□李芳芳

编者按：近日在上海举办的数智建造（2025）创新大会上，一场聚焦人工智能与建筑产业深度融合的高端对话引发行业瞩目。清华大学互联网产业研究院院长、经济管理学院教授朱岩主持论坛，住房和城乡建设部原总工程师王铁宏，同济大学建筑产业创新发展研究院名誉院长、中国建筑集团原总经济师鲁贵卿，中国交通信息科技集团有限公司党委书记、董事长袁航，华为云资讯总裁宋孝龙，百度智能云AI与大模型平台总经理忻舟，新中大科技股份有限公司副总裁、首席技术官原雷等几位产学研权威专家，围绕AI技术赋能建筑产业转型升级的核心命题，从基础理论建构、技术落地路径、数据要素价值释放三个维度展开深度探讨，这场思想碰撞为建筑业数字化转型提供了兼具理论深度与实践价值的创新图谱。

嘉宾主持：

清华大学互联网产业研究院院长、经济管理学院教授朱岩

问：整个AI在建筑产业应用的全景图上引发了许多思考。首先请您谈一谈该如何看待建筑产业里AI的应用前景？

王铁宏：建筑产业是国民经济的重要支柱、全球最大基建市场，也是人工智能的巨大场景。研发建筑产业人工智能面临两个关键问题：一是头部企业和科技型企业如何抢抓人工智能风口期先机，研发产业大模型和专业模型，即实现人工智能产业化；二是建筑业企业和从业人员广泛应用通用大模型等，以及建筑工业化企业依托“具身智能”“智能机器人”，让工厂制造AI、现场建造AI、运维管理AI等，即实现建筑产业的人工智能化。

数字化是基础，发展建筑产业人工智能需把握三条脉络。其一，系统性数字化：项目级BIM、企业级 ERP、产业级DRP、城市级CIM。其二，“装配化+”：“装配化+EPC”“+BIM”“+超低能耗”“+AI”。其三，“投建营+”，尤其是“投建营+AI”。建筑产业投建营项目有望如我国航空工业、船舶工业实现设计-施工共同建模、一模到底、甩掉图纸，将引发深刻变革。

把握AI建筑产业大模型发展的三个底层逻辑至关重要。其一，产业大模型与通用大模型的关系，通用大模型不断向上拱入产业大模型空间，产业大模型研发面临新课题；其二，数据资源，通用大模型存在局限性，拥有BIM、供应链、ERP、DRP、CIM大数据的头部企业和科技型企业应把握机遇加快研发产业大模型，进而研发专业模型；其三，与用户的关系，建筑产业规模庞大，各类项目团队以及团队成员都可能是建筑产业大模型面向C端的用户，要抢抓机遇。建筑产业大模型研发要基于通用大模型，发挥数据资源优势，也可以与通用大模型团队融合研发，先开源面向C端，再定制服务面向B端，进而专业模型向B端发展。建筑产业人工智能未来已来，处于市场需求度、技术可行性、商业可行性交汇点，正确看待研发建筑产业大模型的机遇与挑战，必将极大地提升产业高质量发展的效率和效益，创造巨大价值。

问：请您谈一谈华为利用昇腾算力作为基础是如何支撑建筑产业应用的？

宋孝龙：华为2016年开始将AI引入内部。通过构建“双轮驱动”模式实现效率跃升，在业务规模增长3倍的同时，员工规模仅增长10%（2014年19万人增至2023年21万人），人均效能提升达300%。这印证了智能化与数字化对华为生产力的助力和提升。

人工智能进企业有两个路径。一是企业的产品和AI结合，让产品具备智能。比如，华为的智能驾驶、智能终端等这类产品。二是让企业内部的研产供销服等各个领域都运用AI，提升效率、提升质量、降低风险、降低成本。这是华为理解且在实施的两个路径。

从企业使用人工智能角度来说，有四类人工智能。第一类是决策式的AI，既感知、既决策、既反应，不需要人类、人力去参与。比如自动驾驶这一类。第二类是预测性的AI。也可以理解成优化式的AI，比如天气预报、计算路径，还包括一些科学计算等。第三类是感知式的AI。摄像头、传感器、雷达传感器等就是既感知、既分类、既识别的感知式AI。第四类是生成式AI，ChatGPT、DeepSeek都属于这一类。从2016年至今，华为内部已经落地900个场景，还有3000个场景在排队。这些AI应用遵循“三高”准则（高耗人、高耗时、高耗钱），这些应用场景具有海量、重复、复杂的特征。在2024年8月份之前，华为从选场景到选模型，准备数据、准备知识、训练，再到稳定地嵌入流程运营需要一年时间。今天，我们从选场景到落地，只需要三个月，这是企业的厚积薄发。

把AI引入到企业不是一件事情，而是一场变革。每个场景都属于一个流程。AI是这个流程的放大器，是效率的倍增器。在引入之前，一定要明确这个场景所属的流程是否是企业的最佳事件。众所周知企业做数字化有个“三不”原则：不在落后的工艺上做自动化，不在落后的管理上做数字化，不在无数据网络的基础上做智能化。如果我们在落后的流程上把AI引进来，就会让这个落后的管理固化。我们认为变革想成功存在非常关键的三个前提：一是变革一定要对准战略、对准我们的业务；二是变革一定要一把手牵头；三是业务主管一定要亲自参与。这三个要素才能决定我们的变革有可能成功。

问：请您谈一谈从需求侧的角度来看，有没有这样的需求？或者这个市场将来会呈现怎样的对于人工智能的需求？

鲁贵卿：近十年来，从“互联网+”到“AI+”，工程建设企业在数字化建设上进行了积极而有益的探索，取得了一定成效。一方面建筑行业数字化水平确实有明显提高，另一方面IT应用融合上确实存在着“两张皮”的问题。就实体企业来讲，我更加倾向用“建筑+AI”的提法。这需要着力处理好“四对矛盾”：

