Descartes 给贸易情报平台装上 AI 智能体：覆盖 230 个市场，宣称研究时间可省九成
9 月 24 日，加拿大供应链软件公司 Descartes Systems Group 宣布，为其全球贸易情报平台 Descartes Datamyne 增加对话式 AI 智能体。用户可以用自然语言提问，平台在数秒内返回带动态可视化的答案，并支持下钻查看支撑结论的原始货运记录。
官方给出的卖点很具体：可把全球贸易数据研究与分析时间最多减少 90%。同时官方也注明，实际效果取决于用户的经验与查询复杂度。
整套能力建立在 Descartes Datamyne 的数据地基上——覆盖 230 个市场，每年新增超过 5 亿条货运记录。Descartes 在官网称，该平台覆盖全球进出口贸易的 75% 以上，其中美国海运进口提单数据约每日 2.6 万条，来自美国海关与边境保护局，通常在收到后 24 小时内可用。
与站内此前写过的卖家精灵接入 MCP、以及本批第 14 篇的 Flexport MCP 是不同产品。那两项分别面向选品与货运执行，这一项面向贸易情报与采购决策。
一、智能体能回答什么
按官方描述，智能体要替代的是原来那些机械操作：搭过滤器、写布尔逻辑、啃数据库查询结构。用户改成直接问，平台给答案。
能问的方向包括供应商动向、竞争对手变化、产品流向与市场需求。Descartes 贸易情报业务总经理 Brian Hodgson 在新闻稿中称，地缘政治扰动、关税波动与采购模式迁移，让贸易决策变得更复杂也更讲时效；把可信任的贸易情报做得更易获取，用户可以更快从业务问题走到经过验证的判断。
可视化与原始记录是配套的。产品管理执行副总裁 Ken Wood 称，智能体会分析单票货运层级的数据，并把结论与支撑结论的记录、可视化证据一并呈现，让用户可以验证结论、追问细节，全程不用离开平台。
换句话说，它保留了可追溯性。答案旁边放着证据，是这套产品与通用对话工具的主要差异。
二、九成是厂商口径
「最多减少 90%」需要标清楚性质——这是 Descartes 的自我宣称，不是独立第三方的基准测试。官方在公告与后续媒体报道中都重复了同一个限定条件：取决于用户经验与查询复杂度。
行业媒体 IN Supply 的评论点得更直接：这个数字是供应商声明，实际考验在于团队能否在日常工作中复现这种节省，同时不牺牲验证环节。
把口径拆开看，节省的时间主要是机械劳动——搭建查询、反复跑检索、整理结果。判断哪条结论值得跟进、哪条数据源存在口径差异，这部分并不在 90% 的覆盖范围内。
对采购与选品团队来说，这个区分很实际：工具能压缩的是检索时间，不是决策时间。
三、数据地基与口径差异
Descartes Datamyne 的数据来自各国海关与政府机构的官方记录。美国海运进口记录每日刷新，提单数据包含箱型箱量、承运人、拼箱或整箱状态，并补充了 TEU、原产国与标准化后的公司名称地址。
覆盖范围的表述本身存在口径差异，值得留意。Descartes 官方知识库称平台覆盖 230 个市场；Datamyne 产品首页则写的是 190 多个国家。两个数字指向的统计单位不同，一个是「市场」，一个是「国家」，采购方在比对供应商报价时最好先问清口径。
颗粒度也不一致。不同司法辖区对进出口记录的披露程度差别很大，有的提供逐票提单，有的只有汇总统计。跨市场比较时，同一指标在不同国家的可比性需要打折。
Descartes 母公司层面还在扩张。公司在 9 月 1 日宣布以 1.2 亿美元收购仓储管理方案商 Extensiv，9 月 10 日披露了截至 7 月 31 日的第二财季业绩——这两件事与 Datamyne 智能体不是同一批次动作，但说明其在供应链软件上的扩张节奏没有放缓。
四、货走了不等于能交货
官方特别强调了一点：智能体分析的是实际观察到的贸易行为，也就是货运活动本身，而不是企业的自述、供应商自己填写的资料或公开网页内容。这个取向有其价值——登记的货流比宣传口径更难造假。
但它也划出了一条明确的边界。货运历史能证明货走了、走了多少、去了哪、频率如何，却不能证明制造能力、财务健康度、质量表现、合规水平或产能余量。供应商资质审核里这些环节，仍要单独做。
分类错误是另一个陷阱。一个产品品类可能横跨多个税号，同一家法人可能用不同名称交易，不同辖区的记录颗粒度也不一样。问对了问题，但分类错了，得到的仍然是一个错答案。
更快的查询落在错误的分类上，只会让人更快地得到错结论。这是对话式界面最大的隐性风险——答案写得越顺，越容易被直接采信。
五、与同类工具的差别
把三件事放在一起看会更清楚。卖家精灵接的是电商选品数据与 MCP 通道，Flexport MCP 打通的是订舱执行，Descartes Datamyne 智能体落在贸易情报与供应商发现这一层。三者都要自然语言入口，但数据源与决策场景完全不同。
Descartes 的差异化在于把 AI 留在平台内部。官方说明称，查询、可视化、原始记录与追问都发生在同一个环境里，用户不必把敏感的分析搬到通用工具里做，审计痕迹也更清楚。
不过，对话式访问也可能鼓励用户过快接受一段写得很漂亮的回答。Descartes 的做法是开放底层记录来部分缓解这个问题，但范围界定、数据质量与商业解读的责任，仍然留在用户这边。
更合适的位置，是把它当成大型贸易数据集的交互界面，而不是采购判断的替代品。它最强的用途，是把搭建和重跑检索的时间压下来，同时保住那些能用来挑战结论的证据。
所以，90% 的省时值得期待，但不值得当成结论。真正的问题是：当答案来得更快时，你的团队还有没有耐心去点开那几条原始记录？
参考资料
- Descartes：《Descartes Expands AI Innovation with Agent that Helps Reduce Global Trade Data Research and Analysis Time by Up to 90%》（2026 年 9 月 24 日官方新闻稿）
- Descartes Datamyne：《Descartes Datamyne》官方产品页
- Descartes Datamyne：官网首页数据说明
- IN Supply：《Descartes adds AI agent to trade intelligence》
- Inside Logistics：《Descartes launches AI agent for global trade intelligence》
- MarketScreener：《Descartes Systems Group Announces Descartes Datamyne AI Agent》
- Stock Titan：《A new AI tool answers global trade questions in seconds, with shipment records users can check》