AEC行业的AI价值落地，海外创投大讨论 | 建筑时氪

文｜秦明；封面｜Pinterest

不久前，在加拿大多伦多的一场科技圆桌论坛中，行业观察者、投资者、产业方和AI创业者分享了他们对AI技术如何变革AEC行业的看法。

对未来AI潜力的现值给予溢价是采用的一大原因，而不是为了追赶潮流或作为销售流行语。AI的应用可以显著缩短决策流程时间，特别是在制造效率和供应链管理方面。

产业方在生产线上实施AI质量控制系统，通过图像处理和数据分析，提高了检查效率和产品质量。AI在建设前、建设中和建设后阶段的应用，包括生成式设计、AI风险缓解软件、法律文件处理和采购流程优化等。

AI在建筑行业中的商业模式，可能会从传统的SaaS模式转变为基于AI服务收费的模式，利润率有望显著提升。企业级AI战略的实施，通过逐步引入应用场景和个性化的AI工具，为员工提供了新的工作方式和价值创造机会。

炒作热潮的兴起，行业内的声音也变得更加多元，甚至模糊。虽然市场对AI的期望值高涨，但只有真正落地的应用才能推动行业的变革。

本场的Speaker如下:

Ezequiel Machabanski，洞察与分析副总裁，EllisDon公司。 一家总部位于加拿大的全球建筑和工程公司，专注于提供综合建筑管理和施工解决方案。 公司涉及的项目范围广泛，包括住宅、商业、基础设施和工业领域。

Daniel Barbeau，市场发展经理，加南集团公司（Canam Group Inc.） 。一家专注于北美市场钢结构设计和制造的公司，业务涵盖商业、工业和桥梁市场。

Francesco Iorio，首席执行官，Augmenta公司。 一家致力于利用AI和自动化技术优化建筑设计和施工流程的公司。

Phoebe Zhang，董事，DivcoWest公司。 一家总部位于美国的房地产投资和管理公司，专注于科技创新领域的商业地产。

以下经笔者编辑总结：

主持人：我们还没有看到AI本身的主导应用，建筑领域大部分的AI目前正在规划、设计和施工前阶段使用。想听听我们的几个小组成员如何从用户方面、投资者方面和开发方面如何思考AI应用，为什么我们需要采用AI？

Ezequiell： 对未来AI潜力的现值给予溢价是采用的一大原因。可能现在来看，AI还不是最有效的工具，像是还需要一个现场工人填写这张表，来收集15个额外的数据点。但这在两年后，可能会提高整体效率，帮助我们迈入新阶段。我相信今天采用AI的需求是未来几年它具有的潜力，而不是害怕错过，不是因为其他人都在这样做，也不是因为AI是我们需要在一些实践上销售的流行语，而是为了在未来2年、3年、甚至5年后保持竞争力，我们需要从现在开始行动。

Daniel： Canam已经有60多年的历史了，我们在钢板连接方面有很深的经验。我们的工厂生产周期根据产品线不同，从几分钟到几个小时不等，但整个产品生命周期，从报价到收款大概需要100天。与不断提升制造效率相比，其实我们还有很多机会来缩短这个周期。

因此，AI的潜力在于减少我们决策流程的时间，而这是当前最耗时的部分。虽然它未必是最费资源的环节，但如果我们想更快交付产品，就必须解决供应链中的这个问题。

刚主持人问我，采用AI是为了增加组织的价值吗？其实这在我们内部也是经常争论的话题。作为创新者，我们的任务是重新审视这些老问题，看看新技术是否能真正解决它们。我们擅长的是搭建问题的框架，确保我们在解决正确的问题，然后用AI或其他技术去提升效果。

我们要确保的不只是推动技术发展，更重要的是帮助那些在生产一线工作的人——无论是设计、销售还是其他岗位——让他们不用浪费时间去寻找和试用新技术。所以需要一点推动力来引导他们去接触、尝试和验证这些新工具。即便是老问题，也不代表今天不能用新的方式来解决。

