方海存×崔立明×许彪：AI五年内颠覆造价行业，不现实、存疑与支持（下）

Building 2034是建筑时氪（聚透镜旗下新媒体品牌）的社群活动栏目，面向建筑产业未来10年，关注科技创新、创业方法论、一二级市场投融资、企业转型与出海等商业主题，偏爱探讨市场中有价值但尚有争议的观点。这里没有身份权威，以观点交友，求同存异，保持对真问题的追踪与热爱。

上周，建筑时氪发起「Building 2034」栏目下的第四期讨论活动，主题为“《AI，五年内「颠覆」造价咨询行业，YES or NO?》 ”。我们邀请了国内造价领域专家马楠教授、以及青矩技术、小栗科技、建元基金、中国建设贸促会、中建云筑、品茗科技、光铭研究院等企业朋友，他们分享了自己的观察与看法。

建筑时氪将分批对不同嘉宾的观点整理，输出文字版本，供大家探讨。本篇是第三批观点，最后也会输出一篇总结性稿件，并对有待研究的真问题进行汇总，以便持续追踪。

文｜秦明；封面｜pixabay

《赖文杰×张宁×钱江：AI五年内颠覆造价行业，不现实、存疑与支持（上）》

《马楠×张江波：AI五年内颠覆造价行业，不现实、存疑与支持（中）》

以下为第三批特邀嘉宾的核心观点：

01 方海存，品茗科技BIM事业部总经理

关于AI能否在五年内颠覆造价行业的观点，我持保留态度。我分享下一些实践感悟。

第一个是成本，训练一次垂直行业大模型，即一个月时间把目标数据全部“喂养”进去，我们接触到的成本大概是500万左右。

第二个，我们从去年开始做大模型的垂直场景落地，感受到目前大模型对于建筑行业图形图表的理解能力还比较弱，更多集中在泛语义层面的理解。在技术层面，我们在做一些插件，尝试把行业图形图表转换成语义，让大模型去理解。

比如在图模管理过程中，能不能先用大模型解决变更的问题。这关系到大模型如何理解变更、识别变更，以及如何把变更的关键部位，直接与图纸和模型挂接起来。我们试图从这些小的点出发，解决施工过程中存在的一些痛点问题。

我们拥有数十万份的施工和技术方案。目前正在通过与大模型的结合来学习这些方案。在学习的过程中，其实需要大量的人工干预。比如需要引入许多专业人员，例如总工程师，来帮助我们判断方案的合理性、适用性，甚至判断是否存在错误。我的感受是，想要大模型有多智能，前期就要投入多重的人力资源。

目前，我们在尝试使用算量软件进行自动化算量，还不能完全投入商业化使用。不过，这并不是技术上的问题，而是受到图纸质量的影响。

此外，我们在与前端的现场用户做一些联动。比如施工现场的人员需要知道某个地方的混凝土量。过去是通过构建树状筛选来提供这些信息，但这种方式在手机上使用起来并不方便。如今，由于背后的数据库实际上是固定的，大模型可以帮助我们进行输入和输出。

02 崔立明，小栗科技创始人

我之前在广联达有过十几年的工作经验，涉及市场、管理以及互联网产品等多个领域。2015年出来创业，我们创建了一个互联网造价服务众包平台，名为“算客工场”，初衷是能够将传统的造价计量计价工作线上化，用线上模式和众包方式来替代传统的线下作业。

关于AI是否能替代传统的造价，如果用五年期限来做判断，我的结论是很难替代。目前工程造价工作还是以人力为主，大部分还是靠人来提供服务，造价企业数字化的水平是偏弱的，人员素质普遍不高。在某个环节上，我想一定可以被替代，尤其是基础的作业环节。但想要颠覆造价行业，我觉得是比较难的。

首先，行业的数字化程度决定了智能化进程。大模型背后对应着大规模的数据，在许多垂直领域，尤其在建筑行业相对封闭，数字化程度较低，难以形成大规模的数据集，也就意味很难出现真正的行业大模型。

其次，我们尝试过使用一些AI工具，例如聊天机器人，但在回答基于我们行业的专业问题时，这些工具往往难以准确描述数据来源，也难以给出客观的答案。这是因为专业知识和经验往往难以完全数字化，特别是在涉及复杂领域的判断和决策时。造价工程师的技能不仅需要专业知识，还涉及到沟通，与不同专业领域的协同。很多造价工作是基于专家判断来进行的，他们的经验更像是老中医的诊断方法，不容易用结构化或客观的逻辑来描述。

接下来，谈谈当前造价行业面临的一些挑战。

第一，据官方统计拥有甲乙级资质企业数量有一万多家，2021年7月造价咨询资质取消后，据工商注册统计，营业范围包括造价咨询企业数量有十几万家，有超过一百多万人从事造价工作，造价咨询行业的服务主体通常是中小微企业，非常分散。当下，大部分造价咨询企业面临着活少人多的问题，尤其是一些大型公司，过去主要是通过不断增加人力来扩大规模，并没有通过科技手段来提高效率。现在业务量突然下滑，企业养人的成本压力越来越大。

第二，我们看到很多企业，虽然规模已经很大，或者说利润也很高，但它们的数字化水平或者数字化能力非常有限，他们在研发方面的投入基本上很少，甚至可以说没有研发能力。在人工智能时代，这可能是这些传统企业面临的最大挑战。

