT-4o 负责推理判断，智能体还能自动向供应商发邮件索取钢材含量与冶炼国信息、解析回复、生成完整合规文件包。演示中，一个单价 3660 美元的组件，经核查后确认只有 2 美元的材料实际含钢铝，年度关税支出因此减少 88,000 美元——而这一切几周内就能上线，且全程人在回路、可审计。

正文

一、BOM 孤岛：工程、ERP 与贸易合规的割裂

谈到物料清单（BOM），Christopher 指出真正的挑战在于数据被困在业务的三个孤岛里。工程数据侧，所有 BOM、PLM 系统中的图纸与其他信息告诉你「你在造什么」；ERP 则显示「实际进了什么料」、客户订单是什么；贸易合规侧则关注 HTS（协调关税表）编码及其如何应用于这些产品。这三个团队通常极度割裂，单独做任何用例都拿不到好处。AIP 平台与本体论的作用，就是把这三个世界之间的鸿沟桥接起来，衍生出大量工作流：把分散各处的工程规格与组件情境数据，与真实世界中的交易情境结合，找出机会在哪里。

演示使用了虚构的医疗器械制造商与分销商 Onyx：他们制造注射器，也制造 T99 呼吸机这样的复杂产品。进入呼吸机的本体视图，可以看到所有进来的子组件——通过 ERP 数据、贸易合规的原产国数据与工程数据的组合，能看清组件的年用量、来自哪些国家、花费多少。所有这些之所以能在一个视图中呈现，正因为本体论桥接了系统之间的鸿沟。还能从层级视角看装配：顶层组件、中间装配、底层零件。放大某个具体组件，能看到本体论中与之相关的所有对象：它的父级、材料建议、图纸、其他元数据、甚至供应商。点开一张图纸，它就被带入视图中——这背后跨过了许多通常彼此孤立的系统。

Christopher 提醒，这一切看起来简单，但现实是许多公司有多套 PLM 系统、多套 ERP（因为并购扩张），组件类型各异；工程侧的图纸与材料信息往往是非结构化数据，不是整齐的行与列——把非结构化数据与 ERP 的结构化数据融合起来，正是复杂性的真正来源。客户通常从「对着图纸手动抄录不同元素」起步，而这极其复杂。

二、从 BOM 到合规：复杂性与不断变化的关税法规

把 BOM 数据整合起来后，大量工作流浮出水面。其一是过时管理（obsolescence management）：假设公司在呼吸机装配中把 PCB 供应商从 A 换成 B——工程上验证通过、准备替换 PCB，但不同工厂的 ERP 里是否都在正确的 BOM 版本上？什么时候是切换（cutover）的正确时机？如果过早切换，剩余的老元件可能因不符合客户规格而报废。这是能捕获大量价值的场景。Chad 补充，BOM 是制造业企业的「中心」：成本、工程标准、工程变更、库存水平、采购，甚至销售报价——给新项目报价时「以前成本多少、影响如何、如何转嫁」都依赖它。

其二是贸易合规。近期关税法规变动频繁：钢铁与铝关税、IEEPA（国际紧急经济权力法）下的关税等。企业既要不被罚款，也不能多付或少付。HTS 代码的复杂性在于：既有按材料分类的代码（「这个组件是钢做的/铝做的」），也有按功能分类的（螺旋桨叶片会被标记为可能触发钢关税——但如果你是一家用塑料做螺旋桨叶片的工程公司，唯一的确认方式就是深入核查该物项中实际的钢铝含量）。客户往往不知道从何入手：零件目录里有成千上万个部件与子装配，凭「上个月进口过这个」的经验判断既不前瞻也不全面。ERP 数据因此至关重要：结合未来几个月的预测，找出「接下来进口最多的零件」，再顺着它们的 BOM 优先更新文档、确保合规、降低整体风险敞口。

三、AIP 智能体工作流：从识别到行动

演示切到一位贸易合规经理的视角。AIP 系统基于历史投入的 RFQ（询价单）数据提出建议：某个组件正在被征收关税，而美国本地供应商最初的报价其实更便宜——「要不要再看看那家供应商，看他们能否接手这批货量？」另一些建议针对 USMCA 证书：某零件 2023、2024 年都有证书，应联系取得 2025 年的——这些证书每年续期，必须紧盯才能拿到全部价值。还有组件被标记为「可能不含钢铝或仅部分含钢铝」，需要深入核查。

进入行动队列，重点看 Section 232 内容分析：两个正在进口的装配件被征收钢铝关税，系统建议核查其真实含量。工作流是这样的：实时报关数据（live broker data）标记组件，BOM 中的不同组件被分析，AIP 对整件装配进行分析。一个来自墨西哥的外壳：年用量 10 万件、花费 41 万美元（全部来自 ERP 数据）、潜在关税影响 10 万美元——但 AIP 标记它不含钢也不含铝。于是下钻到 BOM 子组件，结合工程图纸数据：塑料脚垫、卡槽支架……可以调出规格书确认——这是聚合物的文字规格书。系统支持接受或拒绝这些建议；贸易合规领域通常需要人在回路做最终决定，AI 的价值是按影响度排序（类似 80/20 法则：20% 的零件带来最大影响），让合规团队做最终评估、在平台内收集所需文档再采取行动。

