原標題：智能建造提速，需邁幾道坎？
在辦公室里遙控整個工地、在施工現場上演“機器人總動員”……近年來，大數據、物聯網、人工智能等技術加快與建筑業融合，傳統建筑業逐步實現提質增效，煥發新生機。
尤其今年以來，在政策賦能下，建筑業與數智技術融合步伐不斷加快。今年3月，住房城鄉建設部印發《智能建造技術導則（試行）》，加快推進智能建造技術在工程建設全生命周期應用。
如何進一步推動人工智能技術與建筑業融合？智能建造提速，還需邁過幾道坎？科技日報記者近日就此采訪了多位專家。
數字平臺成“得力干將”
2024年，中共中央辦公廳、國務院辦公廳印發《關于推進新型城市基礎設施建設打造韌性城市的意見》。在推動智能建造與建筑工業化協同發展方面，該文件提出多個任務方向：深化應用建筑信息模型（BIM）技術；推動自動化施工機械、建筑機器人、三維（3D）打印等相關設備集成與創新應用；推進智慧工地建設等。
今年，記者走訪多個施工現場時發現，上述許多技術已然“落地開花”。例如，在深化BIM技術應用方面，一些項目團隊嘗試把BIM技術與GIS（地理信息系統）相結合，打造集管理、生產、監控和服務于一體的智慧工地平臺。
6月，重慶東站正式開通運營，這是西南地區規模最大、功能最全的鐵路綜合交通樞紐。中鐵建工集團重慶東站項目BIM與信息化負責人段先航說，重慶東站總建筑面積123萬平方米，建筑體量龐大，施工內容繁雜。在建設過程中，基于“BIM+GIS”技術搭建起的重慶東站智慧建造管控平臺，成為管理團隊的“得力干將”。
平臺頁面中央是重慶東站的GIS模型。段先航介紹，通過創新航線設計方法與優化建模算法，建筑團隊可以用普通消費級無人機進行攝影、測量，大大節約建模成本。當仿真建模圖被放大后，每條道路、每個塔吊、每棟建筑都清晰可見。
平臺不僅可完成面積測算等基本操作，還能與現場智能化裝備聯動，通過物聯網監測風險點位，傳輸實時數據，護航工地施工安全。“當我們點擊頁面上這個綠色的點位，它就能顯示出塔吊的高度、力矩比、點位風速等信息。”段先航告訴記者，“為了實現分鐘級監測，項目團隊在施工現場布設了骨干網橋。它就像一個大Wi-Fi，能把數據迅速分發給平臺服務器。”
平臺為項目帶來了巨大效益。段先航介紹，在安全管理方面，它填補了人眼看不到的盲區，為工人生命安全保駕護航。在施工規劃方面，曾經需要開無數次會、反復協調的施工道路組織問題，也在平臺的幫助下迎刃而解。
AI應用仍處起步階段
數字信息技術應用不斷深化的同時，人工智能技術也逐步滲透到建筑行業中。一些企業開展探索，以DeepSeek大模型為底座，搭建建筑行業大模型。這類大模型有的可用于施工成本測算、收支對比等財務領域；有的可用于建筑知識問答、業務內容講解等問答領域。然而，記者發現，在圖紙設計、方案分析等建筑施工核心環節，大模型應用情況卻不樂觀。
對此，段先航坦言，當前人工智能技術在建筑行業應用仍處于起步階段，應用范圍較為有限。這背后主要有數據和算法雙重原因。
大模型好用靠的是“題海戰術”，足夠的訓練數據才能“喂飽”大模型。就建筑行業而言，大模型的算法“黑箱”會降低業內對其的信任度與接受度。企業往往對大模型數據的安全性、隱私性存有疑慮，擔心上傳的關鍵施工數據被泄露。尤其很多工程的BIM模型、合同文件等信息都屬于保密范疇，確保信息安全是首要任務。
此外，同濟大學土木工程學院教授盧昱杰分析，一個施工項目可能涉及多個部門，數據系統往往彼此獨立，難以互聯互通，數據收集難度較大。現有工程建造數據質量往往參差不齊，工程圖文數據標準不統一，無法保證數據的有效性和質量。
“巧婦難為無米之炊”，沒有高質量、豐富的訓練數據，大模型目前在應用過程中存在較嚴重的“AI幻覺”，無法正確理解指令，難以執行復雜任務。
段先航對此深有感觸。“我曾試著給大模型一張測試圖紙，讓它據此生成一份施工方案，結果發現它連最基礎的CAD圖形識別都做不到，只讀得懂文字。”段先航搖著頭說，“在建筑施工行業里，讀不懂圖就意味著被淘汰。”
成本性能為落地關鍵
雖然人工智能落地建筑行業仍面臨諸多難題，但其應用潛力不容小覷。段先航舉例，在數據互通方面，人工智能有望通過整合數據，打破信息壁壘，解決因數據不連通、接口不統一導致的“信息孤島”問題。在技術管理方面，人工智能有望優化施工圖紙管理、編制施工計劃，提升工作效率。在安全管理方面，人工智能可智能識別風險點位，全時段護航施工安全。
要促進人工智能在建筑行業落地，段先航認為，首先要解決本地化部署問題。將大模型部署到用戶本地服務器或設備上，有助于保障用戶數據隱私。然而，高昂的算力成本讓許多施工團隊望而卻步。且不談模型性能，據業內估算，一個較小規模的模型，總體部署下來都需要一二十萬元，后續還會有各種維護成本。
可喜的是，隨著技術不斷升級，大模型算力成本不斷降低。段先航認為，隨著成本進一步下降，大模型本地部署或成為行業的主要選擇。這有利于促進人工智能在建筑行業的廣泛應用。
此外，還應推動行業大模型性能升級。當前，醫療、金融、教育等領域的行業大模型不斷涌現。記者發現，其背后都有各類聯盟、協會等行業共同體的推動。從成本看，訓練高性能的行業大模型需要投入巨大人力物力，遠非一家之力可以完成。
對此，段先航建議，共建行業大模型，推進數據共享，打破信息壁壘。“在重慶東站智慧建造管控平臺的建設中，為解決多源異構數據的難題，我們做了大量‘體力活’，為不同信息化設備開發大量數據接口。這為后續開展大模型建設積累了經驗。”段先航說，可通過建設建筑行業大模型行業協會等方式，推動行業數據標準統一，為大模型提供更加充足、高質量的訓練數據。