把流浪地球的MOSS接入工地群，广联达这款AI产品，从聊天中挖出真金

大家好，我是秦明，最近和朋友聊到一个思考：如果MOSS真的存在，它在建筑行业能做什么？在电影《流浪地球》里，MOSS是一个能够统管整个空间站的AI机器人，那它能管理一个建筑工地吗？

为此我们谈到了MOSS的成长路径，想作个参照——首先是感知，接入空间站所有传感器和数据系统，对全局态势有近乎全知的掌握；其次是决策，但不是简单的规则判断，而是基于一套对「文明存续」目标的长期推演；最后是执行调度，直接指挥飞船系统、协调各个子系统执行任务，不需要人逐条下指令。

倘若把这个思路搬到建筑工地上，它的路径就很清楚了——先把现场真实发生的事看明白，然后再用AI进行决策，这正是我们今天要聊的这款AI产品给自己定的发展路线。此前我们记录过工地微信群，藏着一座数据金矿，广联达用AI已经开始挖了。

最近我有机会采访了这款产品的负责人，广联达公司助理总裁朱小羽，本期我们就来详细分享下他对这款产品的思考与最新进展。

广联达公司助理总裁朱小羽，访者供图

这款产品叫广联达AI工地大脑，昵称「广小智」，是广联达面向施工现场管理的AI智能体，它的核心功能是用AI把项目聊天群里的碎片化信息自动变成结构化的现场管理数据，并且按用户想要的格式输出内容，例如施工日志或者风险清单。

它功能新颖，使用方式也非常特别：不需要下载安装软件，只需把「广小智」机器人账号接入项目的企微聊天群，就像平时加微信好友一样，广小智就能从群里提取信息、采集各种数据，自动写施工日志、生成风险预警，以及整理照片等各类现场资料。

我们先看一段产品功能演示：

技术特点与处理哲学

这个产品很有意思，我最先关注的是技术难点。施工现场的微信群，最大的特点就是乱——口语化、碎片化、噪音多。纯靠大模型直接处理这种数据是跑不通的，幻觉一堆，根本达不到可用程度。这是如何处理的？

广小智的解法，是把活儿拆成三步。

第一步是意图识别：不把聊天记录一股脑丢给AI，而是先用AI做一轮预处理——识别哪些信息有价值，打上分类标签，把噪音丢掉。

第二步是建立记忆：再次使用AI把清洗后的信息进行处理，把零散信息汇集成规范化、结构化的现场事件记录。

最后一步是成果输出：根据现场事件记录，用AI编写施工日志或各种报告。

整个这一套解法，朱小羽给它取了个名字，叫做「施工过程建模」，用英语来说就是Construction Process Modeling，缩写CPM。「CPM的概念和BIM其实很相似，但BIM是对静态的建筑物进行数字化建模，而我们是对动态的施工过程建模。如果说BIM是一座数字博物馆，CPM就是一条流动的数字河流，通过这种方式破解施工现场数字化的难题」，朱小羽说。

理论体系有了，展开来看，这背后有几个难点的处理哲学。

首先是聊天信息的分类梳理。一个项目动辄十几个群，每天几百条信息，光靠用户给每个群打标签（劳务群、物资群）分类是不够的，必须让AI能够理解每句话都在说什么事情，哪些事情重要、如何分类管理、如何跟踪闭环……这需要对施工现场的深入理解，这也是最能体现广联达在施工行业多年经验沉淀的地方。

其次是现场照片等图像信息的识别。广小智采取了几种手段：第一种是根据用户发照片时说的话做上下文关联，第二种是直接识别照片内的文字信息，例如水印相机配的文字。这两种方式的效果都不错。如果两者都没有的话，AI也可以直接看图理解，但这时的理解准确性就可能降低了。

最后，是数据输出格式。每个企业或者每个地方都有自己的施工日志模板或者其它报表模板，用户都希望AI直接一步到位，按照自己想要的模板把报告生成出来。朱小羽谈到，广小智起初是预定义了一些模板，现在已经实现了自定义报表能力，只要用户上传一个Word格式的模板，AI就能自动在模板中填写数据，生成报告。这个功能很快就会发布出来。

在上述过程中，广联达作为一家老牌的建筑数字化企业，体现出对AI智能体架构的深刻把控能力。朱小羽表示，目前AI识别现场事件的准确率实测在95%以上，背后是一套基于人工采样校核的统计算法。

在模型选择上也有讲究——AI工地大脑并没有训练自己的大模型，而是直接使用市面上常见的大模型，但系统会自动根据不同的场景选择不同的大模型调用，例如生成报告时会优先用豆包而非DeepSeek，因为前者的「文笔」更好。

在朱小羽看来，当前AI智能体的开发瓶颈已经不是大模型本身的能力，而是如何实现AI应用的工程化，也就是利用大模型对用户输入信息进行意图识别、数据清洗、分类加工、分析推理，最终输出用户想要的成果。如何让这一套流程准确、高效的运转起来，这才是当前开发AI智能体应用最难啃、也真正值钱的部分。