一是标准化要求与个性化需求之间的矛盾。建筑产品是非标的，个性化需求多，而信息传递则需要一定的标准化为基础。传统企业要创新商业模式，重构组织架构和职能分配，改变生产方式和行为方式，为新技术的推广应用创造必要条件。同时，IT技术的发展，如技术开源、逻辑推理技术等为解决“两张皮”问题提供了更多可能性。二是企业各业务系统专业性强与信息交互通融性要求高的矛盾。现在，IT技术有了新的发展，我们可以通过选择合适的技术来解决这一矛盾。比如Deepseek的出现，降低了技术门槛，边缘计算技术、群体智能技术、场景智能体等，为打破“部门墙”可以提供有效的技术支持。三是数据应用需求大与数据安全要求严之间的矛盾。数据互通与数据隐私的矛盾，涉及商业伦理，如何拆除“数据篱”是一大难题。而现在的AI“隐私计算技术”，可以实现数据不出域，可用不可见，能够解决数据安全的痛点。四是技术发展变化快与思想观念转变慢的矛盾。解决这一矛盾，我们就要加强学习，提高人们的技术理解力和技术应用力，同时，还要有尊重专业，敬畏专业，让专业的人做专业的事儿。随着技术成熟度的逐渐提高，人们的“接受度”也在不断提高。比如通用大模型、行业大模型与业务场景大模型的好处日益显现，人们应用IT技术的需求和热情就被大幅度激发出来了。

总之，随着新技术的发展与成熟，随着“四对矛盾”的逐步解决，建设行业数字化转型升级的步伐必将加快。

问：在中国的大模型市场上，最早推出的是百度的“文心大模型”。近年来，百度利用数据优势，在原先发展搜索引擎的基础上，做了大量产业大模型的工作。接下来，请您谈一谈在建筑产业或是产业应用上如何去推动大模型在中国产业里的运用。

忻舟：百度作为国内大模型先行者，在多产业实现落地。大模型由于具备技术通用、能力全面、持续学习和互相协同这四个重要的特点，能够引领人工智能快速发展，引领产业的智能化。

一是技术通用性使大模型可处理多任务多模态。原来视觉归视觉、语言归语言、图像归图像。现在一个大模型，对多种的任务、多种的模态都有很好处理。二是能力全面。体现在理解、生成、记忆、推理这些人类所具备的能力，大模型都能够逐渐趋于人类水平。三是持续学习。我们行业积累了大量的知识经验，这些经验都能被大模型特有的学习机制所记住、所运用，持续学习来优化新任务的完成效果。四是互相协同使各 Agent能协同完成任务。这种通用的能力对于产业应用是非常有帮助的。但是，大模型不能直接应用于产业里的各种任务。产业有各种自己的数值和流程，大模型在应用的时候需要和产业结合，行业模型要理解产业需求，结合企业及技术人员力量，推动行业创新发展。

问：众所周知，中交集团是一个超大型的集团型企业，AI应用进入到什么阶段，有什么样的经验可以跟大家分享？

袁航：中交集团从2023年的6月份开始，进行人工智能，尤其是大模型的建设。今年的2月25日我们发布了建成的央企首个土木建筑行业大模型——“蓝翼”大模型。目前该模型的基本架构是一个大模型，九个“垂类模型”，221个场景的深度应用。另外，我们有十几家设计院以及若干个工程局与我们的属性相关，所以同时匹配了每一个垂域应用及各类模型的应用标准。这个标准跟模型同步，也就是怎么去看模型产生的幻觉问题。达到什么样的准确度后，这个模型是可以在相应的场景下进行应用的。

今年开始，中交围绕着模型的六个要素开展相关工作。算力方面，通用算力与私有化部署结合，保障安全。数据方面，打造高质量数据集，除了传统的数据以外，需要更加关注的是问答对的应用。“蓝翼”大模型，问答对大概在10万到20万之间，到今年年底，预计超过100万的问答对。算法方面，秉持开源原则。人才方面，中交按照100个专业的AI工程师，2000个IT工程师再加10万个工程师的配置，要求10万个工程师都具备AI的思想和AI的能力。按照这个配置适应模型建设及场景应用。体制与机制方面，改变传统模式，资金支持、政策支撑等向 AI 应用倾斜。投入方面，按照先投入后回报的原则来全力支撑起模型的建设。

问：对我们的建筑产业应用来说，一个大模型可以解决很多的问题。在此之上，正如此前所讲到的再去做大量的像新中大所做的这些专业级的大模型。接下来，请您谈一谈新中大在用AI赋能产业的价值创造方面有何新的想法。

原雷：建筑产业大模型应用经历了三个阶段。第一阶段是能力增强。通过将企业文档、规章制度、工作手册等结构化数据，接入大模型并构建智能化检索系统，帮助企业实现在工作中对知识的快速调用，让工作更精准。第二阶段是能力提效，即工作提效。针对投标文件生成、成本动态测算等高频重复场景，适合用大模型进行效率提升。甚至在某些特殊情况下可以达到人工替代的效果。第三个阶段是打造智能化的管理体系。如果把大模型比做一个大脑，需要给它持续的、实时的、自动化的养分，让大模型通过学习优化具备一定的推理能力。把这个推理能力再和企业的生产经营结合，可以形成一套智能化的作战系统，直接远程指挥施工现场，实现具身机器人的工作安排等。从前端的物联传感设备的打通，到自动的数据传输和“喂养”，到大模型的学习训练、训推一体，到最终指挥的推理成果，整个流程打通以后，大模型就真正成为了企业大脑，在行业的落地才算达到了一个实际的效果。