百度 看电影，无论通过何种平台预订，均能通过座位图，直观选择喜欢的座位观影；外出就餐，可以通过电话，提前预留想要的景观餐位或私密角落；而民航运输早已普及了选座服务，通过网上自助值机，不仅能选择座位，还能大量节约旅客在机场排队值机的等候时间。

　　在办公室里遥控整个工地、在施工现场上演“机器人总动员”……近年来，大数据、物联网、人工智能等技术加快与建筑业融合，传统建筑业逐步实现提质增效，焕发新生机。

　　尤其今年以来，在政策赋能下，建筑业与数智技术融合步伐不断加快。今年3月，住房城乡建设部印发《智能建造技术导则（试行）》，加快推进智能建造技术在工程建设全生命周期应用。

　　如何进一步推动人工智能技术与建筑业融合？智能建造提速，还需迈过几道坎？科技日报记者近日就此采访了多位专家。

　　数字平台成“得力干将”

　　2024年，中共中央办公厅、国务院办公厅印发《关于推进新型城市基础设施建设打造韧性城市的意见》。在推动智能建造与建筑工业化协同发展方面，该文件提出多个任务方向：深化应用建筑信息模型（BIM）技术；推动自动化施工机械、建筑机器人、三维（3D）打印等相关设备集成与创新应用；推进智慧工地建设等。

　　今年，记者走访多个施工现场时发现，上述许多技术已然“落地开花”。例如，在深化BIM技术应用方面，一些项目团队尝试把BIM技术与GIS（地理信息系统）相结合，打造集管理、生产、监控和服务于一体的智慧工地平台。

　　6月，重庆东站正式开通运营，这是西南地区规模最大、功能最全的铁路综合交通枢纽。中铁建工集团重庆东站项目BIM与信息化负责人段先航说，重庆东站总建筑面积123万平方米，建筑体量庞大，施工内容繁杂。在建设过程中，基于“BIM+GIS”技术搭建起的重庆东站智慧建造管控平台，成为管理团队的“得力干将”。

　　平台页面中央是重庆东站的GIS模型。段先航介绍，通过创新航线设计方法与优化建模算法，建筑团队可以用普通消费级无人机进行摄影、测量，大大节约建模成本。当仿真建模图被放大后，每条道路、每个塔吊、每栋建筑都清晰可见。

　　平台不仅可完成面积测算等基本操作，还能与现场智能化装备联动，通过物联网监测风险点位，传输实时数据，护航工地施工安全。“当我们点击页面上这个绿色的点位，它就能显示出塔吊的高度、力矩比、点位风速等信息。”段先航告诉记者，“为了实现分钟级监测，项目团队在施工现场布设了骨干网桥。它就像一个大Wi-Fi，能把数据迅速分发给平台服务器。”

　　平台为项目带来了巨大效益。段先航介绍，在安全管理方面，它填补了人眼看不到的盲区，为工人生命安全保驾护航。在施工规划方面，曾经需要开无数次会、反复协调的施工道路组织问题，也在平台的帮助下迎刃而解。

　　AI应用仍处起步阶段

　　数字信息技术应用不断深化的同时，人工智能技术也逐步渗透到建筑行业中。一些企业开展探索，以DeepSeek大模型为底座，搭建建筑行业大模型。这类大模型有的可用于施工成本测算、收支对比等财务领域；有的可用于建筑知识问答、业务内容讲解等问答领域。然而，记者发现，在图纸设计、方案分析等建筑施工核心环节，大模型应用情况却不乐观。

　　对此，段先航坦言，当前人工智能技术在建筑行业应用仍处于起步阶段，应用范围较为有限。这背后主要有数据和算法双重原因。

　　大模型好用靠的是“题海战术”，足够的训练数据才能“喂饱”大模型。就建筑行业而言，大模型的算法“黑箱”会降低业内对其的信任度与接受度。企业往往对大模型数据的安全性、隐私性存有疑虑，担心上传的关键施工数据被泄露。尤其很多工程的BIM模型、合同文件等信息都属于保密范畴，确保信息安全是首要任务。

　　此外，同济大学土木工程学院教授卢昱杰分析，一个施工项目可能涉及多个部门，数据系统往往彼此独立，难以互联互通，数据收集难度较大。现有工程建造数据质量往往参差不齐，工程图文数据标准不统一，无法保证数据的有效性和质量。

　　“巧妇难为无米之炊”，没有高质量、丰富的训练数据，大模型目前在应用过程中存在较严重的“AI幻觉”，无法正确理解指令，难以执行复杂任务。

　　段先航对此深有感触。“我曾试着给大模型一张测试图纸，让它据此生成一份施工方案，结果发现它连最基础的CAD图形识别都做不到，只读得懂文字。”段先航摇着头说，“在建筑施工行业里，读不懂图就意味着被淘汰。”

　　成本性能为落地关键

　　虽然人工智能落地建筑行业仍面临诸多难题，但其应用潜力不容小觑。段先航举例，在数据互通方面，人工智能有望通过整合数据，打破信息壁垒，解决因数据不连通、接口不统一导致的“信息孤岛”问题。在技术管理方面，人工智能有望优化施工图纸管理、编制施工计划，提升工作效率。在安全管理方面，人工智能可智能识别风险点位，全时段护航施工安全。

　　要促进人工智能在建筑行业落地，段先航认为，首先要解决本地化部署问题。将大模型部署到用户本地服务器或设备上，有助于保障用户数据隐私。然而，高昂的算力成本让许多施工团队望而却步。且不谈模型性能，据业内估算，一个较小规模的模型，总体部署下来都需要一二十万元，后续还会有各种维护成本。

　　可喜的是，随着技术不断升级，大模型算力成本不断降低。段先航认为，随着成本进一步下降，大模型本地部署或成为行业的主要选择。这有利于促进人工智能在建筑行业的广泛应用。

　　此外，还应推动行业大模型性能升级。当前，医疗、金融、教育等领域的行业大模型不断涌现。记者发现，其背后都有各类联盟、协会等行业共同体的推动。从成本看，训练高性能的行业大模型需要投入巨大人力物力，远非一家之力可以完成。

　　对此，段先航建议，共建行业大模型，推进数据共享，打破信息壁垒。“在重庆东站智慧建造管控平台的建设中，为解决多源异构数据的难题，我们做了大量‘体力活’，为不同信息化设备开发大量数据接口。这为后续开展大模型建设积累了经验。”段先航说，可通过建设建筑行业大模型行业协会等方式，推动行业数据标准统一，为大模型提供更加充足、高质量的训练数据。（吴叶凡）