文/编译｜秦明；封面来源｜ AI生图
Burns&McDonnell成立于1898年，总部位于美国密苏里州堪萨斯城，由两位斯坦福大学土木工程师克林顿·S·伯恩斯（Clinton S. Burns）和罗伯特·E·麦克唐纳（Robert E. McDonnell）共同创立，是一家100%员工所有制公司。
最初，公司专注于水利和能源基础设施项目，凭借堪萨斯城的交通优势，他们能够快速为周边社区提供服务。经过百余年的发展，该公司从最初的小型工程服务企业，成长为全球知名的工程设计和施工公司，致力于与全美及全球客户合作。
如今，Burns&McDonnell在全球设有超过75个办公室，业务范围涵盖数据中心、电信、制造业以及电力系统等多个行业。根据Zippias数据，公司有2000名员工，在2023年的年营收为35亿美元，每位员工的收入比率为175万美元。
Burns&McDonnell在技术创新和科技应用方面的投入主要集中于多领域的数字化转型、能源管理、以及内部创业支持。其创新部门致力于为客户提供创新技术和战略咨询，帮助企业应对数字化变革。项目涵盖领域广泛，包括移动数据采集、资产管理、网络安全，以及能源和基础设施优化等。
Jeff Danley是Burns&McDonnell的技术与创新总监，他是如何理解建筑创新与数字化，包括生成式AI如何增强建筑创新的？我们找到了他的观点与看法——来源于他的博客文章《生成式AI增强建筑业的创新》，以及近期在美国建筑创新研究社区builtWorlds上的访谈观点分享。
Burns&McDonnell创新总监 Jeff Danley
01 如何思考行业挑战
目前公司最令人兴奋的事情之一，就是在2024年1月迎来了新任首席执行官。她的一个重要任务就是建立一个专门的创新办公室。作为创新总监，我们正在探索如何在公司内部系统性地推动创新。公司里有很多富有创造力的人才，而我们希望通过更统一的方法来挖掘和加强这些创新潜力，并把它们推向市场。
不过，建筑领域在技术采用上还是面临不少挑战。大家都知道，建筑行业的技术应用往往进展缓慢，受到多方面的制约。工作环境是个难题，我们还得应对不同工作组的具体需求和技术限制，比如工会或其他组织的要求。
在行业展会上，我们经常能看到各种创新科技，比如无人驾驶车辆、无人机等。不过，建筑工地上一个持续存在的问题就是“连通性”不足。因此，我们的首要目标之一就是为施工现场提供可靠的网络连接，确保现场人员、设备、工具，甚至有时候连原材料都能无缝协作。
Burns&McDonnell创新团队不仅仅是为了创造新技术或开发突破性工具，更重要的是帮助员工掌握创新思维。许多公司把创新团队当作所有创意和技术的源泉，但我们意识到，真正的价值在于教育员工如何筛选和验证想法。比如，当你手里有20个创意时，怎么判断哪些最有潜力、对业务影响最大？我们希望能在投入大量资金和资源之前，快速验证这些概念的可行性和价值。
在这个过程中，理解问题的本质非常重要。我们不仅要解决具体的技术需求，还要搞清楚到底要解决的痛点是什么。虽然市场上有很多很棒的新工具，但现场团队可不希望只听到办公室里的人说：“这个工具太好了，快去用吧。”我们需要了解他们面临的实际挑战，并找出能帮助他们更高效、更安全地工作的方式，赢得他们的认可。
通过这种务实的方式，我们发现专门为施工现场定制的创新解决方案更容易被团队接受和使用。这种方法让我们在推动创新的同时，真正为现场团队创造了价值。
02 如何思考技术创新
在我看来，现有技术中最有潜力的其实很简单，那就是数据。近年来，我们听到了很多关于大数据的讨论，企业也纷纷制定了数据战略。很多公司和个人往往把数据当作生成报告和仪表板的工具。不过，借助AI和机器学习，我们可以把数据整合到新的系统中。这样，我们就能更精准地进行预测，无论是项目进度、人员配置，还是应对各种复杂挑战，都能通过数据做出更明智的决策。
