文｜秦明
封面｜企业官网
2026年，AI4ELAB祝福大家新年快乐！新的一年，与大家携手打通AI技术与产业需求之间的鸿沟，一起迈向AI原生的工程物理世界。
正篇开始：
2025年底，一家AI创业公司LeanCon完成600万美元种子轮融资。领投方Ibex Investors，跟投里有前Autodesk建筑业务副总裁Phil Bernstein，现任耶鲁大学建筑学院副院长——他最初认为技术不可能实现，看完演示后便改口投资。“我当时跟他们说这项技术听起来根本不可能，但九个月后，LeanCon在曼哈顿的一个实际项目中展示了MVP，我立刻就同意加入”。
LeanCon选的场景是施工前规划。施工前期团队每年都会评估数百个投标机会，但最终只有约8%能转化为实际项目。LeanCon 将流程中最耗时的部分——制定进度计划、物流安排、施工顺序和成本预测——从数月压缩到大约七分钟。
根据内部测试和客户部署情况，该平台可以将早期规划成本从约200万美元降低到接近0美元，同时提高中标率和销售渠道可见性。
传统建筑软件，比如排程工具、成本管理系统，都是帮你干活更快。你还得输入数据，设置参数，人工调整方案。本质是效率工具。LeanCon的逻辑是：你把BIM模型扔给我，7分钟后我给你完整的施工方案。
第二，LeanCon的人工智能会分析您的模型，模拟施工逻辑，优化施工顺序、人员配备和资源配置，以实现最高效的施工方案。
第三，并排查看包含完整成本、进度和资源数据的方案。调整优先级，然后导出符合您目标的方案。
LeanCon没有详细公开技术细节，但从公开信息能推测技术框架：
数据层：专有历史项目数据库。不同地区、不同类型项目的施工记录，人工效率、材料可得性、法规限制。这是护城河。
推理层：施工逻辑引擎。建筑不是随便堆砖头，有严格的依赖关系：地基没打完不能起框架，框架没立起来不能封顶。AI要理解这些约束，还要优化资源配置。
模拟层：跑大量场景。同一个项目可以有上百种施工方案，AI要模拟每种方案的工期、成本、风险，找到最优解。
适配层：客户定制化。每家总包商有自己的施工习惯、供应链、成本结构。AI要学会适应不同客户的workflow。
LeanCon目前在纽约部署了总价值6.5亿美元的在建项目。合作方包括美国最大的私营建筑开发商之一，每年规划3000多个项目。
根据LeanCon的价值主张：理论上可以把项目评估能力提升100倍，7分钟出方案，规划准确性90%以上，这也意味着一天可以看几十个项目。哪些值得深入投标，哪些要放弃，决策效率完全不同。
CEO Ziv Levi和CTO Sapir Tubul都有个特点：从小跟着当总包商的父亲混工地。Ziv在以色列理工学院学土木工程，后来去耶鲁读了MBA。Sapir在以色列理工学院拿了三个学位：土木工程学士、计算机学士、计算机硕士。两人都当过项目工程师，管过总价值几亿美元的项目。
反观中国建筑业规模巨大，数字化程度不高。预施工阶段的痛点和海外类似：时间长、成本高、依赖人工经验。AI原生的机会在于：不是做传统软件的智能化升级，而是重新定义工作流程。
https://www.leancon.ai/
https://bostonrealestatetimes.com/leancon-closes-6m-seed-round-to-reinvent-construction-planning-with-ai-surpasses-650m-in-live-project-deployments/
https://www.calcalistech.com/ctechnews/article/s1ho14iw11e?utm_source=substack&utm_medium=email
主题测试文章，只做测试使用。发布者：Connor 秦明，转转请注明出处：https://ai4elab.com/6381.html
