2026年2月，去年成立的MeltPlan完成了1400万美元融资。这笔资金将用于进一步开发他们称之为「规划引擎」的系统——一个旨在理解建筑规范、材料、施工顺序、采购限制以及施工手段和方法的系统。
MeltPlan选的切口是施工前规划，是施工方案冻结之前那个决策密集、信息碎片化的窗口期。这个阶段长期没有专属工具，团队靠会议对齐、靠经验拍板，等问题暴露已经是变更单阶段。
产品逻辑围绕四个模块：合规判断、造价估算、进度模拟、价值权衡。四个模块本身不新鲜，新鲜的是它们被整合进同一个决策流，支持多方案实时比对，而不是各自孤立运行。
目前对外发布了两个模块。
一个是Melt Code，做的是建筑合规查询。Melt Code针对建筑规范做了专项训练，能够结合项目具体条件给出上下文感知的合规判断，并附带可追溯的推理路径——不是给一个结论，而是给出依据链。
根据官方披露的数据，系统在建筑检验员专业考试中得分稳定在95%以上。MeltPlan正在努力加强该系统在建筑规划中使用的所有行业和技能方面的适用性。
另一个是Melt Takeoff，做的是工程量清单。AI完成初步算量，再由有15年以上经验的估算师做人工核验，最终输出带有详细说明的清单，包括图纸未明确标注的范围项，支持Excel导出。这个「AI+专家」的交付模式，绕开了纯AI输出在客户端难以建立信任的问题，也设定了有保障的交付周期。
CEO Kanav Hasija之前做的是医疗健康领域。他联合创立的Innovaccer是一家专注医疗数据整合的SaaS公司，估值达到30亿美元。他懂的是如何把复杂的行业数据标准化，然后用AI做决策支持。联创兼COO Tanmaya Kala是斯坦福土木工程背景，曾在大型建筑承包商DPR担任项目执行官，主导过医疗类、生命科学类的高复杂度工程项目。
目前产品处于早期客户验证阶段，已经与DPR和阿联酋的Innovo Group等顶级企业承包商合作，为他们的规划和施工前阶段提供支持。不过核心问题还没答案：能不能在企业级客户里跑通可复制的实施路径。但产品定位是清晰的——不做执行层自动化，做决策层的数据基础设施。这条路护城河更深，验证周期也更长。更多的可能性，我们也将持续关注。
参考链接：
https://www.meltplan.com/blogs/we-raised-14-million-to-build-the-planning-engine-for-construction
https://www.linkedin.com/posts/kanavhasija_today-were-announcing-that-meltplan-has-activity-7432585474789249024-pzDG?utm_medium=ios_app&rcm=ACoAABtfge8B_A7R9DHY8pAHxN3jXfkE_yN6lu8&utm_source=social_share_send&utm_campaign=copy_link
以上，如果觉得不错，随手点个赞、在看、转发三连吧，也欢迎给AI4ELAB个星标⭐，以便您第一时间收到推送～谢谢阅读，下篇内容再见。
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/6721.html