「打个比方，发动机已经有了，但光靠发动机是不能直接服务于大众用户的。如何利用发动机组装成一辆高性能车辆，这是我们现在最关注的地方，也是能为大众用户带来最大价值的地方」，朱小羽说。

产品需求设计

聊完怎么做，我会关注到做这样一款产品的需求出发点。

朱小羽介绍，从根本上说，这款产品关注的是建筑业一个长期没解决的矛盾：现场数据采集。他们在调研中发现，很多项目都上了施工现场的数字化管理系统，但大多数应用都不成功，究其原因，现场数据采集是一个重要瓶颈。传统的管理信息系统再强大，都需要人工录入数据，一旦现场人员没有时间精力配合，系统缺了真实数据就无法体现出价值。

与此同时，我们注意到微信、企微、钉钉这些即时通讯工具里，沉淀着大量一手的真实信息。如果能把这些群组里的信息利用起来，就很有潜力去解决现场的真实问题，也能成为传统IT或ERP系统的补充。

广联达AI工地大脑于5月13日正式上线，产品节奏分两个版本：首先发布的是基础版，又叫「AI工地情报员」，专门负责现场信息的自动采集与分析；今年下半年计划再发布高级版，又叫「AI工地指挥官」，基于真实信息进行智能决策与执行调度。整体按照「先看得清，再谈管得了」的逻辑推进。

接下来，我很好奇「工地指挥官」想做什么。

朱小羽介绍了他对施工项目生产管理流程的看法：每个项目启动时，都会制定总计划或月度计划，但现场真正起管理作用的，往往是周计划——提前一周制定工序级别的进度安排，明确各施工班组本周任务，以及配套的材料需求和劳动力计划。这就是广小智在生产管理阶段的核心抓手。

周计划一旦定下，就形成一条主线、两条支线：

主线是任务的下发与反馈闭环。周计划把本周任务拆解分配到各个班组或分包，他们在现场干完之后，照常在微信群里反馈进展——「今天三层梁板浇筑完成」「东侧脚手架已搭设到位」。广小智从群聊里自动采集这些反馈，由AI生成当天的施工日志，再把日志回头与周计划逐项比对：计划要干的，实际干了没有？干到什么程度？这样就形成了PDCA的完整闭环，全程不需要人工录入，数据自己跑了起来。

两条支线，则分别盯住周计划的两个配套要素。

一条是物资线：周计划里定好了本周需要哪些材料，广小智一边采集物资的需求计划，一边从群里抓取材料实际到场的情况，把「计划要的」和「实际到的」对上。另一条是人员线：周计划里排好了本周的劳动力安排，系统同步采集人员的上工计划和实际考勤进场数据。

这两条支线真正的价值，不在于记录「来了什么」，而在于预判「下周需要什么」，提前预见材料和人力需求，把窝工消灭在发生之前。

市场反馈

还有一个绕不开的现实问题：真正用起来之后，市场反馈如何？

朱小羽给的答案很坦诚——从5月13号上线以来，目前已有40多个试点项目。项目试点效果如何，最主要取决于「人的意识」。项目上越重视、拉的群越多、群里信息越丰富，AI能发挥的价值就越大。最怕的是拉了个「僵尸群」，几天没人说话，那再强的AI也是巧妇难为无米之炊。

他举了两个具体的案例观察。

一个是大型央企中建某局，做的都是大型工程，企业希望的是给项目人员减负：企业或者政府有一套标准的施工日志模板，项目上每天必须写，监理要检查。生产经理最大的痛点是「写日志太花时间，能不能自动帮我生成、减轻我的负担」。

一个是广东某小型民营企业，做的大多是城市更新、装修等小型项目，需求恰恰相反，老板并不在乎施工日志怎么写——在他看来，日志就是应付检查的形式文件。他真正天天用的是AI问答，每个项目直接问广小智：「这个项目现在进展到哪一步了？」广小智把最新的情况总结给他，他就觉得很爽。

同一个产品，两类非常不同的客户，需求不一样，但两边都觉得有价值。而拨开表象，这两类客户其实有两个共同点：第一，都想知道现场真实的动态数据；第二，都非常关心如何发挥这些数据的价值，例如跟ERP系统打通，这也是广联达团队正在探索的。

最后，回到产品本身。这个想法并非广联达独有。海外也有多家企业在跑，比如我之前写过的，融资超8000万美元的美国企业Trunk Tools，还有新加坡企业Wenti Labs；相信国内有一些施工企业也想到了——只不过看谁动手更快。就成长速度而言，广联达这款产品是目前我在国内看到的独一份。

结尾

聊到这儿，这件事正好回到了开头那个关于MOSS的问题。

MOSS最让人着迷、也最让人警惕的地方，从来不是它知道得多，而是它自己拍板。而广小智现在的身份，是情报员、是参谋——把现场的真相理清楚、摆在人面前，决策权牢牢留在人手上，老老实实先把「感知」这一层做扎实。

至于下半年的「指挥官」版本会长成什么样，现在还不知道，但至少今天，广联达AI工地大脑给自己选的，是一条更慢、也更稳的路，这一步本身就足够难、也足够值钱——从混乱的微信群聊，到结构清晰的施工日志、可追溯的风险预警、能随时问答的现场情况。