王鐵宏/文

斯坦福大學Klebahn教授認為，真正的創新在于市場需求度、技術可行性和商業可行性三者的交匯點。中國經濟發展的優勢為重大創新提供了無與倫比的市場需求度和商業可行性條件，競爭的關鍵主要在于技術可行性條件。DeepSeek橫空出世，讓中國在人工智能技術革命創新上已躋身于并跑行列，在AI通用大模型即0-1上成為重要的引領者之一。基于DeepSeek等AI通用大模型，同步迅猛發展AI產業大模型，即實現從1-N已然戰鼓擂擂，軍號嘹亮了。

建筑產業是國民經濟的重要支柱產業，是全球最大的基建市場，也是人工智能的巨大場景。建筑產業廣泛深入推動人工智能技術全面發展，極大地推升效率和效益，包括兩個方面，一是一些頭部企業和科技型企業在通用大模型技術快速發展助推下，憑借BIM大數據、供應鏈大數據、ERP大數據、DRP大數據、CIM大數據等數據資源優勢迅速研發建筑產業大模型，并深入研發專業模型，即實現人工智能產業化；二是所有建筑產業企業和從業人員主動且廣泛深入地應用既有人工智能技術，包括通用大模型、產業大模型和專業模型，極大地提升本企業和團隊的效率和效益，即全面實現建筑產業的人工智能化（見圖1）。

現在我們重點研討的是如何搶抓人工智能技術革命在建筑產業的快速發展先機，即在AI通用大模型基礎上，發展AI建筑產業大模型，如設計AI大模型、投-建-營管理AI大模型、全過程咨詢AI大模型、全裝配化+AI大模型、雙碳AI大模型等等，以及在AI建筑產業大模型基礎上再研發更深入更小眾的專業模型，如超高層建筑、三甲醫院、污水處理場、軌道交通線、超低能耗建筑等設計AI和管理AI模型，充滿著機遇與挑戰。當然，建筑產業人工智能還有另外一個方面，一些推動工業化建造的企業和科技人員實現工廠制造AI、現場建造AI和運維管理AI（見圖2）。

一、序篇

——把脈建筑產業系統性數字化發展

要發展建筑產業人工智能，必須全面把握好建筑產業的系統性數字化發展脈絡。數字化是基礎，沒有數字化就沒有人工智能。我們要把握好三條脈絡。

一是建筑產業系統性數字化，即項目級BIM，現在是無BIM不項目，但要強調的是真BIM，是設計-施工共同建模，指導運維的BIM，是一模到底的BIM，是能為業主節省建造成本和運維成本創造價值的BIM，是能夠提前發現錯、漏、碰、撞節省返工成本，縮短返工工期的BIM，是自主可控的BIM；即企業級ERP，是幫助企業打通層級，打通系統，發現堵點卡點漏點的ERP，是能夠節省管理成本為企業創造價值的ERP，是自主可控的ERP；即產業級DRP，是能夠幫助公共投資項目主管部門實現監控資金使用情況的DRP，是能夠幫助有關部門和商業銀行實時有效監管房地產項目資金狀況避免暴雷的DRP，是能夠實現數據資產入表的DRP；即城市級CIM，是統一BIM標準后的CIM，是自主可控的CIM，是CIM+供應鏈、數字孿生、區塊鏈、元宇宙、AI和雙碳，并實現CIM+城市各類監管服務系統的CIM，是從園區級到城市級，是從城市建設到城市管理全要素全過程全覆蓋的CIM，是為城市提供巨大的數據資產的CIM。這是建筑產業人工智能技術發展最大的最重要的數字基礎，是主脈。

二是裝配化+，是全裝配化，即結構-機電-裝飾裝修全裝配化，進而實現建筑產業工業化、標準化、部品化、模塊化、智能化，是裝配化+供應鏈、數字孿生、區塊鏈、元宇宙，特別是+AI（工廠制造AI，現場建造AI，以及運維AI，這是全裝配化+全過程AI的特殊性），還要+雙碳（建筑運行減碳和建造減碳）。實踐表明，裝配化+EPC、+BIM、+超低能耗，以及+城市住宅更新，已經產生了令人驚嘆的經濟和社會價值，實現項目更好、更省、更快建設，如敦煌文博會主場館全裝配化+EPC、青島上合領導人會場全裝配化+EPC+BIM、上海和紹興全裝配化+超低能耗“好房子”、上海全裝配化+城市住宅更新等。這是一條產業變革的脈絡。

