对于一个围绕三维实体建筑与场地运转、且以海量非结构化数据为显著特征的行业而言，单纯的文本型人工智能作用有限。(Rafael Ben Ari/Dreamstime)

生成式人工智能是近十年来的科技热词，仅美国科技巨头就宣布投入3000亿美元建设AI基础设施。而早在一年前，全球风险资本对AI初创企业的投资已高达约970亿美元。

建筑业正面临掉队风险。英国国家统计局商业洞察报告显示，仅12%的英国建筑企业使用AI技术，这既反映出也加剧了行业对AI的保守态度。相比英国其他行业从业者，建筑从业者对AI技术在工作场景应用的期待度要低11%，更有34%的建筑工人对该技术感到担忧。

尽管文化壁垒可能延缓了AI应用，但两大技术难题此前一直制约着AI在建筑领域潜力的发挥，进而降低了其使用率。而2025年将成为建筑业突破这些瓶颈、使AI真正成为资产的关键之年。

历史性壁垒的新解决方案

首先，作为多数机器学习协议标准基础的大语言模型（LLM），其初期研发重点主要集中于文本型LLM。

然而，对于围绕三维实体建筑与工地运作、且以海量非结构化数据为特征的建筑业而言，纯文本AI的应用价值有限。直至近期，LLM仍难以精准反映工地现场的大量变量（如土壤与基岩的颜色差异、纹理与密度的所有区别）。因此，要获得有效输出，输入数据需全面涵盖这些要素。

但如今，AI正走向多模态化——通过图像、视频、蓝图和数字扫描获得解析三维世界的能力。

这一变革意义重大。例如：AI可监控工地实时视频流以识别安全隐患；还能分析施工中建筑物的详细3D扫描数据，确保结构构件不会与即将安装的管道线槽等内部基础设施冲突，从而降低因现场突发问题而导致的返工风险。

多模态虽增加了数据复杂度与需求量，但跨越语言、声音、视觉等多模态的基础模型减少了数据需求总量与平衡难度，同时有助于控制开发成本。

第三（这也是AI在所有应用场景中的历史性缺陷），真正具有”代理能力”的AI直至今日才成为可能。

我们指的是能独立运作、调用解决方案并影响最终成果的系统。AI代理将技术从辅助人类技能与工作量的工具，升级为能独立完成全流程任务的智能体。

有效代理型AI的核心在于规划、迭代与反思——AI能从既往错误中学习并优化后续任务，实现持续改进。

这一突破得益于近期具体技术创新：例如通过分层强化学习（HRL）将目标分解为子目标以提升精度，以及受人类思维启发的认知架构。

同样地，为确保这些代理体的准确性与有效性（当其能独立引发结果时更需谨慎），需为其构建行业原生运营环境。

迟来却恰逢其时

多模态、行业原生、代理型AI解决方案的结合将彻底变革建筑工地，而我们已具备立即部署这些技术的能力。

这将为未来数字与机械系统的自主化奠定基础，减少项目所需工种与工人数量。

尽管建筑业并非唯一受益于AI与自主技术的领域，但鉴于行业面临的结构性劳动力供给问题，其对这类技术的需求更为迫切。

技术应用不必一步到位。团队可从单个代理体入手，评估效果后逐步扩展。通过渐进式融入AI能力，企业可基于有效方案持续调整，构建可扩展的智能响应工作流。

作者：Karoliina Torttila，Trimble人工智能总监
文章来源：CIOB旗下期刊《全球建筑回顾》，未经授权请勿转载使用。