Phoebe： 当你想到人工智能时，会想到基础模型和大语言模型（LLMs），比如你熟悉的GPT、Anthropic Cloud或Google的Bard等。这些都是通用的大语言模型，但各个行业其实都有机会在这些基础模型上开发垂直领域的应用，特别是结合行业专有数据和特定数据来进行微调，从而更好地解决与行业相关的具体问题。 我们在建筑行业已经看到了这样的应用。 此外，像房地产、物业管理、医疗健康、市场营销等领域，情况也类似。 因此，基于这些趋势，AI在提升建筑领域生产力方面有很大的潜力。

主持人：你认为在AI产生价值创造过程中，我们应该如何进行优先级需求验证？

Ezequiell： 如果你有能力在几周内快速启动20个需求验证（PoC），该如何选择呢？你要如何扩展，才能获得最大的投资回报率？可能是以美元价值来衡量，或者通过提升运营效率，甚至是它未来能带来的潜在价值。因此，理解它对整个流程的上下游影响非常关键。

对于一个特定的AI应用，我该如何向一位正在施工现场建桥的工人推介呢？他们是否会把AI看作一种威胁？或者，他们是否会乐于与它合作？这个应用对西部地区和东部地区的工人来说，是否同样有帮助？尽管他们可能从事相似的工作，但不同的实践方式会带来一些细微的差异，这些差异可能会在数据中反映出来。所以，与AI的互动不仅要考虑它对我的价值或对组织的价值，更重要的是，它对整个行业的长远价值。

主持人：每个人谈一个例子，企业使用AI应用程序的成功故事。

Daniel： 我们仍在努力应用这项技术，其中一个已经落地并在生产线上使用的项目是AI质量控制系统。在我们的结构密封梁生产线上，每周大约生产10万个节点，因此，保持这些产品的质量一直是个大挑战。生产速度非常快，检查人员也需要快速行动，有时候难免会错过一些缺陷。

现在，我们在四条生产线上，甚至更多生产线上都配备了这样的系统。每台设备大约会拍摄130张照片，并对每张照片进行处理。这样一来，检查员不再需要对所有产品进行全面检查，而是直接被系统引导到需要重点查看的区域。这是我们技术应用的一个很好例子。

Phoebe： 谈谈我们投资的示例组合公司。我将其分为三个阶段，即建设前、建设中和建设后。

在建设前，我们已经看到一些初创公司正在研究生成式设计和测试装配。考虑如何基于成本收入的优化来帮助迭代和进行多次测试，比如查看分区要求，为开发人员构建代码以快速了解站点的可行性。我们还看到了一些AI风险缓解软件，它们可以查看图纸并从中识别风险，例如范围差距、设计缺陷等等。第三是法律方面，利用生成式AI和自然语言处理，更好地理解和施工中的法律文件，了解不同的规定以及各种规定涉及的风险。第四个是采购。利用人工智能计算机视觉来帮助更好地采购材料和设备租赁。

在施工阶段，有一些风险管控软件会查看实际建造情况，然后将其与BIM模型进行比较，以确定是否存在任何差异。还有一种人工智能副驾驶产品，它既查看非结构化数据也查看结构化数据。数据使人们能够搜索现有文档并发现见解，类似于您的GPT，但更具体地定制用于建筑用例和之前提到的智能机器人。

在施工后阶段，主要围绕空间规划、室内设计，利用生成式人工智能自动填充办公室或家庭内部可能的样子。

举个例子，我们投资组合中有一家公司开发了一款软件，专注于简化自营总承包商和分包商的采购流程。通过计算机视觉，它可以从各种文件、PDF、电子邮件、纸质装箱单和收据中提取数据，数字化处理所有这些信息，节省手动录入的时间。它还能实现报价、装箱单和发票的三方匹配，确保数量准确、发票无误，帮助企业自信地支付给分销商，并减少因发票错误带来的成本。据研究，有高达27%的发票存在某种错误，这款软件在发现这些流程缺陷方面有很大帮助。

