□首席记者 徐敏
在2025世界人工智能大会的炫目展馆中，北京城建智控科技股份有限公司（以下简称城建智控）的展台显得有些特殊——这是全场为数不多的以国有建筑企业为背景的参展商。展台中央，多块大屏实时滚动着智慧工地、轨交运维、医院诊疗等多模态分析画面，揭开了传统行业与新质生产力碰撞的深层逻辑。
作为北京城建集团旗下专注数字化与智能化转型的科技子公司，城建智控带来了从智算硬件、软件平台到行业大模型、多智能体的完整AI生态链，更在现场展示了其在建筑、轨交、医疗、政务四大领域的突破性应用。记者两度探访展台，对话该公司AI创新业务总监徐孝天和模型算法团队负责人庄雪吟，揭开这家传统国企如何以AI为引擎，赋能传统产业升级。
跨界：从建造者到多模态AI赋能者
在建筑施工领域，传统监控系统正面临算力与认知的双重围城。“过去每个风险事件都需要单独训练小模型，例如识别安全帽是一个模型，检测火情又是另一个模型。”庄雪吟指着屏幕解释，而城建智控带来的多模态大模型——“模蜂”建筑大模型如同视觉通才，不仅能识别多种常见风险，更关键的是能理解事件间的时空逻辑。例如当摄像头识别到工人违规操作配电柜，数秒后同一摄像头捕捉到设备冒出火光与浓烟，大模型就能立即构建因果链并告警。这种对“上下文”的理解能力，让工地监控从“看得到”跃升为“看得懂”。
大模型应用在地铁运营运维中更显锋芒。城建智控研发的“曜羚”轨交大模型通过融合视频流与传感器数据，系统可自动追踪人员异常轨迹或遗失物品；基于大、小模型的多智能体智能运维可对机电设备进行故障分析，预判设备故障点，在客户现场部署后，误报率较传统方法大大下降。
除了在建筑、轨交等传统“舒适区”应用大模型，近年来，城建智控还跨界进军医疗、政务等领域。
“北京城建集团累计建设了超130家大型综合医院，但当业主提出‘三态医院’要求时，实体建筑只是基础。”徐孝天向记者解释进军医疗AI的底层逻辑。所谓“三态医院”，即物理医院、信息化医院及数字孪生医院“三位一体”。这一趋势倒逼城建智控开发“仁鹿”医疗大模型，聚焦慢阻肺病分析、医疗影像诊断等垂直场景。
与北京几家三甲医院的合作更具代表性。医院提供临床数据和需求，城建智控输出算法与算力，联合攻关顶级医学期刊论文并落地专病大模型产品。“是否承建过这些医院不重要，关键是我们能帮三甲医院解决科研与临床痛点。”徐孝天强调，这种“建造+智能”双轨并行的模式，正在复制到政务领域——凭借国资背景的信任优势，“泽鹄”政务大模型已应用于北京城建接诉即办系统，实现群众诉求智能分拨、处理建议和语音处理等功能。
突围：从“建造”到“智造”的四维跃迁
在“十四五”规划收官之际，城建智控的AI版图已清晰呈现架构——“我们不做单点技术炫技，而是提供‘算力+平台+模型+场景多智能体’的四维融合技术体系。”徐孝天说。
算力筑基：底层实现国产化算力适配，有效整合不同类型的计算资源，通过统一算力接口打造一站式管理平台；
平台赋能：“幻熵罗盘智算平台”简便易用的模型训练和部署能力，不但支持低代码/无代码操作，还支持模型快速开发、训练与部署，并能统一管理和调度不同类型的异构计算资源，实现统一监控，大幅降低AI应用门槛；
模型驱动：“模蜂”建筑大模型、“曜羚”轨道交通大模型等以自主研发的百亿级超大规模通用AI模型为基础，融合高质行业数据，具备独立运行、多类型数据协同处理和应用可靠的特点，在轨交专业领域精度上实现对开源模型的全面超越；
场景落地：聚焦轨交运维、建筑施工管理、医疗诊断、政务服务等业务，通过构建“智能体助手广场”，将模型能力转化为可执行任务的智能体，驱动真实业务场景升级。
在城建智控展台的大屏幕上，“智能体助手广场”成为焦点。这个基于行业大模型的AI智能体枢纽，正在重塑传统工作流：化身“安全卫士”，实时追踪人员轨迹，传统逐帧分析摄像头无法关联时序事件的问题迎刃而解；通过多模态大模型动态优化施工进度，成为“效率管家”；此外，应用医疗大模型可以“望闻问切”，智能助手实时生成抢救方案，智慧医疗正加速“落地生根”……
破题：为什么施工企业能做好AI？
当互联网大厂纷纷布局产业AI，一家建筑企业何以突围？庄雪吟的答案直指行业本质：“AI+建筑最难的不是技术，而是理解业务场景。”以施工进度计划为例，老建筑师的经验难以转化为数字语言，需与项目经理、施工员深度磨合。而城建智控的独特优势恰在于此，背靠北京城建集团，有深度的建筑行业理解。
例如，利用北京城建承建大兴机场、奥运村等重大项目积累的海量工程数据，经BIM模型、施工组织文档等结构化处理，成为大模型训练的“独家燃料”；利用1000多个智慧工地实测场景，让“模蜂”建筑大模型可精准识别安全风险、物料调度等痛点；此外，还在多地布局企业的专属智算中心，解决行业算力卡脖子问题。
“互联网公司缺行业数据，而我们缺算法人才。”徐孝天坦言。为此，公司组建了一支“混编部队”——高等院校计算机精英+建筑、交通专业人才，更从IBM、互联网大厂引入资深AI科学家。这种“外脑+内行”的组合，使团队既能开发异构算力调度平台“幻熵罗盘”，又能理解工地巡检的毫米级精度需求。
尽管成果显著，但两位负责人对行业现状仍保持清醒。“建筑业的AI应用基本处于最后梯队。”徐孝天认为，相比金融、教育等领域，施工现场数字化程度低；通用AI公司难以理解支模架体荷载验算等专业场景；实验室算法需经工地复杂环境检验，闭环验证较难。
但挑战恰是机遇。“就像车企最懂自动驾驶，施工企业天然掌握建造全链条数据。”庄雪吟指出，所以城建智控选择更彻底的路径——将算法团队与集团施工企业工程师们召集在一起，互相学习，把老师傅的经验法则转化为数据规则。这种“毛细血管级”的场景渗透，预示着只有扎根行业的企业才能走通“最后一公里”。
在探索建筑业与人工智能融合的道路上，庄雪吟一针见血地指出其核心难点：一是深入理解复杂的业务场景，这往往是互联网科技公司的短板；二是获取并利用海量、高质量的行业专属数据。徐孝天也强调，“正是这两大壁垒，叠加行业自身数字化基础薄弱的现状，使得建筑业的人工智能应用整体仍处于起步阶段。”
“这种高门槛，无形中为深耕行业的建筑企业构筑了一道‘护城河’，”庄雪吟话锋一转，充满信心地表示，“对于拥有专业团队、掌握核心建造数据资产、并具备相应算力支撑的建筑企业而言，这反而是一个巨大的优势。一旦这些要素齐备，人工智能在建造领域的深度应用，必将水到渠成。”
