凌晨睡前刷领英，一条挺有热度的帖子把我的困意冲没了。立马起来码字写一下。
发帖的是我一直关注的一位海外最有潜力的建筑AI公司Trunk Tools的创始人Sarah。帖子很简单：她甩出一张建筑平面图，问了很多AI一句——这上面到底有几扇门？
Claude Fable数出8扇，追问之下又改口「9到12」；
ChatGPT最强的模型数出13扇；
她引用的一份「官方AI benchmark」，标注的标准答案是3扇；
一位施工老师傅数出8扇；她自己，一位土木博士、还带着三个硕士学位，琢磨了好一会，得出一个跟上面全都不一样的数。
一张图，六七个答案，从3到13，没一个对得上。
帖子火了之后，评论区比帖子本身更热闹。
我大致把大家的反馈分成四类。
一、「人自己也数不清」好几位同行报出完全不同的数：有人6到7扇，有人11扇，有人用Gemini数出7扇。他们点到了根子上——图上的门没编号，也没跟「门表」对应起来，加上各专业对「门」的定义本就不同，这道题压根没有唯一答案。有人干脆说：设计意图不清楚，正解是发一份RFI去问设计方。
二、「标准答案自己就是错的」这条最扎心：那份benchmark的开发者本人跑出来认错，承认标准答案标成3「根本没道理」，说会去排查数据集的标注错误、更新基准。用来打AI脸的那把尺子，尺子自己就是歪的。
三、「这场演示是不是钓鱼」有人一眼认出这可能来自某个以标注质量差著称的公开数据集，反问：这套数据早被指出标注有问题，你是不是特意挑它来为难模型？也有人直接质疑帖子的真实性，要求把各方答案都亮出来，还补了一句：端上跑的视觉模型早就能干这活。
四、「把问题重新框一下」最清醒的一条把话摆正了：真正该问的，是验证层在哪里、能不能让人方便地复核和修正——AI数得准不准，反而是其次。还有人从技术上补刀：矢量PDF本来就带门图层，真实的医院图纸也不会是一张低清jpg，拿烂图测出来的结论本就不作数。
回到Sarah想表达的观点，核心论点有两层。
第一，读图和读文字是两回事。图纸是几何、符号、线宽、空间关系，通用大模型天生不擅长这套。真想让AI在工地上有用，得靠专门拿施工文档训练的模型。
第二，光有AI还不够，人也得被训练——知道什么时候该信AI，什么时候必须自己复核。
凌晨一点半，我也想了想。
这场热闹真正留下的东西，它把建筑AI的地基问题照了个通亮：数据是脏的，标注是错的，连benchmark都立不住。一群最先进的模型连一张图上的门都数不明白，真正卡住它们的，是脚下这摊没人清理干净的数据——算力早就不是那道坎了。
这恰好印证了我最近一直在琢磨的一件事。通用大模型再强，一旦进了建筑这个物理世界，它缺两样东西：一是真实、干净、标注正确的专业数据；二是一套能立得住的行业评测基准。
通用大模型距离直接理解图纸是有些距离的，围绕垂类场景做工程化是很有必要的。最终谁是未来的胜者，暂时还不会有定论。
这位创始人自己要靠400多种对象、200万标注去专门训练，说明这行值钱的，从来是这些又脏又累、却必须有人干的活——采集、清洗、标注、确权。
我也越来越确信：这不是一个「等通用模型变强就自动解决」的问题。谁能把建筑领域的专业数据整理干净、标注对、确权清楚，谁就握住了这一轮建筑AI真正的入口。
这也是我们这些懂图纸的人的机会。一张图上到底有几扇门，最终还得靠最懂工程的人去定义、去标注、去验收。AI时代，图纸没有贬值，最懂图纸的人，或许有机会升值。无论是大模型厂商买单，还是垂类大厂买单，已经不重要了。
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/7926.html
