一家AI公司，Attentive.ai，刚刚拿到3050万美元B轮融资。
领投方是Insight Partners，全球顶级软件投资机构管理着超过900亿美元资产，投过800多家公司。到目前为止，Attentive.ai（母公司Beam AI）累计融资4800万美元。
在AEC产业投资里，钱算比较多的。切入的场景也很关键：工程量计算。
01 一个被忽视的万亿级痛点
建筑是全球最大的行业之一，但也是数字化程度最低的行业。
项目开工前，有个关键环节叫工程量计算。简单说，就是拿着施工图纸，数出来要用多少钢筋、多少混凝土、多少电缆。这是投标报价的基础，算错了要么亏钱，要么丢单。
传统做法是什么？估算师对着图纸，用鼠标一点点描，一根根数。一个中型项目的图纸动辄几百张，算下来要几天甚至一周。累不说，还容易出错。
这个环节没技术含量，但耗时间、卡流程。承包商想多接活，估算师人手不够；想提高精度，时间又不允许。几十年了，行业大都在用Excel和CAD工具手工算量。
Attentive.ai的创始人Shiva盯上的就是这个环节。
02 从卫星图像到建筑图纸
Shiva和联合创始人都是印度理工学院德里分校（IIT Delhi）的校友。这所学校号称”印度MIT”，工程教育全球顶尖。
团队最早做的不是建筑，而是计算机视觉。他们给监控摄像头、卫星图像开发AI识别模型，技术能力练出来了，但没找到真正的商业场景。
2017年前后，团队转向户外服务行业，帮景观公司、铺路公司用AI测量场地。这次离钱近了一些，但还不够大。
真正的转折点出现在跟建筑客户接触的时候。
Shiva发现，这些承包商每天最头疼的事就是算量。图纸堆在桌上，估算师加班到深夜，还是赶不上投标截止时间。有的项目因为来不及算，只能放弃。
“我们意识到，这不是一个产品机会，而是一个行业机会。”Shiva后来说。
2020年，团队推出了Beam AI，专门做全自动工程量计算。
03 AI如何读懂施工图纸
Beam AI的逻辑听起来简单：上传图纸，定义范围，24到72小时后拿到材料清单。
但背后的技术不简单。
首先是识别。施工图纸不是照片，是工程制图。里面有平面图、立面图、剖面图，有标注、图例、规格说明。AI要能看懂哪里是墙、哪里是梁、哪里是管道，还要读懂文字说明里的材料要求。
这需要深度学习模型，结合计算机视觉和自然语言处理。Beam AI训练的模型覆盖了暖通、电气、给排水、混凝土、钢结构、屋面、土方等所有主要工种。
其次是计算。识别出来之后，要算数量。这不是简单的几何计算，而是要理解工程逻辑。比如混凝土的体积要扣除钢筋，管道的长度要加上接头，墙体的面积要考虑门窗。
最后是质量控制。AI再聪明，也不能百分百保证对。Beam AI用的是”人在回路”（human-in-the-loop）模式：AI先跑一遍，生成结果后，由专业估算师审核，确保精度在±1%以内。
这套流程下来，原本需要几天的工作，缩短到一两天。客户上传图纸，该干嘛干嘛，等着收结果就行。
04 效果有多明显
数据最直接。
一家叫Rays Stairs的楼梯承包商，用了Beam AI之后，投标量翻了一倍。营收从90万美元涨到200万美元，只用了两个月。每周节省18小时。
另一家叫Bommarito Construction的总承包商，6个月内多提交了50份投标书，增收100万美元。
客户反馈都很一致：以前估算师一天只能处理一个项目，现在可以处理三四个。以前遇到大项目不敢接，现在可以放心去抢。
更重要的是，省下来的时间可以去做更有价值的事。比如研究竞争对手的报价策略，优化成本结构，跟客户沟通需求。这些是人的强项，机器干不了。
目前，Beam AI已经服务了1200多家承包商和供应商。从小型分包商到大型总包商，从地方企业到全国性公司，覆盖面很广。
05 数据飞轮开始转起来
AI公司的核心竞争力是什么？数据。
Attentive.ai现在手里有1200多个客户的工程量数据。这些数据涵盖不同工种、不同地区、不同类型的项目。每一份数据都经过专业估算师审核，质量很高。
数据越多，模型越准。模型越准，客户越信任。客户越多，数据又更多。这是典型的飞轮效应。
而且这些数据不只是用来改进算量，还能往下游延伸。比如估算成本、优化投标策略、预测中标概率。建筑行业的整个预建阶段，都可以用AI重构。
Shiva的野心也在这里。他说，Beam AI现在做的是算量，但长远目标是成为”预建阶段的操作系统”。从拿到图纸那一刻起，到最终中标，所有环节都能AI化。
这次B轮融资，钱就是往这个方向花的。一部分用来开发估算和投标功能，一部分用来拓展国际市场。
06 给国内创业者的启示
国内的建筑行业同样面临数字化难题。工程量计算、成本估算、投标管理，很多环节还在用传统方法。
但国内的情况更复杂。施工标准不统一，地方差异大，图纸质量参差不齐。这对AI来说既是挑战，也是机会。谁能解决中国市场的特殊问题，谁就有可能做出更有价值的产品。
Attentive.ai的经验值得借鉴：别想着一口吃成胖子，先找一个足够痛、足够小的切口，把它做透。算量这件事，全球都一样，但每个市场都有自己的特点。
AI不是万能药，但在对的地方，它能四两拨千斤。
建筑行业的数字化才刚刚开始，这场仗还很长。
（完）
企业官网：https://attentive.ai/
如有问题，欢迎评论区补充交流，
交流合作：内容撰写，AI咨询，需求对接！
本文来自微信公众号“AI4ELAB”，作者：Connor 秦明
本文来自投稿，不代表AI4ELAB立场，如若转载，请注明出处：https://ai4elab.com/6265.html