Ezequiell： 我想和大家聊聊我们目前内部正在开发的一个开票平台。这个平台主要是为了我们的可持续发展团队而设计的。但实际上，它适用于任何依赖纸质文件的行业。基本思路是，我们利用文本OCR和视觉识别技术来提取信息，每天会有成千上万张发票进入Elston系统。我们开发了一种新型或专有的模型，能将所有这些发票信息展现给可持续性团队的顾问，让他们来验证数据的准确性。

举个例子，如果有一张价值1万美元的回形针发票进来，明显不对吧？我们的顾问可以验证这种异常情况，反馈给模型，从而不断改进它。一旦模型变得完善，我们就可以用它来建立一个排放分类计算器，来跟踪所有商品的排放量，比如柴油、天然气等所有类型的商品都能被涵盖。

这个模型的应用不仅限于此，由于它具有广泛的适应性，我们可以将其应用到采购流程中，比如在生成采购订单或接收现场物资时，也能自动化这些环节，大大提高运营效率和节省时间。所以，这是我们内部开发的一个重要平台，已经取得了不错的效果。我们还计划在其他领域利用这种计算机视觉的方法，比如初步设计、详细设计和建筑领域，这是目前非常有前景的一个大方向，我们正在积极推进中。

主持人：我很好奇你们是怎么看待这个炒作周期的。毕竟，炒作一方面给了我们开发和支持AI技术的机会，但另一方面，也让我们开始就实际使用情况展开更务实的讨论，比如AI究竟能做什么，需要哪些支持，哪里不需要。

Daniel： 炒作确实帮助我们推动了一些新的项目，这些项目在以前可能很难被高层接受。但借助这个机会，我们成功制定并获得批准了一套企业级的AI战略，把人放在变革的核心位置。

我们的策略是通过逐步引入各种应用场景来创造实际价值，同时，也为每个人提供了机会，成为我们的“超级员工”。比如说，使用生成式AI来减少日常的重复性任务。我们其实是在采用一种“双轨”策略，一方面解决AI的落地问题，另一方面也让AI工具分布在公司最需要的地方。这些工具加上每个人可以根据自己工作需求创建的“AI之旅”，形成了个性化的AI超能力。

等到炒作的热度过去，可能需要几个月，甚至一年，但到那时，我们将会有一个稳固的基础，支撑更多的AI应用场景持续推出。

Phoebe： 我觉得最令人兴奋的是去思考未来，以及AI将如何彻底改变我们的工作流程。与传统的SaaS模式不同，传统SaaS的定价和收入模式往往基于用户数量、项目规模或者某种形式的许可收费。但未来，商业模式可能会发生很大的变化，更倾向于通过AI来提供服务。

这意味着收入不再依赖于固定用户数，而是根据完成的工作量或提供的服务来收费。传统服务的利润率可能在10%到20%之间，但有了AI的加持，服务的利润率可以提升到50%甚至更高。所以我们看到的将是一场颠覆性的转变，未来会有很多激动人心的变化，比如全新的商业模式、新的定价策略等。

Francescoo： 炒作带来的一个挑战就是噪音，大家对人工智能的定义、谁在真正做人工智能、谁又没有做会产生很多混淆。不过，归根结底，关键还是看它能带来什么实际价值。我们要关注的是，人工智能的便利性，也就是最新技术的应用，再次推动了自动化。

AI实际上是一个自动化工具，所以任何可以自动化的工作都在不断增加。那些不稀缺的东西往往是经过设计出来的，而这种趋势正朝着更多自动化和更高效流程的方向发展。我认为这种变化不仅会持续下去，还会影响到各个领域，比如保险、风险管理、法律合同等。随着能力的提升，变化也会随之而来。

炒作周期的意义在于，它让人们看到这项技术真的能实现一些以前被视为科幻的事情。现在，这些不再是科幻小说，而是现实。这项技术打开了新的大门，但最终还是得靠技术本身去揭示什么是可能的，而不是简单地跟随时间的流逝。

（完）