接下来，我想谈谈机遇，可能存在的机会。

通过大模型和现有的数字技术，加速对专业知识结构化，比如文件检索、数据提取，数据分析、自动化作业，这些方面都值得尝试和探索。AI可能实现对造价工作部分场景替代，但需要满足一些前提条件。专业知识结构化是前提，例如：行业清单虽然是数字化、结构化的，但仍未真正形成结构化可用的数据。此外，造价工程师的专业经验数据大部分仍停留在他们的脑海中，尚未将其提炼出来，这些因素会影响到造价行业私有大模型的发展。

另外业务标准化是关键，然后是在线化、自动化到智能化。由于造价行业的特殊性，当下更务实的是如何数字化作业过程，结构化数据，工具自动化，从而减少人力投入，提高效率。

最后，与其说AI替代或颠覆，我觉得未来，人和AI更多会形成一种共同体，用当下比较流行的说法叫“搭子”。 20多年前，行业就推出了算量软件，当时很多造价师感觉有了软件后，就不需要他们了，也有一些这样的困惑。如今，算量还是需要人来操作这些工具，提升人的效率。这其实是一个相辅相成的过程，不一定是说替代谁或者颠覆谁。

03 许彪，大厂前成本采购负责人

我认为AI已经开始颠覆造价领域的一些事情了，并不是说五年之后才颠覆。

刚刚大家分享时，我打开通义千问，输入了一个问题，“作为一名造价工程师，我想要估算一个位于北京地区、高度200米、建筑面积十万平米的写字楼，其幕墙的单方造价大概是多少”。

它告诉我，这里面要考虑很多因素，包括地理因素、建筑高度、结构类型、幕墙材料、施工难度、市场价格的波动、其他的因素等。最后，它总结出来，“在北京这样的大城市，超高层建筑的幕墙单方造价可能达到800-1500元/m²甚至更高，但准确造价应当通过正式的造价咨询服务获取”。 然后，我又进一步追问： 暖通单方造价是多少？ 它也给出了应该考虑的因素与价格。

从这个简单的场景来看，生成式AI已经在介入到造价领域里面。过去甲方或业主，要去了解这样的知识，他要么问朋友，要么就去找造价顾问。但是现在，我们通过一些AI工具，就可以免费地去了解一些造价的大致区间，以及需要考虑的因素，说明现在AI已经在发挥作用。

接下来，我想分享一下我对造价的理解。在讨论造价时，我发现大部分人都倾向于一个相对狭窄的定义。从行业的角度来看，造价的定义并不仅仅局限于造价公司所从事的活动。有几个可以供我们深入思考的维度。

首先是时间的维度。我们通常从建设期的角度去理解造价。不过，随着房地产热潮冷却，未来的建筑会向非房地产的建筑业态发展，比如基础设施、商业建筑、公共建筑、数据中心等。对于此类建筑，需要关注整个建筑的全生命周期的造价。例如，无论是广州还是北京，都纷纷推出了数据中心能源效率指标PUE。某种程度上，这是传统造价指标的进一步延伸。

其次是参与方的角度。在建设期，主要的参与方包括投资人、建设方、总包商（或者集成商）、服务商（包括设计院、咨询公司、造价事务所等）、材料商和设备商。这些都是整个建筑的参与方。不同的参与方对造价的理解是完全不一样的。我们还需要明确AI在哪些方面、哪些领域，以及针对哪些参与方去实现颠覆或者助力。这是我的第二个观点。

第三，分享一个之前做过的数字化项目，我负责成本采购和供应商管理的数字化转型升级。当时我们提出了一个概念，称为“解析业务流、重构价值链”。这个概念的核心是，从不动产角度出发，从前期投资拿地开始，到设计、工程成本采购，供应商的履约管理、结算，再到后期交付和运营，进行全面的业务拆解。

我们将整个流程分解为八个端，并用两条线串起来，覆盖了整个不动产开发的全生命周期。

八个端指的是，投资端（参与角色包括政府、业主、开发商、地产基金等）、融资端（如银行、基金、信托等）、建造端（包括设计、成本、建造和监理）、运营端（包括产业服务、招商租赁、商业运营等）、服务端（如物业）、设施设备端（包括设备供应商、能耗服务商、维保服务商等）、物资端（包括土建类的材料、建筑工程服务商、设备类的材料等）和市场端（如房产销售、租赁等）。

第一条线是业务标准化，将每个环节能够拉通的数据形成一个标准。在业务标准化的基础上，第二条又进行了行业的数据以及技术的标准化。

在数据标准化中，非常重要的数据来自成本和造价。通过这些数据后，可以把整个链路串起来。比如在投资的时候，我们考虑的成本包括土地成本、建设成本等；在融资的时候，考虑的是融资成本；在设计建造阶段，会考虑很多专业的成本控制指标，如土建、结构、机电、幕墙、智能化、精装修、园林景观等；到了运营阶段，就会考虑设施设备的维保、保安保洁等其他费用。

有了成本之后，把这些环节都串联在一起，然后在此基础上，再提炼出相应的管控指标，与财务指标进行对接。比如财务最关心的就是投资回报率（ROI）。这样就形成了整个业务的闭环。

通过分享这个案例，我想把造价领域向不动产行业的上下游做一个延伸。在不同的领域、不同的阶段，我相信AI能够达到其颠覆行业的程度，只不过每个场景颠覆的时间是不一样的。这是我想表达的第三个观点。

（完）