部分含量的例子更复杂：另一个来自墨西哥的外壳关税影响较低，标记为「无铝、含钢」——模型的推理依据是其中三个组件被明确描述为钢制：塑料外壳、尼龙垫圈，但有一颗钢螺丝；放大图纸中的区块还能看到「不锈钢」。关键在于：必须快速高效地处理所有这些信息，才能提交给团队确认——这正是 AIP Logic 的用武之地。

四、AIP Logic：多模型编排与多模态推理

AIP Logic 是 AIP 平台中用于编排 LLM 在整个本体论中工作的工具。演示打开了一个测试用例：智能体从本体论中的 BOM 组件出发，利用组件与零件图纸的链接，检查系统中是否有相关图纸或文档；确认有图纸后，调出一个模型：提示词设定为「你是解读零件规格书与机械图纸的专家，请提取该零件的所有材料，特别关注钢与铝」（未来可轻松扩展为铜等）。面板追踪显示，模型确实去查看了那张图纸并提取出「不锈钢」。

Chad 点出这里的关键：这已经不只是 LLM 推理与检索增强生成（RAG）——本体论存储多模态数据，智能体既可以通过本体论中的向量存储做语义搜索，也可以直接查看存储的图像，让一个语义对象拥有跨多种媒体类型的丰富表征。在智能体工作流中，模型能够跨不同媒体推理，这一点极其重要。

而且一个智能体里可以混合多个模型：Gemini 2 Flash 负责图像提取，GPT-4o 负责推理环节——按任务大小与用例选择最合适的模型，还能进行测试与规模化评估。如果企业没有现成图纸也没关系：第二个模型可以基于零件描述、零件编号、HTS 描述等信息做「最佳猜测」，至少帮助完成优先级排序。推理结果写回本体论中 BOM 的具体组件，也就是应用界面里看到的内容。本体论中的动作（action）也是护栏：智能体要么提示「需要你审核」，要么直接写回 SAP、PLM 等源系统——通过正确的安全原语，把动作规模化扩展到成百上千个用例。

五、可量化的成果：88,000 美元的节省与更广的用例

回到应用界面完成闭环：部分含钢铝时，可能需要向该组件的特定供应商收集信息。点击「采取行动」，系统通过本体论找到关联的候选供应商，让模型生成外联邮件——索取钢材含量、重量、铝的产地/冶炼国等信息，作为邮件发给供应商。演示中回复已经收到：另一个智能体阅读回复、核查是否拿到正确信息（缺失则请求澄清），接受后解析供应商返回的值；提交后写入本体论，生成完整文件包：所有供应商通信、图纸、BOM 全部记录在案、可审计。

结果很直观：原本按 3660 美元单价被征收关税的组件，核查确认后仅 2 美元的组成材料实际含钢铝——合规后全年减少 88,000 美元关税支出。Chad 强调，这还意味着可以在「落地之前」模拟解决方案与影响，人类与 AI 协作决策；而跨系统与报关行、供应商沟通，没有 AIP 这样的平台几乎无法规模化——做一次容易，做一万次就需要系统来排序、协调、聚合数据。硬 ROI（省下的真金白银）让企业有动力启动这类项目，也方便跟踪成功。

这个工作流还有其他价值：当关税迫使企业向客户提价时，可以完全透明地说明「是因为这些组件，成本差异在这里」；作为子装配供应商，也必须正确地把关税分配到对应的主机制造商，否则对方会问「为什么我在为给别人的组件付关税」。

为什么这类需求现在这么迫切？法规变化太快：持有 USMCA 认证的企业本可豁免某些关税，但证书每年过期，很多公司管理不善——需要 AI 智能体主动扫描：「你接下来要大量进口这个零件，去年有证书、今年没有，去收集吧。」新产品、改版产品意味着今年进口的未必和去年相同，只看历史清单会错失前瞻性。好消息是上手极快：这类工作流通常一两天搭出第一版，一周到一周半即可运转。虽然可以回头修正报关，但存在「悬崖」——超过某个时点就无法再更正，所以越早启动越能确保关税被正确征收。

Chad 最后问更大的愿景：一旦 BOM 连接了所有系统，还能做什么？Christopher 列了一串：过时管理（避免库存积压）、材料统一（material harmonization——「我是不是在不同的零件编号下重复买同一个东西？」）、未来采购 RFQ 时正确评估美国本土供应商（因为关税后实际更便宜）、销售与供应链、甚至生产排程——唯一能知道产线上缺料的方法，就是正确遍历 BOM 去核查库存。BOM 是制造公司的中心，向其他用例的辐射正是它的力量所在。