三是投-建-營+，如果公共投資項目更大規模地推動投-建-營模式，+數字技術，就會創造更大價值，甚至產生一場真正意義上的數字技術革命。建筑產業可否實現像我國航空工業、船舶工業一樣，全面實現BIM一模到底，甩掉圖紙，只有在投-建-營項目上才是完全可能的。投-建-營與PPP、EPC等模式創新，優化設計、節省投資、縮短工期，普遍節省投資15%左右，縮短工期10%~30%；+設計-施工共同建模，指導運維，可以再節省5%左右建造成本，節省返工成本和縮短返工工期，節省運維成本10%~20%。這不但是建筑產業頭部企業特別是央企國企向更高核心能力轉型升級的方向，更是建筑產業市場模式深刻變革的脈絡。

二、正篇

——把握AI建筑產業大模型發展的底層邏輯

繼AI通用大模型“百模大戰”“千模大戰”之后，會不會出現AI產業大模型的“百模大戰”“千模大戰”之勢，把握好AI建筑產業大模型發展的底層邏輯至關重要，這是我們的一些頭部企業和科技型企業決策者要深刻洞悉的。我個人認為，研發AI建筑產業大模型要把握三個底層邏輯：

第一是與通用大模型的關系。此前，專家學者普遍認為，產業大模型構筑在通用大模型底座之上，通用大模型可能是閉源、封裝的，因此產業大模型與通用大模型的界面非常清晰明確。DeepSeek徹底顛覆了這一切，完全開源，又是生成式，通用大模型不斷地向上拱入到本來以為是產業大模型的空間，越來越深、越來越廣，產業用戶越來越多，界面已經模糊不清，完全沒有規律。在這種嚴峻挑戰下，建筑產業大模型如何研發，是一個重要課題。

第二是數據資源。無論通用大模型如何發展，向上拱，進入更大空間，但一定有局限性，就是建筑產業數據資源的局限，這個局限恰恰就是研發建筑產業大模型的優勢，凡是有BIM大數據、供應鏈大數據、ERP大數據、DRP大數據、CIM大數據等資源優勢的頭部企業和科技型企業或兩者結合，就可以乘勢而上研發相關的建筑產業大模型，如前述設計AI、投-建-營管理AI、全過程咨詢AI、全裝配化+AI、雙碳AI等等。進而在此基礎上深入研究專業模型，如前述超高層建筑、三甲醫院、污水處理場、軌道交通線、超低能耗建筑等等設計AI和管理AI。

第三是與用戶的關系。我們研發建筑產業大模型，是2C還是2B，抑或是既2C又2B。建筑產業規模巨大，每年有31萬億元總產值，每年新開工約27萬多項工程，每年同期在建70多萬項工程，每年有70多萬個業主管理團隊、70多萬個設計團隊、70多萬個項目管理團隊、70多萬個項目監理團隊等，包括幾百萬項目團隊的成員，幾百萬個班組長和5000多萬勞動大軍，他們都可能是建筑產業大模型2C的用戶。

由于通用大模型開源，產業大模型可以斷定也要基本上開源，那么研發產業大模型的價值是什么？一是生成新的數據資源，二是找到衍生服務，三是準備引流向定制服務進而向專業模型服務發展（2B）。

因此，可以基本上認知，建筑產業大模型研發，首先要基于通用大模型，甚至可以與通用大模型團隊共同融合研發，其次要有數據資源，再次要先開源2C，進而定制服務（2B），更進一步向專業模型服務發展（2B）。在產業大模型尚未成熟前，一些率先研發的專業模型可能只得直接基于通用大模型上。這個研發邏輯一旦清晰，就要當斷則斷，就要明晰研發戰略，確定商業模式，就要引入戰略投資，就要舉旗定向。

三、結語

——建筑產業人工智能未來已來

產業人工智能發展猶如一座金字塔，底座是通用大模型（L0），塔身是產業大模型（L1），塔尖是專業模型（L2）。建筑產業人工智能未來已來，其市場需求度、技術可行性和商業可行性三者的交匯點正是研發產業大模型的機遇與挑戰。建筑產業人工智能必將極大地提升產業高質量發展的效率和效益，無論是2C還是2B，都將創造不可估量的巨大價值。把握好建筑產業大模型與通用大模型的關系、把握好建筑產業數據資源的優勢、把握好與用戶的關系，就要堅定不移地推動建筑產業人工智能的研發工作。（見圖3）

（王鐵宏，住房城鄉建設部原總工；參與研究的還有：清華大學互聯網產業研究院關瑞玲，廣聯達科技股份有限公司王健宇，中建電子商務有限責任公司蒲友晨）

（此文刊于中國房地產報5月19日11版 責任編輯 蘇志勇）

值班編委：樊永鋒

流程編輯：劉亞

審讀：戴士潮

中國房地產報版權所有

未經授權不得轉載以及任何形式使用

如需轉載，請后臺回復“轉載”了解規則

聲明：本文系轉載自互聯網，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網聯系，本網將迅速給您回應并做處理，再次感謝您的閱讀與關注。