我希望看到行业内能有更多的合作，这点非常重要。目前行业的合作仍显不足。如果你去典型的施工现场，很少有项目是一个承包商独立完成的。实际上，建筑行业本质上是高度协作的，涉及技术工人、总承包商和分包商等多方参与。
因此，我们需要更好的工具来提高沟通效率，加强协作，并实现数据的实时共享，以确保在项目的每个环节都能保持一致。无论是排期计划、任务进展，还是识别的风险，都需要通过高效的数据共享来协同应对。
如何利用技术来解锁协作潜力，这确实是个好问题。我觉得市场上有很多机会，但现在还没有一个系统能够完全满足这个需求。虽然有些工具具备一定的协作功能，但随着越来越多的分包商和总承包商开始利用数据，我们急需一个系统来整理、共享和协调这些数据，从而提升合作效率。
我们与其他竞争对手的区别在于，我们专注于解决实际问题。这些问题可能是来自一线员工的痛点，也可能是我们在市场中发现的机会。
在当前这个创新领域的环境里，信息泛滥，AI成了热门话题，每家公司都说自己的产品是AI驱动的，让人眼花缭乱。不单纯追求技术，而是关注行业的实际挑战。不仅关注行业动态，还要会借鉴其他行业的颠覆性技术，思考如何将其转化为自己的解决方案，为客户和公司创造价值。
去年，我参加了全球建筑技术大会，深刻体会到与技术提供商和行业同行建立联系的重要性。在会上，我看到很多同行积极应对技术挑战，这样的交流和探索非常让人振奋。通过这些对话，我们可以了解彼此在解决什么问题，看看是否有共通的方法，或者通过信息共享彼此启发。
03 如何思考生成式AI
过去一年，科技行业经历了一波裁员潮，但现在技术专家、计算机科学家和软件工程师们却显得相当轻松。人工智能正越来越受关注。无论是ChatGPT、谷歌的Bard，还是Dall-E和Midjourney，大家对人工智能在未来工作的影响都在董事会和课堂上热烈讨论。
这项新兴技术会影响从医疗到教育再到金融的各个领域，其中建筑业也是一个不容忽视的行业。生成式人工智能技术有望改善资源分配、预测维护，甚至提升机器人技术，给建筑业带来活力。
生成式AI是一种专注于创建新数据、图像或文本的特定AI类型。这些机器学习模型从现有的数据源中学习，利用复杂的算法识别数据中的模式和关系。这样，模型就能生成模仿原始数据风格的新内容。通过互联网获取的大量数据——不论是食谱、历史股票价格，还是设计和建设的规格——AI系统正在积累海量信息，为几乎任何主题提供新的内容基础。
在建筑业中，生成式AI作为一项新兴技术，正不断增长，能够提供以下解决方案：
优化资源配置：生成式AI可以分析复杂的建筑计划和工作流程，找出低效环节并提出改进建议。这样，建筑团队就可以根据这些建议来优化资源、劳动力和设备的分配，既能控制成本，又能确保项目按时完成。
预测维护问题和支持结构健康：通过分析传感器和其他来源的历史数据，生成式 AI能在问题变得严重之前预测潜在的维护问题和结构薄弱之处，延长基础设施的使用寿命，降低出现故障的风险，最终提高安全性并减少维护成本。
提高建筑自动化：建筑机器人和自主系统可以利用生成式AI来识别施工现场的模式，从而调整自己的行为。建筑自动化的目标是提升建筑机器人的性能，让它们在组装、挖掘和材料处理等任务上更加高效有效。
利用生成式AI的潜力确实让技术专家和建筑管理人员兴奋不已，但在实际实施过程中也会面临不少挑战。依赖AI生成的设计可能会引发关于可靠性和责任的疑问，比如说如果结构出现失效，谁来承担责任？在一个AI正在为基础设施项目制定设计规范的时代，可能需要新的法律框架和行业标准来应对这些问题。
人工智能正在推动创新，促使企业领导者重新评估策略和业务实践。当然，计算机视觉业是建筑行业AI创新的关键组成部分。计算机视觉可以在建筑工地上支持安全、质量控制和项目进度等。
（完）
本文来自投稿，不代表AI4ELAB立场，如若转载，请注明出处：https://ai4elab.com/4878.html
